VI Proses Hierarki Analitik ee Proses Hierarki Analitik (Analytical Hierarchy Process - AHP) dikembangkan oleh Dr. Thomas L. Saaty dari Wharton School of Business pada tahun 1970-an untuk mengorganisasikan informasi dan judgment dalam memilih alternatif yang paling disukai (Saaty, 1983). Dengan menggunakan AHP, suatu persoalan yang akan dipecahkan dalam suatu kerangka berpikir yang terorganisir, sehingga memungkinkan dapat diekspresikan untuk mengambil keputusan yang efektif atas persoalan tersebut. Persoalan yang kompleks dapat disederhanakan dan dipercepat proses pengambilan keputusannya. Prinsip kerja AHP adalah penyerderhanaan suatu persoalan kompleks yang tidak terstruktur, stratejik, dan dinamik menjadi bagian-bagiannya, serta menata dalam suatu hierarki. Kemudian tingkat kepentingan setiap variabel diberi nilai numerik secara subjektif tentang arti penting variabel tersebut secara relatif dibandingkan dengan variabel yang lain. Dari berbagai pertim- bangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut. Secara grafis, persoalan keputusan AHP dapat dikonstruksikan sebagai diagram bertingkat, yang dimulai dengan goal/sasaran, lalu kriteria level pertama, subkriteria dan akhirnya alternatif. AHP memungkinkan pengguna untuk memberikan nilai bobot relatif dari suatu kriteria majemuk (atau alternatif majemuk terhadap guatu kriteria) secara intuitif, yaitu dengan melakukan perbandingan berpasangan (pairwise comparisons). Dr. Thomas L. Saaty, pembuat AHP, kemudian menentukan cara yang konsisten untuk mengubah perbandingan berpasangan/pairwise, menjadi suatu himpunan bilangan yang merepresentasikan prioritas relatif dari setiap kriteria dan alternatif. ilan Keputusan Kriteria MajemuleA. MODEL KEPUTUSAN DENGAN AHP AHP memiliki banyak keunggulan dalam menjelaskan proses pengambilan keputusan, karena dapat digambarkan secara grafis, sehingga mudah dipahami oleh semua pihak yang terlibat dalam pengambilan keputusan. Dengan AHP, proses keputusan kompleks dapat diuraikan menjadi keputusan-keputusan lebih kecil yang dapat ditangani dengan mudah. Selain itu, AHP juga menguji konsistensi penilaian, bila terjadi penyimpangan yang terlalu jauh dari nilai konsistensi sempurna, maka hal ini menunjukkan bahwa penilaian perlu diperbaiki, atau hierarki harus distruktur ulang. Beberapa keuntungan yang diperoleh bila memecahkan perso- alan dan mengambil keputusan dengan menggunakan AHP adalah : * Kesatuan : AHP memberikan satu model tunggal yang mudah dimengerti, luwes untuk aneka ragam persoalan tidak ter- struktur. * Kompleksitas : AHP memadukan ancangan deduktif dan ancangan berdasarkan sistem da- Jam memecahkan persoalan kompleks. * Saling ketergantungan: AHP dapat menangani saling ketergantungan elemen-elemen dalam suatu sistem dan tidak memaksakan pemikiran linier. “ Penyusunan hierarki : AHP mencerminkan kecenderungan alami pikiran untuk memilah-milah elemen-elemen suatu sistem dalam berbagai tingkat berlainan dan mengelompokkan unsur yang serupa dalam setiap tingkat. * Pengukuran : AHP memberi suatu skala untuk mengukur hal-hal dan terwujud suatu metode untuk menetapkan prioritas. Konsistensi : AHP melacak konsistensi logis dari pertimbangan-pertimbangan yang digunakan untuk menetapkan berbagai prioritas. * Sintesis : AHP menuntun ke suatu taksiran menyeluruh tentang kebaikan setiap alternatif.“ Tawar-menawar : AHP mempertimbangkan prioritas- : prioritas relatif dari berbagai faktor sistem dan memungkinkan organisasi memilih alternatif terbaik ber- ' dasarkan tujuan-tujuan mereka. “ Penilaian dan konsesus: AHP tidak memaksakan konsesus tetapi mensintesiskan suatu hasil yang representatif dari berbagai penilaian yang berbeda. “> Pengulangan proses : AHP memungkinkan organisasi memperhalus definisi mereka pada suatu persoalan dan memperbaiki pertimbangan dan pengertian mereka melalui pengulangan. B. PRINSIP KERJA AHP Ide dasar prinsip kerja AHP adalah: 1. Penyusunan Hierarki. Persoalan yang akan diselesaikan, diuraikan menjadi unsur- unsurnya, yaitu kriteria dan alternatif, kemudian disusun menjadi struktur hierarki. Diagram berikut mempresentasikan keputusan untuk memilih agroindustri, dengan menggunakan AHP. Adapuni kriteria untuk membuat keputusan tersebut adalah bahan baku, pemasaran dan teknologi proses, beserta dengan subkriteria yang terkait dengan masing-masing kriteria tersebut. Alternatif yang tersedia dalam membuat keputusan terlihat pada level yang pa- ling bawah. Hierarki persoalan ini dapat pada Gambar 6.1. ‘Memilih kemoditi Goal Agroindust Bahan Baku Pemasaran ‘Teknologi Proses | Kriteria Teds Indust Industri Alternatif Pengolaban | Pengolahan J Pengolahan Cokelat Karet Teh Gambar 6,1 Contoh struktur hierarki dalam AHP TY Tell dan Aplisasi Pengambilan Keputusan Keiteria Majemuls ; :2. Penilaian Kriteria dan alternatif Kriterai dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1983), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada tabel berikut: Keterangan Kriteria /Alternatif A sama penting dengan kriteria/alternatif B Asedikit lebih penting dari B 5 _| Ajelas lebih penting dari B fe Asangat jelas lebih penting dari B 9 | Mutlak lebih penting dari B ‘Apabila ragu-ragu antara dua nilai yang berdekatan Nilai perbandingan A dengan B adalah 1 (satu) dibagi dengan nilai pebandingan B dengan A ‘ 8. Penentuan Prioritas Untuk setiap kriteria dan alternatif, perlu dilakukan perban- dingan berpasangan (pairwise comparisons). Nilai-nilai perban- dingan relatif kemudian diolah untuk menentukan peringkat relatif dari seluruh alternatif. Baik kriteria kualitatif, maupun kriteria kuantitatif, dapat dibandingkan sesuai dengan judgement yang telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot atau prioritas dihitung dengan manipulasi matriks atau melalui penyelesaiaan persamaan matematik. 4. Konsistensi Logis Semua elemen dikelompokkan secara logis dan diperingkatkan secara konsisten sesuai dengan suatu kriteria yang logis. C. CONTOH APLIKASI Untuk melihat prinsip kerja AHP, perhatikan contoh yang sering ditemui yaitu proses memilih komoditi agroindustri yang ingin dikembangkan. ~ Proses Hirarki Analitie.C.1. Perumusan Masalah Untuk menyelesaikan masalah tersebut, maka perlu dilakukan tiga langkah berikut: 1. Penentuan sasaran yang ingin dicapai: memilih komoditi agroindustri 2. Penentuan kriteria pemilihan: bahan baku, pemasaran dan teknologi proses 3; Penentuan alternatif pilihan: Industri minyak kelapa sawit, Industri pengolahan Cokelat, Karet dan Teh. Informasi mengenai sasaran, kriteria dan alternatif tersebut kemudian disusun dalam bentuk diagram seperti terlihat pada Gambar 6.2. : Memilin Komodi aia Bahan Baku | Pemasaran i Altematif © Minyak | | Minyak © Minyak Sawit Sawit Sawit © Cokelat | | + Cokelat © Cokelat © Kart © Karet + Karet + Teh «Teh «Teh Gambar 6.2. Hubungan sasaran, kriteria dan alternatif dalam AHP C.2. Pembobotan Kriteria Dari ketiga kriteria tersebut: bahan baku, pemasaran dan teknologi proses, perlu ditentukan tingkat kepentingannya. Hal ini dapat dilakukan dengan berbagai cara, misalnya: = Menentukan bobot secara sembarang. a Membuat skala interval untuk menentukan ranking setiap kriteria. Misalnya bila dianggap bahan baku merupakan kriteria paling penting, maka berikan nilai 100, kemudian pemasaran dengan nilai 75 dan terakhir teknologi proses dengan nilai 25. HEBD Taheik dan Aplitesi Pongambilan Keputwson Keitecia Mojemule mo= Menggunakan prinsip kerja AHP, yaitu perbandingan berpasangan (pairwise comparisions), tingkat kepentingan (im- portance) suatu kriteria relatif terhadap kriteria lain dapat dinyatakan dengan jelas. Misalnya hasil perbandingan berpasangan untuk contoh di atas adalah: [aan Teknologi Proves Bahan baku 1/1 1/2 3/1 Pemasaran 2/1 WV/ 4/1 ‘Teknologi proses V1 C.3 Penyelesaian dengan manipulasi matriks Matriks di atas akan diolah untuk menentukan bobot dari iviteria, yaitu dengan jalan menentukan nilai eigen (eigenvector). Prosedur untuk mendapatkan nilai eigen adalah : 1 2. 3. Kuadratkan matriks tersebut. . Hitung jumlah nilai dari setiap baris, kemudian lakukan normalisasi. Hentikan proses ini, bila perbedaan antara jumlah dari dua perhitungan berturut-turut lebih kecil dari suatu nilai batas tertentu. Penyelesaian untuk contoh di atas (misalnya dengan syarat nilai eigen sudah tidak berubah sampai 4 angka di belakang koma): Ubah matriks menjadi bilangan desimal: : 1,000 0,500 3,000 2,000 1,000 4,000 0,333 0,250 1,000 Iterasi Ke-1 : Kuadratkan matriks di atas { pary * folom ), {__ 1,000 0,500 ~3,000 ~—# 1,000 0,500 3,000 2,000 1,000 4,00 2,000 1,000 4,000 0,333 0,250 1,000 \A 0,333 0,250 1,000 = ('3,0000.. 1,7500 8,0000 8,3383: 3,0000 14,0000 1,166 0,6667 3,000 Phas Hirao Anal BdJumlahkan nilai ‘setiap baris matriks dan hitung nilai hasil normalisasinya: ‘ Jml Baris Hasi] Normalisasi 3,0000 1,7500 8,0000 12,7500 —12,7500/39,9166=0,3194 5,3333 3,0000 14,0000 22,3333 22,3333/39,9166=0,5595, 1,1666 0,6667 3,0000 4,8333 4,8333/39,9166=0,1211 Jumlah 39,9166 1,0000 uw Iterasi Ke-2: Kuadratkan kembali matriks di atas: 5,3333 3,0000 14,0000 5,3333 3,0000 14,0000 38,0000 1,7500 8,0000 3,0000 1,7500 8,0000 x 1,1666 0,6667 3,0000 1,1666 00,6667 3,0000 = ( 27,6658 15,8330 72,4984 48,3311 27,6662 126,6642 10,5547 6,0414 24,6653 Jumlahbkan setiap baris matriks dan hitung nilai hasil norma- lisasinya: Jml Hasil Baris Normalisasi 27,6658 15,8330 72,4984 115,9967 0,3196 48,3311 27,6662 126,6642 202,6615 0,5584 10,5547 6,0414 24,6653 44,2614 0,1220 Jumlah 362,9196 1,0000 Hitung perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang: 0,3194 -0,3196 = - 0,0002 0,5595 — 0,5584 0,0011 0,1211 -0,1220 = -0,0009 Terlihat bahwa perbedaan tersebut tidak terlalu besar sampai dengan 4 desimal. a Iterasi Ke-3: : Bila dilakukan iterasi satu kali lagi, maka syarat akan terpenuhi (nilai eigen sudah tidak berbeda sampai 4 desimal). Jadi nilai eigen yang diperoleh adalah: 0,3196, 0,5584, 0,1220 Apakah makna dari nilai eigen di atas? Thnikdan Aplikasi Pengaml i in Keputusan Kriteria MajemuleBerikut ini adalah matriks berpasangan beserta dengan nilai eigennya: Bahan Baku Pemasaran ‘Teknologi Proses Berdasarkan nilai eigen maka diketahui bahwa kriteria yang paling penting adalah Pemasaran, kemudian Bahan Baku dan terakhir adalah Teknologi Proses. Hasil diagram hierarki beserta nilai bobot kriteria yang telah diperoleh dapat dilihat pada Gambar 6.3. <— Saseran Kriteria 7 Bahan Baku Pemasaran Teknologi Proses 0,3196 0,5584 “0,120 © Minyak © Minyak Sawit Sawit © Cokelat © Cokelat = Karet e = = Karet © Teh © Teh Gambar 6.3 Hasil perhitungan bobot kriteria C.4 Pembobotan Alternatif Susunlah matriks berpasangan untuk alternatif-alternatif| ‘bagi setiap kriteria, misalnya untuk kriteria bahan baku adalah: Teh Karet A/1 1/6 4/1 1/4 1/1 1/5 5/1 1/1 “Proses Hiraski Analitie UGH« _Misalnya, untuk kriteria Pemasaran adalah: ak Say Cokelat | Karet | Teh wl 2/1 5/1 | 1/1 1/2 Teal 271 1/5 1/38 a/i_ | 1/4 wi 1/2 4/1 _| 1/1 Dengan menghitung nilai eigen alternatif dari kedua kriteria di atas (dengan cara yang sama seperti menghitung nilai eigen kriteria) maka diperoleh: Nilai Higen Ranking Bahan Baku 3 __| Industri Pengolahan Minyak Sawit 2 | Industri Pengolahan Cokelat 4} Industri Pengolahan Karet 1 | Industri Pengolahan Teh i Pengolahan Minyak Sawi Pengolahan Cokelat 0,2900 4 Industri Pengolahan Karet |___0,0740 Industri Pengolahan Teh 0,2570 Pembobotan Teknologi Proses Untuk kriteria teknologi proses, tidak digunakan matriks perbandingan berpasangan, tetapi digunakan data kuantitatif, yaitu efesiensi penggunaan bahan baku (bahan baku yang hilang). Bahan Baku (Kg/hari) Minyak Sawit 4 34/113 = 0,3010 Cokelat 27 27/113 = 0,2390 Karet Pas 24/113 =0,2120 Teh” 28 28/113 = 0,2480 U3 1,0000 HET Tell dan Aplikasi Pengombilan Keputusan Kriteria MajemukDiagram bertingkat beserta seluruh nilai bobot yang diperoleh dapat dilihat pada gambar 6.4: Memilih Komoditi Agroindustri 1,00 Bahan Baku Pemasaran Teknologi Proses 03196 0,5584 0,1220 © Minyak Sawit © Minyak Sawit ‘© Minyak Sawit (0,1160) (0,3790) (03010) © Cokelat © Cokelat © Cokelat (0.2470) (0.2900) (0,2390) ©” Karet © Karet © Karet (0,060) (0.0740) (0,2120) * Teh + Teh * Teh (0,570) (0,270) (0,2480) ' Gambar 6.4 Hasil akhir seluruh bobot Dari hasil analisis di atas, maka jawaban dapat di peroleh dengan jalan mengalikan matriks nilai eigen dari alternatif'dengan matriks bobot kriteria: Bahan Baku | Pemasaran | Teknologi Minyak Sawit 0,1160 Cokelat: 0,2470 Karet, 0,0600 Teh 0,5770 Hasilnya: Minyak Sawit + 0,3060 Cokelat : 0,2720 Karet : 0,0940 Teh : 0,3280 Jadi, ranking yang diperoleh: Teh : 0,3280 Minyak sawit : 0,3060 Cokelat : 0,2720 Karet : 0,0940.C.5. Penyelesaian dengan persamaan matematik Ada 3 langkah untuk menentukan besarnya bobot yang dimulai dari kasus khusus yang sederhana sampai dengan kasus-kasus umum, seperti berikut ini: 1. Langkah 1: w/w, a] +4) Ww, abot input dalam baris w, = bobot input dalam lajur 2. Langkah2: w, =a,W, Gi, +) Untuk ee umum mempunyai bentuk: 1S a,w,G=1,2,...m) Dw w, = rataan dari a,w,, ..., &,W, 3. Langkah 3: Bila perkiraan a, baik akan cenderung untuk dekat dengan nisbah wiW, Jikan, juga berubah maka n diubah menjadi Amaks sehingga diperoleh: we oh z a, w, @=1, 2,....0) Pengolahan Horisontal Pengolahan horisontal dimaksudkan untuk menyusun prioritas elemen keputusan setiap tingkat hierarki keputusan. Tahapannya menurut Saaty (1983) adalah sebagai berikut: a. Perkalian baris (z) dengan rumus: Z= Vn b. Perhitungan vektor prioritas atau vektor eigen eVP, adalah elemen vektor prioritas ke-i By Tay, ii ie TEBE Teknik dan Aplikasi Pongambilan Keputasan Keiteria Majemukc. Perhitungan nilai eigen maksimum VA =a, x VP dengan VA = (V,) VB = VA/VP dengan VB = (V,) Imax == 2 a, VB,untuk i= 1, 2,...,0 ie VA= VB = Vektor antara d. Perhitungan indeks konsistensi (CI): Pengukuran ini dimaksudkan untuk mengetahui konsistensi jawaban yang akan berpengaruh kepada kesahihan hasil. Rumusnya sebagai berikut: a= Amax-n n=l Untuk mengetahui apakah CI dengan besaran tertentu cukup baik atau tidak, perlu diketahui rasio yang dianggap baik, yaitu apabila CR < 0.1. Rumus CR adalah: a CR= — RL Nilai RI merupakan nilai random indeks yang dikeluarkan oleh Oarkridge Laboratory yang berupa tabel berikut ini: RI 0.00 000 058 090 112 12 192 141 145 49” 151 148 156 Pengolahan Vertikal Pengolahan ini digunakan untuk menyusun prioritas setiap elemen dalam hierarki terhadap sasaran utama. Jika NPpq didefinisikan sebagai nilai prioritas pengaruh elemen ke-p pada tingkat ke-q terhadap sasaran utama, maka: s X NPHpgq (t,q-1) x NPTt(q-1) t=1 Untuk p = 1,2,...,r T =1,2,...,8 NPpq Proses Hirarki Analitik [agg_Di mana: NPpq =nilai prioritas pengaruh elemen ke-p pada tingkat ke- q terhadap sasaran utama NPHpq =nilai prioritas elemen ke-p pada tingkat ke-q NPTt =nilai prioritas pengaruh elemen ke-t pada tingkat q-1 C.6. Consistency Ratio (CR) Consistency Ratio merupakan parameter yang digunakan untuk memeriksa apakah perbandingan berpasangan telah dilakukan dengan konsekuen atau tidak. Penehtuan parameter ini dapat dilakukan dengan proses sebagai berikut, misalnya akan menghitung CR untuk kriteria bahan baku pada contoh C.1: Bahan baku Minyak sawit | Cokelat | Karet. i wit | 1 1/4__| 4/1 | Cokelat | 4/1 Karet 1/4 | J Teh 6/1 5/1 Dari nilai faktor (nilai eigen) alternatif pada kriteria bahan baku adalah: = Minyak sawit . : 0.1160 = Cokelat : 0.2470 = Karet : 0.0600 a Teh : 0.5770 Weighted Sum Vector dapat dihitung dengan jalan mengalikan ke dua matriks tersebut: 1/4__4/1 1/6 0,1160 |__| 0,5139 aT eee 00,2470 1,0953 1/4 1/4 1/1 1/5 ms 5/1 4/1 Kemudian dihitung Consistency Vector dengan jalan menen- tukan nilai rata-rata dari Weighted Sum Vector: 0,5139/0,1160 4,4303 1,0953 /0,2470 4,4342 0,2662/0,0600 = 4,4358 2,5610/0,5770 4,4385Nilai rata-rata dari Consistency Vector adalah: P= (4,4308 + 4,4342 + 4,4358 + 4,4385)/4 = 4,4347 Nilai Consistency Index dapat dihitung dengan menggunakan rumus: CI = (p-n)/(n-1) ;n: banyaknya alternatif = (4.4347 -4)/(4-1) = 0,1449 Untuk menghitung Consistency Ratio, dibutuhkan nilai RI, yaitu indeks random yang didapat dari tabel Oarkridge (CR = CI/ RD. Untuk n=4, nilai RI adalah 0.90. Jadi nilai CR pada kriteria bahan baku adalah : 0,1449/0,90 = 0,1610 Seharusnya nilai CR tidak lebih dari 0,10 jika penilaian kriteria telah dilakukan dengan konsisten. Untuk contoh di atas masih terdapat agak ketidakkonsistenan dalam melakukan penilaian sehingga untuk kasus krusial masih perlu revisi penilaian. C.7. Penggabungan Pendapat Responden Pada dasarnya AHP dapat digunakan untuk mengolah data dari satu responden ahli. Namun demikian dalam aplikasiya penilaian kriteria dan alternatif dilakukan oleh beberapa ahli multi- disiplioner. Konsekuensinya pendapat beberapa ahli tersebut perlu. dicek konsistensinya satu persatu. Pendapat yang konsisten kemudian digabungkan dengan menggunakan rata-rata geometrik X, = rata-rata geometrik jumlah responden - Xi = penilaian oleh responden ke —i Hasil penilaian gabungan ini yang kemudian diolah dengan prosedur AHP yang telah diuraikan sebelumnya. D. PENYELESAIAN AHP DENGAN CRITERIUM DECISION PLUS Contoh yang diuraikan di atas bila diselesaikan dengan pro- gram Criterium Decision Plus, langkah-langkah yang harus dilakukan adalah: 1. Jalankan program Criterium Decision Plus, dengan perintah: Start /Program/Criterium Decision Plus, lalu double klik Cri- terium Decision Plus ee a |Buat File brainstorming, dengan perintah File/New, lalu buat struktur masalah seperti pada Gambar 6.5. Setelah selesai simpan dengan perintah File / Save As dan beri nama Agroin.BST Buat struktur hierarki dengan perintah View / Generate Hi- erarchy. Hasilnya terlihat seperti pada Gambar 6.6. Tentukan model AHP dengan perintah Model / Technique / AHP Lakukan penilaian terhadap kriteria dengan perintah: a) Klik kotak Memilih komoditi agroindustri b) Lakukan perintah : Block / Rate subcriteria pene RR Beerreres eh pane Pemasaran ‘Komoditl Agroindustri__— Teknotes! Gambar 6.6 Struktur hierarki WBBY Tehenik don Aplikasi Pengombilan Keputusan Kriteria Majemuk6) i) c) Penilaian kriteria dengan jalan: - Lakukan perintah : Methods / Full Pairwise - Isikan nilai seperti yang ada pada contoh, Hasilnya seperti terlihat pada Gambar 6.7. Lakukan penilaian perbandingan antara dua alternatif untuk setiap kriteria yang tersedia, tetapi untuk Teknologi Proses, harus diubah metode pengisiannya dengan perintah Method | Direct, lalu dimasukkan secara langsung data efesiensi dari masing-masing teknologi proses. e) Setelah selesai klik OK Untuk melihat hasil akhir, gunakan perintah Result / Decision Scores. Grafik hasilnya terlihat pada Gambar 6.8. Untuk melihat hasil akhir dalam bentuk tabel gunakan perintah View / Result Data. Hasilnya seperti pada Gambar 6.9. d esbnesry eee ‘on reais Seen pear ene ae erent % Seta | pemeariinnad| Ginna 6.8 Grafik hasil pengolahan akhir AHP roses Hirarki AnaTee uae Ta Gambar 6.9 Tampilan Hasil Data Perangkat lunak lain yang dapat dipergunakan untuk perhi- tungan pemecahan persoalan dengan AHP adalah Expert Choice. sake PBB Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majermuls