Anda di halaman 1dari 43

Multiple Criteria Decision Making:

Analytic Hierarchy Process

Wandhansari Sekar J
Goals
• To understand basic concept of Analytical
Hierarchy Process
• Able to solve decision making problem modeling
using AHP
Introduction
• The AHP was developed by Thomas L Saaty
• It’s a powerful tool for complex decision making
process
• 3 basic functions of AHP:
▫ Structuring complexity using hierarchies
▫ Measurements on a ratio scale
▫ Synthesis

AHP is an effective tool for dealing


with complex decision making, and
may aid the decision maker to set
priorities and make the best decision
Structure Hierarchy of AHP

• Level 1: goal
• Level 2: criteria that contribute towards achievement of the goal in level 1
• Level 3: the alternatives under consideration
Steps in AHP
1. Definisikan permasalahan
2. Buat struktur hirarkinya yg menggambarkan permasalahan.
Tetapkan tujuan, atribut, kriteria, sub-kriteria, isu, aktivitas,
alternatif, dsb dalam hirarki
3. Lakukan perbandingan berpasangan pada elemen di setiap
tingkatan hirarki terhadap elemen lain yang tingkatannya lebih
tinggi. Pada proses ini dihasilkan matriks perbandingan
berpasangan pada tiap tingkatan hirarki.
4. Hitung bobot lokal dari elemen-elemen tiap tingkatan terhadap
elemen yang tingkatannya lebih tinggi dalam hirarki. Lakukan
pengecekan tingkat ketidakkonsistensian, perbaiki perbandingan
berpasangan jika diperlukan.
5. Gunakan komposisi hirarki untuk mengkombinasikan bobot
untuk mencapai bobot global untuk semua alternatif
6. Review model dan lakukan perulangan pada beberapa bagian jika
diperlukan
Priority or preference weight

• Tingkat kepentingan atau prioritas ditunjukkan melalui


bobot
▫ Bobot biasanya dinormalisasi
 sehingga jumlah bobot = 1
• Jika dimiliki n alternatif atau kriteria untuk dibandingkan,
maka dicari vektor w =w = [w1, w2, …, wn]T
Pairwise comparison matrix/Matriks
Perbandingan Berpasangan
• Jika dimiliki n items untuk dibandingkan, maka pairwise comparison
reciprocal matrixnya
a11 a12  a1n 

 
a a  a 
A   21 22 2n 
 aij
 
 
a a
 n1 n 2  a nn 

wi
each element aij 
wj
• Matrix A harus memenuhi ketentuan sebagai berikut:
▫ Nilai dalam matriks A harus positif
▫ Matriks A adalah reciprocal matrix dengan aij = 1/aji untuk semua i, j
▫ Elemen-elemen diagonal A selalu 1, contoh aii = 1, untuk semua i
The scale of pairwise comparison
Tingkat kepentingan menurut Saaty :
Pairwise comparison matrix (cont’d)
• Input requirements to construct the A-matrix:
▫ Jika banyaknya objek yg akan dibandingkan sejumlah n, maka
jumlah pertanyaan yg harus dientri : n(n-1)/2

▫ Misal n=3, maka n(n-1)/2 = 3(3-1)/2 = 3  ukuran matriks 3x3


Misal :
1 1 3
 2

A  2 1 6
 
 13 1 1
6 
▫ Misal n=4, maka n(n-1)/2 = 4(4-1)/2 = 6  ukuran matriks 4x4
Misal :
 1 2 2 1 / 3
1 / 2 1 1 / 5 6 
B 
1 / 2 5 1 4 
 
 3 1 / 6 1 / 4 1 
Pairwise comparison matrix (cont’d)

• Example :
Jika ingin membandingkan 5 kriteria dalam pemilihan
pembelian mobil, yaitu harga beli, desain, harga jual
kembali, kapasitas penumpang, dan kapasitas mesin
dengan menggunakan pairwise comparison AHP.
Berapakah jumlah pertanyaan yg dibutuhkan?

Jawab :
n=5, sehingga jml pertanyaan yg dibutuhkan= n(n-1)/2
 5(5-1)/2 =10
Pairwise comparison matrix (cont’d)

Jawab :
Detil pertanyaan :
1. Harga beli Desain

2. Harga beli Harga jual kembali

3. Harga beli Kapasitas penumpang

4. Harga beli Kapasitas mesin

5. Desain Harga jual kembali


Pairwise comparison matrix (cont’d)

Jawab :
Detil pertanyaan :
6. Desain Kapasitas penumpang

7. Desain Kapasitas mesin

8. Harga jual kembali Kapasitas penumpang

9. Harga jual kembali Kapasitas mesin

10. Kapasitas penumpang Kapasitas mesin


Pairwise comparison matrix (cont’d)

Jika diinputkan ke dalam matriks menjadi :


Ukuran matriks 5x5 n=5

HB D HJ KP KM

HB  1 1/ 3 5 7 5 
D  3 1 7 1 / 3 1 / 3
 
A  HJ 1 / 5 1 / 7 1 7 5 
 
KP 1 / 7 3 1 / 7 1 1 / 3
KM 1 / 5 3 1 / 5 3 1 
Pairwise comparison matrix (cont’d)

• Perfectly consistent A-matrix


▫ A perfectly consistent pairwise comparison matrix is a valid A-
matrix such that
aik
aij   aik akj for all i,j,and k
a jk
Example
1 1 3 Tunjukkan apakah matriks tsb termasuk
 2
 perfectly consistent atau tdk?
A  2 1 6 Misal : aij = a12 = ½
 
 13 1 1
6 
aik = a13 = 3
ajk = a23 = 6
Sehingga = aik / ajk = 3/6 = 1/2
 Perfectly consistent
Pairwise comparison matrix (cont’d)

• Imperfectly consistent A-matrix


 Misal diketahui urutan preferensi seseorang B > C > A; B lebih
disukai 3x dari C, C lebih disukai 2x dari A, B lebih disukai 3 kali
dari A  secara ordering memenuhi, tetapi dari value tdk
memenuhi

aik
aij   aik akj for all i,j,and k
a jk
Example
1 1 / 3 1 / 2  Tunjukkan apakah matriks tsb termasuk
A  3 1 3 
perfectly consistent atau tdk?
Misal : aij = a12 = 1/3
2 1 / 3 1  aik = a13 = 1/2
ajk = a23 = 3
Sehingga = aik / ajk = ½ /3 = 1/6
 Imperfectly consistent
Relation between A and w
• Jika diberikan perfectly consistent matrix A,

a11 a12  a1n   w1   w1 w1  w1   w1  nw1 


a a  a   w   w1 w2 wn     
  w nw
Aw   21 22 2n   2 
   2    2   nw
    
   
     wn wn wn     
a a
 n1 n 2  a w
nn   n  
 w1 w2
  w nw
wn   n   n 
 Aw  nw
 ( A  nI ) w  0
Menghitung w jika A diketahui
• Jika A adalah perfect pairwise comparison matrix, maka w dapat
dihitung dengan menormalisasi kolom, sbb:
aij
wi  n for any j
 akj
k 1
• Tetapi terkadang A bersifat imperfect karena didasarkan judgement
manusia
• Estimasi terbaik untuk w didapatkan dari hubungan (A-λI)w=0 , di
mana λ adalah konstanta yang merupakan pendekatan ke n
• Berdasarkan aljabar linier, λ dan w adalah eigenvalue dan eigenvector
• Positive reciprocal matrix hanya memiliki satu eigenvalue yang
dominan dinotasikan dengan λmax
Contoh 1 :
• Diketahui matriks A berikut bersifat imperfect

1 1 / 3 1 / 2

A  3 1 3  
2 1 / 3 1 
• Hitung nilai λ dan w!
Contoh 1
• Setelah dicek ternya matriks tersebut imperfectly
consistent, sehingga : (A-λI)w=0

• Seberapa jauh imperfect diterima dilihat dari λ untuk


mendekati n

• Jawab :
Contoh 1
• Jawab :

Sehingga didapat 3 variabel yaitu w1, w2, w3, dan λ


Padahal hanya ada 3 persamaan, supaya dapat
diselesaikan maka :
Det [A- λI] = 0
 Didapatkan nilai λ, w1, w2, dan w3
The Consistency Index(CI)
• Error atau inconsistency dalam suatu judgement tidak selalu dapat
dihindari
• Namun, kita harus memastikan bahwa matriks tersebut tidak
mengandung banyak inconsistency
• Nilai CI dari suatu matriks dapat dihitung dengan “
max  n
CI 
n 1
• Note that actually CI is a measure of inconsistency (not consistency)

n=ukuran matriks
λmax= eigen value
The CI and the 10% rule
• Rata-rata nilai CI untuk matriks tersebut disebut Random Indices
(RI), sbb :
The CI and the 10% rule (cont’d)
• Untuk menghitung Consistency Ratio (CR), misal utk matriks A sbb:

CI of A
CR 
RI for size n

• The 10% Rule of Practice:


▫ Matriks dengan CR ≤ 0.1, maka dianggap dapat diterima
▫ Jika CR > 0.1, maka butuh untuk diperiksa ulang beberapa entri
matriksnya untuk mengurangi tingkat ketidakkonsistensian
Improving consistency of pairwise comparisons

Jika suatu matriks memiliki nilai CR >> 0.1, maka


dibutuhkan perbaikan :
1. Cek apakah terjadi kesalahan dalam input data
2. Cek homogenitasnya
3. Cek local consistency
▫ Identifikasi elemen yang paling berkontribusi terhadap
inconsistency
Approximate computation methods
• Jika ukuran n cukup besar akan kesulitan untuk
menghitung nilai λmax dan w
• Untuk itu bisa dilakukan dengan metode pendekatan:
▫ Row Geometric Mean Method
▫ Column Normalization Method
Row Geometric Mean Method
EXAMPLE :

Normalized
weight (w) w
Column normalization method
EXAMPLE :

Normalize
d weight W
(w)
Prosedur AHP: Konstruksi hirarki

• Level 1: tujuan
• Level 2: kriteria-kriteria yang dipertimbangkan utk
mencapai tujuan di level 1
• Level 3: alternatif-alternatif yang dipertimbangkan
Example 1 : Choosing recreation package
1. Konstruksi Hirarki AHP

CHOOSING OF RECREATION PACKAGE

PRICE LOCATION FACILITY

RANDAYAN LEMUKUTAN JAMUR RANDAYAN LEMUKUTAN JAMUR RANDAYAN LEMUKUTAN JAMUR


ISLAND ISLAND ISLAND ISLAND ISLAND ISLAND ISLAND ISLAND ISLAND
2. Lakukan perbandingan berpasangan (pairwise
comparison) dan hitung λmax dan w
• Lakukan perbandingan berpasangan pada elemen-elemen level 2
(criteria) terhadap level 1 (goal)  evaluasi kontribusi dari 3 kriteria
yg dipertimbangkan utk mencapai tujuan “choosing recreaction
package”

CRITERIONS PRICE LOCATION FACILITY

PRICE 1 3 1/5

LOCATION 1/3 1 1/9

FACILITY 5 9 1
• Hitung nilai λmax dan w
Eigen
Eigen value
HARGA LOKASI FASILITAS Normalized columns vector
(λi)
(w)
HARGA 1,00 3,00 0,20 0,158 0,231 0,153 0,180 3,01
LOKASI 0,33 1,00 0,11 0,0526 0,077 0,085 0,071 3,00
FASILITAS 5,00 9,00 1,00 0,79 0,692 0,763 0,748 3,06
Total 6,33 13,00 1,31 1,00 1,00 1,00 1,00 λmax=3,02

• Consistency Index = CI = (λmax-n)/(n-1)


• Consistency Ratio = CR = CI/RI
N 2 3 4 5 6 7 8 9 10
RI 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,51
• λmax = 3,02; n=3 ; CI=0,01; RI=0,58; CR=0,02
w = [0,18 0,071 0,748]
• A matrix with CR ≤ 0.1 is typically considered acceptable
• If CR > 0.1, there is a need to reassess some of the entries to reduce
the level of inconsistencies
• Lakukan perbandingan berpasangan pada elemen-elemen level 3
(alternatif) terhadap setiap kriteria di level 2

Perbandingan antara setiap alternatif terhadap kriteria “Location”

ALTERNATIVES RANDAYAN LEMUKUTAN BUKIT JAMUR


RANDAYAN 1 3 1/5
LEMUKUTAN 1/3 1 1/6
BUKIT JAMUR 5 6 1

• λmax = 3,09; n=3 ; CI=0,05; RI=0,58; CR=0,08


w = [0,201 0,091 0,707]

 Berdasarkan kriteria “Location” untuk 3 alternatif tersebut,


maka alternatif yg dipilih secara berurutan adalah Bukit Jamur,
Randayan, dan Lemukutan
Perbandingan antara setiap alternatif terhadap kriteria “Price”

ALTERNATIVES RANDAYAN LEMUKUTAN BUKIT JAMUR


RANDAYAN 1 4 1/3
LEMUKUTAN 1/4 1 1/7
BUKIT JAMUR 3 7 1

• λmax = 3,03; n=3 ; CI=0,02; RI=0,58; CR=0,03


w = [0,265 0,0796 0,655]

 Berdasarkan kriteria “Price” untuk 3 alternatif tersebut, maka


alternatif yg dipilih secara berurutan adalah Bukit Jamur,
Randayan, dan Lemukutan
Performing the judgments and computing the local weights

Perbandingan antara setiap alternatif terhadap kriteria “Facility”


ALTERNATIVES RANDAYAN LEMUKUTAN BUKIT JAMUR

RANDAYAN 1 0,50 4
LEMUKUTAN 2 1 6
BUKIT JAMUR 0,25 0,17 1

• λmax = 3,01; n=3 ; CI=0,00; RI=0,58; CR=0,01


w = [0,324 0,587 0,089]

 Berdasarkan kriteria “Facility” untuk 3 alternatif tersebut, maka


alternatif yg dipilih secara berurutan adalah Lemukutan,
Randayan, dan Bukit Jamur
Summary
Global
Alternative weight
Criterion's Alt's local weight
Criterion Alternatives
weight based on criterion Randayan 0,2975

1 Location 0,180 Lemukutan 0,4613


Randayan 0,201 Bukit
Jamur 0,2412
Lemukutan 0,092
Bukit Jamur 0,707 Choose
2 Price 0,071 Lemukutan Island
Randayan 0,265
Global weight Randayan :
Lemukutan 0,080 (0,180x0,201)+(0,071x0,265)
Bukit Jamur 0,656 +(0,748x0,324) = 0,2975
3 Facility 0,748 Dst...
Randayan 0,324
Lemukutan 0,587
Bukit Jamur 0,089
Example 2 : Selecting new manager
1. Konstruksi Hirarki AHP

SELECTING THE NEW MANAGER

SOFT SKILL MOTIVATION COMPETENCY

A B C A B C A B C
2. Lakukan perbandingan berpasangan (pairwise
comparison) dan hitung λmax dan w
• Lakukan perbandingan berpasangan pada elemen-elemen level 2
(criteria) terhadap level 1 (goal)  evaluasi kontribusi dari 3 kriteria
yg dipertimbangkan utk mencapai tujuan “selecting the new
manager”

CRITERIONS SOFT SKILL MOTIVATION COMPETENCY

SOFT SKILL 1 1/3 5

MOTIVATION 3 1 6

COMPETENCY 1/5 1/6 1


• Hitung nilai λmax dan w
Eigen
SOFT MOTIVA COMPETEN Eigen value
Normalized columns vector
SKILL TION CY (λi)
(w)
SOFTSKILL 1 0,33 5
MOTIVATIO
3 1 6
N
COMPETEN
0,2 0,167 1
CY
Total 4,2 1,5 12
• Consistency Index = CI = (λmax-n)/(n-1)
• Consistency Ratio = CR = CI/RI
N 2 3 4 5 6 7 8 9 10
RI 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,51
• λmax = ; n= ; CI= ; RI= ; CR=
w=[]
• A matrix with CR ≤ 0.1 is typically considered acceptable
• If CR > 0.1, there is a need to reassess some of the entries to reduce
the level of inconsistencies
• Lakukan perbandingan berpasangan pada elemen-elemen level 3
(alternatif) terhadap setiap kriteria di level 2

Perbandingan antara setiap alternatif terhadap kriteria “Soft Skills”

ALTERNATIVES A B C
A 1 5 7
B 1/5 1 3
C 1/7 1/3 1
• λmax = ; n= ; CI= ; RI= ; CR=0
w = []

Perbandingan antara setiap alternatif terhadap kriteria “Competency”


ALTERNATIVES A B C
A 1 3 5
B 1/3 1 2
C 1/5 1/2 1
• λmax = ; n= ; CI= ; RI= ; CR=0
w = []
• Lakukan perbandingan berpasangan pada elemen-elemen level 3
(alternatif) terhadap setiap kriteria di level 2

Perbandingan antara setiap alternatif terhadap kriteria “Motivation”

ALTERNATIVES A B C
A 1 5 7
B 1/5 1 3
C 1/7 1/3 1
• λmax = ; n= ; CI= ; RI= ; CR=0
w = []
Summary
Global
Alternative weight
Criterion's Alt's local weight
Criterion Alternatives A ....
weight based on criterion
1 Soft Skill .... B ....
A ....
C ....
B ....
C ....
2 Motivation ...
A ....
B ....
C ....
3 Competency ...
A ....
B ....
C ....
Reference
• Saaty, T.L., 1980, The Analytic Hierarchy
Process, McGraw-Hill, New York.
• Saaty, T. L., 2008, Decision making with the
analytic hierarchy process, Int. J. Services
Sciences, Vol. 1, No. 1, pp. 83-98.

Anda mungkin juga menyukai