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 Alsnalytieal 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 ANnalytical 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 AbDidalam 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 Somyryyort 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