1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.
2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj.
Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =
3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W Dimana : A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A. Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.
4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks. Deviasi λmaks dari n merupakan suatu parameter Consistency Index (CI) sebagai berikut : CI = Dimana : CI = Consistency Index λmaks= nilai eigen terbesar n =jumlah elemen yang dibandingkan 4 Berikut gambaran dari metode ANP.
Tahapan ANP
1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.
2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj. Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =
3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W
Dimana :
A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A.
Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.
4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks.
Tahapan ANP
1) Menyusun struktur masalah dan mengembangkan model keterkaitan melakukan penentuan sasaran atau tujuan yang diinginkan, menentukan kriteria mengacu pada kriteria control dan menentukan alternatif pilihan. Jika terdapat elemen – elemen yang memiliki kualitas etara maka dikelompokkan ke dalam suatu komponen yang sama.
2) Membentuk matriks perbandingan berpasangan. ANP mengasumsikan bahwa pengambil keputusan harus membuat perbandingan kepentingan antara seluruh elemen untuk setiap level dalam bentuk berpasangan. Perbandingan tersebut itransformasi ke dalam bentuk matriks A. Nilai aij merepresentasikan nilai kepentingan relative dari elemen pada baris ke-i terhadap elemen pada kolom ke-j. misalnya aij =wi / wj. Jika ada n elemen yang dibandingkan maka matriks perbandingan A idefinisikan sebagai : A= =
3) Menghitung bobot elemen. Jika perbandingan berpasangan telah lengkap, vector prioritas w yang disebut sebagai eigenvector dihitung dengan rumus : A . w = λmaks . W Dimana : A adalah matriks perbandingan berpasangan dan λmaks adalah eigen value terbesar dari A. Eigen vector merupakan bobot prioritas suatu matriks yang kemudian digunakan dalam penyusunan supermatriks.
4) Menghitung rasio konsistensi. Rasio konsistensi tersebut harus 10% atau kurang. Jika nilainya lebih dari 10%, maka penilaian data keputusan harus diperbaiki. Dalam prakteknya, konsistensi tersebut tidak mungkin didapat. Pada matriks konsistensi, secara praktis λmaks = n, sedangkan pada matriks tidak setiap variasi dari wij akan membawa perubahan pada nilai λmaks. Deviasi λmaks dari n merupakan suatu parameter Consistency Index (CI) sebagai berikut : CI = Dimana : CI = Consistency Index λmaks= nilai eigen terbesar n =jumlah elemen yang dibandingkan 5
5) Nilai CI tidak akan berarti apabila terdapat standar untuk menyatakan apakah CI menunjukkan matriks yang konsisten. Saaty (2008) memberikan patokan dengan melakukan perbandingan secara acak atas 500 buah sampel. Saaty berpendapat bahwa suatu matriks yang dihasilkan dari perbandingan yang dilakukan secara acak merupakan suatu matriks yang mutlak tidak konsisten. Dari matriks acak tersebut didapatkan juga nilai Consistency Index, yang disebut Random Index (RI). Dengan membandingkan CI dan RI maka didapatkan patokan untuk menentukan tingkat konsistensi suatu matriks, yang disebut Consistency Ratio (CR), dengan rumus : CR = Dimana : CR = Consistency Ratio CI = Consistency Index RI = Random Index Nilai RI merupakan nilai random index yang dikeluarkan oleh Oarkridge Laboratory.
6) Membuat Supermatriks Supermatriks merupakan hasil vector prioritas dari perbandingan berpasangan antar cluster, kriteria dan alternatif. Supermatriks terdiri dari tiga tahapan, yaitu supermatriks tidak tertimbang (Unweighted Supermatrix), supermatriks tertimbang (Weighted Supermatrix) dan supermatriks limit (Limitting Supermatrix).
a. Tahap Unweighted Supermatrix Unweighted Supermatrix dibuat berdasarkan perbandingan berpasangan antar cluster, kriteria dan alternatif dengan cara memasukkan vector prioritas (eigen vector) kolom ke dalam matriks yang sesuai dengan selnya.
b. Tahap Weighted Supermatrix Weighted Supermatrix diperoleh dengan cara mengalihkan semua elemen pada unweighted supermatrix dengan nilai yang terdapat dalam matriks cluster yang sesuai sehingga setiap kolom memiliki jumlah satu.
c. Tahap Limmiting Supermatrix Selanjutnya untuk memperoleh limiting supermatrix, weighted supermatrix dinaikkan bobotnya. Menaikkan bobot weighted supermatrix dilakukan dengan cara mengalikan supermatriks tersebut dengan dirinya sendiri sampai beberapa kali. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limmiting supermatrix sudah didapatkan.
7) Rangking Alternatif
a. Bobot Raw Bobot raw merupakan nilai eigen vektor dari normalisasi limiting supermatrik.
b. Bobot Normal Bobot normal didapatkan dari nilai bobot raw dibagi dengan jumlah total dari bobot raw.
. Bobot Ideal Nilai ideal adalah nilai hasil bagi kolom(kolom nilai normal) dengan nilai terbesar pada kolom normal