Pilih Pacar Menggunakan Metode AHP (Analytic Hierarchy Process) #Kuliah

01:33:00 Fauzi 0 Komentar

Keputusan akan menjadi sulit ketika ada banyak kriteria pilihan dan tiap-tiap kriteria memiliki bobot yang berbeda. Udah gitu, kita masih dibingungkan dengan memilih satu yang terbaik dari beberapa alternatif yang ada. Agar content tidak terasa garing, mari kita bahas bagaimana Saya memilih cewek dengan menggunakan Metode AHP (Analytic Hierarchy Process) ?

Ceritanya saya adalah pemuda desa yg culun namun cerdas, sehingga bisa masuk TEKNIK INFORMATIKA. Setelah mendapat Mata Kuliah Sistem Pendukung Keputusan (SPK), saya mempunyai strategi dalam memilih cewek.

Ada 3 kriteria cewek pilihannya :

Cantik. Saya menilai kecantikan adalah modal utama, yang diliat dari wajah, kulit, serta body yg ehmmm :D
Humoris. Enak diajak bercanda, ngobrol juga nyambung.
Cerdas. Saya cukup ngeliat IQ-nya.

Menurut Saya, perbandingan bobot tiap kriteria berbeda dengan penjelasan sbb:

Cantik 2x lebih penting daripada Humoris.
Hmoris 3x lebih penting daripada Cerdas.
Cantik 4x lebih penting daripada Cerdas.

Oh ya Saya nampaknya agak bimbang (gak konsisten nih) dalam memberikan bobot pada no.3, seharusnya Cantik 6x lebih penting daripada cerdas berdasarkan kelipatan bobot no.1 & 2, tapi gak apa-apa, justru inilah kelebihan Sistem Pendukung Keputusan (SPK) untuk kriteria majemuk dengan metode AHP. AHP mampu membandingkan tiap pasang kriteria, meski bobotnya tidak konsisten.

Dari bobot yang sudah ditentukan, terbentuklah sebuah Pairwise Comparation Matrix (PCM) atau matrik perbandingan berpasangan untuk tiap-tiap kriteria. Cara membacanya dimulai dari baris lalu dibandingkan dengan kolom, perhatikan warna lingkaran pada matrix.

Merah, baris cantik dibanding kolom humoris = 2/1.
Hitam, baris Humoris dibanding kolom Cerdas = 3/1.
Biru, baris Cantik dibanding kolom cerdas = 4/1.
Hijau, (kebalikan statemen ke-1), baris humoris dibanding kolom cantik = 1/2

Dari bentuk matrix tersebut dikonversi ke pecahan (tidak harus, ini hanya untuk memudahkan), lalu dihitung eigen vektor-nya agar diperoleh aggregasi prioritas (urutan) dan bobot kepentingan tiap kriteria. Perhitungan konversi dari pairwise comparation matrix (PCM) menjadi Eigen Vektor akan dibahas tersendiri.

Kemudian Saya mereview stok cewek-cewek yang sudah saya lakukan PDKT, yaitu : Fatimah, Agnes, Rika dan Veronika.

Kecantikan:

Fatimah, meski namanya jadul, dia cantik, mirip Rianti Catwright. Fatimah 2x lebih cantik dari Agnes, 5x lebih cantik dari Rika, namun kalo diliat-liat dengan Veronika, kok sama ya!?. Agnes lebih cantik 3x dari Rika, dan secara mengejutkan Saya menilai Agnes yang mirip Bunga Zaenal dan lebih manis sehingga nilainya 2x lebih cantik dibanding Veronika. Terakhir Rika yang paling pas-pasan kecantikannya hanya 1/4-nya Veronika.

Dari penilaian tersebut, maka terbentuk pairwise comparation matrix (PCM) kecantikan 4 orang tadi. Dari matrix tsb didapat prioritas (urutan) dan bobotnya dengan menghitung eigen vector-nya.

Urutan dan bobot setelah dihitung eigen vector

Ok, jangan bosan ya ? Sudah mau selesai kok, lalu dinilai dari aspek komunikasinya, seberapa nyaman and gaul mereka kalo diajak ngobrol ?

Humoris:

Fatimah anak rumahan dan pendiam, 1/4 humorisnya dibanding Agnes yang aktif di unit kegiatan mahasiswa, 1/6 humorisnya dibanding Veronika yg kuliah di jurusan SBM (Sekolah Bisnis Manajemen) TEKNIK INFORMATIKA yg isinya anak-anak gaul n borju, tetapi fatimah 4x lebih humoris dibanding Rika. Rika pemurung.

Agnes 4x humoris dibanding Rika, tetapi ga da apa2-nya dibanding Veronika, hanya 1/6x, karena veronika anaknya memang sok akrab, slengean dan ga serius. Saya menilai Rika hanya 1/5 humoris dibanding Veronika.

Dari penilaian tersebut, maka terbentuk PCM humoris 4 orang tadi. Dari matrix tsb didapat prioritas(urutan) dan bobotnya dengan menghitung eigen vector-nya.

Bagaimana dengan Kecerdasan ? Saya gak mau ribet, saya cek IQ tiap calon, langsung memperoleh prioritas serta bobot (seperti hasil eigen vektor) ada bentuk PCM.

Nilai IQ yang didapat lalu di total keseluruhan = 452, lalu membagi IQ tiap-tiap calon dengan 452, maka didapat bobot seperti Eigen Vector untuk Kecerdasan.

Ok, ketika semuanya didapat, maka terbentuklah hirarki seperti gambar di atas, sehingga langkah terakhir yang harus Saya lakukan adalah menghitung prioritas serta bobotnya tiap-tiap calon secara ilmiah dan lebih presisi, bukan berdasarkan intuisi semata, namanya juga calon Insinyur (hehe). Perhitungannya adalah sebagai berikut :

Nilai = (bobot_cantik * nilai_calon_unt_kriteria_cantik) + (bobot_humoris * nilai_calon_untuk_kriteria_humoris) + (bobot_cerdas * nilai_calon_untuk_kriteria_cerdas)

Fatimah = (0,3196 * 0,1160)+ (0,5584 * 0,3790) + (0,1220 * 0,3110) = 0,3060
Agnes = (0,3196 * 0,2470)+ (0,5584 * 0,2900) + (0,1220 * 0,2390) = 0,2720
Rika = (0,3196 * 0,0600)+ (0,5584 * 0,0740) + (0,1220 * 0,2120) = 0,0940
Veronika = (0,3196 * 0,5570)+ (0,5584 * 0,2570) + (0,1220 * 0,2480) = 0,3280

Dari perhitungan diperoleh hasil bahwa Veronika memiliki nilai tertinggi untuk agregasi /gabungan dari unsur kecantikan, humoris serta kecerdasan dengan score 0,3280 diikuti Fatimah, Agnes dan terakhir Rika. Akhirnya saya memutuskan untuk memilih Veronika.

Lalu teman saya nanya, "Gimana broe, hasilnya ??" Tanyanya.

"Apa.. ?????! Tiga-tiganya loe nolak...? Sok ganteng loe vroh"

FLASHBACK AGAIN

AHP merupakan sistem pendukung keputusan untuk kriteria majemuk yang dikembangkan oleh Prof. Thomas L. Saaty pada tahun 1970an dan sejak itu mengalami beberapa revisi maupun pengembangan. Tujuan dibuatnya AHP di antaranya :

Menyelesaikan permasalahan-permasalahan yang komplek atau tidak terstruktur.
Mengatasi keputusan yang terdapat unsur rasionalitas dan intuisi sehingga dapat dikuantifikasi/dihitung.
Dapat memilih yang terbaik dari banyak alternatif dari banyak kriteria dan sub-kriteria.

AHP biasanya digunakan untuk menyelesaikan permasalahan-permasalahan di berbagai bidang antara lain:

Bisnis dan Ekonomi : Keputusan di bidang investasi usaha.
Marketing : Keputusan strategi pemasaran produk berdasarkan segment pasar tertentu.
Industri : Keputusan untuk memilih mesin produksi.
Government : Kebijakan jangka panjang pembangunan.
Pendidikan : Kebijakan program pendidikan yang akan diterapkan.
Dan masih banyak yang lain.

Sepengetahuan saya, AHP banyak dijadikan metode/tool bagi mahasiswa untuk menyelesaikan TA/Skripsi maupun Thesis dengan mengkombinasikannya dengan metode lain. Beberapa jurusan perkuliahan yang menggunakan ini adalah jurusan Ekonomi, Bisnis dan Manajemen, Matematika MIPA/FKIP atau Terapan, Teknik Industri, Sistem Informasi serta Teknik informatika. Khusus pada mahasiswa S1 jurusan komputer seperti Sistem Informasi dan Teknik Informatika lebih ditekankan dalam pembuatan softwarenya, sedangkan jurusan lain cukup merumuskan masalah, menetapkan tujuan, membuat model serta menguji validitasnya dengan software AHP seperti Super Decision dan Expert Choice.