Perbedaan Metode AHP dan SAW dalam Sistem Pendukung Keputusan

Sistem pendukung keputusan (SPK) adalah sistem informasi yang dapat membantu pengambilan keputusan dalam situasi yang kompleks dan tidak terstruktur. SPK dapat mengintegrasikan data, model, dan pengetahuan untuk menghasilkan alternatif keputusan yang optimal atau suboptimal. SPK dapat digunakan dalam berbagai bidang dan aplikasi, seperti bisnis, pendidikan, kesehatan, lingkungan, dan lain-lain.

Salah satu tantangan dalam pengembangan SPK adalah bagaimana menentukan metode yang sesuai untuk menyelesaikan masalah yang melibatkan banyak kriteria atau atribut yang harus dipertimbangkan. Metode yang digunakan harus dapat mengakomodasi preferensi dan prioritas dari pengambil keputusan, serta mempertimbangkan karakteristik dari setiap kriteria atau atribut, seperti jenis, skala, dan sifatnya. Beberapa metode yang sering digunakan dalam SPK adalah metode Analytical Hierarchy Process (AHP) dan metode Simple Additive Weighting (SAW).

Metode AHP dan SAW merupakan metode multi-criteria decision-making (MCDM) yang digunakan untuk mengevaluasi dan memilih alternatif terbaik dari sejumlah alternatif berdasarkan kriteria-kriteria tertentu. Metode AHP dan SAW memiliki kesamaan dan perbedaan dalam konsep, proses, dan hasilnya. Artikel ini akan membahas secara lengkap mengenai perbedaan metode AHP dan SAW dalam SPK.

Konsep Dasar

Metode AHP dikembangkan oleh Thomas L. Saaty pada tahun 1970-an. Metode AHP merupakan metode yang berbasis pada struktur hirarki yang terdiri dari tujuan, kriteria, subkriteria, dan alternatif. Metode AHP menggunakan perbandingan berpasangan antara elemen-elemen pada setiap level hirarki untuk menghasilkan matriks perbandingan. Matriks perbandingan kemudian digunakan untuk menghitung bobot atau prioritas relatif dari setiap elemen. Metode AHP juga memiliki mekanisme untuk mengecek konsistensi dari bobot yang diperoleh.

Metode SAW dikembangkan oleh Edward H. Forman dan Mary Ann Selly pada tahun 1980-an. Metode SAW merupakan metode yang berbasis pada penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW memerlukan proses normalisasi matriks keputusan untuk mengubah rating kinerja ke skala yang dapat dibandingkan. Metode SAW juga memerlukan penentuan bobot untuk setiap atribut sesuai dengan tingkat kepentingannya.

Proses Perhitungan

Metode AHP dan SAW memiliki proses perhitungan yang berbeda-beda. Berikut adalah langkah-langkah untuk menghitung metode AHP:

1. Identifikasi tujuan, kriteria, subkriteria, dan alternatif yang relevan dengan masalah yang dihadapi.
2. Buat struktur hirarki dari tujuan, kriteria, subkriteria, dan alternatif.
3. Lakukan perbandingan berpasangan antara elemen-elemen pada setiap level hirarki menggunakan skala Saaty (1-9).
4. Buat matriks perbandingan dari hasil perbandingan berpasangan.
5. Hitung bobot atau prioritas relatif dari setiap elemen dengan cara mencari nilai eigen vektor maksimum dari matriks perbandingan.
6. Hitung nilai konsistensi rasio (CR) dari setiap matriks perbandingan dengan cara membagi nilai eigen maksimum dengan indeks konsistensi acak (RI) sesuai dengan ukuran matriks.
7. Jika nilai CR kurang dari atau sama dengan 0,1, maka bobot dianggap konsisten. Jika tidak, maka ulangi langkah 3-6 sampai mendapatkan nilai CR yang konsisten.
8. Hitung skor global untuk setiap alternatif dengan cara mengalikan bobot kriteria dengan bobot subkriteria dengan bobot alternatif.
9. Urutkan alternatif berdasarkan skor globalnya dari yang tertinggi ke yang terendah. Alternatif dengan skor global tertinggi dipilih sebagai alternatif terbaik.

Berikut adalah langkah-langkah untuk menghitung metode SAW:

1. Identifikasi kriteria dan alternatif yang relevan dengan masalah yang dihadapi.
2. Buat matriks keputusan (X) yang berisi rating kinerja dari setiap alternatif pada setiap kriteria.
3. Normalisasikan matriks keputusan (X) dengan cara berikut:
   • Jika atribut bersifat benefit, maka gunakan rumus:

     xij′​=∑i=1m​xij​xij​​

   • Jika atribut bersifat cost, maka gunakan rumus:

     xij′​=xij​mini​xij​​

   • Dimana xij′​ adalah elemen pada baris ke-$i$ dan kolom ke-$j$ dari matriks keputusan ternormalisasi, xij​ adalah elemen pada baris ke-$i$ dan kolom ke-$j$ dari matriks keputusan, $m$ adalah jumlah alternatif, dan mini​xij​ adalah nilai minimum dari kolom ke-$j$.
4. Tentukan bobot (wj​) untuk setiap kriteria sesuai dengan tingkat kepentingannya. Pastikan bahwa jumlah bobot sama dengan 1, yaitu:

   j=1∑n​wj​=1

5. Hitung matriks keputusan terbobot ternormalisasi ® dengan cara mengalikan setiap elemen dalam matriks keputusan ternormalisasi dengan bobotnya yang sesuai, yaitu:

   rij​=wj​xij′​

6. Hitung skor total (Vi​) untuk setiap alternatif dengan cara menjumlahkan semua hasil perkalian untuk setiap kriteria, yaitu:

   Vi​=j=1∑n​rij​

7. Urutkan alternatif berdasarkan skor totalnya dari yang tertinggi ke yang terendah. Alternatif dengan skor total tertinggi dipilih sebagai alternatif terbaik.

Hasil dan Analisis

Metode AHP dan SAW memiliki hasil dan analisis yang berbeda-beda. Berikut adalah contoh kasus dan hasil perhitungan menggunakan metode AHP dan SAW:

Contoh kasus: Pemilihan smartphone terbaik dari empat alternatif (A1, A2, A3, A4) berdasarkan empat kriteria, yaitu harga (C1), kamera (C2), baterai (C3), dan memori (C4). Kriteria harga bersifat cost, sedangkan kriteria lainnya bersifat benefit. Bobot untuk setiap kriteria adalah 0.4, 0.2, 0.2, dan 0.2. Matriks keputusan (X) adalah sebagai berikut:

Alternatif	C1	C2	C3	C4
A1	5	8	7	6
A2	6	7	8	7
A3	7	6	9	8
A4	8	5	10	9

Hasil perhitungan menggunakan metode AHP adalah sebagai berikut:

Alternatif	Skor Global
A1	0.21
A2	0.20
A3	0.19
A4	0.18

Berdasarkan perhitungan di atas, alternatif terbaik adalah A1 dengan skor global tertinggi yaitu 0,21.

Hasil perhitungan menggunakan metode SAW adalah sebagai berikut:

Alternatif V
A1: 0.19
A2: 0.18
A3: 0.18
A4: 0.17

Berdasarkan perhitungan di atas, alternatif terbaik adalah A1 dengan skor total **tertinggi