Penggunaan tiga metode ukuran pemusatan dalam Analytic Hierarchy Process [AHP] terhadap keputusan alternatif pemecahan masalah
| Main Author: | YeddaArafiyanuri |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2007
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/151726/ |
Daftar Isi:
- Analytic Hierarchy Process (AHP) adalah salah satu analisis yang sangat bermanfaat dalam menyelesaikan permasalahan yang bersifat kompleks. AHP digunakan untuk mengkaji permasalahan secara seksama kemudian menyusunnya ke dalam suatu hirarki yang terdiri dari beberapa tingkat, yaitu tingkat tujuan, kriteria dan alternatif. Dengan menggunakan AHP, permasalahan yang tampaknya rumit dapat dipilah-pilah dan disusun berdasarkan kesamaan kriteria sekaligus, sehingga dapat ditentukan prioritasnya dari beberapa alternatif penyelesaian secara numerik. Pada AHP, data yang diperoleh dari kuisioner dengan menggunakan skala Likert, harus diubah dulu menjadi skala AHP sebelum dianalisis. Nilai Skala Banding (NSB) digunakan dalam perubahan skala tersebut dan menggunakan metode ukuran pemusatan dalam perhitungannya. Ketiga metode ukuran pemusatan yang dibandingkan dalam tulisan ini, yaitu rata-rata geometrik, rata-rata aritmatik dan median, maka rata-rata geometrik terbukti lebih baik. Hal ini dapat dilihat dari hasil analisis terhadap 6 buah data, di mana rata-rata geometrik mempunyai kelebihan dibandingkan rata-rata aritmatik dan median. Rata-rata geometrik selalu menghasilkan nilai yang berbeda untuk tiap-tiap elemen yang dibandingkan, sehingga menghasilkan NSB tidak sama dengan nol dan dapat menghasilkan matriks perbandingan berpasangan secara lengkap dan sebagian besar konsisten. Setelah terbentuk matriks perbandingan berpasangan, maka prioritas global yang merupakan hasil akhir dari AHP dapat diperoleh. Rata-rata aritmatik mempunyai kemungkinan menghasilkan nilai yang sama untuk tiap-tiap elemen yang dibandingkan, akibatnya sering menghasilkan matriks yang tidak konsisten, sehingga prioritas global yang dihasilkan kurang representatif. Sedangkan kelemahan median adalah menghasilkan NSB sama dengan nol sehingga tidak dapat dibentuk matriks perbandingan berpasangan dan otomatis tidak terbentuk prioritas global.