Mengenal Metode ARAS: Cara Mudah Menentukan Alternatif Terbaik dalam SPK untuk Mahasiswa

SPK metode ARAS (Additive Ratio Assessment) adalah salah satu metode dalam Sistem Pendukung Keputusan (SPK) yang digunakan untuk menentukan alternatif terbaik dari beberapa pilihan berdasarkan sejumlah kriteria.

Metode ARAS menilai setiap alternatif dengan cara membandingkan nilai setiap kriteria terhadap nilai ideal (terbaik), lalu menghitung rasio dan bobotnya untuk mendapatkan nilai total preferensi. Alternatif dengan nilai tertinggi dianggap sebagai pilihan terbaik.

Metode ARAS (Additive Ratio Assessment) pertama kali diperkenalkan oleh Edmundas Kazimieras Zavadskas dan Zenonas Turskis pada tahun 2010. Metode ini dikembangkan di Vilnius Gediminas Technical University (VGTU), Lithuania, dan digunakan luas untuk pengambilan keputusan multi-kriteria (MCDM), seperti dalam bidang manajemen, teknik, ekonomi, dan sistem pendukung keputusan (SPK).

Zavadskas, E. K., & Turskis, Z. (2010). A new additive ratio assessment (ARAS) method in multicriteria decision-making. Technological and Economic Development of Economy, 16(2), 159–172.

Metode ARAS awalnya dikembangkan untuk membantu pengambilan keputusan multi-kriteria (MCDM) dalam bidang manajemen proyek dan teknik sipil, khususnya untuk menilai dan memilih alternatif terbaik dalam proyek konstruksi, manajemen sumber daya, serta perencanaan ekonomi dan industri. Seiring waktu, metode ARAS berkembang dan digunakan di berbagai bidang lain, seperti teknologi informasi, lingkungan, transportasi, energi, dan pendidikan karena langkah-langkahnya sederhana namun hasilnya akurat.

Kenapa Menggunakan Metode ARAS?

• Membuat proses penilaian alternatif lebih sederhana dan terukur
• Dapat menggabungkan kriteria biaya dan manfaat dalam satu model (Multikriteria)
• Dapat memberikan hasil yang mudah diinterpretasikan bagi pengambil keputusan

Langkah-Langkah Metode ARAS

1. Membuat matriks keputusan, berisi nilai setiap alternatif terhadap setiap kriteria.
2. Normalisasi matriks, agar semua nilai berada pada skala yang sebanding.
3. Mengalikan setiap nilai dengan bobot kriteria (berdasarkan tingkat kepentingan).
4. Menentukan nilai ideal (optimal) untuk tiap kriteria (terbesar untuk kriteria keuntungan, terkecil untuk kriteria biaya).
5. Menghitung nilai total (Si) untuk tiap alternatif.
6. Menentukan nilai preferensi (Ki) dengan membandingkan Si terhadap nilai optimal.
7. Peringkat akhir ditentukan berdasarkan nilai Ki, semakin besar semakin baik.

Contoh Sederhana

Semisal memilih laptop terbaik berdasarkan 3 kriteria:

1. Harga (biaya, makin kecil makin baik)
2. Performa (keuntungan, makin besar makin baik)
3. Daya tahan baterai (keuntungan, makin besar makin baik)

Dengan nilai seperti pada tabel berikut:

Langkah 1 - Transformasi Intuk Kriteria COST (1/x)

Untuk kriteria COST kita perlu lakukan perhitungan 1/x atau 1/nilai karena semakin besar nilai maka semakin buruk dan semakin kecil nilai maka semakin baik, dengan melakukan perhitungan 1/x maka hasil pembagiannya akan setara dengan kriteria keuntungan (semakin besar semakin baik).

Langkah 2 - Normalisasi Nilai (xᵢⱼ* = nilai / jumlah)

Untuk menyamakan besaran nilai setiap kriteria maka perlu dilakukan normalisasi dengan membagi setiap nilai dengan jumlah nilai pada setiap kolom kriteria.

Kriteria Harga

• A1: 0.001428571429 / 0.004217032967 = 0.3387622151
• A2: 0.001538461538 / 0.004217032967 = 0.3648208468
• A3: 0.00125 / 0.004217032967 = 0.2964169381

Kriteria Performa

• A1: 7 / 21 = 0.3333333333
• A2: 8 / 21 = 0.3809523810
• A3: 6 / 21 = 0.2857142857

Kriteria Baterai

• A1: 6 / 21 = 0.2857142857
• A2: 7 / 21 = 0.3333333333
• A3: 8 / 21 = 0.3809523810

Sehingga didapatkan hasil seperti pada tabel berikut:

Langkah 3 - Bobotkan nilai normalisasi (wⱼ × xᵢⱼ*)

kita tentukan bobot untuk kriteria Harga 0.40, Performa 0.35, Baterai 0.25, lalu kita hitung dengan mengkalikan setiap nilai dengan bobot kriterianya, sebagai contoh kita hitung untuk A1

• Harga: 0.40 × 0.3387622151 = 0.1355048860
• Performa: 0.35 × 0.3333333333 = 0.1166666667
• Baterai: 0.25 × 0.2857142857 = 0.07142857142

Lalu kita jumlahkan untuk mendapatkan nilai S, S₁ (total) = 0.1355048860 + 0.1166666667 + 0.07142857142 = 0.3236001241

Setelah semua kita hitung maka kita dapatkan hasil seperti pada tabel di bawah:

Langkah 4 - Tentukan alternatif ideal (S₀) dan nilai preferensi Kᵢ

Ambil nilai x₀ⱼ* = maksimum dari setiap kolom normalisasi:

• Price x₀ = max(0.3387622151, 0.3648208468, 0.2964169381) = 0.3648208468
• Performance x₀ = max(0.3333333333, 0.3809523810, 0.2857142857) = 0.3809523810
• Battery x₀ = max(0.2857142857, 0.3333333333, 0.3809523810) = 0.3809523810

Kemudian hitung S₀ = Σ (wⱼ × x₀ⱼ*)
S₀ = 0.40×0.3648208468 + 0.35×0.3809523810 + 0.25×0.3809523810 = 0.3744997674

Lalu hitung nilai preferensi Kᵢ = Sᵢ / S₀:

• K₁ = 0.3236001241 / 0.3744997674 = 0.8640863153
• K₂ = 0.3625950054 / 0.3744997674 = 0.9682115637
• K₃ = 0.3138048704 / 0.3744997674 = 0.8379307485

Maka dari tabel diatas dapat diketahui kalau A2 memiliki nilai preferensi terbesar 0.9682 sehingga A2 merupakan alternatif terbaik dibandingkan dengan A1 dan A3.

Source Code Aplikasi SPK Metode ARAS