Perhitungan SPK Metode AHP (Crisp)
Contoh perhitungan SPK gabungan metode AHP dan SAW. AHP sebagai metode untuk menentukan bobot kriteria, sedangkan SAW sebagai metode perrangkingan.
Daftar Isi
Menyiapkan Data
Data Kriteria
Berikut adalah data kriteria penilaian.
| Kode | Nama |
|---|---|
| C1 | Pekerjaan |
| C2 | Kondisi Rumah |
| C3 | Jumlah Penghasilan |
| C4 | Status Pernikahan |
| C5 | Jumlah Anggota Keluarga |
Data Bobot Kriteria
Berikut matriks perbandingan kriteria sesuai teori AHP. Bobot ini diberikan manual oleh pengguna.
| Kode | C1 | C2 | C3 | C4 | C5 |
|---|---|---|---|---|---|
| C1 | 1 | 3 | 3 | 5 | 7 |
| C2 | 0.3333 | 1 | 3 | 3 | 5 |
| C3 | 0.3333 | 0.3333 | 1 | 3 | 3 |
| C4 | 0.2 | 0.3333 | 0.3333 | 1 | 3 |
| C5 | 0.1429 | 0.2 | 0.3333 | 0.3333 | 1 |
Perbandingan di atas berlaku aturan Kriteriam,n = 1/Kriterian,m.
Data Crisp
Berikut adalah data crisp (pilihan kriteria).
| Kode | Kriteria | Nama |
|---|---|---|
| S1 | Pekerjaan | Petani |
| S2 | Pekerjaan | Buruh |
| S3 | Pekerjaan | Wiraswasta |
| S4 | Kondisi Rumah | Sangat Tidak Layak Huni |
| S5 | Kondisi Rumah | Tidak Layak Huni |
| S6 | Kondisi Rumah | Layak Huni |
| S7 | Jumlah Penghasilan | <500.000/bln |
| S8 | Jumlah Penghasilan | 1jt - 1.500.000/bln |
| S9 | Jumlah Penghasilan | >1.500.000/bln |
| S10 | Status Pernikahan | Janda |
| S11 | Status Pernikahan | Duda |
| S12 | Status Pernikahan | Kawin |
| S13 | Jumlah Anggota Keluarga | <2 orang |
| S14 | Jumlah Anggota Keluarga | >2-5 orang |
| S15 | Jumlah Anggota Keluarga | >5 orang |
Data Bobot Crisp
Data Bobot Crisp Kriteria Pekerjaan
| Kode | S1 | S2 | S3 |
|---|---|---|---|
| S1 | 1 | 3 | 5 |
| S2 | 0.3333 | 1 | 3 |
| S3 | 0.3333 | 0.2 | 1 |
Data Bobot Crisp Kriteria Kondisi Rumah
| Kode | S1 | S2 | S3 |
|---|---|---|---|
| S1 | 1 | 5 | 7 |
| S2 | 0.2 | 1 | 5 |
| S3 | 0.1429 | 0.2 | 1 |
Data Bobot Crisp Kriteria Jumlah Penghasilan
| Kode | S1 | S2 | S3 |
|---|---|---|---|
| S1 | 1 | 5 | 7 |
| S2 | 0.2 | 1 | 3 |
| S3 | 0.1429 | 0.3333 | 1 |
Data Bobot Crisp Kriteria Status Pernikahan
| Kode | S1 | S2 | S3 |
|---|---|---|---|
| S1 | 1 | 3 | 9 |
| S2 | 0.3333 | 1 | 5 |
| S3 | 0.1111 | 0.2 | 1 |
Data Bobot Crisp Kriteria Jumlah Anggota Keluarga
| Kode | S1 | S2 | S3 |
|---|---|---|---|
| S1 | 1 | 3 | 5 |
| S2 | 0.3333 | 1 | 3 |
| S3 | 0.3333 | 0.2 | 1 |
Data Nilai Alternatif
Berikut adalah contoh data penilaian alternatif untuk masing-masing kriteria.
| Kode | Nama | Pekerjaan | Kondisi Rumah | Jumlah Penghasilan | Status Pernikahan | Jumlah Anggota Keluarga |
|---|---|---|---|---|---|---|
| A1 | Henriette Reedman | Petani | Tidak Layak Huni | <500.000/bln | Kawin | <2 orang |
| A2 | Roxy Luety | Wiraswasta | Layak Huni | >1.500.000/bln | Kawin | >2-5 orang |
| A3 | Berti Novakovic | Buruh | Layak Huni | <500.000/bln | Duda | <2 orang |
| A4 | Ulrikaumeko Belchamber | Petani | Layak Huni | <500.000/bln | Kawin | >2-5 orang |
| A5 | Deanne Allgood | Buruh | Tidak Layak Huni | <500.000/bln | Duda | <2 orang |
| A6 | Cyndi Novak | Wiraswasta | Layak Huni | 1jt - 1.500.000/bln | Kawin | >5 orang |
Perhitungan AHP Kriteria
Menghitung Baris Total
Tahap ini adalah mentotalkan data bobot kriteria setiap kolom.
-
Kriteria C1 =
1 + 0.333 + 0.333 + 0.2 + 0.143 = 2.0095 -
Kriteria C2 =
3 + 1 + 0.333 + 0.333 + 0.2 = 4.8667 -
Kriteria C3 =
3 + 3 + 1 + 0.333 + 0.333 = 7.6667 -
Kriteria C4 =
5 + 3 + 3 + 1 + 0.333 = 12.3333 -
Kriteria C5 =
7 + 5 + 3 + 3 + 1 = 19
Normalisasi Matriks AHP
Tahap normalisasi adalah membagi setiap elemen matriks AHP dengan baris total.
-
Kriteria C11 =
1 / 2.0095 = 0.4976 -
Kriteria C12 =
3 / 4.8667 = 0.6164 -
Kriteria C13 =
3 / 7.6667 = 0.3913 -
Kriteria C14 =
5 / 12.3333 = 0.4054 -
Kriteria C15 =
7 / 19 = 0.3684 -
Kriteria C21 =
0.3333 / 2.0095 = 0.1659 -
Kriteria C22 =
1 / 4.8667 = 0.2055 -
Kriteria C23 =
3 / 7.6667 = 0.3913 -
Kriteria C24 =
3 / 12.3333 = 0.2432 -
Kriteria C25 =
5 / 19 = 0.2632 -
Kriteria C31 =
0.3333 / 2.0095 = 0.1659 -
Kriteria C32 =
0.3333 / 4.8667 = 0.0685 -
Kriteria C33 =
1 / 7.6667 = 0.1304 -
Kriteria C34 =
3 / 12.3333 = 0.2432 -
Kriteria C35 =
3 / 19 = 0.1579 -
Kriteria C41 =
0.2 / 2.0095 = 0.0995 -
Kriteria C42 =
0.3333 / 4.8667 = 0.0685 -
Kriteria C43 =
0.3333 / 7.6667 = 0.0435 -
Kriteria C44 =
1 / 12.3333 = 0.0811 -
Kriteria C45 =
3 / 19 = 0.1579 -
Kriteria C51 =
0.1429 / 2.0095 = 0.0711 -
Kriteria C52 =
0.2 / 4.8667 = 0.0411 -
Kriteria C53 =
0.3333 / 7.6667 = 0.0435 -
Kriteria C54 =
0.3333 / 12.3333 = 0.027 -
Kriteria C55 =
1 / 19 = 0.0526
Hasilnya sebagai berikut.
| Kode | C1 | C2 | C3 | C4 | C5 |
|---|---|---|---|---|---|
| C1 | 0.4976 | 0.6164 | 0.3913 | 0.4054 | 0.3684 |
| C2 | 0.1659 | 0.2055 | 0.3913 | 0.2432 | 0.2632 |
| C3 | 0.1659 | 0.0685 | 0.1304 | 0.2432 | 0.1579 |
| C4 | 0.0995 | 0.0685 | 0.0435 | 0.0811 | 0.1579 |
| C5 | 0.0711 | 0.0411 | 0.0435 | 0.027 | 0.0526 |
Prioritas Kriteria
Prioritas kriteria didapat dari rata-rata setiap baris matriks Normal AHP.
| Kode | Perhitungan | Prioritas |
|---|---|---|
| C1 | (0.4976+0.6164+0.3913+0.4054+0.3684) / 5 |
0.4558 |
| C2 | (0.1659+0.2055+0.3913+0.2432+0.2632) / 5 |
0.2538 |
| C3 | (0.1659+0.0685+0.1304+0.2432+0.1579) / 5 |
0.1532 |
| C4 | (0.0995+0.0685+0.0435+0.0811+0.1579) / 5 |
0.0901 |
| C5 | (0.0711+0.0411+0.0435+0.027+0.0526) / 5 |
0.0471 |
Consistency Measure (CM)
Prioritas kriteria didapat dari mengalikan setiap baris matriks kriteria dengan prioritas kriteria, kemudian dibagi prioritas baris tersebut.
| Kode | Perhitungan | CM |
|---|---|---|
| C1 | ((1 * 0.456)+(3 * 0.254)+(3 * 0.153)+(5 * 0.09)+(7 * 0.047)) / 0.4558 |
5.3895 |
| C2 | ((0.3333 * 0.456)+(1 * 0.254)+(3 * 0.153)+(3 * 0.09)+(5 * 0.047)) / 0.2538 |
5.4014 |
| C3 | ((0.3333 * 0.456)+(0.3333 * 0.254)+(1 * 0.153)+(3 * 0.09)+(3 * 0.047)) / 0.1532 |
5.2303 |
| C4 | ((0.2 * 0.456)+(0.3333 * 0.254)+(0.3333 * 0.153)+(1 * 0.09)+(3 * 0.047)) / 0.0901 |
5.0849 |
| C5 | ((0.1429 * 0.456)+(0.2 * 0.254)+(0.3333 * 0.153)+(0.3333 * 0.09)+(1 * 0.047)) / 0.0471 |
5.1852 |
Konsistensi Kriteria
Consistency Index: (([5.3895+5.4014+5.2303+5.0849+5.1852] / 5)-5) / (5 - 1) = 0.0646
Ratio Index: 1.12 (Sesuai dengan teori AHP yang jumlah kriteria 5)
Consistency Ratio: 0.0646/0.0576 = 0.0576 (Konsisten)
Perhitungan Perioritas Sub Kriteria
Berikut hasil perhitungan prioritas untuk semua sub kriteria dengan cara yang sama dengan kriteria.
| Kode | S1 | S2 | S3 | Prioritas | CM |
|---|---|---|---|---|---|
| S1 | 1 | 3 | 5 | 0.6233 |
3.1969 |
| S2 | 0.3333 | 1 | 3 | 0.2571 |
3.203 |
| S3 | 0.3333 | 0.2 | 1 | 0.1196 |
3.1676 |
CR Pekerjaan: 0.0946/0.0845 = 0.0845 (Konsisten)
| Kode | S4 | S5 | S6 | Prioritas | CM |
|---|---|---|---|---|---|
| S4 | 1 | 5 | 7 | 0.6965 |
3.3847 |
| S5 | 0.2 | 1 | 5 | 0.2316 |
3.1526 |
| S6 | 0.1429 | 0.2 | 1 | 0.0719 |
3.0295 |
CR Kondisi Rumah: 0.0945/0.0844 = 0.0844 (Konsisten)
| Kode | S7 | S8 | S9 | Prioritas | CM |
|---|---|---|---|---|---|
| S7 | 1 | 5 | 7 | 0.7235 |
3.1411 |
| S8 | 0.2 | 1 | 3 | 0.1932 |
3.0427 |
| S9 | 0.1429 | 0.3333 | 1 | 0.0833 |
3.0137 |
CR Jumlah Penghasilan: 0.0329/0.0294 = 0.0294 (Konsisten)
| Kode | S10 | S11 | S12 | Prioritas | CM |
|---|---|---|---|---|---|
| S10 | 1 | 3 | 9 | 0.6689 |
3.057 |
| S11 | 0.3333 | 1 | 5 | 0.2674 |
3.0256 |
| S12 | 0.1111 | 0.2 | 1 | 0.0637 |
3.0051 |
CR Status Pernikahan: 0.0146/0.013 = 0.013 (Konsisten)
| Kode | S13 | S14 | S15 | Prioritas | CM |
|---|---|---|---|---|---|
| S13 | 1 | 3 | 5 | 0.6233 |
3.1969 |
| S14 | 0.3333 | 1 | 3 | 0.2571 |
3.203 |
| S15 | 0.3333 | 0.2 | 1 | 0.1196 |
3.1676 |
CR Jumlah Anggota Keluarga: 0.0946/0.0845 = 0.0845 (Konsisten)
Bobot Prioritas Crisp dapat dirangkum sebagai berikut.
| Kode | Nama | Prioritas |
|---|---|---|
| S1 | Petani | 0.6233 |
| S2 | Buruh | 0.2571 |
| S3 | Wiraswasta | 0.1196 |
| S4 | Sangat Tidak Layak Huni | 0.6965 |
| S5 | Tidak Layak Huni | 0.2316 |
| S6 | Layak Huni | 0.0719 |
| S7 | <500.000/bln | 0.7235 |
| S8 | 1jt - 1.500.000/bln | 0.1932 |
| S9 | >1.500.000/bln | 0.0833 |
| S10 | Janda | 0.6689 |
| S11 | Duda | 0.2674 |
| S12 | Kawin | 0.0637 |
| S13 | <2 orang | 0.6233 |
| S14 | >2-5 orang | 0.2571 |
| S15 | >5 orang | 0.1196 |
Perangkingan
Pembobotan Nilai Alternatif
Nilai alternatif diberikan bobot sesuai prioritas crisp.
| Kode | C1 | C2 | C3 | C4 | C5 |
|---|---|---|---|---|---|
| A1 | 0.6233 | 0.2316 | 0.7235 | 0.0637 | 0.6233 |
| A2 | 0.1196 | 0.0719 | 0.0833 | 0.0637 | 0.2571 |
| A3 | 0.2571 | 0.0719 | 0.7235 | 0.2674 | 0.6233 |
| A4 | 0.6233 | 0.0719 | 0.7235 | 0.0637 | 0.2571 |
| A5 | 0.2571 | 0.2316 | 0.7235 | 0.2674 | 0.6233 |
| A6 | 0.1196 | 0.0719 | 0.1932 | 0.0637 | 0.1196 |
Nilai Terbobot
Bobot nilai alternatif dikalikan dengan bobot prioritas kriteria.
-
Alternatif A1
-
Kriteria C1 =
0.6233 * 0.4558 = 0.2841 -
Kriteria C2 =
0.2316 * 0.2538 = 0.0588 -
Kriteria C3 =
0.7235 * 0.1532 = 0.1108 -
Kriteria C4 =
0.0637 * 0.0901 = 0.0057 -
Kriteria C5 =
0.6233 * 0.0471 = 0.0293
-
Kriteria C1 =
-
Alternatif A2
-
Kriteria C1 =
0.1196 * 0.4558 = 0.0545 -
Kriteria C2 =
0.0719 * 0.2538 = 0.0182 -
Kriteria C3 =
0.0833 * 0.1532 = 0.0128 -
Kriteria C4 =
0.0637 * 0.0901 = 0.0057 -
Kriteria C5 =
0.2571 * 0.0471 = 0.0121
-
Kriteria C1 =
-
Alternatif A3
-
Kriteria C1 =
0.2571 * 0.4558 = 0.1172 -
Kriteria C2 =
0.0719 * 0.2538 = 0.0182 -
Kriteria C3 =
0.7235 * 0.1532 = 0.1108 -
Kriteria C4 =
0.2674 * 0.0901 = 0.0241 -
Kriteria C5 =
0.6233 * 0.0471 = 0.0293
-
Kriteria C1 =
-
Alternatif A4
-
Kriteria C1 =
0.6233 * 0.4558 = 0.2841 -
Kriteria C2 =
0.0719 * 0.2538 = 0.0182 -
Kriteria C3 =
0.7235 * 0.1532 = 0.1108 -
Kriteria C4 =
0.0637 * 0.0901 = 0.0057 -
Kriteria C5 =
0.2571 * 0.0471 = 0.0121
-
Kriteria C1 =
-
Alternatif A5
-
Kriteria C1 =
0.2571 * 0.4558 = 0.1172 -
Kriteria C2 =
0.2316 * 0.2538 = 0.0588 -
Kriteria C3 =
0.7235 * 0.1532 = 0.1108 -
Kriteria C4 =
0.2674 * 0.0901 = 0.0241 -
Kriteria C5 =
0.6233 * 0.0471 = 0.0293
-
Kriteria C1 =
-
Alternatif A6
-
Kriteria C1 =
0.1196 * 0.4558 = 0.0545 -
Kriteria C2 =
0.0719 * 0.2538 = 0.0182 -
Kriteria C3 =
0.1932 * 0.1532 = 0.0296 -
Kriteria C4 =
0.0637 * 0.0901 = 0.0057 -
Kriteria C5 =
0.1196 * 0.0471 = 0.0056
-
Kriteria C1 =
Hasil Terbobot sebagai berikut:
| Kode | C1 | C2 | C3 | C4 | C5 |
|---|---|---|---|---|---|
| A1 | 0.2841 | 0.0588 | 0.1108 | 0.0057 | 0.0293 |
| A2 | 0.0545 | 0.0182 | 0.0128 | 0.0057 | 0.0121 |
| A3 | 0.1172 | 0.0182 | 0.1108 | 0.0241 | 0.0293 |
| A4 | 0.2841 | 0.0182 | 0.1108 | 0.0057 | 0.0121 |
| A5 | 0.1172 | 0.0588 | 0.1108 | 0.0241 | 0.0293 |
| A6 | 0.0545 | 0.0182 | 0.0296 | 0.0057 | 0.0056 |
Hasil Akhir AHP
Hasil Akhir diperolah dari menjumlahkan matriks terbobot untuk setiap alternatif.
-
Alternatif A1 =
0.2841 + 0.0588 + 0.1108 + 0.0057 + 0.0293 = 0.4888 -
Alternatif A2 =
0.0545 + 0.0182 + 0.0128 + 0.0057 + 0.0121 = 0.1034 -
Alternatif A3 =
0.1172 + 0.0182 + 0.1108 + 0.0241 + 0.0293 = 0.2997 -
Alternatif A4 =
0.2841 + 0.0182 + 0.1108 + 0.0057 + 0.0121 = 0.431 -
Alternatif A5 =
0.1172 + 0.0588 + 0.1108 + 0.0241 + 0.0293 = 0.3403 -
Alternatif A6 =
0.0545 + 0.0182 + 0.0296 + 0.0057 + 0.0056 = 0.1137
Alternatif terbaik dipilih berdasarkan nilai total terbesar. Hasil perankingan sebagai berikut.
| Rank | Kode | Nama | Total |
|---|---|---|---|
| 1 | A1 | Henriette Reedman | 0.4888 |
| 2 | A4 | Ulrikaumeko Belchamber | 0.431 |
| 3 | A5 | Deanne Allgood | 0.3403 |
| 4 | A3 | Berti Novakovic | 0.2997 |
| 5 | A6 | Cyndi Novak | 0.1137 |
| 6 | A2 | Roxy Luety | 0.1034 |
Berdasarkan perhitungan, maka alternatif yang terbaik adalah Henriette Reedman dengan nilai total 0.4888
Source Code Metode AHP Crisp
Berikut adalah beberapa source-code yang menggunakan metode AHP Crisp baik berbasis web maupun desktop.
- Source Code SPK Metode AHP Codeigniter + Crisp
- Source Code SPK Metode AHP Laravel + Sub Kriteria
- Source Code SPK Metode AHP PHP + Sub Kriteria
Ada yang Ditanyakan?
Jika anda masih ada kesulitan atau kekeliruan tentang penjelasan metode di atas, bisa menghubungi kami lewat WA/Email sesuai halaman Kontak.
Jika ingin memiliki file excel dari metode di atas bisa melihat cara download di halaman Download.
Jika ingin memiliki source code dari metode di atas, baik berbasis web maupun desktop bisa melihat daftar harga donasi di halaman Daftar Source Code.
Donasi ini digunakan oleh penulis untuk membayar server dan membeli kopi sembari membuat tutorial Metode/Algoritma lainnya :).
PENCARIAN
PRODUK POPULER
Source Code Text Mining Metode Naive Bayes Classifier PHP
Source Code Text Mining Metode Naive Bayes Clasifier PHP, Kasus Sentimen, Kasus Skripsi, Kasus Hoax.
Source Code Sistem Informasi Akuntansi Koperasi Simpan Pinjam Laravel
Source Code Sistem Informasi Akuntansi Koperasi Simpan Pinjam Berbais Web Laravel, SHU, Pinjaman, Simpanan, Laba Rugi, Neraca
Source Code SPK Metode AHP Codeigniter + Crisp
Source code sistem pendukung keputusan (SPK) metode Analytical Hierarkhi Process (AHP) berbasis web dengan Codeigniter dan MySQL dengan Crisp.
Source Code Sistem Pakar Metode Naive Bayes Classifier VB
Source Code Sistem Pakar Metode Naive Bayes Classifier dengan VB.Net dan Microsoft Access.
Source Code SPK Metode AHP MOORA PHP + Periode
Source code SPK (Sistem Pendukung Keputusan) metode AHP (Analitical Hierarchy Process) MOORA (Multi-Objective Optimization on the basic of Ratio Analysis) + Periode dengan PHP dan MySQL.