Sesi 13: AHP & ANP (Multi-Criteria Decision Making)
Business Decision Modeling (BDM) | Analytical Hierarchy & Network Process with Super Decisions
🧠 Dari Kuantitatif ke Kualitatif
Selama 12 sesi sebelumnya, kita banyak berbicara tentang data kuantitatif: profit, biaya, waktu antre, dan unit produksi. Namun, bagaimana jika keputusan manajerial melibatkan hal-hal yang sulit diukur dengan angka pasti?
- Bagaimana mengukur “Kenyamanan” mobil?
- Bagaimana menilai “Reputasi” supplier?
- Bagaimana menimbang “Dampak Politik” dari kebijakan baru?
Di sinilah kita menggunakan AHP dan ANP, metode pengambilan keputusan multikriteria yang dikembangkan oleh Dr. Thomas L. Saaty, serta implementasinya menggunakan perangkat lunak Super Decisions dan Excel.
Video Kuliah: Analytical Hierarchy Process (AHP) & Analytic Network Process (ANP)
🏗️ 1. Analytical Hierarchy Process (AHP)
💡 Analogi Sederhana: AHP Seperti “Memilih Smartphone”
Saat membeli HP, Anda tidak langsung memilih merek. Anda memecah keputusan menjadi kriteria: Kamera, Baterai, Harga, dan Desain. Lalu Anda membandingkan: “Apakah Kamera jauh lebih penting daripada Baterai bagi saya?” Setelah tahu bobot setiap kriteria, Anda membandingkan HP A vs HP B berdasarkan kriteria tersebut. Inilah esensi AHP!
Konsep Dasar: Hierarki Linear (Top-Down)
AHP memecah masalah kompleks menjadi struktur hierarki seperti bagan organisasi:
- Goal (Tujuan): Apa yang ingin dicapai? (Misal: Memilih Lokasi Pabrik Baru).
- Criteria (Kriteria): Faktor apa yang dipertimbangkan? (Biaya, Akses SDM, Regulasi).
- Alternatives (Alternatif): Pilihan yang tersedia (Kota A, Kota B, Kota C).
Inti Metode: Pairwise Comparison (Perbandingan Berpasangan)
Manusia sulit menentukan bobot mutlak (“Kepentingan Kriteria A adalah 27%”), tetapi manusia sangat jago dalam membandingkan dua hal (“Kriteria A sedikit lebih penting daripada Kriteria B”).
- 1: Sama penting (Equal Importance)
- 3: Sedikit lebih penting (Moderate Importance)
- 5: Lebih penting (Strong Importance)
- 7: Sangat lebih penting (Very Strong Importance)
- 9: Mutlak lebih penting (Extreme Importance)
🛡️ Consistency Ratio (CR): Validasi Logika
Salah satu keunggulan AHP adalah validasi logis. Jika Anda bilang A > B, dan B > C, maka secara logika A harusnya > C. Jika Anda menjawab A < C, maka Anda Tidak Konsisten.
- CR < 0.10 (10%): Penilaian dianggap konsisten dan valid. ✅
- CR > 0.10: Penilaian harus diulang/diperbaiki. ❌
📊 Cara Menghitung AHP di Excel (Tanpa Software)
Untuk kasus sederhana (3-5 kriteria), Anda bisa menghitung AHP manual di Excel:
- Buat Matriks Perbandingan: Masukkan skala Saaty ke dalam tabel (misal 3×3 untuk 3 kriteria).
- Hitung Total Kolom: Jumlahkan setiap kolom di baris paling bawah.
- Normalisasi Matriks: Bagi setiap sel dengan total kolomnya. (Rumus Excel: =B2/B$6).
- Hitung Vektor Prioritas (Bobot): Rata-ratakan setiap baris dari matriks yang sudah dinormalisasi. (Rumus Excel: =AVERAGE(B2:D2)).
- Hitung CR: Kalikan matriks awal dengan vektor prioritas, bagi dengan vektor prioritas, lalu rata-ratakan untuk dapat Consistency Index (CI). Bagi CI dengan Random Index (RI) (Tabel RI untuk n=3 adalah 0.58, n=4 adalah 0.90) untuk mendapatkan CR.
🇮🇩 Contoh Kontemporer: Pemilihan Mitra Dapur Program MBG (Makan Bergizi Gratis)
Konteks: Pemerintah meluncurkan program Makan Bergizi Gratis (MBG) untuk jutaan pelajar. Pemerintah perlu menunjuk ribuan “Dapur Umum” di tingkat kecamatan. Keputusan ini tidak bisa hanya berdasarkan “harga termurah”, tapi harus multi-kriteria.
Struktur Hierarki AHP:
- Goal: Memilih Mitra Pengelola Dapur MBG Terbaik.
- Criteria (Kriteria):
- Standar Gizi & Higienitas (Sangat penting untuk kesehatan anak).
- Kapasitas Produksi Harian (Mampu masak 1.000 porsi/hari).
- Biaya Operasional (Efisiensi anggaran negara).
- Pemberdayaan Ekonomi Lokal (Melibatkan UMKM/Koperasi desa).
- Alternatives (Alternatif):
- Dapur Industri Swasta Besar (Catering Nasional).
- Koperasi Desa / BUMDes.
- UMKM Lokal yang digabung (Klaster).
Mengapa AHP? Karena kriteria-kriteria di atas dievaluasi secara top-down (dari Tujuan ke Kriteria, lalu ke Alternatif) dan dianggap relatif independen dalam pembobotannya. Tim ahli gizi, ekonom, dan sosiolog akan melakukan pairwise comparison untuk menghasilkan bobot final mana vendor yang paling layak中标 (menang).
🕸️ 2. Analytic Network Process (ANP)
💡 Analogi Sederhana: ANP Seperti “Ekosistem Alam”
AHP mengasumsikan bahwa kriteria itu independen (berdiri sendiri, satu arah dari atas ke bawah). Namun di dunia nyata, segala sesuatu saling mempengaruhi.
Bayangkan ekosistem: Jumlah Predator mempengaruhi Jumlah Mangsa. Tapi Jumlah Mangsa juga mempengaruhi Jumlah Predator (jika mangsa habis, predator mati). Ada hubungan timbal balik (feedback). Inilah yang dimodelkan oleh ANP!
Mengapa Butuh ANP?
Saat membeli mobil, “Harga” mungkin mempengaruhi “Kualitas” (harga tinggi = kualitas bagus), dan “Kualitas” mempengaruhi “Prestise”. Ada hubungan timbal balik antar kriteria. AHP tidak bisa menangani ini, tapi ANP bisa.
Konsep Dasar: Struktur Jaringan (Network)
Alih-alih hierarki kaku, ANP menggunakan struktur Jaringan dengan elemen:
- Clusters: Kelompok elemen (misal: Cluster Finansial, Cluster Teknis, Cluster Sosial).
- Nodes: Elemen-elemen spesifik di dalam cluster.
- Feedback Loops: Garis panah yang menunjukkan hubungan timbal balik antar elemen (siapa mempengaruhi siapa).
Gunakan AHP jika kriteria Anda benar-benar independen dan strukturnya hierarkis.
Gunakan ANP jika ada ketergantungan (dependensi) antar kriteria atau antar alternatif. ANP lebih akurat untuk masalah kompleks, tetapi membutuhkan kuesioner perbandingan yang jauh lebih banyak!
🇮🇩 Contoh Kontemporer: Transisi Energi Indonesia (PLTS vs Panas Bumi vs Batubara)
Konteks: Indonesia menargetkan Net Zero Emission pada 2060. Pemerintah harus memutuskan sumber energi mana yang paling dominan untuk dikembangkan: Panas Bumi (Geothermal), Tenaga Surya (PLTS), atau Batubara dengan teknologi CCS (Carbon Capture).
Mengapa TIDAK bisa pakai AHP? (Masalah Dependensi):
Dalam transisi energi, terjadi Feedback Loops (Hubungan Timbal Balik) yang rumit:
- Biaya Investasi mempengaruhi Kecepatan Adopsi Teknologi. (Teknologi EBT butuh modal besar).
- Tapi, Kecepatan Adopsi Teknologi yang tinggi akan menurunkan Biaya Investasi di masa depan karena economy of scale (Harga panel surya jadi makin murah karena banyak yang pakai).
- Dampak Lingkungan (Emisi) mempengaruhi Penerimaan Masyarakat & Regulasi. (Polusi tinggi = demo warga/pajak karbon).
- Penerimaan Masyarakat yang buruk bisa menghambat Ketersediaan Lahan/Sumber Daya (misal: penolakan warga terhadap pembangunan PLTA atau Geothermal di area hutan).
Solusi ANP: Karena adanya Inner Dependence (kriteria saling mempengaruhi) dan Outer Dependence, kita harus menggunakan ANP dengan Supermatrix di software Super Decisions. Hasilnya bukan sekadar bobot linear, melainkan kalkulasi pengaruh jaringan yang menunjukkan bahwa misalnya, “Penerimaan Masyarakat” ternyata memiliki bobot dampak tidak langsung yang sangat besar terhadap “Keberhasilan Transisi Energi”.
💻 3. Software Super Decisions (Oleh Thomas Saaty)
Perhitungan manual AHP (menggunakan matriks eigenvektor) cukup rumit. Sedangkan ANP (menghitung Supermatrix hingga mencapai limit matrix) hampir mustahil dihitung manual untuk kasus besar. Oleh karena itu, Thomas Saaty mengembangkan software Super Decisions.
🛠️ Langkah Kerja di Super Decisions
A. Membuat Struktur (Design / Modeler)
- Create Clusters: Buat wadah untuk Goal, Criteria, dan Alternatives.
- Create Nodes: Masukkan elemen di dalam masing-masing cluster (misal: Node “Harga”, Node “Kualitas”).
- Connect Nodes: Buat garis panah untuk menunjukkan hubungan pengaruh.
- Panah dari Goal ke Criteria.
- Panah dari Criteria ke Alternatives.
- Jika panah berputar kembali ke cluster yang sama atau antar cluster, itu disebut Inner/Outer Dependence (khas ANP).
B. Melakukan Penilaian (Assess/Compare)
Masuk ke menu Assess/Compare > Pairwise Comparisons. Software akan menyuguhkan kuesioner visual:
- “Mana yang lebih penting secara kuat terhadap Goal: Biaya atau Kualitas?”
- Anda tinggal mengklik atau menggeser slider ke arah yang lebih dominan sesuai Skala Saaty (1-9).
- Software akan otomatis menghitung Inconsistency secara real-time. Jika merah (> 0.1), Anda harus merevisi jawaban Anda.
C. Sintesis Hasil (Synthesize)
Setelah semua perbandingan selesai dan inkonsistensi rendah, klik Computations > Synthesize. Software akan mengeluarkan output berupa:
- Normals (Normal): Bobot prioritas normal (jumlah total bobot alternatif = 1.0).
- Ideals (Ideal): Alternatif terbaik diberi nilai 1.0, yang lain menyesuaikan secara proporsional. (Gunakan ini jika ada alternatif baru yang ditambahkan di masa depan).
- Raw: Nilai mentah dari Supermatrix limit (khusus untuk ANP).
🎓 Tips untuk Pemula
Download Software: Software Super Decisions (versi v2 atau v3) biasanya tersedia gratis untuk keperluan akademis di website creativestrategies.com/superdecisions. Pastikan Anda menginstalnya sebelum mencoba tutorial ini!
Mode Pemula: Saat pertama kali membuka Super Decisions, gunakan Wizard Mode atau Template yang disediakan agar Anda tidak bingung dengan antarmukanya yang terlihat kompleks.
👔 4. Studi Kasus: Seleksi Manajer Proyek di Super Decisions
Mari kita simulasikan kasus AHP sederhana menggunakan logika Super Decisions.
Struktur Masalah
- Goal: Memilih Manajer Proyek Terbaik.
- Criteria: Pengalaman (Experience), Pendidikan (Education), Kepemimpinan (Leadership).
- Alternatives: Kandidat Andi, Kandidat Budi, Kandidat Citra.
Skenario Penilaian (Pairwise Comparison)
Manajemen puncak memberikan arahan preferensi sebagai berikut:
- Pengalaman 5x lebih penting dari Pendidikan (Skala 5).
- Kepemimpinan 3x lebih penting dari Pendidikan (Skala 3).
- Pengalaman 2x lebih penting dari Kepemimpinan (Skala 2).
(Jika diinput ke Super Decisions, software akan menghitung bobot kriteria: Pengalaman ~57%, Kepemimpinan ~28%, Pendidikan ~15%. CR akan otomatis < 0.1 karena logikanya konsisten).
Penilaian Alternatif terhadap Kriteria
- Terhadap Pengalaman: Andi jauh lebih unggul dari Budi dan Citra.
- Terhadap Pendidikan: Budi (S3) jauh lebih unggul dari Andi dan Citra (S1).
- Terhadap Kepemimpinan: Citra (ekstrovert, komunikatif) lebih unggul dari Andi dan Budi.
🏆 Hasil Sintesis
Setelah diklik Synthesize, Super Decisions akan mengalikan bobot kriteria dengan bobot alternatif. Hasil akhirnya mungkin menunjukkan:
| Kandidat | Skor Prioritas (Normals) | Rank |
|---|---|---|
| Andi | 0.520 | 🥇 1 |
| Citra | 0.310 | 🥈 2 |
| Budi | 0.170 | 🥉 3 |
Kesimpulan: Meskipun Budi paling pintar secara akademis, karena perusahaan sangat mengutamakan Pengalaman (bobot 57%), maka Andi secara matematis terpilih sebagai manajer proyek terbaik.
📝 5. TUGAS PRAKTIKUM: Eksplorasi Super Decisions
📌 Instruksi Tugas AHP / ANP
Tugas ini bertujuan agar mahasiswa mampu mengimplementasikan metode AHP menggunakan software Super Decisions untuk menyelesaikan masalah pengambilan keputusan multikriteria sederhana.
📋 Langkah-Langkah Pengerjaan:
- Download & Install: Unduh software Super Decisions (versi gratis/akademis) dan install di komputer Anda.
- Pilih Kasus Pribadi / Kontemporer: Buatlah model AHP sederhana.
Contoh dasar: “Memilih Tempat Makan Siang” (Kriteria: Harga, Rasa, Jarak).
Tantangan Lanjutan (Nilai Plus): Buat model isu nasional seperti “Prioritas Subsidi Energi” atau “Strategi Mitigasi Banjir” menggunakan konsep ANP (jika ada kriteria yang saling mempengaruhi). - Bangun Model di Super Decisions:
- Buat Cluster Goal, Criteria, dan Alternatives.
- Lakukan Pairwise Comparisons untuk kriteria terhadap Goal.
- Lakukan Pairwise Comparisons untuk alternatif terhadap setiap kriteria.
- Pastikan Konsisten: Pastikan nilai Inconsistency di bawah 0.10 (10%). Jika tidak, revisi penilaian Anda.
- Screenshot & Analisis:
- Screenshot hasil Synthesize (Normals & Ideals).
- Tulis 1 paragraf kesimpulan: “Apakah hasil hitungan software sesuai dengan pilihan hati/intuisi Anda? Mengapa?”
- Pengumpulan: Kumpulkan hasil screenshot dan analisis singkat dalam format PDF atau Word, lalu upload ke sistem LMS.
AHP dan ANP menjembatani kesenjangan antara naluri manusia (subjektif) dan logika matematika (objektif). Metode ini sangat powerful untuk keputusan strategis tingkat tinggi (C-Level) atau kebijakan publik (seperti program MBG dan Transisi Energi) di mana data historis kuantitatif seringkali tidak tersedia atau tidak relevan lagi. Dengan Super Decisions, kerumitan matematis (eigenvektor dan supermatrix) dapat diselesaikan dalam hitungan detik!