Hubungan Prioritas sebagai Eigen Vektor terhadap Konsistensi
III-20
Kemudian ikuti manipulasi matematik berikut : a
ij
= w
1
w
2
dimana i,j = 1,...,n a
ij
= w
j
w
i
= 1 dimana i, j = 1,...,n konsekuensinya, ∑
a
ij
. w
j
. 1w
j
= n
� � =1
dimana i = 1,...,n atau ∑
a
ij
. w
j
. = nw
1 �
� =1
dimana i = 1,...,n. Dalam bentuk matriks : A
w
= n
w
Rumus ini menunjukkan bahwa w merupakan eigen vector dari matriks A dengan eigen value n. Jika aij tidak didasarkan pada ukuran pasti seperti
w
1
,...,w
n
,tetapi pada penilaian subyektif, maka aij akan menyimpang dari rasio w
i
w
j
yangsesungguhnya dan akibatnya A
w
= n
w
tak dipenuhi lagi. Dua kenyataan dalam teori matriks yang memberikan kemudahan.
Pertama jika z
1
,...,z
n
adalah angka-angka yang memenuhi persamaan A
w
= Z
w
dimana Z merupakan dengan eigen value dari matriks A, dan jika a
ij
= 1 untuk i, maka :
� Z
j
= n
� � =1
Karena itu, jika A
w
= Z
w
dipenuhi, maka semua eigen value sama dengan nol, kecuali eigen value yang satu, yaitu sebesar n. Maka jelas dalam
kasuskonsisten, n merupakan eigen value A terbesar. Kedua, jika salah satu aij dari matriks reciprocal A berubah sangat kecil,
maka diagonal matriks A terdiri dari aij = 1 dan jika A konsisten, maka perubahan kecil pada aij menahan eigen value terbesar, Zmaks, dekat ke n, dan eigen value
sisanya dekat ke nol. Karena itu persoalannya adalah jika A merupakan matriks
III-21
pairwise comparison, untuk mencari vector prioritas, harus dicari w yang memenuhi :
Aw = Zmak . w Perubahan kecil a
ij
menyebabkan perubahan Z maksimum, penyimpangan Z maksimum dari n merupakan ukuran konsistensi. Indikator terhadap konsistensi
diukur melalui Consistency Index CI yang dirumuskan : CI = Zmaks – nn-1
AHP mengukur seluruh konsistensi penilaian dengan menggunakan Consistency Ratio CR, yang dirumuskan :
CR =
�� ������ ����������� ���� x
Suatu tingkat konsistensi yang tertentu memang diperlukan dalampenentuan prioritas untuk mendapatkan hasil yang sah. Nilai CR semestinya
tak lebih dari 10 . Jika tidak, penilaian yang telah dibuat mungkin dilakukan secara random dan perlu direvisi. Tabel Random Index RI ditunjukkan pada
Tabel 3.2.
Tabel 3.2. Random Index RI
N 1
2 3
4 5
6 7
8 9
10 Ri
0,58 0.90
1,12 1,24
1,32 1,41
1,45 1,49
Sumber: Saaty1994
Berikut ditunjukkan salah satu cara melakukan revisi penilaian.Pertamaadalah menyusun matriks rasio prioritas w
i
w
j
dan membuat matriks selisihabsolut a
ij
– w
i
w
j
dan berusaha merevisi penilaian pada elemen
III-22
elemen-elemen dengan selisih terbesar. Dalam hal ini tak perlu diperhatikan kenyataan bahwa w
i
w
j
dapat lebih besar dari 9.
Contoh : Suatu matriks A = �
1 9
7 19
1 15
17 5
1 �
Memiliki vektor prioritas w
1
,w
2
,w
3
= 0,77 0, 06 0,17 dan CR=17,25 .Karena itu matrix A perlu direvisi. Selisih absolut terbesar adalah antara a12
dan w
1
w
2
. Jadi diganti a
12
dengan w
1
w
2
= 13 dan perhitungan ulang vektor prioritas menghasilkan w
1
,w
2
,w
3
= 0,81 0,04 0,15 dan CR = 35 . Terlihatadanya perbaikan konsistensi.