METODE DAN CARA

PERHITUNGAN AHP
Pengertian Analitycal Hierarchy Process (AHP)
Analitycal Hierarchy Process (AHP) Adalah metode untuk memecahkan suatu situasi
yang komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang
hirarki, dengan memberi nilai subjektif tentang pentingnya setiap variabel secara
relatif, dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna
mempengaruhi hasil pada situasi tersebut.
Proses pengambilan keputusan pada dasarnya adalah memilih suatu alternatif yang
terbaik. Seperti melakukan penstrukturan persoalan, penentuan alternatif-alternatif,
penenetapan nilai kemungkinan untuk variabel aleatori, penetap nilai, persyaratan
preferensi terhadap waktu, dan spesifikasi atas resiko. Betapapun melebarnya alternatif
yang dapat ditetapkan maupun terperincinya penjajagan nilai kemungkinan,
keterbatasan yang tetap melingkupi adalah dasar pembandingan berbentuk suatu
kriteria yang tunggal.
Peralatan utama Analitycal Hierarchy Process (AHP) adalah memiliki sebuah hirarki
fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah
kompleks dan tidak terstruktur dipecahkan ke dalam kelomok-kelompoknya dan diatur
menjadi suatu bentuk hirarki.

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.

B. Kelebihan dan Kelemahan AHP

Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan kelemahan dalam
system analisisnya. Kelebihan-kelebihan analisis ini adalah :
 Kesatuan (Unity)
AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model yang
fleksibel dan mudah dipahami.
 Kompleksitas (Complexity)
AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan
pengintegrasian secara deduktif.
 Saling ketergantungan (Inter Dependence)
AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak
memerlukan hubungan linier.
 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.
 Pengukuran (Measurement)
AHP menyediakan skala pengukuran dan metode untuk mendapatkan prioritas.
 Konsistensi (Consistency)
AHP mempertimbangkan konsistensi logis dalam penilaian yang digunakan untuk
menentukan prioritas.
 Sintesis (Synthesis)
AHP mengarah pada perkiraan keseluruhan mengenai seberapa diinginkannya masing-
masing alternatif.
 Trade Off
AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang
mampu memilih altenatif terbaik berdasarkan tujuan mereka.
 Penilaian dan Konsensus (Judgement and Consensus)
AHP tidak mengharuskan adanya suatu konsensus, tapi menggabungkan hasil penilaian
yang berbeda.
 Pengulangan Proses (Process Repetition)
AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan
mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.

Sedangkan kelemahan metode AHP adalah sebagai berikut:

 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.
 Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik
sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk

Prinsip Menyusun Hirarki

Prinsip menyusun hirarki adalah dengan menggambarkan dan menguraikan secara
hirarki, dengan cara memecahakan persoalan menjadi unsur-unsur yang terpisah-pisah.
Caranya dengan memperincikan pengetahuan, pikiran kita yang kompleks ke dalam
bagian elemen pokoknya, lalu bagian ini ke dalam bagian-bagiannya, dan seterusnya
secara hirarkis.
Penjabaran tujuan hirarki yang lebih rendah pada dasarnya ditujukan agar memperolah
kriteria yang dapat diukur. Walaupun sebenarnya tidaklah selalu demikian keadaannya.
Dalam beberapa hal tertentu, mungkin lebih menguntungkan bila menggunakan tujuan
pada hirarki yang lebih tinggi dalam proses analisis. Semakin rendah dalam
menjabarkan suatu tujuan, semakin mudah pula penentuan ukuran obyektif dan
kriteria-kriterianya. Akan tetapi, ada kalanya dalam proses analisis pangambilan
keputusan tidak memerlukan penjabaran yang terlalu terperinci. Maka salah satu cara
untuk menyatakan ukuran pencapaiannya adalah menggunakan skala subyektif.

Contoh permasalahan:
Bagian terpenting dari proses analisis adalah 3 (tiga) tahapan berikut:
1. Nyatakan tujuan analisis: Memilih mobil baru
2. Tentukan kriteria: style, kehandalan, dan konsumi bahan bakar
3. Tentukan alternative pilihan: Avansa, Xenia, Ertiga, Grand Livina
Informasi ini kemudian disusun membentuk pohon bertingkat
Informasi yang ada kemudian di-sintesis untuk menentukan peringkat relative dari
alternative pilihan yang ada. Kriteria dari jenis qualitative dan quantitative dapat
diperbandingkan menggunakan informed judgement untuk menghitung bobot dan
prioritas.

Hal ini dapat dilakukan dengan judgement untuk menentukan peringkat dari kriteria.
Dalam sebuah sistem berbasis AHP, judgement ini diberikan oleh user pengguna sistem
dan dilakukan pada saat user bermaksud melakukan proses AHP dan melihat
rekomendasi.

Misalnya:
1. Kehandalan 2 kali lebih penting dari style
2. Style 3 kali lebih penting dari konsumsi bahan bakar
3. Kehandalan 4 kali lebih penting dari konsumsi bahan bakar

Selanjutnya dengan pairwise comparison (perbandingan berpasangan), tingkat

kepentingan satu kriteria dibandingkan dengan yang lain dapat diekspresikan.

Nilai yang digunakan:

1: equal
2: moderate
3: strong
4: very strong
5: extreme

Dari judgement di atas bisa dibuatkan tabel perbandingan berpasangan sebagai berikut:

Berikut cara untuk mencari solusi eigenvector:

1. Cara komputasi yang singkat yang bisa digunakan untuk mendapatkan peringkat
adalah dengan menggunakan matrik berpasangan ini sebagai sebagai dasar
penghitungan kuadrat matrik berpasangan setiap saat.
2. Jumlah setiap baris dihitung dan dinormalisasi
3. Perhitungan dihentikan apabila perbedaan dari jumlah-jumlah ini dalam dua
penghitungan yang berturutan lebih kecil dari suatu angka.

Tahan 1: Kuadratkan Matrik Berbasangan

Tahap 2: Hitung Eigenvector pertama

1. Jumlahkan baris
2. Jumlahkan jumlah dari baris-baris yang ada
3. Normalisasi nilai jumlah dari masing-masing baris

Angka normalisasi pertama yang sebesar 0.3194 didapatkan dengan membagi angka
12.75/39.9165

Jadi eigenvector yang pertama adalah:

Proses ini terus diulang: kuadrat, jumlahkan, dan normalisasikan

Dikuadratkan, dijumlah, dan dinormalisasi menjadi:

Jadi eigenvector yang kedua adalah:

Perbedaannya memang sudah kecil, apalagi kalau dihitung satu putaran lagi:

kriteria yang pertama adalah peringkat nomor 2 terpenting,

kriteria yang kedua adalah peringkat 1 terpenting, dan
kriteria yang ketiga adalah peringkat nomor 3 terpenting

Berikut adalah pohon dengan bobot pada kriterianya:

Untuk alternative pilihan, juga dilakukan perbandingan berpasangan terhadap kriteria

masing-masing. Judgement dalam proses ini umumnya dilakukan berbasis pada
data/informasi tentang alternative pilihan (quantitative approach) atau kalau tidak
tersedia data/informasi tersebut, dapat dilakukan dengan judgement dari pakar terkait
pemilihan alternative tersebut (qualitative approach).
Di dalam sebuah sistem, proses untuk menentukan nilai kriteria dari masing-masing
alternative pilihan dan perhitungan peringkat dilakukan pada saat melakukan entry dan
edit data variabel dan kriteria alternative pilihan.

Dalam kasus ini, yang memberikan judgement untuk kriteria style dan kehandalan
adalah pakar tentang mobil dengan informasi bersifat qualitative.

Style

Kehandalan

Dari matrik ini dihitung eigenvector, untuk menentukan peringkat dari alternative
pilihan untuk masing-masing kriteria.

Peringkat Style

Peringkat Kehandalan

Untuk kriteria konsumsi bahan bakar, ditentukan dengan informasi yang bersifat
quantitative sebagai berikut:
Konsumsi Bahan Bakar
Dengan menormalisasi informasi bersifat quantitative, akan bisa didapatkan peringkat
konsumsi bahan bakar untuk masing-masing alternative pilihan.

Dengan demikian bobot kriteria dan alternative pilihan sudah terlengkapi, sehingga
pohon keputusan tergambar menjadi:

Untuk mendapatkan hasil keputusan, masing-masing bobot untuk alternative pilihan

dikalikan dengan bobot dari kriteria dalam bentuk perkalian matrik sebagai berikut:

Sehingga perhitungan untuk mobil Avanza keseluruhan nilai masing-masing alternative

pilihan adalah sebagai berikut:

Sehingga pilihan yang paling bagus untuk kasus pengambilan keputusan ini adalah
mobil dengan tipe Grand Livina.

Analytic Hierarchy Process (AHP) dan Perhitungan

Contoh Kasus AHP
This entry was posted on April 23, 2013, in Artikel and tagged ahp, algoritma ahp, analytic hierarchy
process, perhitungan ahp. Bookmark the permalink. 16 Komentar

Sambil mencari trik-trik magic (sulap) yang rencananya akan saya implementasikan dalam kode php dan
buat ebooknya, saya akan mencoba memberikan pemahaman saya mengenai algoritma analytic hierarchy
process (AHP). Sebenarnya saya telah memberikan link belajar untuk memahami algoritma AHP pada
postingan artikel saya sebelumnya. Namun, disini saya akan mencoba mengulas sedikit tentang AHP
berdasarkan pemahaman saya, bagaimana cara kerja AHP dalam pengambilan keputusan multi kriteria
dan implementasi algoritma AHP pada contoh kasus pemilihan mobil.
Dalam kehidupan sehari-hari, kita tidak terlepas dari permasalahan dan kita dituntut untuk dapat
mengambil keputusan yang tepat. Dari mulai yang sederhana, seperti menentukan jenis jajanan yang
ekonomis tapi sehat, sampai untuk menyelesaikan permasalahan-permasalahan industri. Untuk
pengambilan keputusan dengan satu kriteria saja mungkin tidak terlalu sulit untuk dilakukan. Namun,
bagaimana dengan permasalahan yang melibatkan multipilihan dengan multikriteria penilaian?
Disinilah algoritma AHP berperan. Analytic Hierarchy Process atau AHP dikembangkan oleh Prof. Thomas
L. Saaty sebagai algoritma pengambilan keputusan untuk permasalahan multikriteria (Multi Criteria
Decision Making atau MCDM). Permasalahan multikriteria dalam AHP disederhanakan dalam bentuk
hierarki yang terdiri dari 3 komponen utama. Yaitu tujuan atau goal dari pengambilan keputusan, kriteria
penilaian dan alternatif pilihan. Adapun gambar dari hierarki tersebut adalah sebagai berikut.

Setelah permasalahan multikriteria dimodelkan dalam hierarki seperti gambar diatas, maka dapat
dimulai tahapan perbandingan berpasangan (pairwise comparison) untuk menentukan bobot kriteria.
Tahap perbandingan berpasangan ini akan digunakan pada saat mencari/menghitung bobot kriteria dan
bobot alternatif untuk setiap kriteria penilaian. Misal ada sejumlah m kriteria M dan sejumlah n alternatif
N. Maka perbandingan berpasangan dilakukan antar anggota kriteria M pada tahap mencari bobot
kriteria. Dan perbandingan berpasangan dilakukan antar anggota alternatif N untuk setiap anggota
kriteria M.
Perbandingan berpasangan dilakukan berdasarkan preferensi subyektif dari pengambil keputusan. Untuk
penilaiannya menggunakan Skala Perbandigan 1-9 Saaty seperti terlihat pada gambar berikut.

Setelah bobot kriteria didapatkan, selanjutnya dilakukan pengecekan konsistensi untuk matrik
perbandingan berpasangan-nya. Jika lebih dari 0.1 maka harus dilakukan perbandingan berpasangan
kembali sampai didapat ratio kurang dari atau sama dengan 0.1 (konsisten). Hal yang serupa dilakukan
juga terhadap masing-masing matrik perbandingan antar alternatif.

Setelah bobot kriteria dan bobot alternatif didapatkan maka dihitung total dari perkalian antara bobot
alternatif dengan bobot kriteria yang bersesuaian. Untuk lebih memperjelas lagi cara/alur kerja AHP ini,
saya akan membahas contoh kasus pengambilan keputusan pemilihan mobil menggunakan algoritma
AHP.

Problem : Andi ingin membeli mobil. Adapun alterntif pilihan mobil yang akan dibeli Andi adalah Civic
Coupe, Saturn Coupe, Ford Escort, dan Mazda Miata. Sedangkan kriteria penilaian yang dipertimbangkan
Andi untuk membeli mobil adalah style, reliability, fuel economy.

Dari kasus yang dihadapi Andi, maka buat hierarki permasalahannya terlebih dahulu. Tujuan atau Goal
adalah Memilih Mobil. Kriterianya gaya, mesin handal, hemat bahan bakar. Alternatif pilihan Andi adalah
Civic Coupe, Saturn Coupe, Ford Escort dan Mazda Miata. Selanjutnya berikut ini hierarki yang didapat
melalui 3 komponen tersebut.

Selanjutnya lakukan perbandingan berpasangan dengan Skala Saaty untuk mendapatkan bobot kriteria:

1. Perbandingan Berpasangan Dengan Skala Saaty

2. Hitung bobot kriteria (priority vector) dengan cara : 1) normalisasi nilai setiap kolom matrik
perbandingan berpasangan dengan membagi setiap nilai pada kolom matrik dengan hasil
penjumlahan kolom yang bersesuaian. 2) Hitung nilai rata-rata dari penjumlahan setiap baris
matrik

3. Cek Konsistensi Ratio (CR) dari matrik perbandingan berpasangan kriteria. Jika CR > 0.1 maka
harus diulang kembali perbandingan berpasangan sampai didapat CR <= 0.1.
 Hitung CI

Tabel IR

Sehingga CR = CI/IR = 0.03/0.58 = 0.05 (<=0.1, sehingga konsisten)

4. Susunan hierarki yang baru (lengkap dengan bobot kriteria)

5. Perhitungan bobot alternatif untuk kriteria Style

6. Perhitungan bobot alternatif untuk kriteria Reliablity
7. Perhitungan bobot alternatif untuk kriteria Fuel Economy

8. Susunan Hierarki yang baru (lengkap dengan bobot kriteria dan bobot alternatif)
 9. Perangkingan Alternatif ( hasil penjumlahan dari perkalian setiap bobot alternatif dengan bobot
kriteria yang bersesuaian)

Demikianlah uraian artikel mengenai Analytic Hierarchy Process (AHP) ini. Semoga dapat bermanfaat dan
membantu memberikan pemahaman bagi Anda yang sedang mempelajari algoritma AHP. Berikut ini juga
ditambahkan beberapa referensi yang dijadikan acuan sumber dalam penulisan artikel ini. Dan juga dapat
menjadi referensi lebih lanjut bagi Anda untuk memahami lebih dalam mengenai algoritma AHP.
Referensi :
 1. Penulisan artikel berdasarkan pemahaman saya setelah membaca :
Teknomo,Kardi.Tutorial AHP.http://people.revoledu.com/kardi/tutorial/AHP/index.html
Kusrini.Konsep dan Aplikasi Sistem Pendukung Keputusan.Andi
Tzeng,Gwo-Hsiung dan Huang,Jih-Jeng.Multiple Attribute Decision Making Mehods
and Application.CRC Press
2. Pembahasan contoh kasus diambil dari :
Asli Sencer.Analytic Hierarchy
Process.http://www.mis.boun.edu.tr/sencer/mis463/slides/ahp.ppt
NB: Saya juga menyediakan script PHP dan Mysql untuk SPK Metode AHP dengan kasus Evaluasi
Kinerja Karyawan dengan harga Rp 350.000 (bisa dimodif (Anda sendiri) untuk kasus yang
relevan). Jika berminat, SMS ke 0852 9635 2409 dengan format : Order SPK AHP Email Anda. Saya
juga menyediakan jasa pembuatan SPK dengan metode AHP mulai dari 0 sesuai kasus Anda. Harga
jasa ini Rp 1.5 juta. Tertarik? SMS ke 0852 9635 2409 dengan format : Order Full SPK AHP Email
Anda.
Iklan

Mengenal Metode AHP (Disertai studi kasus : Pemilihan

Mahasiswa Terbaik)
17.39 Rifan "The King" Syaiful 30 comments

Peralatan utama AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi
manusia. Keberadaan hierarki memungkinkan dipecahnya masalah kompleks atau tidak terstruktur
dalam sub – sub masalah, lalu menyusunnya menjadi suatu bentuk hierarki (Kusrini, 2007).
 Gambar 2. 1 Struktur Hirarki AHP

Konsep dasar AHP adalah penggunaan matriks pairwise comparison (,atriks 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).

Tabel 2. 1 Skala dasar perbandingan berpasangan

Tingkat
Definisi Keterangan
Kepentingan

Kedua elemen mempunyai pengaruh yang

1 Sama Pentingnya
sama

Pengalaman dan penilaian sangat

Sedikit lebih
3 memihak satu elemen dibandingkan
penting
dengan pasangannya

Satu elemen sangat disukai dan secara

praktis dominasinya sangat nyata,
5 Lebih Penting
dibandingkan dengan elemen
pasangannya.

Satu elemen terbukti sangat disukai dan

secara praktis dominasinya sangat nyata,
7 Sangat Penting
dibandingkan dengan elemen
pasangannya.

Satu elemen terbukti mutlak lebih disukai

Mutlak lebih
9 dibandingkan dengan pasangannya, pada
penting
keyakinan tertinggi.

Diberikan bila terdapat keraguan penilaian

2,4,6,8 Nilai Tengah di antara dua tingkat kepentingan yang
berdekatan.

(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 = (λmaks-n)/(n-1)................................................... (1)

Dimana :

CI = Indeks Konsistensi (Consistency Index)

 λmaks = 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.

Tabel 2. 2 Daftar Indeks random konsistensi (RI)

n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

RI 0,00 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

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 1 3 4

TOEFL 1/3 1 2

Jabatan 1/4 1/2 1

Cara mendapatkan nilai-nilai di atas adalah :

Perbandingan di atas adalah dengan membandingkan kolom yang terletak paling kiridengan 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 ¼
didapatkan dari perbandingan Jabatan dengan IPK (ingat, IPK 4 kali lebih penting
dari jabatan sehingga nilai jabatan adalah ¼ 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 TOEFL Jabatan

Elemen Kolom

IPK 1,000 3,000 4,000

TOEFL 0,333 1,000 2,000

Jabatan 0,250 0,500 1,000

Jumlah Kolom

JUMLAH 1,583 4,500 7,000

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

IPK TOEFL Jabatan

IPK 0,632 0,667 0,571

TOEFL 0,211 0,222 0,286

Jabatan 0,158 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 TOEFL Jabatan Jumlah Baris Eigen Vektor Normalisasi

IPK 0,632 0,667 0,571 1,870 0,623

TOEFL 0,211 0,222 0,286 0,718 0,239

Jabatan 0,158 0,111 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 (λmaks).

Λmaks diperoleh dengan menjumlahkan hasil perkalian jumlah kolommatrik Pairwise Comparison ke
bentuk desimal dengan vector eigen normalisasi.

Λmaks = (1,583 x 0,623 )+(4,500 x 0,239)+(7,000 x 0,137) = 3,025

- Menghitung Indeks Konsistensi (CI)

CI = (λmaks-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 Cukup Jumlah Baris Eigen Vektor Normalisasi

Sangat
Baik 0,632 0,667 0,571 1,870 0,623

Baik 0,211 0,222 0,286 0,718 0,239

Cukup 0,158 0,111 0,143 0,412 0,137

b. Sub Kriteria TOEFL

Sangat
Baik Baik Cukup Jumlah Baris Eigen Vektor Normalisasi

Sangat
Baik 0,632 0,667 0,571 1,870 0,623

Baik 0,211 0,222 0,286 0,718 0,239

Cukup 0,158 0,111 0,143 0,412 0,137

c. Sub Kriteria Jabatan Organisasi

Ketua Koordinator Anggota Jumlah Baris Eigen Vektor Normalisasi

Ketua 0,632 0,667 0,571 1,870 0,623

Koordinator 0,211 0,222 0,286 0,718 0,239

Anggota 0,158 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 TOEFL Jabatan Organisasi HASIL

Ifan 1 3 3 0,440

Rudy 3 3 1 0,204

Anton 1 2 2 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).