STMIK ATMA LUHUR

SEJARAH SPK

Management Decision System

(Michael S. Scott Morton – 1970-an)

Suatu sistem yang berbasis komputer yang

ditujukan untuk membantu pengambil keputusan
dengan memanfaatkan data dan model tertentu
untuk memecahkan berbagai persoalan yang tidak
terstruktur.
2
 DEFINISI SPK
Man dan Waton
Suatu sistem yang interaktif, yang membantu
pengambil keputusan melalui penggunaan
data dan model-model keputusan untuk
memecahkan masalah yang sifatnya semi
terstruktur maupun yang tidak terstruktur.
Raymond McLeod, Jr.
Sebuah sistem yang menyediakan
kemampuan untuk penyelesaian masalah dan
komunikasi untuk permasalahan yang
bersifat semi-terstruktur.
3
 DEFINISI SPK
Little
Sebuah himpunan/kumpulan prosedur
berbasis model untuk memproses data dan
pertimbangan untuk membantu manajemen
dalam pembuatan keputusannya.

Moore and Chang

sistem yang berkemampuan mendukung
analisis ad hoc data, dan pemodelan keputusan,
berorientasi keputusan, orientasi perencanaan
masa depan, dan digunakan pada saat-saat yang
tidak biasa.
4
 KARAKTERISTIK SPK
1. Dirancang untuk membantu pengambil keputusan
dalam memecahkan masalah yang sifatnya semi
terstruktur ataupun tidak terstruktur dengan
menambahkan kebijaksanaan manusia dan
informasi komputerisasi. Memberikan dukungan
pembuatan keputusan kepada manajer pada semua
tingkat dengan membantu integrasi antar tingkat.
2. Mengkombinasikan penggunaan model-model
analisis dengan teknik pemasukan data
konvensional serta fungsi-fungsi pencari / interogasi
informasi.

5
 KARAKTERISTIK SPK (LANJUTAN)
3. Dirancang sedemikian rupa sehingga dapat
digunakan/dioperasikan dengan mudah.
4. Dirancang dengan menekankan pada aspek
fleksibilitas serta kemampuan adaptasi yang tinggi.

6
 TUJUAN SPK
 Memberikan dukungan untuk pembuatan
keputusan pada masalah yang semi/tidak
terstruktur.
 Memberikan dukungan pembuatan keputusan
kepada manajer pada semua tingkat dengan
membantu integrasi antar tingkat.
 Meningkatkan efektifitas manajer dalam pembuatan
keputusan dan bukan peningkatan efisiennya.

7
Tujuan SPK (Peter G.W Keen dan Scoot Morton di dalam
buku Model dan Sistem Informasi (Mc.Leod R, Jr,1996)
1. Membantu manajer membuat keputusan untuk
memecahkan masalah semi terstruktur
2. Mendukung penilaian manajer bukan mencoba untuk
menggantikannya
3. Meningkatkan efektifitas pengambilan keputusan
manajer daripada efisiensinya.

8
 MANFAAT SPK
 Memperluas kemampuan pengambil keputusan
dalam memproses data / informasi bagi
pemakainya.
 Membantu pengambil keputusan untuk
memecahkan masalah terutama berbagai masalah
yang sangat kompleks dan tidak terstruktur.
 Dapat menghasilkan solusi dengan lebih cepat serta
hasilnya dapat diandalkan.
 Dapat menjadi stimulan bagi pengambil keputusan
dalam memahami persoalannya, karena mampu
menyajikan berbagai alternatif pemecahan.
9
 SPK YANG IDEAL
1. SPK adalah sebuah sistem berbasis komputer antara
komputer dan pengguna.
2. SPK ditujukan untuk membantu pembuat
keputusan dalam menyelesaikan suatu masalah
dalam berbagai level manajemen dan bukan untuk
mengganti posisi manusia sebagai pembuat
keputusan.
3. SPK mampu memberi alternatif solusi bagi masalah
semi/tidak terstruktur baik bagi perseorangan atau
kelompok dan dalam berbagai macam proses dan
gaya pengambilan keputusan.
10
 SPK YANG IDEAL
4. SPK menggunakan data, basis data dan analisa
model-model keputusan.
5. SPK bersifat adaptif, efektif, interaktif, dan fleksibel.
6. SPK menyediakan akses terhadap berbagai macam
format dan tipe sumber data (data source).

11
 KETERBATASAN SPK
1. Ada beberapa kemampuan manajemen dan bakat
manusia yang tidak dapat dimodelkan, sehingga
model yang ada dalam sistem tidak semuanya
mencerminkan persoalan sebenarnya.
2. Kemampuan suatu SPK terbatas pada
perbendaharaan pengetahuan yang dimilikinya
(pengetahuan dasar serta model dasar).
3. Proses-proses yang dapat dilakukan SPK biasanya
juga tergantung pada perangkat lunak yang
digunakan.

12
 KETERBATASAN SPK
4. SPK tidak memiliki kemampuan intuisi seperti yang
dimiliki manusia. Sistem ini dirancang hanyalah
untuk membantu pengambil keputusan dalam
melaksanakan tugasnya.

13
 KOMPONEN SPK
Data Management
Termasuk database, yang mengandung data yang
relevan untuk berbagai situasi dan diatur oleh software
yang disebut Database Management Systems (DBMS)

Model Management
Melibatkan model finansial, statistikal, management
science, atau berbagai model kuantitatif lainnya,
sehingga dapat memberikan ke sistem suatu
kemampuan analitis, dan manajemen software yang
diperlukan.
14
 KOMPONEN SPK
Communication (Dialog Subsystem)
User dapat berkomunikasi dan memberikan perintah
pada DSS melalui subsistem ini. Ini berarti
menyediakan antarmuka.

Knowledge Management
Subsistem optional ini dapat mendukung subsistem
lain atau bertindak sebagai komponen yang berdiri
sendiri.

15
16
 1. Subsistem Pengelolaan Data
 Komponen SPK yang berguna sebagai penyedia data
bagi sistem. Data tersebut disimpan dan
diorganisasikan dalam sebuah basis data yang
diorganisasikan oleh suatu sistem yang disebut
dengan sistem manajemen basis data (Database
Management System).

17
 1. Subsistem Pengelolaan Data
Kemampuan subsistem data yang diperlukan dalam SPK :
 Mampu mengkombinasikan sumber – sumber data
yang relevan melalui proses ekstraksi data.
 Mampu menambah dan menghapus secara cepat dan
mudah.
 Mampu menangani data personal dan non personal,
sehingga user dapat bereksperimen dengan berbagai
alternatif keputusan.
 Mampu mengolah data yang bervariasi dengan fungsi
manajemen data yang luas.

18
 2. Subsistem Pengelolaan Model
 Keunikan dari SPK adalah kemampuannya dalam
mengintegrasikan data dengan model-model
keputusan.
 Model adalah suatu tiruan dari alam nyata. Kendala
yang sering dihadapi dalam merancang suatu model
adalah bahwa model yang dirancang tidak mampu
mencerminkan seluruh variabel alam nyata,
sehingga keputusan yang diambil tidak sesuai
dengan kebutuhan oleh karena itu, dalam
menyimpan berbagai model harus diperhatikan dan
harus dijaga fleksibilitasnya.
19
 2. Subsistem Pengelolaan Model
 Hal lain yang perlu diperhatikan adalah pada setiap
model yang disimpan hendaknya ditambahkan
rincian keterangan dan penjelasan yang
komprehensif mengenai model yang dibuat.

20
 2. Subsistem Pengelolaan Model
Kemampuan subsistem model dalam SPK :
 Mampu menciptakan model – model baru dengan
cepat dan mudah
 Mampu mengkatalogkan dan mengelola model
untuk mendukung semua tingkat pemakai
 Mampu menghubungkan model – model dengan
basis data melalui hubungan yang sesuai
 Mampu mengelola basis model dengan fungsi
manajemen yang analog dengan database
manajemen

21
 3. Subsistem Pengelolaan Dialog
 Keunikan lainnya dari SPK adalah adanya fasilitas
yang mampu mengintegrasikan sistem yang
terpasang dengan pengguna secara interaktif, yang
dikenal dengan subsistem dialog. Melalui subsistem
dialog, sistem diimplementasikan sehingga
pengguna dapat berkomunikasi dengan sistem yang
dibuat.

22
 3. Subsistem Pengelolaan Dialog
Fasilitas yang dimiliki oleh subsistem dialog dibagi menjadi
tiga komponen :
 Bahasa aksi (action language), yaitu suatu perangkat
lunak yang dapat digunakan oleh user untuk
berkomunikasi dengan sistem, yang dilakukan melalui
berbagai pilihan media seperti keyboard, joystick dan
keyfunction yang lainnya.
 Bahasa tampilan (display and presentation language),
yaitu suatu perangkat yang berfungsi sebagai sarana
untuk menampilkan sesuatu. Peralatan yang digunakan
untuk merealisasikan tampilan ini diantaranya adalah
printer, grafik monitor, plotter, dan lain-lain. 23
 3. Subsistem Pengelolaan Dialog
 Basis pengetahuan (knowladge base), yaitu bagian
yang mutlak diketahui oleh pengguna sehingga sistem
yang dirancang dapat berfungsi secara interaktif.

24
 DECISION SUPPORT SYSTEM (DSS)
 Sistem berbasis komputer yang interaktif, yang
membantu pengambil keputusan memanfaatkan data
dan model untuk menyelesaikan masalah-masalah
yang tak terstruktur.
 sistem pendukung yang berbasis komputer untuk
manajemen pengambilan keputusan yang
berhubungan dengan masalah-masalah yang semi
terstruktur.
 Digunakan untuk menggambarkan sembarang sistem
yang terkomputerisasi
 digunakan untuk definisi yang lebih sempit, dan
digunakan istilah MSS sebagai payung untuk
menggambarkan berbagai tipe sistem pendukung. 25
 GROUP SUPPORT SYSTEM (GSS)
 Satu lingkungan berbasis teknologi informasi yang
mendukung pertemuan grup, yang didistribusikan
secara geografis dan tak permanen.

26
27
 TUJUAN GSS
 Untuk meningkatkan produktifitas dari rapat
pengambilan keputusan, baik dengan mempercepat
proses pengambilan keputusan ataupun dengan
meningkatkan kualitas dari keputusan yang
dihasilkan atau keduanya.

28
 KELEBIHAN GSS
 Grup lebih memahami masalah daripada individu
 Grup lebih cepat menangkap kesalahan yang terjadi
daripada individu
 Grup memiliki lebih banyak informasi
 Sinergi dapat dihasilkan

29
 KEKURANGAN GSS
 Tekanan sosial agar selalu menyesuaikan diri
 Menghabiskan waktu, prosesnya lambat
 Keterbatasan koordinasi, perencanaan pertemuan
yang jelek
 Kecendrungan anggota untuk mengandalkan saja
yang lain dalam mengerjakan tugas

30
 EXPERT SYSTEM (ES)
 ES dikembangkan pertama kali oleh komunitas AI
(Artificial Intelegence) tahun 1960an. ES yang
pertama adalah General Purpose Solver (GPS) yang
dikembangkan oleh Newel Simon
 ES merupakan sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer
dapat menyelesaikan masalah seperti yang biasa
dilakukan para ahli.
 ES tidak untuk menggantikan kedudukan seorang
pakar tetapi untuk memasyarakatkan pengetahuan
dan pengalaman pakar tersebut.
31
 KEUNTUNGAN EXPERT SYSTEM
1. Memungkinkan orang awam bisa mengerjakan
pekerjaan para ahli
2. Bisa melakukan proses secara berulang secara
otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Meningkatkan output dan produktifitas
5. Meningkatkan kualitas
6. Mampu mengambil dan melestarikan keahlian para
pakar
7. Mampu beroperasi dalam lingkungan berbahaya

32
 KEUNTUNGAN EXPERT SYSTEM
8. Memiliki kemampuan untuk mengakses
pengetahuan
9. Memiliki realibilitas
10. Meningkatkan kapabilitas sistem komputer
11. Memiliki kemampuan untuk bekerja dengan
informasi yang tidak lengkap dan mengandung
ketidakpastian
12. Sebagai media pelengkap dalam pelatihan
13. Meningkatkan kapabilitas dalam penyelesaian
masalah
14. Menghemat waktu dalam pengambilan keputusan
33
 KELEMAHAN EXPERT SYSTEM
 Biaya yang diperlukan untuk membuat dan
memeliharanya sangat mahal
 Sulit dikembangkan. Hal ini erat kaitannya dengan
ketersediaan pakar dalam bidangnya.
 Sistem pakar tidak 100% bernilai benar.

34
STRUKTUR EXPERT SYSTEM

35
 ARTIFICIAL INTELEGENCE (AI)
 Ilmu untuk merancang, membangun dan
mengonstruksi satu mesin (komputer) atau program
komputer hingga memiliki kecerdasan layaknya
manusia. Kecerdasan dalam hal ini adalah
kemampuan untuk mengambil tindakan atau
menyelesaikan masalah layaknya manusia
menggunakan kecerdasannya.

36
 CONTOH PENERAPAN AI
1. SIRI
 SIRI adalah sistem komputer yang Aplle sediakan
pada hampir semua produk elektroniknya mulai
dari smartphone, laptop hingga komputer desktop.
 Tampilan antar pengguna SIRI berupa suara
manusia yang terlihat natural untuk diajak
berkomunikasi layaknya manusia pada umumnya

37
 CONTOH PENERAPAN AI
Fungsi SIRI
 Untuk membantu pengguna mendapatkan
informasi, memberikan arahan pada peta,
mengatur jadwal dan event, hingga melakukan
panggilan ke nomor yang disebutkan. Dilengkapi
dengan algoritma Machine Learning membuat SIRI
mampu bertambah pintar setiap saat karena
mempelajari setiap kebiasaan pengguna sebagai
modal di masa mendatang.

38
 CONTOH PENERAPAN AI
2. ALEXA
 Hampir sama dengan SIRI, Alexa merupakan salah
satu asisten personal cerdas yang bisa membantu
kebutuhan penggunanya. Bedanya, Alexa dibuat
oleh Amazon untuk ditanamkan pada perangkat
pintar dalam konsep Smart Home (rumah pintar)
seperti Smart-lamp, Smart-watch, Smart-speaker,
dan Smart-TV. Yang paling menarik dari Alexa
adalah ia dapat mengetahui di ruangan dan sebelah
mana pengguna memberikan perintah.

39
Anda tidak perlu
memberikan perintah
didepan speaker untuk
mendapatkan respons
Alexa. Tinggal sebutkan
perintah di manapun anda
berada, dan Alexa akan
meresponnya.

40
 CONTOH PENERAPAN AI
3. TESLA
 Teknologi Self-Driving akhir-akhir ini semakin sering
digembor-gemborkan. Bayangkan sebuah mobil
bisa menyetir dirinya sendiri tanpa harus
dikendalikan oleh supir manusia lagi. Itulah yang
mampu dilakukan oleh AI yang disematkan Tesla,
salah satu perusahaan otomotif dunia dalam mobil-
mobil besutannya. Memang masih banyak pro-
kontra dalam AI yang satu ini terkait jaminan
keselamatan yang diberikan. Namun pada
waktunya, mungkin seluruh mobil di dunia sudah
tidak memerlukan supir lagi.
41
42
 PERBEDAAN DSS DAN ES
DSS ES
Tujuan Membantu Pengganti penasihat
pengambilan manusia
keputusan
Siapa yang membuat Manusia dan atau System
rekomendasi sistem
(keputusan) ?
Tujuan utama Membuat keputusan Transfer keahlian
(manusia-mesin-
manusia) dan
pemberian saran
Arah permintaan Manusia Mesin mengarahkan
utama mengarahkan mesin manusia
dukungan Pribadi, grup dan Pribadi (terutama)
institusi dan grup
Metode manipulasi Angka Simbol
Karaktesitik masalah Lengkap, luas Sempit
terintegrasi 43
 DSS ES

Tipe Masalah Ad hoc, unik Berulang

Isi dari database Pengetahuan nyata Procedural dan

pengetahuan nyata
Kemampuan Tidak Ya, terbatas
penalaran
Kemampuan Terbatas Ya
penjelasan

44
 KEPUTUSAN ???
Suatu reaksi terhadap beberapa solusi
Tindakan
alternatif yang dilakukan secara sadar
dengan cara menganalisa kemungkinan-
kemungkinan dari alternatif tersebut Opini
bersama konsekuensinya.

PENGAMBILAN
KEPUTUSAN ???
Proses pemilihan alternatif tindakan untuk mencapai
tujuan atau sasaran tertentu.
45
 SISTEM PENGAMBILAN
KEPUTUSAN
SPK dirancang untuk mendukung seluruh tahap
pengambilan keputusan

Mengidentifikasi Masalah

Memilih Data

Menentukan Pendekatan

Mengevaluasi Pemilihan Alternatif

46
 JENIS KEPUTUSAN
(Herbert A. Simon)
1. Keputusan Terprogram
Keputusan ini bersifat berulang dan rutin, sehingga
keputusan tersebut tidak perlu diperlakukan de
novo (sebagai sesuatu yang baru) tiap kali terjadi.
2. Keputusan Tak Terprogram
Keputusan ini bersifat baru tidak terstruktur dan
jarang konsekwen. Tidak ada metode yang pasti
untuk menangani masalah ini karena belum ada
sebelumnya

47
 TEKNIK KEPUTUSAN TERPROGRAM
TRADISIONAL
 Kebiasaan
 Mengikuti Prosedur
Baku
 Saluran Informasi
Disusun Dengan Baik
 Kebijakan institusi
Berdasarkan Kreatifitas
 Coba-Coba
 Seleksi dan Latihan
pada pelaksana
MODERN
 Menggunakan Teknik
“Operation Research”
 Berdasarkan pengolahan
data berbantu komputer
 Teknik pemecahan
masalah yang diterapkan
pada latihan pembuatan
keputusan dan
penyusunan program
komputer empiris
48
 ELEMENT TERKAIT
PENGAMBILAN KEPUTUSAN

MASALAH SOLUSI HASIL

49
 ELEMENT TERKAIT
PENGAMBILAN KEPUTUSAN
1. Masalah
Dalam sistem pendukung keputusan terdapat 3 jenis
masalah yaitu masalah terstruktur, masalah semi
terstruktur dan masalah tidak terstruktur.
2. Solusi
Dalam sistem pendukung keputusan terdapat beberapa
jenis solusi pemecahan masalah yaitu
 Multi Atribute Decision Making (MADM) seperti Metode
Simple Additive Weighting (SAW), Metode Weight Product
(WP), Metode Analitical Hierarchy Process (AHP), Metode
Topsis dan lain-lain.
50
 ELEMENT TERKAIT
PENGAMBILAN KEPUTUSAN
 Metode Multi Criteria Decision Making (MCDM) seperti
Metode Promethee, Metode Electre, Metode Oreste,
Metode Entropi dan lain-lain.
 Metode Multi Factor Evaluation Process (MFEP)
 Metode Multi Atribute Utility Theory (MAUT)
 Metode Fuzzy Multi Atribute Decision Making (FMADM)
yang terdiri dari F-AHP, F-SAW dan lain-lain.

51
 ELEMENT TERKAIT
PENGAMBILAN KEPUTUSAN
3. Hasil
Hasil atau keluaran dari sebuah sistem pendukung
keputusan yaitu berupa suatu sebuah keputusan yang
dapat dijadikan sebagai tolak ukur sebuah kebijakan
dari sebuah masalah yang diteliti atau dibahas.

52
PENGAMBILAN KEPUTUSAN

Prinsip
Pengambilan Keputusan

Intuisi Rasional

53
Diagram Pengambilan Keputusan
Dengan Intuisi

54
Sifat-Sifat Lingkungan Dalam Pengambilan Keputusan :
1. Tidak Pasti  tidak diketahui kejadian dimasa
mendatang.
2. Kompleks  dalam hal ini banyak faktor yang saling
terkait.
3. Dinamis  lingkungan berubah seiring dengan
berjalannya waktu.
4. Persaingan  hal ini tidak dapat dipungkiri lagi bahwa
semakin kedepan persaingan semakin ketat dalam
berkompetisi.
5. Terbatas  terbatasnya sumber daya yang tersedia.

55
Alat Untuk Menghadapi Faktor Lingkungan :
1. Kecerdasan  untuk memahami dan menyusun
berbagai tindakan
2. Persepsi belajar dari apa yang telah terjadi sehingga
bisa memberikan penilaian
3. Falsafah bahwa manusia mempunyai pandangan dan
prinsip hidup yang membuat manusia mempunyai
preferensi terhadap hasil yang diharapkan dalam
mengambil keputusan.

56
Diagram Pengambilan Keputusan
Dengan Analisis Keputusan

57
Komponen yang harus ada dalam pengambilan keputusan
berbasis rasional atau analisa :
1. Alternatif Keputusan
Pilihan keputusan yang jumlahnya lebih dari satu untuk
mencapai tujuan yang telah ditetapkan.

2. Kriteria Keputusan
Pertimbangan dalam penetapan alternatif keputusan.
Masing-masing keputusan mempunyai pertimbangan
yang dibutuhkan seperti jangkauan, efektifitas, biaya,
mutu dan lain sebagainya

58
3. Bobot Kriteria
Skor setiap kriteria yang menggambarkan rendahnya
kepentingan kriteria tersebut dalam pengambilan
keputusan.

4. Model Penilaian
Model untuk mengevaluasi dan memilih alternatif
terbaik berdasarkan kriteria yang ditetapkan.
Model penilaian dapat berupa skala ordinal, interval,
rasio, ataupun perbandingan berpasangan. Penggunaan
skala penilaian didasarkan pada model
perhitungan yang digunakan.

59
5. Struktur Keputusan
Hubungan antar elemen-elemen keputusan yang
membantu melakukan pengambilan keputusan.
 Matriks Keputusan
 Tabel untuk membandingkan berbagai alternatif
berdasarkan kriteria.
 Matriks keputusan digunakan untuk melakukan
pemilihan diantara berbagai alternatif yang
memenuhi atau tidak memenuhi kriteria.
 Hierarki Keputusan
 Alat yang paling mudah untuk memahami
masalah yang kompleks.

60
 Masalah tersebut diuraikan ke dalam elemen-elemen
yang bersangkutan, menyusun elemen tersebut secara
hierarki, melakukan penilaian terhadap elemen tersebut,
dan menentukan keputusan yang akan diambil.
 Proses penyusunan elemen-elemen secara hierarki,
meliputi pengelompokan elemen-elemen dalam
Komponen yang sifatnya homogen dan menyusun
komponen komponen tersebut dalam level hierarki yang
tepat.
 Hirarki merupakan abstraksi struktur suatu sistem yang
mempelajari fungsi interaksi antara komponen dan juga
dampaknya pada sistem.

61
 Abstraksi mempunyai bentuk saling berkaitan, tersusun,
dan suatu puncak atau sasaran utama (ultimate goal).
Dari puncak turun ke subfaktor, kemudian ke pelaku
(aktor) yang memberi dorongan, turun ketujuan-tujuan
pelaku dan kebijakan-kebijakan, strategi - strategi
tersebut dinamakan sebagai alternatif.
 Hierarki adalah sistem yang mempunyai tingkatan-
tingkatan keputusan berstratifikasi dengan beberapa
elemen keputusan pada setiap tingkatan keputusan.

62
6. Model Perhitungan
Metode yang digunakan untuk pengambilan keputusan
dari beberapa alternatif keputusan dengan kriteria
majemuk.
Model perhitungan terdiri dari tiga tahapan penilaian:
 Menentukan tingkat kepentingan dari setiap kriteria
 Melakukan penilaian terhadap semua alternatif pada
setiap kriteria
 Menghitung skor setiap alternatif dan menentukan
urutan prioritas keputusan didasarkan pada skor atau
nilai total masing-masing alternatif.

63
Model perhitungan dipilih berdasarkan beberapa
pertimbangan :
 Jumlah level hierarki kriteria
 Keseragaman penilaian alternatif pada setiap kriteria
 Skala penilaian

Contoh Model Perhitungan antara lain :

 Bayes
 MPE (Metode Perbandingan Eksponensial)
 Perbandingan indeks kinerja
 Metode SAW (Simple Additivie Weighting)
 Metode AHP (Analytical Hierarchy Process) .
64
7. Tipe Pengambil Keputusan
Terdiri dari 3 level :
 Manajemen Level Atas (Top Management)
Keputusan-keputusan bersifat strategis dan jangka
panjang
 Manajemen Level Menengah (Middle Management)
Keputusan-keputusan yang bersifat taktis dan jangka
menengah.
Keputusan Taktis merupakan rencana dan
pengendalian operasional serta taktikal.

65
 Manajemen Level Bawah (Lower Management)
Keputusan yang bersifat teknis, yaitu keputusan yang
digunakan untuk keperluan operasional sehari-hari
atau untuk perencanaan dan pengawasan operasi.
Keputusan yang dibuat dalam tingkat operasional
hanya menyangkut performa kinerja.

66
TAHAPAN PENGAMBILAN KEPUTUSAN

Sistem
INTELIGENCE Informasi
Manajemen Sistem
DESIGN Pendukung
Keputusan
Ilmu
CHOICE Manajemen

IMPELEMENTATION

67
TAHAPAN PENGAMBILAN KEPUTUSAN
1. Inteligence
Tahap ini merupakan proses penelusuran dan
pendeteksian dari ruang lingkup problematika secara
proses pengenalan masalah. Data masukan diperoleh,
di proses dan diuji dalam rangka mengidentifikasi
masalah.
2. Design
Tahap ini merupakan proses menemukan,
mengembangkan, dan menganalisis alternatif tindakan
yang bisa dilakukan. Tahap ini meliputi menguji
kelayakan solusi.

68
TAHAPAN PENGAMBILAN KEPUTUSAN
3. Choice
Pada tahap ini dilakukan proses pemilihan diantara
berbagai alternatif tindakan yang mungkin
dijalankan. Hasil pemilihan tersebut kemudian
diimplementasikan dalam proses pengambilan
keputusan.

69
PENGAMBILAN KEPUTUSAN BERBASIS
INDEKS KINERJA
1. METODE BAYES
Salah satu teknik yang digunakan dalam pengambilan
keputusan terbaik dari sejumlah alternatif dengan
tujuan menghasilkan perolehan yang optimal.
Persamaan Bayes yang digunakan untuk menghitung
nilai setiap alternatif yang disederhanakan menjadi:

70
 CONTOH APLIKASI BAYES
Kriteria
Alternatif
Tepat Waktu Kontinyuitas Pelayanan
Pemasok A 0,8 0,6 0,6
Pemasok B 0,8 0,9 0,7
Pemasok C 0,8 0,7 0,8
Bobot 0,3 0,4 0,3
Pemasok A:
0,3(0,8)+0,4(0,6)+0,3(0,6)= 0,66

Pemasok B:
0,3(0,8)+0,4(0,9)+0,3(0,7)= 0,81

Pemasok C:
0,3(0,8)+0,4(0,7)+0,3(0,8)= 0,76 71
 CONTOH APLIKASI BAYES
Kriteria Nilai
Alternatif Tepat Alter Peringkat
Kontinyuitas Pelayanan natif
Waktu
Pemasok 0,8 0,6 0,6 0,66 3
A
Pemasok 0,8 0,9 0,7 0,81 1
B
Pemasok C 0,8 0,7 0,8 0,76 2

Bobot 0,3 0,4 0,3

72
 CONTOH APLIKASI BAYES
Kriteria

Nilai Pering
Alternatif Capaian Capaian Capaian
Capaian Alternatif kat
Bahan Waktu Biaya Budi
Rendemen
Baku Panen Daya

Ubi Kayu 0,8 0,7 0,6 0,6

Ubi Jalar 0,7 0,6 0,7 0,6

Tebu 0,6 0,5 0,6 0,7

Bobot 0,4 0,4 0,1 0,1

73
PENGAMBILAN KEPUTUSAN BERBASIS
INDEKS KINERJA
2. METODE PERBANDINGAN EKSPONENSIAL (MPE)
Salah satu metode untuk menentukan urutan
prioritas alternatif keputusan dengan kriteria jamak.
Teknik ini digunakan sebagai pembantu bagi
individu pengambilan keputusan untuk
menggunakan rancang bangun model yang telah
terdefinisi dengan baik pada tahapan proses.

74
PROSEDUR MPE
Formulasi perhitungan skor untuk setiap alternatif
dalam metoda perbandingan eksponensial adalah :

75
KEUNTUNGAN METODE MPE
1. Mengurangi bias yang mungkin terjadi dalam
analisa.
2. Nilai skor yang menggambarkan urutan prioritas
menjadi besar (fungsi eksponensial) ini
mengakibatkan urutan prioritas alternatif
keputusan lebih nyata.

76
 CONTOH APLIKASI MPE
Kriteria
Alternatif
Kualitas Service Harga
Toshiba 5 4 3
HP 4 4 5
Asus 4 5 4
Bobot 4 2 4
Toshiba :
5^4 + 4^2 + 3^4 = 625 + 16 + 81 =722

HP =

Asus =
77
 CONTOH APLIKASI MPE
Kriteria
Nilai
Alternatif Peringkat
Kualitas Service Harga Alternatif
Toshiba 5 4 3

HP 4 4 5

Asus 4 5 4

Bobot 4 2 4

78
 CONTOH APLIKASI MPE
Kriteria
Nilai
Alternatif Efektifitas Peringkat
Jangkauan Biaya Alternatif
Pesan
Radio 4 4 3
Televisi 4 5 2
Surat 4 3 4
Kabar
Bobot 3 4 3

79
PENGAMBILAN KEPUTUSAN BERBASIS
INDEKS KINERJA
3. COMPOSITE PERFORMANCE INDEX
Merupakan indeks gabungan (Composite Index)
yang dapat digunakan untuk menentukan atau
peringkat dari berbagai alternatif (i) berdasarkan
beberapa kriteria (j).
Formula yang digunakan dalam Teknik CPI :

80
81
PROSEDUR PENYELESAIAN CPI
1. Identifikasi kriteria tren positif (semakin tinggi
nilainya semakin baik) dan tren negatif (semakin
rendah nilainya semakin baik)
2. Untuk kriteria tren Positif, Nilai Minimum pada
setiap kriteria ditransformasi ke seratus, sedangkan
nilai lainnya ditransformasi secara proporsional
lebih tinggi.
3. Untuk kriteria Negetif, nilai minimum pada setiap
kriteria ditransformasi ke seratus, sedangkan nilai
lainnya ditransformasi secara proporsional lebih
rendah.
4. Perhitungan selanjutnya mengikuti prosedur Bayes

82
 CONTOH APLIKASI CPI
Alternatif Kriteria
Nilai
Calon Peringkat
Komunikasi Pengalaman Usia Alternatif
Direktur
Muhammad 129 100 100

Ahmad 100 113 95

Mamad 107 107 71

Selamat 114 120 78

83
 LATIHAN CPI

1. Semakin besar nilai IRR, maka akan semakin bagus

alternative tersebut.
2. Semakin tinggi nilai BC, maka tingkat alternative akan
semakin baik.
3. Semakin kecil nilai PBP, maka waktu pengembalian modal
alternatif akan semakin cepat. 84
 LATIHAN CPI

Khusus Untuk CPI, Lakukan Analisa Trend Positif/Negatif

Berdasarkan Analisa Masing-masing Yang Sesuai Dengan
Lingkungan Nya.

85
 SIMPLE ADDITIVE WEIGHTING
(SAW)
 Metode SAW sering dikenal dengan istilah metode
penjumlahan terbobot.
 Konsep dasar metode SAW adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut.
 Metode SAW dapat membantu dalam pengambilan
keputusan suatu kasus, akan tetapi perhitungan
dengan menggunakan metode SAW ini hanya yang
menghasilkan nilai terbesar yang akan terpilih sebagai
alternatif yang terbaik.
86
 Perhitungan akan sesuai dengan metode ini apabila
alternatif yang terpilih memenuhi kriteria yang telah
ditentukan.
 Metode SAW ini lebih efisien karena waktu yang
dibutuhkan dalam perhitungan lebih singkat.
 Metode SAW membutuhkan proses normalisasi
matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang
ada.

87
88
89
 CONTOH PENERAPAN METODE SAW

Pemilihan Bujang Kota

Pangkalpinang

Unjuk Bakat Public Speaking Tabel Manner

Azil Hanif Alfatih

90
 Nilai Bobot
C1 (Unjuk Bakat) Nilai Pengambil Keputusan
Sangat berbakat 1
memberikan Nilai Bobot
Sedang 0,5
untuk masing-masing
Tidak berbakat 0
kriteria:
C2 (Public Speaking) Nilai C1: 40% = 0,40
Sangat lancar 1 C2: 35% = 0,35
Sedang 0,5 C3: 25% = 0,25
Tidak Lancar 0

C3 (Table Manner) Nilai

Sangat Menguasai 1
Sedang 0,5
Tidak Menguasai 0 91
 Konversi
Unjuk Bakat Public Table Maner
Speaking
Azil Sangat berbakat Sedang Sedang
Hanif Sedang Sangat Lancar Sangat Menguasai
Alfatih Sedang Tidak Lancar Tidak Menguasai

Konversi

C1 C2 C3
V1 1 0.5 0,5
V2 0,5 1 1
V3 0,5 0 0
92
 Normalisasi
KRITERIA JENIS KRITERIA KETERANGAN
Unjuk Bakat Keuntungan (Benefit) Semakin berbakat semakin baik
Public Speaking Keuntungan (Benefit) Semakin lancar public speaking
semakin baik
Table Manner Keuntungan (Benefit) Semakin menguasai table manner
semakin baik

xij
, 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡)
maxix ij
rij = min
ix ij
, 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 𝑐𝑜𝑠𝑡
xij

93
 Normalisasi
1. Kriteria Unjuk Bakat (Benefit)
1 1
R11 = = =𝟏
max 1, 0.5, 0.5 1
0.5 0.5
R 21 = = =0.5
max 1,0.5,0.5 1
0.5 0.5
R 31 = = =0.5
max 1,0.5,0.5 1

2. Kriteria Public Speaking (Benefit)

0.5 0.5
R12 = = = 0.5
max 0.5,1,0 1
1 1
R 22 = = =𝟏
max 0.5,1, 0 1
0 0
R 32 = = =𝟎
max 0.5,1, 0 1

94
 Normalisasi
3. Kriteria Table Manner (Benefit)
0.5 0.5
R13 = = = 0.5
max 0.5,1,0 1
1 1
R 23 = = =𝟏
max 0.5,1, 0 1
0 0
R 33 = = =𝟎
max 0.5,1, 0 1

Hasil Normalisasi
Alternatif R1 R2 R3
Unjuk Bakat 1 0.5 0.5
Public Speaking 0.5 1 1
Table Manner 0.5 0 0

95
 Hasil Perhitungan Nilai Preferensi
V1 = (0,40*1)+(0,35*0,5)+(0,25*0,5) = 0,7
V2 = (0,40*0,5)+(0,35*1)+(0,25*1) = 0,8
V3 = (0,40*0,5)+(0,35*0)+(0,25*0) = 0,2

Nilai Preferensi
Alternatif V1 V2 V3
Azil 0.4 0.175 0.125 0.7
Hanif 0.2 0.35 0.25 0.8
Alfatih 0.2 0 0 0.2

Nilai Vi untuk Hanif adalah nilai preferensi yang terbesar. Jadi

didapatkan hasil bujang yang terpilih yaitu “HANIF”
96
 ANALITICAL HIERARCHY PROCESS
(AHP)
 Suatu model pendukung keputusan yang
dikembangkan oleh Thomas L. Saaty.
 Model pendukung keputusan ini akan menguraikan
masalah multi faktor atau multi kriteria yang kompleks
menjadi suatu hirarki.
 Menurut Saaty (1993), hirarki didefinisikan sebagai
suatu representasi dari sebuah permasalahan yang
kompleks dalam suatu struktur multi level dimana
level pertama adalah tujuan, yang diikuti level faktor,
kriteria, sub kriteria, dan seterusnya ke bawah hingga
level terakhir dari alternatif. 97
Dengan hirarki, suatu masalah yang kompleks dapat
diuraikan ke dalam kelompok-kelompoknya yang
kemudian diatur menjadi suatu bentuk hirarki sehingga
permasalahan akan tampak lebih terstruktur dan
sistematis.

AHP sering digunakan sebagai metode pemecahan

masalah dibanding dengan metode yang lain karena
alasan-alasan sebagai berikut :
1. Struktur yang berhirarki, sebagai konsekuesi dari
kriteria yang dipilih, sampai pada subkriteria yang
paling dalam.
98
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.

99
 PRINSIP KERJA AHP
1. Penyusunan Hierarki
Persoalan yang akan diselesaikan, diuraikan
menjadi unsur-unsurnya, yaitu kriteria dan
alternatif, kemudian disusun menjadi struktur
hierarki.

100
STRUKTUR HIERARKY

101
2. Penilaian Kriteria dan Alternatif
Kriteria 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 :

102
 Skala Perbandingan Saaty

Nilai Perbandingan A dengan B adalah 1 (satu) dibagi

dengan nilai perbandingan B dengan A
103
 Skala Fundamental untuk
Perbandingan Berpasangan.
Intensitas
dari
kepentingan Definisi
pada skala
absolute
1 Kedua elemen yang sama
pentingnya (Equal Importance)
3 Elemen yang satu sedikit lebih
penting dari pada elemen yang
lainnya (Weak Importance of one
over another)
5 Elemen yang satu lebih penting
dari pada yang lainnya (Essential
or Strong Importance )
Penjelasan
Dua elemen dengan pengaruh
yang sama besar dalam
pengambilan keputusan
Pengalaman dan penilaian
menyatakan bahwa satu
elemen sedikit lebih berperan
dibandingkan elemen yang
lainnya
Pengalaman dan penilaian
menyatakan bahwa satu
elemen sangat berperan
dibandingkan elemen yang
lainnya
104
 Intensitas
dari
j
kepentingan Definisi Penjelasan
pada skala
absolute
7 Satu elemen jelas mutlak lebih Satu elemen sangat berperan
penting dari pada elemen lainnya dan dominan terlihat dalam
(Demonstrated Importance) praktek
9 Satu elemen mutlak penting dari Bukti yang mendukung satu
pada elemen lainnya (Extreme elemen berada pada urutan
Importance) tertinggi
2, 4, 6, 8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan. Nilai ini
diberikan bila ada dua kompromi di antara 2 pilihan
Berbalikan Jika untuk aktifitas i mendapat satu angka dibanding dengan
aktifitas j, maka j mempunyai nilai kebalikannya dibanding dengan
i

105
3. Menentukan Prioritas
Untuk setiap kriteria dan alternatif, perlu dilakukan
perbandingan berpasangan (pairwise comparisons).
Nilai-nilai perbandingan relatif kemudian diolah untuk
menentukan peringkat relatif dari seluruh alternatif.
Baik kriteria kualitatif maupun kriteria kuantitatif,
dapat dibandingkan sesuai dengan judgment yang
telah ditentukan untuk menghasilkan bobot dan
prioritas. Bobot atau prioritas dihitung dengan
manipulasi matriks atau melalui penyelesaian
persamaan matematik.

106
4. Konsistensi logis
Semua elemen dikelompokkan secara logis dan
diperingkatkan secara konsisten sesuai dengan suatu
kriteria yang logis.

107
 CONTOH KASUS
Seorang manager perusahaan akan melakukan pembelian
mobil baru. Terdapat beberapa merk mobil yang akan
dipilih dengan berbagai keunggulan dan kekurangannya
yaitu Civic, Saturn, Escord dan Mazda. Hal yang menjadi
pertimbangan dalam memilih mobil terbaik adalah gaya,
kehandalan dan hemat bahan bakar.

PENYELESAIAN KASUS DENGAN AHP :

1. MENDEFINISIKAN MASALAH
Tujuan : Memilih Mobil Baru
Kriteria : Gaya, Kehandalan dan Hemat Bahan Bakar
Alternatif : Civic, Saturn, Escord dan Mazda

108
 2. MEMBUAT STRUKTUR HIRARKI

GOAL PEMILIHAN MOBIL BARU

KRITERIA Gaya Kehandalan Hemat Bahan Bakar

ALTERNATIF Civic Saturn Escord Mazda

109
3. MEMBUAT MATRIKS PERBANDINGAN BERPASANGAN
1. PERHITUNGAN UNTUK PERBANDINGAN ANTAR
KRITERIA
Berdasarkan asumsi penilaian dari pengambil keputusan
menyatakan bahwa :
Kehandalan memiliki nilai penilaian berdekatan atau
kompromi dengan Gaya. Artinya nilai skala saaty =
2,4,6,8. Dalam kasus ini diberi nilai 2
Kehandalan memiliki nilai penilaian berdekatan atau
kompromi dengan Hemat Bahan Bakar. Artinya nilai skala
saaty = 2,4,6,8. Dalam kasus ini diberi nilai 4
Gaya sedikit lebih penting dari Hemat Bahan Bakar.
Artinya nilai skala saaty = 3

110
 MATRIKS BERPASANGAN UNTUK KRITERIA

Gaya Kehandalan Hemat Bahan Bakar

Gaya 1 1/2 3/1
Kehandalan 2/1 1 4/1
Hemat Bahan Bakar 1/3 1/4 1

Gaya Kehandalan Hemat Bahan Bakar

Gaya 1 0,5 3
Kehandalan 2 1 4

Hemat Bahan Bakar 0,33 0,25 1

111
4. MENGHITUNG EIGEN VEKTOR NORMALISASI

Hitung bobot kriteria dengan cara :

1. Normalisasi setiap kolom matrik perbandingan berpasangan
dengan membagi setiap nilai pada kolom matrik dengan hasil
penjumlahan kolom yang bersesuaian.
Langkah awal : Ubah matrik menjadi nilai desimal
1 0,5 3 0,30 0,29 0,38
2 1 4 Normalisasi 0,60 0,57 0,50
0,33 0,25 1 0,10 0,14 0,12

Jumlah Kolom : 3,33 1,75 8

112
2. Hitung nilai rata-rata dari penjumlahan setiap baris
matrik
0,30 0,29 0,38 0,32
0,60 0,57 0,5 Average 0,56
0,10 0,14 0,12 0,12

Jumlah Kolom : 1 1 1

113
5. MENGHITUNG RASIO KONSISTENSI
Hal-hal yang dilakukan dalam langkah ini adalah :
1. Hitung Consistency Indeks (CI)
𝑪𝑰 = 𝝀𝒎𝒂𝒙 − 𝒏 / 𝒏 − 𝟏
n = banyaknya elemen

2. Hitung Consistency Ratio(CR)

𝑪𝑹 = 𝑪𝑰/𝑰𝑹
CR = Consistency Ratio
CI = Consistency Index
IR = Index Random Consistency

114
 Memeriksa Consistency Hierarki :
Jika nilainya lebih dari 100% , maka penilaian data
judgmen harus diperbaiki. Namun jika ratio konsistensi
(CI/IR) kurang atau sama dengan 0,1 maka hasil
perhitungan bisa dinyatakan benar.

115
 Dalam contoh kasus sebelumnya, maka kita akan
menghitung konsistensi rasio dengan cara :
Hitung CI :
1 0,5 3 0,32 0,96
2 1 4 x 0,56 = 1,68
0,33 0,25 1 0,12 0,37

Baris1 = (1*0,32)+(0,5*0,56)+(3*0,12)= 0,96

Baris2 = (2*0,32)+(1*0,56)+(4*0.12)= 1,68
Baris3 = (0,33*0,32+(0,25*0,56)+(1*0,12)=0,37

116
𝜆𝑚𝑎𝑥 = average {0,96/0,32 + 1,68/0,56 + 0,37/0,12}
= (3 + 3 + 3,08) / 3
= 3,03

𝐶𝐼 = 𝜆𝑚𝑎𝑥 − 𝑛 / 𝑛 − 1
= (3,03 – 3) / (3 – 1)
= 0,03 / 2
= 0,01

117
 Berikut ini merupakan tabel IR berdasarkan Saaty
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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

Sehingga
CR = CI/IR
= 0,01 / 0,58
= 0,02 (<= 0,1 sehingga rasio konsisten)

118
 HIRARKI LENGKAP DENGAN BOBOT KRITERIA

PEMILIHAN MOBIL BARU

(1,00)

Gaya Kehandalan Hemat Bahan Bakar

(0,32) (0,56) (0,12)

Civic Saturn Escord Mazda

119
PERHITUNGAN UNTUK PERBANDINGAN ANTAR ALTERNATIF
Berdasarkan asumsi penilaian para pengambil keputusan untuk masing-masing
mobil maka ditentukan sebagai berikut :

1. Perbandingan Alternatif Terhadap Kriteria Gaya

Gaya Saturn memiliki nilai penilaian berdekatan atau kompromi dengan Gaya
Civic dan Escord, artinya nilai skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai
4.
Gaya Civic memiliki nilai penilaian berdekatan atau kompromi dengan Gaya
Escord, artinya nilai skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 4.
Gaya Mazda memiliki nilai penilaian berdekatan atau kompromi dengan Gaya
Civic, artinya nilai skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 6
Gaya Mazda memiliki nilai penilaian berdekatan atau kompromi dengan Gaya
Saturn, artinya nilai skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 4
Gaya Mazda lebih menawan dari pada Escord, artinya nilai skala saaty = 5

120
PERBANDINGAN ALTERNATIF TERHADAP KRITERIA GAYA

Civic Saturn Escord Mazda

Civic 1 1/4 4/1 1/6

Saturn 4/1 1 4/1 1/4

Escord 1/4 1/4 1 1/5

Mazda 6/1 4/1 5/1 1

1 0,25 4 0,17 0,09 0,04 0,28 0,11 0,13

4 1 4 0,25 0,36 0,18 0,29 0,15 0,24
𝑅𝑎𝑡𝑎2
0,25 0,25 1 0,2 0,02 0,05 0,07 0,12 0,07
6 4 5 1 0,53 0,73 0,36 0,62 0,56

Jml Kolom : 11,25 5,5 14 1,62

121
2. Perbandingan Alternatif Terhadap Kriteria Kehandalan
Kehandalan Civic memiliki nilai penilaian berdekatan
atau kompromi dengan Kehandalan Saturn, artinya nilai
skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 2.
Kehandalan Civic lebih handal dari pada Escord, artinya
nilai skala saaty = 5
Kehandalan Saturn sedikit lebih handal dari pada Escord,
artinya nilai skala saaty = 3
Kehandalan Saturn memiliki nilai penilaian berdekatan
atau kompromi dengan Kehandalan Mazda, artinya nilai
skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 2.
Kehandalan Mazda memiliki nilai penilaian berdekatan
atau kompromi dengan Kehandalan Escord, artinya nilai
skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 4. 122
PERBANDINGAN ALTERNATIF TERHADAP KRITERIA KEHANDALAN

Civic Saturn Escord Mazda

Civic 1 2/1 5/1 1/1
Saturn 1/2 1 3/1 2/1
Escord 1/5 1/3 1 1/4
Mazda 1/1 1/2 4/1 1

1 2 5 1 0,38 0,52 0,38 0,23 0,38

0,5 1 3 2 0,18 0,26 0,23 0,47 0,28
𝑅𝑎𝑡𝑎2
0,2 0,33 1 0,25 0,07 0,09 0,08 0,06 0,08
1 0,5 4 1 0,37 0,13 0,31 0,24 0,26

Jml Kolom : 2,7 3,83 13 4,25

123
3. Perbandingan Alternatif Terhadap Kriteria Hemat Bahan
Bakar
Bahan Bakar Civic memiliki nilai penilaian berdekatan atau
kompromi dengan Bahan Bakar Escord, artinya nilai skala
saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 4
Bahan Bakar Saturn memiliki nilai penilaian berdekatan atau
kompromi dengan Bahan Bakar Civic dan Mazda, artinya nilai
skala saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 2
Bahan Bakar Saturn sedikit lebih irit daripada Escord, artinya
nilai skala saaty = 3
Bahan Bakar Escord memiliki nilai penilaian berdekatan atau
kompromi dengan Bahan Bakar Mazda, artinya nilai skala
saaty = 2,4,6,8 . Dalam kasus ini diberi nilai 4
Bahan Bakar Mazda memiliki nilai penilaian berdekatan atau
kompromi dengan Bahan Bakar Civic, artinya nilai skala saaty
= 2,4,6,8 . Dalam kasus ini diberi nilai 4
124
 PERBANDINGAN ALTERNATIF TERHADAP
KRITERIA HEMAT BAHAN BAKAR
Civic Saturn Escord Mazda
Civic 1 1/2 4/1 1/4
Saturn 2/1 1 3/1 2/1
Escord 1/4 1/3 1 4/1
Mazda 4/1 1/2 1/4 1

1 0,5 4 0,25 0,14 0,21 0,49 0,03 0,22

2 1 3 2 0,27 0,43 0,36 0,28 0,33
𝑅𝑎𝑡𝑎2
0,25 0,33 1 4 0,03 0,14 0,12 0,55 0,21
4 0,5 0,25 1 0,55 0,22 0,03 0,14 0,24

Jml Kolom : 7,25 2,33 8,25 7,25

125
 PERANGKINGAN ALTERNATIF

Civic 0,13 0,38 0,22 0,28

0,32
Saturn 0,24 0,28 0,33 0,27
X 0,56 =
Escord 0,07 0,08 0,21 0,09
0,12
Mazda 0,56 0,26 0,24 0,35

Berdasarkan bobot diatas, maka didapatkan rangking

sebagai berikut:
1. Mazda
2. Civic
3. Saturn
4. Escord 126
 HIRARKI LENGKAP DENGAN BOBOT KRITERIA
DAN ALTERNATIF
PEMILIHAN MOBIL BARU
(1,00)

Gaya Kehandalan Hemat Bahan Bakar

(0,32) (0,56) (0,12)

Civic Saturn Escord Mazda

(0,28) (0,27) (0,09) (0.35)

127