KEPUTUSAN, KETIDAKPASTIAN DAN

RISIKO
Analisa Perbandingan Metode Conjoint Analysis dan
Analytic Hierarchy Process (AHP)

Oleh:
Lita Maiciptaani 1206201776
Nabila Mahardiana Setiawan P. 1206201795
Steffi Yuni Tania S. 1206201782

UNIVERSITAS INDONESIA
2015
Pendahuluan

Page

Pengambilan keputusan merupakan hal yang harus dihadapi oleh manusia dalam
kehidupan sehari-hari. Pengambilan keputusan menjadi suatu hal yang kompleks dan sering
kali sulit dilakukan karena terdapat unsur ketidakpastian yang menyertainya. Para ahli
berpendapat bahwa pengambilan keputusan menjadi sulit dikarenakan oleh beberapa faktor.
Pengambilan keputusan menjadi sulit ketika keputusan itu adalah keputusan terkait dengan
hal yang memiliki kompleksitas tinggi, ketidakpastian dalam situasi yang ada, terdapat
banyak tujuan yang ingin dicapai, dan perspektif berbeda yang dimiliki oleh setiap orang
membuat mereka memiliki kesimpulan yang berbeda-beda pula. Karena keadaan inilah,
analisis pengambilan keputusan dipelajari untuk memperoleh suatu teknik atau pendekatan
terbaik dalam mengambil keputusan yang tepat.
Teknik atau pendekatan untuk pengambilan keputusan telah berkembang sedemikian
rupa dan memberikan teknik-teknik yang sudah banyak membantu manusia menyelesaikan
pengambilan keputusan yang kompleks. Dari banyak teknik analisis pengambilan keputusan,
dikenal dua metode yang banyak digunakan saat ini, yaitu Analythical Hierarchy Process
(AHP) dan Conjoint Analysis. Dua metode ini banyak digunakan dalam menganalisa hal-hal
kompleks dalam membuat keputusan. Analythical Hierarchy Process (AHP) banyak
digunakan oleh industri dalam pemilihan supplier dan distributor. Sementara Conjoint
Analysis sangat populer digunakan dalam penelitian pasar untuk proses pengembangan
produk baru. Tulisan ini akan membahas karakteristik dari masing-masing metode kemudian
menganalisa perbandingan diantara keduanya untuk lebih memahami konsep AHP dan
Conjoint dalam proses pengambilan keputusan.
Studi Literatur
Sejak ditemukan oleh Thomas L. Saaty pada tahun 1972, AHP telah banyak
digunakan dan dieksplor dalam berbagai studi dan literatur. Penggunaan pair-wise
comparisons yang merupakan esensi dari AHP, pembobotan setiap kriteria telah lama
digunakan sebelum para psikologi (Thurstone, 1927; Yokoyama, 1921). Hirarki dan formulasi
kriteria, fitur utama dari AHP dikemukakan pertama kali oleh Miller pada tahun 1966 dalam
disertasi doktoralnya (J.Miller,1966) dan diaplikasikan (J. Miller,1969) dan (J.Miller,1970).
Skala 1-9 yang digunakan dalam AHP diperoleh berdasarkan hasil observasi psikologikal
(Fechner 1860;Stevens,1957). Dan jumlah item pada setiap level diinspirasi oleh (G.A.
Miller,1956), yang merekomendasikan 7 2 item.

Decision Analysis Industrial Engineering

Page

AHP telah digunakan secara luas, seperti pada bidang perbankan (Haghighi,
Divandari & Keimasi, 2010; Secme, Bayrakdaroglu & Kahraman, 2009), evaluasi operator
(Sen & Cinar, 2010), pemilihan lokasi (Onut, efendigil & Soner Kara, 2009), evaluasi
software (Cebeci, 2009; Chang, Wu & Lin, 2009), pemilihan strategi (M.K Chen & Wang,
2010; S.Li & li, 2009; Limam Mansar, Reijers & Ounnar, 2009; Wu, Lin & Lin, 2009),
pemilihan supplier (Chamodrakas, Batis & Martakos, 2010; A.W. Labib, 2011; H.S. Wang,
Che & Wu 2010). Beberapa tulisan telah mengumpulkan kesuksesan penggunaan metode
AHP (EH Forman & Gass, 2001; Golden, Wasil & Harker, 1989; William Ho, 2008; Kumar
& Vaidya, 2006 ; Liberatore & Nydick, 2008; Omkarprasad & Sushil, 2006; T.Saaty &
Forman,1992; Shim, 1989; Sipachi & Timor, 2010; Vargas, 1990).
Conjoint Analysis mulai dikembangkan oleh para peneliti pada awal tahun 1970
menjadi sebuah standar konsep test. Diperkirakan sebanyak 400 studi dilakukan setiap
tahunnya pada pertengahan tahun 1980. Conjoint banyak diaplikasikan oleh industri-industri
seperti Boston Consulting Group (Prensky, 1987), Procter&Gamble (Tumbusch, 1987),
Smith, Kline and french (Marshall,1987) dan Xerox (Vaccarelli ,1987). Beberpa perusahaan
lain juga telah menggunakan conjoint seperti Ashton-Tate-Computer software (Eisenhart,
1988), Fujitsu America-cellular phone (Eisenhart, 1988), ISU International-insurance
distribution system (Eisenhart, 1988), Marriott Corporation-hotels (Wind, Green, Shifflet and
Scarbrough, 1989), Sunbeam-food processors (Page and Rosenbaum, 1987)
Conjoint Analysis telah menjadi alat utama dalam penelitian pasar yang dilakukan
banyak perusahaan. Beberapa aplikasi dari metode ini digunakan untuk berbagai tipe produk
yang meliputi: condominium design and pricing (Fiedler, 1988), snowmobiles (Huber, 1987),
rug cleaner (Green and Wind, 1975), credit cards (Stahl, 1988), energy conservation systems
(Bennet and Moore, 1981), aircraft (Green and Wind, 1975), lift trucks (Clarke, 1981), dan
computer software (Dolan, 1990).
Baik AHP dan Conjoint Analysis semakin banyak dikembangkan dan digunakan oleh
berbagai industri dan perusahaan saat ini sebagai alat bantu dalam menjalankan proses bisnis,
demikian juga dalam berbagai penelitian oleh peneliti untuk berbagai macam tujuan.
Definisi AHP dan Conjoint
Analythical Hierarchy Process - AHP
Analythical Hierarchy Process (AHP) adalah sebuah metode terstruktur yang
digunakan untuk membantu dalam membuat suatu keputusan yang bersifat kompleks.

Decision Analysis Industrial Engineering

Page

Keputusan yang kompleks seringkali dihadapi oleh individu maupun organisasi dan
kemampuan yang baik dalam mengambil suatu keputusan akan menentukan kesuksesan
individu atau organisasi tersebut. AHP memfasilitasi pengambilan keputusan denga kerangka
kerja yang komphrehensif dan rasional untuk menstrukturisasi masalah, mengkuantifikasikan
elemen yang berhubungan dengan tujuan, serta mengevaluasi alternatif yang ada di setiap
kriteria yang ada.
Metode AHP ditemukan dan dikembangkan oleh Thomas L.Saaty di Wharton School
of Business, Universitas Pennsylvania, USA pada tahun 1970. Thomas Saaty juga merupakan
orang yang mengembangkan software Expert Choice dan ANP, alat bantu perhitungan AHP.
Dalam perhitungannya, metode AHP tidak mencari keputusan yang bersifat absolut
atau mutlak. AHP memperhitungkan faktor subjektifitas dan psikologi manusia. Sehingga
AHP tidak menghasilkan hasil yang mutlak sama untuk semua orang. AHP menggunakan
perhitungan matematis untuk menentukan prioritas dan kemudian mengambil keputusan
sesuai dengan tujuan. Beberapa elemen yang ada dalam AHP adalah tujuan utama, kriteria
pemilihan, sub-kriteria, dan alternatif-alternatif pilihan untuk setiap keriteria yang ada. AHP
akan membuat perbandingan antara alternatif-alternatif yang ada di setiap kriteria dan
kemudian memlih alternatif yang terbaik berdasarkan pembobotan yang diberikan oleh
pengguna AHP.
Conjoint Analysis
Conjoint Analysis adalah suatu teknik analisa multivariat yang secara spesifik
digunakan untuk mengetahui preferensi konsumen terhadap suatu produk ataupun jasa.
Konsep conjoint didasarkan pada pemikiran bahwa konsumen akan memberi nilai terhadap
produk atau jasa berdasarkan nilai yang dimiliki oleh setiap atribut produk (Hair, et al..,
1999). Conjoint Analysis telah banyak digunakan dalam proses pengembangan produk baru
dalam suatu perusahaan yaitu dalam memilih alternatif desain produk, targeting, dan
segmentansi produk.
Dasar utama dari metode ini adalah bahwa setiap produk dapat diuraikan menjadi
beberapa kelompok atribut yang relevan. Conjoint Analysis mengestimasikan sistem nilai
individu yang menentukan berapa besar nilai yang diberikan konsumen pada setiap level
atribut. Jika kita dapat mengetahui sistem nilai individu maka kita dapat memperkirakan
kelompok alternatif mana yang akan dibeli oleh konsumen. Metode ini meminta penilaian
konsumen terhadap keseluruhan produk dan menggunakan analisa matematis untuk

Decision Analysis Industrial Engineering

Page

mengembangkan sistem nilai yang dapat mewujudkan produk berdasarkan preferensi yang
dimiliki oleh konsumen.

Dalam Conjoint Analysis terdapat beberapa elemen yaitu faktor, level, dan treatment.
Faktor mendeskripsikan atribut atau karakteristik yang spesifik dari produk atau jasa. Nilai
yang mungkin untuk setiap faktor disebut level dan kombinasi dari faktor dan level yang
dipilih untuk mendeskripsikan produk atau jasa secara spesifik disebut treatment. Beberapa
perhitungan yang adalam Conjoint Analysis adalah perhitungan part worth utilities yaitu
keseluruhan rating dalam level atribut yang ada, dengan persamaan berikut :
= pw1X1 + pw2X2 + pw3X3 .... pwnXn
Dan bobot sebenarnya dari masing-masing atribut dihitung menurut persamaan :
Max ( vij )Min(vij)

j=1

Max ( vij )Min(vij)

Wj=

Contoh Penggunaan Metode Conjoint Analysis dan Analytic Hierarchy Process (AHP)
Conjoint Analysis
Pada bagian ini, akan dicontohkan bagaimana penggunaan atau pengimplementasian
metode Conjoint Analysis untuk menganalisis bagaimana preferensi pelanggan terhadap
beberapa kombinasi fitur-fitur (stimuli) dari sebuah produk laptop yang akan dikembangkan
oleh sebuah perusahaan. Pada kasus ini terdapat 3 jenis fitur atau atribut dan masing-masing
fitur memiliki 3 level.
Size
Small
Medium
Big

OS
Linux
Windows
Macintos
h

Life Cycle
5 years
7 years
10 years

Dalam kasus ini tidak digunakan fractional factorial design sehingga jumlah stimuli
yang awalnya berjumlah 27 (3x3x3) berkurang menjadi 9 stimuli.
No
1
2
3
4
5
6

Stimuli
Pref1
Pref2
Pref3
Pref4
Pref5
Pref6

Size
Large
Small
Large
Small
Medium
Large

OS
Macintosh
Windows
Linux
Macintosh
Macintosh
Windows

Life Cycle
5 years
10 years
10 years
7 years
10 years
7 years

Decision Analysis Industrial Engineering

Size
3
1
3
1
2
3

OS
3
2
1
3
3
2

Life Cycle
1
3
3
2
3
2

Medium
Medium
Small

Windows
Linux
Linux

5 years
7 years
5 years

2
2
1

Pref7
Pref8
Pref9

Page

7
8
9

2
1
1

1
2
1

Setelah itu dilakukan perangkingan untuk setiap stimuli yang dilakukan oleh 10 orang
pelanggan
No.
Responden

Stim1

Stim2

Stim3

Stim4

Stim5

Stim6

Stim7

Stim8

Stim9

1
2
3
4
5
6
7
8
9
10

2
1
8
1
9
8
2
4
9
8

3
2
9
3
2
1
4
2
1
7

7
3
4
2
6
9
3
9
4
1

4
4
5
8
3
7
1
3
8
5

1
5
7
7
1
2
5
6
2
6

5
6
6
5
7
3
7
7
3
2

6
7
1
4
8
5
6
1
7
3

8
8
2
9
4
6
9
8
5
4

9
9
3
6
5
4
8
5
6
9

Berikut merupakan hasil perhitungan Part-worth Utility:

Attribute

Size

Level

Part-worth
Utility

Small
Medium

0.433
-0.5

Big

Attribute

Level

OS

Linux
Windows
Macintos
h

0.067

Part-worth
Utility
0
-0.033
0.033

Attribute
Life
Cycle

Level

Part-worth
Utility

5 years
7 years

0.3
-0.5

10 years

0.2

Setelah itu, dilakukan perhitungan Attribute Importance untuk melihat sebenarnya

atribut mana yang dianggap relatif penting oleh pelanggan.
Attribute
Size

OS

Life
Cycle

Level
Small
Medium
Big
Linux
Windows
Macintos
h
5 years
7 years
10 years

Part-worth Utility
0.433
-0.5
0.067
0
-0.033

Attribute Utility Range

Attribute Importance

0.933

51.86214564

0.066

3.668704836

0.8

44.46914953

0.033
0.3
-0.5
0.2

Selanjutnya, nilai part-worth utilities yang digunakan untuk menentukan alternatif

stimuli mana yang akan dibuat. Misal sebuah perusahaan mempertimbangkan untuk membuat
salah satu dari tiga stimuli berikut:
Stimuli 1

Size
Large

OS
Macintos

Decision Analysis Industrial Engineering

Life Cycle
5 years

Total Utility
0.4

h
0.033
Windows
-0.033
Linux
0

0.067
Small
0.433
Large
0.067

Page

Nilai Utilities
Stimuli 2
Nilai Utilities
Stimuli 3
Nilai Utilities

0.3
10 years
0.2
10 years
0.2

0.6
0.267

Berdasarkan tebel diatas, maka produk laptop yang dibuat adalah yang memiliki nilai
total utility terbesar yaitu 0.6. Produk laptop yang dibuat adalah produk laptop dengan ukuran
small, memiliki operating system Windows dan memiliki umur siklus hidup 10 tahun.
Analytic Hierarchy Process (AHP)
Selanjutnya, akan dicontohkan bagaimana penggunaan metode AHP pada sebuah
kasus. Langkah pertama yang dilakukan adalah menentukan tujuan dari pengambilan
keputusan yang akan dibuat. Sebagai contoh, tujuan dari kasus ini adalah membeli sebuah
laptop dimana kita harus memilih salah satu dari beberapa pilihan laptop yang ada untuk
dibeli. Berikut adalah struktur hierarki pembelian laptop berdasarkan kriteria ukuran,
operating system dan siklus hidup laptop
Membeli sebuah Laptop

Life Cycle

Operating System

Consistency Ratio = 0.000

Consistency Ratio = 0.002

Consistency Ratio = 0.008

Decision Analysis Industrial Engineering

Size

7
Page
Consistency Ratio = 0.003
Perhitungan Bobot Akhir
Size
OS
Life Cycle
0.648 0.122
0.230
Type of Laptop
Final Weights
A
0.571 0.187
0.700
B
0.143 0.098
0.107
C
0.286 0.715
0.194

0.554
0.129
0.317

Berdasarkan hasil perhitungan menggunakan metode AHP, secara berturut-turut

urutan prioritas jenis laptop yang akan dibeli adalah
1. Jenis Laptop A dengan bobot 0.554
2. Jenis Laptop C dengan bobot 0.317
3. Jenis Laptop B dengan bobot 0.129

Analisa Perbandingan Conjoint Analysis dan Analytic Hierarchy Process (AHP)

Berikut merupakan analisa perbandingan Conjoint Analysis dan Analytic Hierarchy
Process (AHP) dilihat dari beberapa aspek:

Kegunaan

Tujuan

Aspek

Analisis Konjoin
Analisa

keputusan

cenderung

Analisis Hierarki Proses

Metode pembuat keputusan dengan maksud
mengukur

menstrukturkan

permasalahan

keputusan

preferensi pelanggan dalam pemasaran

kompleks menjadi objektif hirarki pada beberapa

1.

Merancang harga

level.Struktur yang berhirarki, sebagai konsekuesi

1.

2.

Memprediksi

tingkat

penjualan

atau

dari kriteria yang dipilih, sampai pada

penggunaan produk (market share), uji

coba konsep produk baru.

Decision Analysis Industrial Engineering

subkriteria yang paling dalam.

2.

Memperhitungkan validitas sampai dengan

Page

8
Kelebihan

1.

Dapat menentukan obyek konsep dengan

2.

kombinasi optimum fitur.

Mengetahui kontribusi relatif

setiap

1.

2.

atau

konsumen

untuk

berhierarki

sebagai

pada sub-sub kriteria yang paling dalam.

Memperhitungkan validitas sampai batas
toleransi inkonsentrasi sebagai kriteria dan

semua evaluasi obyek.

Dapat menggunakan estimasi keputusan
pembeli

yang

konskwensi dari kriteria yang dipilih sampai

atribut dan masing-masing level terhadap

3.

Struktur

alternatif yang dipilih oleh para pengambil

3.

memprediksi prioritas obyek yang dipiih.

keputusan.
Memperhitungkan daya tahan atau ketahanan
output

analisis sensitivitas

pengambilan

Kelemahan

Permasalaha
n

Objektif

keputusan.

Maksimum preferensi konsumen

Maksimum utilitas subjektif

Cenderung pada perancangan produk atau jasa

Cenderung pada pemilihan alternatif

1.

1.

Dengan terlalu banyak pilihan, responden

mengambil

2.

jalan

untuk

strategi

penyederhanaan
Sulit untuk digunakan untuk penelitian

Ketergantungan model AHP pada input

utamanya. Input utama ini berupa persepsi
seorang

ahli

sehingga

dalam

hal

ini

melibatkan subyektifitas sang ahli selain itu

Efek dari pengetahuan dan kompleksitas pada validitas prediktif

Kompleksitas dari Evaluasi Kegiatan
Pengetahuan pada
pengukuran preferensi

Ya
Tidak

Tinggi
Dianjurkan AHP
CA lebih baik

Rendah
CA cukup baik
Gunakan CA

Analisis keputusan dan pengembangan produk benar-benar memiliki masalah inti

yang sama, yaitu model dan preferensi mengukur, dapat dilihat di tabel di atas. Oleh karena
itu, metode seleksi yang digunakan di masing-masing daerah dapat dibandingkan satu sama
lain. Kedua metode memiliki kelebihan dan kekurangannya sendiri. Beberapa perbandingan
kedua metode adalah sebagai berikut (Yudhistira, 2004):

Analisis Conjoint memiliki kemampuan untuk memprediksi nilai preferensi konsumen

pada konsep produk yang tidak dievaluasi secara langsung, sementara AHP hanya bisa
memprediksi mereka yang dievaluasi secara langsung.

Decision Analysis Industrial Engineering

AHP dapat digunakan untuk mengevaluasi konsep produk dengan sub-atribut, sedangkan

analisis conjoint tidak dapat mengevaluasi konsep produk dengan sub-atribut.

Skor alternatif yang dihasilkan oleh AHP lebih tersebar dibandingkan dengan yang

dihasilkan oleh Analisis Conjoint.

Skor alternatif yang dihasilkan oleh AHP yang deterministik dan apriori, sedangkan skor

yang dihasilkan oleh Analisis Conjoint harus ditafsirkan secara statistik.

Kedua AHP dan analisis conjoint hanya bisa memfasilitasi masalah dengan alternatif

Page

terbatas, sementara proses pengembangan produk yang sebenarnya menuntut metode

yang dapat memfasilitasi masalah dengan alternatif yang tak terbatas (yaitu atribut
tingkat dengan nilai kontinu) karena atribut biasanya digambarkan sebagai variabel
numerik.
Kesimpulan
AHP dan CA merupakan teknik atau pendekatan untuk pengambilan keputusan . Dua metode
ini banyak digunakan dalam menganalisa hal-hal kompleks dalam membuat keputusan yang
sudah banyak membantu manusia menyelesaikan pengambilan keputusan yang kompleks.
AHP banyak digunakan oleh industri dalam pemilihan supplier dan distributor. Sementara
Conjoint Analysis sangat populer digunakan dalam penelitian pasar untuk proses
pengembangan produk baru.
Referensi

Ijzerman, Maarten J et al. (2012). A Comparison of Analytic Hierarchy Process and

Conjoint Analysis

in Assessing Treatment Alternatives

for Stroke

Rehabilitation. Original Research Article , 45-56.

Ishizaka. Labib, Ashraf. (2012). Review of the main developments in the Analytic
Hierarchy

Methods

Process Alessio University of Portsmouth, Portsmouth Business School,

Richmond Building, Portland Street, Portsmouth PO1 3DE, United Kingdom

Nuraeni, Shimaditya et al. (2012). Understanding Consumer Decision-Making in
Tourism Sector: Conjoint Analysis School of Business and Management, Institut

Teknologi Bandung, Jl. Ganesha.10, Bandung 40132, Indonesia

Saaty TL. The analytic hierarchy process: planning, priority setting and resource
allocation. New York: McGraw Hill, 1980

Decision Analysis Industrial Engineering