Kalkulator Matriks Keputusan

Matriks Anda

Setiap kolom adalah kriteria dengan bobotnya; setiap baris adalah opsi. Nilai setiap opsi pada setiap kriteria, dengan angka yang lebih tinggi berarti lebih baik.

Hasil

Analisis data sekunder unggul atas Studi wawancara sebesar 0,3 poin, 6% dari skor maksimum.

Cara skor teratas dihitung

Analisis data sekunder: 0,4 × 5 + 0,25 × 2 + 0,2 × 5 + 0,15 × 3 = 3,95

Pemeriksaan sensitivitas

Setiap bobot secara bergiliran digeser 20% ke bawah dan 20% ke atas dengan yang lain tetap, dan setiap opsi dinilai ulang. Kolom terakhir menunjukkan seberapa jauh bobot tunggal itu harus bergerak sebelum opsi lain menyamai.

Pemenang bertahan: tidak ada perubahan ±20% pada satu bobot pun yang mengubah opsi teratas.

Cara Menggunakan Kalkulator Matriks Keputusan

1. 1. Pilih skala dan format bobot. Nilai pada skala 1–5 untuk penilaian cepat atau 1–10 untuk yang lebih halus. Masukkan bobot sebagai persentase yang berjumlah 100, atau sebagai poin berukuran apa pun — 3, 2, 1 berarti kriteria pertama dihitung tiga kali lebih penting daripada yang terakhir.
2. 2. Beri nama kriteria dan opsi. Kolom adalah kriteria dan baris adalah opsi. Tambahkan hingga delapan untuk masing-masing; contoh membandingkan tiga desain penelitian untuk disertasi.
3. 3. Nilai setiap sel. Angka yang lebih tinggi harus selalu berarti lebih baik, jadi kriteria seperti biaya diubah menjadi keterjangkauan: opsi yang termurah mendapat skor tertinggi.
4. 4. Baca peringkat, lalu pemeriksaan sensitivitas. Keunggulan besar yang bertahan di setiap perubahan ±20% pada satu bobot adalah hasil yang kokoh. Keunggulan yang sempit atau rapuh adalah ajakan untuk memeriksa bobot dan bukti dengan lebih cermat, bukan vonis.

Cara Kerja Matriks Keputusan Berbobot

Bobot setiap kriteria dibagi dengan total semua bobot, sehingga bobot menjadi porsi yang berjumlah 1. Skor setiap opsi pada suatu kriteria dikalikan porsi kriteria itu, dan hasil-hasil kalinya dijumlahkan:

Sᵢ = w₁sᵢ₁ + w₂sᵢ₂ + … + wₙsᵢₙ, dengan w₁ + w₂ + … + wₙ = 1

Karena bobot dinormalisasi, hasilnya tetap berada pada skala penilaian: skor berbobot 3,95 pada skala 1–5 berarti 3,95 dari 5. Ini juga berarti persentase yang tidak tepat mencapai 100 tetap dapat dipakai — kalkulator menskalakannya dan memberi tahu Anda bahwa ia melakukannya.

Contoh Kasus: Memilih Desain Penelitian

Seorang mahasiswa memberi bobot 40% pada kelayakan, 25% pada minat pribadi, 20% pada akses ke data dan 15% pada nilai karier, lalu menilai tiga desain dengan skala 1 sampai 5. Ini adalah masukan bawaan kalkulator.

Analisis data sekunder menang dengan 0,4 × 5 + 0,25 × 2 + 0,2 × 5 + 0,15 × 3 = 3,95, unggul 0,3 poin atas studi wawancara — 6% dari skor maksimum. Tidak ada perubahan ±20% pada bobot mana pun yang mengubah pemenangnya, sehingga hasilnya stabil. Titik balik menambah nuansa: jika minat pribadi dinilai 40% lebih penting daripada yang semula dikatakan mahasiswa, studi wawancara akan menyamai. Pemenang yang andal tetapi tidak mutlak adalah hal yang umum, dan layak diketahui sebelum Anda berkomitmen.

Membaca Pemeriksaan Sensitivitas

Bobot adalah penilaian, jadi pemeriksaan menanyakan apakah penilaian yang berbeda akan mengubah jawabannya. Setiap bobot secara bergiliran digeser 20% ke bawah dan 20% ke atas dengan bobot lain tetap, bobot dinormalisasi ulang, dan setiap opsi dinilai ulang. Titik balik kemudian menghitung secara tepat perubahan pada bobot tunggal itu yang membuat opsi peringkat kedua menyamai — karena setiap skor berbobot adalah rasio dua garis lurus pada bobot itu, perpotongannya memiliki bentuk tertutup dan tidak perlu coba-coba.

• Stabil: tidak ada perubahan ±20% yang mengubah pemenang. Peringkat mencerminkan skor, bukan penyetelan bobot yang halus.
• Sensitif: setidaknya satu perubahan membaliknya. Tanyakan apakah bobot kriteria itu benar-benar sudah pasti — jika belum, matriks tidak dapat memutuskan untuk Anda.
• Titik balik yang besar (+200%, atau “tidak ada perubahan yang bisa”) berarti kriteria itu hampir tidak memengaruhi hasil; yang kecil berarti kriteria itu yang paling banyak menentukan.

Matriks Berbobot vs. Matriks Pugh

Matriks Pugh, dikembangkan oleh insinyur desain Stuart Pugh untuk seleksi konsep, membandingkan setiap opsi dengan satu opsi acuan, yaitu datum. Setiap sel bernilai lebih baik (+), lebih buruk (−) atau kira-kira sama (S), lalu tanda plus dan minus dihitung. Matriks ini cepat, tidak memerlukan angka, dan baik untuk menyaring banyak gagasan awal. Matriks keputusan berbobot menilai setiap opsi pada skala absolut dan memberi bobot pada kriteria, sehingga lebih baik untuk pilihan akhir di antara beberapa opsi yang sudah dipahami dengan baik — dan inilah yang dibangun kalkulator ini.

Pertanyaan yang Sering Diajukan

Apa itu matriks keputusan berbobot?

Itu adalah tabel yang mendaftar opsi sebagai baris dan kriteria sebagai kolom, menilai setiap opsi pada setiap kriteria, dan mengalikan skor dengan bobot yang mencerminkan seberapa penting setiap kriteria. Opsi dengan total berbobot tertinggi berada di peringkat pertama. Metode ini juga disebut model penilaian berbobot, matriks prioritas, atau kisi keputusan.

Bagaimana cara memilih bobotnya?

Tentukan sebelum Anda menilai, agar skor tidak mengarahkan bobot. Salah satu caranya adalah membagi 100 poin ke seluruh kriteria; cara lain adalah mengurutkan kriteria dan memberi poin terbanyak pada yang paling penting. Lalu gunakan pemeriksaan sensitivitas: jika pemenangnya berbalik dengan perubahan kecil pada bobot yang Anda ragukan, selesaikan bobot itu lebih dulu.

Apakah bobot harus berjumlah 100?

Tidak. Kalkulator membagi setiap bobot dengan totalnya, sehingga 3, 2 dan 1 memberikan hasil yang sama dengan 50%, 33,3% dan 16,7%. Jika Anda memilih persentase dan totalnya bukan 100, angka itu diskalakan dan Anda diberi tahu.

Apakah saya sebaiknya memakai skala 1–5 atau 1–10?

Gunakan 1–5 bila penilaian Anda kasar, karena skala yang lebih halus mengundang ketepatan semu. Gunakan 1–10 bila Anda memiliki pengukuran di balik skornya dan ingin mempertahankan selisihnya. Yang paling penting adalah setiap angka berarti hal yang sama pada setiap kriteria, jadi tuliskan seperti apa nilai 1, 3 dan 5 sebelum Anda mulai.

Bagaimana jika dua opsi seri?

Seri, atau keunggulan di bawah sekitar 5% dari skor maksimum, berarti matriks tidak dapat memisahkan keduanya dengan kriteria yang Anda berikan. Tinjau kembali bukti di balik skor yang paling berdekatan, atau tambahkan kriteria yang sebenarnya membedakan keduanya — sering kali sesuatu yang Anda tinggalkan karena sulit dinilai.

Dapatkah matriks keputusan membuat keputusan untuk saya?

Tidak — ia menata keputusan. Hasilnya hanya sebaik kriteria, bobot dan skor yang Anda masukkan. Nilai utamanya adalah membuat penalaran Anda terlihat dan dapat diuji, sehingga Anda bisa menjelaskan pilihan itu dan melihat dengan tepat asumsi mana yang menjadi dasarnya.