Search

Pemanfaatan teknologi informasi telah berhasil menolong banyak perusahaan dalam meningkatkan penjualan produknya. Dengan melakukan evaluasi terhadap kinerja penjualan maka akan terlihat dinamika perubahan angka penjualan setiap produk secara lebih akurat untuk membantu pengambil keputusan yang strategis. Oleh karena itu, untuk mengatasi permasalahan ranking dan prioritas produk pada penelitian ini diperlukan suatu algoritma khusus seperti AHP untuk menyelesaikan permasalahan kompleks yang memiliki banyak kriteria. Banyak penelitian yang berhasil menggunakan algoritma AHP untuk menentukan peringkat produk seperti produk yang laris di minimarket dan beberapa studi kasus lainnya. Namun dalam penerapan AHP terdapat beberapa cara berbeda dalam menghitung bobot dan rasio konsistensi. Menggunakan AHP, melakukan pengujian dengan variasi proses AHP yang sering digunakan untuk menentukan prioritas kalibrasi produk dan membandingkannya, kemudian mengimplementasikan metode terbaik ke dalam Python. Kriterianya adalah jumlah pelanggan, jumlah alat yang masuk, harga per alat, waktu penyelesaian, dan review pelanggan. Berdasarkan hasil penelitian, bobot masing-masing cara berbeda-beda, namun prioritas yang dihasilkan sama. Produk terlaris adalah plug gauge dengan bobot tertinggi dan terburuk adalah instrumen. Hasilnya juga menunjukkan bahwa cara terbaik dalam proses normalisasi adalah dengan membagi setiap nilai kolom dengan total kolom yang bersangkutan dan memiliki nilai konsistensi yang lebih akurat. Hasil pemeringkatan akan memudahkan pengambil keputusan menganalisis prioritas produk dan menggunakan cara yang efektif.