Makalah Sistem Pendukung Keputusan (Spk)

MAKALAH

Sistem Pendukung Keputusan

Memilih Produk dengan

Metode Analytical Hierarchy Process (AHP)

Disusun oleh :

Sariatul Masrifah

2112R0541

Teknologi Informatika

Dosen Pengampu : Septia Lutfi, M.Kom

STMIK HIMSYA SEMARANGCabang RembangTahun 2015/2016

KATA PENGANTAR

Makalah ini bertema sistem pendukung keputusan dengan metode AHP. Makalah ini

disusun untuk memenuhi tugas mata kuliah Sistem Pendukung Keputusan STMIK HIMSYA

Semarang. Makalah ini juga bertujuan untuk mengetahui tentang pengambilan keputusan,

sistem pendukung keputusan, sistem pendukung pengambilan keputusan, sistem pendukung

cerdas, dan sistem informasi geografis.

Saya ucapkan terima kasih kepada Bapak Septia Lutfi, S.Kom selaku dosen

pembimbing. Saya menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu

kritik dan saran dari semua pihak yang bersifat membangun selalu saya harapkan demi

kesempurnaan makalah ini. Akhir kata, saya sampaikan terima kasih. Semoga Allah SWT

selalu meridhai segala usaha kita. Amin.

Rembang, 15 Oktober 2015

Penulis

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dewasa ini perkembangan teknologi informasi sudah sedemikian pesat.

Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja,

tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup

berkembang saat ini adalah metode sistem pengambilan keputusan (Decisions Support

System). Dalam teknologi informasi, sistem pengambilan keputusan merupakan cabang ilmu

yang letaknya diantara system informasi dan sistem cerdas.

Sistem pengambilan keputusan juga membutuhkan teknologi informasi, hal ini

dikarenakan adanya era globalisasi, yang menuntut sebuah perusahaan untuk bergerak cepat

dalam mengambil suatu keputusan dan tindakan. Dengan mengacu kepada solusi yang

diberikan oleh metode AHP (Analytical Hierarcy Process) dalam membantu membuat

keputusan, seorang (decision maker) dapat mengambil keputusan tentang

pemilihan supplier secara objektif berdasarkan multi kriteria yang ditetapkan.

Metode AHP adalah metode pengambilan keputusan yang multi kriteria, sedangkan

pengambilan keputusan dibidang pembelian juga mengandalkan kriteria-kriteria yaitu

kualitas barang, kecepatan pengiriman barang, harga barang dan status supplier. Dengan

melihat adanya kriteria-kriteria yang dipergunakan untuk mengambil keputusan, maka akan

sangat cocok untuk menggunakan metode AHP dengan multi kriteria.

1.2 Permasalahan

Adapun permasalahan yang timbul ini disebabkan seseorang menemui berbagai

kesulitan dalam mengambil keputusan dalam pemilihan kriteria diantaranya adalah kesulitan

dalam criteria dalam pemilihan sepeda motor yang nantinya akan dia beli yaitu : sepeda

motornya memiliki desain yang bagus, berkualitas serta irit dalam bahan bakar.

1.3 Tujuan

Tujuan dari penulisan ini adalah memberi pengetahuan tentang arti dari metode AHP

dan untuk membuat keputusan yang dapat membantu pihak-pihak tertentu dalam mengambil

keputusan yang terbaik untuk mencapai hasil yang maksimal.

BAB II

PEMBAHASAN

2.1 Definisi Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem

(DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton

dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang

berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan

memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak

terstruktur.Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer

dalam proses pengambilan keputusan.

Beberapa Definisi Lain dari Sistem Pendukung Keputusan

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.

2.2 Macam – Macam Metode Sisem Pendukung Keputusan

1. Metode Sistem pakar

2. Metode Regresi linier

3. Metode B/C Ratio

4. Metode AHP

5. Metode IRR

6. Metode NPV

7. Metode FMADM

8. Metode SAW

2.3 Pengertian Metode 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).

Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan

atau kelompok untuk membangun gagasan-gagasan dan mendefinisikan persoalan dengan

cara membuat asumsi mereka masing-masing dan memperoleh pemecahan yang diinginkan

darinya. Ada dua alasan utama untuk menyatakan suatu tindakan akan lebih baik dibanding

tindakan lain. Alasan yang pertama adalah pengaruh-pengaruh tindakan tersebut kadang-

kadang tidak dapat dibandingkan karena sutu ukuran atau bidang yang berbeda dan kedua,

menyatakan bahwa pengaruh tindakan tersebut kadang-kadang saling bentrok, artinya

perbaikan pengaruh tindakan tersebut yang satu dapat dicapai dengan pemburukan lainnya.

Kedua alasan tersebut akan menyulitkan dalam membuat ekuivalensi antar pengaruh

sehingga diperlukan suatu skala luwes yang disebut prioritas.

2.4 Prinsip Dasar dan Aksioma AHP

AHP didasarkan atas 3 prinsip dasar yaitu:

1. Dekomposisi

Dengan prinsip ini struktur masalah yang kompleks dibagi menjadi bagian-bagian

secara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk yang

paling sederhana struktur akan dibandingkan tujuan, kriteria dan level alternatif. Tiap

himpunan alternatif mungkin akan dibagi lebih jauh menjadi tingkatan yang lebih detail,

mencakup lebih banyak kriteria yang lain. Level paling atas dari hirarki merupakan tujuan

yang terdiri atas satu elemen. Level berikutnya mungkin mengandung beberapa elemen, di

mana elemen-elemen tersebut bisa dibandingkan, memiliki kepentingan yang hampir sama

dan tidak memiliki perbedaan yang terlalu mencolok. Jika perbedaan terlalu besar harus

dibuatkan level yang baru.

2. Perbandingan penilaian/pertimbangan (comparative judgments)

Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen yang

ada dengan tujuan menghasilkan skala kepentingan relatif dari elemen. Penilaian

menghasilkan skala penilaian yang berupa angka. Perbandingan berpasangan dalam bentuk

matriks jika dikombinasikan akan menghasilkan prioritas.

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.

AHP didasarkan atas 3 aksioma utama yaitu :

1. Aksioma Resiprokal

Aksioma ini menyatakan jika PC (EA,EB) adalah sebuah perbandingan berpasangan

antara elemen A dan elemen B, dengan memperhitungkan C sebagai elemen parent,

menunjukkan berapa kali lebih banyak properti yang dimiliki elemen A terhadap B, maka PC

(EB,EA)= 1/ PC (EA,EB). Misalnya jika A 5 kali lebih besar daripada B, maka B=1/5 A.

2. Aksioma Homogenitas

Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu jauh.

Jika perbedaan terlalu besar, hasil yang didapatkan mengandung nilai kesalahan yang tinggi.

Ketika hirarki dibangun, kita harus berusaha mengatur elemen-elemen agar elemen tersebut

tidak menghasilkan hasil dengan akurasi rendah dan inkonsistensi tinggi.

3. Aksioma Ketergantungan

Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada

elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip komposisi

hirarki.

2.5 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.

Metode “pairwise comparison” AHP mempunyai kemampuan untuk memecahkan masalah

yang diteliti multi obyek dan multi kriteria yang berdasar pada perbandingan preferensi dari

tiap elemen dalam hierarki. Jadi model ini merupakan model yang komperehensif. Pembuat

keputusan menetukan pilihan atas pasangan perbandingan yang sederhana, membengun

semua prioritas untuk urutan alternatif. “ Pairwaise comparison” AHP mwenggunakan data

yang ada bersifat kualitatif berdasarkan pada persepsi, pengalaman, intuisi sehigga dirasakan

dan diamati, namun kelengkapan data numerik tidak menunjang untuk memodelkan secara

kuantitatif.

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

2.6 Tahapan Dalam Metode AHP

Langkah-langkah AHP

Langkah – langkah dan proses Analisis Hierarki Proses (AHP) adalah sebagai berikut :

1. Memdefinisikan permasalahan dan penentuan tujuan. Jika AHP digunakan untuk

memilih alternatif atau menyusun prioriras alternatif, pada tahap ini dilakukan

pengembangan alternatif.

2. Menyusun masalah kedalam hierarki sehingga permasalahan yang kompleks dapat

ditinjau dari sisi yang detail dan terukur.

3. Penyusunan prioritas untuk tiap elemen masalah pada hierarki. Proses ini

menghasilkan bobot atau kontribusi elemen terhadap pencapaian tujuan sehingga

elemen dengan bobot tertinggi memiliki prioritas penanganan. Prioritas dihasilkan

dari suatu matriks perbandinagan berpasangan antara seluruh elemen pada tingkat

hierarki yang sama.

4. Melakukan pengujian konsitensi terhadap perbandingan antar elemen yang didapatan

pada tiap tingkat hierarki.

Sedangkan langkah-langkah “pairwise comparison” AHP adalah :

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).

Contoh kasus Sistem Pendukung Keputusan dengan AHP :

Ketika Ifah memasuki perkuliahan, dia akan dibelikan motor ayahnya untuk alat

transportasi menuju ke kampus. Karena dia peremuan jadi ayahnya akan membelikan motor

matic. Ifah memiliki 3 pilihan yaitu Mio, Vario dan Skydrive. Pemilihan sepeda motor yang

nantinya akan dia beli yaitu : sepeda motornya memiliki desain yang bagus, berkualitas serta

irit dalam bahan bakar.

Penyelesaian :

1. Tahap pertama

Menentukan botot dari masing – masig kriteria.

Desain lebih penting 2 kali dari pada Irit

Desain lebih penting 3 kali dari pada Kualitas

Irit lebih penting 1,5 kali dari pada kualitas

Pair Comparation Matrix

Kriteria Desain Irit Kualitas Priority Vector

Desain 1 2 3 0,5455

Irit 0,5 1 1,5 0,2727

Kualitas 0,333 0,667 1 0,1818

Jumlah 1,833 3,667 5,5 1,0000

Pricipal Eigen Value (lmax) 3,00

Consistency Index (CI) 0

Consistency Ratio (CR) 0,0%

Ket:

Dari gambar diatas, Prioity Vector (kolom paling kanan) menunjukan bobot dari masing-

masing kriteria, jadi dalam hal ini Desain merupakan bobot tertinggi/terpenting menurut Ifah,

disusul Irit dan yang terakhir adalah Kualitas.

Cara membuat table seperti di atas

1. Untuk perbandingan antara masing – masing kriteria berasal dari bobot yang telah di

berikan ADI pertama kali.

2. Sedangkan untuk Baris jumlah, merupakan hasil penjumalahan vertikal dari masing –

masing kriteria.

3. Untuk Priority Vector di dapat dari 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.

Contoh angka 0.5455 pada sel yang merupakan perpotongan antara baris Desain dan

kolom Priority diperoleh dari 1/3x(1/1.8333+2/3.6667+3/5.500).

4. Untuk mencari Principal Eigen Value (lmax)

Rumusnya adalah menjumlahkan hasil perkalian antara sel pada baris jumlahdan sel

pada kolom Priority Vector

5. Menghitung Consistency Index (CI) dengan rumus CI = (lmax-n)/(n-1)

6. Sedangkan untuk menghitung nilai CR

Menggunakan rumuas CR = CI/RI , nilai RI didapat dari

n 1 2 3 4 5 6 7 8 9 10

RI 0 0 5,8 0,9 1,12 1,24 1,32 1,41 1,45 1,49

Jadi untuk n=3, RI=0.58.

Jika hasil perhitungan CR lebih kecil atau sama dengan 10% , ketidak konsistenan masih

bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.

2. Tahap Kedua

Kebetulan teman Ifah memiliki teman yang memiliki motor yang sesuai dengan pilihan Ifah.

Setelah Ifah mencoba motor temannya tersebut Ifah memberikan penilaian ( disebut

sebagai pair-wire comparation)

Desain lebih penting 2 kali dari pada Irit

Desain lebih penting 3 kali dari pada Kualitas

Irit lebih penting 1.5 kali dari pada kualitas

Vario 4 kali desainnya lebih baik daripada Mio

Vario 3 kali desainnya lebih baik dari pada Skydrive

Skydrive 1/2 kali desainnya lebih baik dari pada Mio

Vario 1/3 kali lebih irit daripada Mio

Vario 1/4 kali lebih irit dari pada Skydrive

Mio 1/2 kali lebih irit dari pada Skydrive

Berdasarkan penilaian tersebut maka dapat di buat table (disebut Pair-wire comparation

matrix)

Desain Vario Mio Skydrive Priority Vector

Vario 1 4 3 0,6233

Mio 0,25 1 0,5 0,1373

Skydrive 0,333 2 1 0,2394

Jumlah 1,583 7 4,5 1,0000


Consistency Index (CI) 0,01


Irit Vario Mio Skydrive Priority Vector

Vario 1 0,333 0,25 0,1226

Mio 3 1 0,5 0,3202

Skydrive 4 2 1 0,5572

Jumlah 8 3,333 1,75 1,0000


Consistency Index (CI) 0,01


Irit Vario Mio Skydrive Priority Vector

Vario 1,00 0,010 0,10 0,0090

Mio 100,00 1,00 10,0 0,9009

Skydrive 10,00 0,100 1,0 0,0901

Jumlah 111,00 1,11 11,10 1,0000

Pricipal Eigen Value (lmax) 3

Consistency Index (CI) 0


3. Tahap ketiga

Setelah mendapatkan bobot untuk ketiga kriteria dan skor untuk masing-masing kriteria bagi

ketiga motor pilihannya, maka langkah terakhir adalah menghitung total skor untuk ketiga

motor tersebut. Untuk itu IFAH akan merangkum semua hasil penilaiannya tersebut dalam

bentuk tabel yang disebut Overall composite weight, seperti berikut.

Overall composit weight Weight Vario Mio Skydrive

Desain 0,5455 0,6233 0,1373 0,2394

Irit 0,2727 0,1226 0,3202 0,5572

Kualitas 0,1818 0,0090 0,9009 0,0901

Composit Weight 0,3751 0,3260 0,2989

Cara membuat Overall Composit weight adalah

Kolom Weight diambil dari kolom Priority Vektor dalam matrix Kriteria.

Ketiga kolom lainnya (Vario, Mio dan Skydrive) diambil dari kolom Priority

Vector ketiga matrix Desain, Irit dan Kualitas.

Baris Composite Weight diperoleh dari jumlah hasil perkalian sel diatasnya dengan

weight.

Berdasarkan table di atas maka dapat di ambil kesimpulan bahwa yang memiliki skor paling

tinggi adalah Vario yaitu 0,3751 , sedangkan disusul Mio dengan skor 0,3260 dan yang

terakhir adalah Skydrive dengan skor 0,2989. Akhirnya Ifah akan membeli motor Vario.

BAB III

KESIMPULAN

Sistem pendukung keputusan memiliki sifat yang dinamis dan fleksibel. Sistem

pendukung keputusan membantu memberikan alternatif-alternatif pada proses pengambilan

keputusan, tetapi tidak menggantikan pemakai sebagai pengambil keputusan. Konsep DSS

merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuatan keputusan

memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak

terstruktur dan semi terstruktur.

Dengan salah satu metodenya adalah metode AHP. Dimana metode AHP ini

merupakan metode pengambilan keputusan yang multi kriteria. Metode AHP membantu

memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang

berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan

bobot atau prioritas.

DAFTAR PUSTAKA

Daihani,D.Umar. 2001. Komputerisasi Pengambilan Keputusan. PT Elekmedia Komputindo,

Jakarta.

Kosasi, S. 2002. Sistem Penunjang Keputusan (Decision Support System). Departemen

Pendidikan Nasional, Pontianak.

Saaty, T.L. 1988. Multicriteria Decision Making : The Analytic Hierarchy Process. University of

Pittsburgh, RWS Publication, Pittsburgh.

Suryadi, K. dan Ramdhani, MA. 1998. Sistem Pendukung Keputusan. PT Remaja Rosdakarya,

Bandung.

Makalah Sistem Pendukung Keputusan (Spk)

Documents

Transcript of Makalah Sistem Pendukung Keputusan (Spk)