-
Analytical Hierarchy Process (AHP)
[email protected]
1
Analytical Hierarchy Process DR. Bambang Widjanarko Otok,
M.Si
1. Pendahuluan Salah satu kesulitan yang terjadi pada
pengambilan keputusan
adalah beragamnya kriteria pemilihan. Metode yang dapat
digunakan untuk pengambilan keputusan, di mana kriteria pengambilan
keputusan sangat beragam, adalah Analytical Hierarchy Process
(AHP). Untuk pertama kali, metode ini diperkenalkan oleh Thomas L.
Saaty pada tahun 1971 1975 di Wharton School. Saat ini, AHP tidak
hanya digunakan untuk pengambilan keputusan dengan kriteria yang
beragam, tetapi juga digunakan untuk memecahkan masalah seperti
memilih portfolio, analisis manfaat biaya, peramalan, dan
sebagainya.
-
Analytical Hierarchy Process (AHP)
[email protected]
2
AHP juga dimungkinkan untuk pengambilan keputusan yang
mengandalkan intuisi sebagai input utamanya. Untuk hal ini, perlu
diperhatikan bahwa intuisi harus datang dari pengambil keputusan
yang cukup informasi, pengetahuan, dan pengalaman, serta memahami
masalah keputusan yang dihadapi.
AHP merupakan metode pengukuran yang digunakan untuk menentukan
skala rasio dari perbandingan pasangan yang diskrit maupun kontinu.
Perbandingan ini dapat diambil dari ukuran aktual ataupun dari
skala dasar yang mencerminkan kekuatan perasaan dan prefensi
relatif.
2. Dasar-Dasar AHP Skala ukuran yang lazim digunakan adalah
skala ukuran
panjang (meter), suhu (derajat), waktu (detik), dsb. Untuk
bermacam-macam kejadian yang bersifat fisik, maka skala pengukuran
di atas masih dapat diterima. Sedangkan, untuk kejadian-kejadian
yang mencerminkan perasaan-perasaan kita pada bermacam-macam
persoalan sosial, ekonomi, politik, dsb akan menjadi sulit untuk
diterapkan. Yang bisa kita gunakan adalah skala pengukuran lain
yaitu persentase.
Selain itu, kadang-kadang variabel-variabel sosial, ekonomi, dan
politik juga sulit diukur, misalnya, bagaimana mengukur rasa aman,
rasa senang, rasa sedih, dsb. Juga, sering ditemui bahwa tindakan
yang dilakukan oleh suatu organisasi mempengaruhi banyak segi
kehidupan, sehingga sangat sulit untuk menentukan suatu tindakan
lebih baik dari tindakan yang lain. Oleh karena itu, dibutuhkan
suatu skala yang disebut dengan prioritas.
Pada dasarnya formulasi matematis pada metode AHP dinyatakan
dengan suatu matriks. Misalkan elemen yang dibandingkan adalah r1,
r2, ...., rm dengan bobot masing-masing w1, w2, ....., wm dan
kemudian dibentuk matriks perbandingan berpasangan
-
Analytical Hierarchy Process (AHP)
[email protected]
3
dimana kolom-kolomnya merupakan rasio bobot masing-masing elemen
terhadap elemen lain.
Jadi nilai perbandingan berpasangannya adalah:
j
iij w
wr = (2.1)
merupakan perbandingan bobot elemen i terhadap elemen j untuk i,
j = 1,2,3,.....,m. Matriks perbandingan berpasangan bersifat
resiprokal (berkebalikan) sehingga dapat ditulis sebagai
berikut
=
m
mmm
m
m
ww
ww
ww
ww
ww
ww
ww
ww
ww
LMLMM
L
L
21
2
2
2
1
2
1
2
1
1
1
R (2.2)
Bila kedua elemen matriks yang dibandingkan memiliki bobot yang
sama, maka nilai rij = 1. Berdasarkan Persamaan (2.1) dapat
dinyatakan bahwa
1=i
jij w
wr (2.3)
dimana : i ,j = 1,2,3, ..., m. Dengan demikian diperoleh (Saaty,
1994)
=
=m
j,i i
jij mw
wr
1 atau
==
m
jijij mwwr
1 (2.4)
dimana : rij = elemen matriks perbandingan Persamaan (2.4)
ekuivalen dengan persamaan
R w = m w Dalam bentuk matriks, persamaan tersebut menjadi :
=
mmm
mmm
m
m
w
ww
m
w
ww
ww
ww
ww
ww
ww
ww
ww
ww
ww
MML
MLMML
L
2
1
2
1
21
2
2
2
1
2
1
2
1
1
1
(2.5)
-
Analytical Hierarchy Process (AHP)
[email protected]
4
Bila matriks R diketahui dan ingin diperoleh nilai w, maka dapat
diselesaikan dengan mencari solusi (R - m I) w = 0, dimana nilai I
merupakan matriks identitas, dan nilai 0 merupakan vektor nol.
Supaya w memiliki solusi tidak nol maka m adalah eigenvalue ( )
matriks R dan w merupakan eigenvektornya. Sehingga persamaan
menjadi (Saaty,1994) :
R w = w (2.6) Dimana didapatkan dari :
I -R = 0 (2.7)
Setelah eigenvalue matriks R tersebut diperoleh, misalnya 1 , 2
,
3 ,...., m dengan i = 1, 2, ...., m, maka :
=
=m
ii m
1 (2.8)
kemudian diambil satu eigenvalue terbesar ( max ).
Untuk mendapatkan nilai w, maka dapat dilakukan dengan
mensubstitusi harga max yaitu eigenvalue terbesar dari hasil (2.7)
ke
dalam R w = max w (2.9)
yang selanjutnya dapat diubah menjadi : ( R - max I ) w = 0
(2.10)
kemudian dilakukan normalisasi =
=m
iiw
1
2 1sehingga jumlah bobot (w)
yang didapat sama dengan satu.
3. Penilaian Perbandingan Multi Partisipan (Responden) Penilaian
dilakukan oleh banyak partisipan (responden) akan
menghasilkan pendapat yang berbeda satu sama lain. Metode AHP
hanya membutuhkan satu jawaban untuk satu matriks perbandingan.
Jadi semua jawaban dari partisipan (responden) harus
dirata-ratakan.
-
Analytical Hierarchy Process (AHP)
[email protected]
5
Untuk itu, Saaty (1991) menggunakan metode perataan Geometric
Mean (GM). GM theory menyatakan bahwa jika terdapat n partisipan
melakukan perbandingan berpasangan, maka terdapat n jawaban atau
nilai numerik untuk setiap pasangan. Untuk mendapatkan nilai
tertentu dari semua nilai tersebut, masing-masing nilai harus
dikalikan satu sama lain. Kemudian hasil perkalian tersebut
dipangkatkan dengan 1/n (Saaty, 1991). Secara matematis dapat
ditulis sebagai berikut:
( ) n/nij z*...*z*zg 121= (2.11) dimana :
ijg = nilai rata-rata perbandingan antara kriteria i dengan j
untuk n
partisipan zi = nilai perbandingan pada kuesioner dengan i =
1,2...n n = jumlah partisipan (responden) 4. Perhitungan
Konsistensi Matriks bobot yang diperoleh dari hasil perbandingan
secara berpasangan tersebut harus mempunyai hubungan kardinal dan
ordinal, sebagai berikut: a. Hubungan kardinal : rij . rjk = rik,
misalnya terdapat matriks
perbandingan sebagai berikut
1c1b1c1a1ba1
maka dikatakan mempunyai hubungan kardinal jika nilai b = nilai
a x nilai c.
b. Hubungan ordinal : Ri > Rj, Rj > Rk, maka Ri > Rk.
Secara umum dapat dinyatakan misalnya variabel A lebih penting dari
variabel B, variabel B lebih penting dari variabel C, maka variabel
A lebih penting dari variabel C.
-
Analytical Hierarchy Process (AHP)
[email protected]
6
Pada keadaan sebenarnya akan terjadi beberapa penyimpangan dari
hubungan tersebut, sehingga matriks perbandingan tidak konsisten
sempurna.
Konsistensi merupakan hal yang sangat penting dalam pengambilan
keputusan. Metode AHP mengukur konsistensi menyeluruh dari berbagai
pertimbangan pengambil keputusan melalui rasio konsistensi. Rasio
konsistensi merupakan nilai yang mengukur tingkat
ketidakkonsistenan (inkonsistensi) pengambil keputusan. Nilai rasio
konsistensi harus 0,1 atau kurang (CR 10%). Jika rasio konsistensi
lebih besar dari 0,1, maka hal ini mengindikasikan bahwa
pertimbangan yang diberikan mungkin agak acak dan perlu
diperbaiki.
Pengukuran inkonsistensi matriks perbandingan AHP dilakukan
dalam dua tahap, yaitu : 1. Tahap mengukur inkonsistensi setiap
matriks perbandingan Pengukuran ini didasarkan pada eigenvalue
maksimum (Saaty,
1991). Consistency Index (CI) = ( ) ( )1 m/mmax (2.12) m =
jumlah variabel yang dibandingkan (ukuran matriks R) Makin dekat
eigenvalue dengan jumlah variabel yang dibandingkan
(m), makin konsisten matriks tersebut. Nilai CI=0 mencerminkan
perbandingan berpasangan yang konsisten sempurna.
Dengan melakukan simulasi bilangan random, Saaty (1991)
menghasilkan indeks CI untuk respons random judgement. Kemudian
dikembangkan CR (Consistency Rasio) yang merupakan perbandingan CI
untuk suatu judgement tertentu dengan CI dari random judgement.
Consistency Rasio (CR) = CI / RI (2.13)
dimana RI = Random Index
-
Analytical Hierarchy Process (AHP)
[email protected]
7
2. Tahap mengukur konsistensi seluruh hierarki (Saaty,1991) CRH
= CIH / RIH (2.14) dimana : CRH = konsistensi rasio hierarki CIH =
konsistensi indeks hierarki RIH = random indeks hierarki Batasan
diterima tidaknya konsistensi suatu hierarki sama halnya
dengan konsistensi matriks, yaitu inkonsistensi sebesar 0,1
kebawah ialah tingkat inkonsistensi yang masih bisa diterima, nilai
ini juga didapat dari penelitian berulang-ulang dengan menggunakan
simulasi bilangan random (Saaty,1991).
Berikut ini Random Index untuk beberapa ukuran matriks (m).
Tabel 2.2 Random Index
m 3 4 5 6 7 8 9 10
RI 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 Sumber : Saaty
(1991)
Beberapa prinsip yang digunakan untuk menyelesaikan suatu
masalah dengan menggunakan metode AHP adalah : Decomposition
Setelah persoalan didefinisikan, maka dilakukan tahap
decomposition yaitu memecah persoalan yang utuh menjadi unsur-unsur
dibawahnya. Hal ini yang menjadi alasan proses ini dinamakan
hirarki. Contoh:
Tujuan (Goal)
Kriteria 2 Kriteria 3
Alternatif 1
Tingkat 1:
Tingkat 2:
Tingkat 3:
Kriteria 1
Alternatif 2 Alternatif 3
-
Analytical Hierarchy Process (AHP)
[email protected]
8
Comparative Judgement Prinsip ini dilakukan dengan membuat
penilaian tentang kepentingan relatif dua elemen pada suatu tingkat
tertentu dalam kaitannya dengan tingkat diatasnya. Penilaian ini
sangat penting karena akan berpengaruh terhadap prioritas dari
elemen-elemen yang ada. Hasil dari penilaian ini dituliskan dalam
matriks yang disebut dengan matriks pairwise comparison. Pertanyaan
yang biasa diajukan dalam penyusunan skala kepentingan adalah : -
Elemen mana yang lebih (penting/disukai/mungkin/dsb)? - Berapa kali
lebih (penting / disukai / mungkin / .dsb)? Patokan (skala dasar)
yang dapat digunakan dalam penyusunan skala kepentingan ini adalah
:
Tingkat Kepentingan
Definisi
1 Sama pentingnya dibanding yang lain 3 Moderat pentingnya
dibanding yang lain 5 Kuat pentingnya dibanding yang lain 7 Sangat
kuat pentingnya dibanding yang lain 9 Ekstrim pentingnya dibanding
yang lain
2 , 4 , 6 , 8 Nilai diantara dua penilaian yang berdekatan
Reciprocal Jika elemen i memiliki salah satu angka diatas ketika
dibandingkan dengan j, maka j memiliki nilai kebalikannya ketika
dibandingkan dengan elemen i.
Catatan : 9 Perbandingan dua elemen yang sama akan menghasilkan
angka
1 artinya sama pentingnya. 9 Dua elemen yang berlainan dapat
saja dinilai sama penting. Contoh : Matriks pairwise comparisons
untuk tujuan (goal)
Tujuan/Goal Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria
1 1 5 2 4 Kriteria 2 1/5 1 1/2 1/2 Kriteria 3 1/2 2 1 2 Kriteria 4
1/4 2 1/2 1
Synthesis Of Priority Dari setiap matriks pairwise comparison
kemudian dicari local priority. Matriks-matriks pairwise comparison
terdapat pada setiap
-
Analytical Hierarchy Process (AHP)
[email protected]
9
tingkat, sehingga untuk mendapatkan global priority harus
dilakukan sintesis di antara local priority. Contoh : Matriks
pairwise comparisons untuk tujuan (goal)
Tujuan/Goal Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria
1 1 5 2 4 Kriteria 2 1/5 1 1/2 1/2 Kriteria 3 1/2 2 1 2 Kriteria 4
1/4 2 1/2 1 Jumlah 1,95 10 4 7,5
Matriks yang dinormalisasi:
Tujuan/Goal Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria
1 0,5128 0,5 0,5 0,5333 Kriteria 2 0,1025 0,1 0,125 0,0667 Kriteria
3 0,2564 0,2 0,25 0,2667 Kriteria 4 0,1282 0,2 0,125 0,1333
Sehingga diperoleh local priority untuk Tujuan adalah :
Tujuan/Goal Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 local
priority Kriteria 1 0,5128 0,5 0,5 0,5333 0,5115 Kriteria 2 0,1025
0,1 0,125 0,0667 0,0986 Kriteria 3 0,2564 0,2 0,25 0,2667 0,2433
Kriteria 4 0,1282 0,2 0,125 0,1333 0,1466
Catatan :
Local priority dihitung dengan cara mencari rata-rata dari tiap
kriteria.
Logical Consistency Konsistensi memiliki 2 makna, yaitu :
- Obyek-obyek yang serupa dapat dikelompokkan sesuai dengan
keseragaman dan relevansi.
- Menyangkut tingkat hubungan antara obyek-obyek yang didasarkan
pada
kriteria tertentu.
-
Analytical Hierarchy Process (AHP)
[email protected]
10
Bila diketahui A adalah matriks pairwise comparisons dimana
penilaian kita
sempurna pada setiap perbandingan, maka berlaku aij.ajk = aik
untuk semua i, j, k.
dan selanjutnya matriks A dikatakan konsisten.
AHP mengukur seluruh konsistensi penilaian dengan
menggunakan
Consistency Ratio (CR), yang dirumuskan : RICICR = , di mana :
Consistency
Index (CI) adalah 1
)(=
nnZCI maks , dengan Zmaks adalah nilai eigen maksimum
dari matriks pairwise comparisons.
Nilai Random Consistency Index (RI) dapat digunakan patokan
tabel berikut
(Mulyono, 2003) :
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
Perlu diingat bahwa nilai CR (Consistency Ratio) semestinya
tidak boleh
lebih dari 10%. Jika tidak, maka penilaian yang telah dibuat
mungkin dilakukan
secara random dan perlu direvisi.
5. Penggunaan AHP 5.1. Contoh 1
Masalah yang diberikan adalah pemilihan rumah untuk tempat
tinggal,
dimana masalah ini disebabkan karena melambungnya harga tanah
disekitar kota.
Sehingga pilihan-pilihan yang tersisa bagi keluarga baru dengan
kemampuan beli
yang terbatas adalah membeli rumah yang didasarkan pada
lingkungannya, waktu
tempuh ke tempat kerja, harga jual rumah, serta biaya transpor
yang harus
dikeluarkan. Misalkan, tersedia 3 alternatif pilihan, yaitu
perumahan A, B, dan C
dengan kriteria pilihan adalah lingkungan, waktu tempuh, biaya
transpor, dan
harga. Tentukan skala prioritas yang dapat menjadi dasar dalam
pemilihan rumah
tinggal berdasar 3 kriteria tersebut.
Penyelesaian :
Langkah 1:
-
Analytical Hierarchy Process (AHP)
[email protected]
11
Membuat hirarki dari masalah di atas.
Langkah 2 :
Membuat penilaian tentang kepentingan relatif antara dua elemen
pada suatu
tingkat tertentu. Hasil dari penilaian ini dituliskan dalam
matriks pairwise
comparison.
Misal ditentukan waktu tempuh 2 kali lebih disukai dibanding
lingkungan, maka
angka 2 diisikan pada sel (2,1). Dan berdasar pada aksioma
reciprocal, maka sel
(1,2) diisi dengan yang artinya lingkungan 1/2 kali lebih
disukai dibanding
waktu tempuh. Sel yang lain dapat diisi dengan cara yang
sama.
Diperoleh hasil penilaian, yaitu:
Tujuan/Goal L W T G Lingkungan (L) 1 5 2 4 Waktu tempuh (W) 1/5
1 Biaya transp. (T) 2 1 2 Harga (G) 2 1
Matriks pairwise comparison nya adalah :
A1 =
12/124/12122/12/12/115/1
4251
Lingkungan A B C A 1 2 4 B 1/2 1 2 C 1/4 1/2 1
Pemilihan rumah tinggal
Wkt tempuh Harga Jual
A B C
Tingkat 1: Tujuan / Goal
Tingkat 2: Kriteria
Tingkat 3: Alternatif
Biaya trasport Lingkungan
-
Analytical Hierarchy Process (AHP)
[email protected]
12
Matriks pairwise comparison nya adalah :
A =
12/14/1212/1421
Waktu Tempuh A B C A 1 1/2 1/3 B 2 1 1/3 C 3 3 1
Matriks pairwise comparison nya adalah :
A =
1333/1123/12/11
Biaya Transport A B C A 1 1/7 1/3 B 7 1 3 C 3 1/3 1
Matriks pairwise comparison nya adalah :
A =
13/133173/17/11
Harga A B C A 1 1/4 1/7 B 4 1 1/2 C 7 2 1
Matriks pairwise comparison nya adalah :
A =
1242/1124/12/11
-
Analytical Hierarchy Process (AHP)
[email protected]
13
Langkah 3 : Menentukan local priority
Tujuan/Goal L W T G L 1 5 2 4 W 1/5 1 T 2 1 2 G 2 1 Jml 1,95 10
4 7,5
Normalisasi = Matriks pairwise/Jml L W T G local priority
L 0,5128 0,5000 0,5000 0,5333 0,5115 W 0,1026 0,1000 0,1250
0,0667 0,0986 T 0,2564 0,2000 0,2500 0,2667 0,2433 G 0,1282 0,2000
0,1250 0,1333 0,1466
Catatan : Local priority dihitung dengan cara mencari rata-rata
dari tiap kriteria.
Lingkungan A B C A 1 2 4 B 1/2 1 2 C 1/4 1/2 1
Normalisasi = Matriks pairwise/Jml A B C local priority
A 0,5714 0,5714 0,5714 0,5714 B 0,2857 0,2857 0,2857 0,2857 C
0,1429 0,1429 0,1429 0,1429
Catatan : Local priority dihitung dengan cara mencari rata-rata
dari tiap kriteria. Waktu Tempuh
A B C A 1 1/2 1/3 B 2 1 1/3 C 3 3 1
Normalisasi = Matriks pairwise/Jml A B C local priority
A 0,1667 0,1111 0,2000 0,1593 B 0,3333 0,2222 0,2000 0,2519 C
0,5000 0,6667 0,6000 0,5889
Catatan : Local priority dihitung dengan cara mencari rata-rata
dari tiap kriteria.
-
Analytical Hierarchy Process (AHP)
[email protected]
14
Biaya Transport A B C A 1 1/7 1/3 B 7 1 3 C 3 1/3 1
Normalisasi = Matriks pairwise/Jml A B C local priority
A 0,0909 0,0968 0,0769 0,0882 B 0,6364 0,6774 0,6923 0,6687 C
0,2727 0,2258 0,2308 0,2431
Catatan : Local priority dihitung dengan cara mencari rata-rata
dari tiap kriteria.
Harga A B C A 1 1/4 1/7 B 4 1 1/2 C 7 2 1
Normalisasi = Matriks pairwise/Jml A B C local priority
A 0,0833 0,0769 0,0870 0,0824 B 0,3333 0,3077 0,3043 0,3151 C
0,5833 0,6154 0,6087 0,6025
Catatan : Local priority dihitung dengan cara mencari rata-rata
dari tiap kriteria.
Langkah 4 : Menentukan maks , CI Tujuan/Goal
L (0,5115)
W (0,0986)
T (0,2433)
G (0,1466)
Eigen vektor
e-vektor /l_priority
L 1 5 2 4 2.07741 4.06109 W 1/5 1 0.39582 4.01610 T 2 1 2
0.98942 4.06720 G 2 1 0.59327 4.04591
maks =rata-rata pada (e-vektor /l_priority) =
(4.06109++4.04591)/4=4.04757 ( )( )max
(4.04757-4) 0.01585671 (4 1)m
CIm
= = =
-
Analytical Hierarchy Process (AHP)
[email protected]
15
Lingkungan A
(0,5714) B
(0,2857) C
(0,1429) Eigen vektor
e-vektor /l_priority
A 1 2 4 B 1/2 1 2 C 1/4 1/2 1
Waktu Tempuh A
(0,1593) B
(0,2519) C
(0,5889) Eigen vektor
e-vektor /l_priority
A 1 1/2 1/3 B 2 1 1/3 C 3 3 1
Biaya Transport A
(0,0882) B
(0,6687) C
(0,2431) Eigen vektor
e-vektor /l_priority
A 1 1/7 1/3 B 7 1 3 C 3 1/3 1
Harga A
(0,0824) B
(0,3151) C
(0,6025) Eigen vektor
e-vektor /l_priority
A 1 1/4 1/7 B 4 1 1/2 C 7 2 1
-
Analytical Hierarchy Process (AHP)
[email protected]
16
Langkah 5 : Menentukan CR (Consistency Ratio)
Nilai Random Consistency Index (RI)
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
Tujuan (4 Kriteria lihat table RI = 0,9)
%75,1%1000175,09,0
0158,0 ====RICICR
Karena CR < 10%, maka matriks pairwise comparison A dikatakan
konsisten.
Lingkungan (3 Alternatif lihat table RI = 0,58)
%0%100058,00 ====
RICICR
Karena CR < 10%, maka matriks pairwise comparison A dikatakan
konsisten.
Waktu tempuh (3 Alternatif lihat table RI = 0,58)
%62,4%1000462,058,0
0268,0 ====RICICR
Karena CR < 10%, maka matriks pairwise comparison A dikatakan
konsisten.
Biaya transport (3 Alternatif lihat table RI = 0,58)
%6,0%100006,058,0
0035,0 ====RICICR
Karena CR < 10%, maka matriks pairwise comparison A dikatakan
konsisten.
Harga (3 Alternatif lihat table RI = 0,58)
%2,0%100002,058,0
0010,0 ====RICICR
Karena CR < 10%, maka matriks pairwise comparison A dikatakan
konsisten.
Langkah 6 : Menentukan global priority
6025.02431.05889.01429.03151.06687.02519.02857.00824.00882.01593.05714.0
x
1466.02433.00986.05115.0
=
2786.03799.03415.0
-
Analytical Hierarchy Process (AHP)
[email protected]
17
atau dapat juga dibuat dalam bentuk tabel, yaitu :
L 0,5115
W 0,0986
T 0,2433
G 0,1466
Global priority
A 0,5714 0,1593 0,0882 0,0824 0,3415 B 0,2857 0,2519 0,6687
0,3151 0,3799 C 0,1429 0,5889 0,2431 0,6025 0,2786
Langkah 7 : Kesimpulan
a. Lingkungan merupakan kriteria terpenting, karena prioritasnya
tertinggi yaitu
0,5115. Diikuti biaya transpor (0,2433), harga (0,1466), dan
terakhir waktu
tempuh (0,0986)
b. Berdasarkan ke-4 kriteria secara bersama, pilihan yang paling
diinginkan
adalah perumahan B (0,3799), diikuti perumahan A (0,3415) dan C
(0,2786).
5.2. Contoh 2. Andaikan kita ingin memutuskan harus membeli yang
mana dari tiga mobil baru sebuah chevrolet, Thunderbird dan Lincoln
atas dasar kenyamanan. Matriks banding berpasangan dari kasus
tersebut adalah:
kenyamanan C L T C 1 1/2 1/4 L 2 1 1/2 T 4 2 1
Kemudian, misalnya kita pertahankan baris pertama dari matriks
tersebut, tetapi tak begitu menghiraukan konsistensi terhadap
pertimbangan terdahulu. Dalam membandingkan Thunderbird dengan
Lincoln, kita masukkan nilai pada baris ke-2 kolom ke-3 dan
memasukkan kebalikkannya 4 di baris ke-3 kolom ke-2 (tabel 2). Dari
perubahan yang dilakukan, kita akan memperoleh matriks yang
dinormalisasi, jumlah barisnya. Persentase-persentase prioritas
relative menyeluruh (tabel 3). Persentase itu 13, 21 dan 66 persen,
membentuk vector prioritas ketiga mobil tersebut berkenaan
dengan
-
Analytical Hierarchy Process (AHP)
[email protected]
18
kenyamanan. Nilai vector prioritas itu hanyalah perkiraan. (kita
dapat menentukan nilai tepatnya, tetapi pemecahannya rumit. Selain
itu, bila semua pertimbangan konsistensi sempurna, kedua nilai itu
akan identik; bila hampir konsisten, nilai-nilai itu hampir sama).
Meskipun kedudukan Chevrolet itu tak banyak berubah, kedua yang
lainnya telah berubah oleh pengurangan kita terhadap nilai
thunderbird yang penaikan kita terhadap nilai Lincoln.
Tabel 2 kenyamanan C L T
C 1 1/2 1/4 L 2 1 1/4 T 4 4 1
Jumlah 7 5.5 1.5
Dengan ketidakkonsistenan, semua nilai itu jadi berubah. Yang
menjadi pertanyaan adalah: berapakah signifikansi perubahan ini?
Misalkan kita ingin membandingkan ketakkonsistenan kita dengan
nilai yang akan diperolehnya jika pertimbangan-pertimbangan itu
acak. Untuk itu, kalikan kolom pertama dari matriks yang tak
konsisten itu (tabel 2), yang telah diubah menjadi bentuk decimal,
dengan prioritas relative dari Chevrolet (0.13), kolom kedua dengan
prioritas relative thunderbird (0.12) dan kolom ketiga dengan
prioritas relative dari Lincoln (0.66) lalu jumlahkan entri dalam
baris-baris (tabel 4).
Tabel 3.
kenyamanan C L T jumlah baris
rata-rata jumlah baris
C 1/7 1/11 1/6 0.4 0.40/3 = 0.13 L 2/7 2/11 1/6 0.63 0.63/3 =
0.21 T 4/7 8/11 4/6 1.97 1.97/3 = 0.66
Tabel 4
kenyamanan C(0.13) L(0.21) T(0.66) kenyamanan C L T Jumlah C 1
0.5 0.25 C 0.13 0.11 0.17 0.41 L 2 1 0.25 L 0.26 0.21 0.17 0.64 T 4
4 1 T 0.52 0.84 0.66 2.02
-
Analytical Hierarchy Process (AHP)
[email protected]
19
Sekarang ambil kolom jumlah baris dan bagi setiap entrinya
dengan entri yang sesuai dari vector prioritas (Gambar 5.1). Kita
sekarang dapat menemukan rata-rata dari ketiga entri dalam kolom
terakhir dari Gambar 5.1.
09.3326.9
306.305.315.3 ==++
Menurut perjanjian, lambing untuk bilangan ini adalah maks
(lambda maksimum). Indeks konsistensi (IK = CI = Consistency Index)
adalah:
045.0209.0
206.305.315.3 ==++
Nilai acak CI untuk 3=n adalah 0.58*. Rasio Konsistensi (RK = CR
= Consistency Ratio) adalah 0.045/0.058 = 0.08, yang menunjukkan
bahwa konsistensi baik.
=
06.305.315.3
66.021.013.0
:02.264.041.0
Prosedur ancangan kedua adalah dengan menghitung rata-rata
geometric elemen-elemen dalam setiap baris, yaitu mengalikan
elemen-elemen itu, lalu menarik akar pangkat n darinya. Langkah ini
diikuti dengan menormalisasi vector yang dihasilkan sehingga
komponen-komponennya, bila dijumlahkan, sama dengan satu. Umumnya
rata-rata geometrik merupakan ancangan yang baik, terutama bila
konsistensi tinggi. Perhitungan maks dapat dilakukan seperti
sebelumnya. Rata-rata geometrik untuk matriks tak konsisten
mengenai mobil berkenaan dengan kenyamanan menghasilkan 0.16, 0.20,
dan 0.64. Pemecahan yang tepat dengan computer adalah 0.13, 0.21
dan 0.66, dengan maks = 3.05 yang hampir sama dengan hasil dari
proses normalisasi kolom yang diuraikan sebelumnya. Perhatikan
bahwa merata-rata baris diikuti dengan menormalisasi vector yang
dihasilkan, memberi hasil 0.13, 0,23 dan 0.64.
-
Analytical Hierarchy Process (AHP)
[email protected]
20
Latihan soal 1. Rina, seorang mahasiswi, sedang mempertimbangkan
untuk
menentukan calon suami bagi dirinya. Ada 3 pria yang menjadi
pilihannya, yaitu Adi (A), Budi (B), dan Coki (C). Dalam memilih
suami, Rina mempertimbangkan 3 hal yaitu kepandaian (P), ketampanan
(T), dan kekayaan (K). Rina beranggapan bahwa kepandaian 3 kali
lebih penting dari ketampanan dan 4 kali lebih penting dari
kekayaan. Menurut kriteria kepandaian, Rina beranggapan bahwa Coki
4 kali lebih disukai dibanding Budi, sedangkan Adi 3 kali lebih
disukai dibanding Budi. Untuk ketampanan, Rina beranggapan bahwa
Budi 3 kali lebih disukai dibanding Adi, dan Coki 2 kali lebih
disukai dibanding Adi. Sedangkan untuk kekayaan, Rina menganggap
bahwa Adi 2 kali lebih disukai dibanding Budi, dan Coki 3 kali
lebih disukai dibanding Budi. Dengan AHP, berilah rekomendasi pada
Rina manakah yang dapat diprioritaskan untuk dapat dijadikan suami?
Bagaimanakah perbandingan prioritas untuk masing-masing pria
pilihan?
2. Amir, seorang mahasiswa, sedang mempertimbangkan untuk
menentukan topik penelitian bagi Tugas Akhirnya. Ada 3 topik
penelitian yang menjadi pilihannya, yaitu Sistem Informasi
Akuntansi (A), Sistem Informasi Manufaktur (M), dan Sistem
Informasi Sumber Daya Manusia (S). Dalam memilih topik penelitian,
Amir mempertimbangkan 3 hal yaitu ketersediaan bahan pustaka (P),
dosen pembimbing sesuai kompetensi (D), dan perusahaan tempat
penelitian (T). Amir beranggapan bahwa ketersediaan bahan pustaka 3
kali lebih penting dari ketersediaan dosen pembimbing dan 4 kali
lebih penting dari ketersediaan perusahaan tempat penelitian.
-
Analytical Hierarchy Process (AHP)
[email protected]
21
Menurut kriteria ketersediaan bahan pustaka, Amir beranggapan
bahwa Sistem Informasi SDM 4 kali lebih disukai dibanding Sistem
Informasi Manufaktur, sedangkan Sistem Informasi Akuntansi 3 kali
lebih disukai dibanding Sistem Informasi Manufaktur. Untuk kriteria
ketersediaan dosen pembimbing, Amir beranggapan bahwa Sistem
Informasi Manufaktur 3 kali lebih disukai dibanding Sistem
Informasi Akuntansi, dan Sistem Informasi SDM 2 kali lebih disukai
dibanding Sistem Informasi Akuntansi. Sedangkan untuk kriteria
ketersediaan perusahaan tempat penelitian, Amir menganggap bahwa
Sistem Informasi Akuntansi 2 kali lebih disukai dibanding Sistem
Informasi Manufaktur, dan Sistem Informasi SDM 3 kali lebih disukai
dibanding Sistem Informasi Manufaktur. Dengan AHP, berilah
rekomendasi pada Amir manakah yang dapat diprioritaskan untuk dapat
dijadikan topik Tugas Akhirnya? Bagaimanakah perbandingan prioritas
untuk masing-masing pilihan? Catatan : diasumsikan bahwa setiap
matrik yang ada telah konsisten.
----------)))oo000oo(((--------
-
Analytical Hierarchy Process (AHP)
[email protected]
22
ANALYTICAL HIERARCHY PROCESS dengan EXPERT CHOICE
DR. Bambang Widjanarko Otok, M.Si
Memulai Expert Choice Start Expert Choice Professional (Klik)
Evaluation and Choice seperti pada Gambar berikut.
Klik, tampak Kotak dialog sebagai berikut:
-
Analytical Hierarchy Process (AHP)
[email protected]
23
Selanjutnya, Pilih File New
Klik, tampak Kotak dialog sebagai berikut. Selanjutnya pada File
name: Isikan
lat1_08, pada List files of type: pilih *.EC* , pada Folder
(biarkan aja atau
simpan di folder lain) pada Drives: (biarkan aja atau simpan di
drives lain)
-
Analytical Hierarchy Process (AHP)
[email protected]
24
Selanjutnya, Klik OK tampak Kotak dialog sebagai berikut:
Pilih Direct tampak Kotak dialog sebagai berikut, dan pada Enter
Goal
Definition ketik PEMILIHAN RUMAH TINGGAL
Selanjutnya, Klik OK tampak Kotak dialog sebagai berikut:
-
Analytical Hierarchy Process (AHP)
[email protected]
25
Klik GOAL, tulis LINGKGN, pada Kotak Dialog Definition ketik
LINGKUNGAN
Klik OK, selanjutnya pilih Gambar dan Ketik W_TMPH, pada Kotak
Dialog
Definition ketik WAKTU TEMPUH
-
Analytical Hierarchy Process (AHP)
[email protected]
26
Klik OK, selanjutnya pilih Gambar dan Ketik HARGA_J, pada Kotak
Dialog
Definition ketik HARGA JUAL
Klik OK, selanjutnya pilih Gambar dan Ketik BIAYA_T, pada Kotak
Dialog
Definition ketik BIAYA TRANSPORT
-
Analytical Hierarchy Process (AHP)
[email protected]
27
Klik OK tampak Kotak dialog sebagai berikut:
Selanjutnya Klik LINGKGN, kemudian pilih Assessment Pairwise
Klik. Selanjutnya tulis A, pada Kotak Dialog Definition ketik RUMAH
A
-
Analytical Hierarchy Process (AHP)
[email protected]
28
Klik OK, selanjutnya pilih Gambar dan Ketik B, pada Kotak Dialog
Definition
ketik Rumah B
Klik OK, selanjutnya pilih Gambar dan Ketik C, pada Kotak Dialog
Definition
ketik Rumah C
-
Analytical Hierarchy Process (AHP)
[email protected]
29
Klik OK tampak Kotak dialog sebagai berikut:
Ulangi langkah tersebut di atas pada W_TMPH
-
Analytical Hierarchy Process (AHP)
[email protected]
30
Ulangi langkah tersebut di atas pada HARGA_J
Ulangi langkah tersebut di atas pada BIAYA_T
-
Analytical Hierarchy Process (AHP)
[email protected]
31
Klik OK tampak Kotak dialog sebagai berikut:
Selanjutnya Klik GOAL (1.000), kemudian pilih Assessment
Pairwise Klik.
-
Analytical Hierarchy Process (AHP)
[email protected]
32
Klik, Pilih Importance pada Type dan Numerical pada Mode
Klik OK, tampak kotak dialog sebagai berikut.
-
Analytical Hierarchy Process (AHP)
[email protected]
33
Selanjutnya lihat data, dan isikan seperti pada kotak Dialog
berikut.
KLik Calculate, maka tampak kotak Dialog sebagai berikut:
-
Analytical Hierarchy Process (AHP)
[email protected]
34
Klik Record, pilih LINGKGN
Klik, Selanjutnya lihat data, dan isikan seperti pada kotak
Dialog berikut.
-
Analytical Hierarchy Process (AHP)
[email protected]
35
KLik Calculate, maka tampak kotak Dialog sebagai berikut:
Klik Record, pilih W_TMPH
-
Analytical Hierarchy Process (AHP)
[email protected]
36
Klik, Selanjutnya lihat data, dan isikan seperti pada kotak
Dialog berikut.
KLik Calculate, maka tampak kotak Dialog sebagai berikut:
-
Analytical Hierarchy Process (AHP)
[email protected]
37
Klik Record, pilih HARGA_J
Klik, Selanjutnya lihat data, dan isikan seperti pada kotak
Dialog berikut.
-
Analytical Hierarchy Process (AHP)
[email protected]
38
KLik Calculate, maka tampak kotak Dialog sebagai berikut:
Klik Record, pilih BIAYA_T
-
Analytical Hierarchy Process (AHP)
[email protected]
39
Klik, Selanjutnya lihat data, dan isikan seperti pada kotak
Dialog berikut.
KLik Calculate, maka tampak kotak Dialog sebagai berikut:
-
Analytical Hierarchy Process (AHP)
[email protected]
40
Klik Record
Selanjutnya untuk melihat Goal: Pilih Synthesis From Goal
Klik, tampak Kotak Dialog sebagai berikut.
-
Analytical Hierarchy Process (AHP)
[email protected]
41
Pada Display, Pilih Details, tampak kotak Dialog sebagai
berikut.
-
Analytical Hierarchy Process (AHP)
[email protected]
42
Klik, Print Preview, tampal kotak dialog sebagai berikut.
Selamat Mencoba & Sukses Untuk ANDA