Metode dalam SPK (Sistem Pendukung Keputusan) A. AHP Analytic Hierarchy Process (AHP) adalah teknik untuk mendukung proses pengambilan keputusan yang bertujuan untuk menentukan pilihan terbaik dari beberapa alternatif yang dapat diambil. AHP dikembangkan oleh Thomas L.Saaty pada tahun 1970-an, dan telah mengalami banyak perbaikan dan pengembangan hingga saat ini. Kelebihan AHP adalah dapat memberikan kerangka yang komprehensif dan rasional dalam menstrukturkan permasalahan pengambilan keputusan. AHP merupakan salah satu metode untuk menyelesaikan masalah Multi Criteria Decision Making (MCDM). Zimmermann (Kusumadewi dkk, 2006:69) mengemukakan bahwa MCMM adalah suatu metode pengambilan keutusan
untuk menetapkan alternatif terbaik dari sejumlah
alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Kenapa AHP ? AHP menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki. Menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis. Gambaran umum dari proses AHP dapat dilihat pada gambar berikut:
Tahapan pertama dari AHP adalah Structuring, yaitu menstrukturkan alur pengambilan keputusan berdasarkan dua komponen utama; Komponen pertama adalah tujuan dari AHP dan variabel yang digunakan, sedangkan komponen kedua adalah alternatifalternatif yang dapat diambil untuk memenuhi tujuan AHP tersebut. Pada Tahap Structuring, akan ditentukan apa tujuan dari AHP, apa saja variabel dan sub-variabel yang digunakan, dan apa saja alternative yang tersedia. Proses Structuring pada AHP adalah penyusunan kerangka AHP yang terdiri dari Tujuan Utama, Variabel yang digunakan sebagai pertimbangan, dan Alternatif yang dapat diambil untuk memenuhi tujuan. Tutorial di bawah ini menunjukkan contoh AHP, dimana tujuan penyusunan AHP adalah untuk menilai bentuk pemanfaatan ruang apa yang paling sesuai untuk dikembangkan di Kawasan Pesisir. Ada 4 alternatif yang dapat diambil, yaitu pengembangan Industri Perikanan, Perikanan Rakyat, Resort Tourism, Eco-Tourism, dan Konservasi. Dengan menggunakan AHP, kita bisa menilai berdasarkan pendapat responden, alternatif mana yang paling cocok untuk dikembangkan di kawasan pesisir. Tahap berikutnya pada AHP adalah Assessment, yaitu tahap pemberian nilai atau bobot terhadap variabel, sub-variabel, dan alternatif. Pemberian bobot ini dapat berupa Direct Assessment atau pemberian bobot secara langsung, Verbal Assessment, pemberian bobot berdasarkan persepsi verbal seperti (Sangat penting, Tidak penting, dsb), dan juga dapat dengan menggunakan Visual Assessment, yaitu pemberian bobot dengan bantuan visualisasi grafik.
B. SAW Metode 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. 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 dikenal dan paling banyak digunakan orang dalam menghadapi situasi MADM (multiple attribute decision making). Metode ini
mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi yang artinya telah melewati proses normalisasi sebelumnya. Langkah Penyelesaian SAW 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. C. METODE WEIGHTED PRODUCT Metode Weighted Product (WP) menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.Proses ini sama halnya dengan proses normalisasi.
Preferensi untuk alternatif Ai diberikan sebagai berikut:
dengan i=1,2,...,m; dimana wj = 1. - wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.
Contoh: Suatu perusahaan di Daerah Pekanbaru ingin membangun sebuahgudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu: A1 = Panam, A2 = Marpoyan, A3 = Rumbai. Ada 5 kriteria yang dijadikan acuan dalampengambilan C1 = jarak dengan pasar terdekat (km), C2 = kepadatan penduduk di sekitar lokasi(orang/km2); C3 = jarak dari pabrik (km); C4 = jarak dengan gudang yang sudah ada (km); C5 = harga tanah untuk lokasi (x1000 Rp/m2).
keputusan,
yaitu:
Nilai setiap alternatif di setiap kriteria:
Tingkat kepentingan setiap kriteria, juga dinilaidengan 1 sampai 5, yaitu: 1 = Sangat rendah, 2 = Rendah, 3 = Cukup, 4 = Tinggi, 5 = Sangat Tinggi. Pengambil keputusan W = (5, 3, 4, 4, 2)
memberikan
bobotpreferensi
sebagai:
Kategori setiap kriteria: Kriteria C2 (kepadatan penduduk di sekitar lokasi)dan C4 (jarak dengan gudang yang sudah ada)adalah kriteria keuntungan. Kriteria C1 (jarak dengan pasar terdekat), C3(jarak dari
pabrik), dan C5 (harga tanah untuklokasi) adalah kriteria biaya.Sebelumnya dilakukan perbaikan bobot terlebihdahulu seperti sehingga w = 1, diperoleh w1 =0,28; w2 = 0,17; w3=0,22; w4 = 0,22; dan w5 =0,11. Kemudian vektor S dapat dihitung sebagaiberikut:
Nilai vektor V yang akan digunakan untuk perankingandapat dihitung sebagai berikut:
Nilai terbesar ada pada V2 sehingga alternatif A2 adalahalternatif yang terpilih sebagaialternatif terbaik.Dengan kata lain, Marpoyan akan terpilih sebagai lokasiuntuk mendirikan gudang baru D. ELECTRE Electre merupakan salah satu metode dari sistem pendukung keputusan yang berbasis multi kriteria yang berasal dari EROPA sekitar tahun 1960-an. ELECTRE berasal dari kata Elimination Et Choix Traduisant la Realité (ELimination and Choice Expressing Reality).Metode Elektre dapat digunakan dalam melakukan penilaian dan perankingan berdasarkan kelebihan dan kekurangan melalui perbandingan berpasangan pada kriteria yang sama. Menurut Janco dan Bernoider (2005:11), ELECTRE merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep outranking dengan menggunakan perbandingan berpasangan dari alternatif-alternatif berdasarkan setiap kriteria yagn sesuai ELECTRE digunakan untuk kasus-kasus dengan banyak alternatif namun hanya sedikit kriteria yang dilibatkan. Suatu alternatif dikatakan mendominasi alternatif yang lainnya jika suatu atau lebih kriteria melebihi(bandingkan dengan kriteria dari alternatif yang lain) dan sama dengan kriteria lain yang tersisa (Kusimadewi dkk, 2009)
Salah satu studi kasus yang pernah dilakukan yaitu dilatarbelakangi banyaknya varian sepeda motor lengkap dengan keunggulan masing-masing, sehingga para konsumen merasa kesulitan untuk menentukan pilihan. oleh karena itu dianggap perlu untuk membuat suatu sistem pendukung keputusan dengan metode ELECTRE, yang diharapkan dapat membantu pembeli speda motor dalam hal menentukan pilihan secara tepat dari beberapa alternatif pilihan yang ada. E. TOPSIS(Technique for Order Performance by Similarity to Ideal Solution) TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif (Hwang, 1981)(Zeleny, 1982).Konsep ini banyak digunakan pada beberapa model MADM karena konsepnya sederhana dan mudah dipahami, komputasinya efisien, dan memiliki kemampuan untuk mengukur kinerja alternatif. Langkah-langkah penyelesaian masalah MADM dengan TOPSIS: 1. Membuat matriks keputusan yang ternormalisasi; 2. Membuat matriks keputusan yang ternormalisasi terbobot; 3. Menentukan matriks solusi ideal positif & matriks solusi ideal negatif; 4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif & matrikssolusi ideal negatif; 5. Menentukan nilai preferensi untuk setiap alternatif Contoh: Suatu perusahaan di Kota Medan ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu: A1 = Tanjung Morawa, A2 = Belawan, A3 = Pancur Batu Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu: C1 = jarak dengan pasar terdekat (km), C2 = kepadatan penduduk di sekitar lokasi (orang/km2); C3 = jarak dari pabrik (km); C4 = jarak dengan gudang yang sudah ada (km); C5 = harga tanah untuk lokasi (x1000 Rp/m2). Tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu: 1 = Sangat rendah, 2 = Rendah, 3 = Cukup, 4 = Tinggi, 5 = Sangat Tinggi.Pengambil keputusan memberikan bobot preferensi sebagai: W = (5, 3, 4, 4, 2)
