5. AHP.pptx

download 5. AHP.pptx

of 72

Transcript of 5. AHP.pptx

TITLE

ANALYTICAL HIERARCHY PROCESSAmelia Kurniawati ST., MT.menyusun prioritas keputusanAnalytical Hierarchy Process digunakan untuk..menyusun struktur masalah dan..dengan didasarkan pada beragamnya kriteria yang ada.Goalmemahami konsep dasar pengambilan keputusan keputusan dalam setiap organisasi ataupun individumengetahui berbagai macam ilustrasi dalam penyelesaian masalah keputusan manajemenmengidentifikasi terhadap masalah yang dihadapai perusahaan menyusun masalah secara hierarkimenyusun prioritas keputusan.Mahasiswa dapatOutlinePENDAHULUanPENDAHULUANSumber masalah dalam pengambilan keputusan: ketidakpastian ketidaksempurnaan informasi keberagaman kriteriaAHPAHP..Analytical Hierarchy Process (AHP) adalah suatu metode analisisdikembangkan oleh Thomas L.Saatyuntuk menyusun struktur masalah dan mengambil keputusan atas suatu alternatifpenerapannya sudah meluas ke berbagai model alternatif; contoh: analisis manfaat biaya, memilih portofolio, peramalan.AHP..merupakan teori umum mengenai pengukuran;Empat macam skala pengukuran yang biasanya digunakan secara berurutan adalah skala nominal, ordinal, interval dan rasio. Skala yang lebih tinggi dapat dikategorikan menjadi skala yang lebih rendah, namun tidak sebaliknya.AHP..Contoh: Pendapatan per bulan yang berskala rasio dapat dikategorikan menjadi tingkat pendapatan yang berskala ordinal atau kategori (tinggi, menengah, rendah) yang berskala nominal.Sebaliknya jika pada saat dilakukan pengukuran data yang diperoleh adalah kategori atau ordinal, data yang berskala lebih tinggi tidak dapat diperoleh.AHP mengatasi sebagian permasalahan ini.AHP..AHP digunakan untuk menurunkan skala rasio dari beberapa perbandingan berpasangan yang bersifat diskrit maupun kontinu.Perbandingan berpasangan tersebut dapat diperoleh melalui pengukuran aktual maupun pengukuran relatif dari derajat kesukaan, atau kepentingan atau perasaan.Jadi, metode ini sangat berguna untuk membantu mendapatkan skala rasio dari hal-hal yang semula sulit diukur seperti pendapat, perasaan, perilaku, dan kepercayaan.KONSEP-KONSEP DASARKegunaan AHPsecara umum:perencanaan, penentuan alternatif, penyusunan prioritas, pemilihan kebijaksanaan, alokasi sumber, penentuan kebutuhan,peramalan hasil, perancangan sistem, pengukuran kinerja, optimasi.untuk memecahkan berbagai masalah kompleks yang tak terstrukturKegunaan AHPKeunggulan: (1)Kesatuan. AHP adalah suatu metode terintegrasi yang secara fleksibel dapat digunakan untuk menyelesaikan beragam jenis masalah yang tak terstrukturKompleksitas. AHP menyatukan pendekatan deduktif dan sistem untuk digunakan secara komprehensif dan rinci, menelaah masalah yang kompleks.Ketergantungan elemen. AHP dapat menyelesaikan masalah dimana elemen-elemennya saling tergantungPenyusunan hierarki. AHP menduplikasi kemampuan manusia menyusun struktur masalah ke dalam hierarkiKegunaan AHPKeunggulan: (2)Pengukuran. AHP menyediakan skala pengukuran untuk elemen-elemen kualitatif dan abstrakKonsistensi. AHP memberikan konsistensi dalam perbandingan prioritas dan penilaian elemen, yang merupakan refleksi atas logika penalaran manusiaSistemis. AHP menghasilkan pertimbangan dan penilaian menyeluruh untuk setiap alternatifKegunaan AHPKelemahan:Menuntut partisipasi pihak yang benar-benar mengetahui masalah, khususnya dalam penyusunan hierarki permasalahan.Jika dalam pengambilan keputusan berkelompok terdapat perbedaan yang sangat ekstrim maka AHP tidak dapat langsung diterapkan, sebagai pendahuluan dapat diterapkan metode yang dapat menyatukan pendapat/masalah.Langkah dan Prosedur Analytical Hierarchy Process...Mendefinisikan masalah dan menentukan tujuan.Menstrukturkan permasalahan ke dalam hierarki yang diawali dengan membuat tujuan umum, dilanjutkan dengan subtujuan, kriteria, dan kemungkinan alternatif-alternatif pada tingkatan kriteria paling bawah. Melakukan pengumpulan data kontribusi relatif tiap elemen.Menghitung perhitungan bobot dan konsistensi.Melakukan langkah 3 dan 4 untuk seluruh tingkatan hierarki kriteria, sub-kriteria.Mensintesis dan mencari solusi permasalahan.merupakan identifikasi elemen-elemen suatu masalah yang tersusun secara logis dan sistematik dalam tingkatan/level dimana setiap tingkat merupakan kelompok elemen-elemen yang homogen/sama dan setiap elemen mempunyai tingkatan yang sama harus bersifat bebas/independent.HIERARKIHIERARKIStruktur hierarki yang dibuat dalam AHP adalah kumpulan pertimbangan dan alternatif keputusan yang tergambar dalam bentuk tingkatan hierarki (level). Setiap tingkatannya meliputi beberapa elemen (kriteria dan subkriteria). 2 jenis hierarki:hierarki struktural: hierarki yang menyusun sistem kompleks ke dalam elemen-elemen berdasarkan sifat elemen tersebut.Struktur: gambaran logika manusia dalam menilai, memilih alternatif, dan menerima informasihierarki fungsional: hierarki yang menyusun sistem kompleks ke dalam elemen-elemennya berdasarkan fungsi elemen tersebut. Misalnya organisasi suatu perusahaan dapat dibagi ke dalam fungsi desain, produksi, dll.HIERARKIPegangan dalam menyusun hierarki:Walaupun suatu hierarki tidak dibatasi dalam jumlah tingkat (level) tetapi sebaiknya dalam setiap sub sistem hierarki tidak terdapat terlalu banyak elemen (sekitar lima sampai sembilan elemen).Karena setiap elemen akan dibandingkan dengan elemen lain dalam suatu sub sistem hierarki yang sama, maka elemen-elemen tersebut haruslah setara dalam kualitas.HIERARKIKriteria-kriteria yang dimasukkan dalam AHP harus:Lengkap; mencakup semua aspek penting dari masalah.Operasional; dapat dianalisis, baik secara kuantitatif maupun kualitatif, dan dapat dikomunikasikan.Independen; kriteria yang satu tidak tergantung dari kriteria yang lain.Minimum; jumlah kriteria harus optimal untuk memudahkan analisis.HIERARKI

HIERARKIcontoh:PENGUMPULAN DATAPengumpulan data perbandingan berpasangan (pairwise comparison) dapat dilakukan dengan metode kuesionerKemudian data diterjemahkan ke dalam nilai kontribusi relatif terhadap masing-masing tujuan atau kriteria yang setingkat di atasnya. Metode penilaian & pemilihan alternatif yang umum digunakan adalah Pair-wise Comparison Judgement Matrices (PCJM). Metode lainnya adalah Liberatore. (Dalam perkuliahan ini, yang dibahas hanya PCJM) PENGUMPULAN DATAIntensitaskepentinganKeteranganPenjelasan1Kedua elemen sama pentingnyaDua elemen mempunyai pengaruh yang sama besar terhadap tujuan3Elemen yang satu sedikit lebih penting daripada elemen yang lainPenilaian sedikit memihak satu elemen dibandingkan dengan pasangannya5Elemen yang satu lebih penting daripada elemen yang lainnyaPenilaian secara kuat memihak satu elemen dibandingkan dengan pasangannya7Elemen yang satu sangat penting daripada elemen yang lainnyaSatu elemen lebih disukai dan secara praktis dominasinya sangat nyata dibandingkan dengan elemen pasangannya9Mutlak lebih pentingSatu elemen terbukti mutlak lebih disukai dibandingkan dengan elemen pasangannya pada tingkat keyakinan tertinggi2,4,6,8Nilai tengah di antara dua pendapat yang berdampinganDiberikan bila terdapat penilaian antara dua penilaian yang berdekatanKebalikan dari nilai di atas: bila elemen i mendapatkan salah satu nilai di atas pada saat dibandingkan dengan elemen j, maka elemen j mempunyai nilai kebalikannya bila dibandingkan dengan elemen i. (aij=1/aji)Tabel intensitas kepentingan(Metode PCJM)PENGUMPULAN DATAHasil perbandingan secara berpasangan elemen-elemen operasi akan membentuk matriks perbandingan yang dinyatakan sebagai berikut:A1A2A3...AnA1a11a12a13...a1nA2a21a22a23...a2n..................Anan1an2an3AnnPENGUMPULAN DATAA1A2A3...AnA1a11a12a13...a1nA2a21a22a23...a2n..................Anan1an2an3AnnNilai aij adalah nilai perbandingan elemen Ai terhadap Aj yang menyatakan:Seberapa jauh tingkat kepentingan Ai dibandingkan dengan AjSeberapa banyak kontribusi Ai terhadap kriteria B dibandingkan dengan AjSeberapa banyak sifat kriteria B terdapat pada Ai dibandingkan dengan AjBila diketahui nilai aij, maka aji = 1/aij. PENGUMPULAN DATAPenilaian yang melibatkan banyak partisipan (MULTI PARTISIPAN) akan menghasilkan pendapat yang berbeda antara satu partisipan dengan partisipan lainnya. AHP hanya membutuhkan satu jawaban untuk satu matriks berpasangan. Jadi semua jawaban partisipan harus dirata-ratakan. Untuk mendapatkan satu nilai perbandingan rasio tersebut, Thomas L. Saaty memberikan metode perataan geometris atau Geometric Mean Theory (GM).Perataan geometris menyatakan bahwa jika terdapat n partisipan yang melakukan perbandingan berpasangan, maka terdapat n nilai untuk tiap pasangan. PENGUMPULAN DATAUntuk mendapatkan satu nilai tertentu dari semua nilai tersebut, maka masing-masing nilai harus dikalikan satu sama lain kemudian hasil perkalian tersebut dipangkatkan dengan (1/n). Secara matematis, dapat dituliskan sebagai berikut :Aij =(ZI x Z2 x Z3 x ... x Zn)1/n dimana :Aij = nilai rata-rata perbandingan antara kriteria Ai dengan Aj untuk n partisipanZi = nilai perbandingan antara kriteria Ai dengan Aj untuk partisipan ke- i i = 1,2,3,...,n; n = jumlah partisipan.PENGUMPULAN DATAA1A2A3...AnA1a115a13...a1nA2a21a22a23...a2n..................Anan1an2an3AnnDengan metode PCJM, jika a12 = 5 maka artinya elemen 1 lebih penting daripada elemen 2PERHITUNGAN BOBOTPerhitungan bobot dilakukan untuk mengetahui cerminan hasil dari perbandingan (comparison)Bobot masing-masing komponen dinyatakan dengan wi, w2,..., wn. Agar mendapatkan bobot wi untuk setiap judgement aij, dilakukan pengerjaan melalui tiga tahap.PERHITUNGAN BOBOT (Tahap Pertama)Dalam kasus ideal (yang didasarkan hasil pengukuran eksak), hubungan antara bobot wi dengan hasil judgment aij adalah sebagai berikut :aij = wi/wjuntuk ij =1, 2, ... , n.Bila vektor pembobotan elemen-elemen operasi A1, A2, ..., An tersebut dinyatakan sebagai vektor w = (w1, w2, ..., wn), maka nilai intensitas kepentingan elemen operasi A1 dibandingkan dengan A2 dapat dinyatakan sebagai perbandingan bobot elemen operasi A1 terhadap A2 yaitu w1/w2 yang sama dengan a12 sehingga matrik perbandingan semula dapat diperlihatkan berikut ini:PERHITUNGAN BOBOT (Tahap Pertama)A1A2...AnA1w1/w1w1/w2...w1/wnA2w2/w1w2/w2...w2/wn...............Anwn/w1wn/w2...wn/wnPERHITUNGAN BOBOT (Tahap Pertama)Kepentingan relatif tiap faktor dari setiap baris pada matrik dapat dinyatakan sebagai bobot relatif yang dinormalkan (normalized relative weight). Bobot relatif yang dinormalkan ini merupakan suatu bobot nilai relatif untuk masing-masing faktor pada setiap kolom, dengan membandingkan masing-masing nilai skala dengan jumlah kolomnya. PERHITUNGAN BOBOT (Tahap Pertama)Eigen-vektor utama yang dinormalkan (normalized principal eigenvector) adalah identik dengan menormalkan kolom-kolom dalam matrix perbandingan berpasangan. Ini merupakan bobot nilai rata-rata secara keseluruhan, yang diperoleh dari rata-rata bobot relatif yang dinormalkan masing-masing faktor pada setiap barisnya.PERHITUNGAN BOBOT (Tahap Kedua)Tahap ini dilakukan untuk melihat seberapa besar kelonggaran yang pantas diberikan untuk penyimpanganUntuk itu, kita perlu menghitung vektor eigen dengan persamaan: aijwj = nwii = 1,2,....nyang eqivalen dengan:AW = nWW adalah vektor eigen dari matriks A dengan eigenvalue (n).PERHITUNGAN BOBOT (Tahap Ketiga)Pada kasus nyata, nilai aij tidak selalu sama dengan wi/wj.Untuk selanjutnya nilai n diganti dengan vektor , sehingga persamaan menjadi: AW = Wdengan = (1, 2, 3, , n)Setiap n yang memenuhi persamaan di atas disebut nilai eigen, sedangkan vektor W disebut vektor eigen.PERHITUNGAN BOBOT (Tahap Ketiga)Bila matriks A adalah matriks yang konsisten maka semua nilai eigen bernilai 0 kecuali satu yang bernilai sama dengan n. Bila matriks A adalah matriks yang tak konsisten, variasi kecil atas aij akan membuat nilai eigen value terbesar maks tetap dekat dengan n, dan nilai eigen lainnya mendekati nol. Nilai maks dapat dicari dari persamaan: AW=maks.WAtau (A -maksI)W = 0I adalah matriks identitas dan 0 adalah matriks nol.PERHITUNGAN KONSISTENSIPenyimpangan dari konsistensi dinyatakan dengan Indeks Konsistensi (Consistency Index) yang disingkat CI. Nilai CI didapat dari persamaan berikut:

Indeks Konsistensi (CI) matriks random dengan skala penilaian 1 s/d 9 beserta kebalikannya disebut Indeks Random (RI).

PERHITUNGAN KONSISTENSIRandom Index untuk matriks A :

PERHITUNGAN KONSISTENSIUkuran MatriksIndeks Random (Inkonsistensi)1,20.0030.5840.9051.1261.2471.3281.4191.45101.49111.51121.48131.56141.57151.59Nilai Indeks RandomPERHITUNGAN KONSISTENSIPerbandingan antara CI dan RI untuk suatu matriks didefinisikan sebagai Ratio Konsistensi (CR).

Menurut Thomas L. Saaty hasil penilaian yang diterima adalah matriks yang mempunyai perbandingan konsistensi lebih kecil atau sama dengan 10% (CR 0.1). Jika lebih besar dari angka 10% berarti penilaian yang telah dilakukan bersifat random dan perlu diperbaiki.

SOLUSIDilakukan perhitungan bobot lokal, dan bobot global untuk setiap kriteria, sub-kriteria serta alternatif sehingga dapat diperoleh solusi.CONTOH PENERAPANSebuah perusahaan ingin menentukan lokasi pembangunan pabriknya di pulau Sumatera.Penentuan lokasi dilakukan oleh decision maker dengan kriteria penilaian, yaitu : posisi geografis, upah buruh, ketersediaan bahan baku, luas wilayah, dan kepadatan penduduk.Alternatif keputusan lokasi yang akan diambil adalah : Aceh, Medan, Batam, Padang, Palembang, Bandar Lampung.Langkah 1definisi permasalahan dan Tujuan :memilih lokasi pembangunan pabrikLangkah 2Struktur HierarkiPenentuan lokasiposisi geografisupah buruhketersediaan bahan bakuAcehMedanPadangLuas wilayahKepadatan pendudukPalembangBandar LampungBatamLangkah 3membuat matriks perbandingan berpasangan & normalisasiLangkah 3PCJM kriteria terhadap tujuan :KRITERIAPosisi GeografisUpah BuruhKetersediaan Bahan BakuLuas WilayahKepadatan PendudukPosisi Geografis1,005,003,005,002,00Upah Buruh0,201,000,254,000,50Ketersediaan Bahan Baku0,334,001,005,001,00Luas Wilayah0,200,250,201,000,50Kepadatan Penduduk0,502,001,002,001,00TOTAL2,2312,255,4517,005,00matriks perbandingan berpasanganLangkah 4Normalisasi PCJM kriteria terhadap tujuan :matriks normalisasiKRITERIAPosisi GeografisUpah BuruhKetersediaan Bahan BakuLuas WilayahKepadatan PendudukJumlahPriority vectorPosisi Geografis0,450,410,550,290,402,100,42Upah Buruh0,090,080,050,240,100,560,11Ketersediaan Bahan Baku0,150,330,180,290,201,150,23Luas Wilayah0,090,020,040,060,100,310,06Kepadatan Penduduk0,220,160,180,120,200,880,18TOTAL1,001,001,001,001,00514,00 : 12.250,56 : 5,00Kriteria yang menjadi prioritas utama adalah posisi geografis karena memiliki nilai priority vector terbesar, yaitu 0,42Uji Konsistensi

max = 5.3799CI = = 0.094977 CR = = 0.085648 (konsisten)Langkah 4

Langkah 5Perhitungan yang sama juga dilakukan pada tiap alternatif, dengan membandingkan tiap-tiap lokasi terhadap masing-masing kriteria.

1 : Posisi GeografisLangkah 5Posisi GeografisAcehMedanBatamPadangPalembangBandar LampungAceh1,000,200,250,330,200,25Medan5,001,005,004,003,003,00Batam4,000,201,002,000,500,50Padang3,000,250,501,000,250,33Palembang5,000,332,004,001,001,00Bandar Lampung4,000,332,003,001,001,00TOTAL22,002,3210,7514,335,956,08matriks perbandingan berpasangan1 : Posisi Geografis

Langkah 5NormalisasiPosisi GeografisAcehMedanBatamPadangPalem-bangBandar LampungPriority vectorAceh0,050,090,020,020,030,040,04Medan0,230,430,470,280,500,490,40Batam0,180,090,090,140,080,080,11Padang0,140,110,050,070,040,050,08Palembang0,230,140,190,280,170,160,19Bandar Lampung0,180,140,190,210,170,160,18TOTAL1,001,001,001,001,001,00Langkah 51 : Posisi GeografisUji Konsistensimax = 6.289156558CI = 0.0578313CR = 0.046638155 (konsisten)2 : Upah BuruhLangkah 5matriks perbandingan berpasanganUpah BuruhAcehMedanBatamPadangPalem-bangBandar LampungAceh1,002,004,003,000,333,00Medan0,501,000,502,000,503,00Batam0,252,001,003,000,332,00Padang0,330,500,331,000,330,50Palembang3,002,003,003,001,002,00Bandar Lampung0,330,330,502,000,501,00TOTAL5,427,839,3314,003,0011,502 : Upah Buruh

Langkah 5NormalisasiUpah BuruhAcehMedanBatamPadangPalem-bangBandar LampungPriority vectorAceh0,180,260,430,210,110,260,24Medan0,090,130,050,140,170,260,14Batam0,050,260,110,210,110,170,15Padang0,060,060,040,070,110,040,06Palembang0,550,260,320,210,330,170,31Bandar Lampung0,060,040,050,140,170,090,09TOTAL1,001,001,001,001,001,003 : Ketersediaan bahan bakuLangkah 5matriks perbandingan berpasanganKetersediaan Bahan BakuAcehMedanBatamPadangPalem-bangBandar LampungAceh1,000,500,330,500,250,33Medan2,001,000,503,000,330,33Batam3,002,001,003,000,330,50Padang2,000,330,331,000,250,33Palembang4,003,003,004,001,003,00Bandar Lampung3,003,002,003,000,331,00TOTAL15,009,837,1714,502,505,503 : Ketersediaan bahan bakuLangkah 5normalisasiKetersediaan Bahan BakuAcehMedanBatamPadangPalem-bangBandar LampungPriority vectorAceh0,070,050,050,030,100,060,06Medan0,130,100,070,210,130,060,12Batam0,200,200,140,210,130,090,16Padang0,130,030,050,070,100,060,07Palembang0,270,310,420,280,400,550,37Bandar Lampung0,200,310,280,210,130,180,22TOTAL1,001,001,001,001,001,00Langkah 54 : Luas Wilayah

Luas WilayahAcehMedanBatamPadangPalem-bangBandar LampungAceh1,000,500,331,000,330,50Medan2,001,002,003,001,003,00Batam3,000,501,000,500,502,00Padang1,000,332,001,000,253,00Palembang3,001,002,004,001,003,00Bandar Lampung2,000,330,500,330,331,00TOTAL12,003,677,839,833,4212,50matriks perbandingan berpasanganLangkah 5Luas WilayahAcehMedanBatamPadangPalem-bangBandar LampungPriority vectorAceh0,080,140,040,100,100,040,08Medan0,170,270,260,310,290,240,26Batam0,250,140,130,050,150,160,15Padang0,080,090,260,100,070,240,14Palembang0,250,270,260,410,290,240,29Bandar Lampung0,170,090,060,030,100,080,09TOTAL1,001,001,001,001,001,004 : Luas Wilayah

normalisasiKepadatan PendudukAcehMedanBatamPadangPalem-bangBandar LampungAceh1,000,330,503,002,002,00Medan3,001,003,004,002,003,00Batam2,000,331,004,000,500,50Padang0,330,250,251,000,330,50Palembang0,500,502,003,001,003,00Bandar Lampung0,500,332,002,000,331,00TOTAL7,332,758,7517,006,1710,00Langkah 55 : Kepadatan Penduduk

matriks perbandingan berpasanganKepadatan PendudukAcehMedanBatamPadangPalem-bangBandar LampungPriority vectorAceh0,140,120,060,180,320,200,17Medan0,410,360,340,240,320,300,33Batam0,270,120,110,240,080,050,15Padang0,050,090,030,060,050,050,05Palembang0,070,180,230,180,160,300,19Bandar Lampung0,070,120,230,120,050,100,11TOTAL1,001,001,001,001,001,00Langkah 55 : Kepadatan Penduduk

normalisasiLangkah 6Priority vector

Posisi GeografisUpah BuruhKetersediaan Bahan BakuLuas WilayahKepadatan Penduduk0,420,110,230,060,18Aceh0,040,240,060,080,17Medan0,400,140,120,260,33Batam0,110,150,160,150,15Padang0,080,060,070,140,05Palembang0,190,310,370,290,19Bandar Lampung0,180,090,220,090,11Priority RankingLangkah 6Priority rankingAceh0,09Medan0,28Batam0,14Padang0,07Palembang0,25Bandar Lampung0,16kriteriaAlt. Aceh=0,42 x0,04 +0,11 x0,24 +0,23 x0,06 +0,06 x0,08 +0,18 x0,17 LATIHAN SOALSoal 1. Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing kriteria dan tentukan konsistensi matriks perbandingannya?KriteriaIBP FinancialCustomerLearning & GrowthIBP 120.3331Financial0.510.251Customer3413Learning & Growth110.3331Soal 2.Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing sub kriteria dari Learn & Growth dan tentukan konsistensi matriks perbandingannya?Sub KriteriaInformation on CapitalOrganizational CapitalHuman capitalInformation on Capital1 1/5 1/4Organizational Capital5 1 1 Human capital4 1 1 Soal 3.Humam baru saja lulus SMA. Dia berencana melanjutkan ke Perguruan Tinggi. Pilihannya adalah jurusan Teknik Industri. Ada 3 Perguruan Tinggi Negeri yang menjadi piihannya, yaitu ITB, UI, dan UGM. Humam adalah orang Desa Prembun. Kriteria yang Humam gunakan untuk memilih PTN: Reputasi PT (R), Biaya Hidup (B), Budaya Akademik (A), Fasilitas Pendidikan (F), dan Dosen (D). Walaupun baru lulus SMA, Human cukup mengerti tentang bagaimana menentukan prioritas pilhann tersebut setelah diterangkan oleh orang tuanya. Kerangkan analisis untuk kriteria Perguruan Tinggi adalah:Soal 3.Ditanyakan: Tentukan prioritas masing-masing kriteria dan tentukan bagaimana prioritas pilihan HumamRBAFDR1365?B?1???A?71?3F?641?D52?51Soal 4.Jika diketahui data sbb:Faktor Keamanan lebih penting dari Faktor kenyamanan (5 :1)Faktor Keamanan jelas lebih penting dari Faktor kebersihan (7:1)Faktor Keamanan sama penting dengan Faktor Harga (1:1)Faktor Keamanan sedikit lebih penting dari Faktor kelengkapan (3:1)Faktor Kenyamanan sedikit lebih penting dari Faktor kebersihan (3:1)Faktor Kenyamanan sama penting dengan Faktor harga (1:1)Faktor Kenyamanan sama penting dengan Faktor kelengkapan (1:1)Faktor Kebersihan sama penting dengan Faktor harga (1:1)Faktor kebersihan sedikit kurang penting dibanding Faktor kelengkapan (1:3)Faktor Harga sedikit kurang penting dibanding Faktor kelengkapan (1:3)Berdasarkan data di atas, hitunglah:Matriks perbandingannyaFaktor apa yang dianggap paling pentingApakah pendapat di atas terkategori konsistenSoal 5.Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing kriteria dan tentukan konsistensi matriks perbandingannya?KriteriaIBP FinancialCustomerLearning & GrowthIBP 120.3331Financial0.510.251Customer3413Learning & Growth110.3331Soal 6.Pada matriks perbandingan di bawah ini tentukan prioritas masing-masing sub kriteria dari Learn & Growth dan tentukan konsistensi matriks perbandingannya?Sub KriteriaInformation CapitalOrganizational CapitalHuman capitalInformation on Capital1 1/5 1/4Organizational Capital5 1 1 Human capital4 1 1