AHP

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. (Saaty, 1993).

PENGERTIAN SISTEM PENDUKUNG KEPUTUSAN DARI BEBERAPA PAKAR

1. 1.       Little (1970)

Sistem pendukung keputusan adalah sebuah himpunan/kumpulan prosedur berbasis model untuk memproses data dan pertimbangan untuk membantu manajemen dalam pembuatan keputusannya.
2.  Alter (1990)
membuat definisi sistem pendukung keputusan dengan memabandingkannya dengan sebuah sistem pemrosesan data elektronik (PDE) / Electronic Data Processing tradisional dalam 5 hal :
SPK
Penggunaan :Aktif
Pengguna :Manajemen
Tujuan :Efektifitas
Time horizon :Sekarang dan masa depan
Kelebihan : Fleksibilitas
PDE
Penggunaan : Pasif
Pengguna : Operator/Pegawai
Tujuan : Efisiensi Mekanis
Time horizon :Masa Lalu
Kelebihan :Konsistensi

3. Keen (1980)
Sistem pendukung keputusan adalah sistem berbasis komputer yang dibangun lewat sebuah proses adaptif dari pembelajaran, pola-pola penggunan dan evolusi sistem.

4. Bonczek (1980)
Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan komponen sistem pemrosesan masalah (problem processing) yang saling berinteraksi satu dengan yang lainnya.
5. Hick (1993)
Sistem pendukung keputusan sebagai sekumpulan tools komputer yang terintegrasi yang mengijinkan seorang decision maker untuk berinteraksi langsung dengan komputer untuk menciptakan informasi yang berguna dalam membuat keputusan semi terstruktur dan keputusan tak terstruktur yang tidak terantisipasi.
6. Man dan Watson
Sistem pendukung keputusan merupakan 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.
7. Moore and Chang
Sistem pendukung keputusan dapat digambarkan sebagai 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.
8. Bonczek (1980)
Sistem pendukung keputusan sebagai sebuah sistem berbasis komputer yang terdiri atas komponen-komponen antara lain komponen sistem bahasa (language), komponen sistem pengetahuan (knowledge) dan komponen sistem pemrosesan masalah.
9. Turban & Aronson (1998)
Sistem pendukung keputusan sebagai sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer.
10. Raymond McLeod, Jr. (1998)
Sistem pendukung keputusan merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur.

TIPS BELAJAR BAHASA PEMROGRAMAN

baiklah hari ini saya akan membagikan tips BELAJAR BAHASA PEMROGRAMAN. Banyak sekali blog atau sumber2 lain yang memberikan tips Belajar Bahasa Pemrograman. hari ini saya juga memberikan ada 2 sumber yang biasa saya kunjungi untuk belajar bahasa pemrograman seperti Visual Basic.net misalnya. nggk usah berpanjang lebar di bawah ini adalah link tempat belajar bahasa pemrograman yang lengkap :

1. mesran.blogspot.com
2. mesran.net

SISTEM PENDUKUNG KEPUTUSAN METODE WP

Metode Weight Product (WP)
Metode  WP  mengunakan perkalian untuk menghubungkan rating atribut, di mana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.
Proses ini Ai diberikan sebagai berikut :

Dimana  ∑wj =  1.  wj  adalah  pangkat  bernilai  positif  untuk  atribut  keuntungan,  dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan sebagai:

RUMUS SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE SAW

Metode SAW atau Simple Additive Weighting adalah metode yang sering dikenal dengan mentode penjumlahan terbobot. Maksud dari penjumlahan terbobot yaitu mencari penjumlahan terbobot dari rating di tiap alternatif pada seluruh atribut/ kriteria. Hasil/ Skor total yang diperoleh untuk sebuah alternatif yaitu dengan menjumlahkan semua hasil perkalian antara rating / yang dibandingkan pada lintas atribut dan bobot setiap atribut. Rating pada setiap atribut sebelumnya harus sudah melalui proses normalisasi.
Metode SAW memerlukan proses normalisasi matriks keputusan x ke skala yang bisa dibandingkan dengan rating alternatif yang ada. Metode SAW dirumuskan dengan rumus berikut ini:

Keterangan rij merupakan rating kinerja yang ternormalisasi dari alternatif Ai pada kriteria/ atribut Cj; i=1,2,3...,m dan j=1,2,3...,n. Untuk setiap alternatif diberikan nilai preferensi (Vi) dengan rumus sebagai berikut:

Maka akan diperoleh hasil perangkingan, v dengan nilai tinggi merupakan alternatif terbaik.
Itulah yang dimaksud metode SAW, semoga informasi tentang pengertian metode SAW tersebut bisa menjadi referensi yang baik.

1.1 Pengertian Metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya. 1.2 Langkah Penyelesaian Simple Additive Weighting (SAW) Langkah Penyelesaian SAW sebagai berikut : 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)sebagai solusi. Formula untuk melakukan normalisasi tersebut adalah : Dimana : rij = rating kinerja ternormalisasi Maxij = nilai maksimum dari setiap baris dan kolom Minij = nilai minimum dari setiap baris dan kolom Xij = baris dan kolom dari matriks Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =1,2,…m dan j = 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : Dimana : Vi = Nilai akhir dari alternatif wj = Bobot yang telah ditentukan rij = Normalisasi matriks Nilai Viyang lebih besar mengindikasikan bahwa alternatifAi lebih terpilih

Copy and WIN : http://ow.ly/KNICZ

Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya. 1.2 Langkah Penyelesaian Simple Additive Weighting (SAW) Langkah Penyelesaian SAW sebagai berikut : 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai)sebagai solusi. Formula untuk melakukan normalisasi tersebut adalah : Dimana : rij = rating kinerja ternormalisasi Maxij = nilai maksimum dari setiap baris dan kolom Minij = nilai minimum dari setiap baris dan kolom Xij = baris dan kolom dari matriks Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =1,2,…m dan j = 1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : Dimana : Vi = Nilai akhir dari alternatif wj = Bobot yang telah ditentukan rij = Normalisasi matriks Nilai Viyang lebih besar mengindikasikan bahwa alternatifAi lebih terpilih

Copy and WIN : http://ow.ly/KNICZ

KELEBIHAN DAN KEKURANGAN SISTEM PENDUKUNG KEPUTUSAN

Di bawah ini adalah Kelebihan dan Kekurangan Sistem Pendukung Keputusan (SPK) :

Kelebihan Sistem Pendukung Keputusan (SPK)

Kelebihan Sistem Pendukung Keputusan (SPK) meliputi :

• Memperluas kemampuan pengambil keputusan dalam memproses data/informasi untuk pengambilan keputusan.
• Menghemat waktu yang dibutuhkan untuk memecahkan masalah, terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
• Menghasilkan solusi dengan lebih cepat dan hasilnya dapat diandalkan.
• Mampu memberikan berbagai alternatif dalam pengambilan keputusan, meskipun seandainya Sistem Pendukung Keputusan (SPK) tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dapat digunakan sebagai stimulan dalam memahami persoalan.
• Memperkuat keyakinan pengambil keputusan terhadap keputusan yang diambilnya.
• Memberikan keuntungan kompetitif bagi organisasi secara keseluruhan dengan penghematan waktu, tenaga dan biaya.

Kekurangan Sistem Pendukung Keputusan (SPK)

Walaupun dirancang dengan sangat teliti dan mempertimbangkan seluruh faktor yang ada, Sistem Pendukung Keputusan (SPK) mempunyai kelemahan atau keterbatasan diantaranya yaitu :

• Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
• Sistem Pendukung Keputusan (SPK) terbatas untuk memberikan alternatif dari pengetahuan yang diberikan kepadanya (pengatahuan dasar serta model dasar) pada waktu perancangan program tersebut.
• Proses-proses yang dapat dilakukan oleh Sistem Pendukung Keputusan (SPK) biasanya tergantung juga pada kemampuan perangkat lunak yang digunakan.
• Harus selalu diadakan perubahan secara kontinyu untuk menyesuaikan dengan keadaan lingkungan yang terus berubah agar sistem tersebut selalu up to date.
• Bagaimanapun juga harus diingat bahwa Sistem Pendukung Keputusan (SPK) dirancang untuk membantu/mendukung pengambilan keputusan dengan mengolah informasi dan data yang diperlukan dan bukan untuk mengambil alih pengambilan keputusan.

CONTOH SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE AHP

1. pengertian system pendukung keputusan (DSS)

       Secara umum DSS adalah sistem berbasis komputer yang interaktif, yang membantu mengambil   keputusan dengan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang  terstruktur. Sedangkan secara khusus DSS adalah Sebuah sistem yang mendukung kerja seorang    manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu.

Adapun menurut para ahli definisi dari DSS adalah sebagai berikut :

a.    Menurut Mann dan Watson, DSS adalah Sistem yang interaktif, membantu pengambilan keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur.

b.    Menurut Maryam Alavi dan H.Albert Napier, DSS adalah suatu kumpulan prosedur pemrosesan data dan informasi yang berorientasi pada penggunaan model untuk menghasilkan berbagai jawaban yang dapat membantu manajemen dalam pengambilan keputusan.

c.    Menurut Little, DSS adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur atupun tidak terstruktur dengan menggunakan data dan model.

d.   Menurut Raymond Mc Leod, DSS adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus dipecahkan oleh manajer pada berbagai tingkatan.

e.    Turban & Aronson (1998), DSS adalah  sistem yang digunakan untuk mendukung dan membantu pihak manajemen melakukan pengambilan keputusan pada kondisi semi terstruktur dan tidak terstruktur. Pada dasarnya konsep DSS hanyalah sebatas pada kegiatan membantu para manajer melakukan penilaian serta menggantikan posisi dan peran manajer

2. Konsep Sistem Pendukung Keputusan ( Decision Support System / DSS )

            Konsep DSS dimulai akhir tahun 1960 dengan time sharing komputer yaitu untuk pertama kalinya seseorang dapat berinteraksi langsung dengan komputer tanpa harus melalui spesialis informasi. Istilah DSS diciptakan pada tahun 1971 oleh Anthony Gory dan Scott Morton untuk mengarahkan aplikasi komputer pada pengambilan keputusan manajemen. Konsep DSS menggunakan informasi spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan dengan menggunakan model sebagai dasar pengembangn alternatif yang secara interaktif dapat digunakan oleh pemakai. Dari penjelasan tersebut maka dapat diketahui bahwa DSS mempunyai karakteristik tersendiri, antara lain :

a.    DSS dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang bersifat semi terstruktur ataupun tidak terstruktur,

b.    Dalam proses pengolahannya, DSS mengkombinasikan penggunaan model-model/teknik-teknik analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari/interogasi informasi,

c.    DSS dirancang sedemikian rupa, sehingga dapat digunakan dengan mudah oleh orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi,

d.   DSS dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi, sehingga mudah disesuaikan dengan kebutuhan pemakai.

            3. Konsep Keputusan

Pengambilan keputusan merupakan hal yang pokok bagi pemegang jabatan manajer. Karena keputusan merupakan rangkaian tindakan yang perlu diikuti dalam memecahkan masalah untuk menghindari atau mengurangi dampak negatif atau untuk memanfaatkan kesempatan di dalam perusahaan. Model sistem yang dipergunakan untuk mengambil keputusan dapat bersifat tertutup atau terbuka. Sistem pengambilan tertutup menganggap bahwa keputusan dipisahkan dari masukan-masukan yang tidak diketahui dari lingkungannya. Dalam sistem ini pengambil keputusan dianggap :

a.       Mengetahui semua alternatif dan akibat atu hasil dari masing-masing alternatif;

b.      Mempunyai suatu metode (aturan, hubungan dan sebagainya) yang memungkinkan ia membuat urutan alternatif yang lebih disukainya,

c.       Memilih alternatif yang memaksimalkan sesuatu seperti keuntungan, volume penjualan atau kegunaan.

Paham pengambilan keputusan yang tertutup jelas menganggap bahwa orang yang rasional secara logis menguji semua alternatif, membuat urutan berdasarkan hasilnya yang lebih disukai, dan memilih alternatif yang mendatangkan hasil terbaik.

            Sistem pengambilan keputusan terbuka adalah keputusan yang dipengaruhi oleh lingkungan, dan proses pengambilan keputusan selanjutnya juga mempengaruhi lingkungan tersebut. Pengambil keputusan dianggap tidak harus logis dan sepenuhnya rasional, tetapi lebih banyak menunjukkan rasionalitas hanya dalam batas-batas yang ditentukan oleh latar belakang, penglihatan alternatif-alternatif, kemampuan untuk menangani model keputusan dan sebagainya. Mengingat tujuan model tertutup telah dirumuskan dengan baik, tujuan model terbuka sama dengan tingkat keinginan sebab model terbuka dapat berubah apabila pengambil keputusan menerima bukti keberhasilan atau kegagalan. Dibandingkan dengan ketiga anggapan model tertutup, model keputusan terbuka menganggap bahwa pengambil keputusan :

a.       Tidak mengetahui semua alternatif dan semua hasil,

b.      Melakukan penyelidikan secara terbatas untuk menemukan beberapa alternatif yang memuaskan,

c.       Mengambil keputusan yang memuaskan tingkat keinginannya.

Model terbuka adalah dinamis atas urutan pilihan-pilihan karena tingkatan keinginan berubah menangani perbedaan antara hasil dan tingkat keinginan.

4. Tahapan Pengambilan Keputusan Menurut Herbert A. Simon

Ada 4 tahapan dalam pengambilan keputusan menurut Herbert A. Simon yaitu :

1.      Kegiatan Inteligen yaitu proses pencarian informasi dan data dari lingkungan yang berguna bagi pemecahan masalah,

2.      Kegiatan Merancang yaitu menemukan, mengembangkan, dan manganalisa arah tindakan yang mungkin dapat dipergunakan. Dalam hal ini mengandung proses-proses untuk memahami masalah, untuk menghasilkan cara pemecahan masalah dan untuk menguji apakah cara pemecahan tersebut dapat dilaksanakan.

3.      Kegiatan Memilih yaitu memilih arah tindakan tertentu dari semua arah tindakan yang ada. Pilihan ditentukan dan dilaksanakan.

4.      Kegiatan Menelaah  disebut juga pemahaman yaitu menyelidiki lingkungan tentang kondisi-kondisi yang memerlukan keputusan. Data mentah yang diperoleh diolah dan diperiksa untuk dijadikan petunjuk yang dapat menentukan masalahnya.

5. macam- macam metode sistem pendukung keputusan

1.      Metode Sistem pakar

Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar.

·      Ciri Sistem Pakar

1.      Memiliki informasi yang lebih handal.

2.      Mudah di modifikasi dan dapat beradaptasi.

3.      Dapat digunakan dalam berbagai jenis komputer.

2.      Metode Regresi linier

Merupakan metode statistika yang digunakan untuk membentuk model

hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih variabel bebas (independen, prediktor, X).

3.      Metode B/C Ratio

Metode B/C didefinisikan sebagai perbandingan (rasio) nilai ekivalen dari manfaat terhadap nilai ekivalen dari biaya-biaya. Metode nilai ekivalen yang biasa digunakan adalah PW dan AW

4.      Metode AHP(Analytical Hierarchy Process)

a. Definisi

Analytical Hierarchy Process (AHP). Diikembangkan oleh Thomas L. Saaty pada     tahun 1970-an. Metode ini merupakan salah satu model pengambilan keputusan multikriteria yang dapat membantu kerangka berpikir manusia dimana faktor logika, pengalaman pengetahuan, emosi dan rasa dioptimasikan ke dalam suatu  proses sistematis. Pada dasarnya, AHP merupakan metode yang digunakan untuk   memecahkan masalah yang kompleks dan tidak terstruktur ke dalam kelompok –      kelompoknya, dengan mengatur kelompok tersebut ke dalam suatu hierarki, kemudian memasukkan nilai numerik sebagai pengganti persepsi manusia dalam melakukan perbandingan relatif. Dengan suatu sintesa maka akan dapat ditentukan  elemen mana yang mempunyai prioritas tertinggi.

Menurut Badiru (1995), AHP merupakan suatu pendekatan praktis untuk memecahkan masalah keputusan kompleks yang meliputi perbandinagn alternatif.AHP juga memungkinkan pengambilankeputusan menyajikan hubungan hierarki antara faktor, atribut, karakteristik atau alternative dalam lingkungan pengambilan  keputusan. Dengan cirri – ciri khusus, hierarki yang dimilikinya, masalah kompleks yang tidak terstruktur dipecahkan dalam kelompok -kelompoknya.

Dalam menyelesaikan persoalan dengan AHP ada beberapa prinsip yang harus               dipahamidiantaranya adalah : decomposition,comparative judgment, synthesis of priority, dan logicalconsistency.

b. Prinsip AHP

1.      Decomposition (Penyusunan Hirarki).

     Setelah persoalan didefenisikan, maka perlu dilakukan decomposition yaitu memecah persoalan yang utuh menjadi unsur – unsurnya. Jika ingin mendapatkan hasil yang akurat, pemecahan juga dilakukan terhadap unsur – unsurnya sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehinggadidapatkan beberapa tingkatan dari persoalan tadi. Karena alasan ini, maka proses analisis ini dinamakan hierarki (hierarchy). Ada 2 (dua) jenis hierarki, yaitu lengkap dan tak lengkap. Dalam hierarki lengkap, semua elemen pada suatu     tingkat memiliki semua elemen yang ada pada tingkat berikutnya. Jika tidakdemikian dinamakan hierarki tak lengkap.

2.      Comparative Judgement (Penilaian Perban- dingan Berpasangan.

     Prinsip ini berarti membuat penilaian tentang kepentingan relative 2 (dua) elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkat di atasnya.Penilaian ini merupakan inti dari AHP, karena ia akan berpengaruh terhadap prioritas elemen – elemen. Hasil dari penilaian ini akan tampak lebih enak bila  disajikan dalam bentuk matriks yang dinamakan matriks pairwise comparison. Pertanyaan yang biasa diajukan dalam penyusunan skala kepentingan adalah :

             a. Elemen mana yang lebih (penting/disuka/…) ?

                                     dan

            b. Berapa kali lebih (penting/disuka …) ?

            Agar diperoleh skala yang bermanfaat ketika membandingkan 2 (dua) elemen seseorang yang akan memberikan jawaban perlu pengertian menyeluruh tentang elemen – elemen yang dibandingkan dan relevansinya terhadap kriteria atau tujua  yang dipelajari.

3.      Sintesa Prioritas

     Sintesa prioritas dilakukan dengan mengalikan prioritas lokal dengan  prioritas dari kriteria bersangkutan di level atasnya dan menambahkannya ke tiap  elemen dalam level yang dipengaruhi kriteria. Hasilnya berupa gabungan atau  dikenal dengan prioritas global yang kemudian digunakan untuk memboboti prioritas lokal dari elemen di level terendah sesuai dengan kriterianya. 

c. Langkah dan Prosedur AHP.

        Buchara (2000) mejelaskan bahwa secara umum, langkah – langkah yang harus dilakukan dalam menggunakan AHP untuk memecahkan suatu masalah adalah sebagai berikut :

1.      Mendefenisikan permasalahan dan menentukan tujuan. Bila AHP digunakan untuk memilih alternatif atau menyusun prioritas alternatif, maka tahap ini dilakukan pengembangan alternatif.

2.      Menyusun masalah ke dalam suatu struktur hierarki sehingga permasalahan yang kompleks dapat ditinjau dari sisi yang detail dan terukur.

3.       Menyusun prioritas untuk tiap elemen masalah pada setiap hierarki. Prioritas ini dihasilkan dari suatu matriks perbandingan berpasangan antara seluruh elemen pada tingkat hierarki yang sama.

4.      Melakukan pengujian konsistensi terhadap perbandingan antar elemen yang     didapatkan pada tiap tingkat hierarki.

Sedangkan langkah-langkah pair-wise comparison AHP  :

1.        Pengambilan data dari obyek yang diteliti.

2.        Menghitung data dari bobot perbandingan berpasangan responden dengan        metode   “pairwise comparison” AHP berdasar hasil kuisioner.

3.        Menghitung rata-rata rasio konsistensi dari masing-masing responden.

4.        Pengolahan dengan metode “pairwise comparison” AHP.

5.        Setelah dilakukan pengolahan tersebut, maka dapat disimpulkan adanya          konsitensi     dengan tidak, bila data tidak konsisten maka diulangi lagi dengan pengambilan data seperti semula, namun bila sebaliknya maka digolongkan data terbobot yang selanjutnya dapat dicari nilai beta (b)

d. Kelebihan dan Kekurangan dalam Metode AHP

a. Kelebihan

1.   Struktur yang berhierarki sebagai konskwensi dari kriteria yang dipilih sampai  pada   sub-sub kriteria yang paling dalam.

2.   Memperhitungkan validitas sampai batas toleransi inkonsentrasi sebagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan.

3.   Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas             pengambilan keputusan.

b. Kelemahan

1.   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.

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

5.      Metode IRR

6.      Metode NPV

7.      Metode FMADM

Fuzzy Multiple Attribute Decission Making adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu

8.      Metode SAW

Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua attribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

6. Contoh Kasus

     Kasus yang dibahas ini adalah pemilihan ponsel masa kini yang terbaik dari berbagai brand ternama. Antara Nokia, Samsung, SonyEricson.

·  Dasar Penentuan Kriteria.

Penentuan kriteria-kriteria dalam SPPK ini didasarkan pada hal-hal yang sekiranya sangat berpengaruh dalam sebuah telepon seluler (ponsel) baik hardware, teknologi, software maupun jaringan. Pada setiap kriteria diberikan bobot yang berbeda-beda karena setiap kriteria memiliki pengaruh yang dominan atau tidak dalam spesifikasi sebuah ponsel,berikut penjelasan setiap kriteria :

1.      Fitur.

Meliputi :  kamera

                  musik

                  ketajaman warna

                  layar

                  internet mobile dll.     

Sistem Operasi diberikan bobot sebanyak 15%.

2.      Teknologi.

Meliputi :  Touch screen

                  Touch Pad

Teknologi diberikan bobot sebanyak 5%.

3.      Harga.

Meliputi :  Low End

                High End

Harga diberikan bobot sebanyak 20%.

   a. Yang pertama kali dilakukan adalah Menentukan bobot kriteria mana yang paling                          penting, yang dalam terminologi AHP disebut pair-wire comparation

·         Harga 4  kali lebih penting dari Teknologi

·         Harga 1,5 kali lebih penting dari fitur

·         Fitur 3 kali lebih penting dari teknologi.

Selanjutnya hasil pair-wire comparation diatas akan  dibuat tabulasinya, yang dalam istilah AHP disebut sebagai pair comparation matrix.

Pair comparation matrix
Kriteria	Harga	Fitur	Teknologi	Priority Vector
Harga	1	1,5	4	0,5143
fitur	0,7	1	3	0,3620
teknologi	0,25	0,33	1	0,1232
Jumlah	1,95	2,83	8	0,9995
Pricipal Eigen Value (lmax)				3,0
Consistency Index (CI)				0
Consistency Ratio (CR)				0,0%

Keterangan :

·      Jumlah merupakan penjumlahan dari semua angka yang ada pada baris diatasnya  dalam satu kolom.

·     Priority Vector merupakan hasil penjumlahan dari semua sel disebelah Kirinya (pada baris yang sama) setelah terlebih dahulu dibagi dengan jumlah yang ada dibawahnya, kemudian hasil penjumlahan tersebut dibagi dengan angka 3.

Angka 3 diperoleh dari jumlah kriteria yaitu harga, fitur dan teknologi.

·       Priority vector = 0,5143 diperoleh dari perhitungan (1/1,95+1,5/2,83+4/8) * 1/3

·       Priority vector = 0,3620 diperoleh dari perhitungan (0,7/1,95+1/2,83+3/8) * 1/3

·       Priority vector= 0,3620 diperoleh dari perhitungan(0,25/1,95+0,33/2,83+1/8)*1/3

·   Prioity Vector menunjukan bobot dari masing-masing kriteria, jadi dalam hal ini harga merupakan bobot tertinggi/terpenting dalam pemilihan ponsel, disusul fitur dan yang terakhir adalah teknologi. 

·    Setelah mendapatkan bobot untuk setiap kriteria (yang ada pada kolom Priority  Vector), maka selanjutnya  mengecek apakah bobot yang dibuat konsisten atau tidak.  Untuk hal ini, yang pertama yang dilakukan adalah menghitung Pricipal Eigen Value (l_max) matrix.

Principal Eigen Value (lmax) matrix perhitungannya dengan cara menjumlahkan hasil perkalian antara jumlah dan priority vector.

Principal Eigen Value (lmax) = (1,95×0.5143)+(2,83×0,3620)+(8×0.1232)=3,0

·           Menghitung Consistency Index (CI) dengan rumus

CI = (lmax-n)/(n-1), untuk n = 3

CI= (3,0-3) / (3-1) = 0, CI sama dengan nol berarti pembobotan yang dilakukan sangat konsisten

·           Menghitung Consistency Ratio (CR) diperoleh dengan rumus CR=CI/RI, nilai RI bergantung pada jumlah kriteria seperti pada tabel berikut:

n	1	2	3	4	5	6	7	8	9	10
RI	0	0	0,58	0,9	1,12	1,24	1,32	1,41	1,45	1,49

Jadi untuk n=3, RI=0.58. 

CR=CI/RI = 0/5,8 = 0,0

Jika hasil perhitungan  CR lebih kecil atau sama dengan 10% ,  ketidak konsistenan masih bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.

b.    Yang ke dua memberi penilaian terhadap ponsel , disebut  pair-wire comparation.

-          Memberikan penilaian bobot harga :

Samsung harganya 4  kali lebih murah dari Nokia

Samsung harganya 3 kali lebih murah dari Sony ericson

Nokia harganya 1/2 kali lebih murah  dari Sony ericson.

  Pair wire comparation :

Pair comparation matrix
Kriteria	Samsung	Nokia	sonyericson	Priority Vector
Samsung	1	4	3	0,6232
Nokia	0,25	1	0,5	0,3333
Sony ericson	0,33	2	1	0,2332
Jumlah	1,5833	7	4,5	1,1897
Pricipal Eigen Value (lmax)				3,02
Consistency Index (CI)				0,1
Consistency Ratio (CR)				2,0%

Arti dari tabel diatas adalah dari ketiga ponsel, yang paling murah adalah samsung dengan skor 0,6232 ,disusul Nokia dengan skor 0,3333 dan sony ericson dengan skor 0,2332.

Nilai CI adalah 0,1 yang berarti pembobotan tidak terlalu konsisten ,tetapi karena nilai CR=2,0% lebih kecil dari 10%, maka ketidak konsistenan masih bisa diterima.

-          Memberikan penilaian bobot fitur

Kelengkapan Fitur Samsung ½ kali dari Nokia

Kelengkapan Fitur Samsung 2 kali dari Sony Ericson

Kelengkapan Fitur Nokia 3 kali dari  Sony Ericson

Pair-wire comparation :

Pair comparation matrix
Kriteria	Samsung	Nokia	sonyericson	Priority Vector
Samsung	1	0,5	2	0,3645
Nokia	2	1	3	0,3333
Sony ericson	0,5	0,33	1	0,3332
Jumlah	3,2	1,83	6	1,0310
Pricipal Eigen Value (lmax)				3,76
Consistency Index (CI)				0,38
Consistency Ratio (CR)				0,06%

Arti dari tabel diatas adalah dari ketiga ponsel, yang paling lengkap fiturnya adalah samsung dengan skor 0,3645 ,disusul Nokia dengan skor 0,3333 dan sony ericson dengan skor 0,332.

Nilai CI adalah 0,38 yang berarti pembobotan tidak terlalu konsisten ,tetapi karena nilai CR=0,06% lebih kecil dari 10%, maka ketidak konsistenan masih bisa diterima.

-          Memberikan penilaian bobot teknologi

Kecanggihan Teknologi Samsung 1/3 dari nokia

Kecanggihan teknologi Samsung 2 kali dari sony Ericson

Kecanggihan teknologi nokia 3 kali dari sony Ericson

        Pair-wire comparation :

Pair comparation matrix
Kriteria	Samsung	Nokia	sonyericson	Priority Vector
Samsung	1	0,33	2	0,3332
Nokia	3,03	1	3	0,9998
Sony ericson	0,5	0,33	1	0,3332
Jumlah	4,53	1,66	6	1,6662
Pricipal Eigen Value (lmax)				5,16
Consistency Index (CI)				1,08
Consistency Ratio (CR)				0,36%

Arti dari tabel diatas adalah dari ketiga ponsel, yang paling canggih teknologinya adalah Nokia dengan skor 0,9998 ,disusul Samsung dan sony ericson dengan skor 0,3332.

Nilai CI adalah 1,08  yang berarti pembobotan tidak terlalu konsisten ,tetapi karena nilai CR=0,36% lebih kecil dari 10%, maka ketidak konsistenan masih bisa diterima.

c.         Tahap ke tiga Setelah mendapatkan bobot untuk ketiga kriteria, maka langkah terakhir adalah menghitung total skor untuk ketiga ponsel. 

Semua hasil penilaiannya tersebut dalam bentuk tabel yang disebut Overall composite weight.

Overall composite weight :

Overall composite weight	weight	Samsung	Nokia	Sony Ericson
Harga	0,5143	0,6232	0,3333	0,2332
Fitur	0,3620	0,3645	0,3333	0,3332
Teknologi	0,1232	0,3332	0,9998	0,3332
Composite Weight		0,4934	0,4151	0,2715

·         Weight diambil dari kolom Priority Vektor dalam matrix kriteria.

·         Kolom (Samsung, Nokia, Sony Ericson) diambil dari kolom priority vectir ketiga matrix harga, fitur, teknologi.

·          Composite weight diperoleh dari hasil jumlah perkalian diatasnya dengan weight.

              -  Samsung = 0,5143.0,6232+0,3620.0,3645+0,1232.0,3332 = 0,4934    

              -  Nokia = 0,5143.0,3333+0,3620.0,3333+0,1232.0,9998 = 0,4151

              -  Sony Ericson = 0,5143.0,2332+0,3620.0,3332+0,1232.0,3332 = 0,2715

·          Dari tabel diatas dapat disimpulkan bahwa Samsung mempunyai skor paling tinggi yaitu 0,4934 , kemudian Nokia dengan skor 0,4151 dan paling bawah Sony Ericson 0,2715. Sehingga Ponsel yang paling baik dan dipilih adalah ponsel brand Samsung.