Setiap elemen yang terdapat dalam hirarki harus diketahui bobot relatifnya satu sama lain. Tujuannya adalah untuk mengetahui tingkat kepentingan pihak-pihak yang berkepentingan dalam permasalahan terhadap kriteria dan struktur hirarki atau sistem secara keseluruhan. Langkah awal dalam menentukan prioritas criteria adalah dengan menyusun perbandingan berpasangan, yaitu membandingkan dalam bentuk berpasangan seluruh kriteria untuk setiap sub sistem hirarki. Perbandingan tersebut kemudian ditransformasikan dalam bentuk matriks perbandingan berpasangan untuk analisis numerik. Misalkan terdapat sub sistem hirarki dengan kriteria C dan sejumlah n alternatif dibawahnya, Ai sampai An. Perbandingan antar alternatif untuk sub sistem hirarki itu dapat dibuat dalam bentuk matriks n x n, seperti pada tabel dibawah ini.

Nilai a11, a22,… amn adalah nilai perbandingan elemen baris Al terhadap kolom Al yang menyatakan hubungan :

1. Seberapa jauh tingkat kepentingan baris A terhadap kriteria C dibandingkan dengan kolom Al.
2. Seberapa jauh dominasi baris Ai terhadap kolom A1 atau
3. Seberapa banyak sifat kriteria C terdapat pada baris A1 dibandingkan dengan kolom A1.
4. Nilai numerik yang dikenakan untuk seluruh perbandingan diperoleh dari skala perbandingan 1 sampai 9 yang telah ditetapkan oleh Saaty, seperti pada tabel berikut:

Seorang pengambil keputusan akan memberikan penilaian, mempersepsikan ataupun memperkirakan kemungkinan sesuatu hal/ peristiwa yang dihadapi. Penilaian tersebut akan dibentuk ke dalam matriks berpasangan pada setiap level hirarki. Contoh Pair-Wise Comparison Matrix pada suatu level of hierarchy, yaitu seperti pada tabel berikut:

Baris 1 kolom 2 : Jika D dibandingkan dengan E, maka D sedikit lebih penting/ cukup penting daripada E yaitu sebesar 3. Angka 3 bukan berarti bahwa D tiga kali lebih besar dari E, tetapi D moderat importance dibandingkan dengan E, sedangkan nilai pada baris ke 2 kolom 1 diisi dengan kebalikan dari 3 yaitu 1/3.

Baris 1 kolom 3 : Jika D dibandingkan dengan F, maka D sangat penting daripada F yaitu sebesar 7. Angka 7 bukan berarti bahwa D tujuh kali lebih besar dari F, tetapi D very strong importance daripada F dengan nilai judgement sebesar 7. Sedangkan nilai pada baris 3 kolom 1 diisi dengan kebalikan dari 7 yaitu 1/7.

Baris 1 kolom 4 : Jika D dibandingkan dengan G, maka D mutlak lebih penting daripada G dengan nilai 9. Angka 9 bukan berarti D sembilan kali lebih besar dari G, tetapi D extreme importance daripada G dengan nilai judgement sebesar 9. Sedangkan nilai pada baris 4 kolom 1 diisi dengan kebalikan dari 9 yaitu 1/9.

Dalam menyelesaikan persoalan dengan metode AHP ada beberapa prinsip dasar yang harus dipahami antara lain.

Decomposition

Decomposition adalah memecahkan atau membagi problema yang utuh menjadi unsur-unsurnya ke bentuk hirarki proses pengambilan keputusan, dimana setiap unsur atau elemen saling berhubungan. Struktur hirarki keputusan tersebut dapat dikategorikan sebagai complete dan incomplete. Suatu hirarki keputusan disebut complete jika semua elemen pada suatu tingkat memiliki hubungan terhadap semua elemen yang ada pada tingkat berikutnya, sementara hirarki keputusan incomplete kebalikan dari hirarki yang complete. Bentuk struktur dekomposisi yakni seperti pada gambar berikut:

Tingkat pertama : Tujuan keputusan (Goal)
Tingkat kedua : Kriteria-kriteria
Tingkat ketiga : Alternatif-alternatif

Continue reading →

Metode Analytic Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty dan merupakan salah satu metode yang dapat digunakan dalam pengambilan keputusan dengan memperhatikan faktor-faktor persepsi, preferensi, pengalaman dan intuisi. AHP menggabungkan penilaian-penilaian dan nilai-nilai pribadi ke dalam satu cara yang logis.

Analytic Hierarchy Process (AHP) digunakan dalam menyederhanakan masalah yang kompleks dan tidak terstruktur, strategik dan dinamik menjadi bagian-bagian, serta menjadikan variabel dalam suatu tingkatan hirarki. Masalah yang kompleks terdiri dari lebih dari satu (multikriteria) masalah, struktur masalah yang belum jelas, ketidakpastian pendapat dari pengambil keputusan, serta ketidak akuratan data yang tersedia.

Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagian, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi nilai numerik dengan pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode ini juga menggabungkan kekuatan dari perasaan dan logika pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi basil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat.

Landasan Aksiomatik AHP

Analytic Hierarchy Process (AHP) mempunyai landasan aksiomatik yang terdiri dari :

1. Resiprocal Comparison, yang mengandung arti bahwa matriks perbandingan berpasangan yang terbentuk harus bersifat berkebalikan. Misalnya, jika A adalah f  kali lebih penting dari pada B maka B adalah 1/f  kali lebih penting dari A.
2. Homogenity, yaitu mengandung arti kesamaan dalam melakukan perbandingan. Misalnya, tidak dimungkinkan membandingkan jeruk dengan bola tenis dalam hal rasa, akan tetapi lebih relevan jika membandingkan dalam hal berat.
3. Dependence, yang berarti setiap level mempunyai kaitan (complete hierarchy) walaupun mungkin saja terjadi hubungan yang tidak sempurna (incomplete hierarchy).
4. Expectation,yang berarti menonjolkon penilaian yang bersifat ekspektasi dan preferensi clan pengambilan keputusan. Penilaian dapat merupakan data kuantitatif maupun yang bersifat kualitatif. Continue reading →

Pengambilan Keputusan

Pengambilan keputusan adalah pemilihan beberapa tindakan alternatif yang ada untuk mencapai satu atau beberapa tujuan yang telah diterapkan (Turban, 2005). Pada dasarnya pengambilan keputusan merupakan suatu bentuk pemilihan dari berbagai alternatif tindakan yang mungkin dipilih, yang prosesnya melalui mekanisme tertentu dengan harapan akan menghasilkan suatu keputusan yang terbaik (Simon,1980).

Penyelesaian masalah adalah suatu bentuk aktifis dimana individu atau organisasi dalam mencapai tujuan yang diinginkan harus membuat seleksi dari beberapa langkah alternatif untuk mencapai tujuan tersebut (Gass, 1985). Penyelesaian masalah dengan alternatif ini dilakukan oleh pengambil keputusan.

Pengambilan keputusan adalah seorang individu yang tidak merasa puas dengan situasi yang ada atau dengan prospek situasi mendatang dan yang mempunyai otoritas untuk berinisiatif dalam mengambil langkah untuk menanggulangi keadaan tersebut (Kuswardani,2006). Continue reading →

Definisi Sistem

Sistem adalah sebuah tatanan atau keterpaduan yang terdiri atas sejumlah komponen fungsional (dengan satuan fungsi/ tugas khusus) yang saling berhubungan secara bersama-sama bertujun untuk memenuhi suatu proses/ pekerjaan tertentu (Jogiyanto, 1999). Sebuah sistem terdiri dari sejumlah komponen yang saling berinteraksi dan berhubungan membentuk satu kesatuan sehingga tujuan sistem dapat terpakai.

Menurut Awad (1974:4) sistem adalah suatu hubungan yang berlangsung di antara satu-satunya atau komponen secara teratur.

Menurut Baridwan (1971:3) sistem adalah suatu kerangka dari prosedur yang saling berhubungan yang disusun sesuai dengan suatu skema yang menyeluruh untuk melaksanakan suatu kegiatan. Continue reading →

Menurut Kusumadewi (2007), Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.

Normalisasi Matriks

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

  Continue reading →

Klasifikasi Metode MCDM

Ada beberapa cara dalam mengklasifikasikan metode MCDM. Menurut tipe data yang digunakan, MCDM dapat dibagi berdasarkan tipe data deterministik, stokastik atau fuzzy. Menurut jumlah pengambil keputusan yang terlibat dalam proses pengambil keputusan. MCDM dapat dibagi berdasarkan pengambilan keputusan dalam bentuk grup (kelompok).

Klasifikasi Solusi MCDM

Masalah MCDM tidak selalu memberikan suatu solusi unik, perbedaan tipe bisa jadi akan memberikan perbedaan solusi (Yoon, 1981).

1. Solusi ideal, kriteria atau atribut dapat dibagi menjadi 2 kategori, yaitu kriteria yang nilainya akan dimaksimumkan (kategori kriteria keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminimumkan semua kriteria biaya.
2. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi Pareto-optimal. Solusi feasible MCDM dikatakan non-dominated jika tidak ada solusi feasible yang lain yang akan menghasikan perbaikan terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut lainnya.
3. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian dari solusi-solusi  feasible dimana setiap alternatif dimana setiap alternatif melampaui semua kriteria yang diharapkan.
4. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated yang paling banyak memuaskan pengambil keputusan.