2. Kemudian dibuat baris dan kolom baru yang isinya merupakan hasil operasi perbandingan minimum antara baris dan kolom yang bersangkutan. Baris dan
kolom yang disisipkan tersebut dikatakan satu grup pada iterasi ke-i. 3. Baris dan kolom yang ditandai pada langkah pertama kemudian dihapus
sehingga diperoleh matriks euclideus baru. 4. Lakukan langkah 1 - 3 secara berulang pada matriks euclideus yang baru
tersebut, sehingga diperoleh matriks berukuran 1 x 1. Prosedur aglomerasi ini menghasilkan grup-grup yang secara hirarkis membuat
sekat-sekat tingkat kedekatan mulai dari yang paling dekat sampai yang paling jauh. Keluaran prosedur aglomerasi ini biasanya digambarkan dalam bentuk
diagram pohon seperti yang diilustrasikan pada Gambar 4.
Gambar 4. Profil hirarkis grup-grup hasil analisis klaster Anderberg, 1973
H. Evaluasi Pilihan Bebas
Pengembangan sistem pengambilan keputusan didasarkan pada pengembangan hubungan logis persoalan keputusan kedalam suatu model
matematik dan model informasi yang mencerminkan hubungan antar faktor yang terlibat. Pemodelan dan analisis pada dunia nyata harus memperhitungkan faktor
ketidakpastian yang bersifat inheren. Pada banyak kasus ketidakpastian tidak sama dengan keacakan randomness, tetapi bersifat fuzziness yang tidak dapat
direpresentasikan secara matematis dalam teori peluang. Tidak semua masalah dalam dunia nyata dapat dinyatakan secara eksak
dengan derajat kebenaran pada selang [0.1], yaitu antara” ya dan tidak. Hampir
Cabang
1 2
3 4
5 C1
C2 C3
Akar
semua masalah mengandung ketidakpastian yang dinyatakan dengan kata–kata “mendekati”, “kira–kira”, “hampir”, “sedikit lebih besar dari”, “sedikit lebih kecil
dari” yang kenyataannya sulit dikuantifikasi dalam besaran eksak, sehingga dinamakan “fuzzy”. Representasi himpunan fuzzy pada masalah antara ya dan
tidak digunakan pendekatan seperti probabilitas. Di dalam proses pemilihan komoditas potensial dan produk unggulan
agroindustri perikanan laut memerlukan evaluasi semua alternatif berdasarkan kriteria yang dinilai oleh para pakar dengan menggunakan metoda evaluasi pilihan
bebas Independent Preference Evaluation atau IPE dengan kaidah fuzzy. Metoda tersebut, dirancang berdasarkan kriteria ganda dan dinilai dalam bentuk label
linguistic . Teknik evaluasi pilihan bebas mengevaluasi kesukaan atau pilihan yang
dilakukan dengan metoda perhitungan non-numerik. Label linguistik dipresentasikan dalam 5 skala, yaitu 1 Sangat Rendah SR; 2 Rendah R;
3 Sedang S; 4 Tinggi T; 5 Sangat Tinggi ST.
Untuk mengidentifikasi faktorkriteria digunakan metoda Ordered Weighted Averaging OWA-Operators.
Jika x adalah suatu keputusan yang terdiri atas beberapa alternatif A
1
, A
2
,…,A
n
; dan n – kriteria. Setiap kriteria A
j
, A
j
x 1
, ∈
menunjukkan seberapa besar x memenuhi kriteria yang bersangkutan. Untuk menunjukkan suatu kisaran nilai, maka A
j
x I ∈ . Fungsi keputusan menyeluruh
dari derajat x yang memenuhi persyaratan kriteria diinginkan dinyatakan D x I
∈ . Salah satu faktor utama penentuan struktur fungsi agregasi adalah keterkaitan antar kriteria yang terlibat. Ada dua kasus ekstrim yaitu 1 situasi
yang diinginkan oleh semua kriteria dapat dipenuhi, maka disebut sebagai “and”- operator
dan 2 situasi yang diinginkan salah satu kriteria dapat memuaskan semua pihak yang disebut “or”-operator Yager 1988.
Pada kasus 1, x harus memenuhi A
1
dan A
2
dan A
3
…dan A
n
, yang diformulasikan dalam bentuk fungsi keputusan menyeluruh sebagai berikut. Dx
= TA
1
x, A
2
x,…,A
n
x
n
, dan T adalah operator t-norms operator, yang
memenuhi syarat commutative, monotonic, dan associative yang dibutuhkan sebagai operator agregasi. Yager 1988 menunjukkan salah satu implikasi dari
sifat operator t-norm untuk semua a
j
j=1,2,.,n dinyatakan
T a
1
, a
2
, …, a
n
≤ Min a
1
, a
2
, …, a
n
untuk semua I
a ∈
Ta,a = a,
menunjukkan sifat idempoten, dan T1,a = a,
menunjukkan kondisi “allness”
Pada kasus 2, x memenuhi A
1
atau A
2
atau A
3
…atau A
n
. yang dirumuskan dalam bentuk fungsi keputusan menyeluruh berikut :
Dx = SA
1
x, A
2
x,…,A
n
x
n
Keterangan : S
adalah operator co-t-norms operator, yang memenuhi syarat sebagai operator agregasi, kecuali bahwa untuk semua a
j
j= 1,2,…,n dinyatakan : S a
1
, a
2
, …, a
n
≤ Max a
1
, a
2
, …, a
n
, sehingga untuk semua
I a
∈ .Sa,a = a yang menunjukkan sifat idempoten dan S 0,a = a,
yang menunjukkan kondisi “at least one”. Pada persoalan Multi Expert Multi Criteria Decision Making ME -
MCDM , proses agregasi berada pada posisi di antara kasus 2 dua ekstrim
tersebut. OWA – operator merupakan operator agregasi yang dengan mudah
dapat melakukan penyesuaian atau menggabungkan diantara “and” -operator dan “or” - operator
. Untuk melakukan evaluasi preferensi Non-Numerik secara bebas Yager
1993 merumuskan suatu metode komputasi non-numerik untuk proses pengambilan keputusan kelompok secara fuzzy. Metode komputasi dilakukan
secara bertahap yaitu 1 agregasi terhadap kriteria ganda, kemudian 2 agregasi terhadap semua pakar.
Agregasi Terhadap Kriteria Ganda. Untuk melakukan agregasi terhadap
kriteria ganda setiap proposal P
i
,
setiap pakar akan memberikan suatu himpunan
yang terdiri dari n nilai, yaitu
[ ]
n ik
ik ik
q P
q P
q P
,..., ,
2 1
Keterangan :
j ik
q P
adalah rating dari proporsal ke-i pada kriteria ke- j oleh pakar ke- k.
j ik
q P
adalah elemen dalam himpunan S.dan tingkat kepentingan setiap kriteria dinyatakan sebagai q
j
, dengan skala
penilaian label linguistic.
Yager 1993 merumuskan formula agregasi kriteria, sehingga didapatkan unit skor setiap proposal oleh setiap pakar, sebagai berikut :
[ ]
j ik
j j
ik
q P
q I
Neg Min
P ∨
=
Agregasi Terhadap Semua Pakar. Pada proses agregasi semua pakar dilakukan
penentuan suatu fungsi agregasi Q, yang menunjukkan generalisasi ide banyak pakar yang dibutuhkan untuk mendukung suatu keputusan. Untuk nilai Qi
diambil dari skala S = {s
1,
s
2
, …,s
n
}, dimana i merupakan nilai dari 1 sd m. Yager 1993 menunjukkan bentuk khusus dari Q apabila skala S hanya
dua yaitu : “tidak ada’ dan “sempurna”. Jika diperlukan pa ling sedikit persetujuan m
pakar untuk pengambilan keputusan , maka Qi =”tidak ada” untuk i m, dan Qi =”sempurna ” untuk
m i
≥ . Jumlah titik penilaian q pada skala kardinal S dan jumlah pakar r adalah r=1,2,…k, maka untuk semua i = 0,1,2,…,r fungsi
Q dapat digunakan rumus :
Q k = S
b k
dan
−
∗ +
= r
q k
Int b
k
1 1
Agregasi keputusan pakar dapat dirumuskan berdasarkan metode OWA- operator
.
[ ]
j r
j i
B j
Q Max
P ∧
=
= ,.., 1
Keterangan : P
i
adalah agregasi pendapat gabungan pakar terhadap proposal ke-i. Q
j
dapat dilihat sebagai petunjuk seberapa penting kelompok memandang jumlah pakar yang mendukung suatu nilai skor yang
diputuskan. B
j
adalah skor tertinggi ke – j di antara unit skor yang diberikan pakar untuk proporsal ke-i P
ik
.
[ ]
j
B j
Q ∧
merupakan pembobot skor terbaik dari objek ke-j, dan terdapat sejumlah j pakar
yang mendukung keputusan skor tersebut.
I. Proses Hirarki Analitik
Proses Hirarki Analitik atau Analytical Hierarchy Process AHP merupakan suatu analisis yang dapat dipakai dalam pengambilan keputusan untuk
memahami kondisi suatu sistem dan membantu melakukan prediksi dalam pengambilan keputusan. Metode ini digunakan dalam memodelkan problema-
problema dan pendapat-pendapat, dimana permasalahan telah benar-benar dinyatakan secara jelas, dievaluasi, diperbincangkan dan diprioritaskan untuk
dikaji Saaty, 1980. AHP yang disampaikan oleh Saaty 1980 sebagai pengkajian terhadap kondisi nyata tanpa melalui proses penyederhanaan, tetapi
mempertahankan model yang kompleks seperti semula. Untuk itu masalah nyata yang kompleks, dan tidak terstruktur perlu dilakukan penyusunan beberapa bagian
komponen atau peubah pada struktur bangunan secara hirarki Hirarki adalah abstraksi struktur suatu sistem, dimana fungsi hirarki antar
komponen dan dampaknya pada sistem secara keseluruhan dapat dipelajari. Abstraksi ini mempunyai bentuk yang saling berkaitan, semuanya tersusun ke
bawah dari sutu puncak tujuan akhir, turun ke suatu sub tujuan sub objective, kemudian faktor-faktor pendorong forces yang mempengaruhi sub tujuan
tersebut, serta pelaku actors yang memberikan dorongan, turun ke tujuan-tujuan pelaku aktor dan kebijakan-kebijakannya, strategi-strateginya dan hasil dari
strategi tersebut selanjutnya timbul pertanyaan yang berkaitan dengan hirarki ini, bagaimana dan berapa besar suatu faktor individu dari tingkat yang lebih rendah
pada hirarki itu mempengaruhi faktor puncak, yaitu tujuan utama, karena pengaruh ini tidak akan seragam bagi semua faktor dan untuk itu perlu dilakukan
identifikasi terhadap intensitasnya, atau sering disebut dengan menyusun prioritas Fewidarto, 1996.
Teknik analisis AHP digunakan untuk menemukan pemecahan masalah yang bersifat strategis dengan prinsip kerja : decomposition, comparative
judgement, synthesis of priority, dan logical consistency.
Decomposition. Decomposition merupakan pemecahan permasalahan
yang utuh menjadi beberapa bagian komponennya. Untuk mendapatkan hasil