modul praktikum 2 - anp
TRANSCRIPT
-
7/21/2019 Modul Praktikum 2 - ANP
1/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Praktikum 2
Analytical Network Process
(ANP)
Definisi Analyitical Network Process (ANP)
Metode ANP merupakan salah satu metode yang dikembangkan dari metode sebelumnya
yaitu metode AHP. Metode ANP dapat memperbaiki kekurangan-kekurangan metode AHP dimana
kemampuannya dapat mengakomodasi keterkaitan antar kriteria atau antar alternatifalternatif (Saaty,
2003). Keterkaitan antar kriteria pada metode ANP ada 2 jenis yaitu keterkaitan dalam satu set elemen
(inner dependence) dan keterkaitan antar elemen yang berbeda (outer dependence).
Tujuan Praktikum ANP
1. Memahami Konsep ANP
2. Mampu memodelkan permasalahan pengambilan keputusan dan menyelesaikan masalah dengan
metoe ANP.
Landasan Teori ANP
Keputusan (Decision) berarti pilihan (choice) yaitu pilihan dua atau lebih dari dua
kemungkinan. Persoalan pengambilan keputusan publik, manajerial dan bisnis bersifat kompleks,
dinamis, kadang kurang terstruktur bersifat melibatkan kelompok pengambil keputusan yang
kepentingannya berbeda, sehingga dalam perumusannya memerlukan teori dan teknik yang andal dan
operasional untuk diimplementasikan. Penyelesaian persoalan melibatkan kriteria majemuk dan
alternatif dengan berbagai karakteristik dan struktur yang bersifat dinamis dan probabilistik.
Kemajuan di bidang teori keputusan telah memungkinkan dikembangkan teknik dan metode
pengambilan keputusan yang mampu membantu dalam pemecahan persoalan tersebut. Penyelesaian
persoalan ditekankan pada aspek komprehensivitas, efektifitas dengan tetap memperhatikan aspek
efisiensi metode maupun dalam penerapannya.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
2/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Langkah-langkah yang dilalui dalam pengambilan keputusan adalah sebagai berikut :
1. Definisikan permasalahan.
Permasalahan harus didefinisikan dengan jelas agar pemecahan tidak menyimpang dari
tujuan.
2. Identifikasi kriteria.
Adanya kriteria memudahkan penilaian pada setiap alternatif yang ada.
3. Pembobotan kriteria.
Setiap kriteria dapat memiliki tingkat kepentingan yang berbeda, oleh karena itu bobot tiap
kriteria bisa tidak sama.
4. Identifikasi alternatif.
Setiap alternatif yang mungkin ada harus diidentikasikan agar jangan ada yang terlewatkan.
5. Penilaian tiap alternatif.
Alternatif dinilai berdasarkan kriteria yang telah ditentukan. Perhitungan secara kuantitatif
dilakukan dengan cara mengalikan nilai tiap kriteria dengan pembobotan.6. Penetapan alternatif yang diambil.
Pengertian ANP (Analytcal Network Process)
Secara umum banyak orang melakukan pengambilan keputusan hanya didasarkan pada suatu
struktur hirarki yang sederhana yaitu goal, kriteria dan alternatif. Namun untuk menyelesaikan
permasalahan yang komplek, menurut Saaty dengan menggunakan model AHP saja masih banyak
faktor-faktor yang ternyata tidak dapat mendukung dalam pengambilan keputusan. Saaty & Roozan
telah mengembangkan ANP. Metode Analytic Network Process (ANP) merupakan teori yang
digunakan untuk menurunkan rasio prioritas komposit dari skala rasio individu yang mencerminkan
pengukuran relatif dari pengaruh elemen-elemen yang saling berinteraksi berkenaan dengan kriteria
kontrol (Saaty, 1999). Metode ANP merupakan salah satu metode yang dikembangkan dari metode
sebelumya yaitu metode AHP(Analytic Hierarchy Process) metode ANP dapat memperbaiki
kekurangan-kekurangan metode AHP dimana kemampuannya dapat mengakomodasi keterkaitan
antar kriteria atau alternatifalternatif (Saaty,2003). Keterkaitan pada metode ANP ada 2 jenis yaitu
keterkaitan dalam satu set elemen (inner dependence) dan keterkaitan antar elemen yang berbeda
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
3/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
(outer dependence). Hal ini membutuhkan klasifikasi hirarki yang dimodifikasi menjadi jaringan
umpan balik.
Hirarki adalah sebuah struktur dengan tujuan pada level atas. Hirarki tergolong menjadi
empat kelompok yaitusuparchy, intarchy, sinarchy, Hiernetseperti yang ditunjukkan pada gambar 1:
Gambar 1. Klasifikasi Hirarki
a. Suparchy merupakan sebuah struktur seperti hirarki dengan pengecualian tidak adatujuan
tetapi mempunyai siklus umpan balik pada kedua level paling atas.
b. Intarchymerupakan sebuah hirarki dengan umpan siklus balik antara dua level tengah secra
berurutan.
c. Sinarchymerupakan sebuah hirarki dengan siklus umpan balik pada dua level bawah.
d. Hiernet merupakan sebuah jaringan yang tersusun secara vertikal untuk memfasilitasi
keanggotaan pada semua level - levelnya. Hal ini mungkin untuk sebuah sistem yang
mempunyai komponen yang interaktif, dimana semua komponen memberikan pengaruh
kepada semua komponen lain sehingga terbentuk sebuah sistem yang interaktif.
Adanya keterkaitan tersebut menyebabkan metode ANP lebih kompleks dibanding metode
AHP. ANP merupakan teori matematika yang memungkinkan seseorang untuk memperlakukan
dependence danfeedbacksecara sistematis yang dapat menangkap dan mengkombinasi faktor-faktor
tangible dan intangible. ANP merupakan salah satu teori yang baru dalam proses pengambilan
keputusan yang memberikan kerangka kerja umum dalam memperlakukan keputusan-keputusan tanpa
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
4/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
membuat asumsi-asumsi tentang independensi elemen-elemen pada level yang lebih tinggi dari
elemen-elemen pada level yang lebih rendah dan tentang independensi elemen-elemen dalam suatu
level.
Denganfeedback, alternatif-alternatif dapat bergantung atau terikat pada kriteria seperti pada
hierarki tetapi dapat juga bergantung atau terikat pada sesama alternatif. Sementara itu, feedback
meningkatkan prioritas yang diturunkan darijudgementsdan membuat prediksi menjadi lebih akurat.
Oleh karena itu, hasil dari ANP diperkirakan akan lebih stabil.
Gambar 2. Perbedaan Struktur Hierarki dan Struktur Jaringan
Dari jaringanfeedback pada gambar 2 dapat dilihat bahwa simpul atau elemen utama dan
simpul-simpul yang akan dibandingkan dapat berada pada cluster -cluster yang berbeda. Sebagai
contoh, ada hubungan langsung dari simpul utama C4 keclusterlain (C2 dan C3), yang merupakan
outer dependence. Sementara itu, ada simpul utama dan simpul-simpul yang akan dibandingkan
berada padaclusteryang sama, sehinggaclusterini terhubung dengan dirinya sendiri dan membentuk
hubunganloop. Hal ini disebutinner dependence.
Yang diinginkan dalam ANP adalah mengetahui keseluruhan pengaruh dari semua elemen.
Oleh karena itu, semua kriteria harus diatur dan dibuat prioritas dalam suatu kerangka kerja hierarki
kontrol atau jaringan, melakukan perbandingan dan sintesis untuk memperoleh urutan prioritas dari
sekumpulan kriteria ini. Kemudian kita turunkan pengaruh dari elemen dalam sistem feedback dengan
memperhatikan masing-masing kriteria. Akhirnya, hasil dari pengaruh ini dibobot dengan tingkat
kepentingan dari kriteria, dan ditambahkan untuk memperoleh pengaruh keseluruhan dari masing-
masing elemen.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
5/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
ANP merupakan gabungan dari dua bagian. Bagian pertama terdiri dari hierarki kontrol atau
jaringan dari kriteria dan subkriteria yang mengontrol interaksi. Bagian kedua adalah jaringan
pengaruh-pengaruh diantara elemen dancluster.
AHP dan ANP sama-sama menggunakan skala rasio. Prioritas-prioritas dalam skala rasio
merupakan angka fundamental yang memungkinkan untuk dilakukannya perhitungan operasi
aritmatika dasar seperti penambahan dan pengurangan dalam skala yang sama, perkalian dan
pembagian dari skala yang berbeda, dan mengkombinasikan keduanya dengan pembobotan yang
sesuai dan menambahkan skala yang berbeda untuk memperoleh skala satu dimensi. Perlu diingat
bahwa skala rasio juga merupakan skala absolut. Kedua skala tersebut diperoleh dari pairwise
comparison (perbandingan berpasangan) dengan menggunakan judgements atau rasio dominasi
pasangan dengan menggunakan pengukuran aktual. Dalam hal penggunaanjudgements, dalam AHP
seseorang bertanya: Mana yang lebih disukai atau lebih penting?, sementara dalam ANP seseorang
bertanya: Mana yang mempunyai pengaruh lebih besar? Pertanyaan terakhir jelas memerlukan
observasi faktual dan pengetahuan untuk menghasilkan jawaban-jawaban yang valid, yang membuatpertanyaan kedua lebih obyektif daripada pertanyaan pertama.
Model Keputusan ANP
Metode ANP merupakan pengembangan dari metode AHP (Saaty,1996). ANP adalah suatu
teori pengukuran biasanya berlaku untuk dominasi pengaruh antar beberapa stakeholders atau
alternatif berkenaan dengan suatu atribut atau suatu kriteria-kriteria. Struktur jaringan ANP
digambarkan dengan panah dua jalur (busur lingkaran) yang menghadirkan saling ketergantungan
antar pengelompokan atau jika didalam tingkatan faktor yang sama akan terbentukloop.Arah busur
lingkaran menandakan ketergantungan. Busur lingkaran berasal dari pengendalian atribut yang
menghubungkan dengan atribut lain yang dapat saling mempengaruhi. Kepentingan relatif pada
elemen/unsur diukur oleh skala rasio. ANP mampu menangani saling ketergantungan antar unsur-
unsur dengan memperoleh bobot gabungan melalui pengembangan dari supermatriks. Saaty (2003)
menjelaskan konsep supermatriks sebagai paralel pada proses Rantai Markov. Gambar 3 merupakan
bentuk saling ketergantungan dari berbagai komponen dalam struktur ANP.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
6/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Gambar 3.Hubungan saling ketergantungan
Dalam suatu sistem dengan N komponen yang terdiri dari elemen-elemen yang akan saling
memberikan pengaruh, dapat didenotasikan bahwa komponen C sejumlah N disimbolkan dengan Ch
dimana h = 1, 2,3, ...N. Elemen yang dimiliki oleh komponen akan disimbolkan dengan eh1,eh2,.....ehn.
Nilai dari supermatriks diberikan sebagai hasil penilaian dari skala prioritas yang diturunkan dari
perbandingan berpasangan seperti pada AHP. Hubungan antara elemen direpresentasikan dengan
vector prioritas yang diturunkan dari perbandingan berpasangan didalam AHP. Matriks disusun untuk
menggambarkan aliran kepentingan antara komponen baik secara inner dependence maupunouter
dependence.Secara umun hubungan kepentingan antar elemen didalam jaringan dengan elemen lain
didalam jaringan dapat direpresentasikan mengikuti supermatriks, sebagai berikut :
Gambar 4. Supermatriks Dari Jaringan
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
7/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Bentuk Wij didalam supermatriks disebut sebagai blok supermatriks dan diikuti matriks sebagai
berikut :
Gambar 5. Komponen Supermatriks dari Jaringan
Masing-masing kolom dalam Wij adalaheigen vector yang menunjukkan kepentingan dari
elemen pada komponen ke-i dari jaringan pada sebuah elemen pada komponen ke-j. Beberapa
masukan yang menunjukkan hubungan nol pada elemen mengartikan tidak terdapat kepentingan pada
elemen tersebut. Jika hal tersebut terjadi maka elemen tersebut tidak digunakan dalam perbandingan
berpasangan untuk menurunkaneigen vector. Jadi yang digunakan adalah elemen yang menghasilkan
kepentingan bukan nol.
Konsep BCOR (Benefit, Cost, opportunity, dan Risk) dalam ANP
Dalam aplikasi ANP dan penjabaran dalam software Superdecisions yang dirancang khusus
untuk ANP, permasalahan terdiri atas 3 bagian, yaitu:
1. Simple Network, yaitu dimana seluruh kriteria dan subkriteria berada dalam satu jendela.
Gambar 6. ContohSimple Network
2. Two-level Network, dimana terdapat jaringan atas dengan kriteria kontrol Benefit, Cost,
opportunity, dan Risk (BCOR) yang setiap kriteria kontrol memiliki sub jaringan dan
alternatif.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
8/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Gambar 7. ContohTwo-level Network
3. Complex Network, dimana terdapat jaringan utama dengan kriteria kontrol Benefit, Cost,
opportunity, dan Risk(BCOR), yang masing - masing memiliki sub jaringan, dan dalam sub
jaringan tersebut terdapat sub jaringan lagi.
Gambar 8. ContohComplex Network
Prinsip Dasar Metode ANP
Prinsip dasar kerja ANP adalah struktur masalah yang berbentuk jaringan, dengan siklus
hubungan dari cluster-clusternya dimana model jaringan mampu mengakomodasi ketergantungan
fungsional timbal balik, yaitu hubungan saling tergantung antara komponen (level) atas dan bawah.
Selain itu, terdapat penentuan bobot elemen terhadap komponen acuan, dimana penentuan bobot
dilakukan dengan menggunakan matrik perbandingan berpasangan (pairwise comparison). Menurut
Saaty (2003), untuk berbagai persoalan, skala 1 sampai dengan 9 adalah skala terbaik dalam
mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat
dilihat pada tabel 2.2.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
9/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Tabel 1.Pemberian Nilai Pada Perbandingan Berpasangan
Tingkat
KepentinganDefinisi Penjelasan
1 Sama besar pengaruhnyaKedua faktor mempunyai pengaruh
yang sama
3 Sedikit lebih besar PengaruhnyaPenilaian salah satu faktor sedikitlebih berpihak dibandingkan
pasangannya
5Salah satu faktor lebih besar
pengaruhnya
Penilaian salah satu faktor lebih kuat
dibandingkan faktor pasangannya
7Salah satu faktor sangat lebih
besar pengaruhnya
Suatu faktor lebih kuat dan
dominasinya terlihat dibandingkan
pasangannya
9Salah satu faktor mutlak sangat
lebih besar pengaruhnya
Sangat jelas bahwa suatu faktor amat
sangat penting dibandingkan
pasangannya
2,4,6,8
Nilai tengah sebagai kompromi di
antara dua penilaian yang
berdekatan
Diberikan bila terdapat keraguan
diantara dua penilaian yang
berdekatan
Kebalikan
aij =1/ aij
Jika untuk aktivitas i mendapat satu angka dibandingkan dengan aktivitas
j, maka j mempunyai nilai kebalikannya dibandingkan dengan i
Nilai aij adalah nilai perbandingan elemen Aiterhadap elemen Ajyang menyatakan hubungan:
a. seberapa jauh tingkat kepentingan Aibila dibandingkan dengan Aj, atau
b. seberapa banyak kontribusi Aiterhadap kriteria pembanding dibandingkan dengan Aj, atau
c. seberapa banyak sifat kriteria pembanding terdapat pada Ai dibandingkan Aj, atau seberapa
jauh dominasi Ai dibandingkan Aj
Bila diketahui nilai aij maka secara teoritis nilai aji = 1/aij. Sedangkan nilai aij dalam situasi i = j
adalah mutlak. Nilai numerik yang dikenakan untuk perbandingan diperoleh dari skala perbandingan
yang dibuat oleh Saaty.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
10/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Untuk mendapatkan urutan prioritas antar elemen dari suatu komponen atau level maka nilai dari
matriks perbandingan tersebut dicari nilai eigen vektornya. Untuk selanjutnya nilai eigen vector di
masukkan ke dalam supermatriks. Jika dari supermatriks ini dikalikan matrik itu sendiri hingga
diperoleh bobot yang stabil maka akan diperolehmatrix steady state, dimana nilai dari masing-masing
elemen tersebut menunjukkan bobot prioritas yang telah mengakomodasi semua interaksi antar
komponen (level).
Tahapan ANP
Tahapan dalam pengambilan keputusan dengan ANP adalah sebagai berikut :
1. Menyusun Struktur Masalah dan Mengembangkan Model Keterkaitan.
Melakukan penentuan sasaran atau tujuan yang ingin dicapai, menentukan kriteria yang
mengacu pada kriteria kontrol, dan menentukan alternatif pilihan. Jika terdapat elemen-elemen yang
memiliki kualitas setara maka dikelompokkan ke dalam suatu komponen (level ataucluster) yang
sama.
2. Membentuk Matrik Perbandingan Berpasangan.
Dalam melakukan pembobotan, dapat digunakan beberapa metode, antara lain dengan
menentukan bobot secara sembarang, membuat skala interval yang menentukan urutan setiap kriteria,
atau dengan menggunakan perbandingan berpasangan sehingga tingkat kepentingan suatu kriteria
relatif terhadap kriteria lain dapat dinyatakan dengan jelas. Sekelompok pakar mengembangkan skala
yang dapat menggambarkan suatu proses keputusan yang menghasilkan keputusan yang paling baik.
Skala dalam ANP menggunakan Saaty skala seperti pada tabel 3. ANP mengasumsikan bahwa
pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap
level dalam bentuk berpasangan. Perbandingan tersebut ditransformasikan ke dalam bentuk matriks.
Perbandingan dapat dilakukan secara langsung (dengan diskusi) maupun melalui kuisioner.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
11/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Tabel 2. Matriks Perbandingan Berpasangan
c A1 A2 ooo An
A1 A11 A12 ooo A1n
A2 A21 A22 ooo A2n
ooo o o ooo A3n
An A
n3 A
n2 ooo A
nn
Matriks di atas merupakan matriks perbandingan berpasangan yang dihasilkan dari perbandingan
antar elemen terhadap kriteria tertentu, dalam hal ini adalah kriteria c.
3. Menghitung Bobot Elemen
Jika perbandingan berpasangan telah lengkap,vectorprioritas w yang disebut sebagaieVector
dihitung dengan rumus:
A.w = max.W (1)Dengan A adalah matrik perbandingan berpasangan dan max adalah eigenvalue terbesar dari A.
eVector ataueigenvector merupakan bobot prioritas suatu matrik yang kemudian digunakan dalam
penyusunan supermatrik.
4. Menghitung Rasio Konsistensi
Tujuan dari menghitung rasio konsistensi adalah untuk melihat apakah nilai rasio konsistensi
sampai kadar tertentu, yaitu 10% atau kurang masih diperbolehkan. Dalam kondisi nyata terdapat
kemungkinan terjadinya beberapa penyimpangan dari perbandingan berpasangan yang disebabkan
oleh ketidakkonsistenan dalam preferensi seorang. Rasio konsistensi (Consistency Ratio/CR)
memberikan suatu penilaian numerik mengenai bagaimana ketidakkonsistenan suatu evaluasi.
Penyimpangan konsistensi dinyatakan dengan indeks konsistensi (Consistency Index/CI), dengan
persamaan :
1-
-=
n
nCI maks
l
(2)
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
12/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Dimana :
maksl
=eigen valuemaksimum dari matriks perbandingan berpasangan n x n
n = ukuran matriks/jumlah item yang dibandingkan
Untuk mengetahui apakah CI dengan besaran tertentu cukup baik atau tidak, perlu diketahui
rasio yang dianggap baik, yaitu apabila CR 0,1. Bila lebih dari 0,1, maka perlu dilakukan penilaian
ulang.
Rasio konsistensi diperoleh dengan membandingkan antara indeks konsistensi (CI) dengan
satu nilai yang sesuai dari bilangan indeks konsistensi acak (Random Consistensy Index/RI), dengan
persamaan :
RI
CICR =
(3)
Nilai RI atau indeks konsistensi acak berbagai ukuran matrik (n) yang dikeluarkan oleh
Oarkride Laboratory dapat dilihat pada tabel 4.
Tabel 3. Indeks Konsistensi Acak
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RI 0 0 0.52 0.89 1.11 1.25 1.35 1.40 1.45 1.49 1.52 1.54 1.56 1.58 1.59
Supermatriks
Perbandingan tingkat kepentingan dalam setiap elemen maupun cluster direpresentasikan
dalam sebuah matrik dengan memberikan skala rasio dengan perbandingan berpasangan. Masing-
masing skala rasio menunjukan perbandingan kepentingan antara elemen didalam sebuah komponen
dengan elemen diluar komponen(outer dependence) atau juga didalam elemen terdapat elemen itu
sendiri yang berada dikomponen dalam (inner dependence). Tidak setiap elemen memberikan
pengaruh terhadap elemen pada komponen lain. Elemen yang tidak memberikan pengaruh pada
elemen lain akan memberikan nilai nol. Matriks hasil perbandingan berpasangan direpresentasikan
kedalam bentuk vertikal dan horizontal dan berbentuk matriks yang bersifat stochasticyang disebut
sebagai supermatriks.
Supermatriks terdiri dari 3 (tiga) tahap. Berikut ini tahap-tahap dan penjelasannya:a. Tahap supermatriks tanpa bobot (unweighted supermatrix).
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
13/20
-
7/21/2019 Modul Praktikum 2 - ANP
14/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
software masing-masing alternatif ditunjukan dengan warna yang berbeda sehingga mudah untuk
dilihat.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
15/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Contoh Kasus ANP
Kasus yang akan dikerjakan adalah pemilihan asisten. Alternatif yang akan dipilih ada 3
orang dan criteria pemilihan terdiri dari 2 kluster Kompetensi dan Soft skill dimana masing-masing
kluster memiliki beberapa atribut sendiri. Permasalahan pengambilan keputusan digambarkan dalam
gambar berikut:
Melakukan perbandingan berpasangan dalam kluster kriteria:
Tabel 4. Tabel Perbandingan Berpasangan AntarCluster
Kriteria KOMPETENSI SOFT SKILL
KOMPETENSI 1 3
SOFT SKILL 1/3 1
Melakukan perbandingan berpasangan ALTERNATIF dalam KOMPETENSI:
Tabel 5. Perbandingan Berpasangan Alternatif Dalam Kompetensi
KOMPETENSI YASSER ADNAN
YASSER 1 7
ADNAN 1/7 1
Cluster
Cluster IPK Makalah TesTulis
Wawancara
Presentasi
Yasser
Inung
Adnan
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
16/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Melakukan perbandinganberpasangan ALTERNATIF dalam SOFT SKILL:
Tabel 6. Melakukan Perbandingan Berpasangan Alternatif Dalam Soft Skill
KOMPETENSI ADNAN YASSER
ADNAN 1 3
YASSER 1/3 1
Tahap 1: Menyusun Struktur Masalah dan Mengembangkan Model Keterkaitan
Membangun cluster Objektive dan Alternative
KlikDesignClusterNew
KlikDesignNodeNew
Gambar 10. Model Struktur Masalah
Step 2: Membangun konektifitas
KlikDesignNode connections from
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
17/20
-
7/21/2019 Modul Praktikum 2 - ANP
18/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Gambar 13. Jendela Perbandingan Berpasangan AntaraNodedanCluster
Gambar 14. Jendela Perbandingan Berpasangan AntaraNodedanCluster
Tahap 3: Perhitungan Unweight, Weight, dan Limiting Supermatrix
KlikComputation
Gambar 15.Weighted Supermatrix
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now -
7/21/2019 Modul Praktikum 2 - ANP
19/20
-
7/21/2019 Modul Praktikum 2 - ANP
20/20
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-07/R0
MATERI PRAKTIKUM
Fakultas : TeknologiIndustri Pertemuanke : 2
Jurusan/Program Studi : TeknikIndustri Modulke : 2
Kode Mata Kuliah : 52213604 JumlahHalaman : 14
Nama Mata Kuliah : AnalisisKeputusandan Data Mining Mulaiberlaku : 2011
Tahap 4: Solusi
KlikComputation Synthesize
Gambar 18. Sintesis dariSupermatrix
Kesimpulan:
Yasser adalah alternatif terbaik yang layak untuk dipilih karena dari perhitungan sintesis supermatrix,
Yasser mempunyai nilai ideal sebesar 1.
http://www.tracker-software.com/buy-nowhttp://www.tracker-software.com/buy-now