Anda di halaman 1dari 156

< Turban , DSS, 2005

< Dr. Sri Kusumadewi, S.Si., MT , SPK


< asan perunya pemodean:
Proses membuat suatu keputusan bukanah sebuah
proses yang mudah.
Beberapa tahap harus diaui untuk mendapatkan
keputusan yang tepat.
< Turban (2005) mengusukan empat tahapan yang
harus diaui daam membentuk suatu keputusan
< Pada tahap ini akan diakukan identifikasi
terhadap permasaahan yang ada terkait dengan:
kebutuhan-kebutuhan untuk menyeesaikan masaah,
beberapa peuang yang ditemukan daam
penyeesaian masaah.
< Secara ebih deti, pada tahap ini diakukan
serangkaian aktivitas sebagai berikut.
1. Mengidentifikasi tujuan organisasi atau tujuan
pencapaian masaah.
2. Mengidentifikasi prosedur-prosedur yang peru
disiapkan daam mencari atau meacak adanya
permasaahan.
3. Melakukan pengumpulan data. da beberapa
kendaa yang dimungkinkan akan ditemui seama
proses koeksi data ini, antara ain (Turban, 2005: 54).
N Ketaktersediaan data. Ha ini mengakibatkan mode
yang akan dibentuk akan memberikan hasi yang tidak
akurat.
N Biaya yang dikeuarkan untuk mendapatkan data
cukup maha.
N Data yang diperoeh tidak cukup akurat dan tepat.
N Estimasi sering kai bersifat subyektif.
N Data dimungkinkan tidak aman.
N Data-data penting yang mempengaruhi hasi
adakaanya bersifat kuaitatif.
N Data yang ada sangat banyak.
N Terkadang diasumsikan bahwa data yang akan
datang memiiki karakteristik yang sama dengan data
saat ini. Oeh karena itu, apabia ha ini tidak terjadi,
maka peru adanya suatu metode untuk memprediksi
adanya perubahan tersebut.
4. Melakukan klasifikasi permasalahan. Kasifikasi
diakukan untuk menentukan kategori permasaahan.
5. Melakukan dekomposisi permasalahan. ktivitas ini
diperukan apabia permasaahan yang timbu terau
kompeks sehingga peru dipecah agi menjadi
beberapa sub permasaahan.
6. Kepemilikan masalah, artinya permasaahan
dianggap ada apabia ada seseorang atau
sekeompok orang yang tanggap untuk mengatasi
permasaahan tersebut dan organisasi merasa
mampu untuk menyeesaikan masaah tersebut.
< Hasi akhir dari tahap ini adaah pernyataan
masaah secara forma (formal problem
statement).
< ktivitas yang diakukan:
1. Formuasi mode (normatif atau deskriptif).
2. Pemiihan kriteria-kriteria. Kriteria adaah ha-ha apa
saja yang menjadi bahan pertimbangan bagi
pengambi keputusan untuk memutuskan aternatif
terbaik.
3. Pencarian beberapa aternatif.
4. Mengukur dan memprediksi terhadap hasi yang
terjadi.
< Hasi akhir dari tahap ini adaah alternatif-
alternatif.
< Pada tahap ini akan diakukan pencarian cara
yang paing tepat untuk meakukan aksi,
meakukan evauasi dan pemiihan terhadap sousi
yang paing cocok.
< Untuk meakukan pencarian cara yang paing
tepat untuk meakukan aksi dapat diakukan
meaui:
teknik-teknik anaitik;
menggunakan agoritma.
< Proses evauasi pada pemilihan alternatif dapat
diakukan dengan berbagai cara.
pabia suatu aternatif dimungkinkan memiiki beberapa tujuan,
maka peru ada pembandingan antar tujuan yang dicapai
tersebut.
Proses pembandingan ini dapat diakukan meaui anaisis
sensitivitas atau anaisis what-if.
naisis sensitivitas umumnya digunakan untuk menentukan
tingkat robustness apabia diberikan beberapa aternatif.
Sedangkan anaisis what-if digunakan untuk meihat adanya
perubahan mayor pada parameter-parameter.
< Secara rinci, pada tahap pemiihan ini akan
diakukan beberapa aktivitas antara ain:
Menghasikan sousi dari mode yang diformuasikan
pada tahap perancangan.
Meakukan anaisis sensitivitas.
Menyeeksi aternatif-aternatif yang terbaik.
Meakukan perencanaan untuk tahap impementasi.
< Hasi akhir dari tahap ini adaah solusi.
< Pada tahap ini akan diimpementasikan hasi
(sousi) yang teah diperoeh daam tahap
pemiihan
Pokok bahasan untuk
pertemuan kai ini adaah
menindakanjuti sisa usaha
perusahaan daam tahun 2008
SP
DREKTUR
Wa Direktur
Mj. T
Mj. Produksi
Mj. Pemasaran Mj. nventory Keuangan
Divisi keuangan, bisa
diinformasikan berapa sisa
usaha kita akhir tahun ini?
Seteah dikurangi dengan perkiraan
biaya operasiona pada buan terakhir,
sisa usaha kita sekitar 500 jt rupiah.
DREKTUR
Keuangan
Sebenarnya kita juga masih
memiiki deposito, namun
kami tidak ingin deposito tsb
dicairkan daam waktu dekat.
Namun sepertinya kita membutuhkan
dana segar untuk peningkatan
produktivitas perusahaan kita Pak.
DREKTUR
Waki Direktur
Untuk apa misanya.???
Sepertinya pimpinan perusahaan
membutuhkan mobi baru. Mobi ama
yang kita miiki nampaknya sudah
muai harus diupgrade.
DREKTUR
Waki Direktur
Ok, betu juga. Tapi, menurut
saya, upgrading mobi beum
terau penting. Mungkin ada
masukan ain?
Dari divisi inventory, mengingat kapasitas
produksi kita yang nampaknya akan
bertambah pada tahun-tahun mendatang,
kami membutuhkan sarana transportasi
tambahan. Jika dimungkinkan, kami juga
membutuhkan ahan untuk mendirikan
gudang baru.
DREKTUR
Mj. nventory
de bagus, peru dipertimbangkan.
Namun peru dipikirkan juga, apakah
budget kita cukup untuk pemenuhan
kebutuhan tersebut.
Dari divisi produksi, mengingat
persaingan produk makanan ringan
di pasaran semakin banyak, kiranya
kita peru berinisiatif untuk
mengembangkan produk baru yang
ebih berniai jua.
DREKTUR
Mj. Produksi
Baik, aternatif pengembangan
produk baru memang peru
diperhitungkan.
Saya mendukung usuan dari
divisi produksi.
DREKTUR
Mj. Pemasaran
Boeh juga, nampaknya maintenance
sarana teknoogi informasi di
perusahaan kita tidak memerukan
biaya tinggi.
Saya kira maintenance sarana teknoogi
informasi juga peru dipertimbangkan.
Beberapa fasiitas muai diperbaiki,
mengingat kebutuhan akses informasi
pada saat ini semakin tinggi.
DREKTUR
Mj. T
Baikah, kita teah memiiki beberapa
aternatif yang peru kita
pertimbangkan daam memanfaatkan
sisa usaha kita.
Namun demikian kita peru
mempertimbangkan beberapa aspek,
seperti: harga dan daya dukung terhadap
produktivitas perusahaan
DREKTUR
Wa Direktur
Baikah. Pertemuan kai ini kita akhiri
terebih dahuu. Kami harapkan
adanya aternatif terbaik untuk
investasi sisa dana pada pertemuan
yang akan datang.
Seain itu peru dipertimbangkan pua niai
investasi barang setidaknya daam 10
tahun ke depan. Dan jangan upa,
masaah tender dan ketersediaan barang
juga peru dipikirkan.
DREKTUR
Mj. Pemasaran
< Turban (2005) mengkategorikan mode sistem
pendukung keputusan daam tujuh mode, yaitu:
Mode optimasi untuk masaah-masaah dengan
aternatif-aternatif daam jumah reatif keci.
Mode optimasi dengan agoritma.
Mode optimasi dengan formua anaitik.
Mode simuasi.
Mode heuristik.
Mode prediktif.
Mode-mode yang ainnya.
< Mode optimasi untuk masaah-masaah dengan
aternatif-aternatif daam jumah reatif keci.
Mode ini akan meakukan pencarian terhadap sousi
terbaik dari sejumah aternatif.
Teknik-teknik untuk penyeesaian masaah ini antara ain
dengan menggunakan tabe keputusan atau pohon
keputusan.
< Mode optimasi dengan agoritma.
Mode ini akan meakukan pencarian terhadap sousi
terbaik dari banyak aternatif.
Proses pencarian diakukan tahap demi tahap.
Teknik-teknik untuk penyeesaian masaah ini antara ain
dengan menggunakan inear programming atau mode
matematika yang ainnya, atau menggunakan mode
jaringan.
< Mode optimasi dengan formua anaitik.
Mode ini akan meakukan pencarian terhadap sousi
hanya dengan satu angkah meaui rumus tertentu.
Mode seperti ini banyak dijumpai pada masaah-masaah
inventory.
< Mode simuasi.
Mode ini akan meakukan pencarian terhadap sousi
cukup baik atau sousi terbaik pada beberapa aternatif
yang akan diuji daam peneitian.
Mode ini ebih banyak digunakan untuk beberapa tipe
simuasi.
< Mode heuristik.
Mode ini akan meakukan pencarian terhadap sousi
yang cukup baik meaui serangkaian aturan (rules).
Mode ini ebih banyak direpresentasikan dengan
menggunakan pemrograman heuristik atau sistem pakar
< Mode prediktif.
Mode ini akan meakukan prediksi untuk masa depan
apabia diberikan skenario tertentu.
Mode ini ebih banyak direpresentasikan dengan
menggunakan mode peramaan (forecasting) atau
anaisis Makov
< Mode-mode yang ainnya.
Mode ini akan menyeesaikan kasus what-if
menggunakan formua tertentu.
Mode ini ebih banyak digunakan pada pemodean
keuangan atau konsep antrian.
< Pemodean merupakan suatu upaya untuk
meakukan anaisis sistem pendukung keputusan
(SPK) dengan cara meniru bentuk nyata-nya
daripada meakukannya pada sistem nyata.
< Manipuasi mode (seperti mengubah variabe)
akan ebih mudah diakukan daripada
meakukannya pada sistem nyata.
< Mode dapat menghemat waktu.
< Biaya untuk menganaisis mode jauh ebih murah
jika dibandingkan dengan mengapikasikannya
pada sistem nyata.
< Resiko kesaahan pada bentuk mode dengan
meakukan trial & error (coba-coba) jauh ebih
rendah jika dibandingkan dengan meakukannya
pada sistem nyata.
< ingkungan bisnis yang banyak mengandung
ketidakpastian.
< Mode matematika dapat menganaisis
kemungkinan sousi daam jumah yang ebih
banyak bahkan tidak terbatas.
< Mode meningkatkan pembeajaran & peatihan.
< Mode-mode dan metode-metode untuk
mendapatkan sousi teah tersedia di web.
< da beberapa Java applet (atau pemrograman
web ainnya) yang tersedia untuk
menyeesaikan mode-mode tersebut.
< Pemodean pada SPK mencakup tujuh
permasaahan:
dentifikasi masaah dan anaisis ingkungan.
dentifikasi variabe
Peramaan (forecasting).
Penggunaan beberapa mode keputusan.
Seeksi kategori mode yang sesuai.
Manajemen mode.
Pemodean berbasis pengetahuan
< Pada tahap ini akan diakukan pengawasan,
peacakan, dan interpretasi terhadap informasi-
informasi yang teah terkumpu.
< naisis diakukan terhadap domain dan
dinamika dari ingkungan yang ada.
< Pada bagian ini peru juga diidentifikasi budaya
organisasi dan proses pengambian keputusan.
< Dapat digunakan business intelligence tools
untuk keperuan tersebut.
< Pada tahap ini akan diidentifikasi variabe-variabe
yang reevan.
< Variabe tersebut meiputi variabe keputusan,
variabe intermediate (tak terkontro), dan variabe
hasi.
< Untuk kepentingan tersebut, dapat digunakan
influence diagram untuk menunjukkan reasi antar
variabe-variabe tersebut.
< pabia suatu SPK diimpemantasikan, maka
akibatnya akan dirasakan di kemudian hari.
< Oeh karena itu, peramaan mutak diperukan.
< Suatu sistem pendukung keputusan dapat terdiri-
atas beberapa mode.
< Masing-masing mode merepresentasikan bagian
yang berbeda dari masaah pengambian
keputusan.
< da tujuh kategori mode SPK sebagaimana teah
dijeaskan pada bagian terdahuu.
< Setiap kategori memiiki beberapa teknik-teknik
tertentu.
< Pada dasarnya, teknik-teknik tersebut dapat
diapikasikan baik daam mode statis maupun
mode dinamis.
< Mode statis umumnya memberikan asumsi
adanya operasi peruangan dengan menggunakan
kondisi yang identik.
< Mode dinamik (time-dependent)
merepresentasikan skenario yang senantiasa
berubah dari waktu ke waktu.
< Fokus Masaah
< Metode-metode
Tabe keputusan
Pohon Keputusan
Multi Attribute Decision Making (MDM)
< Turban (2005) mengkategorikan mode sistem
pendukung keputusan daam tujuh mode, yaitu:
Model optimasi untuk masalah-masalah dengan
alternatif-alternatif dalam jumlah relatif kecil.
Mode optimasi dengan agoritma.
Mode optimasi dengan formua anaitik.
Mode simuasi.
Mode heuristik.
Mode prediktif.
Mode-mode yang ainnya.
< Mode optimasi untuk masaah-masaah dengan
aternatif-aternatif daam jumah reatif keci.
Mode ini akan meakukan pencarian terhadap sousi
terbaik dari sejumah aternatif.
Teknik-teknik untuk penyeesaian masaah ini antara ain
dengan menggunakan tabe keputusan, pohon
keputusan, atau beberapa metode pada MDM.
< Tabe keputusan merupakan metode pengambian
keputusan yang cukup sederhana.
< Metode ini menggunakan bantuan tabe yang berisi
hubungan antara beberapa atribut yang
mempengaruhi atribut tertentu.
< Umumnya, tabe keputusan ini digunakan untuk
penyeesaian masaah yang tidak meibatkan
banyak aternatif.
< Pada tabe keputusan, niai kebenaran suatu
kondisi diberikan berdasarkan niai ogika dari
setiap atribut E
k
.
< Hanya ada dua niai kebenaran, yaitu E
k
= benar
atau E
k
= saah.
< Secara umum, tabe keputusan berbentuk:
D = E {E
1
, E
2
, ..., E
K
}
dengan D adaah niai kebenaran suatu kondisi, dan
E
i
adaah niai kebenaran atribut ke-i (i = 1, 2, ... K).
< ontoh-1:
Jurusan Teknik nformatika akan meakukan rekruitmen
asisten untuk beberapa aboratorium di ingkungannya.
Persyaratan untuk menjadi asisten di suatu aboratorium
ditentukan oeh niai beberapa matakuiah.
Setiap aboratorium dimungkinkan memiiki syarat niai
yang berbeda.
variabel
Logika
Ekspresi Logika
E
1
Nemiliki !PK > 3,00
E
2
Ninimal tengah duduk di semester 3
E
3
Nilai matakuliah algoritma pemrograman = A
E
4
Nilai matakuliah kecerdasan buatan = A
E
S
Nilai matakuliah basisdata = A
E
6
Nilai matakuliah grafika komputer = A
E
7
Nilai matakuliah jaringan komputer = A
E
8
Nilai matakuliah informatika kedokteran minimal B
No
Atribut*
Laboratorium
E
1
E
2
E
3
E
4
E
S
E
6
E
7
E
8
1 Y Y Y
Pemrograman S
!nformatika Teori
2 Y Y Komputasi S Sist. Cerdas
3 Y Y Y Sistem !nformasi S RPL
4 Y Y Crafika S Nultimedia
S Y Y Y Sistem S ]aringan Komp.
6 Y Y Y !nformatika Kedokteran
7 Y Y Y !nformatika Kedokteran
8 Y Y Y !nformatika Kedokteran
3 Y Y Y !nformatika Kedokteran
Kombinasi untuk semua E
i
(i=1,2,...,8) pada aturan tersebut
merupakan pengetahuan untuk menentukan pemiihan
asisten aboratorium.
Sebagai contoh untuk aboratorium Pemrograman &
nformatika Teori dapat digunakan aturan pertama, yaitu:
Untuk aboratorium nformatika Kedokteran dapat
digunakan aturan ke-6, ke-7, ke-8, dan ke-9, yaitu:
dengan adaah operator ND; dan + adaah operator OR.
3 2 1
E E E D - - =
8 6 1 8 5 1 8 4 1 8 3 1
E E E E E E E E E E E E D - - + - - + - - + - - =
< ontoh-2:
Suatu institusi pendidikan tinggi akan memberikan
peniaian terhadap produktivitas staf pengajarnya daam
waktu 1 tahun.
da 5 kriteria yang akan diberikan, yaitu: tidak produktif,
kurang produktif, cukup produktif, produktif, dan sangat
produktif.
tribut yang digunakan untuk memberikan peniaian
adaah sebagai berikut.
N 1 = jumah karya imiah yang dihasikan
N 2 = jumah diktat (bahan ajar) yang dihasikan
N 3 = jumah buku referensi yang dihasikan
Kategori
Atribut
C1 C2 C3
Sangat Produktif > 6 > 2 K 1
Produktif S atau 6 K 2 Tidak
dipertimbangkan
Cukup Produktif 3 atau 4 K 1 Tidak
dipertimbangkan
Kurang Produktif 1 atau 2 Tidak
dipertimbangkan
Tidak
dipertimbangkan
Tidak Produktif 0 0 0
Niai Tidak dipertimbangkan berarti berapapun niainya
diperboehkan.
Sedangkan niai 0 berarti, tidak menghasikan.
Misakan seorang staf bernama Edi, teah menghasikan
karya imiah sebanyak 3 karya, diktat sebanyak 2 karya,
dan tidak menghasikan buku referensi, maka Edi
termasuk daam kategori ukup Produktif.
< Free deivery for cust who ive within 15 km and
have ordered more than $150 of goods or who
have ordered before. $5 deivery for cust. Who ive
outside 15 km and ordered more than $150 of
goods. $10 deivey for cust who ive outside 15 km
and orderedess than $150 of goods and no have
ordered before.
< Pohon keputusan adaah saah satu metode
penyeesaian masaah keputusan dengan cara
merepresentasikan pengetahuan daam bentuk pohon.
< Suatu pohon memiiki conditional node yang
menunjukkan kebenaran suatu ekspresi atau atribut.
< Conditional node tersebut memberikan beberapa
kemungkinan niai, dapat berupa niai booean (Benar
atau Saah), atau beberapa aternatif niai yang mungkin
dimiiki oeh suatu atribut, misa untuk atribut Tekanan
Darah (Rendah, Norma, Tinggi).
< ontoh:
Untuk kasus pemiihan dosen produktif akan dibuat
pohon keputusannya.
Kategori
Atribut
C1 C2 C3
Sangat Produktif > 6 > 2 K 1
Produktif S atau 6 K 2 Tidak
dipertimbangkan
Cukup Produktif 3 atau 4 K 1 Tidak
dipertimbangkan
Kurang Produktif 1 atau 2 Tidak
dipertimbangkan
Tidak
dipertimbangkan
Tidak Produktif 0 0 0
< Secara umum, mode Multi-Attribute Decision
Making (MDM) dapat didefinisikan sebagai
berikut (Zimermann, 1991):
Misakan = {a
i
| i = 1,...,n} adaah himpunan aternatif-
aternatif keputusan dan = {c
j
| j = 1,..., m} adaah
himpunan tujuan yang diharapkan, maka akan ditentukan
aternatif x
0
yang memiiki derajat harapan tertinggi
terhadap tujuantujuan yang reevan c
j
.
< Janko (2005) memberikan batasan tentang
adanya beberapa fitur umum yang akan
digunakan daam MDM, yaitu:
Alternatif, adaah obyek-obyek yang berbeda dan
memiiki kesempatan yang sama untuk dipiih oeh
pengambi keputusan.
Atribut, sering juga disebut sebagai karakteristik,
komponen, atau kriteria keputusan. Meskipun pada
kebanyakan kriteria bersifat satu eve, namun tidak
menutup kemungkinan adanya sub kriteria yang
berhubungan dengan kriteria yang teah diberikan.
Konflik antar kriteria, beberapa kriteria biasanya
mempunyai konfik antara satu dengan yang ainnya,
misanya kriteria keuntungan akan mengaami konfik
dengan kriteria biaya.
Bobot keputusan, bobot keputusan menunjukkan
kepentingan reatif dari setiap kriteria, W = (w
1
, w
2
, ..., w
n
).
Pada MDM akan dicari bobot kepentingan dari setiap
kriteria.
Matriks keputusan, suatu matriks keputusan X yang
berukuran m x n, berisi eemen-eemen x
ij
, yang
merepresentasikan rating dari aternatif
i
(i=1,2,...,m)
terhadap kriteria
j
(j=1,2,...,n).
< Masaah MDM adaah mengevauasi m aternatif
i
(i=1,2,...,m) terhadap sekumpuan atribut atau kriteria
j
(j=1,2,...,n), dimana setiap atribut saing tidak
bergantung satu dengan yang ainnya.
< Kriteria atau atribut dapat dibagi menjadi dua kategori,
yaitu:
Kriteria keuntungan adaah kriteria yang niainya akan
dimaksimumkan, misanya: keuntungan, PK (untuk kasus
pemiihan mahasiswa berprestasi), d.
Kriteria biaya adaah kriteria yang niainya akan diminimumkan,
misanya: harga produk yang akan dibei, biaya produksi, d.
< Pada MDM, matriks keputusan setiap aternatif terhadap
setiap atribut, X, diberikan sebagai:
dengan x
ij
merupakan rating kinerja aternatif ke-i
terhadap atribut ke-j.
< Nilai bobot yang menunjukkan tingkat kepentingan reatif
setiap atribut, diberikan sebagai, W:
W = {w
1
, w
2
, ..., w
n
}

=
23 2 2 1 2
3 2 22 21
3 1 12 11
x x x
x x x
x x x
X

< Rating kinerja (X), dan niai bobot (W) merupakan


niai utama yang merepresentasikan preferensi
absout dari pengambi keputusan.
< Masaah MDM diakhiri dengan proses perankingan
untuk mendapatkan aternatif terbaik yang diperoeh
berdasarkan niai keseuruhan preferensi yang
diberikan (Yeh, 2002).
< Pada MDM, umumnya akan dicari solusi ideal.
< Pada sousi idea akan memaksimumkan semua
kriteria keuntungan dan meminimumkan semua
kriteria biaya.
MasaIah
Kriteria-1
(
1
)
Kriteria-2
(
2
)
Kriteria-m
(
m
)
. . .
Alternatif-1
(
1
)
Alternatif-2
(
2
)
Alternatif-n
(
n
)
. . .
< da beberapa metode yang dapat digunakan untuk
menyeesaikan masaah MDM, antara ain:
a. Simple Additive Weighting (SW)
b. Weighted Product (WP)
c. TOPSS
d. Analytic Hierarchy Process (HP)
< Metode Simple Additive Weighting (SW) sering
juga dikena istiah metode penjumahan
terbobot.
< Konsep dasar metode SW adaah mencari
penjumahan terbobot dari rating kinerja pada
setiap aternatif pada semua atribut (Fishburn,
1967)(Macrimmon, 1968).
< Metode SW membutuhkan proses normaisasi
matriks keputusan (X) ke suatu skaa yang
dapat diperbandingkan dengan semua rating
aternatif yang ada.
< Formua untuk meakukan normaisasi tersebut
adaah sebagai berikut:
dengan r
ij
adaah rating kinerja ternormaisasi
dari aternatif
i
pada atribut
j
; i=1,2,...,m dan
j=1,2,...,n.

=
(cost) biaya atribut adalah j jika
x
x Mi3
(be3eIit) keu3tu3a3 atribut adalah j jika
x Max
x
r
ij
ij
i
ij
i
ij
ij
< Niai preferensi untuk setiap aternatif (V
i
)
diberikan sebagai:
< Niai V
i
yang ebih besar mengindikasikan
bahwa aternatif
i
ebih terpiih.

=
=
3
1 j
ij j i
r w V
< ontoh-1:
Suatu institusi perguruan tinggi akan memiih seorang
karyawannya untuk dipromosikan sebagai kepaa unit
sistem informasi.
da empat kriteria yang digunakan untuk meakukan
peniaian, yaitu:
N 1 = tes pengetahuan (wawasan) sistem informasi
N 2 = praktek instaasi jaringan
N 3 = tes kepribadian
N 4 = tes pengetahuan agama
Pengambi keputusan memberikan bobot untuk setiap
kriteria sebagai berikut: 1 = 35%; 2 = 25%; 3 = 25%;
dan 4 = 15%.
da enam orang karyawan yang menjadi kandidat
(aternatif) untuk dipromosikan sebagai kepaa unit, yaitu:
N 1 = ndra,
N 2 = Roni,
N 3 = Putri,
N 4 = Dani,
N 5 = Ratna, dan
N 6 = Mira.
Tabe niai aternatif di setiap kriteria:
Alternatif
Kriteria
C1 C2 C3 C4
ndra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80
Normaisasi:
dst
=
82 , 0
85
70
62 ; 75 ; 82 ; 85 ; 50 ; 70 2ax
70
r
11
= = =
=
59 , 0
85
50
62 ; 75 ; 82 ; 85 ; 50 ; 70 2ax
70
r
21
= = =
=
67 , 0
75
50
50 ; 75 ; 70 ; 55 ; 60 ; 50 2ax
50
r
12
= = =
=
80 , 0
75
60
50 ; 75 ; 70 ; 55 ; 60 ; 50 2ax
60
r
22
= = =
Hasi normaisasi:

=
94 , 0 88 , 0 67 , 0 73 , 0
87 , 0 1 1 88 , 0
1 76 , 0 93 , 0 96 , 0
88 , 0 94 , 0 73 , 0 1
82 , 0 96 , 0 80 , 0 59 , 0
71 , 0 94 , 0 67 , 0 82 , 0
R
Proses perankingan dengan menggunakan bobot yang
teah diberikan oeh pengambi keputusan: w = [0,35
0,25 0,25 0,15]
Hasi yang diperoeh adaah sebagai berikut:
796 , 0 ) 71 , 0 )( 15 , 0 ( ) 94 , 0 )( 25 , 0 ( ) 67 , 0 )( 25 , 0 ( ) 82 , 0 )( 35 , 0 ( V
1
= + + + =
770 , 0 ) 82 , 0 )( 15 , 0 ( ) 96 , 0 )( 25 , 0 ( ) 80 , 0 )( 25 , 0 ( ) 59 , 0 )( 35 , 0 ( V
2
= + + + =
900 , 0 ) 88 , 0 )( 15 , 0 ( ) 94 , 0 )( 25 , 0 ( ) 73 , 0 )( 25 , 0 ( ) 00 , 1 )( 35 , 0 ( V
3
= + + + =
909 , 0 ) 00 , 1 )( 15 , 0 ( ) 76 , 0 )( 25 , 0 ( ) 93 , 0 )( 25 , 0 ( ) 96 , 0 )( 35 , 0 ( V
4
= + + + =
939 , 0 ) 87 , 0 )( 15 , 0 ( ) 00 , 1 )( 25 , 0 ( ) 00 , 1 )( 25 , 0 ( ) 88 , 0 )( 35 , 0 ( V
5
= + + + =
784 , 0 ) 94 , 0 )( 15 , 0 ( ) 88 , 0 )( 25 , 0 ( ) 67 , 0 )( 25 , 0 ( ) 73 , 0 )( 35 , 0 ( V
6
= + + + =
Niai terbesar ada pada V
5
sehingga aternatif
5
adaah
aternatif yang terpiih sebagai aternatif terbaik.
Dengan kata ain, Ratna akan terpiih sebagai kepaa unit
sistem informasi.
< ontoh-2:
Sebuah perusahaan makanan ringan XYZ akan
menginvestasikan sisa usahanya daam satu tahun.
Beberapa aternatif investasi teah akan diidentifikasi.
Pemiihan aternatif terbaik ditujukan seain untuk
keperuan investasi, juga daam rangka meningkatkan
kinerja perusahaan ke depan.
Beberapa kriteria digunakan sebagai bahan
pertimbangan untuk mengambi keputusan, yaitu:
N 1 = Harga, yaitu seberapa besar harga barang
tersebut.
N 2 = Nilai investasi 10 tahun ke depan, yaitu seberapa
besar niai investasi barang daam jangka waktu 10 tahun
ke depan.
N 3 = Daya dukung terhadap produktivitas perusahaan,
yaitu seberapa besar peranan barang daam mendukung
naiknya tingkat produktivitas perusahaan. Daya dukung
diberi niai: 1 = kurang mendukung, 2 = cukup
mendukung; dan 3 = sangat mendukung.
N 4 = Prioritas kebutuhan, merupakan tingkat
kepentingan (ke-mendesak-an) barang untuk dimiiki
perusahaan. Prioritas diberi niai: 1 = sangat berprioritas,
2 = berprioritas; dan 3 = cukup berprioritas.
N 5 = Ketersediaan atau kemudahan, merupakan
ketersediaan barang di pasaran. Ketersediaan diberi niai: 1
= suit diperoeh, 2 = cukup mudah diperoeh; dan 3 =
sangat mudah diperoeh.
Dari pertama dan keempat kriteria tersebut, kriteria
pertama dan keempat merupakan kriteria biaya,
sedangkan kriteria kedua, ketiga, dan keima merupakan
kriteria keuntungan.
Pengambi keputusan memberikan bobot untuk setiap
kriteria sebagai berikut: 1 = 25%; 2 = 15%; 3 = 30%;
4 = 25; dan 5 = 5%.
da empat aternatif yang diberikan, yaitu:
N 1 = Membei mobi box untuk distribusi barang ke
gudang;
N 2 = Membei tanah untuk membangun gudang baru;
N 3 = Maintenance sarana teknoogi informasi;
N 4 = Pengembangan produk baru.
< Niai setiap aternatif pada setiap kriteria:
Alternatif
Kriteria
C1
(juta Rp)
C2
(%)
C3 C4 C5
1 150 15 2 2 3
2 500 200 2 3 2
3 200 10 3 1 3
4 350 100 3 1 2
< Normaisasi:
< dst
=
1
150
150
150
350 ; 200 ; 500 ; 150 2i3
r
11
= = =
=
075 , 0
200
15
100 ; 10 ; 200 ; 15 2ax
15
r
21
= = =
=
667 , 0
3
2
3 ; 3 ; 2 ; 2 2ax
2
r
35
= = =
5 , 0
2
1
2
} 1 ; 1 ; 3 ; 2 2i3
r
45
= = =
< Hasi normaisasi:

=
67 , 0 1 1 50 , 0 43 , 0
1 1 1 05 , 0 75 , 0
67 , 0 33 , 0 67 , 0 1 30 , 0
1 50 , 0 67 , 0 08 , 0 1
R
< Proses perankingan dengan menggunakan bobot yang
teah diberikan oeh pengambi keputusan:
w = [0,25 0,15 0,30 0,25 0,05]
< Hasi yang diperoeh adaah sebagai berikut:
< Niai terbesar ada pada V3 sehingga aternatif 3 adaah
aternatif yang terpiih sebagai aternatif terbaik. Dengan
kata ain, maintenance sarana teknoogi informasi akan
terpiih sebagai sousi untuk investasi sisa usaha
638 , 0 ) 1 )( 05 , 0 ( ) 5 , 0 )( 25 , 0 ( ) 67 , 0 )( 3 , 0 ( ) 08 , 0 )( 15 , 0 ( ) 1 )( 25 , 0 ( V
1
= + + + + =
542 , 0 ) 67 , 0 )( 05 , 0 ( ) 33 , 0 )( 25 , 0 ( ) 67 , 0 )( 3 , 0 ( ) 1 )( 15 , 0 ( ) 3 , 0 )( 25 , 0 ( V
2
= + + + + =
795 , 0 ) 1 )( 05 , 0 ( ) 1 )( 25 , 0 ( ) 1 )( 3 , 0 ( ) 05 , 0 )( 15 , 0 ( ) 75 , 0 )( 25 , 0 ( V
3
= + + + + =
766 , 0 ) 67 , 0 )( 05 , 0 ( ) 1 )( 25 , 0 ( ) 1 )( 3 , 0 ( ) 5 , 0 )( 15 , 0 ( ) 43 , 0 )( 25 , 0 ( V
4
= + + + + =
< Metode Weighted Product (WP) menggunakan
perkaian untuk menghubungkan rating atribut,
dimana rating setiap atribut harus dipangkatkan
duu dengan bobot atribut yang bersangkutan.
< Proses ini sama hanya dengan proses
normaisasi.
< Preferensi untuk aternatif
i
diberikan sebagai
berikut:
dengan i=1,2,...,m; dimana w
j
= 1.
< w
j
adaah pangkat berniai positif untuk atribut
keuntungan, dan berniai negatif untuk atribut
biaya.
a
=
=
3
1 j
w
ij i
j
x S
< ontoh:
Suatu perusahaan di Kabupaten Maang, ingin
membangun sebuah gudang yang akan digunakan
sebagai tempat untuk menyimpan sementara hasi
produksinya.
da 3 okasi yang akan menjadi aternatif, yaitu:
N 1 = Singosari,
N 2 = awang,
N 3 =Turen.
da 5 kriteria yang dijadikan acuan daam
pengambian keputusan, yaitu:
N 1 = jarak dengan pasar terdekat (km),
N 2 = kepadatan penduduk di sekitar okasi
(orang/km2);
N 3 = jarak dari pabrik (km);
N 4 = jarak dengan gudang yang sudah ada (km);
N 5 = harga tanah untuk okasi (x1000 Rp/m2).
Tingkat kepentingan setiap kriteria, juga diniai dengan
1 sampai 5, yaitu:
N 1 = Sangat rendah,
N 2 = Rendah,
N 3 = ukup,
N 4 = Tinggi,
N 5 = Sangat Tinggi.
Pengambi keputusan memberikan bobot preferensi
sebagai:
W = (5, 3, 4, 4, 2)
Niai setiap aternatif di setiap kriteria:
Iternatif
Kriteria
C
1
C
2
C
3
C
4
C
5

1
0,75 2000 18 50 500

2
0,50 1500 20 40 450

3
0,90 2050 35 35 800
Kategori setiap kriteria:
N Kriteria 2 (kepadatan penduduk di sekitar okasi) dan
4 (jarak dengan gudang yang sudah ada) adaah
kriteria keuntungan;
N Kriteria 1 (jarak dengan pasar terdekat), 3 (jarak
dari pabrik), dan 5 (harga tanah untuk okasi) adaah
kriteria biaya.
Sebeumnya diakukan perbaikan bobot terebih
dahuu seperti sehingga w = 1, diperoeh w
1
= 0,28;
w
2
= 0,17; w
3
= 0,22; w
4
= 0,22; dan w
5
= 0,11.
Kemudian vektor S dapat dihitung sebagai berikut:
4187 , 2 500 50 18 2000 75 , 0 S
11 , 0 22 , 0 22 , 0 17 , 0 28 , 0
1
= =

4270 , 2 450 40 20 1500 5 , 0 S
11 , 0 22 , 0 22 , 0 17 , 0 28 , 0
2
= =

7462 , 1 800 35 35 2050 9 , 0 S
11 , 0 22 , 0 22 , 0 17 , 0 28 , 0
3
= =

Niai vektor V yang akan digunakan untuk
perankingan dapat dihitung sebagai berikut:
Niai terbesar ada pada V2 sehingga aternatif 2
adaah aternatif yang terpiih sebagai aternatif
terbaik.
Dengan kata ain, asan akan terpiih sebagai
okasi untuk mendirikan gudang baru.
3669 , 0
7462 , 1 4270 , 2 4187 , 2
4187 , 2
V
1
=
+ +
=
3682 , 0
7462 , 1 4270 , 2 4187 , 2
4270 , 2
V
2
=
+ +
=
2649 , 0
7462 , 1 4270 , 2 4187 , 2
7462 , 1
V
3
=
+ +
=
< Technique for Order Preference by Similarity to
Ideal Solution (TOPSS) didasarkan pada konsep
dimana aternatif terpiih yang terbaik tidak hanya
memiiki jarak terpendek dari sousi idea positif,
namun juga memiiki jarak terpanjang dari sousi
idea negatif.
< TOPSS banyak digunakan dengan aasan:
konsepnya sederhana dan mudah dipahami;
komputasinya efisien; dan
memiiki kemampuan untuk mengukur kinerja reatif
dari aternatif-aternatif keputusan daam bentuk
matematis yang sederhana.
< angkah-angkah penyeesaian masaah MDM
dengan TOPSS:
Membuat matriks keputusan yang ternormaisasi;
Membuat matriks keputusan yang ternormaisasi
terbobot;
Menentukan matriks sousi idea positif & matriks
sousi idea negatif;
Menentukan jarak antara niai setiap aternatif dengan
matriks sousi idea positif & matriks sousi idea
negatif;
Menentukan niai preferensi untuk setiap aternatif.
< TOPSS membutuhkan rating kinerja setiap
aternatif
i
pada setiap kriteria
j
yang
ternormaisasi, yaitu:

=
=
2
1 i
2
ij
ij
ij
x
x
r
< Sousi idea positif
+
dan sousi idea negatif
-
dapat ditentukan berdasarkan rating bobot
ternormaisasi (y
ij
) sebagai:
ij i ij
r w y =
; y , , y , y A
3 2 1
+ + + +
=
; y , , y , y A
3 2 1

=
dengan

=
+
biaya atribut adalah j jika ; y 2i3
keu3tu3a3 atribut adalah j jika
; y 2ax
y
ij
i
ij
i
j

biaya atribut adalah j jika ; y 2ax


keu3tu3a3 atribut adalah j jika
; y 2i3
y
ij
i
ij
i
j
%!$$
< Jarak antara aternatif
i
dengan solusi ideal
positif dirumuskan sebagai:
< Jarak antara aternatif
i
dengan solusi ideal
negatif dirumuskan sebagai:
; y y D
3
1 j
2
ij i i
=
+ +
=
; y y D
3
1 j
2
i ij i
=

=
< Nilai preferensi untuk setiap aternatif (V
i
)
diberikan sebagai:
< Niai V
i
yang ebih besar menunjukkan bahwa
aternatif
i
ebih dipiih
;
D D
D
V
i i
i
i
+

+
=
< ontoh:
Suatu perusahaan di Kota Maang, ingin membangun
sebuah gudang yang akan digunakan sebagai tempat
untuk menyimpan sementara hasi produksinya.
da 3 okasi yang akan menjadi aternatif, yaitu:
N 1 = Singosari,
N 2 = awang,
N 3 = Turen.
da 5 kriteria yang dijadikan acuan daam
pengambian keputusan, yaitu:
N 1 = jarak dengan pasar terdekat (km),
N 2 = kepadatan penduduk di sekitar okasi
(orang/km2);
N 3 = jarak dari pabrik (km);
N 4 = jarak dengan gudang yang sudah ada (km);
N 5 = harga tanah untuk okasi (x1000 Rp/m2).
Tingkat kepentingan setiap kriteria, juga diniai dengan
1 sampai 5, yaitu:
N 1 = Sangat rendah,
N 2 = Rendah,
N 3 = ukup,
N 4 = Tinggi,
N 5 = Sangat Tinggi.
Pengambi keputusan memberikan bobot preferensi
sebagai:
W = (5, 3, 4, 4, 2)
Niai setiap aternatif di setiap kriteria:
Iternatif
Kriteria
C
1
C
2
C
3
C
4
C
5

1
0,75 2000 18 50 500

2
0,50 1500 20 40 450

3
0,90 2050 35 35 800
Matriks ternormaisasi, R:
Matriks ternormaisasi terbobot, Y:

=
7654 , 0 4796 , 0 7928 , 0 6341 , 0 7066 , 0
4305 , 0 5482 , 0 4530 , 0 4640 , 0 3925 , 0
4784 , 0 6852 , 0 4077 , 0 6186 , 0 5888 , 0
R

=
5308 , 1 9185 , 1 1712 , 3 9022 , 1 5328 , 3
8611 , 0 1926 , 2 8121 , 1 3919 , 1 9627 , 1
9567 , 0 7408 , 2 6309 , 1 8558 , 1 9440 , 2
Y
Sousi dea Positif (
+
):
= 9627 , 1 5328 , 3 ; 9627 , 1 ; 9440 , 2 2i3 y
1
= =
+
= 9022 , 1 9022 , 1 ; 3919 , 1 ; 8558 , 1 2ax y
2
= =
+
= 6309 , 1 1712 , 3 ; 8121 , 1 ; 6309 , 1 2i3 y
3
= =
+
= 7408 , 2 9185 , 1 ; 1926 , 2 ; 7408 , 2 2ax y
4
= =
+
= 8611 , 0 5308 , 1 ; 8611 , 0 ; 9567 , 0 2i3 y
5
= =
+
= 8611 , 0 ; 7408 , 2 ; 6309 , 1 ; 9022 , 1 ; 9627 , 1 A =
+
Sousi dea Negatif (
-
):
= 9440 , 2 5328 , 3 ; 9627 , 1 ; 9440 , 2 2ax y
1
= =

= 3919 , 1 9022 , 1 ; 3919 , 1 ; 8558 , 1 2i3 y


2
= =

= 1712 , 3 1712 , 3 ; 8121 , 1 ; 6309 , 1 2ax y


3
= =

= 9185 , 1 9185 , 1 ; 1926 , 2 ; 7408 , 2 2i3 y


4
= =

= 5308 , 1 5308 , 1 ; 8611 , 0 ; 9567 , 0 2ax y


5
= =

= 5308 , 1 ; 9185 , 1 ; 1712 , 3 ; 3919 , 1 ; 9440 , 2 A =

Jarak antara niai terbobot setiap aternatif terhadap


sousi idea positif, :
Jarak antara niai terbobot setiap aternatif terhadap
sousi idea negatif, :
+
i
S

i
S
9871 , 0 D
1
=
+
7706 , 0 D
2
=
+
4418 , 2 D
3
=
+
9849 , 1 D
1
=

1991 , 2 D
2
=

5104 , 0 D
3
=

Kedekatan setiap aternatif terhadap sousi idea


dihitung sebagai berikut:
Dari niai V ini dapat diihat bahwa V2 memiiki niai
terbesar, sehingga dapat disimpukan bahwa
aternatif kedua yang akan ebih dipiih.
Dengan kata ain, Kaasan akan terpiih sebagai
okasi untuk mendirikan gudang baru.
6679 , 0
9849 , 1 9871 , 0
9849 , 1
V
1
=
+
=
7405 , 0
1991 , 2 7706 , 0
1991 , 2
V
2
=
+
=
1729 , 0
5104 , 0 4418 , 2
5104 , 0
V
3
=
+
=
Permasalahan pada
AHP
didekomposisikan ke
dalam hirarki kriteria
dan alternatif
MASALAH
KRITERIA-1 KRITERIA-2 KRITERIA-n
KRITERIA-1,1 KRITERIA-n,1
ALTERNATIF 1 ALTERNATIF 2 ALTERNATIF m
.
. .
.
Saya ingin membeli HP yang harganya
relatif murah, memorinya besar,
warnanya banyak, ukuran piksel pada
kamera besar, beratnya ringan, dan
bentuknya unik
Ada 4 alternatif yang saya
bayangkan, yaitu: N70 ,
N73 , N80
dan N90
terna-
tif
Harga
(juta Rp)
Memori
(MB)
Warna Kamera
(MP)
Berat
(gr)
N70 2,3 35 256 kb 2 126
N73 3,1 42 256 kb 3,2 116
N80 3,7 40 256 kb 3,2 134
N90 4,7 90 16 MB 2 191
< da 3 tahap identifikasi:
Tentukan tujuan: Membei HP dengan kriteria tertentu
Tentukan kriteria: Harga, kapasitas memori, ukuran
warna, ukuran pikse kamera, berat, dan keunikan,
Tentukan aternatif: N70, N73, N80, dan N90,
Bentuk hirarki dari informasi yang
diperoleh
Membeli HP
Harga Memori
TUJUAN TUJUAN
Warna
Kamera Berat Keunikan
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
KRITERIA KRITERIA
ALTERNATIF ALTERNATIF
Informasi tersebut dapat
digunakan untuk menentukan
ranking relatif dari setiap atribut
Kriteria kuantitatif & kualitatif
dapat digunakan untuk
mempertimbangkan bobot
Harga
Memori
Warna
Kamera
Berat
Saya lebih mengutamakan kemurahan harga,
kemudian keunikan bentuk & berat HP,
sedangkan kriteria lain merupakan prioritas
terakhir
Dengan menggunakan
perbandingan
berpasangan, dapat
diketahui derajat
kepentingan relatif antar
kriteria
Matriks perbandingan
berpasangan adalah
matriks berukuran n x n
dengan elemen a
ij
merupakan nilai relatif
tujuan ke-i terhadap
tujuan ke-j
11 : sama penting (equal)
33 : cukup penting (moderate)
55 : lebih penting (strong)
77 : sangat lebih penting (very)
99 : mutlak lebih penting (extreme)
Saya lebih mengutamakan kemurahan harga, kemudian keunikan
bentuk & berat HP, sedangkan kriteria lain merupakan prioritas
terakhir

1 1 3 3 3 3 / 1
1 1 3 3 3 3 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 3 5 5 5 1
H M W K B U H M W K B U
H H
MM
WW
KK
BB
U U
Konsep EIGENVECTOR EIGENVECTOR
digunakan untuk melakukan
proses perankingan prioritas
setiap kriteria berdasarkan
matriks perbandingan
berpasangan (Saaty)
< pabia adaah matriks perbandingan berpasangan yang,
maka vektor bobot yang berbentuk:
dapat didekati dengan cara:
menormakan setiap koom j daam matriks , sedemikian
hingga:
sebut sebagai .
untuk setiap baris i daam , hitungah niai rata-ratanya:
dengan w
i
adaah bobot tujuan ke-i dari vektor bobot.

=
i
ij
1 a
) w )( 3 ( ) w )( A (
T T
=

=
j
'
ij i
a
3
1
w
< Uji konsistensi: Misakan adaah matriks
perbandingan berpasangan, dan w adaah vektor
bobot, maka konsistensi dari vektor bobot w dapat
diuji sebagi berikut:
hitung: ()(w
T
)
hitung: indeks konsistensi:

'
+

'

=
3
1 i
T
T
w pada i - ke ele2e3
) (A)(w pada i - ke ele2e3
3
1
t
1 3
3 t
CI

=
jika =0 maka konsisten;
jika maka cukup konsisten; dan
jika maka sangat tidak konsisten.
< ndeks random R
n
adaah niai rata-rata yang
dipiih secara acak pada dan diberikan sebagai:
1 , 0
RI
CI
3
A
1 , 0
RI
CI
3

3 2 3 4 5 6 7 ...
RI
3
0 0,58 0,90 1,12 1,24 1,32 ...

1 1 3 3 3 3 / 1
1 1 3 3 3 3 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 / 1 3 / 1 1 1 1 5 / 1
3 3 5 5 5 1
H M W K B U H M W K B U
H H
MM
WW
KK
BB
U U

1 1 33 , 0 33 , 0 33 , 0 33 , 0
1 1 33 , 0 33 , 0 33 , 0 33 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
3 3 5 5 5 1

1 1 3 3 3 33 , 0
1 1 3 3 3 33 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
3 3 5 5 5 1
2,26 14 14 14 6 6

6 / 1 6 / 1 14 / 33 , 0 14 / 33 , 0 14 / 33 , 0 26 , 2 / 33 , 0
6 / 1 6 / 1 14 / 33 , 0 14 / 33 , 0 14 / 33 , 0 26 , 2 / 33 , 0
6 / 33 , 0 6 / 33 , 0 14 / 1 14 / 1 14 / 1 26 , 2 / 2 , 0
6 / 33 , 0 6 / 33 , 0 14 / 1 14 / 1 14 / 1 26 , 2 / 2 , 0
6 / 33 , 0 6 / 33 , 0 14 / 1 14 / 1 14 / 1 26 , 2 / 2 , 0
6 / 3 6 / 3 14 / 5 14 / 5 14 / 5 26 , 2 / 1
1 1 1 1 1 1
Rata2 Rata2
,4188 ,4188
,89 ,89
,89 ,89
,89 ,89
,1872 ,1872
,1872 ,1872
0,4412 0,3571 0,3571 0,3571 0,5000 0,5000
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,1471 0,2143 0,2143 0,2143 0,1667 0,1667
0,1471 0,2143 0,2143 0,2143 0,1667 0,1667
1 1 1 1 1 1 1
0,4412 0,3571 0,3571 0,3571 0,5000 0,5000
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,0882 0,0714 0,0714 0,0714 0,0556 0,0556
0,1471 0,2143 0,2143 0,2143 0,1667 0,1667
0,1471 0,2143 0,2143 0,2143 0,1667 0,1667
W = (,4188; ,89; ,89; ,89; ,1872; ,1872) W = (,4188; ,89; ,89; ,89; ,1872; ,1872)
0579 , 6
1872 , 0
1345 , 1
1872 , 0
1345 , 1
0689 , 0
4154 , 0
0689 , 0
4154 , 0
0689 , 0
4154 , 0
4188 , 0
5761 , 2
6
1
t =
'
+

'

+ + + + + =
0,4188
0,0689
0,0689
0,0689
0,1872
0,1872
=
2,5761
0,4154
0,4154
0,4154
1,1345
1,1345
1 1 3 3 3 33 , 0
1 1 3 3 3 33 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
33 , 0 33 , 0 1 1 1 2 , 0
3 3 5 5 5 1
0116 , 0
5
6 0579 , 6
CI =

=
Untuk n=6, diperoleh RI
6
= 1,24, sehingga:
1 , 0 0093 , 0
24 , 1
0116 , 0
RI
CI
6
A = =
KONSISTEN !!! KONSISTEN !!!
Bentuk hirarki dari informasi yang
diperoleh
Membeli HP
Harga
(,4188)
Memori
(,89)
TUJUAN TUJUAN
Warna
(,89)
Kamera
(,89)
Berat
(,1872)
Keunikan
(,1872)
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
N70
N73
N80
N90
KRITERIA KRITERIA
ALTERNATIF ALTERNATIF
Matriks perbandingan berpasangan untuk harga harga
diperoleh dari data harga setiap HP

1 7 , 4 / 7 , 3 7 , 4 / 1 , 3 7 , 4 / 3 , 2
7 , 3 / 7 , 4 1 7 , 3 / 1 , 3 7 , 3 / 3 , 2
1 , 3 / 7 , 4 1 , 3 / 7 , 3 1 1 , 3 / 3 , 2
3 , 2 / 7 , 4 3 , 2 / 7 , 3 3 , 2 / 1 , 3 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
1 1 1 1
Rata2 Rata2
,355 ,355
,21 ,21
,2179 ,2179
,1715 ,1715
0,3505 0,3505 0,3505 0,3505
0,2601 0,2601 0,2601 0,2601
0,2179 0,2179 0,2179 0,2179
0,1715 0,1715 0,1715 0,1715
W = ( W = (,355; ,21; ,2179; ,1715 ,355; ,21; ,2179; ,1715) )
1 1 1 1
0,3505 0,3505 0,3505 0,3505
0,2601 0,2601 0,2601 0,2601
0,2179 0,2179 0,2179 0,2179
0,1715 0,1715 0,1715 0,1715
MinHarga = min(2,3; 3,1; 3,7; 4,7) = 2,3
- - N70 = N70 = 2,3/2,3 = 1 2,3/2,3 = 1
- - N73 = N73 = 2,3/3,1 = 0,74 2,3/3,1 = 0,74
- - N80 = N80 = 2,3/3,7 = 0,62 2,3/3,7 = 0,62
- - N90 = N90 = 2,3/4,7 = 0,49 2,3/4,7 = 0,49
Atau .
%otal = 1 + 0,74 + 0,62 + 0,49 = 2,85
- - N70 N70 = = 1/2,85 1/2,85 = = 0,350 0,350
- - N73 N73 = = 0,74/2,85 0,74/2,85 = = 0,260 0,260
- - N80 N80 = = 0,62/2,85 0,62/2,85 = = 0,218 0,218
- - N90 N90 = = 0,49/2,85 0,49/2,85 = = 0,172 0,172
Normalkan .
W = (,35; ,2; ,218; ,172) W = (,35; ,2; ,218; ,172)
Matriks perbandingan berpasangan untuk memori memori
diperoleh dari data memori setiap HP

1 40 / 90 42 / 90 35 / 90
90 / 40 1 42 / 40 35 / 40
90 / 42 40 / 42 1 35 / 42
90 / 35 40 / 35 42 / 35 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
W = ( W = (,191; ,229; ,1932; ,4348 ,191; ,229; ,1932; ,4348) )
Matriks perbandingan berpasangan untuk warna warna
diperoleh dari data warna setiap HP

256 / ) 1024 * 16 ( 256 / ) 1024 * 16 ( 256 / ) 1024 * 16 ( 256 / ) 1024 * 16 (


) 1024 * 16 /( 256 1 1 1
) 1024 * 16 /( 256 1 1 1
) 1026 * 16 /( 256 1 1 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
W = ( W = (,149; ,149; ,149; ,9552 ,149; ,149; ,149; ,9552) )
%otWarna = 256 + 256 + 256 + (16x1024)
= 17152
- - N70 N70 = = 256/17152 256/17152 = = 0,015 0,015
- - N73 N73 = = 256/17152 256/17152 = = 0,015 0,015
- - N80 N80 = = 256/17152 256/17152 = = 0,015 0,015
- - N90 N90 = = (16x1024)/17152 (16x1024)/17152 = = 0,955 0,955
Atau .
W = (,15; ,15; ,15; ,955) W = (,15; ,15; ,15; ,955)
Matriks perbandingan berpasangan untuk kamera kamera
diperoleh dari data kamera setiap HP

1 2 , 3 / 2 2 , 3 / 2 1
2 / 2 , 3 1 1 2 / 2 , 3
2 / 2 , 3 1 1 2 / 2 , 3
1 2 , 3 / 2 2 , 3 / 2 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
W = ( W = (,1932; ,377; ,377; ,1932 ,1932; ,377; ,377; ,1932) )
%otKamera = 2 + 3,2 + 3,2 + 2 = 10,4
- - N70 N70 = = 2/10,4 2/10,4 = = 0,192 0,192
- - N73 N73 = = 3,2/10,4 3,2/10,4 = = 0,308 0,308
- - N80 N80 = = 3,2/10,4 3,2/10,4 = = 0,308 0,308
- - N90 N90 = = 2/10,4 2/10,4 = = 0,192 0,192
Atau .
W = (,192; ,38; ,38; ,192) W = (,192; ,38; ,38; ,192)
Matriks perbandingan berpasangan untuk berat berat
diperoleh dari data berat setiap HP

1 91 , 1 / 34 , 1 91 , 1 / 16 , 1 91 , 1 / 26 , 1
34 , 1 / 91 , 1 1 34 , 1 / 16 , 1 34 , 1 / 26 , 1
16 , 1 / 91 , 1 16 , 1 / 34 , 1 1 16 , 1 / 26 , 1
26 , 1 / 91 , 1 26 , 1 / 34 , 1 26 , 1 / 16 , 1 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
W = ( W = (,2713; ,2947; ,2551; ,179 ,2713; ,2947; ,2551; ,179) )
MinBerat = min(1,26; 1,16; 1,34; 1,91) = 1,16
- - N70 = N70 = 1,26/1,16 = 0,92 1,26/1,16 = 0,92
- - N73 = N73 = 1,16/1,26 = 1 1,16/1,26 = 1
- - N80 = N80 = 1,16/1,34 = 0,87 1,16/1,34 = 0,87
- - N90 = N90 = 1,16/1,91 = 0,61 1,16/1,91 = 0,61
Atau .
%otBerat = 1 + 0,92 + 0,87 + 0,61 = 3,4
- - N70 N70 = = 1/3,4 1/3,4 = = 0,294 0,294
- - N73 N73 = = 0,92/3,4 0,92/3,4 = = 0,271 0,271
- - N80 N80 = = 0,87/3,4 0,87/3,4 = = 0,256 0,256
- - N90 N90 = = 0,61/3,4 0,61/3,4 = = 0,179 0,179
Normalkan .
W = (,271; ,294; ,25; ,179) W = (,271; ,294; ,25; ,179)
Matriks perbandingan berpasangan untuk
keunikan keunikan diperoleh secara subyektif dari
persepsi user
N90 lebih unik dibanding N80
N80 lebih unik dibanding N73
N73 lebih unik dibanding N70
Matriks perbandingan berpasangan untuk keunikan keunikan diperoleh
secara subyektif dari persepsi user

3 3 5
3 / 1 1 2 3
3 / 1 2 / 1 1 2
5 / 1 3 / 1 2 / 1 1
N7 N73 N8 N9 N7 N73 N8 N9
N7 N7
N73 N73
N8 N8
N9 N9
W = ( W = (,8; ,1544; ,2415; ,5181 ,8; ,1544; ,2415; ,5181) )
Bentuk hirarki dari informasi yang
diperoleh
Membeli HP
Harga
(,4188)
Memori
(,89)
Warna
(,89)
Kamera
(,89)
Berat
(,1872)
Keunikan
(,1872)
N7
(,355)
N73
(,21)
N8
(,2179)
N9
(,1715)
N7
(,191)
N73
(,229)
N8
(,1932)
N9
(,4348)
N7
(,149)
N73
(,149)
N8
(,149)
N9
(,9552)
N7
(,1932)
N73
(,377)
N8
(,377)
N9
(,1932)
N7
(,2713)
N73
(,2947)
N8
(,2551)
N9
(,179)
N7
(,8)
N73
(,1544)
N8
(,2415)
N9
(,5181)
< Perankingan: Misakan ada n tujuan dan m aternatif
pada HP, maka proses perankingan aternatif
dapat diakukan meaui angkah-angkah berikut:
Untuk setiap tujuan i, tetapkan matriks perbandingan
berpasangan , untuk m aternatif.
Tentukan vektor bobot untuk setiap
i
yang
merepresentasikan bobot reatif dari setiap aternatif
ke-j pada tujuan ke-i (s
ij
).
Hitung tota skor:
Piih aternatif dengan skor tertinggi.

=
i
i ij j
) w )( s ( s
0,3505 0,1691 0,0149 0,1923 0,2713 0,0860
0,2601 0,2029 0,0149 0,3077 0,2947 0,1544
0,2179 0,1932 0,0149 0,3077 0,2551 0,2415
0,1715 0,4348 0,9552 0,1923 0,1790 0,5181
0,4188
0,0689
0,0689
0,0689
0,1872
0,1872
=
0,2396
0,2292
0,2198
0,3114
N7 N7 = 0,2396
N73 N73 = 0,2292
N8 N8 = 0,2198
N9 = 0,3114