Implementasi Analytical Hierarchy Process (AHP) Studi Kasus Pada Usaha dan/ atau
kegiatan Industri Tepung Tapioka PT Bumi Sakti Perdana Laujaya
Disusun oleh Kelompok 3 Program Studi Manajemen & Rekayasa Sipil Departemen Teknik Sipil Fakultas Teknik Sipil, Perencanaan, dan Kebumian
Implementasi AHP - Statistik & Optimasi 1
Candra Agung Pamungkas
6012241070
Afifa Yhulandari
6012241038
Our Teams
Deo Pramudhika Faustha
2
Implementasi AHP - Statistik & Optimasi
6012241106
3 Analitycal Hierarchy Process (AHP) adalah metode untuk memecahkan suatu situasi yang komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang hirarki dengan memberi nilai subjektif tentang pentingnya setiap
variabel secara relatif, dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi tersebut (Parhusip, 2019).
Pendekatan AHP didesain untuk membantu pengambil keputusan untuk
menggabungkan faktor kualitatif dan faktor kuantitatif dari suatu permasalahan yang kompleks.
Implementasi AHP - Statistik & Optimasi
Prinsip Kerja AHP
Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak terstruktur dan dinamik menjadi bagian-bagiannya, serta menata dalam suatu hierarki.
Kemudian tingkat kepentingan setiap variabel diberi nilai dibandingkan dengan variabel lain.
Implementasi AHP - Statistik & Optimasi 4
Implementasi AHP - Statistik & Optimasi 5
Implementasi AHP - Statistik & Optimasi 6
Studi Kasus PT. BSPL - Overview
Implementasi AHP - Statistik & Optimasi 7
Implementasi AHP - Statistik & Optimasi 8
Mendefinisikan Masalah dan Menentukan Solusi yang Diinginkan
01
Implementasi AHP - Statistik & Optimasi 9
Mendefinisikan Masalah
10
Implementasi AHP - Statistik & Optimasi
Menentukan Tujuan
Implementasi AHP - Statistik & Optimasi 11
Menentukan Prioritas Elemen (Faktor Utama Kecelakaan Kerja)
02
Implementasi AHP - Statistik & Optimasi 12
Menentukan Prioritas Elemen
13
Seluruh kriteria yang berada pada setiap tingkat hierarki diberikan penilaian kepentingan relatif antara satu kriteria dengan kriteria lainnya. Penilaian tersebut menggunakan standar pembobotan Saaty.
Implementasi AHP - Statistik & Optimasi
Menentukan Prioritas Elemen
14
Pembobotan Saaty dengan skala berkisar dari 1 hingga 9 dan kebalikannya.
Implementasi AHP - Statistik & Optimasi
Menentukan Prioritas Elemen
15 Perkiraan kelompok kami atas kuesioner untuk menilai kepentingan relatif kriteria yang digunakan oleh peneliti.
Implementasi AHP - Statistik & Optimasi
Membuat Perbandingan Berpasangan
03
Implementasi AHP - Statistik & Optimasi 16
Membuat Perbandingan Berpasangan
17 Perbandingan dilakukan penulis dengan menilai tingkat kepentingan satu elemen terhadap
elemen lainnya, dimulai dari level hirarki paling atas yang ditujukan untuk memilih kriteria, misal A1, A2 dan A3. Maka susunan elemen-elemen yang dibandingkan tersebut akan tampak seperti pada matriks berikut:
Untuk mendapatkan matriks ini, sebelumnya perlu dilakukan hitungan rata-rata atas hasil kuesioner yang telah disebarkan.
Implementasi AHP - Statistik & Optimasi
Membuat Perbandingan Berpasangan
18 Dalam penelitian ini, matriks perbandingan berpasangan dapat dituliskan sebagai berikut:
Melihat tabel di atas, dapat disimpulkan sementara bahwa faktor penyebab paling berpengaruh terhadap kecelakaan kerja adalah Faktor Manusia.
Faktor Manusia memiliki jumlah angka terendah (1 + ⅓ + 1/4 = 1,58) menandakan bahwa nilai pada kolom Faktor Manusia (sbg penyebut) lebih besar dibandingkan dengan faktor lain (sbg pembilang), sehingga menjadikan Faktor Manusia sebagai bobot tertinggi penyebab terjadinya kecelakaan kerja.
Implementasi AHP - Statistik & Optimasi
Membuat Perbandingan Berpasangan
19 Perbandingan berpasangan adalah jantung dari metode AHP. Dalam metode ini, kita
tidak membandingkan semua kriteria atau alternatif secara sekaligus, melainkan membandingkannya secara berpasangan. Misalnya, kita akan membandingkan
"Pengetahuan Pekerja" dengan "Keterampilan Pekerja", kemudian "Pengetahuan Pekerja" dengan "Motivasi Pekerja", dan seterusnya.
Hal ini membuat AHP menjadi salah satu metode dengan sensitivitas tinggi. Semakin detail perbandingan maka semakin sensitif hasil akhir terhadap perubahan kecil dalam penilaian.
Sensitivitas dalam konteks AHP mengacu pada seberapa besar perubahan pada penilaian perbandingan berpasangan dapat mempengaruhi hasil akhir atau peringkat alternatif.
Implementasi AHP - Statistik & Optimasi
Uji Konsistensi
04
Implementasi AHP - Statistik & Optimasi 20
Uji Konsistensi
21 Menghitung Consistency Index (CI)
n = Banyak Elemen
Implementasi AHP - Statistik & Optimasi
Menghitung Rasio Konsistensi CR = CI/IR
CR = Consistency Ratio CI = Consistency Index
IR = Indeks Random Consistency
Uji Konsistensi
22 Hasil CR (< = 0.10) menyimpulkan bahwa proses perbandingan antara tiga kriteria
dilakukan secara konsisten, secara umum dapat ditentukan bahwa:
● Faktor manusia sangat diutamakan daripada faktor peralatan.
● Faktor lingkungan hanya lebih diutamakan daripada faktor peralatan.
● Faktor peralatan hampir setara menuju faktor lingkungan.
Implementasi AHP - Statistik & Optimasi
Kesimpulan
05
Implementasi AHP - Statistik & Optimasi 23
24 Berdasarkan hasil analisa AHP,
maka didapatkan hasil bahwa untuk faktor utama dengan skoring tertinggi adalah faktor manusia sebagaimana bentuknya pada diagram diatas.
Implementasi AHP - Statistik & Optimasi
25