PENGGUNAAN METODA AHP PADA APLIKASI SUPERDECISIONS DALAM MENENTUKAN PILIHAN TERBAIK PRODUK MIKROPROSESOR
Abstract
Pengambilan suatu keputusan menjadi hal yang tidak tidak mudah ketika kita dihadapkan pada banyaknya kriteria yang harus dilibatkan di dalam pengambilan keputusan, apalagi bila kriteria tersebut saling terkait satu sama lain, dan ini akan dapat menjadikan sesuatu yang dapat menimbulkan kesalahan fatal jika keputusan tidak dilakukan dengan hati hati. Untuk mengatasi masalah tersebut perlu digunakan sebuah alat bantu berupa sebuah perangkat lunak yang mampu membantu kita untuk mengambil suatu keputusan yang cukup rumit kriterianya. SuperDecisions adalah salah satu piranti lunak berbasis pada prinsip prinsip metoda AHP (Analytic Hirarchy Process) , dimana piranti lunak ini dikembangkan untuk mampu melakukan analisa, sintesa dan pengambilan keputusan yang bersifat kompleks. Berdasarkan data hasil pengumpulan kuestioner yang diperoleh , maka dilakukan konversi hasil kuestioner tersebut menjadi variabel yang dapat diterima oleh sistem piranti lunak SuperDecisions , sehingga pada akhirnya keputusan final yang dilakukan oleh piranti lunak adalah melakukan pemeringkatan pada semua alternatif yang akan dipilih. Sehingga akhirnya akan keluar salah satu dari alternatif pilihan sebagai pemenang , dan pada kasus ini hasil akhir yang diperoleh sebagi keluaran sistem adalah Mikroprosesor Tipe B yang dianggap secaea optimal memenuhi kriteria yang ada. Pengambilan suatu keputusan menjadi hal yang tidak tidak mudah ketika kita dihadapkan pada banyaknya kriteria yang harus dilibatkan di dalam pengambilan keputusan, apalagi bila kriteria tersebut saling terkait satu sama lain, dan ini akan dapat menjadikan sesuatu yang dapat menimbulkan kesalahan fatal jika keputusan tidak dilakukan dengan hati hati. Untuk mengatasi masalah tersebut perlu digunakan sebuah alat bantu berupa sebuah perangkat lunak yang mampu membantu kita untuk mengambil suatu keputusan yang cukup rumit kriterianya. SuperDecisions adalah salah satu piranti lunak berbasis pada prinsip prinsip metoda AHP (Analytic Hirarchy Process) , dimana piranti lunak ini dikembangkan untuk mampu melakukan analisa, sintesa dan pengambilan keputusan yang bersifat kompleks. Berdasarkan data hasil pengumpulan kuestioner yang diperoleh , maka dilakukan konversi hasil kuestioner tersebut menjadi variabel yang dapat diterima oleh sistem piranti lunak SuperDecisions , sehingga pada akhirnya keputusan final yang dilakukan oleh piranti lunak adalah melakukan pemeringkatan pada semua alternatif yang akan dipilih. Sehingga akhirnya akan keluar salah satu dari alternatif pilihan sebagai pemenang , dan pada kasus ini hasil akhir yang diperoleh sebagi keluaran sistem adalah Mikroprosesor Tipe B yang dianggap secaea optimal memenuhi kriteria yang ada.
------------------------------------------------------------------------------------------------------------------------------
The decision-making process will be more difficult, if the criteria that must be used as the basis for making the decision are many. Especially if the criteria related to decision making depend on each other. So if the process is done manually without the help of using software, then the tendency to make mistakes in decision making is even greater. The proposed method to overcome the above problems is the use of SuperDecisions software, this software is able to perform AHP modeling which was originally complicated if the computation was done manually, becomes easier and more accurate, because it is able to minimize human error. Variables for criteria, and variables for alternatives are visually shaped into the AHP model. In the AHP model, hierarchical clusters are formed, starting from Goal Clusters, Criteria Clusters and Alternative Clusters. Then a weighting process is carried out on each interrelated Clusters, finally the synthesis process is carried out on the AHP model and produces outputs that can be used as a basis for decision making. The results obtained in this study are the priorities of three types of microprocessors as alternatives, namely type A, Type B and Type C with each AHP priority synthesis results as follows Type A (0.392545), Type B (1.00000) and Type C (0.359353 ). With Type B occupying the highest priority.
Downloads
References
[2] Saaty and Vargas, Decision Making with the analytic Network process: economics, political, social and technological application with benefits, opportunities, costs and risks, Spring Science + Business, USA,1980.
[3] Fiala , Performance Analysis of Network Production System by ANP Approach, Proceeding of the Sixth International Symposium on the AHP, ISAHP 2001, (Bem-Switzerland), pp. 101-103.
[4] Chen, Formulation of a Learning Analytical Network Process, Proceeding of the Sixth International Symposium on The AHP, ISAHP 2001,(Bem-Switzerland), 2001, pp. 73-78.
[5] Meade, Analyzing organizational project alternatives for agile manufacturing processes: An analytical network approach, International Journal Production Research, 1999, 37, pp. 241-261
[6] Saaty, Decision making in Complex Environments, The Analytical Hierarchy Process for decision Making with Dependence and Dependence and Feedback,1996.
[7] Chung and Pearn, Analytical network process (ANP) approach for mix planning in semiconductor fabricator, International Journal of Production Economics,2005, 96, pp. 15-36.
[8] Arifin, Wiedo , "Implementasi Metode Analytic Hierarchy Process dalam Pemilihan Radar Udara 3D" , Jurnal Rekayasa", DOI: https://doi.org/10.21107/rekayasa .v13i1.6778, 2020.
[9] Addien, Subianto, "Penggunaan Analytical Hierarchy Process (AHP) Untuk Pemilihan Supplier Bahan Baku", Jurnal Sistem Informasi Bisnis, Vol.01, No.01, 2019.
[10] Susana, Niken, "Penentuan Faktor Prioritas Penganggaran Partisipatif IKM Andalan Provinsi Kalimantan Barat dengan Metode AHP", Seminar Nasional Aplikasi Teknologi Informasi (SNATi), 2018
[11] Lee, Chen and Chang, A fuzzy AHP and BSC approach for evaluating performance of IT department in manufacturing industry in Taiwan, Expert Systems `with Application, Vol. 34, pp. 96-107, 2008.
[12] Boroushaki and Malczewski, Implementing an extension of the analytical hierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS, Computer and Geosciences, Vol. 34, pp. 399-410,2008.
[13] Nobre, Trotta, Gomes, (1999), Multi-criteria decision making: an approach to setting priorities in health care, Symposium on statistical bases for public health decision making, Vol. 18, No. 23, pp.3345-3354.
[14] Team, 2022, "Intel Core i7", CPU Benchmark, Available: https://www.cpubenchmark.net/cpu.php
[15] William Adam and Rozzan Saaty, Super Decisions Software Guide,2003.
Copyright (c) 2022 Tatang Wirawan Wisjhnuadji, Arsanto Narendro, Yani Prabowo, Suwasti Broto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.