ANALYTICAL HIERARCHY

PROCESS
Amelia Kurniawati ST., MT.

Analytical Hierarchy Process

digunakan untuk..
menyusun struktur masalah
dan..
menyusun prioritas keputusan
dengan didasarkan pada
beragamnya kriteria yang ada.

Goal
memahami konsep dasar pengambilan
keputusan keputusan dalam setiap
organisasi ataupun individu
mengetahui berbagai macam ilustrasi
dalam penyelesaian masalah keputusan
manajemen
mengidentifikasi terhadap masalah yang
dihadapai perusahaan
menyusun masalah secara hierarki
menyusun prioritas keputusan.

a
w
s
si
a
h
Ma apat
d

Outline
PENDAHULUAN
KONSEP-KONSEP DASAR
KEGUNAAN AHP
LANGKAH DAN PROSEDUR ANALYTICAL HIERARCHY
PROCESS
CONTOH PENERAPAN
LATIHAN SOAL

PENDAHULUAN

PENDAHULUAN
Sumber masalah dalam pengambilan
keputusan:
ketidakpastian
ketidaksempurnaan informasi
keberagaman kriteria
AHP

AHP..
Analytical Hierarchy Process (AHP) adalah
suatu metode analisis
dikembangkan oleh Thomas L.Saaty
untuk menyusun struktur masalah dan
mengambil keputusan atas suatu alternatif
penerapannya sudah meluas ke berbagai
model alternatif; contoh: analisis manfaat
biaya, memilih portofolio, peramalan.

AHP..
merupakan teori umum mengenai
pengukuran;
Empat macam skala pengukuran yang
biasanya digunakan secara berurutan adalah
skala nominal, ordinal, interval dan rasio.
Skala yang lebih tinggi dapat dikategorikan
menjadi skala yang lebih rendah, namun
tidak sebaliknya.

AHP..
Contoh: Pendapatan per bulan yang berskala rasio
dapat dikategorikan menjadi tingkat pendapatan
yang berskala ordinal atau kategori (tinggi,
menengah, rendah) yang berskala nominal.
Sebaliknya jika pada saat dilakukan pengukuran
data yang diperoleh adalah kategori atau ordinal,
data yang berskala lebih tinggi tidak dapat diperoleh.

AHP mengatasi sebagian

permasalahan ini.

AHP..
AHP digunakan untuk menurunkan skala rasio dari
beberapa perbandingan berpasangan yang bersifat
diskrit maupun kontinu.
Perbandingan berpasangan tersebut dapat
diperoleh melalui pengukuran aktual maupun
pengukuran relatif dari derajat kesukaan, atau
kepentingan atau perasaan.
Jadi, metode ini sangat berguna untuk membantu
mendapatkan skala rasio dari hal-hal yang semula
sulit diukur seperti pendapat, perasaan, perilaku,
dan kepercayaan.

KONSEP-KONSEP DASAR

Kegunaan AHP
secara umum:
untuk
perencanaan,
memecahkan
penentuan alternatif,
berbagai masalah
penyusunan prioritas,
kompleks yang tak
pemilihan kebijaksanaan,
terstruktur

alokasi sumber,
penentuan kebutuhan,
peramalan hasil,
perancangan sistem,
pengukuran kinerja,
optimasi.

Kegunaan AHP
Keunggulan:

(1)

Kesatuan. AHP adalah suatu metode terintegrasi yang

secara fleksibel dapat digunakan untuk menyelesaikan
beragam jenis masalah yang tak terstruktur
Kompleksitas. AHP menyatukan pendekatan deduktif
dan sistem untuk digunakan secara komprehensif dan
rinci, menelaah masalah yang kompleks.
Ketergantungan elemen. AHP dapat menyelesaikan
masalah dimana elemen-elemennya saling tergantung
Penyusunan hierarki. AHP menduplikasi kemampuan
manusia menyusun struktur masalah ke dalam hierarki

Kegunaan AHP
Keunggulan:

(2)

Pengukuran. AHP menyediakan skala pengukuran

untuk elemen-elemen kualitatif dan abstrak
Konsistensi. AHP memberikan konsistensi dalam
perbandingan prioritas dan penilaian elemen, yang
merupakan refleksi atas logika penalaran manusia
Sistemis. AHP menghasilkan pertimbangan dan
penilaian menyeluruh untuk setiap alternatif

Kegunaan AHP
Kelemahan:
Menuntut partisipasi pihak yang benar-benar
mengetahui masalah, khususnya dalam
penyusunan hierarki permasalahan.
Jika dalam pengambilan keputusan
berkelompok terdapat perbedaan yang
sangat ekstrim maka AHP tidak dapat
langsung diterapkan, sebagai pendahuluan
dapat diterapkan metode yang dapat
menyatukan pendapat/masalah.

Langkah dan Prosedur

Analytical Hierarchy Process...
1. Mendefinisikan masalah dan menentukan tujuan.
2. Menstrukturkan permasalahan ke dalam hierarki
yang diawali dengan membuat tujuan umum,
dilanjutkan dengan subtujuan, kriteria, dan
kemungkinan alternatif-alternatif pada tingkatan
kriteria paling bawah.
3. Melakukan pengumpulan data kontribusi relatif
tiap elemen.
4. Menghitung perhitungan bobot dan konsistensi.
5. Melakukan langkah 3 dan 4 untuk seluruh
tingkatan hierarki kriteria, sub-kriteria.
6. Mensintesis dan mencari solusi permasalahan.

HIERARKI
merupakan identifikasi elemen-elemen
suatu masalah yang tersusun secara logis
dan sistematik dalam tingkatan/level
dimana setiap tingkat merupakan
kelompok elemen-elemen yang
homogen/sama dan setiap elemen
mempunyai tingkatan yang sama harus
bersifat bebas/independent.

HIERARKI
Struktur hierarki yang dibuat dalam AHP
adalah kumpulan pertimbangan dan
alternatif keputusan yang tergambar
dalam bentuk tingkatan hierarki (level).
Setiap tingkatannya meliputi beberapa
elemen (kriteria dan subkriteria).

HIERARKI
2 jenis hierarki:
hierarki struktural: hierarki yang menyusun
sistem kompleks ke dalam elemen-elemen
berdasarkan sifat elemen tersebut.
Struktur: gambaran logika manusia dalam menilai,
memilih alternatif, dan menerima informasi

hierarki fungsional: hierarki yang menyusun

sistem kompleks ke dalam elemen-elemennya
berdasarkan fungsi elemen tersebut.
Misalnya organisasi suatu perusahaan dapat dibagi
ke dalam fungsi desain, produksi, dll.

HIERARKI
Pegangan dalam menyusun hierarki:
Walaupun suatu hierarki tidak dibatasi dalam
jumlah tingkat (level) tetapi sebaiknya dalam
setiap sub sistem hierarki tidak terdapat terlalu
banyak elemen (sekitar lima sampai sembilan
elemen).
Karena setiap elemen akan dibandingkan
dengan elemen lain dalam suatu sub sistem
hierarki yang sama, maka elemen-elemen
tersebut haruslah setara dalam kualitas.

HIERARKI
Kriteria-kriteria yang dimasukkan dalam AHP harus:
Lengkap; mencakup semua aspek penting dari
masalah.
Operasional; dapat dianalisis, baik secara kuantitatif
maupun kualitatif, dan dapat dikomunikasikan.
Independen; kriteria yang satu tidak tergantung dari
kriteria yang lain.
Minimum; jumlah kriteria harus optimal untuk
memudahkan analisis.

HIERARKI
contoh:

PENGUMPULAN DATA
Pengumpulan data perbandingan berpasangan
(pairwise comparison) dapat dilakukan dengan
metode kuesioner
Kemudian data diterjemahkan ke dalam nilai
kontribusi relatif terhadap masing-masing tujuan
atau kriteria yang setingkat di atasnya.
Metode penilaian & pemilihan alternatif yang
umum digunakan adalah Pair-wise Comparison
Judgement Matrices (PCJM). Metode lainnya
adalah Liberatore. (Dalam perkuliahan ini, yang
dibahas hanya PCJM)

PENGUMPULAN DATA
Intensitas
kepenting
an
1

2,4,6,8

Keterangan
Kedua elemen
sama pentingnya
Elemen yang
satu sedikit lebih
penting daripada
elemen yang lain
Elemen yang
satu lebih
penting daripada
elemen yang
lainnya
Elemen yang
satu sangat
penting daripada
elemen yang
lainnya
Mutlak lebih
penting
Nilai tengah di
antara dua
pendapat yang
berdampingan

Ta
be
l in
te
(M nsita
eto s
Penjelasan
de kep
PC en
Dua elemen mempunyai
JM ting
)
an
pengaruh yang sama
besar terhadap tujuan

Penilaian sedikit memihak

satu elemen dibandingkan
dengan pasangannya
Penilaian secara kuat
memihak satu elemen
dibandingkan dengan
pasangannya
Satu elemen lebih disukai
dan secara praktis
dominasinya sangat nyata
dibandingkan dengan
elemen pasangannya
Satu elemen terbukti
mutlak lebih disukai
dibandingkan dengan
elemen pasangannya
pada tingkat keyakinan
tertinggi
Diberikan bila terdapat
penilaian antara dua
penilaian yang berdekatan

PENGUMPULAN DATA
Hasil perbandingan secara berpasangan elemen-elemen operasi
akan membentuk matriks perbandingan yang dinyatakan sebagai
berikut:
A1

A3

...

An

A1

a11 a12 a13

...

a1n

A2

a21 a22 a23

...

a2n

...

...

...
An

...

A2

...

...

an1 an2 an3

Ann

PENGUMPULAN DATA
A1 A2 A3 ... An
A1 a1 a1 a1 ... a1n
A2

1
a2

2
a2

3
a2

...
An

1
...
an

2
...
an

3
...
an

...

a2n

...

...
Ann

Nilai aij adalah nilai perbandingan elemen

Ai terhadap Aj yang menyatakan:
Seberapa jauh tingkat kepentingan Ai
dibandingkan dengan Aj
Seberapa banyak kontribusi Ai terhadap
kriteria B dibandingkan dengan Aj
Seberapa banyak sifat kriteria B
terdapat pada Ai dibandingkan dengan
Aj
Bila diketahui nilai aij, maka aji = 1/aij.

PENGUMPULAN DATA
Penilaian yang melibatkan banyak partisipan (MULTI
PARTISIPAN) akan menghasilkan pendapat yang berbeda
antara satu partisipan dengan partisipan lainnya.
AHP hanya membutuhkan satu jawaban untuk satu matriks
berpasangan. Jadi semua jawaban partisipan harus dirataratakan.
Untuk mendapatkan satu nilai perbandingan rasio tersebut,
Thomas L. Saaty memberikan metode perataan geometris
atau Geometric Mean Theory (GM).
Perataan geometris menyatakan bahwa jika terdapat n
partisipan yang melakukan perbandingan berpasangan,
maka terdapat n nilai untuk tiap pasangan.

PENGUMPULAN DATA
Untuk mendapatkan satu nilai tertentu dari semua nilai tersebut,
maka masing-masing nilai harus dikalikan satu sama lain kemudian
hasil perkalian tersebut dipangkatkan dengan (1/n).
Secara matematis, dapat dituliskan sebagai berikut :
Aij =(ZI x Z2 x Z3 x ... x Zn)1/n
dimana :
Aij = nilai rata-rata perbandingan antara kriteria Ai dengan Aj
untuk n partisipan
Zi = nilai perbandingan antara kriteria Ai dengan Aj untuk
partisipan ke- i
i = 1,2,3,...,n ;
n = jumlah partisipan.

PENGUMPULAN DATA
A1

A2

A3

...

An

A1

a11

a13

...

a1n

A2

a21 a22 a23

...

a2n

...

...

...
An

...

...

...

an1 an2 an3

Ann

Dengan metode PCJM, jika a12 = 5 maka

artinya elemen 1 lebih penting daripada
elemen 2

PERHITUNGAN BOBOT

Perhitungan bobot dilakukan untuk

mengetahui cerminan hasil dari
perbandingan (comparison)
Bobot masing-masing komponen
dinyatakan dengan wi, w2,..., wn.
Agar mendapatkan bobot wi untuk setiap
judgement aij, dilakukan pengerjaan
melalui tiga tahap.

PERHITUNGAN BOBOT (Tahap Pertama)

Dalam kasus ideal (yang didasarkan hasil pengukuran
eksak), hubungan antara bobot wi dengan hasil
judgment aij adalah sebagai berikut :
aij = wi/wj untuk ij =1, 2, ... , n.
Bila vektor pembobotan elemen-elemen operasi A1,
A2, ..., An tersebut dinyatakan sebagai vektor w = (w1,
w2, ..., wn), maka nilai intensitas kepentingan elemen
operasi A1 dibandingkan dengan A2 dapat dinyatakan
sebagai perbandingan bobot elemen operasi A1
terhadap A2 yaitu w1/w2 yang sama dengan a12
sehingga matrik perbandingan semula dapat
diperlihatkan berikut ini:

PERHITUNGAN BOBOT (Tahap Pertama)

A1

A2

...

An

A1

w1/w1 w1/w2

...

w1/wn

A2

w2/w1 w2/w2

...

w2/wn

...

...

...

wn/wn

...
An

...

...

wn/w1 wn/w2

PERHITUNGAN BOBOT (Tahap Pertama)

Kepentingan relatif tiap faktor dari setiap baris pada
matrik dapat dinyatakan sebagai bobot relatif yang
dinormalkan (normalized relative weight).
Bobot relatif yang dinormalkan ini merupakan suatu
bobot nilai relatif untuk masing-masing faktor pada
setiap kolom, dengan membandingkan masingmasing nilai skala dengan jumlah kolomnya.

PERHITUNGAN BOBOT (Tahap Pertama)

Eigen-vektor utama yang dinormalkan (normalized
principal eigenvector) adalah identik dengan
menormalkan kolom-kolom dalam matrix
perbandingan berpasangan.
Ini merupakan bobot nilai rata-rata secara
keseluruhan, yang diperoleh dari rata-rata bobot
relatif yang dinormalkan masing-masing faktor
pada setiap barisnya.

PERHITUNGAN BOBOT (Tahap Kedua)

Tahap ini dilakukan untuk melihat seberapa besar
kelonggaran yang pantas diberikan untuk
penyimpangan
Untuk itu, kita perlu menghitung vektor eigen
dengan persamaan:
aijwj = nwi

i = 1,2,....n

yang eqivalen dengan:

AW = nW
W adalah vektor eigen dari matriks A dengan
eigenvalue (n).

PERHITUNGAN BOBOT (Tahap Ketiga)

Pada kasus nyata, nilai aij tidak selalu sama
dengan wi/wj.
Untuk selanjutnya nilai n diganti dengan vektor ,
sehingga persamaan menjadi:
AW = W
dengan = (1, 2, 3, , n)
Setiap n yang memenuhi persamaan di atas
disebut nilai eigen, sedangkan vektor W disebut
vektor eigen.

PERHITUNGAN BOBOT (Tahap Ketiga)

Bila matriks A adalah matriks yang konsisten maka semua
nilai eigen bernilai 0 kecuali satu yang bernilai sama
dengan n.
Bila matriks A adalah matriks yang tak konsisten, variasi
kecil atas aij akan membuat nilai eigen value terbesar maks
tetap dekat dengan n, dan nilai eigen lainnya mendekati
nol.
Nilai maks dapat dicari dari persamaan:
AW=maks.W
Atau

(A -maksI)W = 0

I adalah matriks identitas dan 0 adalah matriks nol.

PERHITUNGAN KONSISTENSI
Penyimpangan dari konsistensi dinyatakan dengan
Indeks Konsistensi (Consistency Index) yang disingkat
CI. Nilai CI didapat dari persamaan berikut:

Indeks Konsistensi (CI) matriks random dengan skala

penilaian 1 s/d 9 beserta kebalikannya disebut Indeks
Random (RI).

PERHITUNGAN KONSISTENSI
Random Index untuk matriks A :

1.98(n 2)
RI
n

PERHITUNGAN KONSISTENSI
Nilai
I nd
Ukuran Matriks
1,2
3
4
5
6
7
8
9
10
11
12
13
14
15

Indeks Random (Inkonsistensi)

0.00
0.58
0.90
1.12
1.24
1.32
1.41
1.45
1.49
1.51
1.48
1.56
1.57
1.59

eks
R

ando

PERHITUNGAN KONSISTENSI
Perbandingan antara CI dan RI untuk suatu matriks
didefinisikan sebagai Ratio Konsistensi (CR).

Menurut Thomas L. Saaty hasil penilaian yang diterima

adalah matriks yang mempunyai perbandingan
konsistensi lebih kecil atau sama dengan 10% (CR
0.1).
Jika lebih besar dari angka 10% berarti penilaian yang
telah dilakukan bersifat random dan perlu diperbaiki.

SOLUSI
Dilakukan perhitungan bobot lokal,
dan bobot global untuk setiap kriteria,
sub-kriteria serta alternatif sehingga
dapat diperoleh solusi.

CONTOH PENERAPAN

 Sebuah perusahaan ingin menentukan lokasi

pembangunan pabriknya di pulau Sumatera.
Penentuan lokasi dilakukan oleh decision
maker dengan kriteria penilaian, yaitu : posisi
geografis, upah buruh, ketersediaan bahan
baku, luas wilayah, dan kepadatan penduduk.
Alternatif keputusan lokasi yang akan diambil
adalah : Aceh, Medan, Batam, Padang,
Palembang, Bandar Lampung.

Langkah 1
definisi permasalahan dan Tujuan :
memilih lokasi pembangunan pabrik

Langkah 2
Struktur Hierarki
Penentuan
lokasi

Luas
wilayah

Palembang

posisi
geografis

Aceh

upah
buruh

Medan

ketersediaan
bahan baku

Batam

Padang

Kepadatan
penduduk

Bandar
Lampung

Langkah 3

membuat matriks perbandingan

berpasangan & normalisasi

Langkah 3
PCJM kriteria terhadap tujuan :
matriks perbandingan berpasangan

KRITERIA
Posisi
Geografis
Upah Buruh
Ketersediaan
Bahan Baku
Luas Wilayah
Kepadatan
Penduduk
TOTAL

Posisi Upah Ketersediaa Luas Kepadata

Geogra Buru n Bahan Wilaya
n
fis
h
Baku
h
Penduduk
1,00

5,00

3,00

5,00

2,00

0,20

1,00

0,25

4,00

0,50

0,33

4,00

1,00

5,00

1,00

0,20

0,25

0,20

1,00

0,50

0,50

2,00

1,00

2,00

1,00

2,23

12,2
5

5,45

17,00

5,00

Langkah 4
Normalisasi PCJM kriteria terhadap tujuan :
matriks normalisasi

4,00 : 12.25

0,56 : 5,00

Posisi
Ketersediaa Luas
Upah
Kepadatan
Priority
KRITERIA Geogra
n Bahan Wilaya
Jumlah
Buruh
Penduduk
vector
fis
Baku
h
Posisi
0,45
0,41
0,55
0,29
0,40
0,42
2,10
Geografis
Upah Buruh 0,09
0,08
0,05
0,24
0,10
0,11
0,56
Ketersediaa
n Bahan
0,15
0,33
0,18
0,29
0,20
0,23
1,15
Baku
Luas
0,09
0,02
0,04
0,06
0,10
0,06
0,31
Wilayah
Kepadatan
0,22
0,16
0,18
0,12
0,20
0,18
0,88
Penduduk
Kriteria yang menjadi prioritas utama adalah posisi
TOTAL
1,00
1
5
geografis1,00
karena1,00
memiliki1,00
nilai priority
vector1,00
terbesar, yaitu 0,42

Langkah 4
Uji Konsistensi

max =
CI =

5.3799
= 0.094977

CR =
= 0.085648
(konsisten)

Langkah 5
Perhitungan yang sama juga dilakukan
pada tiap alternatif, dengan
membandingkan tiap-tiap lokasi terhadap
masing-masing kriteria.

Langkah 5
1 : Posisi Geografis
matriks perbandingan berpasangan
Posisi
Geografis
Aceh
Medan
Batam

Aceh

Medan

Batam

Padang

1,00
5,00
4,00

0,20
1,00
0,20

0,25
5,00
1,00

0,33
4,00
2,00

0,25
0,33
0,33
2,32

0,50
2,00
2,00
10,75

1,00
4,00
3,00
14,33

Padang
3,00
Palembang
5,00
Bandar Lampung 4,00
TOTAL
22,00

Palemba Bandar
ng
Lampung
0,20
0,25
3,00
3,00
0,50
0,50
0,25
1,00
1,00
5,95

0,33
1,00
1,00
6,08

Langkah 5
1 : Posisi Geografis
Normalisasi
Posisi
Geografis
Aceh
Medan
Batam
Padang
Palembang
Bandar
Lampung
TOTAL

Aceh

Medan Batam Padang

Palem- Bandar
bang Lampung
0,03
0,04
0,50
0,49
0,08
0,08

Priority
vector
0,04
0,40
0,11

0,05
0,23
0,18

0,09
0,43
0,09

0,02
0,47
0,09

0,02
0,28
0,14

0,14
0,23

0,11
0,14

0,05
0,19

0,07
0,28

0,04
0,17

0,05
0,16

0,08
0,19

0,18

0,14

0,19

0,21

0,17

0,16

0,18

1,00

1,00

1,00

1,00

1,00

1,00

Langkah 5
1 : Posisi Geografis
Uji Konsistensi
max = 6.289156558
CI = 0.0578313
CR = 0.046638155 (konsisten)

Langkah 5
2 : Upah Buruh
matriks perbandingan berpasangan

Aceh
Medan

1,00
0,50

2,00
1,00

4,00
0,50

3,00
2,00

Palembang
0,33
0,50

Batam

0,25

2,00

1,00

3,00

0,33

2,00

Padang
Palembang
Bandar
Lampung
TOTAL

0,33
3,00

0,50
2,00

0,33
3,00

1,00
3,00

0,33
1,00

0,50
2,00

0,33

0,33

0,50

2,00

0,50

1,00

5,42

7,83

9,33

14,00

3,00

11,50

Upah Buruh

Aceh Medan Batam

Padang

Bandar
Lampung
3,00
3,00

Langkah 5
2 : Upah Buruh
Normalisasi
Bandar
PalemPriority
Medan Batam Padang
Lampun
bang
vector
g
0,26 0,43 0,21
0,11
0,26
0,24
0,13 0,05 0,14
0,17
0,26
0,14

Upah Buruh

Aceh

Aceh
Medan

0,18
0,09

Batam

0,05

0,26

0,11

0,21

0,11

0,17

0,15

Padang
Palembang
Bandar
Lampung
TOTAL

0,06
0,55

0,06
0,26

0,04
0,32

0,07
0,21

0,11
0,33

0,04
0,17

0,06
0,31

0,06

0,04

0,05

0,14

0,17

0,09

0,09

1,00

1,00

1,00

1,00

1,00

1,00

Langkah 5
3 : Ketersediaan bahan baku
matriks perbandingan berpasangan

Ketersediaa
n Bahan
Baku
Aceh
Medan
Batam
Padang
Palembang
Bandar
Lampung
TOTAL

Aceh

Meda
PalemBatam Padang
n
bang

Bandar
Lampung

1,00
2,00
3,00
2,00
4,00

0,50
1,00
2,00
0,33
3,00

0,33
0,50
1,00
0,33
3,00

0,50
3,00
3,00
1,00
4,00

0,25
0,33
0,33
0,25
1,00

0,33
0,33
0,50
0,33
3,00

3,00

3,00

2,00

3,00

0,33

1,00

15,00 9,83

7,17

14,50

2,50

5,50

Langkah 5
3 : Ketersediaan bahan baku
normalisasi

Ketersedia
an Bahan
Baku
Aceh

Aceh
0,07

Bandar
PalemPriority
Medan BatamPadang
Lampu
bang
vector
ng
0,05 0,05 0,03
0,10
0,06
0,06

Medan

0,13

0,10

0,07

0,21

0,13

0,06

0,12

Batam

0,20

0,20

0,14

0,21

0,13

0,09

0,16

Padang

0,13

0,03

0,05

0,07

0,10

0,06

0,07

Palembang
Bandar
Lampung
TOTAL

0,27

0,31

0,42

0,28

0,40

0,55

0,37

0,20

0,31

0,28

0,21

0,13

0,18

0,22

1,00

1,00

1,00

1,00

1,00

1,00

Langkah 5
4 : Luas Wilayah
matriks perbandingan berpasangan

Luas
Wilayah
Aceh
Medan
Batam
Padang
Palembang
Bandar
Lampung
TOTAL

1,00
2,00
3,00
1,00
3,00

Meda
PalemBatam Padang
n
bang
0,50
0,33
1,00
0,33
1,00
2,00
3,00
1,00
0,50
1,00
0,50
0,50
0,33
2,00
1,00
0,25
1,00
2,00
4,00
1,00

2,00

0,33

0,50

0,33

0,33

1,00

12,00 3,67

7,83

9,83

3,42

12,50

Aceh

Bandar
Lampung
0,50
3,00
2,00
3,00
3,00

Langkah 5
4 : Luas Wilayah
normalisasi
Bandar
PalemPriority
Medan Batam Padang
Lampun
bang
vector
g
0,14
0,04
0,10
0,10
0,04
0,08
0,27
0,26
0,31
0,29
0,24
0,26

Luas
Wilayah

Aceh

Aceh
Medan

0,08
0,17

Batam

0,25

0,14

0,13

0,05

0,15

0,16

0,15

Padang
Palembang
Bandar
Lampung
TOTAL

0,08
0,25

0,09
0,27

0,26
0,26

0,10
0,41

0,07
0,29

0,24
0,24

0,14
0,29

0,17

0,09

0,06

0,03

0,10

0,08

0,09

1,00

1,00

1,00

1,00

1,00

1,00

Langkah 5
5 : Kepadatan Penduduk
matriks perbandingan berpasangan
Kepadatan
Penduduk

Aceh Medan Batam

Padang

Palembang

Bandar
Lampung

Aceh
Medan

1,00
3,00

0,33
1,00

0,50
3,00

3,00
4,00

2,00
2,00

2,00
3,00

Batam

2,00

0,33

1,00

4,00

0,50

0,50

Padang
Palembang
Bandar
Lampung
TOTAL

0,33
0,50

0,25
0,50

0,25
2,00

1,00
3,00

0,33
1,00

0,50
3,00

0,50

0,33

2,00

2,00

0,33

1,00

7,33

2,75

8,75

17,00

6,17

10,00

Langkah 5
5 : Kepadatan Penduduk
normalisasi

Bandar
Kepadatan
Bata Padan PalemPriority
Aceh Medan
Lampun
Penduduk
m
g
bang
vector
g
Aceh
0,14
0,12 0,06 0,18 0,32
0,20
0,17
Medan

0,41

0,36

0,34 0,24

0,32

0,30

0,33

Batam

0,27

0,12

0,11 0,24

0,08

0,05

0,15

Padang

0,05

0,09

0,03 0,06

0,05

0,05

0,05

Palembang
Bandar
Lampung
TOTAL

0,07

0,18

0,23 0,18

0,16

0,30

0,19

0,07

0,12

0,23 0,12

0,05

0,10

0,11

1,00

1,00 1,00 1,00 1,00

1,00

Langkah 6
Priority vector

Aceh
Medan
Batam
Padang
Palembang
Bandar
Lampung

Posisi
Geografis

Upah
Buruh

Ketersediaan
Luas Wilayah
Bahan Baku

Kepadatan
Penduduk

0,42
0,04
0,40
0,11
0,08
0,19

0,11
0,24
0,14
0,15
0,06
0,31

0,23
0,06
0,12
0,16
0,07
0,37

0,06
0,08
0,26
0,15
0,14
0,29

0,18
0,17
0,33
0,15
0,05
0,19

0,18

0,09

0,22

0,09

0,11

Langkah 6
Priority Ranking
Priority
ranking
Aceh

0,09

Medan

0,28

Batam

0,14

Padang

0,07

Palembang

0,25

Bandar Lampung

0,16

kriteria
=
+
+
+
+

0,42
0,11
0,23
0,06
0,18

x
x
x
x
x

Alt.
Aceh
0,04
0,24
0,06
0,08
0,17

LATIHAN SOAL

Soal 1.
Pada matriks perbandingan di bawah ini tentukan
prioritas masing-masing kriteria dan tentukan konsistensi
matriks perbandingannya?
Kriteria

IBP

Financial

Customer

Learning &
Growth

IBP
Financial
Customer
Learning & Growth

1
0.5
3
1

2
1
4
1

0.333
0.25
1
0.333

1
1
3
1

Soal 2.
Pada matriks perbandingan di bawah ini tentukan
prioritas masing-masing sub kriteria dari Learn & Growth
dan tentukan konsistensi matriks perbandingannya?

Sub Kriteria
Information on
Capital
Organizational
Capital
Human capital

Information
on Capital

Organizational
Capital

Human
capital

1/5

1/4

Soal 3.
Humam baru saja lulus SMA. Dia berencana melanjutkan
ke Perguruan Tinggi. Pilihannya adalah jurusan Teknik
Industri. Ada 3 Perguruan Tinggi Negeri yang menjadi
piihannya, yaitu ITB, UI, dan UGM. Humam adalah orang
Desa Prembun. Kriteria yang Humam gunakan untuk
memilih PTN: Reputasi PT (R), Biaya Hidup (B), Budaya
Akademik (A), Fasilitas Pendidikan (F), dan Dosen (D).
Walaupun baru lulus SMA, Human cukup mengerti tentang
bagaimana menentukan prioritas pilhann tersebut setelah
diterangkan oleh orang tuanya. Kerangkan analisis untuk
kriteria Perguruan Tinggi adalah:

Soal 3.
R

Ditanyakan: Tentukan prioritas masing-masing kriteria dan

tentukan bagaimana prioritas pilihan Humam

Soal 4.
Jika diketahui data sbb:
Faktor Keamanan lebih penting dari Faktor kenyamanan (5 :1)
Faktor Keamanan jelas lebih penting dari Faktor kebersihan (7:1)
Faktor Keamanan sama penting dengan Faktor Harga (1:1)
Faktor Keamanan sedikit lebih penting dari Faktor kelengkapan (3:1)
Faktor Kenyamanan sedikit lebih penting dari Faktor kebersihan (3:1)
Faktor Kenyamanan sama penting dengan Faktor harga (1:1)
Faktor Kenyamanan sama penting dengan Faktor kelengkapan (1:1)
Faktor Kebersihan sama penting dengan Faktor harga (1:1)
Faktor kebersihan sedikit kurang penting dibanding Faktor kelengkapan (1:3)
Faktor Harga sedikit kurang penting dibanding Faktor kelengkapan (1:3)
Berdasarkan data di atas, hitunglah:
Matriks perbandingannya
Faktor apa yang dianggap paling penting
Apakah pendapat di atas terkategori konsisten

Soal 5.
Pada matriks perbandingan di bawah ini tentukan prioritas
masing-masing kriteria dan tentukan konsistensi matriks
perbandingannya?
IBP

Finan
Learning &
Customer
cial
Growth

Kriteria
IBP

0.333

Financial

0.5

0.25

Customer

Learning & Growth

0.333

Soal 6.
Pada matriks perbandingan di bawah ini tentukan prioritas
masing-masing sub kriteria dari Learn & Growth dan
tentukan konsistensi matriks perbandingannya?

Sub Kriteria
Information on
Capital
Organizational
Capital
Human capital

Information Organizationa Human

Capital
l Capital
capital
1

1/5

1/4