Langkah-Langkah Perhitungan Manual AHP

Algortitma AHP
Analytical Hierarchy Process (AHP) merupakan salah satu metode pengambilan keputusan
multikriteria digunakan untuk masalah yang kompleks. Metode Analytical Hierarchy Process
(AHP) ini dikembangkan oleh Prof. Thomas L. Saaty, Metode AHP merupakan sebuah hirarki
fungsional dengan input utamanya presepsi manusia. Metode algoritma AHP ini mendukung
pengambilan keputusan multi kriteria untuk mendapatkan keputusan yang terbaik dari berbagai
alternatif kriteria pilihan kemudian membuat ranking alternatif keputusan.
5 proses penyusunan metode Algoritma AHP
1. Aspek prioritas kriteria dan prioritas kriteria alternatif
2. Proses penyusunan hirarki
3. Menentukan prioritas kriteria
4. Menentukan prioritas alternatif kriteria
5. Perhitungan hasil akir AHP
Contoh perhitungan metode algoritma AHP untuk menentukan Penerima Raskin
perhitungan AHP ini melibatkan enam kriteria penilaian :
1. Kriteria Jenis Lantai (Tanah,Plester,Keramik)
2. Kriteria Jenis Dinding (Kayu, Tembok Tanpa Plester, Tembok Plester)
3. Kriteria Jenis Pekerjaan (PNS, Wiraswasta, Buruh)
4. Kriteria Jumlah Makan (Kurang dari 2x, 2x makan, Lebih dari 2x)
5. Kriteria Jenis WC (Tidak Layak, Layak, Sangat Layak)
6. Kriteria Jenis Bahan Bakar (Kayu, Minyak Tanah, Gas Elpiji)

multiple criteria AHP

A. Perhitungan Matrik perbandingan Antar Kriteria

Langkah I
Matriks Perbandingan Setiap Kriteria

Matriks
Lantai
Dinding Pekerjaan
Makan
WC
BBM
Perbandingan
Lantai
1
5
7
5
3
3
Dinding
0.20
1
5
3
5
5
Pekerjaan
0.14285714
0.20
1
5
5
5
Makan
0.20
0.33333333
0.20
1
3
3
WC
0.33333333
0.20
0.20
0.33333333
1
3
BBM
0.33333333
0.20
0.20
0.33333333 0.33333333
1
Jumlah
2.21
6.93
13.60
14.67
17.33
20.00
Langkah II
Penghitungan matriks bobot nilai antar kriteria dan prioritas
Matriks
Lantai
Dinding Pekerjaan
Makan
WC
BBM Jumlah Prioritas
Bobot
Dan
Prioritas
Lantai
0.45248869 0.72150072 0.51470588 0.34083163 0.17311021 0.15 2.35 0.39166667
Dinding 0.09049774 0.14430014 0.36764706 0.20449898 0.28851702 0.25 1.35
0.225
Pekerjaan 0.06464124 0.02886003 0.07352941 0.34083163 0.28851702 0.25 1.05
0.175
Makan
0.09049774 0.04810005 0.01470588 0.06816633 0.17311021 0.15 0.54
0.09
WC
0.15082956 0.02886003 0.01470588 0.02272211 0.05770340 0.15 0.42
0.07
BBM
0.15082956 0.02886003 0.01470588 0.02272211 0.0192345 0.05 0.29 0.04833333
Langkah III
Penghitungan Matriks Penjumlahan Kriteria
Matriks
Lantai
Dinding Pekerjaan
Makan
WC
BBM
JUMLAH
Penjumlahan
Lantai
0.39166667 1.95833334 2.74166667 1.95833334 1.175
1.175
9.40
Dinding
0.045
0.225
1.125
0.675
1.125
1.125
4.32
Pekerjaan
0.025
0.035
0.175
0.875
0.875
0.875
2.86
Makan
0.018
0.03
0.018
0.09
0.27
0.27
0.70
WC
0.02333333 0.014
0.014
0.02333333
0.07
0.21
0.35
BBM
0.01611111 0.00966666 0.009666660.01611111 0.01611111 0.04833333 0.12
Langkah IV
Penghitungan Rasio Konsistensi Kriteria
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Lantai
0.39166667
9.40
9.79
Dinding
0.225
4.32
4.54
Pekerjaan
0.175
2.86
3.03
Makan
0.09
0.70
0.79
WC
0.07
0.35
0.42

BBM

0.04833333
TOTAL

0.12

0.17
18.74

B. Menentukan Prioritas Alternatif Kriteria

Langkah I
Menghitung prioritas sub kriteria dari LANTAI
a. Perhitungan Matriks Perbandingan Alternatif Kriteria Lantai
Matriks
Keramik
Plester
Tanah
Perbandingan
Keramik
1
3
5
Plester
0.33333333
1
3
Tanah
0.20
0.33333333
1
Jumlah
1.53
4.33
9
b. Perhitungan Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Lantai
Matriks Bobot Keramik
Plester
Tanah
Jumlah Prioritas
Prioritas
Dan Prioritas
Alternatif
Kriteria
Keramik
0.65359477 0.69284065 0.55555556 1.90 0.63333333
1
Plester
0.21786492 0.23094688 0.33333333 0.78
0.26
0.41052632
Tanah
0.13071895 0.07698229 0.11111111 0.32 0.10666667 0.16842105
c. Perhitungan Matriks Penjumlahan Alternatif Kriteria Lantai
Matriks
Keramik
Plester
Tanah
JUMLAH
Penjumlahan
Keramik
0.63333333
1.90
3.16666665
5.70
Plester
0.08666666
0.26
0.78
1.13
Tanah
0.02133334 0.03555556 0.10666667
0.16
d. Perhitungan Rasio Konsistensi Alternatif Kriteria Lantai
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Keramik
0.63333333
5.70
6.33
Plester
0.26
1.13
1.39
Tanah
0.10666667
0.16
0.27
TOTAL
7.99
Langkah II
Menghitung prioritas sub kriteria dari DINDING
a. Matriks Perbandingan Alternatif Kriteria Dinding
Matriks Perbandingan
Tembok
Tembok Non
Kayu
Plester
Plester

Tembok Plester
1
3
3
Tembok Non Plester
0.33333333
1
3
Kayu
0.33333333 0.33333333
1
Jumlah
1.67
4.33
7
b. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Dinding
Matriks Bobot Dan Tembok
Tembok
Kayu
Jumlah Prioritas
Prioritas
Plester Non Plester

Prioritas
Alternatif
Kriteria
0.57333333
1
0.28666667
0.5
0.14
0.24418605

Tembok Plester
0.59880239 0.69284065 0.42857143 1.72
Tembok Non Plester 0.19960079 0.23094688 0.42857143 0.86
Kayu
0.19960079 0.07698229 0.14286714 0.42
c. Matriks Penjumlahan Alternatif Kriteria Dinding
Matriks Penjumlahan
Tembok
Tembok Non
Kayu
JUMLAH
Plester
Plester
Tembok Plester
0.57333333
1.72
1.72
4.01
Tembok Non Plester
0.09555557 0.28666667
0.86
1.24
Kayu
0.04666666 0.04666666
0.14
0.23
d. Rasio Konsistensi Alternatif Kriteria Dinding
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
Tembok Plester
0.57333333
4.01
4.58
Tembok Non Plester
0.28666667
1.24
1.53
Kayu
0.14
0.23
0.37
TOTAL
6.48
Langkah III
Menghitung prioritas sub kriteria dari PEKERJAAN
a. Matriks Perbandingan Alternatif Kriteria Pekerjaan
Matriks
PNS
Wiraswasta
Buruh
Perbandingan
PNS
1
5
3
Wiraswasta
0.20
1
3
Buruh
0.33333333 0.33333333
1
Jumlah
1.53
6.33
7
b. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Pekerjaan
Matriks Bobot
PNS
Wiraswasta
Buruh
Jumlah Prioritas
Prioritas
Dan Prioritas
Alternatif
Kriteria
PNS
0,65359477 0,78988942 0,42857143 1.87 0.62333333
1
Wiraswasta
0,13071895 0,15797788 0,42857143 0.72
0.24
0.37894737
Buruh
0,21786492 0,05265929 0,14285714 0.41 0.13666667 0.21925134
c. Matriks Bobot Nilai Dan Prioritas Alternatif Kriteria Pekerjaan

Matriks Bobot
Dan Prioritas

PNS

Wiraswasta

Buruh

Jumlah

Prioritas

Prioritas
Alternatif
Kriteria
0.62333333
1
0.24
0.37894737
0.13666667 0.21925134

PNS
0,65359477 0,78988942 0,42857143 1.87
Wiraswasta
0,13071895 0,15797788 0,42857143 0.72
Buruh
0,21786492 0,05265929 0,14285714 0.41
d. Matriks Penjumlahan Alternatif Kriteria Pekerjaan
Rasio Konsistensi
PRIORITAS
JUMLAH
HASIL JUMLAH
PNS
0.63333333
5.61
6.23
Wiraswasta
0.24
1.01
1.25
Buruh
0.13666667
0.23
0.37
TOTAL
7.85

Menghitung Hasil AHP

Hasil Prioritas Semua Kriteria dan Alternatif Kriteria
TABEL
PRIORITAS
PRIORITAS ALTERNATIF KRITERIA
PRIORITAS
KRITERIA
BAIK
CUKUP
KURANG
LANTAI
0.39166667
1
0.41052632
0.16842105
DINDING
0.225
1
0.5
0.24418605
PEKERJAAN 0.175
1
0.37894737
0.21925134
MAKAN
0.09
1
0.49999999
0.14835165
WC
0.07
1
0.56497175
0.12994350
BBM
0.04833333
1
0.47486034
0.20111732
Nilai Hasil Survey Penduduk Sesuai Alternatif Kriteria
No
No_KK
Lantai
Dinding Pekerjaan
Makan
WC
BBM
1. 35051028
1
1
1
1
1
1
2. 350512812
0.16842105 0.5
0.21925134 0.14835165 0.12994350 0.20111732
3. 350510280
0.41052632 0.24418605 0.21925134 0.49999999 0.12994350 1
4. 35051028080
0.41052632 0.5
0.37894737 1
0.56497175 1
5. 3505102808
0.16842105 0.24418605 0.21925134 0.49999999 0.56497175 1
Hasil Data Penduduk Seleksi Penerimaan Beras
No_KK
Lantai
Dinding Pekerjaan
Makan
WC
BBM
Jumlah
3505280805 0.39166667 0.225
0.175
0.09
0.07
0.04833333
1
3505180006 0.06596491 0.1125
0.03836899 0.01335165 0.00909605 0.00972067 0.24900227
350412007 0.16078948 0.05494186 0.03836899 0.045
0.00909605 0.04833333 0.35652971
350280008 0.16078948 0.1125
0.06631579 0.09
0.03954802 0.04833333 0.51748662
35051029 0.06596491 0.05494186 0.03836899 0.045
0.03954802 0.04833333 0.29215711
Hasil Rangking Penduduk Yang Berhak Menerima Bantuan Beras

Rangking
No_KK
Jumlah
1
35051028080606 0.24900227
2
350510280009 0.29215711
3
3505102800007 0.35652971
Hasil perhitungan metode algoritma AHP ini mempunyai kelemahan sebab berdasarkan presepsi
manusia jika persepsi yang diberikan salah maka mengakibatkan scoring nilai tidak akurat.
Batasan perhitungan metode algoritma AHP terletak pada penghitungan rasio konsistensi
Perhitungan ini digunakan untuk memastikan bahwa nilai rasio konsisten CR <=0.1. Jika CR >
0.1 maka perhitungan matrik harus dihentikan dan di hitung ulang silahkan download Source
code AHP
menurut Prof. Thomas L. Saaty metode algoritma AHP masih ada kelemahan-kelemhan
perhitungan nya maka, beliau mengembangkan model metode algoritma Analitical Network
Process untuk memperbaiki kelemahan-kelemahan perhitungan pada metode algoritma AHP

SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE

AHP

UNIVERSITAS DIAN NUSWANTORO

MAKALAH
TENTANG SISTEM PENDUKUNG KEPUTUSAN
DENGAN METODE AHP

Nim

: A12.2010.04028

Nama: Abdul Ghofur Sidik

ABSTRAK
Dalam kehidupan manusia, tidak akan pernah lepas dari suatu pikiran yang
bimbang dan akhirnya manusia membuat atau mengambil keputusan kemudian
melaksanakannya. Hal ini tentu dilandasi asumsi bahwa segala tindakannya secara
sadar merupakan pencerminan hasil proses pengambilan keputusan dalam
pikirannya. Untuk mengatasi kesulitan tersebut, manusia membuat prioritas dan
memutuskan area mana yang dilaksanakan terlebih dahulu. Oleh karena itu
diperlukan sebuah sistem yang dapat mendukung pengambilan keputusan sehingga
dasar pengambilan keputusan menjadi lebih kuat. Tujuan dari sistem pendukung
keputusan ini adalah untuk menentukan kriteria (alternatif) yang digunakan di
dalam pemilihan gagasan oleh pengambil keputusan. Ada berbagai metode dalam
pengambilan keputusan. Salah satu metodenya adalah metode Analitycal
Hierarchy Process yang mampu memberikan urutan rangking terbaik. Hasil analisis
yang didapat mampu memberikan urutan rangking terbaik, sehingga menghasilkan
kriteria dengan bobot tertinggi yang dapat digunakan sebagai pertimbangan bagi
decision maker untuk digunakan dalam pengambilan keputusan.

Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada

tahun 1970. Decision Support Sistem (DSS) dengan didukung oleh sebuah system
yaitu sistem informasi berbasis komputer dapat membantu seseorang dalam
meningkatkan kinerjanya dalam pengambilan keputusan. Seorang manajer di suatu
perusahaan dapat memecahkan masalah semi struktur, dimana manajer dan
komputer harus bekerja sama sebagai tim pemecah masalah dalam memecahkan
masalah yang berada di area semi struktur. DSS mendayagunakan resources
individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan
kualitas keputusan.

Pada makalah ini studi kasus yang dipakai adalah prioritas pemilihan mahasiswa
terbaik menggunakan metode AHP, dengan menggunakan sistem pendukung
keputusan dengan metode AHP ini dapat membantu universitas dalam menentukan
nominasi mahasiswa yang nantinya akan dipilih sebagai mahasiswa terbaik
berdasarkan IPK, TOEFL dan jabatan organisasi

Kata kunci : Sistem pendukung keputusan, AHP, DSS, Hirarki

PENDAHULUAN

1. Latar Belakang
Salah satu metode komputasi yang cukup berkembang saat ini adalah metode
sistem pengambilan keputusan (DecisionsSupport System). Dalam teknologi
informasi, sistem pengambilan keputusan merupakan cabang ilmu yang letaknya
diantara system informasi dan sistem cerdas.

Metode AHP adalah metode pengambilan keputusan yang multi kriteria, sedangkan
pengambilan keputusan dibidang pembelian juga mengandalkan kriteria-kriteria
yaitu kualitas barang, kecepatan pengiriman barang, harga barang dan status
supplier. Dengan melihat adanya kriteria-kriteria yang dipergunakan untuk
mengambil keputusan, maka akan sangat cocok untuk menggunakan metode AHP
dengan multi kriteria.
2.Permasalahan
Adapun permasalahan yang timbul ini disebabkan seseorang menemui berbagai
kesulitan dalam mengambil keputusan dalam pemilihan kriteria diantaranya adalah
kesulitan dalam criteria dalam pemilihan sepeda motor yang nantinya akan dia beli
yaitu : sepeda motornya memiliki desain yang bagus, berkualitas serta irit dalam
bahan bakar.

3. Tujuan
Tujuan dari penulisan ini adalah memberi pengetahuan tentang arti dari metode
AHP dan untuk membuat keputusan yang dapat membantu pihak-pihak tertentu
dalam mengambil keputusan yang terbaik untuk mencapai hasil yang maksimal.

PEMBAHASAN

1. Pengertian Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS)

pertama kali diungkapkanpada awal tahun 1970-an oleh Michael S. Scott Morton
dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem
yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan
dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai
persoalan yang tidak terstruktur.Istilah SPK mengacu pada suatu sistem yang
memanfaatkan dukungan komputer dalam proses pengambilan keputusan.

Beberapa Definisi Lain dari Sistem Penunjang Keputusan

a. Little (1970)
Sistem pendukung keputusan adalah sebuah himpunan/kumpulan prosedur berbasis
model untuk memproses data dan pertimbangan untuk membantu manajemen
dalam pembuatan keputusannya.
b. Hick (1993)

Sistem pendukung keputusan sebagai sekumpulan tools komputer yang terintegrasi

yang mengijinkan seorang decision maker untuk berinteraksi langsung dengan
komputer untuk menciptakan informasi yang berguna dalam membuat keputusan
semi terstruktur dan keputusan tak terstruktur yang tidak terantisipasi.
2.Macam Macam Metode Sisem Penunjang Keputusan

1. Metode Sistem pakar

2. Metode Regresi linier
3. Metode B/C Ratio
4. Metode AHP
5. Metode IRR
6. Metode NPV
7. Metode FMADM
8. Metode SAW
3.Pengertian Metode AHP
Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan
atau kelompok untuk membangun gagasan-gagasan dan mendefinisikan persoalan
dengan cara membuat asumsi mereka masing-masing dan memperoleh pemecahan
yang diinginkan darinya. Ada dua alasan utama untuk menyatakan suatu tindakan
akan lebih baik dibanding tindakan lain. AHP merupakan suatu model pendukung
keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan

ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks
menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai suatu
representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi
level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub
kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan
hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompokkelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga
permasalahan akan tampak lebih terstruktur dan sistematis.

AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan

metode yang lain karena alasan-alasan sebagai berikut :
1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai
pada subkriteria yang paling dalam.
2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
3. Memperhitungkan daya tahan output analisis sensitivitas pengambilan
keputusan.
4.Prinsip Dasar dan Aksioma AHP
AHP didasarkan atas 3 prinsip dasar yaitu:
1. Dekomposisi

Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian
secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk
yang paling sederhana struktur akan dibandingkan tujuan, kriteria dan level
alternatif. Tiap himpunan alternatif mungkin akan dibagi lebih jauh menjadi
tingkatan yang lebih detail, mencakup lebih banyak kriteria yang lain. Level paling
atas dari hirarki merupakan tujuan yang terdiri atas satu elemen. Level berikutnya
mungkin mengandung beberapa elemen, di mana elemen-elemen tersebut bisa
dibandingkan, memiliki kepentingan yang hampir sama dan tidak memiliki
perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus dibuatkan
level yang baru.
2. Perbandingan penilaian/pertimbangan (comparative judgments).
Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen
yang ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen.
Penilaian menghasilkan skala penilaian yang berupa angka. Perbandingan

berpasangan dalam bentuk matriks jika dikombinasikan akan menghasilkan

prioritas.
3. Sintesa Prioritas
Sintesa prioritas dilakukan dengan mengalikan prioritas lokal dengan prioritas dari
kriteria bersangkutan di level atasnya dan menambahkannya ke tiap elemen dalam
level yang dipengaruhi kriteria. Hasilnya berupa gabungan atau dikenal dengan
prioritas global yang kemudian digunakan untuk memboboti prioritas lokal dari
elemen di level terendah sesuai dengan kriterianya.
5.Kelebihan dan Kekurangan dalam Metode AHP
Kelebihan

1. Kesatuan (Unity). AHP membuat permasalahan yang luas dan tidak

terstruktur menjadi suatu model yang fleksibel dan mudah dipahami.
2. Kompleksitas (Complexity). AHP memecahkan permasalahan yang kompleks
melalui pendekatan sistem dan pengintegrasian secara deduktif.
3. Saling ketergantungan (Inter Dependence). AHP dapat digunakan pada
elemen-elemen sistem yang saling bebas dan tidak memerlukan hubungan
linier.
4. Struktur Hirarki (Hierarchy Structuring). AHP mewakili pemikiran alamiah
yang cenderung mengelompokkan elemen sistem ke level-level yang
berbeda dari masing-masing level berisi elemen yang serupa.
5. Pengukuran (Measurement).AHP menyediakan skala pengukuran dan metode
untuk mendapatkan prioritas.
6. Konsistensi (Consistency).AHP mempertimbangkan konsistensi logis dalam
penilaian yang digunakan untuk menentukan prioritas.
7. Sintesis (Synthesis).AHP mengarah pada perkiraan keseluruhan mengenai
seberapa diinginkannya masing-masing alternatif.
8. Trade Off.AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem
sehingga orang mampu memilih altenatif terbaik berdasarkan tujuan mereka.
9. Penilaian dan Konsensus (Judgement and Consensus).AHP tidak
mengharuskan adanya suatu konsensus, tapi menggabungkan hasil penilaian
yang berbeda.
10.Pengulangan Proses (Process Repetition).AHP mampu membuat orang
menyaring definisi dari suatu permasalahan dan mengembangkan penilaian
serta pengertian mereka melalui proses pengulangan.
Metode pairwise comparison AHP mempunyai kemampuan untuk memecahkan
masalah yang diteliti multi obyek dan multi kriteria yang berdasar pada
perbandingan preferensi dari tiap elemen dalam hierarki. Jadi model ini merupakan
model yang komperehensif. Pembuat keputusan menetukan pilihan atas pasangan

perbandingan yang sederhana, membengun semua prioritas untuk urutan alternatif.

Pairwaise comparison AHP mwenggunakan data yang ada bersifat kualitatif
berdasarkan pada persepsi, pengalaman, intuisi sehigga dirasakan dan diamati,
namun kelengkapan data numerik tidak menunjang untuk memodelkan secara
kuantitatif.
Konsep dasar AHP adalah penggunaan matriks pairwise comparison (matriks
perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria
maupun alternative. Suatu kriteria akan dibandingkan dengan kriteria lainnya dalam
hal seberapa penting terhadap pencapaian tujuan di atasnya (Saaty, 1986).
Tingkat
Kepentinga
n

Definisi

Keterangan

Sama Pentingnya

Kedua elemen mempunyai pengaruh yang sama

Sedikit lebih
penting

Pengalaman dan penilaian sangat memihak satu elemen

dibandingkan dengan pasangannya

Lebih Penting

Satu elemen sangat disukai dan secara praktis

dominasinya sangat nyata, dibandingkan dengan elemen
pasangannya.

Sangat Penting

Satu elemen terbukti sangat disukai dan secara praktis

dominasinya sangat nyata, dibandingkan dengan elemen
pasangannya.

Mutlak lebih
penting

Satu elemen terbukti mutlak lebih disukai dibandingkan

dengan pasangannya, pada keyakinan tertinggi.

2,4,6,8

Nilai Tengah

Diberikan bila terdapat keraguan penilaian di antara dua

tingkat kepentingan yang berdekatan.

Skala dasar perbandingan berpasangan

(Sumber : Saaty, 1986)
Penilaian dalam membandingkan antara satu kriteria dengan kriteria yang lain
adalah bebas satu sama lain, dan hal ini dapat mengarah pada ketidak
konsistensian. Saaty (1990) telah membuktikan bahwa indeks konsistensi dari
matrik ber ordo n dapat diperoleh dengan rumus :
CI = (maks-n)/(n-1) (1)
Dimana :
CI = Indeks Konsistensi (Consistency Index)
maks = Nilai eigen terbesar dari matrik berordo n

Nilai eigen terbesar didapat dengan menjumlahkan hasil perkalian jumlah kolom
dengan eigen vector. Batas ketidak konsistensian di ukur dengan menggunakan
rasio konsistensi (CR), yakni perbandingan indeks konsistensi (CI) dengan nilai
pembangkit random (RI). Nilai ini bergantung pada ordo matrik n.
Rasio konsistensi dapat dirumuskan :
CR = CI/RI (2)
Bila nilai CR lebih kecil dari 10%, ketidak konsistensian pendapat masih dianggap
dapat diterima.
n

10

11

12

13

14

15

RI

0,0
0

0,0
0

0,5
8

0,9
0

1,1
2

1,2
4

1,3
2

1.4
1

1,4
5

1,4
9

1,5
1

1,4
8

1,5
6

1,5
7

1,5
9

Daftar Indeks random konsistensi (RI)

2.5.2.Kelemahan

1. Ketergantungan model AHP pada input utamanya.

Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan
subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut
memberikan penilaian yang keliru.
6.Tahapan Dalam Metode AHP
Langkah-langkah AHP
Dalam metode AHP dilakukan langkah-langkah sebagai berikut (Kadarsyah Suryadi
dan Ali Ramdhani, 1998) :

1. Metode AHP ini hanya metode matematis tanpa ada pengujian secara
statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang
terbentuk
2. Mendefinisikan masalah dan menentukan solusi yang diinginkan.Dalam tahap
ini kita berusaha menentukan masalah yang akan kita pecahkan secara jelas,
detail dan mudah dipahami. Dari masalah yang ada kita coba tentukan solusi
yang mungkin cocok bagi masalah tersebut. Solusi dari masalah mungkin
berjumlah lebih dari satu. Solusi tersebut nantinya kita kembangkan lebih
lanjut dalam tahap berikutnya.
3. Membuat matrik perbandingan berpasangan yang menggambarkan
kontribusi relatif atau pengaruh setiap elemen terhadap tujuan atau kriteria

yang setingkat di atasnya.Matriks yang digunakan bersifat sederhana,

memiliki kedudukan kuat untuk kerangka konsistensi, mendapatkan informasi
lain yang mungkin dibutuhkan dengan semua perbandingan yang mungkin
dan mampu menganalisis kepekaan prioritas secara keseluruhan untuk
perubahan pertimbangan. Pendekatan dengan matriks mencerminkan aspek
ganda dalam prioritas yaitu mendominasi dan didominasi. Perbandingan
dilakukan berdasarkan judgment dari pengambil keputusan dengan menilai
tingkat kepentingan suatu elemen dibandingkan elemen lainnya. Untuk
memulai proses perbandingan berpasangan dipilih sebuah kriteria dari level
paling atas hirarki misalnya K dan kemudian dari level di bawahnya diambil
elemen yang akan dibandingkan misalnya E1,E2,E3,E4,E5. Lisensi
4. Melakukan Mendefinisikan perbandingan berpasangan sehingga diperoleh
jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah
banyaknya elemen yang dibandingkan.Hasil perbandingan dari masingmasing elemen akan berupa angka dari 1 sampai 9 yang menunjukkan
perbandingan tingkat kepentingan suatu elemen. Apabila suatu elemen
dalam matriks dibandingkan dengan dirinya sendiri maka hasil perbandingan
diberi nilai 1. Skala 9 telah terbukti dapat diterima dan bisa membedakan
intensitas antar elemen. Hasil perbandingan tersebut diisikan pada sel yang
bersesuaian dengan elemen yang dibandingkan. Skala perbandingan
perbandingan berpasangan dan maknanya yang diperkenalkan oleh Saaty
bisa dilihat di bawah. Intensitas Kepentingan 1 = Kedua elemen sama
pentingnya, Dua elemen mempunyai pengaruh yang sama besar 3 = Elemen
yang satu sedikit lebih penting daripada elemen yanga lainnya, Pengalaman
dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang
lainnya 5 = Elemen yang satu lebih penting daripada yang lainnya,
Pengalaman dan penilaian sangat kuat menyokong satu elemen
dibandingkan elemen yang lainnya 7 = Satu elemen jelas lebih mutlak
penting daripada elemen lainnya, Satu elemen yang kuat disokong dan
dominan terlihat dalam praktek. 9 = Satu elemen mutlak penting daripada
elemen lainnya, Bukti yang mendukung elemen yang satu terhadap elemen
lain memeliki tingkat penegasan tertinggi yang mungkin menguatkan. 2,4,6,8
= Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang berdekatan,
Nilai ini diberikan bila ada dua kompromi di antara 2 pilihan Kebalikan = Jika
untuk aktivitas i mendapat satu angka dibanding dengan aktivitas j , maka j
mempunyai nilai kebalikannya dibanding dengan i
5. Menghitung nilai eigen dan menguji konsistensinya.Jika tidak konsisten maka
pengambilan data diulangi.
6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasanganyang
merupakan bobot setiap elemen untuk penentuan prioritas elemen-elemen
pada tingkat hirarki terendah sampai mencapai tujuan. Penghitungan
dilakukan lewat cara menjumlahkan nilai setiap kolom dari matriks, membagi
setiap nilai dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks, dan menjumlahkan nilai-nilai dari setiap
baris dan membaginya dengan jumlah elemen untuk mendapatkan rata-rata.

8. Memeriksa konsistensi hirarki.Yang diukur dalam AHP adalah rasio konsistensi

dengan melihat index konsistensi. Konsistensi yang diharapkan adalah yang
mendekati sempurna agar menghasilkan keputusan yang mendekati valid.
Walaupun sulit untuk mencapai yang sempurna, rasio konsistensi diharapkan
kurang dari atau sama dengan 10%.
9. Membuat struktur hierarki yang diawali dengan tujuan utama. Setelah
menyusun tujuan utama sebagai level teratas akan disusun level hirarki yang
berada di bawahnya yaitu kriteria-kriteria yang cocok untuk
mempertimbangkan atau menilai alternatif yang kita berikan dan
menentukan alternatif tersebut. Tiap kriteria mempunyai intensitas yang
berbeda-beda. Hirarki dilanjutkan dengan subkriteria (jika mungkin
diperlukan).
Sedangkan langkah-langkah pairwise comparison AHP adalah
1.

Pengambilan data dari obyek yang diteliti.

2.
Menghitung data dari bobot perbandingan berpasangan responden dengan
metode pairwise comparison AHP berdasar hasil kuisioner.
3.

Menghitung rata-rata rasio konsistensi dari masing-masing responden.

4.

Pengolahan dengan metode pairwise comparison AHP.

5.
Setelah dilakukan pengolahan tersebut, maka dapat disimpulkan adanya
konsitensi dengan tidak, bila data tidak konsisten maka diulangi lagi dengan
pengambilan data seperti semula, namun bila sebaliknya maka digolongkan data
terbobot yang selanjutnya dapat dicari nilai beta
7. Aplikasi PHP
Beberapa contoh aplikasi AHP adalah sebagai berikut:
1. Membuat suatu set alternatif;
2. Perencanaan
3. Menentukan prioritas;
4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;
5. Alokasi sumber daya
Contoh Kasus
Menentukan prioritas dalam pemilihan mahasiswa terbaik

Langkah Penyelesaian :
1. Tetapkan permasalahan, kriteria dan sub kriteria (jika ada), dan alternative
pilihan.
a. Permasalahan : Menentukan prioritas mahasiswa terbaik.

b. Kriteria : IPK, Nilai TOEFL, Jabatan Organisasi,

c. Subkriteria : IPK (Sangat baik : 3,5-4,00; Baik : 3,00-3,49; Cukup : 2,75-2,99)
TOEFL(Sangat baik : 506-600; Baik : 501-505 ; Cukup : 450 500)
Jabatan Organisasi (Ketua, Kordinator, Anggota)
CAT : Jumah kriteria dan sub kriteria, minimal 3. Karena jika hanya dua maka akan
berpengaruh terhadap nilai CR (lihat tabel daftar rasio indeks konsistensi/RI)
2. Membentuk matrik Pairwise Comparison,kriteria. Terlebih dahulu melakukan
penilaian perbandingan dari kriteria.(Perbandingan ditentukan dengan mengamati
kebijakan yang dianut oleh penilai) adalah :
a. Kriteria IPK 4 kali lebih penting dari jabatan organisasi, dan 3 kali lebih penting
dari TOEFL.
b. Kriteria TOEFL 2 kali lebih penting dari jabatan organisasi.
CAT : Terjadi 3 kali perbandingan terhadap 3 kriteria (IPK->jabatan, IPK->TOEFL,
Jabatan->TOEFL). Jika ada 4 kriteria maka akan terjadi 6 kali perbandingan. Untuk
memahaminya silahkan coba buat perbandingan terhadap 4 kriteria.
Sehingga matrik matrik Pairwise Comparison untuk kriteria adalah :
IPK

TOEFL

Jabatan

IPK

TOEFL

1/3

Jabatan

1/4

1/2

Cara mendapatkan nilai-nilai di atas adalah :

Perbandingan di atas adalah dengan membandingkan kolom yang terletak paling
kiri dengan setiap kolom ke dua, ketiga dan keempat.
Perbandingan terhadap dirinya sendiri, akan menghasilkan nilai 1. Sehingga nilai
satu akan tampil secara diagonal. (IPK terhadap IPK, TOEFL terhadap TOEFL dan
Jabatan terhadap ajabatan)
Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai 3,
didapatkan dari perbandingan IPK yang 3 kali lebih penting dari TOEFL (lihat nilai
perbandingan di atas)
Perbandingan kolom kiri dengan kolom-kolom selanjutnya. Misalkan nilai
didapatkan dari perbandingan Jabatan dengan IPK (ingat, IPK 4 kali lebih penting
dari jabatan sehingga nilai jabatan adalah dari IPK)
3. Menentukan rangking kriteria dalam bentuk vector prioritas (disebut juga eigen
vector ternormalisasi).

a. Ubah matriks Pairwise Comparison ke bentuk desimal dan jumlahkan tiap kolom
tersebut.

IPK

IPK

TOEF
L

Jabatan

1,000

3,000

Elemen
Kolom
4,000

TOEFL

0,333

1,000

2,000

Jabatan

0,250

0,500

1,000

JUMLAH

1,583

4,500

7,000

b. Bagi elemen-elemen tiap kolom dengan jumah kolom yang bersangkutan.

IPK

TOEF
L

Jabata
n

IPK

0,63
2

0,667

0,571

TOEFL

0,21
1

0,222

0,286

Jabata
n

0,15
8

0,111

0,143

Contoh : Nilai 0,632 adalah hasil dari pembagian antara nilai 1,000/1,583 dst.
c. Hitung Eigen Vektor normalisasi dengan cara : jumlahkan tiap baris kemudian
dibagi dengan jumlah kriteria. Jumlah kriteria dalam kasus ini adalah 3.
IPK

TOE
FL

Jabat
an

Jumlah
Baris

Eigen Vektor
Normalisasi

IPK

0,63
2

0,66
7

0,571

1,870

0,623

TOEF
L

0,21
1

0,22
2

0,286

0,718

0,239

Jabat
an

0,15
8

0,11
1

0,143

0,412

0,137

- Nilai 1,870 adalah hasil dari penjumlahan 0,632+0,667+0,571

- Nilai 0,623 adalah hasil dari 1,870/3.

- Dst
d. Menghitung rasio konsistensi untuk mengetahui apakah penilaian perbandingan
kriteria bersifat konsisten.
- Menentukan nilai Eigen Maksimum (maks).
maks diperoleh dengan menjumlahkan hasil perkalian jumlah kolom matrik
Pairwise Comparison ke bentuk desimal dengan vector eigen normalisasi.
maks = (1,583 x 0,623 )+(4,500 x 0,239)+(7,000 x 0,137) = 3,025
- Menghitung Indeks Konsistensi (CI)
CI = (maks-n)/n-1 = 0,013
- Rasio Konsistensi =CI/RI, nilai RI untuk n = 3 adalah 0,58 (lihatDaftar Indeks
random konsistensi (RI))
CR = CI/RI = 0,013/0,58 = 0,022
Karena CR < 0,100 berari preferensi pembobotan adalah konsisten
4. Untuk matrik Pairwise Comparison sub kriteria, saya asumsikan memiliki nilai
yang sama dengan matrik Pairwise Comparison kriteria. Anda bisa mencoba
merubah nilai pembobotan jika ingin lebih memahami pembentukan matrik ini.
a. Sub kriteria IPK
Sangat
Baik

Baik

Cuku
p

Jumlah
Baris

Eigen Vektor
Normalisasi

Sangat
Baik

0,632

0,66
7

0,57
1

1,870

0,623

Baik

0,211

0,22
2

0,28
6

0,718

0,239

Cukup

0,158

0,11
1

0,14
3

0,412

0,137

Sangat
Baik

Baik

Cuku
p

Jumlah
Baris

Eigen Vektor
Normalisasi

Sangat
Baik

0,632

0,66
7

0,57
1

1,870

0,623

Baik

0,211

0,22
2

0,28
6

0,718

0,239

Cukup

0,158

0,11

0,14

0,412

0,137

b. Sub Kriteria TOEFL

c. Sub Kriteria Jabatan Organisasi

Ketu
a

Koordinat
or

Anggot
a

Jumlah Baris

Eigen Vektor Normalisasi

Ketua

0,63
2

0,667

0,571

1,870

0,623

Koordinat
or

0,21
1

0,222

0,286

0,718

0,239

Anggota

0,15
8

0,111

0,143

0,412

0,137

5. Terakhir adalah menentukan rangking dari alternatif dengan cara menghitung

eigen vector untuk tiap kirteria dan sub kriteria.
IPK

TOEF
L

Jabatan Organisasi

HASIL

Ifan

0,440

Rudy

0,204

Anton

0,479

- Nilai bobot diperoleh dari kondisi yang dimiliki oleh alternatif. Contoh pada Ifan,
yang memiliki IPK 3,86 (sangat baik), maka diberikan bobot 1 (2 untuk baik dan 3
untuk cukup). Ifan memiliki nilai TOEFL 470 (cukup), sehingga diberikan bobot 3 dan
jabatan organisasi adalah anggota dengan bobot 3 (1 untuk ketua dan 2 untuk
koordinator).
- Hasil diperoleh dari perkalian nilai vector kriteria dengan vector sub kriteria. Dan
setiap hasil perkalian kriteria dan subkriteria masing-masing kolom dijumlahkan.
Contoh Ifan, pada kolom IPK (eigen vector : 0,623) dikalikan dengan sub kriteria IPK
yaitu sangat baik (eigen vector : 0,623).dst
(IPK x Sangat Baik + TOEFL x Sangat Baik + Jabatan Organisasi x Anggota) = 0,440
Dari hasil di atas, Anton memiliki nilai paling tinggi sehingga layak menjadi
mahasiswa terbaik..
Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan
output berupa prioritas dari hasil perangkingan. Syarat kriteria yang digunakan

adalah data yang seimbang (misal data mahasiswa Kampus XYZ bisa
dibandingkan dengan kampus ABC, tidak bisa dibandnigkan dengan sekolah XXX).

SIMPULAN

Kesimpulan yang dapat diambil adalah sebagai berikut:

Metode ini mampu untuk menghasilkan suatu keputusan yang tepat.

Dengan memakai metode ini, kesalahan-kesalahan yang dilakukan ketika
pengambilan keputusan seperti keterlambatan dalam mengambil keputusan
dapat berkurang.

Aplikasi dibuat fleksibel sehingga dapat memungkinkan personal maupun

departemen untuk dapat mengubah nilai dari kriteria-kriteria yang ada.