Upload
chiko-amalia-yusuf
View
227
Download
2
Tags:
Embed Size (px)
Citation preview
METODE AHP (ANALITYCAL HIERARCHY PROCESS) (STUDI KASUS : PEMILIHAN RUMAH TINGGAL)
Michiko Rezky Amalia
Mahasiswa Fakultas Teknik, Jurusan Teknik Informatika Universitas Haluoleo Email : [email protected]
ABSTRACT
Residence often substantially in view of the physical form of a home (house, dwelling or shelter) are easily identified. This condition reflects that the residence functioned as a shelter or protect themselves from natural conditions are not always favorable.
Decision Support System is a computer-based system intended to help decision makers to utilize data and models to solve unstructured problems. AHP is a decision support models developed by Thomas L. Saaty which aims to determine the best choice of several criteria and alternatives that can be taken. In the process of this study were drawn 5 alternatives and 5 criteria. These results indicate that with the highest score is BTN Aditama Regency is 34.19% so the best decision can be taken is BTN Aditama Regency as a dwelling house. Keywords: Residential, Decision Support Systems (DSS), Analytical Hierarchy Process (AHP)
ABSTRAK Tempat tinggal pada hakekatnya sering di pandang sebagai bentuk fisik sebuah rumah (house,
dwelling atau shelter) yang mudah diidentifikasi. Kondisi ini mencerminkan bahwa tempat tinggal difungsikan sebagai tempat berlindung atau melindungi diri dari kondisi alam yang tidak selamanya menguntungkan.
Sistem Pendukung Keputusan adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Metode AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty yang bertujuan untuk menentukan pilihan terbaik dari beberapa kriteria dan alternatif yang dapat diambil. Pada proses penelitian ini diambil 5 alternatif dan 5 kriteria. Hasil penelitian ini menunjukkan bahwa yang memiliki skor paling tinggi adalah BTN Aditama Regency yaitu 34.19% sehingga keputusan terbaik yang dapat diambil adalah BTN Aditama Regency sebagai rumah tinggal. Kata Kunci : Tempat Tinggal,, Sistem Pendukung Keputusan (SPK), Analitycal Hierarchy Process (AHP) PENDAHULUAN
Tempat tinggal pada hakekatnya sering di pandang sebagai bentuk fisik sebuah rumah (house, dwelling atau shelter) yang mudah ditemukenali dan diidentifikasi. Kondisi ini mencerminkan bahwa tempat tinggal difungsikan sebagai tempat berlindung atau melindungi diri dari kondisi alam yang tidak selamanya menguntungkan. Tempat tinggal juga sering ditempatkan pada tingkatan setelah pemenuhan sandang dan pangan.
Dewasa ini berbagai macam rumah tinggal dengan beragam spesifikasi tertentu membuat pengguna menjadi kesulitan dalam menentukan pilihan yang sesuai dengan keinginan dan anggaran mereka. Sejalan dengan itu keinginan untuk menyelesaikan pekerjaan secara instan menuntut teknologi informasi terus berkembang untuk dapat memenuhi kebutuhan masyarakat saat ini,
salah satunya adalah penggunaan komputer dalam memberikan keputusan terbaik pada suatu masalah, dalam hal ini adalah masalah pemilihan rumah tinggal (BTN), maka dirancanglah sebuah sistem pendukung keputusan pemilihan rumah tinggal (BTN) agar pengguna dapat menentukan pilihan rumah tinggal dengan tepat.
Metode yang digunakan untuk Sistem Pendukung Keputusan pemilihan rumah tinggal adalah dengan menggunakan metode Analitical Hierarcy Process (AHP). Diketahui bahwa Analitical Hierarcy Process (AHP) merupakan teori umum mengenai pengukuran. Metode ini juga berguna untuk membantu mendapatkan skala rasio dari hal-hal yang semula sulit diukur seperti pendapat, perasaan, prilaku dan kepercayaan.
PERUMUSAN MASALAH Calon pembeli kesulitan dalam
menentukan pilihan yang sesuai dengan keinginan dan anggaran mereka dalam memilih rumah. Dikarenakan Calon pembeli harus mencari iklan penjualan rumah melalui surat kabar, majalah ataupun situs internet. Hal ini menghambat pencarian rumah tinggal karena terlalu banyak menyita waktu.
TINJAUAN PUSTAKA A. Sistem Pendukung Keputusan (SPK)
Konsep Sistem Pendukung Keputusan (SPK)/Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur.
B. Metode Sistem Pendukung Keputusan (SPK)
Adapun macam – macam metode sistem penunjang keputusan sebagai berikut: 1. Metode AHP (Analytical Hierarchy Process)
Analytic Hierarchy Process (AHP) 2. Metode TOPSIS (Technique For Others
Reference by Similarity to Ideal Solution) 3. Metode ELECTRE (Elimination and Choice
Translation Reality) 4. Metode FMADM (Fuzzy Multi Attrubute
Decision Making)
C. Pengertian Tempat Tinggal 1. Pengertian Rumah
Secara umum, dapat diartikan sebagai tempat untuk berlindung atau bernaung dari pengaruh keadaan alam sekitarnya (Hujan, Matahari, dll) Serta merupakan tempat beristirahat setelah bertugas untuk memenuhi kebutuhan sehari- hari. 2. Fungsi Rumah Tinggal
Adapun fungsi rumah tinggal adalah sebagai berikut :
Untuk melindungi manusia dari pengaruh sekitar (Alam)
Sebagai tempat beristirahat/tidur setelah beraktifitas
Sebagai wadah untuk aktifitas-aktifitas harian manusia. seperti: mandi, makan, masak, dll.
3. Syarat Rumah Tinggal Adapun syarat rumah tinggal adalah
sebagai berikut : a. Aksebilitas b. Lingkungan b. Secara fisik rumah itu sendiri harus D. Analitycal Hierarchy Process (AHP) 1. Pengertian AHP (Analitycal Hierarchy Process)
AHP merupakan suatu model pendukung keputusan yang dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena alasan-alasan sebagai berikut:
a. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam.
b. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
c. Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan.
2. Kelebihan dan Kelemahan AHP Layaknya sebuah metode analisis, AHP
pun memiliki kelebihan dan kelemahan dalam system analisisnya. Kelebihan-kelebihan analisis ini adalah :
- Kesatuan (Unity) - Kompleksitas (Complexity) - Saling ketergantungan (Inter Dependence) - Struktur Hirarki (Hierarchy Structuring) - Pengukuran (Measurement) - Konsistensi (Consistency)
Sedangkan kelemahan metode AHP adalah sebagai berikut:
a. Ketergantungan model AHP pada input utamanya..
b. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.
3. Tahapan AHP Dalam metode AHP dilakukan langkah-
langkah sebagai berikut (Kadarsyah Suryadi dan Ali Ramdhani, 1998) :
1. Menyusun hirarki dari permasalahan yang dihadapi
Persoalan yang akan diselesaikan, diuraikan menjadi unsur-unsurnya, yaitu kriteria dan alternatif. Kemudian disusun menjadi struktur hierarki seperti gambar 2.1 di bawah ini :
Gambar 2.1 Struktur Hirarki AHP
2. Penilaian kriteria dan alternatif Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada tabel dibawah ini .
Perbandingan dilakukan berdasarkan
kebijakan pembuat keputusan dengan menilai tingkat kepentingan satu elemen terhadap elemen lainnya Proses perbandingan berpasangan, dimulai dari level hirarki paling atas yang ditujukan untuk memilih kriteria, misalnya A, kemudian diambil elemen yang akan dibandingkan, misal A1, A2, A3, A4, dan A5. Maka susunan elemen-elemen yang dibandingkan tersebut akan tampak seperti pada gambar matriks di bawah ini :
7 Satu elemen jelas lebih mutlak penting dari pada elemen yang lainnya
Satu elemen yang kuat di sokong dan dominan terlihat dalam praktek
9 Satu elemen mutlak penting dari pada elemen yang lainnya
Bukti yang mendukung elemen yang satu terhadap elemen lain memiliki tingkat penegasan tertinggi yang mungkin menguatkan
2, 4, 6,8 Nilai-nilai antara 2 nilai pertimbangan yang berdekatan
Diberikan bila terdapat keraguan penilaian antara penilaian yang berdekatan
Kebalikan Jika aktifitas mendapat satu angka dibanding aktifitas j, maka j mempunyai nilai kebalikkannya dibanding dengan i
Intensitas Kepentingan
Definisi Penjelasan
1 Kedua elemen sama pentingnya
Dua elemen mempunyai pengaruh yang sama besar terhadap tujuan
3 Elemen yang satu sedikit lebih penting dari pada elemen yang lainnya
Pengalaman dan penilaian sedikit menyokong satu elemen dibandingkan elemen yang lainnya
5 Elemen yang satu lebih penting dari pada elemen yang lainnya
Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan elemen yang lainnya
Apabila suatu elemen dibandingkan
dengan dirinya sendiri maka diberi nilai 1. Jika elemen i dibandingkan dengan elemen j mendapatkan nilai tertentu, maka elemen j dibandingkan dengan elemen i merupakan kebalikannya.
3. Penentuan prioritas Untuk setiap kriteria dan alternatif,
perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan relatif kemudian diolah untuk menentukan peringkat alternatif dari seluruh alternatif.
4. Konsistensi Logis Semua elemen dikelompokkan
secara logis dan diperingatkan secara konsisten sesuai dengan suatu kriteria yang logis. Hubungan tersebut dapat ditunjukkan sebagai berikut (Suryadi & Ramdhani, 1998): Hubungan kardinal : aij . ajk = aik
Hubungan ordinal : Ai > Aj, Aj > Ak maka Ai > Ak
Penghitungan konsistensi logis dilakukan dengan mengikuti langkah-langkah sebagai berikut : a. Mengitung nilai λmaks. b. Menghitung indeks konsistensi
(consistency index) dengan rumus :
𝐶𝐼 = λ𝑚𝑎𝑥 − 𝑛
𝑛 − 1
Keterangan: CI : Consistensi Index λmax : Eigen Value n : Banyak elemen
c. Menghitung konsistensi ratio (CR) dengan rumus:
𝐶𝑅 = 𝐶𝐼
𝑅𝐶
Keterangan: CR : Consistency Ratio CI : Consistency Index RC : Random Consistency
Daftar Random Consistency (RC) dapat dilihat pada Tabel 2.3. Tabel 2.3. Nilai Random Consistency
Ukuran Matriks
Nilai RC
1,2 0,00
3 0,58
4 0,90
5 1,12
6 1,24
7 1,32
8 1,41 9 1,45
10 1,49
11 1,51
12 1,48
13 1,56
14 1,57
15 1,59
AHP mengukur konsistensi pertimbangan
dengan rasio konsistensi (consistency ratio). Nilai Konsistensi rasio harus kurang dari 5% untuk matriks 3x3, 9% untuk matriks 4x4 dan 10% untuk matriks yang lebih besar. Jika lebih dari rasio dari batas tersebut maka nilai perbandingan matriks di lakukan kembali. 5. Mengulangi langkah 2, 3, dan 4 untuk
seluruh tingkat hirarki. 6. Menghitung vektor eigen dari setiap
matriks perbandingan berpasangan yang merupakan bobot setiap elemen untuk penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai mencapai tujuan. Penghitungan dilakukan lewat cara menjumlahkan nilai setiap kolom dari matriks, membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks, dan menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan rata-rata.
STUDI KASUS
A. Analitycal Hierarchy Process (AHP)
1. Menyusun Struktur Hirarki
Gambar 3.1 Struktur hirarki pemilihan rumah tinggal
2. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau
pengaruh setiap elemen terhadap tujuan atau kriteria yang setingkat di atasnya.
- Matriks perbandingan berpasangan kriteria
Tabel 3.1 Skala perbandingan intensitas kepentingan antarkriteria
Tabel 3.2 Matriks Perbandingan Berpasangan
Kriteria Aman Fasilitas Harga Lokasi Desain
Aman 1 0.5 0.25 0.5 0.3333
Fasilitas 2 1 0.5 0.3333 0.5
Harga 4 2 1 2 3
Lokasi 2 3 0.5 1 2
Desain 3 2 0.3333 0.5 1
Jumlah 12 8.5000 2.5833 4.3333 6.8333
Angka 1 pada kolom Aman baris Aman
menggambarkan tingkat kepentingan yang
sama antara Aman dengan Aman, sedangkan
angka 2 pada kolom Fasilitas baris Aman
No Kriteria
(A)
Skala Tingkat Kepentingan Skala Tingkat Kepentingan Kriteria (B) 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
1 Aman √ Fasilitas 2 Aman √ Harga
3 Aman √ Lokasi
4 Aman √ Desain
5 Fasilitas √ Harga
6 Fasilitas √ Lokasi
7 Fasilitas √ Desain
8 Harga √ Lokasi 9 Harga √ Desain
10 Lokasi √ Desain
Pemilihan Rumah Tinggal
Aman
Fasilitas
BTN Tamansari
Khayangan
BTN Cempaka
Graha Asri
BTN Wirabuana
BTN Bumi Indah
Permata Sari
BTN Aditama
Regency
Desain
Lokasi
Harga
menunjukkan keraguan penilaian antara
tingkat kepentingan Fasilitas dan Aman.
Angka 0.5 pada kolom Aman baris Fasilitas
merupakan hasil perhitungan 1/nilai pada
kolom Fasilitas baris Aman. Angka-angka yang
lain diperoleh dengan cara yang sama. Nilai
jumlah diperoleh dari penjumlah masing-
masing kolom.
3. Melakukan penentuan prioritas.
- Membuat matriks nilai kriteria
Tabel 3.3 Matriks Nilai Kriteria dan Normalisasi matriks
Nilai 0.0833 pada kolom Aman baris
Aman diperoleh dari nilai kolom Aman baris
Aman Tabel 3.2 yaitu 1 dibagi jumlah kolom
Aman Tabel 3.2 yaitu 12. Nilai 0.0588 pada
kolom Fasilitas baris Aman diperoleh dari nilai
kolom Fasilitas baris Aman Tabel 3.2 yaitu 2
dibagi jumlah kolom Fasilitas Tabel 3.2 yaitu
8.5000. Lakukan dengan cara yang sama untuk
kolom dan baris berikutnya.
Nilai kolom jumlah diperoleh dari
penjumlahan pada setiap baris. Untuk jumlah
baris pertama nilai 0.4031 merupakan hasil
penjumlahan dari kolom Aman (0.0833),
kolom Fasilitas (0.0588), kolom Harga (0.0968),
kolom Lokasi (0.1154) dan kolom Desain
(0.0488).
Nilai pada kolom prioritas diperoleh
dari nilai pada kolom jumlah dibagi dengan
jumlah kriteria, dalam hal ini 5. Nilai baris
jumlah diperoleh dari penjumlah baris
prioritas.
4. Konsistensi Logis
- Menghitung nilai eigen value maksimum (λmax).
Tabel 3.4 Perkalian jumlah dan prioritas.
Nilai kolom jumlah diperoleh dari nilai
baris jumlah Tabel 3.2. berdasarkan kriteria
masing-masing. Nilai kolom prioritas diperoleh
dari nilai kolom prioritas Tabel 3.3. Nilai kolom
hasil diperoleh dari perkalian kolom jumlah
dan kolom prioritas. Nilai baris jumlah
diperoleh dari hasil penjumlahan kolom
hasil. Baris jumlah merupakan eigenvalue
maksimum (λmax).
Kriteria Aman Fasilitas Harga Lokasi Desain Jumlah Prioritas
Aman 0.0833 0.0588 0.0968 0.1154 0.0488 0.4031 0.0806
Fasilitas 0.1667 0.1176 0.1935 0.0769 0.0732 0.6280 0.1256
Harga 0.3333 0.2353 0.3871 0.4615 0.4390 1.8563 0.3713
Lokasi 0.1667 0.3529 0.1935 0.2308 0.2927 1.2366 0.2473
Desain 0.2500 0.2353 0.1290 0.1154 0.1463 0.8761 0.1752
Jumlah 1.000
Kriteria Jumlah Prioritas Hasil
Aman 12 0.0806 0.9674
Fasilitas 8.5 0.1256 1.0675
Harga 2.5833 0.3713 0.9591
Lokasi 4.3333 0.2473 1.0717
Desain 6.8333 0.1752 1.1973
Jumlah 5.2630
- Menghitung indeks konsistensi dan konsistensi ratio.
Tabel 3.5 Normalisai Kriteria AHP Pemilihan Rumah Tinggal
Kriteria Aman Fasilitas Harga Lokasi Desain Jumlah Prioritas
Aman 0.0833 0.0588 0.0968 0.1154 0.0488 0.4031 0.0806
Fasilitas 0.1667 0.1176 0.1935 0.0769 0.0732 0.6280 0.1256
Harga 0.3333 0.2353 0.3871 0.4615 0.4390 1.8563 0.3713
Lokasi 0.1667 0.3529 0.1935 0.2308 0.2927 1.2366 0.2473
Desain 0.2500 0.2353 0.1290 0.1154 0.1463 0.8761 0.1752
Jumlah 1.0000 1.0000 1.0000 1.0000 1.0000 5.0000 1.000
Λmax 5.2630
Consistency Index (CI) 0.0658
Consistency Ratio (CR) 0.0587
Nilai baris jumlah diperoleh dari hasil
penjumlahan masing-masing kolom. Nilai
Consistency Index (CI) diperoleh dari :
𝐶𝐼 = λ𝑚𝑎𝑥 − 𝑛
𝑛 − 1=
5.2630 − 5
5 − 1=
0.2630
4
= 0.0658
Berdasarkan tabel perhitungan random
consistency (RC) yang telah diuraikan pada Bab
II. Jika n = 5, maka RC = 1.12. Nilai Consistency
Ratio (CR) diperoleh dari :
𝐶𝑅 = 𝐶𝐼
𝑅𝐶=
0.0658
1.12= 0.0587
Tabel 3.5. Kriteria AHP Pemilihan Rumah Tinggal
Nilai CR (Consistency Ratio) yaitu
0.0587 lebih kecil dari 10% atau 0.1, maka
rasio konsistensi dari perhitungan tersebut
diterima.
- Menentukan prioritas alternative
Tabel 3.6 Skala perbandingan alternatif AHP untuk kriteria Aman.
No Kriteria (A) Skala Tingkat Kepentingan Skala Tingkat Kepentingan
Kriteria (B) 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
1 BTN Tamansari Khayangan
√ BTN Cempaka
Kriteria Aman Fasilitas Harga Lokasi Desain Prioritas
Aman 1 0.50 0.25 0.5 0.3333 0.0806
Fasilitas 2 1 0.5 0.3333 0.5 0.1256
Harga 4 2 1 2 3 0.3713
Lokasi 2 3 0.5 1 2 0.2473
Desain 3 2 0.3333 0.5 1 0.1752
Jumlah 12 8.5000 2.5833 4.3333 6.8333 1.000
Λmax 5.2630
Consistency Index (CI) 0.0658
Consistency Ratio (CR) 0.0587
Graha
2 BTN Tamansari Khayangan
√ BTN Wirabuana
3 BTN Tamansari Khayangan √
BTN Bumi Indah Permata Sari
4
BTN Tamansari Khayangan
√
BTN Aditama Regency
5 BTN Cempaka Graha
√ BTN Wirabuana
6 BTN Cempaka Graha √
BTN Bumi Indah Permata Sari
7
BTN Cempaka Graha
√
BTN Aditama Regency
8 BTN Wirabuana
√ BTN Bumi Indah Permata Sari
9
BTN Wirabuana
√
BTN Aditama Regency
10
BTN Bumi Indah Permata Sari
√
BTN Aditama Regency
Tabel 3.7 Prioritas alternatif AHP untuk kriteria Aman
Alternatif BTN
Tamansari
Khayangan
BTN
Cempaka
Graha
BTN
Wirabuana
BTN Bumi Indah
Permata Sari
BTN Aditama Regency
Prioritas
BTN
Tamansari
Khayangan
1 0.5 0.3333 0.5 0.3333 0.0817
BTN Cempaka
Graha 2 1 3 0.5 0.3333 0.1672
BTN
Wirabuana 3 0.3333 1 0.3333 0.25 0.1142
BTN Bumi
Indah
Permata Sari
2 2 3 1 0.5 0.2338
BTN Aditama Regency
4 3 4 2 1 0.4031
Jumlah 12 6.8333 11.3333 4.3333 2.3333 1
Λmax 5.3709
Consistency Index (CI) 0.0927
Consistency Ratio (CR) 0.0828
Setelah mendapatkan bobot untuk
ketiga kriteria dan skor untuk masing-masing
kriteria bagi kelima rumah tinggal, maka
langkah terakhir adalah menghitung total skor
untuk kelima rumah tinggal tersebut. Hasil
penilaian tersebut akan dirangkum dalam
bentuk tabel yang disebut Overall composite
weight, seperti berikut.
Tabel 3.11. Prioritas keputusan alternatif AHP
Overall composit weigth
Weigth BTN Tamansari Khayangan
BTN Cempaka Graha
BTN Wirabuana
BTN Bumi Indah Permata Sari
BTN Aditama Regency
Aman 0.0806 0.0817 0.1672 0.1142 0.2338 0.4031
Fasilitas 0.1256 0.0799 0.1448 0.1286 0.2572 0.3895
Harga 0.3713 0.0922 0.1661 0.1545 0.2477 0.3395
Lokasi 0.2473 0.0778 0.1792 0.1175 0.2502 0.3753
Desain 0.1752 0.0710 0.1463 0.1316 0.4136 0.2375
Composit Weigth
0.0825 0.1633 0.1348 0.2775 0.3419
Nilai kolom Weight diambil dari kolom Prioritas Tabel 3.3. Nilai kolom BTN Tamansari Khayangan, BTN Cempaka Graha Asri, BTN Wirabuana, BTN Bumi Indah Permata Sari, BTN Aditama Regency diperoleh dari nilai prioritas masin-masin pada Tabel 3.7, Tabel 3.9, Tabel 3.11, Tabel 3.13, dan Tabel 3.15 pada masing-masing kriteria. Baris Composite Weight diperoleh dari jumlah hasil perkalian kolom weigth dan masing-masing BTN. KESIMPULAN
Berdasarkan tabel Prioritas keputusan alternatif AHP di atas maka dapat di ambil kesimpulan bahwa yang memiliki skor paling tinggi adalah BTN Aditama Regency yaitu 34,19%, BTN Bumi Indah Permata Sari dengan skor 27,75%, BTN Cempaka Graha Asri dengan skor 16,33%, BTN Wirabuana dengan skor 13,48%, dan yang terakhir adalah BTN Tamansari Khayangan dengan skor 8,25%. Akhirnya keputusan yang diambil adalah BTN Aditama Regency sebagai pilihan rumah tinggal terbaik. DAFTAR PUSTAKA Andira.2012.Tujuan dan Tahapan Sistem
Penunjang.http://andhirao2.blogspot.com/2012/07/tujuan-dan-tahapan-sistem-penunjang.html.Rabu, 22 Mei 2013
Anonym.2009.Analisis Hierarki Proses.http://blog.uad.ac.id/sulisworo/
2009/04/16/analisis-hierarki-proses/.Rabu, 22 Mei 2013
Anonym.2011. Sistem Pendukung Keputusan.http://blog.student.uny.ac.id/amaliadika/2011/04/29/sistem-pendukung-keputusan/.Rabu, 22 Mei 2013
Anonym.2011.Sistem Pendukung Keputusan.http://sulung-pd.blogspot.com/2011/03/sistem-pendukung-keputusan.html.Sabtu, 25 Mei 2013
Anonym.2013.Sekilas Analytical Hierarchy Process Ahp.http://hari-cio-8a.blog.ugm.ac.id/2013/03/25/sekilas-analytical-hierarchy-process-ahp/.Sabtu, 25 Mei 2013
Asro.2008. Ahp ditulis Ulang.http://asro.wordpress.com/2008/06/26/ahp-ditulis-ulang.html.Rabu, 22 Mei 2013
Joviandi,Frans.2012.Sistem Informasi Perusahaan.http://fransjoviandi.wordpress.com/2012/10/24/sistem-informasi-perusahaan/.Sabtu, 25 Mei 2013