UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 PERTEMUAN KE-4 ANALYTI CAL HI ERARCHY PROCESS (AHP) 1.Tujuan Praktikum 1) Mahasiswa dapat memahami konsep AHP. 2) Mahasiswamampumemodelkanpermasalahanpengambilankeputusandan menyelesaikannya dengan metode AHP. 2.Definisi AHP AHP(AnalyticHierarchyProcess)merupakansuatumodelpengambilkeputusanyang dikembangkanolehThomasL.Saatyyangmenguraikanmasalahmultifaktoratau multikriteriamenjadisuatuhirarki.AHPdipergunakanuntukmenyelesaikansuatu permasalahanyang komplek dimana data dan informasi statistik dari masalahyang dihadapi sangat sedikit. 3.Pengertian AHP (Analytic Hierarchy Process) AHPmerupakansuatumodelpendukungkeputusanyangdikembangkanolehThomasL. Saaty.Modelpendukungkeputusaniniakanmenguraikanmasalahmultifactorataumulti kriteriayang kompleksmenjadi suatu hirarki. Masalahyang kompleks dapat di artikan bahwa kriteria dari suatu masalah yang begitu banyak (multikriteria),struktur masalah yang belum jelas, ketidakpastianpendapatdaripengambilkeputusan,pengambilkeputusanlebihdarisatuorang, sertaketidakakuratandatayangtersedia.Menurut.Saaty(1993),hirarkididefinisikansebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimanalevelpertamaadalahtujuan,yangdiikutilevelfaktor,kriteria,subkriteria,dan seterusnya kebawah hingga level terakhir yaitu alternatif. Dengan hirarki, suatu masalah yang kompleksdapatdiuraikankedalamkelompok-kelompoknyayangkemudiandiaturmenjadi suatubentukhirarkisehinggapermasalahanakantampaklebihterstrukturdansistematis. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 AHPseringdigunakansebagaimetodepemecahanmasalahdibandingdenganmetodeyang lain karena alasan-alasan sebagai berikut : 1) Strukturyangberhirarki,sebagaikonsekuesidarikriteriayangdipilih,sampaipada subkriteria yang paling dalam.2) Memperhitungkanvaliditassampaidenganbatastoleransiinkonsistensiberbagaikriteria dan alternatif yang dipilih oleh pengambil keputusan.3) Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan. AHP didasarkan atas 3 prinsip dasar yaitu:1) Dekomposisi Denganprinsipinistrukturmasalahyangkompleksdibagimenjadibagian-bagiansecara hierarki. Tujuan didefinisikan dari yang umum sampai khusus. Dalam bentuk yang paling sederhanastrukturakanterdiridaritujuan,kriteriadanlevelalternatif.Tiaphimpunan alternatifmungkinakandibagilebihjauhmenjaditingkatanyanglebihdetail,mencakup lebihbanyakkriteriayanglain.Levelpalingatasdarihirarkimerupakantujuanyang terdiri atas satu elemen. Level berikutnya mungkin mengandung beberapa elemen, dimana elemen-elementersebutbisadibandingkan,memilikikepentinganyanghampirsamadan tidakmemilikiperbedaanyangterlalumencolok.Jikaperbedaanterlalubesarharus dibuatkan level yang baru. Level pertama : Tujuan keputusan (Goal)Level kedua : Kriteria kriteriaLevel ketiga : Alternatif alternatif Hirarkidisusununtukmembantuprosespengambilankeputusandenganmemperhatikan seluruhelemenkeputusanyangterlibatdalamsistem.Sebagianbesarmasalahmenjadi sulituntukdiselesaikankarenaprosespemecahannyadilakukantanpamemandang masalah sebagai suatu sistem dengan suatu struktur tertentu. 2) Perbandingan penilaian/pertimbangan (comparative judgments).Dengan prinsip ini akan dibangun perbandingan berpasangan dari semua elemen yang ada dengantujuanmenghasilkanskalakepentinganrelatifdarielemen.Penilaianpada UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 perbandinganinimerupakanintidariAHPkarenaakanberpengaruhterhadapurutan prioritasdarielemenelemennya.Hasildaripenilaianinilebihmudahdisajikandalam bentukmatrikspairwisecomparisonsyaitumatriksperbandinganberpasanganyang memuattingkatkepentinganbeberapaalternatifuntuktiapkriteria.Skalakepentingan yang digunakan yaitu berupa angka. skala 1 yang menunjukkan tingkat yang paling rendah (equalimportance)sampaidenganskala9yangmenujukkantingkatanpalingtinggi (extreme importance). 3) Sintesa Prioritas Sintesa prioritas dilakukan dengan mengalikan prioritas lokal dengan prioritas dari kriteria bersangkutandilevelatasnyadanmenambahkannyaketiapelemendalamlevelyang dipengaruhi kriteria. Hasilnya berupa gabungan atau dikenal dengan prioritas globalyang kemudian digunakan untuk memboboti prioritas lokal dari elemen di level terendah sesuai dengan kriterianya. AHP didasarkan atas 3 aksioma utama yaitu : 1) Aksioma Resiprokal AksiomainimenyatakanjikaPC(EA,EB)adalahsebuahperbandinganberpasangan antaraelemenAdanelemenB,denganmemperhitungkanCsebagaielemenparent, 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 Aksiomainimenyatakanbahwaelemenyangdibandingkantidakberbedaterlalujauh. Jikaperbedaanterlalubesar,hasilyangdidapatkanmengandungnilaikesalahanyang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemen-elemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan inkonsistensi tinggi. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 3) Aksioma KetergantunganAksiomainimenyatakanbahwaprioritaselemendalamhirarkitidakbergantungpada elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip komposisi hirarki. 4.Kelebihan dan Kelemahan AHP Layaknya sebuah metode analisis, AHP pun memiliki kelebihan dan kelemahan dalam sistem analisisnya. Kelebihan-kelebihan analisis ini adalah : 1) Kesatuan (Unity)AHPmembuatpermasalahanyangluasdantidakterstrukturmenjadisuatumodelyang fleksibel dan mudah dipahami. 2) Kompleksitas (Complexity)AHPmemecahkanpermasalahanyangkompleksmelaluipendekatansistemdan pengintegrasian secara deduktif. 3) Saling ketergantungan (Inter Dependence)AHPdapatdigunakanpadaelemen-elemensistemyangsalingbebasdantidak memerlukan hubungan linier. 4) Struktur Hirarki (Hierarchy Structuring)AHPmewakilipemikiranalamiahyangcenderungmengelompokkanelemensistemke level-level yang berbeda dari masing-masing level yang berisi elemen yang serupa.5) Pengukuran (Measurement)AHP menyediakan skala pengukuran dan metode untuk mendapat kanprioritas. 6) Konsistensi (Consistency)AHPmempertimbangkankonsistensilogisdalampenilaianyangdigunakanuntuk menentukan prioritas. 7) Sintesis (Synthesis)AHPmengarahpadaperkiraankeseluruhanmengenaiseberapadiinginkannyamasing-masing alternatif. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 8) Trade OffAHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang mampu memilih altenatif terbaik berdasarkan tujuan mereka. 9) Penilaian dan Konsensus (Judgement and Consensus)AHPtidakmengharuskanadanyasuatukonsensus,tapimenggabungkanhasilpenilaian yang berbeda. 10)Pengulangan Proses (Process Repetition)AHPmampumembuatorangmenyaringdefinisidarisuatupermasalahandan mengembangkan penilaian serta pengertian mereka melalui proses pengulangan. Sedangkan kelemahan metode AHP adalah sebagai berikut:1) Ketergantungan model AHP pada input utamanya. Inpututamainiberupapersepsiseorangahlisehinggadalamhalinimelibatkan subyektifitassangahliselainitujugamodelmenjaditidakberartijikaahlitersebut memberikan penilaian yang keliru. 2) Tidak ada pengujian statistik pada AHP. MetodeAHPinihanyametodematematistanpaadapengujiansecarastatistiksehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk 5.Tahapan AHP Dalam metode AHP dilakukan langkah-langkah sebagai berikut: 1)Menyusun hirarki dari permasalahan yang dihadapi. Persoalanyangakandiselesaikan,diuraikanmenjadiunsur-unsurnya,yaitukriteriadan alternatif, kemudian disusun menjadi struktur hierarki seperti Gambar 1. di bawah ini: UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Gambar 1. Struktur Hierarki AHP 2)Penilaian kriteria dan alternatif Kriteriadanalternatifdinilaimelaluiperbandinganberpasangan.MenurutSaaty(1988), untukberbagaipersoalan,skala1sampai9adalahskalaterbaikdalammengekspresikan pendapat.NilaidandefinisipendapatkualitatifdariskalaperbandinganSaatydapat dilihat pada Tabel 1. Tabel 1. Skala Penilaian Perbandingan Berpasangan Intensitas Kepentingan Keterangan 1Kedua elemen sama pentingnya 3Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5Elemen yang satu lebih penting daripada yang lainnya 7Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9Satu elemen mutlak penting daripada elemen lainnya 2,4,6,8Nilai-nilaiantaraduanilaipertimbangan-pertimbanganyang berdekatan Perbandingandilakukanberdasarkankebijakanpembuatkeputusandenganmenilai tingkatkepentingansatuelementerhadapelemenlainnya.Prosesperbandingan berpasangan dimulai dari level hirarki paling atas yang ditujukan untuk memilih kriteria, misalnyaA,kemudiandiambilelemenyangakandibandingkan,misalA1,A2,danA3. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Makasusunanelemen-elemenyangdibandingkantersebutakantampaksepertipada gambar matriks di bawah ini : Tabel 2. Contoh matriks perbandingan berpasangan A1A2A3 A11 A21 A31 Untuk menentukan nilai kepentingan relatif antar elemen digunakan skala bilangan dari 1 sampai9sepertipadaTabel1.Penilaianinidilakukanolehseorangpembuatkeputusan yangahlidalambidangpersoalanyangsedangdianalisadanmempunyaikepentingan terhadapnya. Apabila suatu elemen dibandingkan dengan dirinya sendiri maka diberi nilai 1. Jika elemen i dibandingkan dengan elemen j mendapatkan nilai tertentu, maka elemen j dibandingkan dengan elemen i merupakan kebalikannya. DalamAHPini,penilaianalternatifdapatdilakukandenganmetodelangsung(direct), yaitu metode yang digunakan untuk memasukkan data kuantitatif. Biasanya nilai-nilai ini berasal dari sebuah analisis sebelumnya atau dari pengalaman dan pengertian yang detail dari masalah keputusan tersebut. Jika si pengambil keputusan memiliki pengalaman atau pemahamanyangbesarmengenaimasalahkeputusanyangdihadapi,makadiadapat langsung memasukkan pembobotan dari setiap alternatif. 3)Penentuan prioritas Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan(pairwise comparisons).Nilai-nilaiperbandinganrelativekemudiandiolahuntukmenentukan peringkat alternatif dari seluruh alternatif. Baik kriteria kualitatif, maupun kriteria kuantitatif, dapat dibandingkan sesuai dengan penilaianyangtelahditentukanuntukmenghasilkanbobotdanprioritas.Bobotatau prioritasdihitungdenganmanipulasimatriksataumelaluipenyelesaianpersamaan matematik. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Pertimbangan-pertimbanganterhadapperbandinganberpasangandisintesisuntuk memperoleh keseluruhan prioritas melalui tahapan-tahapan berikut: a.Kuadratkan matriks hasil perbandingan berpasangan. b.Hitung jumlah nilai dari setiap baris, kemudian lakukan normalisasi matriks. 4)Konsistensi Logis Semuaelemendikelompokkansecaralogisdandiperingatkansecarakonsistensesuai dengan suatu kriteria yang logis. Matriksbobotyangdiperolehdarihasilperbandingansecaraberpasangantersebutharus mempunyai hubungan kardinal dan ordinal. Hubungan tersebut dapat ditunjukkan sebagai berikut (Suryadi & Ramdhani, 1998): Hubungan kardinal: aij . ajk = aik Hubungan ordinal : Ai> Aj, Aj> Ak maka Ai> Ak Hubungan diatas dapat dilihat dari dua hal sebagai berikut : a.Denganmelihatpreferensimultiplikatif,misalnyabilaanggurlebihenakempatkali darimanggadanmanggalebihenakduakalidaripisangmakaanggurlebihenak delapan kali dari pisang. b.Denganmelihatpreferensitransitif,misalnyaanggurlebihenakdarimanggadan mangga lebih enak dari pisang maka anggur lebih enak dari pisang. Padakeadaansebenarnyaakanterjadibeberapapenyimpangandarihubungantersebut, sehinggamatrikstersebuttidakkonsistensempurna.Haliniterjadikarena ketidakkonsistenan dalam preferensi seseorang. Penghitungankonsistensilogisdilakukandenganmengikutilangkah-langkahsebagai berikut : a.Mengalikan matriks dengan proritas bersesuaian. b.Menjumlahkan hasil perkalian per baris. c.Hasil penjumlahan tiap baris dibagi prioritas bersangkutan dan hasilnya dijumlahkan. d.Hasil c dibagi jumlah elemen, akan didapat maks.e.Indeks Konsistensi (CI) = (maks-n) / (n-1) UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 f.Rasio Konsistensi = CI/ RI, di mana RI adalah indeks random konsistensi. Jika rasio konsistensi 0.1, hasil perhitungan data dapat dibenarkan. Daftar RI dapat dilihat pada Tabel 3. Tabel 3. Nilai Indeks Random n1234567891011 RC0.000.000.580.901.121.241.321.411.451.491.51 6.Aplikasi AHP Beberapa contoh aplikasi AHP adalah sebagai berikut:1. Membuat suatu set alternatif;2. Perencanaan 3. Menentukan prioritas;4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;5. Alokasi sumberdaya 6. Menentukan kebutuhan/persyaratan;7. Memprediksi outcome;8. Merancang sistem; 9. Mengukur performa;10. Memastikan stabilitas sistem; 7.Contoh Kasus AHP Kasusyangakandikerjakanadalahpemilihanasisten.Alternatifyangakandipilihada3 orangdengan2kriteriayangdigunakansebagaiparameterpenilaianyaitukompetensi,soft skill, dan motivasi. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Tahap 1: Membangun hierarki Gambar 2. Struktur Hierarki Kasus Pemilihan Asisten Tahap 2: Perbandingan Berpasangan Perbandingandilakukanberpasanganantaramasing-masingcriteriadenganmasing-masing alternatif. Data diperoleh dari kuesioner yang isi oleh sumber ahli. Berikut perhitungan untuk perbandingan berpasangan antar criteria. Tabel 4. Contoh Kuesioner KriteriaSkalaKriteria 98765432123456789Soft Skill x Motivasi

xKompetensiMotivasi x Kompetensi Kuesionerdiatasmenunjukanperbandingantingkatkepentingandarikriteria-kriteriayang kemudian akan dituliskan dalam matriks perbandingan berpasangan sebagai berikut: Memilih Caten Soft SkillKompetensi AdhiBudiCinta TujuanKriteria Alternatif Motivasi UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Tabel 5. Matriks Perbandingan Berpasangan Perbandingan BerpasanganDalam Desimal KriteriaSoft SkillMotivasiKompetensiSoft SkillMotivasiKompetensi Soft Skill11/3510.3333335 Motivasi316316 Kompetensi1/51/610.20.1666671 Jumlah4.21.512 Tahap 3: Menghitung Priority Weight Membagisetiapnilaiseldenganjumlahsetiapkolomyangberkesesuaian,kemudian jumlahkan dan reratakan setiap barisnya. Rata-rata menunjukkan nilai Priority Weight untuk setiap baris yang bersangkutan. Tabel 6. Matriks Rata-rata Perbandingan Berpasangan KriteriaSoft SkillMotivasiKompetensiJumlahRata-rata Soft Skill0.2380.2220.4170.8770.292 Motivasi0.7140.6670.5001.8810.627 Kompetensi0.0480.1110.0830.2420.081 Tahap 4: Menghitung Consistency Ratio 1.Mengalikan matriks dengan proritas bersesuaian. Kriteria 10.3335 0.292 0.905 316X0.627=1.988 0.20.1671 0.081 0.244 UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 2.Membagi hasil dari perhitungan diatas dengan Priority Weight D = 0.9051.9880.244 =3.0953.1713.020 0.2920.6270.081 3.Menghitungmaks (Jumlah dari perkalian diatas dibagi dengan jumlah elemen) maks =3.095+ 3.171+3.0203= 3.09 4.Menghitung Indeks Konsistensi (CI) = (maks-N) / (N-1) CI1=(3.09 3)(3 1)= 0.047 RasioKonsistensi=CI/RI,dimanaRIadalahindeksrandomkonsistensi.Jikarasio konsistensi0.1,hasilperhitungandatadapatdibenarkan.DaritablerandomRC diperoleh untuk n = 3, RI = 0.58 Rasio Konsistensi = 0.047/0.58 = 0.082 Tahap 5: Menghitung perbandingan Berpasangan untuk alternatif Dengancaraperhitunganyangsamadiperolehrasiokonsistensiuntukperbandingan berpasangan antar alternatif sebagai berikut: Tabel 7. Rasio Konsistensi kriteria Soft Skill Soft SkillAdhiBudiCintaP.WeightCR Adhi1573.000 0.057Budi0.2130.600 Cinta0.1428571430.33333333310.238 UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Tabel 8. Rasio Konsistensi kriteria Kompetensi KompetensiAdhiBudiCintaP.WeightCR Adhi1590.748 0.025Budi0.2130.180 Cinta0.1111111110.33333333310.071 UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 Tabel 8. Rasio Konsistensi kriteria Motivasi MotivasiAdhiBudiCintaP.WeightCR Adhi1570.737 0.038Budi0.2130.186 Cinta0.1428571430.33333333310.077 Tahap 6: Pengambilan Keputusan Pengambilankeputusandidasarkanpadaperhitunganperbandinganbobotantaralternatif terhadap criteria. Tabel 9. Alternatif Weight Evaluation

Atribute Alt. Weight Evaluation Soft SkillMotivasiKompetensi Atribute Weight0.2920.6270.081 Alternatif Adhi0.7240.7370.7480.734 Budi0.1930.1860.1800.188 Cinta0.0830.0770.0710.078 Contoh perhitungan: Alt. Weight Evaluation = (0.292 x 0.724) + (0.627 x 0.737) +(0.081 x 0.748) = 0.734 Kesimpulan: Darihasilperhitungandiatasdapatdisimpulkanbahwaberdasarkankriteriasoftskill, motivasi,dankompetensimakaAdhiterpilihsebagaiasistenkarenamemilikinilaiAlt. Weight Evaluation tertinggi yaitu sebesar 0,734. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015 REFERENSI EndahKusrini,Dwi.2008.PengenalanMetodeAHP(AnalyticalHierarchyProcess). Jakarta : Universitas Gunadarma Purba,J.2010.KonsepAnalyticHierarchyProcess(AHP).Medan:UniversitasSumatera Utara. UNIVERSITAS ISLAM INDONESIAFM-UII-AA-FKA-07/R0 MATERI PRAKTIKUM Fakultas: Teknologi IndustriPertemuan ke : 4 Jurusan/ Program Studi : Teknik IndustriModul ke : 1 Kode Mata Kuliah: 52224603Jumlah Halaman: 15 Nama Mata Kuliah: Analisis Keputusan dan Data MiningMulai berlaku : 2015