7 Gierehy Process (AHP) about reader2urlhtps:/yudiagusta wordpress.com/2014hA23/ana yudiagusta.wordpress.com Analytical Hierarchy Process (AHP) 5-6 minutes Analytical Hierarchy Process (AHP) adalah suatu metode pengambilan keputusan dengan melakukan perbandingan berpasangan antara kriteria pilihan dan juga perbandingan berpasangan antara pilihan yang ada. Permasalahan pengambilan keputusan dengan AHP umunya dikomposisikan menjadi kriteria, dan alternative pilihan. Contoh permasalahan: Bagian terpenting dari proses analisis adalah 3 (tiga) tahapan berikut: 1. Nyatakan tujuan analisis: Memilih mobil baru 2. Tentukan kriteria: style, kehandalan, dan konsumi bahan bakar 3. Tentukan alternative pilihan: Avansa, Xenia, Ertiga, Grand Livina Informasi ini kemudian disusun membentuk pohon bertingkat 16/11/2020, 9:58 AN+ Hierarchy Process (AHP) bout reacer?riitips://yudiaguta wordpress. com/2014/ba/23/ana Informasi yang ada kemudian di-sintesis untuk menentukan peringkat relative dari alternative pilinan yang ada. Kriteria dari Jenis qualitative dan quantitative dapat diperbandingkan menggunakan informed judgement untuk menghitung bobot dan prioritas, Bagaimana menentukan tingkat kepentingan relative dari kriteria yang ada? Hal ini dapat dilakukan dengan judgement untuk menentukan peringkat dari kriteria. Dalam sebuah sistem berbasis AHP, judgement ini diberikan oleh user pengguna sistem dan dilakukan pada saat user bermaksud melakukan proses AHP dan melihat rekomendasi. Misainya: 1. Kehandalan 2 kali lebih penting dari style 2. Style 3 kali lebih penting dari konsumsi bahan bakar 3. Kehandalan 4 kali lebih penting dari konsumsi bahan bakar Selanjutnya dengan pairwise comparison (perbandingan berpasangan), tingkat kepentingan satu kriteria dibandingkan 16/11/2020, 9:58 Alsnalytieal Hierarchy Process (AHP) about:reader?url=https:/yudiagusta.wwordpress.com/2014/)2/23/ana dengan yang lain dapat diekspresikan. Nilai yang digunakan: 1: equal 2: moderate 3: strong 4: very strong 5: extreme Dari judgement di atas bisa dibuatkan tabel perbandingan berpasangan sebagai berikut: ‘Style _| Kehandalan | Konsumsi Bahan Bakar Style mz Va 3/t Kehandalan 2A ut af Konsumsi Bahan Bakar | 1/3 % YL Bagaimana mengubah matrik berpasangan ini menjadi peringkat dari kriteria? Jawabannya: Eigenvector Berikut cara untuk mencari solusi eigenvector: 1. Cara komputasi yang singkat yang bisa digunakan untuk mendapatkan peringkat adalah dengan menggunakan matrik berpasangan ini sebagai sebagai dasar penghitungan kuadrat matrik berpasangan setiap saat. 2. Jumiah setiap baris dihitung dan dinormalisasi 3. Perhitungan dihentikan apabila perbedaan dari jumlah-jumlah ini dalam dua penghitungan yang berturutan lebih kecil dari suatu angka. Tahan 1; Kuadratkan Matrik Berbasangan ‘Style_|Kehandatan | Konsumsi Bahan Bakar ‘Style FX) 05 30 Kehandalan 20 10 40 Konsumsi Bahan Bakar | 0.33 025 10, : 16/11/2020, 9:58 AN\nalytical Hierarchy Process (AHP) sbout:reader?urt-https:l/yudiagusta.wordpress.com/2014/02/23/an8 to | os | 30 o | 0s | 30 3.0 | 1.75 | 8.0 20 | 10 | 40 | x [20] 10 | 40 | =Asa3| 30 | 140 0.33 | 025 | 10 [033 [025 [1.0 [eis [oer [30 1.0 x 1.0 + 0.5x 2.0 + 3.0x 0.33 = 3.0 Tahap 2: Hitung Eigenvector pertama 1, Jumlahkan baris 2. Jumlahkan jumlah dari baris-baris yang ada 3. Normalisasi nilai jumlah dari masing-masing baris 3.0 | 175 12.75 5.33 | 3.0 = | 22,3332 136 [ 0.67 | 4.9333 |, 12,75 0.3194 22.3332 = 0.5595, 4.8333 |, O.1211 |, 39.9165 1,000 Angka normalisasi pertama yang sebesar 0.3194 didapatkan dengan membagi angka 12.75/39.9165 Jadi eigenvector yang pertama adalah: 0.3194 0.5595 0.4211 Proses ini terus diulang: kuadrat, jumlahkan, dan normalisasikan 3.0 [175 [ 80 5.33 | 3.0 | 14.0 116 | 067 | 3.0 Dikuadratkan, dijumlah, dan dinormalisasi menjadi: 8 16/11/2020, 9:58 ANnalytical Hierarchy Process (AHP) aboutireaderuri=https:/yudiaguste.wordpress.com/2014/02/23/anal 30 [a75 [a0 30 [1% | 80 Hrsess [1s aas0 | Tease si|30 [140 | x [S32] 30 [iso] = [anasiz| oreee2| inscea 067 | 30 ais [oe | 30 1035547 | 6.oma | 27.6653 27653 | 5.0880] 724988 15.996 4.3511 | 27.6562 | s266642| = |2oo.6si5 10.5547 | 6.0414 | 27.6653 44.2614 27.6653 + 15.8830 + 72.4984 = 15.9967 15.9867 03196 202.6615| = | 0.5564 442514 | 0.3220 |, ~ ~ 262.9196 a 15.9967 : 262.9196 = 0.3196 Jadi eigenvector yang kedua adalah: 0.3196 0.5584 0.1220 Perbedaannya memang sudah kecil, apalagi kalau dihitung satu putaran lagi: 0.3196 [03194 0.0002 osse¢ | ~ | 05595 | = [oooi 0.1220 [lo.tat 0.0009 Apa arti nilai eigenvector ini? Melihat pada nilai dari eigenvector bisa dikatakan bahwa: kriteria yang pertama adalah peringkat nomor 2 terpenting, kriteria yang kedua adalah peringkat 1 terpenting, dan kriteria yang ketiga adalah peringkat nomor 3 terpenting Berikut adalah pohon dengan bobot pada kriterianya: ‘Memiih Mobi (Sao) ‘Sivio ‘Kehandalan Konsimsi Bahan (0.3106) (0.5584) ‘Bakar (0.1220) 8 16/11/2020, 9:58 At\nalytical Hierarchy Process (AHP) about:reader?uri=https:/yudiagusta wordpress.com/2014/02/23/ana (Grand Livin Grand Livina Grand Living Selanjutnya, bagaimana menentukan peringkat alternative pilihan? Untuk alternative pilihan, juga dilakukan perbandingan berpasangan terhadap kriteria masing-masing. Judgement dalam proses ini umumnya dilakukan berbasis pada data/informasi tentang alternative pilihan (quantitative approach) atau kalau tidak tersedia data/informasi tersebut, dapat dilakukan dengan judgement dari pakar terkait pemilihan alternative tersebut (qualitative approach). Di dalam sebuah sistem, proses untuk menentukan nilai kriteria dari masing-masing alternative pilihan dan perhitungan peringkat dilakukan pada saat melakukan entry dan edit data variabel dan kriteria alternative pilihan. Dalam kasus ini, yang memberikan judgement untuk kriteria style dan kehandalan adalah pakar tentang mobil dengan informasi bersifat qualitative. Style Avanza Xenia Ertiga Grand Livina Avanza Yi Ya afi 6 [7 Xenia ait if aft | Ertiga wa 1/4 ai ys Grand hivina | 6/t aft Sit aft 8 16/11/2020, 9:58 AN,\nalytical ffierarchy Process (AHP) about:reader?url=htips://yudiagusta.wordpress.com/2014/02/23/ane Kehandalan ‘Avanza | Xenia Ertiga | Grand Livina ‘Avanza yt 2A aA aA Xenta 4/2 vA 3 2A Ertiga 5 13 rm 1/4 GrandLivina | _ 1/1 12 aft wa Dari matrik ini dihitung eigenvector, untuk menentukan peringkat dari alternative pilihan untuk masing-masing kriteria. Peringkat Style 0.1160 0.2470 0.0600 0.5770 Peringkat Kehandalan 0.3790 0.2900, 0.0740, 0.2570 Untuk kriteria konsumsi bahan bakar, ditentukan dengan informasi yang bersifat quantitative sebagai berikut: Konsumsi Bahan Bakar Avanza 34_ | 34/113 | 0.3010 Xenia 27_| 27/113 | 0.2390 Ertiga 24 | 24/113 | 0.2120 Grand Livina | 28 | 29/113 | 0.2480 113 41,0000 Dengan menormalisasi informasi bersifat quantitative, akan bisa didapatkan peringkat konsumsi bahan bakar untuk masing- masing alternative pilihan. Dengan demikian bobot kriteria dan alternative pilihan sudah 8 16/11/2020, 9:58 Al\nalytical Hierarchy Process (AHP) about:reader?url=hitps://yudiagusta.wordpress.com/2014/02/23/an8 terlengkapi, sehingga pohon keputusan tergambar menjadi: ‘Memiih Mobil 000) Untuk mendapatkan hasil keputusan, masing-masing bobot untuk alternative pilinan dikalikan dengan bobot dari kriteria dalam bentuk perkalian matrik sebagai berikut: Avanza, 0.1160 | 0.3790 | 0.3010 0.3196 Xenia | 0.2470 = x [0.5504 Ertiga [0.0600 0.1220 Grand LWvina | 0.5770 Sehingga perhitungan untuk mobil Avanza keseluruhan nilai masing-masing alternative pilihan adalah sebagai berikut: ‘fvanza | 0.3060. Xenia [ 0.2720 Ertiga | 0.0940, 0.1160x 0.3196 + 037909 05504 + O90IOx 1220 ~ 03060 | Grend tivina | 0.3280 Sehingga pilinan yang paling bagus untuk kasus pengambilan keputusan ini adalah mobil dengan tipe Grand Livina. 16/11/2020, 9:58 AbDidalam AHP langkah yang diakukan adalah sebagai berikut : 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, 2. Membuat struktur herarki yang diawali tyjuan umum dilanjutkan dengan ktiteria dan Kemungkinan altematif pada tingkatan kriteria paling bawah. 3. Membuat matrik perbandingan berpasangan yang menggambarkan kontribusi relative atau pengaruh setiap elemen terhadap kriteria setingkat diatasnya, 4. Melakukan perbandingan berpasangan sehingga _diperoleh keputusan sebanyak n x ((n-1)/2 bh, dengan n adalah banyaknya elemen yang dibandingkan, 5. Menghitung nila eigen vector dan menguii konsistensinya jika tidak konsisten pengambitan data diulang kembaii 6. Mengulangi setiap langkah 3,4 dan 5 untuk setfap tingkatan herark 7. Menghitung eigen vector dari setiap matik perbandingan berpasangan. 8. Menghitung konsistensi herarkijika nilainya lebih dari 10% maka Penilaian data judgement harus diperbaiki 9. Penetapan prioritas pada masing-masing hierarki 10.Perkalian Matrik bobot iriteria dan alternatit 14. Hasil adalah nila prioritas dan sebagai masukan dalam rekomendasi“emnisSued irq HseI8q yepH tpefiem dHY epoymT TIsey IsMyos Baye. ueyqysedip yedep ‘tpeliey ror yey eye eHOpT Suusedes uedurpuegied epeys ueydejeueUr jes UEUa}SISOOPFEPOT Upe TyeIg WLU OO < YO By “UEyseMMNEU UEUapsIsUONPY yeep BAPUE (MOT) O10 => YO PUL Ta pw 2 yo Summ > xpfgo yepun!: u -a wT qEyaury psy 2( 19) xapuy Aousysisuop BuNTH *€ pam Amo T= pesebess SESSSSSSSISEESSSSSS Zs crc 2 Sumy Z siapq yeuusog UrepEp wero ETRE SHUN > a STEM SEU: VS LAN V = nppese} Suef wero repre spear ueosp jeme syLqEM ereqTe warjmpad Somyryyort Sel Tet] tt eT ay %68 sO} 000 oe Tt Or 6 8 £ 9 £ z u WOPUEY 150935151 aOR PT ee qeurdo unduesypsetp 3ueK renos wSsaREs waysisuoy eund8uad ueqemel nrerq (%01) O10 => A MEL (ha) wopuey syepal wesuEp (1) IsuysISuO S79puL wrEME weBUIpHEgrOd [HSE YPTEpE (ONT SouIsISHED)TO HyLyEU OOS YEMEISISMON SFPPUT eEITIEY LEP ‘ypfosedip Ta 19qe,L, UnsnAtou [og-eeg] Aes Jor (OT => U=> Z ) Jelgo u deyas sryun Py EU MEyeyTedurout preqeL yelgo ‘a domes smuun Campy AouasRUCD WOpURG) WOPERT SUSTEUOS sxPPEY WetTp uexdurpueqp SATS wou TTNOT TPH PTO THIS “(xopuy AouaystsuoD) IsueISISUON SyOPUL ueSunjyguad ueSuep deyZoepp suey qHy spojeur ‘cunsSued west wsuaysisuoy yoYsEN IyNSsuow INU]: 60 Z8ELE00 = yr9es00 yO syosumy y € woee00= 5 —seeaasoary ~ "sum € sesossoory =( Beste Siss90'0_,_vscevO_ _s606rv"0 1!) E9TILOITO GSLYVELTO GOSPOSLLT 8OSZLIVST :Somm Z €E9ZILOIT'O | | Z8ETSO'O | O00O'E O00S'O 6Z¥I'O 6zPTO GSLPPELTO |_| 6499900 | 00007 ~0000T OSZTO ITITO 69SVOSLLT V8ZEV'O | 0000L 00008 O000T 90000T 8OSTLIP8'T. 6606770 | 0000°Z 00006 00001 O0000°T. 2 Mev Som OT 2D wedunyesued qeysuET “unyEurEsey ep “eherg “UereqUEpEIEY “UMpsNIEY nyTeA vUATL edu uosumduoo assured Fepeysay UD weemmyBaed ueMyeEP way “AY opojour uedexousd sasey YoROD FMI,yp+fo bp+as) _ fy p 2 yat fo 69400] ~|f a} * Iq ‘]4. MATRIX Teknis___| Regulasi_| Ekonomi_| EV Teknis 1|_0,502136| _1,36954| __ 0,325 Regulasi_|_0,691494 1|_ 2.506293 | __ 0,338 Ekonomi_| _0,730172| _0,308996 4| 0337 2. Hasil Perkalian antara matriks asal dengan Eigen Vector 1 0.502136 1,36954 0,325 0.691494 1 2,506293, x 0,338, 0.730172 0,308996 1 0,337 0,956257 . 1,407356 0,709167 3. Amax = (2) x (288222 3,070152 4. Hitung Cl = 2070182-3 c= ee 5. Hitung CR a fear err eA ere [eee eee 9 ce RI ol ol 08a) os] 412) i24[ 432] ta [145 | 149 0,060476 < 0,1 (Konsisten)11. Matriks 4, Menghitung konsitens hirarki a 3 RI 0.58 ‘Amax 3,000795 ct 0,000397, cR 0.000685) Teknis | Regulasi_| Ekonomi Teknis 1 | 0,502136 | “1.36954 | Regulast 1.991494 1 | 2,506293 Ekonomi 0,730172 | 0.398996 1 Jumiah 3,721666 | 1,901132 | 4,875833 Normalisasi Matriks Teknis | Regulasi_| Ekonomi | Rata-rata Teknis 0.268697 | 0,264125 | 0,280883 | 0,271235 Regulasi 0,535108 | 0,526002 | 0,514024 | 0.525045 Ekonomi 0,196195 | 0,209878 | 0,205093 |” 0,20372 Jumlah 1 2 1 2 3, Perkalian Matriks dengan nilat rata-rata 1 0502136 1,36954 0.271235 1.991494 4 2,506293] x | 0525045 0.730172 0,398996 1 020372 0,813882 157579 0.611259