METODE ZA ODLUČIVANJE - prof.dr.sc.

Tihomir Hunjak
9 Metode za odlučivanje.............................................................................................................1
9.1 Analiza odluke.................................................................................................................1
9.1.1 Složenost procesa odlučivanja...................................................................................1
9.1.2 Situacije odlučivanja..................................................................................................2
9.1.3 Rješavanje problema i odlučivanje............................................................................4
9.1.4 Analitičke i heurističke metode za odlučivanje.........................................................6
9.1.5 Dobro strukturirani i slabo strukturirani problemi odlučivanja...............................10
9.1.6 Složenost problema odlučivanja i kvaliteta odluke.................................................11
9.1.7 Kvantitativna analiza i odlučivanje.........................................................................13
9.1.8 Prednosti i nedostaci analitičkih metoda.................................................................15
9.1.9 Tipologija metoda za analizu odluke.......................................................................15
9.2 Heuristike u odlučivanju i njihova ograničenja.............................................................18
9.2.1 Minimalistička strategija.........................................................................................18
9.2.2 Leksikografska strategija.........................................................................................19
9.2.3 Pseudoleksikografski uređaj....................................................................................19
9.2.4 Eliminacija po aspektu.............................................................................................20
9.2.5 Zadovoljavajuća odluka...........................................................................................21
9.2.6 Izbor temeljen na razlozima.....................................................................................22
9.3 Uvod u složenije metode za višekriterijsko odlučivanje...............................................23
9.3.1 Tablica odlučivanja..................................................................................................24
9.3.2 Ljestvice kriterijskih vrijednosti..............................................................................26
9.3.3 Normalizacija – transformacija kriterijskih vrijednosti...........................................28
9.3.4 Određivanje težina kriterija na temelju procjena omjera njihovih važnosti............31
9.3.5 Određivanje težina kriterija metodom SWING.......................................................37
9.4 Odabrane metode za višekriterijsko odlučivanje...........................................................41
9.4.1 Metoda zbrajanja ponderiranih vrijednosti (MAVT)...............................................42
9.4.1.1 Stablo vrijednosti..............................................................................................42

9.4.1.2 Funkcije vrijednosti..........................................................................................44

9.4.1.3 Težine kriterija i MAVT...................................................................................46

 9.4.1.4 Egsistencija funkcija vrijednosti......................................................................46

9.4.1.5 Oblici funkcija vrijednosti................................................................................47

9.4.1.6 Uvjet međusobne nezavisnosti preferencija.....................................................48

9.4.1.7 Modeliranje funkcija vrijednosti......................................................................48

9.4.1.8 Bodovne tablice kao funkcije vrijednosti.........................................................51

9.4.2 Metode za višekriterijsku analizu odluke u kojima se koristi idealno rješenje.......52

9.4.2.1 Mjerenje udaljenosti u višedimenzionalnom prostoru.....................................52

9.4.2.2 Rangiranje inačica po udaljenosti od idealne inačice.......................................53

9.4.2.3 Metoda TOPSIS................................................................................................55

9.4.3 Metoda ELECTRE...................................................................................................58

9.4.4 Analitički hijerarhijski proces (AHP)......................................................................67
9.4.4.1 Hijerarhijska struktura......................................................................................68

9.4.4.2 Matematički model...........................................................................................69

9.4.4.3 Rješavanje problema Odabir izvođača radova pomoću AHP metode.............73

9.4.4.4 Rekapitulacija postupka primjene AHP metode...............................................75

9.4.4.5 Mjerenje konzistencije procjena.......................................................................75

9.4.4.6 Prednosti i nedostaci AHP metode...................................................................77

9.5 Metode za odlučivanje u uvjetima nesigurnosti i rizika................................................79

9.5.1 Kriteriji za odlučivanje u uvjerima nesigurnosti i rizika.........................................80
9.5.2 Očekivana vrijednost...............................................................................................86
9.5.3 Stablo odluke...........................................................................................................91
9.5.4 Matrica rizika...........................................................................................................95
9.5.5 Analiza osjetljivosti.................................................................................................99
9.5.5.1 Analiza podataka pomoću histograma...........................................................101

9.5.5.2 Upravljanje rizicima temeljem analize osjetljivosti.......................................102

9.5.5.3 Upravljanje rizicima temeljeno na Monte Carlo simulaciji...........................105

9

10 Metode za odlučivanje

10.1 Analiza odluke

Pod općim nazivom analiza odluke (engl. Decision Analysis) podrazumjeva se skup
alata i tehnika temeljenih na rezultatima preskriptivne teorije odlučivanja i programska potpora
namijenjena donošenju boljih odluka u situacijama kad treba izabrati neko od mogućih rješenja
problema odlučivanja. R.L. Keeney1 (2004) analizira na koji način se može pomoći pojedincima
da donesu kvalitetnije odluke primjenjujući metodu Analiza odluke2. Argumenti za tvrdnju da
Analiza odluke, kao pristup odlučivanju, zadovoljava potrebe donositelja odluke su sljedeći:
 temelji se na zdravom razumu i načinu na koji ljudi razmišljaju o problemu (ciljevima,
inačicama, posljedicama i kompenzacijama nedostataka u jednom aspektu prednostima u
drugom);
 ima formalnu aksiomatsku podlogu;
 podrazumijeva upotrebljive postupke za implementaciju koncepta;
 pojednostavljuje složene odluke njihovim rastavljanjem na dijelove, bez potrebe da se
pretjerano pojednostavljuje problem ili zanemaruje njegova složenost;
 primjenjiva je na sve odluke.
Opći postupak analize odluke može se prikazati u četiri koraka:
1: Strukturiranje problema odlučivanja, što uključuje definiranje problema, generiranje skupa
ciljeva, te identificiranje alternativnih rješenja problema.
2: Specificiranje posljedica inačica opisivanjem u kojoj mjeri one doprinose realizaciji
nabrojenih ciljeva.
3: Evaluacija svake posljedice na takav način da se utvrdi koja je bolja od drugih i koliko.
4: Integriranje informacija pribavljenih u prva tri koraka sa svrhom cjelovitog vrednovanja
inačica.

0
10.1.1 Složenost procesa odlučivanja

Složenost procesa donošenja odluke ovisi o složenosti problema. Tako, npr., ako se
situacija s vozilom koje koči ispred nas promatra kao problem vrijedan donošenja odluke jer se u
razmatranje mogu uključiti, osim kočenja i neke druge hipotetičke mogućnosti (ne uraditi ništa i
naletjeti na vozilo, promijeniti smjer vožnje i sletjeti s ceste, naravno, s nove dvije mogućnosti-
lijevo ili desno), ta se odluka smatra intuitivnom, jer se donosi bez posebnog svjesnog
uspoređivanja posljedica mogućih reakcija. Ukoliko se preko senzora dobije informacija da je
spremnik goriva prazan, zaustavlja se vozilo i puni se spremnik, pa se takva odluka zove
rutinskom jer se zna da to treba tako uraditi. Osjeti li vozač tijekom vožnje glad i odluči stati i
nešto pojesti, odluku o izboru jela može donijeti na više načina; može to uraditi tako da (i)
prihvati sugestiju konobara („kupuje“ mišljenje eksperta), (ii) odabere nasumice ponuđeno jelo,
(iii) sistematski odabire jelo vodeći računa o svim informacijama bitnim za usklađeni obrok;
kaloričnosti namirnica te usklađenosti njihovih sastojaka. Pri tom se preporučuje uzeti u obzir i
ograničenja koja sužavaju prostor za izbor najbolje odluke; eventualno zdravstveno stanje zbog
kojeg se ne preporučuju neke namirnice, dozvoljena koncentracija alkohola u krvi ukoliko se
upravlja vozilom i slično.
Dakle, neke odluke donose se rutinski, bez puno razmišljanja jer postoji jasan algoritam koji se
slijedi (npr. kojim redom obući pojedine dijelove odjeće, iako odluka o tome što obući može biti
vrlo složena) ili je donositelj odluke uvježban da ih brzo donosi (npr. odluke koje se donose u
sportu – s koje strane proći s loptom pored protivnika), a nekima se posvećuje veća pažnja. Kao
što, među brojnim odlukama koje svakodnevno donosimo svima ne posvećujemo jednaku
pažnju, tako se odnosimo i prema poslovnim odlukama. Poslovne odluke se također razlikuju po
složenosti, pa se neke donose relativno brzo bez velikih rasprava, a druge se pažljivo pripremaju.
Sukladno tome, donošenje odluke u praksi može biti jednostavniji ili složeniji proces. Složenost
procesa donošenja odluke povezana je s kvalitetom odluke, složeniji problemi zahtijevaju
složeniji pristup čime se povećavaju mogućnosti grešaka u odlučivanju. S druge pak strane,
primjena jednostavnijih procedura u rješavanju složenih problema omogućuje donošenje krivih
odluka ili previđanje boljih odluka u odnosu na one koje se donose.

10.1.2 Situacije odlučivanja

1
 Potreba za donošenjem odluke može proizaći iz različitih okolnosti koje utječu na način
rješavanja problema. Pokretači odluka mogu biti vanjske okolnosti te se tada govori o
nametnutoj odluci ili može postojati poticaj iznutra što čini priliku za odluku.
U prvom slučaju potreba za donošenjem odluke može proizaći iz aktivnosti konkurencije,
promjena u ponašanju poslovnog partnera, poremećaja u lancu opskrbe, temeljem promjene
zakonske regulative kojom se mijenjaju uvjeti poslovanja, i drugih događaja čiji pokretači su
izvan kontrole donositelja odluke. Vanjski pokretači odluka mogu se prepoznati i u osobnim
odlukama kao što je npr. potreba da se reagira na kvar automobila ili nekog drugog uređaja,
potreba za reakcijom na aktivnost sportskog protivnika, odgovor na inicijativu nadređene osobe i
slično.
Brojne poslovne odluke donose se iako za to ne postoji izravan poticaj izvan sustava tj,
moglo bi se i bez njih. Takve odluke koje se donose na poticaj iznutra su npr. odluka o
promjeni asortimana, uvođenju novog proizvoda, otkazu zaposleniku, zapošljavanju novog
djelatnika, uvođenje novog studija, kupnji opreme i slično. Iako na donošenje tih odluka mogu
utjecati vanjske okolnosti, donositelj odluke je taj koji ih može inicirati i bez izravnog vanjskog
povoda.
Rijetke su odluke za koje se može reći da se pokreću samo izvana odnosno samo iznutra.
Odluka o zapošljavanju novog djelatnika može biti nametnuta jer se pojavi dobar kandidat, a
može biti i posljedica potrebe za novim zaposlenikom uslijed rasta poslovanja ili jer netko odlazi
u mirovinu. Odluka o razvoju novog proizvoda može biti posljedica nastojanja da se
komercijalizira patent, a može biti inicirana i potražnjom na tržištu ili uspjehom konkurencije.
Osobnu odluku o prijavi ispita student može donijeti na temelju objave rokova i usklađivanja
svojih planova s tim rokovima, ali u suštini je to odluka koju treba tretirati kao odluku iniciranu
„iznutra“. Druga situacija je ako roditelj postavi zahtjev u obliku ultimatuma tipa „Ako to ne
položiš do...“. U tom slučaju odluka o izlasku na ispit nametnuta je izvana.
Trenutak u kojem donositelj odluke postaje svjestan potrebe da donese odluku određuje
inicijalni kontekst za situaciju odlučivanja. Kako npreduje proces odlučivanja prikupljanjem
dodatnih informacija mijenja se i kontekst odlučivanja. Poznavanje konteksta odlučivanja, a
time i sigurnosti da se rješava pravi problem, svodi se na poznavanje odgovora na sljedeća
pitanja:
 kakvu odluku treba donijeti,

2
  na koji način je ta odluka povezana s prije donesenim odlukama,
 koja ograničenja (pravna, tehnološka, raspoloživost resursa i druga) treba prihvatiti i
tome prilagoditi skup mogućih inačica,
 koji je minimalan skup ciljeva koje treba ostvariti,
 koji su izvori nesigurnosti i glavni rizici s kojima je povezana odluka,
 koga sve treba uključiti u proces donošenja odluke i kakve su odgovornosti dionika
procesa odlučivanja,
 rok u kojem treba donijeti odluku, proračun i vremenski plan za proces donošenja odluke.

10.1.3 Rješavanje problema i odlučivanje

Rješavanje problema (engl. Problem solving) je proces identificiranja razlike između

aktualnog stanja sustava i poželjnog stanja te poduzimanje aktivnosti za uklanjanje uočenih
razlika. Taj proces je složen, sastoji se od niza povezanih sukcesivnih aktivnosti, a u nekim
situacijama se pojedine aktivnosti iterativno ponavljaju. Postoji više modela cjelovitog procesa
donošenja odluke, a razlike među njima posljedice su nastojanja da se naglasi neki od aspekata
tog procesa. Bez obzira na to koliko se pozornosti poklanja nekom od aspekata tog procesa,
svaki proces rješavanja nekog problema implicite ili eksplicite sadrži sljedeće korake3:
1. Identificiranje i definiranje problema
2. Određivanje skupa inačica rješenja problema
3. Određivanje skupa kriterija za vrednovanje inačica
4. Vrednovanje inačica
5. Izbor inačice
6. Primjena izabrane inačice
7. Vrednovanje rezultata da bi se utvrdilo da li je rješenje problema zadovoljavajuće.
Dio tog procesa naziva se odlučivanje. Uobičajeno je da se pod tim potprocesom podrazumijeva
prvih pet koraka u procesu rješavanju problema (Slika Metode za odlučivanje.1).

3
 Identificiranje i definiranje
problema

Određivanje skupa inačica rješenja

problema

Određivanje skupa kriterija za Odlučivanje

vrednovanje inačica

Rješavanje
problema Vrednovanje inačica

Izbor inačice
Odluka

Primjena izabrane inačice

Vrednovanje rezultata da bi se
utvrdilo da li je rješenje problema
zadovoljavajuće

Slika Metode za odlučivanje.1 Odnos između rješavanja problema i odlučivanja4

Proces odlučivanja može se dalje dekomponirati u dva dijela: strukturiranje problema i

analiziranje problema (Slika Metode za odlučivanje.2). Smisao te podjele je da se odvoji
postupak strukturiranja problema, koji je potrebno provesti u svakoj situaciji odlučivanja, od
postupka analiziranja problema, za koje ponekad nema dovoljno vremena ili raspoloživih
resursa. Daljnja raščlamba procesa analiziranja problema može se provesti razlikovanjem
kvalitativne i kvantitativne analize.

4
 STRUKTURIRANJE ANALIZIRANJE
PROBLEMA PROBLEMA

Identificiranje i Određivanje Određivanje

definiranje skupa inačica skupa kriterija za Vrednovanje Izbor inačice
problema rješenja vrednovanje inačica
problema inačica

Slika Metode za odlučivanje.2 Proces odlučivanja – strukturiranje i analiziranje problema5

10.1.4 Analitičke i heurističke metode odlučivanja

Problemi odlučivanja, sa ciljem njihova boljeg razumijevanja i lakšeg rješavanja, mogu

se opisati pomoću različitih parametara. Ti parametri (obolježja) mogu imati različite gradacije i
njihov broj varira od situacije do situacije. Opis problema korištenjem parametara pomaže da se
primijeni najprikladniji način za njegovu analizu i donošenje odluke. U tablici (Tablica Metode
za odlučivanje.1) prikazani su osnovni parametri i njihove vrijednosti po kojima se mogu
razlikovati problemi odlučivanja s aspekta načina njihovog rješavanja.

Tablica Metode za odlučivanje.1 Parametri problema i njihove vrijednosti

5
 U realnim problemima odlučivanja mogu se javiti različite kombinacije vrijednosti ovih
parametara. Ipak, neke od njih su povezane. Tako su, npr. jednostavni problemi odlučivanja
najčešće dobro strukturirani i svode se na izbor neke od poznatih opcija. S druge, pak, strane
složeni problemi su slabo strukturirani i uglavnom traže dodatne napore da bi se dizajniralo
rješenje. Vrijednosti parametara iz tablice (Tablica Metode za odlučivanje.2) koje se javljaju u
realnim problemima, određuju način kako se oni rješavaju. Štoviše, podjela metoda odlučivanja
veže se na kombinacije vrijednosti tih parametara.
Postupci kojima se rješava problem mogu se opisati s tri parametra 6 (sadržaj problema,
formalna ograničenja, kvaliteta rješenja) koji uzimaju po dvije vrijednosti, kao što je prikazano u
tablici (Tablica Metode za odlučivanje.2).

Tablica Metode za odlučivanje.2 Parametri koji karakteriziraju metode odlučivanja

Parametri Tipovi metoda
Metoda orjentirana na
Metoda opće namjene
1. Sadržaj problema specifičan problem

Postoje formalna ograničenja Ne postoje značajna

2. Formalna proceduralna za primjenu metode formalna ograničenja
ograničenja
Metoda traži
Metoda traži optimalno rješenje
3. Kvaliteta rješenja zadovoljavajuće rješenje

Sve kombinacije ovih parametara ne zahtijevaju posebne skupine metoda. Formalna

proceduralna ograničenja najčešće se javljaju u obliku zahtjeva da se u postupku donošenja
odluke koriste samo kvantitativni podaci i u tom slučaju traži se optimalno rješenje. U tablici
(Tablica Metode za odlučivanje.3) navode se kombinacije parametara i njihovih vrijednosti koje
određuju prirodu metoda odlučivanja. Ključni kriterij za tu temeljnu podjelu metoda je da li se
metoda temelji na iskustvu ili na matematičkom modelu.
Tablica Metode za odlučivanje.3 Tipovi metoda za odlučivanje

Metoda orjentirana na
Metoda opće namjene
specifičan problem

Ne postoje formalna ograničenja za primjenu

Opći heuristički postupak Specifična heuristička metoda
metode i traži se zadovoljavajuće rješenje

6
Postoje formalna ograničenja za primjenu Analitička metoda opće
Specifična analitička metoda
metode, traži se optimalno rješenje namjene

Glavna razlika između heurističkih metoda i analitičkih metoda odlučivanja je u kvaliteti

rješenja i troškovima. Heurističke metode daju zadovoljavajuća rješenja uz niže troškove, a
analitičke metode temelje se na analizi kvantitativnih podataka i daju optimalna rješenja uz veće
troškove. Pojmovi analitička metoda i kvantitativna metoda, bez velikog rizika od nejasnoća,
mogu se koristiti kao sinonimi. Kad se kaže analitička metoda naglasak je na tome da se odluka
temelji na analizi podataka, a to se ne može provesti bez kvantitativnih modela. S druge pak
strane, riječ kvantitativno sugerira implicite da se koristi matematički postupak u obradi
podataka što nužno podrazumijeva raspoloživost podataka.
Osnovni uvjet za primjenjivost analitičke metode je zadovoljenje svih formalnih uvjeta koji
omogućuju izgradnju matematičkog modela za identifikaciju optimalnog rješenja. Analitičke
metode omogućuju provođenje analize osjetljivosti koja rezultira dodatnim korisnim
informacijama za donositelja odluke. Jedna od najpoznatijih analitičkih metoda opće namjene
je linearno programiranje7. Kao primjer specifične analitičke metode može se navesti
Markovitzev model za optimalizaciju portfelja ulaganja. Također, brojne formule koje se koriste
u ekonomskoj analizi za rješavanje specifičnih problema, poput modela točke pokrića8, različitih
oblika funkcija proizvodnje i slično, mogu se smatrati specifičnim analitičkim metodama.
U ovom poglavlju obrađuju se najpoznatije heurističke metode opće namjene za
donošenje odluka. Specifične heurističke metode se ne obrađuju budući se radi o postupcima koji
se temelje na intuiciji i iskustvu donositelja odluke, koje je teško racionalno objasniti i nije
moguće tvrditi da će se njihovom primjenom dobiti zadovoljavajuće rješenje čak ni kad se radi o
istom donositelju odluke i sličnoj ili ponovljenoj problemskoj situaciji.
Donositelju odluke nije uvijek jednostavno izabrati odgovarajuću metodu odlučivanja. U
slučaju kad nije jasno da li primijeniti heuristiku ili analitički postupak za donošenje odluke, tu
dilemu moguće je riješiti postupkom provjere uvjeta za primjenu analitičkog postupka prema
blok dijagramu prikazanom na slici (Slika Metode za odlučivanje.3).

7
 Sadrži li problem samo
kvantitativne aspekte?

Ne Da

Postoje li pravila koja

iskazuju da li je rješenje
problema prihvatljivo?

Ne - loše definiran Da - dobro definiran

problem problem

Da li je dostupna primjenjiva
analitička procedura ili se ona
može naći

Ne - slabo Da - dobro strukturiran

strukturiran problem problem

Koristi
Koristi
analitičku
heurističnu
proceduru
proceduru

Slika Metode za odlučivanje.3 Blok dijagram postupka za ispitivanje mogućnosti primjene

analitičke metode za analizu odluke9

8
Uvjeti za primjenu analitičke metode u analizi odluke ispunjeni su ukoliko se dobije potvrdan
odgovor na sva tri pitanja koja se postavljaju u procesu prikazanom na slici 9.3. Ukoliko je
odgovor na neko od tih pitanja negativan, u odlučivanju se primjenjuje neka od heurističkih
metoda.

10.1.5 Dobro strukturirani i slabo strukturirani problemi odlučivanja

Problem odlučivanja se može najjednostavnije modelirati kao trojka sa sljedećim

komponentama:
 Sadašnje stanje (raspoloživi resursi)
 Proces transformacije (inačice, operatori)
 Željeno (konačno) stanje (cilj).

Sadašnje stanje Proces transformacije

Željeno stanje (cilj)
(raspoloživi resursi) (inačice, operatori)

Slika Metode za odlučivanje.4 Komponente problema odlučivanja

Problem odlučivanja je dobro strukturiran u onoj mjeri u kojoj su donositelju odluke
bliske i poznate sve tri komponente problema. Dobro strukturiran problem omogućuje
donositelju odluke da u njegovom rješavanju primjeni iskustvo iz prošlosti. Rutinske odluke
donose se uz primjenu standardnih, rutinskih i prihvaćenih procedura. To mogu biti postupci s
konačnim brojem logički poredanih koraka koji dovode do očekivanog rješenja. Također, to
mogu biti i heuristike ili "pravila palca" (engl. rules of thumb), pod čime se podrazumijevaju
pravila ili postupci koji se koriste u rješavanju specifičnih jednostavnih problema (npr. približno
računanje) ili za donošenje rutinskih odluka, kad točnost nije u prvom planu. Ta pravila temelje
se na iskustvu i nisu univerzalno primjenjiva, a rješenja problema koja se dobiju su
zadovoljavajuća ili približna, ukoliko se radi o nekakvom izračunu.
Problem odlučivanja je slabo (loše) strukturiran ukoliko su sve tri (ili neka od njih)
komponente problema odlučivanja slabije poznate donositelju odluke. U rješavanju takvog
problema donositelj odluke orijentiran je na onu komponentu koja mu je najbolje poznata:
 ako mu je poznato samo sadašnje stanje, on će pomake raditi na temelju provjere da li
ide u smjeru poboljšanja performanci,

9
  ako zna konačno (željeno) stanje, pokušati će povratnom dedukcijom identificirati
transformacije koje bi to stanje povezale s polaznim,
 ako su mu poznati samo postupci (transformacije) kojima se može mijenjati stanje
sustava o kojem odlučuje, on će pokušati specificirati početno i konačno stanje tako
da može primijeniti ono što zna.

10.1.6 Složenost problema odlučivanja i kvaliteta odluke

Složenost (složenost)10 odluke proizlazi iz dva aspekta: složenosti problema i složenosti

procesa njegovog rješavanja. Sam pojam složenosti, analogno njegovom značenju u teoriji
sustava, proizlazi iz brojnosti elemenata odluke i složenosti odnosa među njima. Naime,
problemi odlučivanja i odluke karakteriziraju se raspoloživim resursima (informacijama i
materijalnim resursima), stanjem sustava na koji se odnosi odluka, stanjem okoline, varijablama
koje su pod kontrolom donositelja odluke i onima izvan njegove kontrole, koje predstavljaju
ograničenja u traženju rješenja problema.
Iz sustava vrijednosti i psiholoških osobina donositelja odluka proizlaze njihove
preferencije i njihov odnos prema nesigurnosti i riziku. S ciljem donošenja što kvalitetnije odluke
donositelj odluke nastoji pribaviti i iskoristiti što veću količinu informacija suočavajući se s
rizikom preopterećenja i svojim kognitivnim ograničenjima u pogledu mogućnosti njihove
obrade.
Složenost problema odlučivanja ima sljedeće glavne dimenzije: relevantnost problema za
postizanje ciljeva, nesigurnost (neizvjesnost), predvidiv utjecaj na ciljeve i vremenski pritisak.
Relevantnost problema rezultira nastojanjem donositelja odluke da prilikom odlučivanja uzme u
obzir što više elemenata kao i u spoznaji da propuštanje da se razmotri neki od važnih aspekata
za problem vodi k manje kvalitetnoj odluci. Time se u problem odlučivanja uvode novi elementi
i njihove veze što povećava složenost problema. Veća nesigurnost u pogledu mogućnosti da se
predvide buduća stanja okoline, u kojoj se realiziraju posljedice odluke također utječe na porast
rizika da se prilikom odlučivanja načini krivi izbor.
Složenost problema odlučivanja povezana je sa složenošću procesa odlučivanja.
Nastojanje da se izbjegnu ili smanje navedene mogućnosti za donošenje krive odluke primorava
donositelja odluke na složenije postupke odlučivanja. Potreba da se odluka donese u što kraćem

10
vremenu rezultira time da je donositelj odluke pod pritiskom da ne obrađuje u potpunosti sve
dostupne informacije i donosi odluku u uvjetima nesigurnosti i na temelju nepotpunih
informacija, što rezultira porastom rizika da se donese kriva odluka.
Odluka se donosi da bi se riješio problem odlučivanja. Svijest o problemu odlučivanja
proizlazi iz spoznaje da je nekim događajem ili procesom ugroženo postizanje ciljeva sustava u
kojem djeluje donositelj odluke. Svojom odlukom donositelj odluke nastoji procese koje ima pod
kontrolom usmjeriti tako da se realiziraju postavljeni ciljevi, bilo tako da se uklone prijetnje koje
ugrožavaju tu realizaciju, ili stvaranjem nužnih pretpostavki za njihovo postizanje. Generička
mjera za kvalitetu odluke je razina postizanja postavljenih ciljeva.
Povezanost kvalitete odluke sa složenošću problema odlučivanja i procesa odlučivanja
predmet je brojnih istraživanja s različitim motivima, ali u konačnici rezultati tih istraživanja
imaju utjecaj na unpređenje prakse odlučivanja bilo tako da se uspješnije izbjegavaju greške u
odlučivanju, ili tako da se preciznije prepoznaju utjecaji pojedinih elemenata odluke na
realizaciju ciljeva sustava u kojem se donose odluke. Jedno od poznatijih istraživanja s još uvijek
aktualnim preporukama za dobru praksu odlučivanja je istraživanje 11 provedeno u razdoblju od
1971. do 1982. godine u kojem su analizirane 83 odluke top menadžmenta tvrtke srednje veličine
i kojim su potvrđene sljedeće hipoteze:
1. Razina složenosti problema negativno utječe na kvalitetu odluke
2. Razina složenosti problema pozitivno utječe na složenost procesa njegovog rješavanja i
to na razinu potražnje za informacijama te na dizajniranje inačica.
3. Razina potražnje za informacijama pozitivno utječe na kvalitetu odluke.
4. Kvaliteta odluka raste s brojem razmatranih inačica, ali samo do određene granice, nakon
toga povećanje broja inačica dovodi do pada kvalitete odluke.
Provedeno istraživanje potvrđuje da porast neizvjesnosti, kao važan aspekt složenosti
problema odlučivanja, utječe na povećanje vjerojatnosti nepredvidljivih posljedica pa s time
raste i mogućnost donošenja manje kvalitetne odluke. Nadalje, da bi se riješio složeniji
problem odlučivanja prirodno je tražiti više informacija i razmatrati više inačica. Ipak, pritom
treba biti oprezan s idejom da se razina potražnje za informacijama uzima kao indikator
složenosti problema. Naime, manja potražnja za informacijama može biti i posljedica toga da
donositelj odluke ima znanje koje mu omogućuje kreiranje potrebnih informacija na temelju
raspoloživih podataka. Što se tiče odnosa potražnje za informacijama i kvalitete odluke,

11
 pozitivan utjecaj postoji do granice nakon koje nove informacije dovode do zasićenja i
povećanja složenosti problema. Slična je veza kvalitete odluke i broja razmatranih inačica –
ustanovljeno je da se s velikom sigurnošću moglo predvidjeti da će odluka biti kvalitetna
ukoliko nije bilo potrebno razmatrati više od tri inačice i da u tim granicama raste kvaliteta
odluke s brojem razmatranih inačica. U slučajevima kada je problem odlučivanja bio tako
složen da je bilo potrebno razmatrati više od tri inačice, najčešće odluka nije ocijenjena
kvalitetnom.

10.1.7 Kvantitativna analiza i odlučivanje

Kvalitativna analiza temelji se prvenstveno na procjenama menadžera, na njegovom

iskustvu i intuiciji. Ukoliko menadžer nema dovoljno iskustva u rješavanju problema sličnih
onom s kojim se suočava, kvantitativna analiza postaje nužna. Glavne karakteristike problema za
čije rješavanje se preporučuje primjena kvantitativnih metoda su:
 problem je složen,
 problem je posebno važan zbog ekonomskih posljedica,
 problem je novi i ne postoji iskustvo s njegovim rješavanjem,
 problem je ponavljajući i postoji postupak za njegovo rješavanje koji se temelji na
odgovarajućem proračunu.
Ključni element analitičke metode ili kvantitativne analize je matematički model.
Postoje različite definicije matematičkog modela, neke su općenitije a neke se vežu uz područje
primjene. U tim definicijama se implicite ili eksplicite povezuju tri pojma: realan problem,
apstraktna matematička struktura i njihovo povezivanje.
Uloga matematičkog modela u metodama odlučivanja može se najbolje objasniti pomoću
primjera. Za jednostavan problem odlučivanja o tome da li izaći s novim proizvodom na tržište
ukoliko je poznata procjena potražnje, troškovi proizvodnje i moguća cijena, može poslužiti
model točke pokrića12. Matematički model koji se koristi u tom modelu je realna funkcija dvije
varijable za koju postoji provjerena teorija koja osigurava identifikaciju razine prodaje koja
pokriva troškove. U slučaju da se donosi slična, ali puno složenija odluka, primjerice odluka o
optimalnom planu proizvodnje, potrebna je složenija teorija za izradu matematičkog modela,
koja se naziva linearno programiranje. Ta teorija razvijena je u okviru linearne algebre. Opći

12
problem linearnog programiranja konkretizira se u matematičkim modelima za rješavanje niza
realnih problema planiranja, različitim varijacijama transportnih problema, problema
raspoređivanja poslova i drugim problemima koji se najčešće izučavaju u okviru posebne
discipline operacijska istraživanja.
Bitni elementi matematičkog modela i njegova uloga u procesu transformacije inputa
(kontroliranih i nekontroliranih) u outpute za slučaj problema linearnog programiranja prikazani
su na slici (Slika Metode za odlučivanje.5) uz pomoć jednostavnog primjera13.

Nekontrolirani inputi
Nekontrolirani inputi
(faktori okruženja)
(faktori okruženja)
Profit po jednom proizvodu 10 nj
Profit po jednom proizvodu 10 nj
Potrebno vrijeme/proizv 5 sati
Potrebno vrijeme/proizv 5 sati
Raspoloživ kapacitet 40 sati
Raspoloživ kapacitet 40 sati

Kontrolirani inputi Matematički model Output (rezultat)

Kontrolirani inputi Matematički model Output (rezultat)
(varijable odluke) Max 10x
(varijable odluke) Max 10x
Plan proizvodnje 5x40 Profit(8)=80 nj
Plan proizvodnje 5x40 Profit(8)=80 nj
(količina) x x0 Iskorišteno vrijeme=40
(količina) x x0 Iskorišteno vrijeme=40
sati
sati

Slika Metode za odlučivanje.5 Matematički model problema linearnog programiranja

Na slici (Slika Metode za odlučivanje.5) prikazani su bitni elementi matematičkog modela
linearnog programiranja. Model se odnosi na određivanje optimalnog plana proizvodnje. Za
proces proizvodnje donositelj odluke ima na raspolaganju 40 sati. Poznato je da tržište
omogućuje postizanje 10 novčanih jedinica (nj) profita po proizvodu, a potrebno vrijeme za
izradu proizvoda je 5 sati. Te dvije veličine su posljedica okolnosti na koje donositelj odluke ne
može utjecati, preciznije, model se radi za situaciju u kojoj se ne predviđa mogućnost utjecaja na
potražnju i način proizvodnje. Varijabla, koja je pod kontrolom donositelja odluke, je količina
proizvoda x . Funkcija cilja, koja pomaže da se izračuna optimalan plan proizvodnje, je funkcija
profita za koju se pretpostavlja da je linearna. Maksimalna vrijednost za tu funkciju traži se uz
ograničenje raspoloživog vremena i to ograničenje modelira se linearnom nejednadžbom

13
5 x �40 , i uz zahtjev da broj proizvoda bude nenegativan što je u modelu osigurano
nejednadžbom x �0 . Rješavanjem pridruženog problema linearnog programiranja dobije se
optimalna vrijednost funkcije cilja 80 nj, temeljem optimalnog plana proizvodnje 8 komada
proizvoda uz potpuno iskorištenje raspoloživog proizvodnog kapaciteta od 40 sati.

Prednosti i nedostaci analitičkih metoda

Velik je propust ukoliko se u procesu donošenju odluke ne koriste raspoloživi podaci koji
mogu utjecati na postizanje ciljeva odluke. S druge pak strane, takve analize i obrade mogu
zahtijevati značajno vrijeme koje odgađa donošenje odluke i smanjuje njezinu kvalitetu, te
resurse koji, zbog dodatnih troškova, ugrožavaju isplativost provođenja odluke. Osim toga, čak i
najsofisticiraniji matematički modeli u kombinaciji s raspoloživim podacima ne garantiraju
kvalitetu odluke.
U sektoru financijskih usluga postoje brojni primjeri 14 odluka donošenih na temelju sofisticiranih
kvantitativnih modela koje nisu dovele do ostvarivanja planiranih ciljeva – povećanog prinosa
ulagača, smanjenog rizika i slično. Upravljanje fondom Long-Term Capital Management
temeljem savjeta dobitnika15 Nobelove nagrade za model cijene opcija (R. H. Merton, M. S.
Scholes), uzrokovalo je jednu od najvećih svjetskih financijskih kriza. Poruka iz takvih slučajeva
je jednostavna; analitički postupak i matematički model sami po sebi ne garantiraju kvalitetu
odluke.
Analitički postupak treba primjenjivati u situaciji kad su ispunjeni uvjeti za to i kad postoji
potreba za tim, što se može provjeriti procedurom prikazanom na slici 9.3 .
S druge pak strane, izbjegavanje analitičkih modela, s izgovorom oslanjanja na iskustvo i
intuiciju, također dovodi do krivih odluka. Postoje situacije i uvjeti u kojima odluke treba
donijeti bez nepotrebnih analiza ili gubljenja vremena u traženja podataka koji ne postoje. Brojne
važne odluke u kojima nema vremena za analitičke pripreme donose liječnici, vojnici,
vatrogasci, sportaši i druge osobe koje su izložene situacijama kad treba brzo reagirati na poznati
ili novi poticaj. U takvim odlukama važnu ulogu igra intuicija temeljena na iskustvu i treninzima
iako se odluka možda donosi u novoj situaciji.

10.1.8 Tipologija metoda za analizu odluke

14
 Metode odlučivanja mogu se klasificirati po različitim kriterijima. Može se npr. govoriti o
metodama za pojedinačno odlučivanje i odlučivanje u timu (grupi). Metode se mogu klasificirati
i po tome kakvu vrstu informacija koriste, tj. pomoću koje ljestvice (ljestvice) su izražene
vrijednosti atributa pomoću kojih su opisane inačice rješenja problema.
Jedna od klasifikacija u kojoj je naglasak na vrsti matematičkih modela koji se u njima
koriste i načinu na koji je zadan skup inačica prikazana je u tablici (Tablica Metode za
odlučivanje.4). U toj klasifikaciji metode se razlikuju po načinu na koji su zadane inačice
rješenja problema i po tome da li kao ulazne podatke zahtijevaju determinističke vrijednosti ili
mogu obrađivati stohastičke podatke.

Tablica Metode za odlučivanje.4 Tipologija metoda za višekriterijsko odlučivanje

Implicitna ograničenja
(eksplicitna rješenja)
Izbor između determinističkih
Determinističke
diskretnih inačica ili
posljedice
Deterministička analiza odluke
Stohastičke Stohastička analiza
posljedice odluke
Eksplicitna ograničenja
(implicitna rješenja)
Determinističko matematičko
programiranje
Stohastičko matematičko
programiranje

Metode pod zajedničkim nazivom matematičko programiranje16 koje se koriste kad je

skup inačica opisan implicitno pomoću ograničenja izučavaju se u okviru posebnih kolegija u
području operacijskih istraživanja. U ovoj knjizi prikazuje se izbor metoda koje spadaju u prvi
stupac u tablici (Tablica Metode za odlučivanje.4). Te metode su ključne za analizu složenih
odluka jer su najizrazitija obilježja takvih odluka: (i) postojanje više ciljeva koji se nastoje
ostvariti i (ii) nesigurnost, odnosno rizik. U situacijama kad treba voditi računa o više ciljeva,
javlja se problem konflikta među njima i potrebe za procjenom kompenzacijskih efekata –
povećanje vrijednosti jednog cilja plaća se smanjenjem vrijednosti postignuća nekog drugog.
Zbog različite važnosti ciljeva koji se žele postići odlukom svi kriteriji za procjene inačica
nemaju jednaku važnost. Metode koje se koriste za rješavanje takvih problema, čiji generički
opis je prikazan u polju (1,1) tablice (Tablica Metode za odlučivanje.4), zovu se metode
višekriterijalnog ili višeatributnog odlučivanja. Ovi pojmovi mogu se koristiti kao sinonimi jer se
inačice opisuju atributima, a ti atributi postaju kriteriji za njihovo uspoređivanje.
Iako se metode za analizu odluke u uvjetima nesigurnosti i rizika prikazuju odvojeno od
metoda za analizu odluka u uvjetima determinizma, treba reći da se u preostale metode aspekt

15
rizika i nesigurnosti analizira i ugrađuje u odluku implicitno. Drugim riječima, on se ne modelira
posebno, iako se i o tom aspektu treba voditi računa. Budući da je za odabir odgovarajuće
metode za analizu odluke značajan podatak o tome s kakvim informacijama raspolaže donositelj
odluke, korisna je podjela tih metoda i na toj osnovi. Jedna od najpoznatijih takvih podjela je
podjela koja se daje u tablici (Tablica Metode za odlučivanje.5)17.
Tablica Metode za odlučivanje.5 Metode za višeatributno odlučivanje
Informacije Značajne osobine
Glavne metode
donositelja odluke informacija
Po dominaciji
Bez informacija Maximin
Maximax
Konjunktivna metoda
Standardna razina
Disjunktivna metoda
Leksikografska metoda
Ordinalne Eliminacija po aspektu
Višeatributno odlučivanje

Metoda permutacije

Informacije o Metoda linearne asignacije

atributima Zbrajanje ponderiranih vrijednosti
Hijerarhijsko zbrajanje težina
Kardinalne
ELECTRE
TOPSIS
PROMETHEE
Granična stopa
Hijerarhijske zamjene
supstitucije
AHP
Preferencije u parovima LINMAP
Informacije o
Interaktivna SAW metoda
inačicama
Uređaj po međusobnoj Multidimenzionalno ljestviciranje s
udaljenosti u parovima idealnom točkom

Ovom podjelom metode su poredane u skupine od jednostavnijih prema složenijima. U

prvoj skupini metoda (Po dominaciji, Maximin, Maximax) su metode koje za uspoređivanje
inačica ne traže informacije o međusobnom odnosu atributa poput redoslijeda njihovih važnosti
ili odnosa njihovih važnosti izraženih težinama koje se koriste kao ponderi u algoritmima za
računanje ukupnih vrijednosti inačica. To su jednostavna pravila za odabir koja se najčešće
koriste u heuristikama.
U drugoj skupini su Konjunktivna i disjunktivna metoda, koje se svode na ispitivanje
uvjeta koji su formulirani u obliku „i - i“ odnosno „ili - ili“ i za njihovu primjenu dovoljno je
znati vrijednosti atributa bez potrebe za kvalitetnijim informacijama koje omogućuju određivanje

16
njihovih prioriteta ili težina. Za primjenu tih metoda dovoljno je raspolagati s podacima koje
sadrži početna tablica odlučivanja bez njihovih transformacija ili preračunavanja. Ukoliko se na
temelju podataka o inačicama one mogu rangirati po svakom od kriterija, te ukoliko je poznat
redoslijed kriterija po važnosti (nije potrebno poznavati težine kriterija), mogu se koristiti
složenije metode koje zbog toga spadaju u zajedničku skupinu, poput leksikografske metode,
eliminacije po aspektu i metode permutacije. Sve ove nabrojene metode, osim metode
permutacije, koriste se u heuristikama uz pomoć kojih se donosi velik broj osobnih i poslovnih
odluka. Što se tiče kvalitete odluka u čijem donošenju se koriste nabrojene metode, treba reći da
su te odluke zadovoljavajuće i nema kriterija za procjenu njihove optimalnosti. Zajedničko
svojstvo ovih metoda je da je za njihovu primjenu dovoljno da kriterijske vrijednosti budu
izražene ordinalnim ljestvicama, tj. dovoljno je da se inačice mogu poredati (urediti) po
pojedinom atributu, iako se te metode mogu primijeniti i u slučajevima kad se raspolaže s
kvalitetnijim informacijama o atributima, tj. kad su oni izraženi pomoću intervalne ili omjerne
ljestvice. Za iduću grupu metoda potrebne su kvalitetnije informacije, tj. kriterijske vrijednosti
moraju biti izražene pomoću intervalnih ili omjernih (kardinalnih) ljestvica. Ove metode
omogućuju da se u odluku ugrade informacije o prioritetima među kriterijima i njihovim
težinama. Iz te grupe metoda prikazat će se metode Zbrajanje ponderiranih vrijednosti,
ELECTRE18 i TOPSIS19, a taj odabir načinjen je prema njihovim svojstvima koje ih čine
pogodnima za određen tip problema. Posljednju grupu metoda čine metode koje zahtijevaju
složeniji input, donositelj odluke mora biti u stanju dati procjenu omjera važnosti inačica u
parovima. Od tih metoda detaljno će biti prikazana metoda Analitički hijerarhijski proces (AHP)
za koju se može reći da je najpopularnija od njih.

10.2 Heuristike u odlučivanju i njihova ograničenja

U svakodnevnom odlučivanju ljudi koriste različita pravila u uspoređivanju alternativnih

načina djelovanja bilo da se radi o uspoređivanju nekoliko mogućnosti ili se radi o
jednostavnijem procesu brzog pretraživanja mogućih načina djelovanja. Te heuristike 20 proizlaze
iz iskustva, a formiraju se kroz učestalo izlaganje situacijama u kojima pojedinac mora donositi
slične odluke. Činjenica je da brojne heuristike imaju dokazanu praktičnu vrijednost jer se
pomoću njih rješavaju problemi „u hodu“ bez dubljih i složenih analiza, ali one imaju i
nedostatke koji predstavljaju izvor rizika ukoliko se poslovno odlučivanje temelji samo na njima.

17
 Od brojnih heuristika koje su prepoznate od strane biheviorista neophodno je opisati
nekolicinu njih koje imaju dokazanu vrijednost za donošenje odluka temeljem više kriterija i to:
 Minimalistička strategija
 Leksikografska strategija
 Pseudoleksikografska strategija
 Eliminacija po aspektu
 Zadovoljavajuća odluka
 Izbor temeljen na razlozima.

Minimalistička strategija sastoji se u tome da se za uspoređivanje dviju mogućnosti odabere

neki od atributa koji su važni za donositelja odluke. Ukoliko se temeljem tog atributa može dati
prednost jednoj od opcija odluka je donesena. Izbor atributa koji se koristi za diskriminaciju
inačica je slučajan, što znači da se ne temelji se na analizi njihovih prioriteta. Ukoliko se po
takvom slučajno odabranom atributu opcije ne razlikuju bitno, razmatraju se razlike po nekom
drugom, također slučajno odabranom atributu. Primjer za takvo odlučivanje je usporedba dva
artikla po cijeni i odabir jeftinijeg. Ukoliko se razlika u cijeni ne smatra značajnom, kupac
odabire neki drugi atribut, npr. ambalažu i po njemu uspoređuje artikle. Implicitna pretpostavka u
primjeni ove heuristike je da se opcije koje su uspoređivane ne razlikuju po ostalim atributima u
tolikoj mjeri da bi to bilo bitno za posljedice odluke o izboru.

Leksikografska strategija temelji se na leksikografskom uređaju koji je poznat iz služenja

leksikonima, rječnicima i sličnim izvorima u kojima su pojmovi poredani temeljem prioriteta
slova u abecedi. Korištenje leksikografskog uređaja u uspoređivanju inačica pretpostavlja
postojanje prioriteta među atributima koje donositelj odluke koristi kao kriterije. Poznate inačice
donositelj odluke najprije uspoređuje po najvažnijem kriteriju. Ukoliko se inačice razlikuju po
tom kriteriju, bira se ona koja je bolja po njemu, a razlike po preostalim kriterijima se ne
razmatraju. Ukoliko se po razmatranom kriteriju inačice ne razlikuju, prelazi se na sljedeći
kriterij. Bitan nedostatak ovog pravila je taj da se zbog malo slabije vrijednosti u najvažnijem
kriteriju može propustiti inačica koja je bitno bolja u ostalim kriterijima. Primjerice, ukoliko se
kod kupnje automobila cijena smatra najvažnijim kriterijem može se dogoditi da se zbog male
razlike u cijeni odbaci automobil koji po ostalim performansama nadmašuje onaj koji je odabran

18
samo zato jer je jeftiniji. Kao primjer može se navesti i način uspoređivanja uspješnosti država
sudionica olimpijskih igara kod kojeg se prvo broje zlatne medalje, a tek onda srebrne i
brončane. Jedna zlatna medalja stavlja državu ispred svih onih koje nemaju zlatnu medalju bez
obzira na ukupna broj osvojenih medalja.
Strategija odlučivanja koja se temelji na leksikografskom uređaju je nekompenzatorna –
nedostatak u jednom kriteriju nije moguće kompenzirati prednostima u kriterijima koji su po
važnosti rangirani poslije njega.
Umjesto strogog leksikografskog uređaja u praksi se češće koristi njegova modificirana varijanta
tzv. pseudoleksikografski uređaj21. Koristi li se isti primjer, pomoću kojeg je objašnjen pojam
leksikografskog uređaja, tj. kupnja automobila, složit ćemo se s tvrdnjom da se rijetko odbacuje
mogućnost kupnje malo skupljeg automobila ukoliko on zadovoljava naše potrebe u većoj mjeri
nego onaj kojeg bi odabrali da dosljedno biramo po leksikografskom principu smatrajući kriterij
cijene najvažnijim. Dakle, donositelj odluke ima osobni osjećaj za raspon cijena u kojem ne
smatra razliku u cijeni dvaju automobila značajnom u tolikoj mjeri da bi ta razlika bila bitna za
odluku. Zanimljivo je da ta razlika u cijeni, po kojoj se dva automobila smatraju jednako
prihvatljivima („tu su negdje“), nije nepromjenjiva, tj. nju smo spremni mijenjati temeljem
analize kompenzacije razlike u cijeni prednostima u ostalim svojstvima.
Ovo pravilo se često koristi u praksi, ali ima ozbiljan nedostatak jer je kontradiktorno
temeljnom aksiomu racionalnog odlučivanja, tranzitivnosti. U racionalnom odlučivanju ukoliko
se inačici A daje prednost pred inačicom B, a inačici B prednost pred inačicom C, inačici A mora
se dati prednost pred inačicom C. Dosljedno tom principu, ukoliko se inačica A smatra jednakom
inačici B, ova pak jednakom inačici C, inačica A mora se smatrati jednakom inačici C.
Pseudoleksikografski uređaj krši taj princip jer iz pretpostavki „Razlika između inačica A i B nije
značajna u tolikoj mjeri da bi se dala prednost jednoj od njih“ i „Razlika između B i C nije
značajna...“ nužno ne proizlazi zaključak „Razlika između A i C nije značajna“.

Eliminacija po aspektu pretpostavlja da su atributi koji se koriste kao kriteriji u odlučivanju

poredani po važnosti i da je određen prag eliminacije za svaki atribut. Prag eliminacije je
vrijednost atributa koju mora zadovoljiti inačica da bi bila prihvatljiva. Postupak se provodi tako
da se razmatra najvažniji atribut i odbace sve inačice koje ne prelaze prag eliminacije po tom
atributu. Ukoliko je preostalo više od jedne inačice, odabire se atribut idući po važnosti i

19
ponavlja se postupak eliminacije. Postupak se provodi iterativno tako dugo dok ne preostane
samo jedna inačica. Ovaj postupak se široko primjenjuje i ima svoje prednosti i nedostatke. U
prepoznavanju dobrih i slabih strana ovog postupka ponovno će poslužiti primjer kupnje
automobila. U tablici (Tablica Metode za odlučivanje.6) navedeni su podaci o kriterijima koji se
koriste kod donošenja odluke o kupnji automobila i pragovima eliminacije po tim kriterijima.

Tablica Metode za odlučivanje.6 Kriteriji poredani po važnosti i pragovi eliminacije

Kriterij (atribut) Prag eliminacije
1. Udobnost minimalno 4 sjedala
2. Cijena maksimalno 15.000 €
3. Starost vozila ne više od 4 godine
4. Snaga motora ne manje od 75 kw
5. Prijeđena udaljenost ne više od 80.000 km

Sukladno podacima iz tablice, prvi korak u procesu donošenja odluke je eliminacija iz

razmatranja svih automobila koji nemaju četiri sjedala. Potom se eliminiraju oni koji su skuplji
od 15.000 €. Nakon toga se prelazi na idući aspekt, starost vozila, i eliminiraju se svi automobili
koji su stariji od četiri godine. Sljedeći aspekt koji se razmatra je snaga motora i eliminiraju se
svi automobili čiji motor ima snagu manju od 75 kw. Potom se eliminiraju vozila koja su prešla
više od 80.000 km. Ukoliko je preostalo više od jednog vozila, u razmatranje se uvode novi
aspekti poput stanja vozila, elementi komfora itd. Naravno, odabir aspekata za eliminaciju i
redoslijed eliminacije je subjektivna stvar donositelja odluke.
Prednosti ovog postupka su jednostavnost za provođenje i potreba da se donositelj odluke
usredotoči samo na jedan aspekt s kojeg procjenjuje inačice. Za donositelje odluka je to važno
zbog problema ograničenih mogućnosti procesiranja velike količine informacija. Bitan
nedostatak ove heurističke metode je taj da je ona nekompenzatorna, što znači da se nedostaci u
jednom aspektu ne mogu nadoknaditi prednostima u drugim aspektima. Ovaj postupak dovodi do
toga da će se eliminirati automobil zbog toga što prelazi cijenu od 15.500 €, a da se neće uočiti
da je u odličnom stanju, s malo prijeđenih km i ne pretjerano star, a odabrat će se automobil koji
je u okviru zadane cijene, ali i definitivno slabiji po svim ostalim performansama.
U nekim problemima odlučivanja cjelovit skup inačica nije poznat pa se donositelj odluke koristi
heuristikom zadovoljavajuće odluke. Takvi su problemi npr. traženje odgovarajućeg posla,
kupnja kuće ili stana i slični. Čak i kod donošenja nekih od najvažnijih životnih odluka, poput

20
traženja bračnog partnera, spremni smo donijeti odluku iako ne postoji dokaz da je u obzir uzet
cijeli skup mogućih inačica.
Postupak koji u takvim slučajevima primjenjuje donositelj odluke objasnio je H.A. Simon i za taj
doprinos deskriptivnoj teoriji odlučivanja dobio Nobelovu nagradu 22. Za donošenje odluke u
situaciji kakva je traženje posla ili traženje stana, ključno je da postoje razine aspiracije za svaki
aspekt koji se razmatra i koristi kao kriterij odlučivanja. Pod razinom aspiracije podrazumijeva
se vrijednost atributa (kriterija) s kojom je donositelj odluke zadovoljan i ne traži više od toga. U
konkretnom slučaju, ako donositelj odluke ima ideju o zadovoljavajućoj plaći, zadovoljavajućim
uvjetima na radu i minimalnom broju dana godišnjeg odmora, on će prihvatiti prvi posao koji
zadovoljava te uvjete, a neće istraživati koliku bi maksimalnu plaću uopće mogao dobiti na
tržištu rada, koji je maksimalan broj dana godišnjeg odmora koji bi se mogao dobiti, kakvi su
najbolji uvjeti rada dostupni i postoji li posao na kojem se sve to može dobiti. Slično je i s
problemom kupnje kuće (stana). Kupac ide od ponude do ponude, ima ideju o prihvatljivoj
cijeni, željenoj udobnosti, lokaciji, poželjnom okolišu i kad naiđe na kuću koja zadovoljava
razinu njegovih očekivanja odlućčuje se na kupnju. Dakle, donositelj odluke ne teži
maksimalno23 dobroj odluci nego mu je dobro zadovoljavajuće rješenje, tj. inačica koja u svim
važnim aspektima postiže zadovoljavajuće razine vrijednosti. Takav pristup u skladu je s
konceptom ograničene racionalnosti.
Kako bi se objasnila heuristika izbora temeljenog na razlozima24, koristi se primjer
preuzet iz knjige P. Goodwin i G. Wright, budući da je taj primjer korišten i u konkretnom
istraživanju25 (eksperimentu) ponašanja donositelja odluke. Svrha primjera je da se objasni kako
odluka o izboru ovisi o načinu kako se prezentira problem. Problem se sastoji u odabiru jednog
od dva kandidata za određeni posao. Kandidati su opisani pomoću bitnih karakteristika za taj
posao prikazanih u tablici (Tablica Metode za odlučivanje.7).

Tablica Metode za odlučivanje.7 Opisi kandidata za posao

Kandidat A
Prosječne vještine pismenog komuniciranja
Zadovoljavajući podaci o izostancima s posla
Prosječna računarska pismenost
Prihvatljive interpersonalne vještine
Prosječna razina numeričke pismenosti
Prosječna vještina komuniciranja telefonom
Kandidat B
Odlične vještine pismenog komuniciranja
Vrlo dobro izvješće o izostancima s posla
Visoka razina računarske pismenosti
Nespretan u ophođenju s drugima
Slaba matematička pismenost
Slabe vještine komuniciranja telefonom

21
 Sudionicima eksperimenta koji su igrali ulogu donositelja odluke postavljeno je pitanje
“Kojeg kandidata izabrati?“. Većina ih je odabrala kandidata B. Kad je postavljeno pitanje
„Kojeg kandidata odbaciti?“, opet je većina ispitanika odabrala kandidata B. Ovo ponašanje
donositelja odluke u kontradikciji je s jednim od temeljnih načela racionalnog odlučivanja prema
kojem odluka treba biti invarijantna u odnosu na okvir u kojem se problem rješava. Kad je
problem odabira rješavan u okviru traženja kandidata za posao, naglasak je bio na dobrim
osobinama i po njima je kandidat B odabran kao bolji. U okviru eliminacije kandidata, naglasak
je bio na slabostima i opet je kandidat B dobio prednost. Objašnjenje tog psihološkog fenomena
koji ukazuje na utjecaj okvira za odlučivanje na nekonzistentnost donositelja odluke je to da su
se donositelji odluke prilikom donošenja odluke fokusirali na one atribute koji su povezaniji s
razlogom odabira.

10.3 Složenije metode za višekriterijsko odlučivanje

U problemima i metodama višeatributnog odlučivanja za opis i razlikovanje inačica

koriste se pojmovi kriteriji (engl. criteria, objectives), atributi (engl. attributes) i ciljevi (engl.
goals, targets). Ponekad se ti pojmovi koriste kao sinonimi i njihova preciznija interpretacija se
veže uz kontekst, međutim ipak postoji razlika među njima. Pod kriterijima se najčešće
podrazumijevaju numeričke funkcije koje treba maksimizirati ili minimizirati, pod atributima
osobine, odnosno svojstva pojedinih inačica, a pod ciljevima prethodno zadane vrijednosti nekih
pokazatelja ili razine koje želimo postići. Ciljevi se moraju ostvariti, prebaciti ili ako imaju
karakter troška premašiti, pa ih često razmatramo u obliku ograničenja koja pomažu da se suzi
skup inačica. Uobičajeno je da u problemu odlučivanja postoji konačan broj poznatih inačica, te
da za njihovo uspoređivanje donositelj odluke koristi različite atribute kojima se one mogu
opisati. Svaki od atributa predstavlja neko od svojstava inačica bitno za postizanje cilja(ciljeva)
koji(e) donositelj odluke želi postići rješavajući svoj problem. Da bi ti atributi mogli poslužiti
kao kriteriji u odlučivanju oni moraju biti mjerljivi. Ako se kao kriteriji za odlučivanje koriste
neka fizikalna svojstva poput npr. težine, dimenzije i slično, mogu se koristiti standardne
ljestvice za izražavanje tog svojstva. U poslovnim problemima za uspoređivanje različitih
varijanti odluka kao kriteriji se koriste pokazatelji uspješnosti koji se mogu izraziti u novčanim
iznosima, ali i u složenijim oblicima kao omjeri nekih drugih pokazatelja. Pri tom se javlja

22
problem da mjerne ljestvice, pomoću kojih se izražavaju različiti intenziteti tih atributa ne
moraju biti usporedive.
Dodatnu složenost u probleme višekriterijskog odlučivanja unosi činjenica da svi kriteriji
odlučivanja ne moraju biti jednako važni. To su sve važni problemski aspekti realnih problema
odlučivanja s više inačica i kriterija. Pojednostavljivanje realne situacije zanemarivanjem nekog
od tih aspekata povećava rizik donošenja manje kvalitetne odluke. S druge pak strane, nastojanje
da se što više tih aspekata obuhvati u analizi odluke traži složenije metode višekriterijskog
odlučivanja.

10.3.1 Tablica odlučivanja

Formalni zapis problema višekriterijskog odlučivanja je tablica odlučivanja. U toj tablici

navode se podaci o inačicama bitni za donošenje odluke. Osim zaglavlja s opisom elemenata
tablice, tablica sadrži toliko redova koliko ima inačica koje se razmatraju i toliko stupaca koliko
ima kriterija koji se koriste za njihovo vrednovanje. Ukoliko svi kriteriji nisu jednako važni,
tablica sadrži i red u kojem su navedene njihove težine. Svaka od inačica iz skupa inačica
A={a1,a2,...,an} opisana je s k atributa. Svaki od tih atributa je jedna funkcija koja svakoj inačici
pridružuje odgovarajuću vrijednost. Označimo te funkcije (kriterije) s f 1 ,f 2 ,...,f k . Kriteriji f j
mogu biti kriteriji koristi (veće je bolje, npr. profit kao kriterij odlučivanja) ili kriteriji troška
(manje je bolje, npr. cijena robe ili usluge ili neki specifičan trošak). Problem odlučivanja sastoji
se u tome da se identificira ona inačica iz skupa A koja je najbolja u odnosu na sve kriterije.
Ukoliko pretpostavimo da su svi kriteriji kriteriji koristi (kriterij troška se prevodi u kriterij
koristi tako da se kriterijske vrijednosti zamijene njihovim recipročnim vrijednostima), ovaj
problem može se formalno zapisati u obliku:
max f 1  a  , f 2  a  ,..., f k  a  / a  A .
U problemima odlučivanja svi kriteriji ne moraju biti jednako važni. Zbog toga im se
pridružuju težine ili relativne vrijednosti (ponderi) w1 , w2 ,..., wk . Sve ove informacije i podaci
bitni za rješavanje problema višekriterijskog odlučivanja mogu se prikazati u obliku tablice
vrijednosti (Tablica Metode za odlučivanje.8).
Tablica Metode za odlučivanje.8 Tablica odlučivanja

23
 f 1   f 2   ... f j   ... f k  
w1 w2 ... wj ... wk
a1 f 1  a1  f 2  a1  ... f j  a1  ... f k  a1 
a2 f 1  a 2  f 2  a2  ... f j  a2  ... f k  a2 
… … … … … … …
ai f1  ai  f 2  ai  ... f j  ai  ... f k  ai 
… ... ... ... ... ...
an f 1  a n  f 2  an  ... f j  an  ... f k  an 

U nastavku opisan je primjer raspisivanja natječaja za obavljanje određenih građevinskih

radova (Odabir izvođača radova). Standardni kriteriji26 koji se koriste za odabir dobavljača u
takvoj vrsti natječaja su cijena, rok u kojem će se obaviti radovi, bonitet dobavljača i preporuke.
Svaki od ovih kriterija ukazuje na pojedini aspekt važan za naručitelja i kad se ponude
uspoređuju te pojedinačne vrijednosti integriraju se u ukupnu vrijednost ponude.

Tablica Metode za odlučivanje.9 Tablica odlučivanja za Odabir izvođača radova

Cijena Rok Preporuke Bonitet
Težine wc wr wp wb
Tip kriterija min min max max
Jedinica kn(mil) dani bodovi bodovi
Tempo 2,10 60 3 10
Konstruktor 2,30 65 2 4
Zagorje 1,80 70 5 6
Tehnobeton 1,90 80 4 10
Grad 2,00 70 4 7

U ovom primjeru vidljive su gotovo sve karakteristike višekriterijskih problema pa će se

pomoću njega ilustrirati i odabrane metode višekriterijskog odlučivanja. Problemi s kojima se
donositelj odluke suočava kod odabira najpovoljnije ponude proizlaze iz činjenice da se
performanse natjecatelja izražavaju u različitim jedinicama (cijena u novčanim jedinicama,
rokovi u danima, dok se za ocjenjivanje boniteta i preporuka ponuđača u ovom primjeru koriste
kvalitativne bodovne ljestvice s 5 i 10 stupnjeva). Nadalje, svi kriteriji nisu jednako važni i neki
od njih su troškovnog tipa („manje je bolje“, npr. cijena), drugi su tipa koristi („veće je bolje“,
npr. snaga motora), a treći nisu ni jedno ni drugo („nije dobro niti previše niti premalo“ npr.
koncentracija šećera u kavi).
24
Algoritam za odabir najpovoljnije ponude treba biti takav da omogućuje minimaliziranje
troškovnih kriterija i maksimaliziranje kriterija koristi. Jednostavna ideja koja se nameće, a koja
je u temeljima većine metoda višekriterijskog odlučivanja, je ta da se ukupna vrijednost svake
ponude izračuna tako da se zbroje vrijednosti svakog od aspekata važnih donositelju odluke.
Temeljem podataka o potencijalnim izvođačima radova, u obliku u kojem su dani u tablici
(Tablica Metode za odlučivanje.9), nije moguće identificirati najbolju ponudu jer nije moguće
izračunati ukupne vrijednosti pojedinačnih ponuda zbog toga što su kriterijske vrijednosti
izražene u različitim mjernim jedinicam. Dakle, tablica odlučivanja u svom izvornom obliku, u
kojem su inačice opisane pomoću atributa koji se koriste kao kriteriji, nije pogodna za primjenu
algoritama u kojima se koriste računski postupci. Također, treba znati kako kod vrednovanja i
uspoređivanja ponuda koje se razmatraju uzeti u obzir činjenicu da svi kriteriji nisu jednako
važni.

10.3.2 Ljestvice kriterijskih vrijednosti

Za izražavanje kriterijskih vrijednosti (mjerenje atributa, mjerenje količine) koriste se

različite vrste mjernih ljestvica od kojih su za višekriterijsku analizu odluke najvažnije ordinalne
(redne), intervalne i omjerne ljestvice.
Nominalna ljestvica je najjednostavnija ljestvica koja se koristi u opisivanju različitih
objekata. Podaci izraženi pomoću te ljestvice nisu korisni za uspoređivanje inačica odluka, jer ne
omogućuju njihovo rangiranje niti je moguće provoditi kvantitativnu analizu tih podataka.
Temeljem obilježja koja se izražavaju pomoću nominalnih ljestvica objekti se svrstavaju u grupe
ili kategorije. Na takvim podacima mogu se provoditi samo najjednostavnije statističke operacije
poput zbrajanja i izračunavanja frekvencija. Nominalne ljestvice koriste se za prikupljanje
podataka poput spola, pripadnosti različitim skupinama poput političkih stranaka, polaznicima
različitih studija i slično.
Ordinalna ljestvica uspostavlja rang (poredak) između entiteta koji se uspoređuju uz
pomoć te ljestvice, ali ne govori ništa o relativnoj udaljenosti između različitih pozicija na
ljestvici. To je jednostavno ljestvica za rangiranje, a ne izražavanje kvantitativne razlike između
entiteta koji se uspoređuju po nekoj osobini. Kada se neki entiteti rangiraju kao A, B i C, ne zna
se da li je razlika između A i B veća ili manja u odnosu na razliku između B i C.

25
 Intervalna ljestvica pretpostavlja jednake intervale među jedinicama na toj ljestvici i
pozicija na toj ljestvici određuje udaljenost od dogovorno postavljenog ishodišta (početne
vrijednosti ljestvice). Primjeri takvih ljestvica su ljestvice za mjerenje temperature, mjeri li se
temperatura u stupnjevima Celzijusa (0C) ili u Farebhajtima (0F) te ljestvice nemaju isto
ishodište. Ukoliko se za opisivanje nekog atributa koji se koristi kao kriterij za odlučivanje
koristi intervalna ljestvica, treba biti oprezan s pridruživanjem vrijednosti tom atributu. Naime,
skloni smo pojednostavnjivati taj postupak po principu „dvostruko veći broj – dvostruko veća
vrijednost“. To dovodi do toga da se voda čija je temperatura 40 0 C procjenjuje „dvostruko
toplijom“ od vode čija je temperatura 200C , a ukoliko se temperatura tih istih voda mjeri u 0F
dolazi do problema s konzistentnošću prenošenja odnosa tih vrijednosti u relativni odnos osjećaja
topline jer ista „dvostruko toplija voda“ nema dvostruko veću temperaturu kao što nju ima kad se
mjeri u 0C .
Omjerna ljestvica ima jednake intervale među jedinicama i određuje razliku ili
udaljenost od prirodno zadanog ishodišta kojem se pridružuje vrijednost 0. Takve ljestvice
koriste se za mjerenje svojstava poput težina, volumena, troškova, visine, brzine itd. Drugi naziv
za omjernu ljestvicu je kardinalna ljestvica. Ova ljestvica je najvrednija sa stajališta analize
odluke jer omogućuje provođenje računskih postupaka čija suština je računanje ukupne
vrijednosti inačice na temelju različitih vrijednosnih aspekata.

Ključne razlike između opisanih ljestvica mogu se prikazati jednostavnim primjerom.

Pretpostavi li se da imamo dva objekta A i B, pri čemu je objekt A težak 10 tona, a objekt B 20
tona. Kaže li se da je objekt B teži od objekta A koristi se smo ordinalna ljestvica. Ako se
kaže da je objekt B za 10 t teži od objekta A koristi se intervalna ljestvica, a ako se kaže da je
objekt B dva puta teži od objekta A koristi se omjerna ljestvica. Stoga treba naglasiti da su
intervalna i omjerna ljestvica kvantitativne ljestvice mjerenja. Intervalne ljestvice su sa stajališta
analize odluke inferiorne u odnosu na omjerne ljestvice. S aspekta analize odluke, ključno
svojstvo omjernih ljestvica je postojanje ishodišta kojem se pridružuje vrijednost nula. Ukoliko
je vrijednost nekog atributa nula, to znači da promatrani objekt ne posjeduje svojstvo koje se
mjeri tim atributom. Kod intervalne ljestvice, npr. kad se mjeri temperatura u 0C, činjenica da se
izmjeri temperatura objekta 00C ne povlači zaključak da objekt nema toplinu. Međutim, ukoliko
se za mjerenje temperature koristi Kelvinova ljestvica, 0 0 na toj ljestvici je „prirodna nula“, ne

26
postoji temperatura koja bi bila niža od one koja se izmjeri s tim intenzitetom. Ukoliko se koristi
Kelvinova ljestvica za mjerenje temperature, smije se reći da je objekt čija je izmjerena
temperatura 2000 dvostruko topliji od objekta čija temperatura iznosi 1000.
U praksi se u istom višekriterijskom problemu odlučivanja mogu pojaviti različite
ljestvice, kao što je to slučaj kod Odabira izvođača radova. Osim toga, čak i kada se radi o
problemu u kojem se koristi isti tip ljestvica, npr. omjerne ljestvice, kriteriji mogu biti takvi da se
izražavaju u različitim jedinicama, npr. novčanim iznosima, težini, dimenzijama i sl. Da bi se
moglo računati s tako različitim podacima, u većini metoda za višekriterijsku analizu odluka
treba provesti postupak svođenja kriterijskih vrijednosti iz tablice odlučivanja na usporedive
ljestvice. Taj postupak zove se normalizacija. Strogo gledajući, normalizirati se mogu samo
vrijednosti atributa izražene pomoću omjernih ljestvica. U praksi se često to ograničenje ne
poštuje pa se normaliziraju i vrijednosti s ordinalnih ljestvica. Ukoliko se to radi, to znači da se
implicitno pretpostavlja da su razlike u intenzitetima svojstva, po kojem se objekti rangiraju,
između susjednih pozicija na rang listi, jednake. S takvim problemom donositelj odluke bi se
susreo ukoliko bi prilikom Odabira izvođača radova (Tablica Metode za odlučivanje.9)
preporuke bile izražene u vidu rang liste, a ne pomoću bodova. Bodovne liste se mogu tretirati
kao omjerne ljestvice ukoliko je predviđeno da se po nekom kriteriju nekoj inačici može
dodijeliti 0 bodova, kratko rečeno „nema preporuka – nula bodova“. U nastavku će se objasniti
postupak normalizacije koji je potrebno provesti u mnogim metodama za višekriterijsko
odlučivanje.

10.3.3 Normalizacija – transformacija kriterijskih vrijednosti

Podaci iz tablice odlučivanja mogu se normalizirati na nekoliko načina27, a u ovom

poglavlju opisati će se vektorska normalizacija te tri postupka linearne normalizacije
(normalizacija pomoću maksimalne vrijednosti, normalizacija rasponom i normalizacija
zbrojem) jer se ti postupci najčešće koriste u praksi. Kod objašnjavanja postupaka normalizacije
može se pretpostaviti da su svi postavljeni kriteriji kriteriji koristi. U slučaju kriterija troška („što
manje to bolje“), prvo se kriterijske vrijednosti zamijene recipročnim vrijednostima, a potom se
te vrijednosti normaliziraju. Time je taj kriterij sveden na kriterij koristi. U praksi se ponekad
odstupa od ovog postupka i izravno se normaliziraju vrijednosti troškovnih kriterija. Tako npr.

27
kada se u sustavu javne nabave ponude uspoređuju po kriteriju cijena, najniža cijena cmin postaje
najpoželjnija, za nju se dobiva maksimalan broj bodova (100% ), a broj bodova b(c) za neku
cijenu c određuje se po formuli:
cmin
b (c ) =
c

Ovim postupkom dobiju se jednake vrijednosti kao da se recipročne vrijednosti cijena

izražavaju kao postotni iznosi najveće od njih, ali ovaj postupak omogućuje intuitivnu
interpretaciju normaliziranih vrijednosti - sve su cijene „izmjerene“ najpovoljnijom, najnižom
cijenom.
Kod vektorske normalizacije svaki element tablice odlučivanja dijeli se s korijenom iz
sume kvadrata elemenata stupca kojem pripada. Ako se zbog jednostavnijeg pisanja koristi
oznaku rij za elemente normalizirane tablice odlučivanja vrijedi:
f j (ai )
rij =
m

�( f
i =1
j (ai )) 2

U praksi se ovaj postupak rjeđe koristi jer nema tako jasnu intuitivnu interpretaciju kao drugi
postupci.
U normalizaciji pomoću maksimalne kriterijske vrijednosti (postotnoj
normalizaciji) svaki element tablice odlučivanja dijeli se s maksimalnom vrijednošću stupca
kojem pripada. Time se dobivaju relativne vrijednosti u odnosu na vrijednost najbolje inačice po
promatranom kriteriju. Obično se ta vrijednost izražava u postotku.
f j (ai )
rij =
max f j (ai )
i

Očito je da vrijedi 0  rij  1 , i ocjena je to bolja što je rij bliže 1.

U normalizaciji pomoću sume transformacija podataka iz tablice odlučivanja provodi se
tako da se elementi tablice odlučivanja podijele sa sumom stupca u kojem se nalaze, tj.
f j (ai )
rij =
�fi
j (ai )

Na taj način dobiva se postotni udio svake ocjene u ukupnoj sumi svih ocjena koje su inačice
dobile po tom kriteriju (atributu).

28
 U normalizaciji pomoću raspona kriterijskih vrijednosti, kriterijske vrijednosti
zamijene se omjerom razlike između promatrane vrijednosti i najmanje vrijednosti i raspona u
kojem se kreću vrijednosti promatranog kriterija.
f j (ai ) - min f j ( ai )
rij = i
max f j (ai ) - min f j (ai )
i i

S ovim postupkom kriterijske vrijednosti svode se na raspon 0 – 1 .

Detaljnija rasprava o svojstvima i posljedicama različitih postupaka normalizacije može se naći u
radu J.C. Pomerola i S. Barba-Romera 28.

U nastavku je prikazana postotna normalizacija tablice odlučivanja za Odabir izvođača radova.

1. Prva dva kriterija su kriteriji troška pa se vrijednosti iz prva dva stupca tablice
odlučivanja zamijene svojim recipročnim vrijednostima (Tablica Metode za
odlučivanje.10).

Tablica Metode za odlučivanje.10 Svođenje kriterijskih vrijednosti na kriterije koristi

(korak 1)
Cijena Rok Preporuke Bonitet
Tempo 0,4762 0,0167 3,00 10,00
Konstruktor 0,4348 0,0154 2,00 4,00
Zagorje 0,5556 0,0143 5,00 6,00
Tehnobeton 0,5263 0,0125 4,00 10,00
Grad 0,5000 0,0143 4,00 7,00

2. Vrijednosti iz tablice (Tablica Metode za odlučivanje.10) normaliziraju se svođenjem na

raspon 0-1. Taj postupak se prikazuje na kriteriju „cijena“. Raspon kriterijskih vrijednosti
u prvom stupcu tablice je 0,5556-0,4348=0,1208 . Normalizirane vrijednosti elemenata
prvog stupca izračunaju se na slijedeći način:
a. Za prvi element (cijena ponude Tempo) izračuna se razlika između vrijednosti
koja se normalizira i najmanje vrijednosti u stupcu 0,4762-0,4348
b. Ta razlika podijeli se s rasponom vrijednosti iz prvog stupca (razlika između
najveće i najmanje vrijednosti u stupcu)

29
 0, 4762 - 0, 4348
= 0,34
0,5556 - 0, 4348
c. Istim postupkom izračunaju se ostale vrijednosti u prvom i ostalim stupcima.

Normalizirane vrijednosti tablice (Tablica Metode za odlučivanje.10) daju se u tablici (Tablica

Metode za odlučivanje.11):

Tablica Metode za odlučivanje.11 Normalizirane vrijednosti tablice odlučivanja za primjer

Odabir izvođača radova
Cijena Rok Preporuke Bonitet
Tempo 0,34 1,00 0,33 1,00
Konstruktor 0,00 0,69 0,00 0,00
Zagorje 1,00 0,43 1,00 0,33
Tehnobeton 0,76 0,00 0,67 1,00
Grad 0,54 0,43 0,67 0,50

Na temelju ovih podataka može se izračunati koja je ponuda najbolja ukoliko se pretpostavi da
svi kriteriji imaju jednaku važnost. Budući da su sve kriterijske vrijednosti transformirane u
vrijednosti „veće je bolje“ i usporedive zbog toga jer su svedene na raspon 0-1, moguće ih je
zbrojiti. Iako se već na temelju tako izračunatih ukupnih vrijednosti inačica može odrediti
njihova rang lista, uobičajeno je da se ukupne vrijednosti inačica normaliziraju izračunavanjem
odgovarajućeg udjela u zbroju vrijednosti svih inačica.
Tablica Metode za odlučivanje.12 Vrijednosti ponuda s kriterijima jednake važnosti
Ukupno Normalizirane
Cijena Rok Preporuke Bonitet vrijednosti
Tempo 0,34 1,00 0,33 1,00 2,68 0,25
Konstruktor 0,00 0,69 0,00 0,00 0,69 0,06
Zagorje 1,00 0,43 1,00 0,33 2,76 0,26
Tehnobeton 0,76 0,00 0,67 1,00 2,42 0,23
Grad 0,54 0,43 0,67 0,50 2,14 0,20

Dakle, prema vrijednostima ponuda, izračunatim u pretposljednjem i posljednjem stupcu tablice ,

najbolja ponuda je ponuda tvrtke Zagorje, a najslabija je ponuda tvrtke Konstruktor. Ovaj
jednostavan postupak ima dvije slabosti. Prvo, normalizirane kriterijske vrijednosti direktno se
interpretiraju kao mjera vrijednosti za promatrani aspekt važan donositelju odluke. To nije dobro

30
zbog toga jer se time u vrednovanje ponuda implicite ugrađuje pretpostavka o linearnosti
funkcije vrijednosti bez provjere da li ta pretpostavka stoji. Drugo, pretpostavlja se da su svi
kriteriji jednako važni također bez rasprave o tome. Ipak, navedene slabosti prikazanog postupka
nisu takvog značaja da bi trebalo odbaciti ovaj postupak. Prednosti i nedostatke odluke koja se
donosi ovom metodom bolje će se razumijeti nakon što se prouči poglavlje o funkcijama
vrijednosti.

10.3.4 Određivanje težina kriterija na temelju procjena omjera njihovih važnosti

Računanje prioriteta (težina, pondera)) kriterija na temelju procjena omjera njihovih

važnosti temelji se na matematičkom modelu koji se detaljnije objašnjava u T.L. Saaty 29 i T.
Hunjak30. Metodološka i matematička osnova te metode ukratko su objašnjeni i u poglavlju
12.1.2. U ovom podpoglavlju objašnjava se postupak računanja težina koji je vrlo jednostavan, a
daje dovoljno precizne vrijednosti težina za, primjerice, potrebu ocjenjivanja ponuda po kriteriju
ekonomski najpovoljnije ponude (ENP) u primjeru Odabir izvođača radova prikazanom u tablici
(Tablica Metode za odlučivanje.9). Matematički model na kojem se temelji ovaj postupak
objašnjava se u poglavlju 12.1.2 u okviru prikaza AHP metode.
Da bi se objasnila ova metoda koristi se slijedeći jednostavan primjer. Pretpostavi se da
su dana tri kamena A, B i C za koje se zna da ukupno teže 22 kg, ali nisu poznate njihove
pojedinačne težine. Pretpostavi li se nadalje da su poznati omjeri njihovih težina (ili ih je netko
procijenio), A:B=2:1 (kamen A je dvostruko teži od kamena B) i A:C=3:1 (kamen A je
trostruko teži od kamena C). Iz ova dva jednostavna razmjera proizlazi prošireni razmjer
A:B:C=6:3:2, odnosno diobeni omjer 6:3:2 iz kojeg se lako izračuna da su tražene težine
kamenja redom 12, 6 i 4 kg. Sad nije teško zamisliti da se, umjesto kamenja uspoređuju
međusobno kriteriji te da se istim postupkom izračunaju njihove težine kao mjera njihove
važnosti.
Primjena ovog postupka na računanje težina kriterija, iz njihovog uspoređivanja u
parovima, povezano je s dva problema. Prvi problem je konzistencija procjena jer procjene koje
daju čak i eksperti obično nisu potpuno konzistentne. Tako u primjeru s kamenjem na temelju
poznatih omjera težina proizlazi da je omjer težina drugog i trećeg kamena B:C=3:2. U tom
slučaju kaže se da su omjeri A:B, A:C i B:C konzistentni. Međutim, kad bi se tražilo od nekoga
da uzme ove kamenove u ruke i da procijeni omjere njihovih težina, malo je vjerojatno da bi te

31
procjene bile konzistentne. Pretpostavimo da se procjene omjera težina A:B i A:C ne mijenjaju.
Vrlo je vjerojatno da bi se, kao rezultat procjene odnosa težina drugog i trećeg kamena, umjesto
3:2 dobio omjer 4:3 ili 5:3. U tom slučaju, kod računanja težina kamenja, ne bi se mogla
primijeniti pravila iz računa diobe tako da se dobije jedinstven skup težina. Pretpostavimo npr. da
je procjenjena vrijednost omjera težina drugog i trećeg kamena B:C=4:3. Taj omjer zajedno s
omjerom A:B=2:1 daje diobeni omjer 8:4:3. Ako bi se pak omjeru B:C=4:3 pridružio
procijenjeni omjer A:C=3:1 dobio bi se diobeni omjer 9:4:3, dakle različit od 8:4:3. Dakle,
ukoliko se od donositelja odluke traže procjene omjera težina kriterija u parovima u realnim
problemima odlučivanja, te procjene će biti najčešće nekonzistentne. Ovdje se neće opisivati
matematički model kojim se može mjeriti i korigirati nekonzistencija u usporedbama u parovima
za veći broj entiteta, već će se samo prezentirati postupak približnog računanja težina kriterija uz
pretpostavku da su procjene koje se traže dovoljno (kod prikaza metode AHP biti će objašnjeno
kad je to dovoljno) konzistentne.
Drugi problem je kako izraziti omjere važnosti kriterija koji nisu povezani s tako jasnim i
mjerljivim fizikalnim svojstvima kao što su to masa i težina. Kako izmjeriti i izraziti odnos
između različitih intenziteta atributa poput npr. atributa dojam o osobi ako se uspoređuju
kandidati za neki posao ili kvaliteta dizajna predmeta ukoliko je taj aspekt važan kod nabave
nekog predmeta? Za apsolutno mjerenje takvih svojstava mogu se koristiti različite kvalitativne
ljestvice, ali za uspoređivanje inačica temeljem intenziteta tih svojstava, potrebno je koristiti
posebnu omjernu ljestvicu.
T.L. Saaty31 je za potrebu davanja takvih procjena razvio opću ljestvicu koja sadrži pet
stupnjeva intenziteta i četiri međustupnja koja se daje u tablici (Tablica Metode za
odlučivanje.13). Ta ljestvica koristi se za procjenjivanje omjera važnosti kriterija pomoću kojih
se vrednuju inačice odluke, a primjenjuje se i za određivanje omjera prioriteta inačica u odnosu
na kriterij po kojem se one uspoređuju. Saatyeva ljestvica relativnih važnosti prikazuje se u
tablici (Tablica Metode za odlučivanje.13).

Tablica Metode za odlučivanje.13 Saaty-eva ljestvica relativnih važnosti32

32
 Intenzitet Definicija Objašnjenje
1 Jednako važno Dva kriterija ili inačice jednako doprinose cilju
Na temelju iskustva i procjena daje se umjerena prednost
3 Umjereno važnije
jednom kriteriju ili inačici u odnosu na drugu
Na temelju iskustva i procjena strogo se favorizira jedan
5 Strogo važnije
kriterij ili inačica u odnosu na drugi
Vrlo stroga, Jedan kriterij ili inačica izrazito se favoriziraju u odnosu na
7
dokazana važnost drugi; njihova dominacija dokazuje se u praksi
Dokazi na temelju kojih se favorizira jedan kriterij ili
Ekstremna
9 inačica u odnosu na drugi potvrđeni su s najvećom
važnost
uvjerljivošću
2,4,6,8 Međuvrijednosti

U prvom stupcu tablice nalaze se brojčane vrijednosti omjera težina kriterija, u drugom stupcu su
verbalno izražene gradacije intenziteta tih omjera koje se koriste kod procjenjivanja, a u trećem
stupcu su kratka objašnjenja kada se koristi koji intenzitet. Budući da se ista ljestvica koristi i za
procjenjivanje omjera važnosti kriterija i za procjenjivanje omjera prioriteta inačica, formulaciju
rečenice iz trećeg stupca tablice, koja se koristi kod objašnjenja procjene, treba gramatički i
stilski prilagoditi kontekstu.
Postupak računanja težina kriterija, na temelju omjera njihovih važnosti procijenjenih
pomoću Saaty-eve ljestvice, prikazuje se na primjeru Odabir izvođača radova. Kriteriji za ocjenu
ponude za građevinske radove prikazani su u tablici (Tablica Metode za odlučivanje.14).

Tablica Metode za odlučivanje.14 Kriteriji za ocjenu ponuda u primjeru Odabir izvođača

radova
Kriteriji Razlog za korištenje kriterija Oznaka
Cijena Donositelj odluke želi dobiti što veću vrijednost za svoj novac. Odabir ponude samo na C
temelju najniže cijene sa sobom nosi značajan rizik.
Preporuk S preporukama se eksplicite ili implicite dobivaju podaci o mogućnostima ponuđača, P
projektima na kojima je radio, različitim aspektima kvalitete i glavnim rizicima
e
poslovanja s njim.
Rok Donositelj odluke želi što prije početi koristiti predmet nabave. Duži rokovi završetka R
poslova imaju izravne i neizravne posljedice za mogućnost obavljanja drugih aktivnosti
pa time i za cjelokupno poslovanje.
Bonitet Poremećaji u poslovanju dobavljača mogu ugroziti realizaciju projekta. Njegove B
postojeće obaveze prema klijentima utječu na njegovu poslovnu sposobnost.

33
Članovi povjerenstva za ocjenu ponuda u pripremi modela za natječaj dali su slijedeće procjene
omjera važnosti ovih kriterija (način kako se procjene članova grupe integriraju u jedinstvenu
procjenu objašnjava se u poglavlju 12.1.2 u sklopu prikaza AHP metode):

Procjene Vrijednost iz Saatyeve

ljestvice
Kriterij cijena je umjereno važniji od kriterija preporuke C:P=3
Kriterij cijena je strogo važniji od kriterija rok C:R=5
Kriterij cijena je vrlo strogo važniji od kriterij bonitet C:B=7
Kriterij preporuke je umjereno važniji od kriterija rok P:K=3
Kriterij preporuke je strogo važniji od kriterija bonitet P:B=5
Kriterij rok je važniji od kriterija bonitet s intenzitetom 2 R:B=2

Na temelju ovih procjena, uz pomoć Saatyeve ljestvice (Tablica Metode za odlučivanje.13)

formira se tablica (matrica) usporedbi u parovima (Tablica Metode za odlučivanje.15):

Tablica Metode za odlučivanje.15 Matrica procijenjenih omjera važnosti kriterija

C P R B
C 1 3 5 7
P 1/3 1 3 5
R 1/5 1/3 1 2
B 1/7 1/5 1/2 1

Ova matrica standardno se označava s A i njezin element u i-tom redu i j-tom stupcu je omjer

težina i-tog i j-tog kriterija. Taj omjer se označava s aij , dakle vrijedi aij = wi / w j . Npr., u
prvom redu i trećem stupcu matrice A nalazi se broj 5 jer je procijenjeno da je kriterij cijena

strogo važniji od kriterija rok, dakle aij = 5

Matrica omjera relativnih važnosti (težina) općenito ima slijedeća svojstva važna za
mogućnost izračunavanja težina kriterija, odnosno prioriteta inačica:

 Svi njezini elementi su pozitivni

34
  Matrica ima svojstvo recipročnosti, tj. vrijednosti elemenata koji se nalaze na
simetričnim pozicijama s obzirom na glavnu dijagonalu su recipročne vrijednosti,
dakle vrijedi
1
aij = a ji = 1
, ili aij �
a ji
Npr., ako je vrijednost omjera važnosti kriterija cijene i roka C:R=5, onda
vrijedi i vrijedi R:C=1/5 . Posljedica ovog svojstva je ta da za elemente na glavnoj

dijagonali ove matrice vrijedi aii = 1, i = 1, 2,..., n .

 U slučaju potpuno konzistentnih procjena (npr. ako je A dvostruko važnije od B i
B trostruko važnije od C, onda mora A biti šest puta važnije od C) vrijedi
a jk = aik .
aij �

Postupak računanja približnih vrijednosti težina (prioriteta) kriterija na temelju procjena omjera
njihovih važnosti (tablica 9.15) provodi se u tri koraka:
Korak 1: Izračunaju se sume stupaca matrice procijenjenih omjera važnosti kriterija.
Sume stupaca su redom 176/105, 68/15, 19/2 i 15.
Korak 2: Matrica se normalizira dijeljenjem svih elemenata pojedinog stupca sumom tog stupca
(Tablica Metode za odlučivanje.16).
Tablica Metode za odlučivanje.16 Normalizirana matrica procijenjenih omjera važnosti
kriterija

Normalizirane vrijednosti Prosječna vrijednost

0,60 0,66 0,53 0,47 0,56
0,20 0,22 0,32 0,33 0,27
0,12 0,07 0,11 0,13 0,11
0,09 0,04 0,05 0,07 0,06

Korak 3: Težine (prioriteti) kriterija izračunaju se kao prosječne vrijednosti elemenata redaka
normalizirane matrice, i dobivene vrijednosti su redom 0,56, 0,27, 0,11 i 0,06 . To znači da je za
onoga tko je davao procjene kriterij cijena najvažniji, dvostruko važniji od idućeg po važnosti
kriterija preporuke. Jasno je da su težine kriterija kao mjera važnosti kriterija posljedica
subjektivnih procjena donositelja odluka. Npr. za gradonačelnika koji želi dovršiti neki javni

35
projekt prije lokalnih izbora koji se približavaju rok dovršenja radova sigurno je važniji od
cijene.
Za točan izračun težina kriterija ili prioriteta inačica na temelju procijenjenih
vrijednosti njihovih omjera treba koristiti algoritam koji se temelji na svojstvima matrice A , što
se detaljnije objašnjava u poglavlju 12.1.2. Ovdje je prikazan približni postupak 33, koji daje
zadovoljavajuće točna približna rješenja ukoliko se izbjegnu greške čija je posljedica prevelika
nekonzistentnost procjena. Rizik da približno izračunate vrijednosti ne budu dovoljno točne,
donositelj odluke (ili analitičar koji pomaže donositelju odluke) može smanjiti tako da kontrolira
logičku konzistentnost procjena pomoću trojki entiteta koje uspoređuje. Npr., procijenjeno je
C:P=3 , P:B=5 i C:B=7 . Procjena vrijednosti trećeg omjera, koja bi bila potpuno konzistentna
s prve dvije procjene, bila bi C:B=15. S obzirom da Saatyeva ljestvica ne sadrži takav intenzitet
(to je i jedan od prigovora koji se upućuje AHP metodi) te da sama metoda niti ne traži tako
dosljednu konzistenciju, pažljiva analiza donositelju odluke pomaže da prepozna takve situacije i
eventualno revidira svoje procjene.
Nažalost, ne postoji jednostavna mogućnost da se provjeri da li su vrijednosti
težina kriterija, odnosno prioriteta inačica, koje se izračunaju približnim postupkom, dovoljno
točne. Zbog toga je ovaj postupak primjenjiv u slučajevima kada se uspoređuje manji broj
kriterija ili inačica. U složenijim problemima odlučivanja, s većim brojem kriterija i inačica,
preporuča se upotreba specijalne programske podrške koja ima i mogućnost kontrole
konzistencije.
Ukoliko se izračunate težine kriterija iz tablice (Tablica Metode za
odlučivanje.16) primijene na podatke iz tablice (Tablica Metode za odlučivanje.11), tako da se
vrijednosti ponuda izračunaju kao ponderirane normalizirane kriterijske vrijednosti s tim
težinama kao ponderima, dobiju se vrijednosti sadržane u posljednjem stupcu tablice (Tablica
Metode za odlučivanje.17):

Tablica Metode za odlučivanje.17 Vrijednosti ponuda s težinama kriterija izračunatim pomoću

AHP metode

Cijena Rok Preporuke Bonitet Vrijednost

0,56 0,27 0,11 0,06 ponude
Tempo 0,34 1,00 0,33 1,00 0,56

36
 Konstruktor 0,00 0,69 0,00 0,00 0,19
Zagorje 1,00 0,43 1,00 0,33 0,81
Tehnobeton 0,76 0,00 0,67 1,00 0,56
Grad 0,54 0,43 0,67 0,50 0,52

Ukoliko se za ovaj izračun razvije model u tabličnom kalkulatoru, na primjer u EXCEL-

u, moguće je provesti jednostavnu analizu osjetljivosti promjena težina mijenjanjem procjena
relativnih važnosti. Složenija analiza osjetljivosti može se provesti uz pomoć specijaliziranog
softvera koji podržava AHP metodu, o čemu će više riječi biti u nastavku.

10.3.5 Određivanje težina kriterija metodom SWING

U nekim metodama za određivanje težina kriterija ne pretpostavlja se da su poznate

kriterijske vrijednosti (podaci iz tablice odlučivanja) pa se težine kriterija mogu izračunati
neovisno o inačicama koje će se uspoređivati. Takva je na primjer metoda AHP kojom se
određuju težine kriterija na temelju njihovog uspoređivanja u parovima. Značajan nedostatak
takvih metoda je taj da se kod toga ne vodi računa o tome da se po nekom kriteriju, za koji je
izračunata velika težina, inačice mogu malo razlikovati, dok značajnije razlike po nekim drugim
kriterijima, zbog manjih težina tih kriterija, ne mogu doći do izražaja u izračunu ukupne
vrijednosti inačice.
Iskustvo pokazuje da su za donošenje odluka važniji oni kriteriji po kojima se inačice
značajnije razlikuju od onih po kojima su sličnije. Jednostavan primjer za to načelo je
svakodnevna praksa kupovanja. Ako se proizvodi koje uspoređujemo malo razlikuju po cijeni,
onda za odluku o kupnji postaju važnija neka druga njihova obilježja. Ipak, ovo iskustvom
provjereno načelo ne može se uvesti kao opće pravilo, jer postoje situacije u kojima se ne mogu
prvo analizirati sve inačice pa onda na temelju njihovih kriterijskih vrijednosti određivati težine
kriterija. Takav je, npr. slučaj s odabirom kandidata za neki posao. U realnim situacijama bitno bi
se otežao ili čak onemogućio postupak odabira ukoliko bi se prvo prikupili podaci o svim
kandidatima, a potom se išlo određivati težine kriterija. Drugi primjer je odabir ponuditelja u
sustavu javne nabave. U sustavu javne nabave zakonom 34 je zapriječeno da se postupak odabira
ponude definira ili mijenja nakon dobivanja ponuda, zbog rizika pogodovanja nekom od
potencijalnih ponuđača. Ipak, situacije u kojima su poznata obilježja inačica koje se uspoređuju i

37
kada se njihovo poznavanje može iskoristiti kao dodatna informacija za određivanje važnosti
kriterija su češće i to je osnovni motiv za prikaz metode SWING.
Za primjenu metode SWING35 u postupku određivanja težina kriterija nužno je poznavati
inačice koje se uspoređuju. Pritom donositelj odluke mora biti u stanju dati dvije vrste procjena,
prvo mora procijeniti redoslijed važnosti kriterija, a potom i relativne važnosti raspona u kojima
se kreću kriterijske vrijednosti inačica po svakom od kriterija u odnosu na raspon najvažnijeg
kriterija. Prvi korak je da se za svaki kriterij identificiraju najslabija i najbolja vrijednost koju
posjeduju inačice. Drugim riječima, na temelju karakteristika raspoloživih inačica, kreiraju se
idealna A* i negativno idealna A- inačica. Nakon toga, donositelj odluke mora odgovoriti na
jednostavno hipotetičko pitanje – kada bi mogao promijeniti jednu kriterijsku vrijednost
negativno idealne inačice, tako da nju zamijeni s odgovarajućom vrijednošću idealne inačice,
koji bi kriterij odabrao? Taj odabrani kriterij je najvažniji kriterij. Nakon toga, postupak se
nastavlja u iteracijama tako da se to pitanje ponavlja u odnosu na preostale kriterije, tako dugo
dok se svi kriteriji ne poredaju po važnosti.
Za ilustraciju postupka bit će korišten primjer Odabir izvođača radova. Na temelju
podataka iz tablice (Tablica Metode za odlučivanje.9) konstruiraju se idealna i negativno idealna
inačica koje se prikazuju u tablici (Tablica Metode za odlučivanje.18):

Tablica Metode za odlučivanje.18 Idealna i negativno idealna inačica za primjer Odabir

izvođača radova
Cijena Rok Preporuke Bonitet
Težine wc wr wp wb
Tip kriterija min min max max
Jedinica kn(mil) dani bodovi bodovi
Tempo 2,10 60 3 10
Konstruktor 2,30 65 2 4
Zagorje 1,80 70 5 6
Tehnobeton 1,90 80 4 10
Grad 2,00 70 4 7
A* 1,8 60 5 10
A- 2,3 80 2 4

Pretpostavimo da bi naručitelja najviše veselilo kada bi umjesto ponude da se posao

obavi za 80 dana od strane dobavljača čije su preporuke ocijenjene s 2, a bonitet s 4, uz cijenu
2,3 mil kn, dobio od istog ponuđača sve za 1,8 mil kn. U suštini, donositelj odluke treba odabrati
38
jednu od sljedećih inačica kao najbolju u odnosu na negativno idealnu (te inačice dobiju se tako
da se u negativno idealnoj inačice po jedna kriterijska vrijednost zamijeni s odgovarajućom
idealnom vrijednošću).
Tablica Metode za odlučivanje.19 Formiranje inačica
Cijena Rok Preporuke Bonitet
AC 1,8 80 2 4
AR 2,3 60 2 4
AP 2,3 80 5 4
AB 2,3 80 2 10

Ukoliko se donositelj odluke odluči za inačicu AC, to znači da mu je cijena najvažniji

kriterij. Postupak se nastavlja tako da se identificira idući kriterij po važnosti temeljem odgovora
na slično pitanje, s tim da se iz razmatranja izostavlja kriterij cijena. Pretpostavimo da je ovim
postupkom dobivena slijedeća rang lista kriterija: cijena, preporuke, bonitet, rok. Pridruži li se
promjeni kriterija cijena s 2,3 na 1,8 vrijednost 1 (100%), treba procijeniti koja bi bila
odgovarajuća vrijednost za promjenu preporuke od 2 boda na 5 bodova36. Mogućnost procjene te
kompenzacijske vrijednosti je kritičan korak ove metode. Pretpostavimo da je donositelj odluke
procijenio da promjena kvalitete preporuke s 2 boda na 5 bodova za njega vrijedi 70% u odnosu
na to koliko mu vrijedi promjena cijene od 2,3 mkn na 1,8 mkn. Pretpostavimo nadalje da je on
procijenio da mu promjena boniteta od 4 boda na 10 bodova vrijedi 50% u odnosu na spomenutu
promjenu cijene i da je promjena roka od 80 dana na 60 dana vrijedna koliko 30% u odnosu na
vrijednost promjene cijene. Time su utvrđene relativne vrijednosti težina kriterija u odnosu na
težinu najvažnijeg kriterija, kao što se to vidi u tablici (Tablica Metode za odlučivanje.20).

Tablica Metode za odlučivanje.20 Relativne vrijednosti težina kriterija u odnosu na težinu najvažnijeg
kriterija

Cijena Rok Preporuke Bonitet

Vrijednosti 1 0,3 0,7 0,5

Nakon procjene relativne važnosti ostalih kriterija u odnosu na najvažniji kriterij, u ovom slučaju
cijenu, izračunaju se normalizirane vrijednosti težina svih kriterija. Te vrijednosti izračunaju se
kao relativni udjeli vrijednosti iz tablice 9.20 u njihovom zbroju (Tablica Metode za
odlučivanje.21).

39
 Tablica Metode za odlučivanje.21 Normalizirane vrijednosti težina kriterija
Kriteriji Cijena Rok Preporuke Bonitet
Težine kriterija 0,4 0,12 0,28 0,2

Zbog lakšeg Ukoliko se ove vrijednosti zaokruže na 0,4 , 0,1 , 0,3 i 0,2 to najčešće nema
značajnijih posljedica na kvalitetu odluke.
U tablici 9.22 prikazuju se tablica odlučivanja s normaliziranim vrijednostima ponuda i
težinama kriterija izračunatim pomoću metose SWING.
Tablica Metode za odlučivanje.22 Vrijednosti ponuda s težinama kriterija
izračunatim
pomoću metode SWING
Cijena Rok Preporuke Bonitet Vrijednost
0,4 0,12 0,28 0,2 ponuda
Tempo 0,34 1,00 0,33 1,00 0,55
Konstruktor 0,00 0,69 0,00 0,00 0,08
Zagorje 1,00 0,43 1,00 0,33 0,80
Tehnobeton 0,76 0,00 0,67 1,00 0,69
Grad 0,54 0,43 0,67 0,50 0,56

U ovoj tablici su za svaki kriterij izračunate vrijednosti ponuda na najjednostavniji način, tj.
normalizacijom kriterijskih vrijednosti. Tim postupkom najslabijoj ponudi po promatranom
kriteriju pridružuje se vrijednost 0 a najboljoj vrijednost 1. Ponderiranje tih vrijednosti s
težinama kriterija omogućuje da u računanju ukupne vrijednosti ponude, zbrajanjem tih
pojedinačnih vrijednosti, jače dođu do izražaja važniji kriteriji a da se umanji doprinos manje
važnih kriterija.

U tablici (Tablica Metode za odlučivanje.23) prikazani su rezultati vrednovanja ponuda iz

primjera Odabir izvođača radova pomoću do sada prikazanim metodama.

Tablica Metode za odlučivanje.23 Vrijednosti ponuda

Vrijednosti ponuda
Jednake težina AHP SWING
Tempo 0,25 0,56 0,55
Konstruktor 0,06 0,19 0,08

40
 Zagorje 0,26 0,81 0,80
Tehnobeton 0,23 0,56 0,69
Grad 0,20 0,52 0,56

Postavlja se pitanje kako protumačiti to da različite metode daju različite rezultate i kakve to ima
implikacije za praksu? U prvom stupcu su vrijednosti ponuda izračunate s pretpostavkom
jednake važnosti svih kriterija. Vidi se da je raspon u kojem se nalaze te vrijednosti najmanji od
sva tri slučaja, dakle, s ovim pristupom se najslabije prepoznaju razlike među ponudama. Razlike
između prve tri ponude su tako male da bi se donositelj odluke teško odlučio za najbolju samo na
temelju ove analize. Slične ukupne vrijednosti ponuda mogu se jednostavno objasniti
usklađenošću njihovih performansi, visoka cijena (slabost) uravnotežena je s prednostima poput
kratkog roka, dobrim preporukama i dobrim bonitetom.
Ukoliko svi kriteriji nisu jednako važni, dva su moguća pristupa. Prvi pristup je
određivanje njihovih težina samo na temelju procjene u kojoj mjeri je svaki od njih pogodan za
mjerenje postignuća cilja problema odlučivanja (AHP metoda). Drugi pristup omogućuje da se u
postupak računanja težina kriterija uključi i informacija o kriterijskim vrijednostima inačica,
sukladno principu da kriteriji po kojima se inačice ne razlikuju bitno ne mogu imati veliku
važnost za nihovo uspoređivanje. Iako je analiziran primjer jednostavan, dobro se vide posljedice
ovih pristupa; raspon u kojem se javljaju vrijednosti ponuda kad su težine kriterija izračunate
pomoću AHP metode (0,19 – 0,81) manji je od raspona vrijednosti kada su težine izračunate
pomoću metode SWING (0,08 – 0,80). Osim toga, kad se težine kriterija izračunaju pomoću
metode SWING, bolje se vide razlike između druge, treće i četvrte inačice nego što je to slučaj s
prve dvije metode. U uspoređivanju rezultata primjene različitih metoda i interpretaciji razlika
među tim rezultatima pomaže analogija s teleskopom (mikroskopom). Ukoliko se rezultati nalaze
većem rasponu inačice i razlike među njima „vide se bolje“.

10.4 Metode višekriterijskog odlučivanja

Metode višekriterijskog odlučivanja se koriste s ciljem rangiranja inačica, tj. kako bi se

svakoj inačici u tablici odlučivanja pridružio, umjesto k podataka koje sadrži njezin red, samo
jedan broj. Postoje brojne metode kojima se to može postići i sve one nemaju istu teorijsku
41
(aksiomatsku) osnovu. U nastavku se ukratko opisuju najpoznatije od njih bez detaljnog ulaženja
u teorijske rezultate na kojima se one temelje.

10.4.1 Metoda zbrajanja ponderiranih vrijednosti

Metoda zbrajanja ponderiranih vrijednosti naziva se još i Višeatributna teorija vrijednosti

što je doslovan prijevod originalnog engleskog naziva Multiattribute Value Theory (MAVT) 37.
Metoda se pojavljuje u različitim varijacijama, od jednostavnog zbrajanja bodova za različite
vrijednosti atributa koji se koriste kao kriteriji za uspoređivanje inačica, do zbrajanja
ponderiranih vrijednosti funkcija vrijednosti pridruženih atributima. MAVT se može smatrati
generičkom metodom38 jer se i neke druge metode, npr. metoda Analitički hijerarhijski proces
(AHP)39, mogu smatrati njezinom inačicom. Složenija inačica ove metode je metoda Multi-
attribute Utility Theory (MAUT)40, koja omogućuje i modeliranje rizika.

Stablo vrijednosti
Višeatributna teorija vrijednosti temelji se na dekompoziciji problema na pojedine
relevantne aspekte. U višekriterijskom odlučivanju inačice se uspoređuju uz pomoć kriterija koji
obuhvaćaju sve bitne aspekte problema odlučivanja. U analizi takvih odluka jedan mogući
pristup je taj da se ukupna vrijednost svake inačice, kao mjera cjelovite preferencije donositelja
odluke, izrazi kao zbroj preferencija koje se modeliraju za pojedinačne aspekte njihovih
vrijednosti. Tehnički to se svodi na to da se cjelovita vrijednost dekomponira na vrijednosne
aspekte, zatim se za svaki od njih modelira funkcija vrijednosti i potom se vrednovanjem inačica
pomoću tih funkcija vrijednosti dobije mogućnost da se te vrijednosti objedine u višeatributnu
funkciju vrijednosti. Dekompozicija cjelovite vrijednosti koja se pridružuje inačicama izvodi se u
obliku stabla vrijednosti (engl. value tree).
U primjeru Odabir izvođača radova, ukupna vrijednost ponude za naručitelja
dekomponira se na četiri aspekta koji se javljaju kao standardni kriteriji 41 za odabir dobavljača u
takvoj vrsti natječaja; cijena, rok u kojem će se obaviti radovi, bonitet dobavljača i preporuke.
Svaki od ovih kriterija ukazuje na pojedini aspekt važan za naručitelja i omogućuje da se po
njemu ponude jasno usporede. Ukupna vrijednost pojedinačne ponude dobije se integriranjem
tih pojedinačnih vrijednosti u jedinstvenu vrijednost.

42
 Međusoban odnos cilja, glavnih kriterija i eventualno podkriterija, ukoliko se neki od
glavnih kriterija dalje dekomponira, može se vizualizirati u obliku stabla vrijednosti kao što se to
vidi na slici 9.6 42 ili kao što to prikazuje slika 9.7 .

Slika Metode za odlučivanje.6 Stablo vrijednosti s hijerarhijom odozgo prema dolje

Slika Metode za odlučivanje.7 Stablo vrijednosti s hijerarhijom s lijeva u desno

Slika 9.6: Stablo vrijednosti s hijerarhijom Slika 9.7 Stablo vrijednosti s hijerarhijom
odozgo prema dolje s lijeva u desno

43
Ukoliko se stablo vrijednosti dopuni s inačicama koje se pozicioniraju na najnižu razinu
hijerarhije, dobije se hijerarhijski model problema odlučivanja. Na slici 9.8 prikazan je
hijerarhijski model problema Odabir izvođača radova:

Slika Metode za odlučivanje.8 Hijerarhijski model odlučivanja za primjer Odabir izvođača radova

Smisao povezivanja elemenata modela na slici (Slika Metode za odlučivanje.8) je taj da se

naglasi da ukupna vrijednost svake ponude za donositelja odluke proizlazi iz četiri individualna
vrijednosna aspekta; njezine cijene, roka, kvalitete preporuka i boniteta tvrtke koja daje ponudu.
Suština razlika među metodama višekriterijskog odlučivanja je u tome na koji način pojedina
metoda te individualne vrijednosne aspekte, izražene kriterijskim vrijednostima, integrira u
jedinstven pokazatelj temeljem kojeg se u konačnici rangiraju inačice.

Funkcije vrijednosti
Prednost koju donositelj odluke daje nekoj inačici u odnosu na neku drugu inačicu
proizlazi iz procjene da mu ona daje veću korist. Ukupna korist proizlazi iz različitih aspekata
vrijednosti koji su povezani s ciljevima odluke.
U modeliranju koristi polazi se od toga da podatak o intenzitetu nekog atributa, npr. broju
KW kao mjere snage motora nije prava mjera za korist od tog atributa. Taj broj služi za davanje
prednosti motoru s većom snagom, ali korist od snage motora je složeniji pojam.
Da bi se mjerila korist, potrebno je modelirati funkcije koristi u koje se ugrađuje i odnos
donositelja odluke prema riziku. Jednostavniji pristup, bez uključivanja stava prema riziku, je
modeliranje (razvijanje) funkcija vrijednosti za svaki kriterij. Time se rješava problem
uspoređivanja atributa koji se mjere pomoću različitih ljestvica. Broj KW kojima se mjeri snaga

44
motora ne može se zbrajati s ocjenama koje se daju kad se ocjenjuje dizajn automobila, ali
vrijednost koja proizlazi iz snage motora može se zbrojiti s vrijednošću koja poizlazi iz dizajna
automobila.
Funkcija vrijednosti v(a) je funkcija koja svakoj inačici pridružuje broj iz intervala [ 0,1] ,
s tim da vrijednost 0 pripada najslabijoj inačici, a vrijednost 1 najboljoj. Postoji više načina da se
definiraju funkcije vrijednosti.
Najjednostavniji način je da se podaci iz normalizirane tablice odlučivanja smatraju
vrijednostima, pri čemu se implicite pretpostavlja da su te vrijednosti proporcionalne kriterijskim
vrijednostima ili performansama inačica. To je dosta restriktivna pretpostavka, jer se time za sve
funkcije vrijednosti pretpostavlja linearnost. U praksi to znači da se sladoled s dvije, odnosno tri
kuglice smatramo dvostruko, odnosno trostruko vrednijim od sladoleda s jednom kuglicom i da
nas jedna dodatna kuglica sladoleda jednako veseli kad je kornet prazan i kad se na njemu već
nalaze četiri kuglice.
Drugi primjer koji pomaže da se razumiju nedostaci takvog pristupa je odnos snage
motora u automobilu i osjećaj vrijednosti koji iz toga proizlazi za vlasnika, tj. da dvostruko jači
motor u automobilu ne mora predstavljati dvostruko veću vrijednost za vlasnika. Porast snage
motora za npr. 50% ne implicira jednak proporcionalan porast vrijednosti za vlasnika ukoliko
njegov automobil ima 75 KW ili 150 KW. Također, s tim pristupom nije moguće analizirati
probleme odlučivanja u kojima se javljaju unimodalni43 kriteriji.
Ipak, unatoč nabrojenim nedostacima, u većini realnih problema odlučivanja, ukoliko se
ne koriste specifični kriteriji poput unimodalnih, inačice se ne razlikuju u tolikoj mjeri da bi
primjena standardnih metoda i algoritama za višekriterijsku analizu na normaliziranoj tablici
odlučivanja kompromitirala rezultat. Bez veće štete normalizirane vrijednosti kriterija iz tablice

odlučivanja mogu se sažeti u jedinstveni broj V (ai ) zbrajanjem vrijednosti u redu koji pripada
inačici ai :
k
V (ai ) = �rij
j =1

Broj V (ai ) predstavlja ukupnu vrijednost inačice ai i kada se izračunaju te vrijednosti za sve
inačice moguće ih je rangirati. Ukoliko svi kriteriji nisu jednako važni, koristi se formula za

45
 k

ponderiranu sumu V (ai ) = �w j rij u kojoj faktori w j predstavljaju težine kriterija, odnosno
j =1

pondere normaliziranih kriterijskih vrijednosti. Jasno je da veći ponder jače naglašava doprinos
kriterija kojem pripada u konačnom rezultatu (skoru) inačice. Ovaj pristup, tretiranje vrijednosti
iz stupaca normalizirane tablice odlučivanja kao lineranih funkcija vrijednosti, korišten je u
prikazu metoda za analizu odluka u točki 9.3.
Dosljedan pristup, temeljen na teoriji višeatributne vrijednosti, zahtijeva modeliranje
funkcija vrijednosti na temelju kriterijskih vrijednosti (detaljnije o tome kako se konstruiraju
funkcije vrijednosti vidjeti npr. u Figueira at al. (2005)44). Time je inačica ai opisana k-torkom
(v1 (ai ), v2 (ai ),..., vk (ai )) . Jasno je da su vrijednosti v j ( ai ) ovisne o performanci ili kriterijskoj

vrijednosti f j ( ai ) pa je ispravnije napisati da se inačici ai u normaliziranoj tablici odlučivanja s

funkcijama vrijednosti pridružuje k-torka vrijednosti, ili formalnije rečeno inačici ai pridružuje

se vektor vrijednosti (v1 ( f1 ( ai )), v2 ( f 2 ( ai )),..., vk ( f k ( ai ))) .

U tom slučaju se ukupni skor za tu inačicu po metodi jednostavnog zbrajanja ponderiranih
vrijednosti izračuna pomoću izraza:
k
V ( a) = �w j v j ( f j (a))
j =1
k
pri čemu vrijedi 0 �v j ( f j (a )) �1 i �w j = 1, w j �0 "j � 1, 2,..., n
j =1

Metode jednostavnog i ponderiranog zbrajanja vrijednosti koriste se u različitim

jednostavnijim situacijama odlučivanja poput, npr., ocjenjivanja kandidata za neki posao po više
kriterija, pri čemu se po svakom kriteriju daju ocjene s iste ljestvice (npr. od 1 do 5 ili od 1 do
10). U tom postupku implicite se pretpostavlja da su funkcije vrijednosti modelirane
dodijeljenim bodovima i potom njihovom normalizacijom.

Težine kriterija i MAVT

Težine kriterija u metodi jednostavnog zbrajanja ponderiranih vrijednosti imaju jasnu
interpretaciju, to su koeficijenti kompenzacije vrijednosti jednog atributa vrijednostima drugog.

Npr. ako je težina kriterija k wk = 0, 2 , a kriterija l wl = 0, 4 , to znači da se jedinica vrijednosti

46
kriterija l može nadomjestiti s dvije jedinice kriterija k. U metodi zbrajanja ponderiranih
vrijednosti se zbog toga vrijednosti inačica po različitim kriterijima mogu integrirati u
jedinstvenu vrijednost na intuitivno jasan način. U ostalim metodama, u kojima se koriste
kriteriji različitih važnosti, interpretacije težinskih koeficijenata nisu tako očite i jednostavne.
Uobičajeno je da se težine kriterija određuju tako da je njihov zbroj 1 (100%). Ukoliko se težine
odrede na drugi način, te vrijednosti se normaliziraju tako da njihova suma bude jednaka 1.

Egzistencija funkcija vrijednosti

Teorija vrijednosti počiva na pretpostavci da se preferencije donositelja odluke
mogu izraziti pomoću funkcije vrijednosti V() tako da ako se inačici a daje prednost pred
inačicom b tada vrijedi V(a)>V(b).
a f b  V(a)>V(b)
Egzistencija funkcije vrijednosti uvjetovana je ispunjenjem dviju aksiomatskih
pretpostavki: (1) tranzitivnosti i (2) usporedivosti.
 (A1) Tranzitivnost: Ako donositelj odluke preferira a u odnosu na b i b u odnosu
na c, tada mora preferirati a u odnosu na c.
af b i b f c  af c
Iako ovaj zahtjev izgleda toliko prirodno da se nameće pitanje potrebe njegove aksiomatizacije,
može se pokazati da se u praksi to načelo narušava45. Dokazana spremnost da se prekrši to načelo
vodi do paradoksa koji su značajni za istraživanje prakse donošenja odluka 46. Također, struktura
preferencija individualnog donositelja odluke nije stabilna, ona se s vremenom može mijenjati
kao što je to, npr., sklonost da se u različito vrijeme dana mijenjaju preferencije u odnosu na
konzumaciju pojedinih vrsta voća (banana, naranča, jabuka).
 (A2) Usporedivost: za bilo koje dvije inačice a i b, u određenom kontekstu
odlučivanja, donositelj odluke mora biti u stanju izraziti svoj stav u obliku jedne od
sljedećih tvrdnji:
(i) a se preferira u odnosu na b ili

(ii) b se preferira u odnosu na a ili

(iii) a i b su jednako prihvatljive (indiferencija).

47
Ovaj zahtjev ne dozvoljava donositelju odluke da bude neodlučan u smislu da neke inačice
smatra neusporedivima.
Ukoliko su zadovoljeni aksiomi (A1) i (A2), tada je moguće odrediti funkciju vrijednosti
(vrijednosnu funkciju) V() koja ima slijedeća svojstva:
a P b  V(a)>V(b)
a I b  V(a)=V(b)

pri čemu a P b znači da donositelj odluke striktno preferira a u odnosu na b, a a I b znači da

je donositelj odluke indiferentan u odnosu na a i b.

Funkcije vrijednosti mogu imati različita svojstva, koja prvenstveno ovise o podacima iz kojih su
izvedene, pri čemu posebno treba naglasiti ordinalnu i mjerljivu funkciju vrijednosti.
Ordinalna funkcija vrijednosti daje informaciju samo o redoslijedu (poretku) inačica i
ne daje informaciju o relativnim razlikama vrijednosti između inačica na susjednim pozicijama
rang liste. Ukoliko se slabija inačica zamijeni bolje rangiranom, porast vrijednosti može se
izraziti samo u broju mjesta na rang listi povezanih s tom zamjenom. Zbog toga je otežano
agregiranje takve funkcije vrijednosti u jedinstven pokazatelj ukupne vrijednosti svake od
inačica.
Za razliku od ordinalne funkcije vrijednosti, mjerljiva funkcija vrijednosti izražava i
intenzitet preferencije. Ova funkcija temelji se na mjerenju razlika vrijednosti. Pretpostavimo da
su poznate preferencije donositelja odluke a P b i b P c , te da je V() mjerljiva funkcija
vrijednosti. Tada nejednakost V(a) – V(b) > V(b) – V(c) ukazuje na to da je razlika preferencije
od a i u odnosu na b veća od razlike preferencije od b u odnosu na c (alternativna interpretacija
ove tvrdnje je slijedeća; ako se b zamjeni s a porast vrijednosti je veći nego u slučaju zamjene c s
b).

Da bi se odredila mjerljiva funkcija vrijednosti koja opisuje preferencije pojedinog

donositelja odluke, on mora biti u stanju procijeniti relativnu vrijednost razlika u preferencijama
ili koeficijente za njihove razmjene. Ovo je ključna pretpostavka za korištenje funkcija
vrijednosti u višekriterijskom odlučivanju.

48
Međutim, da bi se u analizi odluke primijenila aditivna forma funkcije višeatributne vrijednosti,
treba biti zadovoljen i uvjet međusobne nezavisnosti preferencija. Za dani skup atributa F, njegov
podskup X preferencijalno je nezavisan od komplementa u odnosu na X ako preferencije u
odnosu na atribute koje sadrži X ne ovise o vrijednostima atributa iz njihovog komplementa.
Uvjet međusobne nezavisnosti preferencija zadovoljen je ukoliko je svaki podskup skupa
atributa preferencijalno nezavisan o svojem komplementu.
Jednostavan primjer preferencijalne (ne)zavisnosti je odnos kriterija troška i kriterija
roka kod uspoređivanja projekata. Ukoliko se daje prednost projektu A u odnosu na projekt B
temeljem toga da su uz projekt A vezani manji troškovi, bez obzira na rokove njihovog
dovršenja, kaže se da su ta dva kriterija (atributa) preferencijalno nezavisna. Ukoliko se
temeljem nižih troškova daje prednost projektu A, ali postoji spremnost da se, ovisno o roku
dovršenja, prihvati skuplji projekt B, tada su kriteriji trošak i rok preferencijalno zavisni. Već iz
ovog primjera može se vidjeti da je uvjet preferencijalne nezavisnosti kriterija teško ispuniti.

Funkcija vrijednosti pokazuje kako preferencija donosioca odluke, sa stajališta pojedinog

atributa, ovisi o vrijednosti na mjernoj ljestvici kojom se izražava taj atribut. Ta funkcija
kriterijske vrijednosti (razine atributa) preslikava na interval [0,1].

Dakle, ako se koriste oznake

f jm = min f j (ai ), f jM = max f j ( ai ) vrijedi v j : �

�f jm , f jM �
�� [ 0,1] ili [ 0,100 ]
i� 1,2,..., n i� 1,2,..., n

Funkcija vrijednosti može se modelirati pomoću različitih metoda kao što su :

normalizacija kriterijskih vrijednosti, bisekcija i standardni niz razlika.

Najjednostavniji način formiranja funkcija vrijednosti je normalizacija kriterijskih

vrijednosti uz već naglašene nedostatke tog postupka. Glavni nedostatak ovog pristupa je
implicitna pretpostavka da je takva funkcija vrijednosti linearna (zanemarivanje efekata poput
opadajućeg graničnog prirasta vrijednosti s porastom razine atributa).

U postupku modeliranja funkcije vrijednosti pomoću bisekcije, najslabijoj kriterijskoj

vrijednosti pridruži se 0, a najboljoj 1. Potom se procijeni koja vrijednost atributa (kriterija) bi

49
odgovarala vrijednosti 0,5. Promjena vrijednosti atributa od fjm na vrijednost fj-1(0,5) trebala bi
predstavljati jednaku promjenu vrijednosti za donositelja odluke kao promjena vrijednosti
atributa od fj-1(0,5) na vrijednost fjM . Nakon toga se postupak ponavlja polovljenjem intervala

[ 0,0.5] i [ 0.5,1] , odnosno procjenom razina atributa koje odražavaju vrijednosti 0,25 i 0,75.

Ovaj postupak može se formalizirati kroz slijedeće korake:

1. Neka je kriterij j kriterij tipa „veće je bolje“. Najmanjoj i najvećoj kriterijskoj
vrijednosti pridruže se vrijednosti 0 i 1, v(fjm) = 0 , v(fjM) =1.

2. Donositelj odluke treba odrediti srednju vrijednost atributa fjs tako da promjena
vrijednosti na intervalu (fjm , fjs ) bude jednaka promjeni funkcije vrijednosti na intervalu
(fjs , fjM). Vrijedi v(fjs) = 0,5.

3. Na jednak način određuju se vrijednosti atributa fjs1 između fjm i fjs , te fjs2 između fjs i fjM
za koje vrijedi v(fjs1)= 0,25 i v(fjs2)=0,75.

4. Postupak se nastavlja sve dok se ne dobije dovoljno precizna mjerna ljestvica za zamjenu
vrijednosti kriterija j iz tablice odlučivanja odgovarajućim vrijednostima iz intervala

[ 0,1] .

Standardni niz razlika kao postupak modeliranja funkcije vrijednosti u suštini se također
svodi na inverzno preslikavanje, jer se njime definiraju razine atributa (kriterijalne vrijednosti)
za koje je porast preferencije donositelja odluke konstantan. Formalno zapisano, traže se
nepoznate razine atributa fjm= fj0 , fj1,..., fjp= fjM kojima je pridružen niz standardnih vrijednosti 0,
v(fj1), v(fj2),..., v(fjp-1), 1 tako da vrijedi v(fji)- v(fji-1) = d, za i=1,...,p , v(fjm) = 0 ,  v(fji) =i /p.
Koraci u ovom postupku su:

1. Broj djelova na koje će se podijeliti kodomena [ 0,1] funkcije vrijednosti v(fj) označi se p.
2. Iz uvjeta uvjeta v(fji) - v(fji-1) = d proizlazi v(fji) =i /p .
3. U prethodnom koraku određene su numeričke vrijednosti koje će uzimati funkcija
vrijednosti, sada se definiraju razine atributa kojima se pridružuju te vrijednosti.

Bisekcija i standardni niz razlika su slične metode. U obje metode se primarno modelira
inverzna funkcija funkcije vrijednosti jer se najprije postavljaju vrijednosti a zatim se traže
razine atributa kojima su pridružene te vrijednosti. Funkcije vrijednosti koje se modeliraju ovim
50
postupcima su po dijelovima linearne funkcije, ali to ne mora biti nužno tako. Na slikama (Slika
Metode za odlučivanje.9) i (Slika Metode za odlučivanje.10) skicirani su ovi postupci.

1,00
1,00
d
0,75

0,50
d
0,25
d

fjm fjs1 fjs fjs2 fjM fj0 fj1 fj2 fji-1 fji

Slika Metode za odlučivanje.9 Metoda Slika Metode za odlučivanje.10 Metoda

bisekcije standardnih razlika

Dobar primjer definiranja funkcijskih vrijednosti za sve razine atributa je određivanje

funkcije vrijednosti za porciju sladoleda ukoliko je ta vrijednost funkcija samo broja kuglica.
Razumno je pretpostaviti da je vrijednost praznog korneta 0, dakle v(0)=0 . Ukoliko je za puno
zadovoljstvo donositelja odluke dovoljno pet kuglica sladoleda to znači da je v(5)=1 . Vrijednosti
sladoleda s 1, 2, 3 i 4 kuglice odrede se interpolacijom.

Za vrednovanje inačica po kvalitativnim kriterijima u širokoj upotrebi su različite

bodovne tablice. Funkcije vrijednosti mogu se dobiti normalizacijom bodova dodijeljenih
inačicama pomoću tih tablica. Primjer jedne bodovne tablice daje se u tablici (Tablica Metode za
odlučivanje.24).

Tablica Metode za odlučivanje.24 USAID bodovna tablica47 s 5 stupnjeva koja se koristi u

sustavu javne nabave
Rang Opis Ocjena
Izvrsno Ponuda premašuje sve postavljene zahtjeve uz malo ili 10
nimalo rizika.
Vrlo dobro Ponuda ispunjava sve postavljene zahtjeve, a neke i 8-9
premašuje te uključuje malo rizika.

51
 Dobro Ponuda ispunjava sve uvjete uz prihvatljiv rizik. 6-7
Granično Ponuda gotovo ispunjava sve zahtjeve te nosi neke 4-5
elemente rizika.
Slabo Ponudu je teško procijeniti ne temelju kriterija. Ponuda je 1-3
visoko rizična.
Nije sukladno Ponuda je potpuno nesukladna postavljenim zahtjevima ili 0
ne sadržava dovoljno informacija za njenu ocjenu.
Zajednička karakteristika većine metoda za modeliranje funkcija vrijednosti je ta da se na
temelju postavljanja krajnjih vrijednosti i nekoliko međuvrijednosti ostale vrijednosti određuju
interpolacijom. U pojedinim djelovima domene te funkcije mogu biti linearne, eksponencijalne i
sl. U modeliranju funkcija vrijednosti važna je interakcija s donositeljem odluke, a postupak se
može znatno olakšati korištenjem odgovarajuće programske potpore poput npr. programa Web-
HIPRE48 . Također treba naglasiti da funkcije vrijednosti mogu biti rastuće i padajuće kao što to
prikazuje slika 9.11.

vrijednost
vrijednost

Udaljenost od
radnog mjesta
Visina plaće

Slika Metode za odlučivanje.11 Rastuća i padajuća funkcija vrijednosti

Oblik rastuće funkcije vrijednosti je u pravilu konkavan zbog toga jer granična vrijednost pada s
porastom vrijednosti atributa. Npr, na manjoj razini plaće svaka dodatna novčana jedinica izaziva
veći porast vrijednosti za korisnika nego na većoj razini. Iz sličnog razloga padajuća funkcija
vrijednosti je konveksna, npr., ako se nekome tko je od radnog mjesta udaljen toliko da bez
teškoća odlazi na posao pješke, udaljenost od radnog mjesta poveća za 1 km, pad vrijednosti tog

52
posla s tog aspekta biti će veći nego u slučaju da do jednakog povećanja udaljenosti dođe kad mu
je udaljenost od radnog mjesta desetak km.

10.4.2 Metode za višekriterijsku analizu odluke u kojima se koristi idealno rješenje

Na temelju podataka iz tablice odlučivanja za razmatrani skup inačica A= {a1,a2,...,an}.

može se konstruirati idealna inačica a* tako da se za njezine kriterijske vrijednosti uzmu najbolje
vrijednosti iz tablice odlučivanja. Idealna inačica koristi se u donošenju odluke tako da se u
skupu raspoloživih inačica traži ona koja je njoj najsličnija. Kako definirati i mjeriti sličnost
među objektima koji se opisuju s različitim atributima kao što je to slučaj s inačica u problemima
višekriterijskog odlučivanja? Sve raspoložive inačice i idealna inačica mogu se tretirati kao točke
u višedimenzionalnom prostoru (svaki kriterij određuje jednu dimenziju), a to omogućava da se
kao mjera sličnosti neke promatrane inačice a s idealnom inačicom a* koristi njihova
međusobna udaljenost. Na temelju tako definirane sličnosti sve inačice iz skupa A mogu se
rangirati.
Za razumijevanje postupka rangiranja inačica, temeljem sličnosti s idealnom i negativno
idealnom inačicom, treba znati izračunati udaljenost točaka u višedimenzionalnom vektorskom
prostoru, te taj postupak primijeniti na podatke iz normalizirane tablice odlučivanja. U nastavku
se prikazuju osnovne metrike i njihova svojstva relevantna za interpretaciju udaljenosti točaka
kao mjere sličnosti inačica kojima su te točke pridružene, te se pokazuje kako se te udaljenosti
koriste za formiranje rang liste inačica.

11 Mjerenje udaljenosti u višedimenzionalnom prostoru

Za mjerenje udaljenosti točaka u višedimenzionalno vektorskom prostoru matematičari
koriste funkciju koja se zove metrika Minkowskog 49. Ako su dane dvije točke,
A( x1 , x2 ,..., xk ) i B( y1 , y2 ,..., yk ) , njihova udaljenost se izračuna pomoću izraza
1
�k p�
p
d p ( A, B ) = ��
�i =1
xi - yi �
�

53
pri čemu je p≥1 parametar za kojeg se najčešće uzimaju vrijednosti 1, 2 i ∞. Ovisno o tim
vrijednostima pomoću prethodne formule dobivaju se različite udaljenosti, ali svaka vrijednost
parametra p pri tom ima svoje semantičko opravdanje. Za p=1 udaljenost se svodi na sumu
apsolutnih vrijednosti razlika po svim koordinatama. Često korištena analogija u vezi s ovom
metrikom je mjerenje udaljenosti između dvije lokacije na Manhattanu (jer je taj dio New Yorka
podijeljen u blokove, što asocira na koordinatnu mrežu). Za onoga tko želi preći udaljenost
između dvije točke u tom dijelu grada, informacija o najkraćoj udaljenosti u geometrijskom
smislu ne govori ništa korisno jer od točke A do točke B na Manhattanu treba preći put po svim
koordinatama. Dakle, za p=1 sličnost neke inačice s idealnom mjeri se zbrajanjem apsolutnih
vrijednosti razlika po svim kriterijima. Za p=2 dobije se udaljenost u geometrijskom smislu, a to
je dužina najkraće spojnice između dviju točaka ili Euklidska udaljenost. Ako se povećava p,

udaljenost d p ( A, B) se sve više približava apsolutnoj vrijednosti najveće razlike po

komponentama. Vrijedi
1
�k p�
p
d�( A, B) = lim d p ( A, B) = lim �
p �� p ��
�i i �
�i =1
x - y
�
= max xi - yi
i

U tablici 9.25 navodi se primjer izračunavanja udaljenosti točaka A(3,5,4) i B(8,1,6) za sve tri

metrike definirane prethodnom općom formulom za d p ( A, B) .

Tablica Metode za odlučivanje.25 Udaljenosti točaka A(3,5,4) i B(8,1,6) mjerene u različitim
metrikama Minkowskog
Udaljenosti mjerene metrikom Minkowskog
Razlike koordinata
Manhattan Euklidska Čebiševljeva
3 3

�xi - yi �x -y max xi - yi

2
Formula x1 - y1 x2 - y2 x3 - y3 i i i
i =1 i =1

Vrijednost 5 4 2 11 6,71 5

Razumijevanje postupka koji je ilustriran primjerom iz ove tablice nužno je za razumjevanje

primjene idealne inačice u odlučivanju.

12 Rangiranje inačica po udaljenosti od idealne inačice

Postupak se opisuje pomoću primjera Odabir izvođača radova, a u tablicu 9.26 koja se
ovdje prenosi uključena je i idealna ponuda (najniža cijena, najkraći rok, najbolje preporuke i

54
najbolji bonitet). Vidi se da niti jedna od originalnih ponuda nema sve njezine razine vrijednosti
atributa pa problem nema savršeno rješenje.

Tablica Metode za odlučivanje.26 Ulazni podaci

Cijena Rok Preporuke Bonitet
Težine wc wr wp wb
Tip kriterija min min max max
Jedinica kn(mil) dani bodova bodova
Tempo 2,10 60 3 10
Konstruktor 2,30 65 2 4
Zagorje 1,80 70 5 6
Tehnobeton 1,90 80 4 10
Grad 2,00 70 4 7
Idealna ponuda 1,80 60 5 10

Prethodno je pokazano kako se kriteriji troška, tj. kriteriji tipa „manje je bolje“, prevode u
kriterije koristi, te kako se potom podaci iz tablice odlučivanja normaliziraju, pa se ovdje samo
prenosi tablica normaliziranih vrijednosti s dodatnim redom koji se odnosi na idealnu ponudu.
Normalizacija je izvršena tako da su se kriterijske vrijednosti inačica po svakom kriteriju
prikazale kao postotni dio od najbolje vrijednosti. Budući da svi kriteriji nisu jednako važni, u
daljnjem postupku koristit će se težine kriterija koje su izračunate postupkom uspoređivanja u
parovima (AHP metodom).

Tablica Metode za odlučivanje.27 Normalizirane vrijednosti tablice odlučivanja

Cijena Rok Preporuke Bonitet
Težine kriterija 0,40 0,10 0,30 0,20
Tempo 0,86 1,00 0,60 1,00
Konstruktor 0,78 0,92 0,40 0,40
Zagorje 1,00 0,86 1,00 0,60
Tehnobeton 0,95 0,75 0,80 1,00
Grad 0,90 0,86 0,80 0,70
Idealna ponuda 1 1 1 1

Kriteriji koji su važniji moraju doći do jačeg izražaja u konačnoj odluci, pa se ove
normalizirane vrijednosti iz tablice odlučivanja ponderiraju s težinama kriterija. Tim postupkom
dobije se tablica ponderiranih normaliziranih vrijednosti.

55
 Tablica Metode za odlučivanje.28 Ponderirana normalizirana tablica odlučivanja
Cijena Rok Preporuke Bonitet
Tempo 0,34 0,10 0,18 0,20
Konstruktor 0,31 0,09 0,12 0,08
Zagorje 0,40 0,09 0,30 0,12
Tehnobeton 0,38 0,08 0,24 0,20
Grad 0,36 0,09 0,24 0,14
Idealna ponuda 0,40 0,10 0,30 0,20
Sad je moguće, uz pomoć prethodno objašnjenih formula za mjerenje udaljenosti, izračunati
udaljenosti svake inačice od idealne inačice za sve tri metrike.

Udaljenosti od idealne inačice mjerene

metrika (p)
Rang Inačice pomoću različitih metrika (p=1,2, ∞)
1 2 ∞ 1 2 ∞
1. Zagorje Tehnobeton Tehnobeton- Tempo 0,1760 0,1324 0,1200
Grad
2. Tehnobeton Zagorje Konstruktor 0,3960 0,2337 0,1800
3. Grad Grad Zagorje Zagorje 0,0940 0,0812 0,0800
4. Tempo Tempo Tempo Tehnobeton 0,1050 0,0680 0,0600
5. Konstruktor Konstruktor Konstruktor
Grad 0,1740 0,0948 0,0600

Slika Metode za odlučivanje.12 Udaljenosti inačica od idealnog rješenja i njihove rang liste
za različite metrike

Na slici (Slika Metode za odlučivanje.12) prikazane su udaljenosti od idealnog rješenja

po metrikama Minkowskog za sve tri glavne vrijednosti parametra p i pripadne rang liste inačica.
Vidi se da nema značajnih razlika među tim rang listama. Ponuda Zagorje je najbolja ukoliko se
jednostavno zbroje razlike između inačica i idealne inačice. Ukoliko se zbrajaju kvadrati razlika
(i vadi drugi korjen iz tog zbroja) „kažnjavaju“ se veće razlike, tj. značajnija razlika od idealne
inačice po nekom kriteriju otežava izbor inačice kojoj pripada ta razlika. Konačan izbor može
se donijeti fokusiranjem na razlike između dvije najbolje ponude, Zagorje i Tehnobeton jer se te
dvije ponude izmjenjuju na prvom i drugom mjestu rang listi. Doduše, ponuda Grad na jednoj
rang listi dijeli prvo mjesto s ponudom Tehnobeton, ali uzevši sva razmatranja u obzir, ponuda
Zagorje je bolja od ponude Grad.

56
Metoda TOPSIS
U metodi TOPSIS50,51 se ideja izbora najbolje inačice na temelju udaljenosti od idealnog
rješenja proširuje s dodatnim zahtjevom da ta inačica bude ujedno i što dalje od tzv. negativno
idealnog rješenja. Temelj za tu ideju može se naći u vrijednosnim sustavima i religioznim
konceptima gdje se teži ponašanju koje vodi što bliže «nebu» i udaljava nas od «pakla».
Prozaičniji motiv da se u analizi odluke kao orjentir uključi i negativno idealno rješenje je
nastojanje da se u poslovnom odlučivanju donose (identificiraju) odluke kojima se maksimalizira
profit, a minimalizira rizik.

Operacionalizacija ove ideje traži da se osim idealnog rješenja a* =  f1 , f 2 ,..., f k  koje se u

* * *

ovoj metodi zove pozitivno idealno rješenje s komponentama f j = max

*
f j  ai  (zbog lakšeg
a A i

označavanja pretpostavlja da su svi kriteriji kriteriji koristi) uvede i negativno idealno rješenje

 
-
a - = f1- , f 2- ,..., f k- s komponentama f j = min f j  ai  .
a A i

-
Udaljenost inačice ai od negativnog idealnog rješenja, mjerena po metrici p označi se s d p (ai ) a

njezina udaljenost od pozitivno idealnog rješenja s d *p (ai ) . Da bi se u skupu inačica

A =  a1 , a2 ,..., an  identificirala ona inačica koja je najbliža pozitivnom idealnom rješenju, a

ujedno je najudaljenija od negativnog idealnog rješenja potrebno je za odabranu metriku

formirati funkciju
d p-  ai 
D p  ai  =
d *p  ai  + d p-  ai 

Najbolja inačica (može ih biti više) je ona za koju ova funkcija poprima maksimalnu vrijednost.
Ukoliko se želi rang lista inačica, ona se formira po opadajućim vrijednostima ove funkcije.
Lako provjeriva svojstva ove funkcije jesu:
(1) 0 �D p (ai ) �1 (2) D p (a * ) = 1 (3) D p (a - ) = 0

Jednostavna interpretacija tih svojstava je slijedeća – za sve inačice ova složena mjera
udaljenosti od pozitivno idealne i negativno idealne inačice ima vrijednost između 0 i 1 s tim da
je bolja inačice ona za koju je ta vrijednost veća.

57
 Korištenjem različitih vrijednosti parametra p za mjerenje distance, mogu se dobiti različite
rang liste inačica. Međutim, postoji način da se vrijednosti distanci za različite vrijednosti
parametra p objedine u jedinstvenu mjeru distance. To se postiže njihovom linearnom
kombinacijom
D = 1D1 + 2 D2 + 3 D

pri čemu vrijednosti koeficijenata i , i = 1,2,3 proizlaze iz činjenice da funkcija Dp za manje

vrijednosti od p ima veću snagu diskriminacije nego za veće vrijednosti. Također je
ustanovljeno52 da vrijednosti tih koeficijenata ovise i o broju kriterija pa se u tablici (Tablica
Metode za odlučivanje.29)53 navode vrijednosti koje se preporučuju za težinske koeficijente
funkcijskih vrijednosti Dp prilikom njihovog objedinjavanja u vrijednost D koja služi za
rangiranje inačica.

Tablica Metode za odlučivanje.29 Koeficijenti za računanje vrijednosti D kao linearne

kombinacije udaljenosti mjerenih različitim metrikama
Broj kriterija 1 2 3

1 0,3333 0,3333 0,3333

2 0,4113 0,3147 0,2741
3 0,4673 0,2992 0,2335
4 0,5098 0,2861 0,2041
5 0,5437 0,2747 0,1816
6 0,5717 0,2647 0,1636
7 0,5951 0,2559 0,1490
8 0,6154 0,2479 0,1367
9 0,6328 0,2407 0,1267
10 0,6479 0,2342 0,1179

Prikazani postupak moguće je ilustrirati primjenom na podacima iz primjera Odabir izvođača

radova. Pri tom se postupak nastavlja od izračuna koji su provedeni za rangiranje inačica
temeljem udaljenosti od pozitivno idealnog rješenja. Svi ključni koraci u tom postupku prikazani
su u tablici (Tablica Metode za odlučivanje.30).

58
Tablica Metode za odlučivanje.30 Rangiranje inačica iz primjera Odabir izvođača radova
pomoću metode TOPSIS

Objašnjenje podataka iz tablice (Tablica Metode za odlučivanje.30):

 u stupcima B-E nalaze se ponderirane i normalizirane vrijednosti iz tablice odlučivanja iz
primjera Odabir izvođača radova, svi kriteriji troška preračunati su u kriterije koristi,
rezultati su dani na dvije decimale zbog preglednosti tablice
 u redovima 8 i 9 nalaze se kriterijske vrijednosti pozitivno idealne i negativno idealne
inačice
 u stupcima F-K nalaze se udaljenosti inačica od pozitivno idealne i negativno idealne
inačice, mjerene u različitim metrikama
 u stupcima L-N nalaze se vrijednosti objedinjenih udaljenosti inačica izračunate pomoću
TOPSIS funkcija Dp za p=1,2, ∞
 u drugom retku u stupcima L-N nalaze se vrijednosti koeficijenata iz tablice 9.29, za
probleme s četiri kriterija, za računanje integrirane udaljenosti D, kao linearne
kombinacije vrijednosti funkcija Dp
 u stupcu O nalaze se vrijednosti funkcije D na temelju kojih se rangiraju inačice uzevši u
obzir udaljenosti od pozitivno idealnog rješenja i negativno idealnog rješenja, izmjerenih
po svim metrikama.

Temeljem vrijednosti iz stupca O vidi se da je najbolja ponuda Zagorje, neznatno je slabija

ponuda Tehnobeton, slijede ponude Grad i Tempo, a uvjerljivo najslabija ponuda je ponuda
Konstruktor.

12.1.1 Metoda ELECTRE

Autor metode ELECTRE je B. Roy 54, a postoji više varijanti ove metode. Pokretači
aktivnosti na razvoju novih inačica metode bili su praktični zahtjevi koji su proizlazili iz potrebe

59
za što kvalitetnijim modeliranjem složenih problema odlučivanja 55 i nastojanja da se uklone
uočene teorijske nekonzistentnosti u pojedinim verzijama metode. U tablici (Tablica Metode za
odlučivanje.31) navode se neke inačice (ima ih desetak) metode ELECTRE i vrste problema
odlučivanja za koje se one koriste.

Tablica Metode za odlučivanje.31 Inačice metode ELECTRE

Problem odlučivanja Metode
Odabir najbolje inačice ELECTRE I, ELECTRE Iv,
ELECTRE IS
Rangiranje inačica ELECTRE II, ELECTRE
III, ELECTRE IV
Sortiranje inačica ELECTRE TRI
Primjeri
Odabir jednog kandidata za posao
Odabir vozila
Rangiranje kandidata za posao
Rangiranje sportaša, umjetnika
Sortiranje klijenata u skupine (dobri,
manje dobri, loši)

Ova metoda bitno se razlikuje od ostalih metoda za višekriterijsku analizu odluka koje se
prikazuju u ovoj knjizi po tome što je ona nekompenzatorna metoda. Naime, kod metoda koje
se svode na više ili manje sofisticirano zbrajanje ponderiranih vrijednosti (MAVT, TOPSIS,
AHP) nedostaci u jednom ili više kriterija mogu se kompenzirati prednostima u drugim
kriterijima. ELECTRE je drukčija metoda, ona omogućuje da se inačice uspoređuju postupkom
koji osigurava da se nedostaci neke inačice po nekom aspektu koji se koristi kao jedan od
kriterija za odlučivanje ne mogu kompenzirati prednostima u drugim aspektima važnim za
donositelja odluke. To ovu metodu izdvaja od drugih metoda za višekriterijsku analizu, čineći ju
pogodnijom za situacije kad postoji izrazit konflikt među kriterijima ili kad neka od razmatranih
inačica posjeduje izrazito specifična svojstva relevantna za kvalitetu odluke, a koja je potrebno
„prepoznati“ u postupku odlučivanja.
Informacije potrebne za primjenu metode su tablica odlučivanja i težine kriterija.
Iako za sve faze provođenja postupka nije nužno svođenje kriterija na usporedive ljestvice,
kompletni postupak ne može se provesti ukoliko to nije učinjeno. Stoga će se primjena metode
ELECTRE objasniti pomoću tablice odlučivanja koja pripada problemu (Tablica Metode za
odlučivanje.9), a putem koje su objašnjene metode MAVT i TOPSIS (primjer Odabir izvođača
radova). U prikazu metode korištene su težine kriterija iz spomenutog primjera. Prikaz se odnosi

60
na varijantu ELECTRE I , a u tekstu će se navoditi samo generičko ime metode bez numeričke
ekstenzije.
Važno je naglasiti da, za razliku od metoda koje se svode na zbrajanje ponderiranih
vrijednosti, interpretacija težina kriterija i njihovog utjecaja na odluku u metodi ELECTRE nije
tako jednostavna i očita. Naime, iz postupka zbrajanja ponderiranih vrijednosti, kojim se različite
vrijednosti performansi inačica agregiraju u jedinstven pokazatelj, jasno je da težine kriterija
imaju ulogu kompenzacijskih koeficijenata. Kod metode ELECTRE se takav izravan učinak
težina kriterija na rezultat postupka ne može prepoznati, već se one ugrađuju u odluku u dva
vida:

(i) Važnost kriterija odražava se kroz njihove težine kod računanja indeksa suglasnosti
(ii) Važnost kriterija implicite dolazi do izražaja kod računanja indeksa nesuglasnosti.

Metoda se temelji na ideji da je za izbor inačice u skupu inačica bitno modeliranje odnosa
između dviju inačica a i b . Za svaki par inačica (a,b) ispituje se koliko su jaki argumenti za stav
da a dominira nad b. Do konačnog zaključka o odnosu dviju inačica a i b iz skupa inačica A
dolazi se uz pomoću složene uređajne relacije56 SA, koja ima slijedeća svojstva:
(i) a SA b (a dominira b u smislu outranking relacije SA) vrijedi ukoliko uzevši u obzir
preferencije donositelja odluke, vrednovanje inačica pomoću kriterija koji imaju
težine kao mjeru važnosti, postoji dovoljno razloga da se prihvati stav „a je najmanje
toliko dobro kao i b“ i ne postoje razlozi da se odbaci ta prosudba
(ii) a SA b ne vrijedi ukoliko se argumenti u prilog tvrdnji „a je najmanje toliko dobro
kao i b“ smatraju nedovoljnim.
Temeljem ove relacije moguća su tri odnosa među inačicama: preferencija, indiferencija i
neusporedivost. Na slici (Slika Metode za odlučivanje.13) vizualizirani su pomoću grafa mogući
odnosi inačica a, b i c temeljem gore definirane relacije.

a je indiferentno u odnosu na b
a se preferira u odnosu na c
a b b i c su neusporedive inačice

61
 Slika Metode za odlučivanje.13 Graf outranking relacije

U modeliranju outranking relacije, dakle provjeravanju da li za par inačica (a,b) vrijedi

a SA b, ili jednostavnije rečeno može li se reći da a dominira nad b, koriste se koncepti
suglasnosti s dominacijom i nesuglasnosti s dominacijom. Suglasnost s prosudbom a SA b temelji
se na prednostima koje inačica a ima u odnosu na inačicu b, a mjeri se indeksom suglasnosti s
dominacijom. S druge strane, neslaganje s tvrdnjom a SA b temelji se na karakteristikama inačice
b kojima se ona odupire stavu o dominaciji inačice a , pri čemu se kao mjera za to koristi indeks
nesuglasnosti s dominacijom.
Konačna prosudba o tome, vrijedi li a SA b, rezultat je testiranja koje se provodi prema sljedećem
modelu:

(a,b)?A

računaju se indeksi
suglasnosti c(a,b) i
nesuglasnosti d(a,b) a ne dominira b

da

ne da
a ne dominira b c(a,b)>c d(a,b)>d

ne

a dominira b

Slika Metode za odlučivanje.14 Modeliranje outranking relacije

Primjena metode ELECTRE bit će prikazana u koracima, pomoću primjera Odabir

izvođača radova, s kojim su ilustrirane i metode TOPSIS i MAVT. Metoda ELECTRE se može
prikazati i na formalniji način u devet koraka57, ali moguće nju je objasniti i u manjem broju
koraka.

Primjena metode ELECTRE objašnjava se u slijedećih sedam koraka:

1. Računanje normalizirane tablice odlučivanja
2. Računanje ponderirane normalizirane tablice odlučivanja
3. Određivanje skupova suglasnosti i nesuglasnosti
62
 4. Računanje matrice suglasnosti
5. Računanje matrice nesuglasnosti
6. Uspostavljanje outranking relacije
7. Eliminiranje dominiranih inačica.

Budući da su pojmovi tablica odlučivanja, težine (ponderi kriterija) i postupak normalizacije

objašnjeni u prethodnim djelovima teksta, metoda će se prikazati na jednostavniji način, tako da
se spoje pojedini koraci.

Koraci 1 i 2

U Tablici odlučivanja 9.9 opisane su inačice, izvođači radova (primjer Odabir izvođača radova),
a u tablici 10.10 su sve kriterijske vrijednosti svedene na tip kriterija koristi, tj. „veće je bolje“. U
točki 9.3.3 opisani su postupci normalizacije kriterijskih vrijednosti iz tablice odlučivanja. U
ovom primjeru, kriterijske vrijednosti iz tablice 10.10 normalizirane su postupkom postotne
normalizacije. Svaka kriterijska vrijednost izražena je kao % od najbolje vrijednosti u stupcu
kojem pripada.

Tablica Metode za odlučivanje.32 Normalizirana tablica odlučivanja za odabir izvođača

radova

Za težine kriterija uzimaju se težine izračunate pomoću metode SWING, koja je prikazana u
točki 10.3.5, sukladno preporuci da je taj postupak pogodan u situaciji kad su poznate
kriterijske vrijednosti inačica. Pomoću tih težina ponderirane su vrijednosti iz tablice (Tablica
Metode za odlučivanje.1) i formirana je tablica 9.28 kao tablica ponderiranih normaliziranih
vrijednosti:

63
 Tablica Metode za odlučivanje.28 Ponderirana normalizirana tablica odlučivanja

Za potrebe prikaza metode u nastavku će se element u i-tom redu i j-tom stupcu ove matrice
označavati s vij.

Korak 3: Određivanje skupova suglasnosti i nesuglasnosti

Za svaki par inačica (a k , a l ), k , l  (1,2, ..., n ), k  l skup indeksa kriterija J = {1, 2,

..., k} dijeli se na dva podskupa:

Skup suglasnosti Ckl =  j / f j (ak ) �f j (al ), j �J  i

skup nesuglasnosti Dkl =  j / f j (ak ) < f j (al ), j �J  .

Skup C kl čine kriteriji po kojima inačica a k nije slabija od inačice a l (bolja je ili
jednako dobra). Skup Dkl čine kriteriji po kojima je inačica a k slabija od inačice a l .
Za naš primjer skupovi suglasnosti za sve parove inačica su:
C12={ 1,2,3,4 C21= � C31={1,3} C41={1,3,4 C51={1,3}
} }
C13={2,4} C23={2 C32={1,3,4 C42={1,3,4 C52={1,3,4
} } } }
C14={2,4} C24={2 C34={1,2,3 C43={4} C53={2,4}
} }
C15={2,4} C25={2 C35={1,2,3 C45={1,3,4 C54={2,3}
} } }

64
Skupovi nesuglasnosti mogu se odrediti izravno po definiciji ili kao komplementi skupova

suglasnosti Dij = J - Cij

D12= � D21={ 1,2,3,4} D31={2,4} D41={2} D51={2,4}
D13={1,3} D23={1,3,4} D32={2} D42={2} D52={2}
D14={1,3} D24={1,3,4} D34={4} D43={1,2,3} D53={1,3}
D15={1,3} D25={1,3,4} D35={2} D45={2} D54={1,4}

Korak 4: Računanje matrice suglasnosti

Za svaki par inačica (ak , al ) δ A A računa se indeks suglasnosti ckl koji predstavlja

mjeru suglasnosti s tvrdnjom ak S A al . Taj indeks računa se tako da se zbroj težina kriterija po
kojima ak nije slabija od al podijeli sa zbrojem težina svih kriterija. Formula za računanje indeksa

wj
ckl je
ckl = � k
. Ukoliko su težine normalizirane tj.
m

w = 1 , vrijedi c kl =  = 1.
�w
j�Ckl

j =1
j j =1
j
jC kl

Jasno je da vrijedi 0  c kl  1 . Indeksi suglasnosti c kl čine matricu suglasnosti C s cii=058.

Primjerice; da bi izračunali c12 treba zbrojiti težine kriterija po kojima je ponuđač 1 (Tempo) bolji
ili jednako dobar kao ponuđač 2 (Konstruktor). Indeksi tih kriterija su elementi skupa

C12={ 1,2,3,4} pa je c12 jednak zbroju težina svih kriterija, dakle c12=1. Da bi izračunali npr. c32 ,
treba identificirati kriterije po kojima je ponuđač 3 bolji ili jednako dobar kao ponuđač 2 i
zbrojiti njihove težine. To su kriteriji čiji indeksi pripadaju skupu C32={1,3,4}, a zbroj njihovih
težina je 0,9 . Na isti način izračunavaji se ostale vrijednosti indeksa suglasnosti koje čine
matricu suglasnosti:

0 1 0,3 0,3 0,3

0 0 0,1 0,1 0,1
C= 0,7 0,9 0 0,8 0,8
0,9 0,9 0,2 0 0,9
0,7 0,9 0,3 0,4 0

65
Korak 5: Računanje matrice nesuglasnosti

Indeks nesuglasnosti dkl odražava odupiranje inačice a l dominaciji inačice a k , te tvori

matricu nesuglasnosti D. Taj indeks računa se tako da se najveća razlika po kriterijima po kojima
je al bolja od ak (indeksi tih kriterija čine skup Dkl) usporedi s najvećom razlikom po svim
kriterijima. Smisao ove mjere je taj da se identificira najznačajnija specifičnost inačice al po
kojoj ona ima prednost u odnosu na ak i da se ta razlika između njih usporedi s najvećom
razlikom po svim kriterijima.

max v kj - vlj
jDkl
d kl =
max v kj - vlj
jJ

Na primjer; d12 je indeks kojim se mjeri odupiranje druge ponude (Konstruktor) dominaciji prve
ponude (Tempo). Budući da niti po jednom kriteriju druga ponuda nije bolja od prve imamo
d12=0. Kad se računa indeks d13, iz D13 vidi se da je treća ponuda (Zagorje) bolja od prve (Tempo)
po prvom i trećem kriteriju i da je najveća razlika među tim ponudama po jednom od tih kriterija
(trećem), pa je zbog toga d13=1. Kad se uspoređuju četvrta i prva ponuda, odupiranje prve
(Tempo) dominaciji četvrte ponude (Tehnobeton) mjeri se indeksom d41 . Najveća razlika među
ponudama koja ide u prilog prvoj ponudi postiže se po drugom kriteriju, a ukupno najveća
razlika je u trećem kriteriju. Dijeljenjem apsolutnih vrijednosti tih razlika dobije se d41 =0,417.

Indeksi d kl čine matricu nesuglasnosti D. Matrica nesuglasnosti za ovaj primjer je:

0 0 1 1 1
1 0 1 1 1
D= 0,667 0,037 0 1 0,333
0,417 0,144 0,75 0 0,179
1 0,055 1 1 0

Korak 6: Uspostavljanje outranking relacije

66
 Da bi se uspostavila uređajna relacija među inačicama, za svaki par inačica treba provesti
test prikazan na slici (Slika Metode za odlučivanje.14). Za tu svrhu potrebno je odrediti
vrijednosti praga suglasnosti s dominacijom c i praga nesuglasnosti s dominacijom d .

Za pragove se obično uzimaju prosječne vrijednosti nedijagonalnih elemenata matrica C i D ,

c kl d kl
c= i d = .
n(n - 1) n(n - 1)

Iz matrica C i D lako se izračunaju vrijednosti c =0,679 i d =0,485.

Za promatrani par inačica (ak , al ) vrijedi ak S A al ako je istinita tvrdnja ckl> c i dkl< d . Suština
semantičke interpretacije ovih nejednakosti je „Postoji dovoljno argumenata za tvrdnju da
inačica ak ima značajne prednosti u odnosu na inačicu al , a argumenti koji idu u prilog inačici al
nisu dovoljni da bi onemogućili davanje prednosti inačici ak“.

Nakon što se provede postupak provjere dominacije za svaki par inačica, odnosi među inačicama

mogu se prikazati slijedećom matricom incidencije pri čemu Ikl=1 znači da vrijedi ak S A al tj. ak
dominira al , a Ikl=0 znači da nema dominacije među njima.

0 1 0 0 0
0 0 0 0 0
I= 0 1 0 0 1
1 1 0 0 1
0 1 0 0 0

Korak 7. Eliminiranje dominiranih inačica

Na temelju matrice incidencije može se nacrtati graf dominacije među inačicama ().

67
 Grad

Tempo
Tehnobeto
n

Konstrukto Zagorje

Slika Metode za odlučivanje.15 Graf dominacije među ponudama

Inačice koje nisu dominirane niti od jedne druge inačice (u matrici incidencije tim
inačicama pripadaju stupci u kojima su svi elementi jednaki 0) čine jezgru grafa. Među tim
inačicama treba tražiti najbolju. Stabilnost jezgre grafa ispituje se mijenjanjem pragova
suglasnosti i nesuglasnosti, dakle, otežavanjem ili olakšavanjem uspostavljanja outranking
relacije. U našem primjeru jezgru grafa, dakle inačice od kojih nema boljih čine Tehnobeton i
Zagorje. Općenito, ukoliko postoji više inačica koje nisu dominirane niti od jedne druge inačice,
provodi se analiza stabilnosti sastava jezgre grafa uređajne relacije. Ta analiza provodi se tako
da se mijenjaju vrijednosti pragova suglasnosti i nesuglasnosti. Graf na slici () pripada
vrijednostima pragova c =0,679 i d =0,485. Analiza stabilnosti jezgre provodi se tako da se
otežava postizanje dominacije povećavanjem vrijednosti praga suglasnosti ili smanjivanjem
vrijednosti praga nesuglasnosti (time se olakšava odupiranje dominaciji). Promjenama
vrijednosti pragova u suprotnim smjerovima olakšava se postizanje dominacije. Zbog izrazitih
posebnosti inačica Tehnobeton (najbolji bonitet) i Zagorje (cjenovno najpovoljnija i najbolje
preporuke), između njih nije moguće uspostaviti dominaciju u smislu metode ELECTRE, pa se
konačna odluka koja je ponuda najbolja treba temeljiti na razmatranju prednosti i nedostataka
ovih dviju inačica.

12.1.2 Analitički hijerarhijski proces

Analitički hijerarhijski proces (engl. The Analytic Hierarchy Process - AHP) je jedna od
najpopularnijih metoda višekriterijskog odlučivanja. Ovu metodu razvio je krajem sedamdesetih
68
godina dvadesetog stoljeća59,60 T.L. Saaty koji je u to vrijeme, kao član američkog pregovaračkog
tima, sudjelovao u složenim procesima pregovaranja o razoružanju s bivšim Sovjetskim
savezom.
Svoju popularnost ova metoda u velikoj mjeri zahvaljuje tome što je hijerarhijski model složenog
problema odlučivanja, koji se koristi u njoj, blizak načinu na koji ljudi intuitivno analiziraju
složene probleme razlažući ih na jednostavnije aspekte61. Druga sastavnica metode je relativno
sofisticirani matematički model koji omogućuje sintezu rezultata detaljne analize problema.
Činjenica da se metoda može uspješno primjenjivati, a da taj matematički model čak nije
potrebno niti razumjeti, sigurno doprinosi tome da metoda AHP ima široku primjenu 62 kako u
privatnom tako i javnom sektoru.
Osim praktične vrijednosti ove metode pri rješavanju konkretnih problema odlučivanja, postoji i
velik broj knjiga posvećenih toj metodi. O popularnosti ove metode govori i činjenica da se već
godinama redovito održavaju znanstvene konferencije na temu AHP metode 63, kao i to da
najveće svjetske konferencije posvećene operacijskim istraživanjima 64 u svom programu imaju
sekcije posvećene toj metodi.
U ovom poglavlju prikazana je metodološka osnova i matematički model AHP metode,
dok su primjeri primjene metode AHP uz pomoć alata za podršku odlučivanju sastavni dio
poglavlja 10 (Sustavi za potporu odlučivanju). Osnovni elementi metode AHP, hijerarhijska
struktura složenog problema odlučivanja i matematički model, te primjena metode i njezine
prednosti i nedostaci, detaljnije su prikazani u nastavku.

13 Hijerarhijska struktura
U rješavanju složenih problema čovjek nastoji grupirati elemente problema po sličnosti
njihovog utjecaja na proces na koji problem djeluje, odnosno na ciljeve koji se nastoje postići.
Tako npr. kod kupnje automobila razmišlja se posebno o troškovnim aspektima njegovog
posjedovanja, elementima dizajna koji doprinose estetskom dojmu, performansama motora i
mogućnostima koje proizlaze iz toga i slično. Na temelju takvog razmišljanja stječe se cjelovit
dojam o pojedinom vozilu i donosi se odluka.
U poglavlju o heuristikama i heurističkim pravilima odlučivanja spomenuti su neki nedostaci
načina na koje ljudi donose složene odluke kada se oslanjaju na intuiciju. Ključni faktor uspjeha
u odlučivanju u složenim situacijama je način na koji se različiti aspekti vrijednosti inačica

69
dovode u vezu i kako se pojedinačni aspekti utjecaja na ciljeve vrednuju u ukupnom utjecaju
temeljem kojeg se donosi odluka.
Prirodan način na koji čovjek strukturira složene probleme i potom ih analizira je
hijerarhijska struktura, dakle njihovo raščlanjivanje na sve jednostavnije aspekte. Rješavanje
složenih problema odlučivanja pomoću metode AHP temelji se upravo na njihovoj dekompoziciji
u hijerarhijsku strukturu čiji elementi su cilj, kriteriji (podkriteriji) i inačice. Cilj se nalazi na
vrhu hijerarhije dok su kriteriji, podkriteriji i inačice na nižim razinama. Kako složenost
problema raste s brojem kriterija i s brojem inačice, te zbog kognitivnih ograničenja u pogledu
sposobnosti ljudskog uma u razlikovanju velikog broja inačica i kriterija, pri formiranju
hijerarhije ne preporuča se grupirati više od 7 elemenata na istoj razini ili u jednom čvoru.
Na slici 9.8 prikazana je hijerarhijska struktura problema Odabir izvođača radova. To je
jednostavna hijerarhija s dvije razine, na prvoj razini (razine se broje od gore prema dolje) su
kriteriji. a na drugoj razini su inačice. Ukoliko se neki od kriterija dalje dekomponira na
podkriterije time se povećava broj razina hijerarhijske strukture.

14 Matematički model i njegovo rješenje

Druga važna komponenta metode AHP je matematički model pomoću kojeg se računaju
prioriteti (težine) elemenata hijerarhijske strukture koji pripadaju istom čvoru. Pomoću
matematičkog modela prioriteti (težine) elemenata računaju se iz procjena njihovih omjera koji
se daju za svaki par elemenata. Pri tom se koristi ranije objašnjena Saatyeva ljestvica (puni naziv
te ljestvice je Saatyeva fundamentalna ljestvica).
Ulazni podaci za taj model su procjene omjera važnosti kriterija i prioriteta inačica. Donositelj
odluke uspoređuje u parovima glavne kriterije u odnosu na njihovu važnost za mjerenje
postizanja cilja. Ukoliko je u hijerarhiji neki kriterij dekomponiran na podkriterije, tada se u
parovima procjenjuju omjeri težina tih podkriterija u odnosu na to koliko su pojedinačni aspekti
koji se mjere tim podkriterijima važni za cjelovit aspekt zastupljen tim kriterijem. Primjerice, za
potrebe uspoređivanja ponuda u slučajevima kupnje neke opreme, trošak posjedovanja opreme
može se dekomponirati na trošak nabave, trošak održavanja i trošak korištenja. Da bi se odredile
težine tih podkriterija, u parovima se procjenjuju njihove relativne važnosti s aspekta njihovog
doprinosa ukupnom trošku posjedovanja opreme, dakle u odnosu na čvor hijerarhijske strukture
kojem ti podkriteriji pripadaju. Nakon što se tim postupkom odrede težine svih kriterija (i
eventualno podkriterija) u modelu, inačice problema odlučivanja uspoređuju se u parovima po
70
svakom od izlaznih čvorova hijerarhije kriterija. To znači da se u slučaju dekomponiranja
kriterija trošak nabave na spomenute podkriterije, inačice ne bi uspoređivale u parovima izravno
u odnosu na taj kriterij, već bi se uspoređivale u odnosu na svaki od njegovih podkriterija. Iz tih
usporedbi bi proizašli njihovi lokalni prioriteti koji bi se potom ponderiranjem i zbrajanjem
sintetizirali u njihove prioritete po kriteriju trošak nabave.
U postupku uspoređivanja u parovima treba voditi računa o slijedećim aksiomima na
kojima počiva metoda AHP 65:
 Aksiom recipročnosti: ako je element A n puta značajniji od elementa B, tada je
element B 1/n puta značajniji od elementa A.
 Aksiom homogenosti: usporedba ima smisla jedino ako su elementi usporedivi –
npr. ne može se uspoređivati težina komarca s težinom slona.
 Aksiom zavisnosti: dozvoljava se usporedba među grupom elemenata jedne razine
u odnosu na element više razine.
 Aksiom očekivanja: svaka promjena u strukturi hijerarhije zahtijeva ponovno
računanje prioriteta.
Postupak računanja težina kriterija i prioriteta inačica iz njihovih usporedbi u parovima
sadrži tri koraka: (1) formiranje matrice omjera prioriteta (težina), (2) njezino normaliziranje i
(3) računanje težina kriterija i prioriteta inačica.

Neka je n broj kriterija (inačica) čije težine (prioritete) w1 , w2 ,..., wn treba odrediti na

temelju procjene vrijednosti njihovih omjera koji se označavaju s aij = wi / w j . Matrica čiji
elementi su ove procjene zove se matrica omjera relativnih važnosti i označava se s A, a težine

kriterija mogu se smatrati komponentama vektora težina w = (w1 , w2 ,..., wn ) .

�w1 w1 w1 �
�w ...
w2 wn �
�a11 a12 ... a1n � � 1 �
� �w2 w2 w2 �
a a22 ... a2 n �
�= �w1
...
A = �21 w2 wn �
�. . ... . � � �
� � �. . ... . �
an1 an 2
� ... ann � � �
�wn wn
...
wn �
�
�w1 w2 wn �
�

71
Lako se vidi da ova matrica za slučaj konzistentnih procjena, tj. procjena za koje vrijedi
akj , "i, j , k � 1, 2,..., n , zadovoljava matričnu jednadžbu
aij = aik �

Aw=nw , (9.1)
pri čemu je w vektor (jednostupčana matrica) prioriteta:
�w1 w1 w1 �
�w ... �w� � w�
w2 wn ��1 � �1 �
�1 � w2 w2
�w2 w2 w2 �� � � �
�w ... ��� ���
wn ��
����= n �
w2 � �
�1
�. . ... . � � � ���
� ���� ���
�wn wn
...
wn �� � � �
w2 � � w2 �
� �
�w1 w2 wn �
�
To znači da bi se težine (prioriteti) na temelju njihovih procijenjenih omjera mogle izračunati
tako da se riješi sustav jednadžbi napisan u matričnom obliku (9.1). Postavlja se pitanje rješivosti
tog sustava. Sustav (9.1) može se zapisati u ekvivalentnom obliku
( A - nI ) w = 0 (9.2)
Ovo je homogeni sustav jednadžbi i poznato je da takav sustav jednadžbi ima netrivijalno
rješenje samo u slučaju ako je njegova determinanta jednaka 0. Dakle, da bi se mogle izračunati
težine (prioriteti) iz njihovih procijenjenih omjera trebalo bi vrijediti det(A-nI)=0 . Postavlja se
pitanje da li je taj uvjet zadovoljen? Odgovor na to pitanje povezan je sa svojstvenim
vrijednostima matrice A. Naime, svaki broj  , za koji vrijedi det( A -  I ) = 0 , zove se svojstvena

vrijednost matrice A. Budući da je izraz det( A -  I ) polinom n-tog reda, on općenito ima n
nultočaka koje mogu biti realni pozitivni i negativni brojevi i kompleksni brojevi. No, matrica A

ima neka posebna svojstva, ona je pozitivna zbog aij > 0, "i, j , recipročna matrica zbog aij =
1/aji , i vrijedi da je njezin rang r(A)=1 (jer su u slučaju konzistentnih procjena svi njezini redovi
proporcionalni prvom redu). Zbog ovih nabrojenih svojstava matrice A samo jedna njezina
svojstvena vrijednost različita je od nule i jednaka je n.
Sa svojstvenim vrijednostima matrica povezan je još jedan matematički pojam koji je važan za
metodu AHP. Naime, ako je broj  svojstvena vrijednost matrice A, tada se vektor x (uređena n
-torka brojeva) koji zadovoljava matričnu jednadžbu Ax =  x zove svojstveni vektor matrice A.

72
Zbog svojstava pozitivnosti i recipročnosti matrice A, proizlazi da je njezin svojstveni vektor,
pridružen njezinoj jedinoj ne-nul svojstvenoj vrijednosti n , vektor (n-torka brojeva) čije su sve
komponente pozitivne. Čak što više, i u slučaju da matrica A nije konzistentna, njezina najveća
svojstvena vrijednost ostaje pozitivna, a njoj pridružen svojstveni vektor ima sve realne i

pozitivne komponente. Osim toga, za tu najveću svojstvenu vrijednost vrijedi max �n . Dakle,
sustav jednadžbi (9.1) ima netrivijalno rješenje, čije sve komponente su pozitivne, bez obzira na
konzistentnost matrice A. Što se tiče jedinstvenosti tog rješenja, poznato je da u slučaju
homogenog sustava jednadžbi netrivijalno rješenje nije jedinstveno određeno. Taj problem

rješava se tako da se traži ono rješenje w = ( w1 , w2 ,..., wn ) (težine, prioriteti) za koje vrijedi

�w
i =1
i = 1 , dakle računaju se normalizirane težine (prioriteti). Sustav ( A -  I ) w = 0 , uz uvjet

�w
i =1
i = 1 , u općem slučaju nije moguće točno riješiti bez posebnog softvera. Obično je algoritam

za rješavanje tog sustava uključen u programske alate koji podržavaju metodu AHP.

Približno rješenje matematičkog modela

U poglavlju 10.3.4 prikazan je, jednostavan postupak za približno računanje težina
kriterija na temelju njihovog uspoređivanja u parovima. Postupak se sastojao u tome da prvo
treba izračunati sume stupaca matrice A, potom svaki element matrice A podijeliti sumom stupca
u kojem se on nalazi, a potom se normalizirane težine kriterija (prioriteti inačica) izračunaju se
kao prosječne vrijednosti redova normalizirane matrice A. Sada se taj postupak može lako
objasniti. Polazi se od matrične jednadžbe Aw=nw , pri čemu se pretpostavi da je matrica A
konzistentna, dakle n je njezina najveća svojstvena vrijednost. Za i-te komponente vektora lijeve
i desne strane te jednadžbe vrijedi
n
1 n
�aij w j = nwi , a otuda proizlazi da za i-tu težinu vrijedi wi =
j =1
�aij w j .
n j =1

73
 1
n
w1 + w2 + � + wn wj = n
Nadalje, zbog �aij = i w1 + w2 +� + wn = 1 , vrijedi , pa proizlazi
i =1 wj �aij i =1

1 n aij
da se težina i-tog kriterija računa pomoću izraza
wi = �
n j =1 n .
�aij
i =1

Vrijednost ovog, naoko kompliciranog izraza, lako se izračuna tako da se krene od nazivnika, tj.
u nazivniku je suma j-tog stupca. U brojniku je element iz i-tog reda i j-tog stupca matrice A.
Znak za sumu u brojniku na desnoj strani traži da se zbroje elementi i-tog reda matrice A,
podijeljeni sa sumama stupaca u kojima se nalaze ti elementi. Dijeljenje te sume s n daje upravo

težinu wi kao prosječnu vrijednost i-tog reda normalizirane matrice A.

15 Rješavanje problema Odabir izvođača radova pomoću AHP metode

U poglavlju 10.3.4, pomoću primjera Odabir izvođača radova, objašnjeno je kako se težine
kriterija mogu odrediti na temelju njihovog uspoređivanja u parovima. U nastavku se računaju
prioriteti inačica iz tog problema po svakom od kriterija iz strukture problema prikazanog na slici
(Error: Reference source not found i potom se uz pomoć izračunatih težina kriterija računaju
ukupni prioriteti inačica u odnosu na cilj:

Tablica Metode za odlučivanje.33 Usporedbe u parovima i lokalni prioriteti po kriteriju

cijena
T K Z Th G Prioritet
Tempo 1,00 3,00 0,25 0,33 0,50 0,11
Konstruktor 0,33 1,00 0,20 0,25 0,33 0,06
Zagorje 4,00 5,00 1,00 2,00 3,00 0,41
Tehnobeton 3,00 4,00 0,50 1,00 2,00 0,26
Grad 2,00 3,00 0,33 0,50 1,00 0,16

U tablici su vrijednosti omjera važnosti (prioriteta) iz Saatyeve ljestvice. Tako se npr. na poziciji
(1,3) nalazi vrijednost 0,25 što znači da je procijenjeno da je omjer prioriteta ponude izvođača
Tempo u odnosu na ponudu izvođača Zagorje po kriteriju cijena 1:4. To znači da je pomoću
Saatyeve ljestvice procijenjeno da se ponudi izvođača Zagorje u odnosu na ponudu izvođača

74
Tempo daje prednost s intenzitetom između umjereno i strogo. Na poziciji (3,1) nalazi se
recipročna vrijednost ovog omjera. Odnos prioriteta ponuda izvođača Tempo i izvođača
Tehnobeton je 0,33, što znači da je pomoću Saatyeve skale procijenjeno da se po kriteriju cijena
izvođaču Tehnobeton daje umjerena prednost u odnosu na izvođača Tempo. U posljednjem
stupcu tablice nalaze se vrijednosti prioriteta ponuda po kriteriju cijena izračunate pomoću
postupka objašnjenog u poglavlju 9.3.4 . U tablicama 9.34 – 9.36 nalaze se procijenjeni omjeri
važnosti ponuda i njihovi prioriteti po ostalim kriterijima.

Tablica Metode za odlučivanje.34 Usporedbe u parovima i lokalni prioriteti po kriteriju

rok
T K Z Th G Prioritet
Tempo 1,00 3,00 4,00 7,00 7,00 0,49
Konstruktor 0,33 1,00 4,00 5,00 4,00 0,27
Zagorje 0,25 0,25 1,00 3,00 1,00 0,10
Tehnobeton 0,14 0,20 0,33 1,00 0,33 0,05
Grad 0,14 0,25 1,00 3,00 1,00 0,09

Tablica Metode za odlučivanje.35 Usporedbe u parovima i lokalni prioriteti po kriteriju

preporuke
T K Z Th G Prioritet
Tempo 1,00 2,00 0,20 0,33 0,33 0,08
Konstruktor 0,50 1,00 0,14 0,20 0,20 0,05
Zagorje 5,00 7,00 1,00 3,00 3,00 0,47
Tehnobeton 3,00 5,00 0,33 1,00 1,00 0,20
Grad 3,00 5,00 0,33 1,00 1,00 0,20

Tablica Metode za odlučivanje.36 Usporedbe u parovima i lokalni prioriteti po kriteriju

bonitet
T K Z Th G Prioritet
Tempo 1,00 7,00 6,00 1,00 4,00 0,39
Konstruktor 0,14 1,00 0,33 0,14 0,33 0,04
Zagorje 0,17 3,00 1,00 0,20 0,50 0,08
Tehnobeton 1,00 7,00 5,00 1,00 4,00 0,37
Grad 0,25 3,00 2,00 0,25 1,00 0,12

75
 Tablica Metode za odlučivanje.37 Sinteza lokalnih priroriteta inačica u njihov ukupan
prioritet

Dakle, rang lista ponuda izvođača je Zagorje, Tempo, Tehnobeton, Grad i Konstruktor.

Zanimljivo je usporediti dobivenu rang listu inačica s grafom uređajne relacije dobivenim
pomoću metode ELECTRE. Pomoću metode AHP dobivena je rang lista po kojoj je najbolja
inačica Zagorje, a Tempo bolje rangirana inačica od inačice Tehnobeton. U grafu ELECTRE je
Tempo dominiran Tehnobetonom, ali Zagorje, iako nedominirana inačica, ne dominira niti
Tehnobeton niti Tempo. Dakle, na temelju rezultata analiza provedenih s obje metode moglo bi
se zaključiti da je najbolja inačica Zagorje, ali odnos između Tempa i Tehnobetona zaslužuje
dodatnu pažnju i za definitivni zaključak o odnosu tih ponuda treba provesti analizu osjetljivosti.

16 Rekapitulacija postupka primjene metode AHP

Postupak rješavanja problema odlučivanja pomoću metode AHP može se objasniti u četiri
koraka66,67:
1. Razvije se hijerarhijski model problema odlučivanja s ciljem na vrhu, kriterijima i
podkriterijima na nižim razinama te inačicama na najnižoj razini modela.
2. Na svakoj razini hijerarhijske strukture u parovima se međusobno uspoređuju elementi te
strukture u odnosu na doprinos izlaznom čvoru kojem pripadaju.
3. Iz procjena relativnih važnosti elemenata odgovarajuće razine hijerarhijske strukture
problema koji se rješava, pomoću matematičkog modela izračunaju se lokalni prioriteti
(težine) kriterija, podkriterija i inačica, koji se zatim sintetiziraju u ukupne prioritete
inačica. Ukupni prioritet pojedine inačice izračunava se tako da se zbroje njezini lokalni
prioriteti ponderiranih s težinama elemenata više razine.
4. Provodi se analiza osjetljivosti.

76
17 Mjerenje konzistencije procjena

U prethodnoj točki spomenuto je da za najveću svojstvenu vrijednost matrice A vrijedi max  n.

Osim toga, može se provjeriti da, što se više narušava konzistencija procjena, to je veća
vrijednost max . Slijedom toga T.L. Saaty je došao na ideju da razliku max - n iskoristi za
mjerenje (in)konzistencije procjena. Ipak, sama razlika max - n nije dobra mjera inkonzistencije,
jer nije svejedno iz koliko procjena proizlazi ta veličina. Zbog toga se računa indeks
konzistencije CI=(max - n)/(n-1). Prava mjera inkonzistencije dobiva se tako da se izračuna omjer
konzistencije CR=CI/RI, gdje je RI slučajni indeks, odnosno indeks konzistencije (primjenjuje se
samo ako je n≥3) za matrice reda n slučajno generiranih usporedbi u parovima (Tablica Metode
za odlučivanje.38).
Smisao omjera konzistencije je taj da se izmjeri kakav je odnos inkonzistencije sadržane u danim
procjenama i inkonzistencije skupa procjena koje bi bile generirane slučajnim odabirom
procjena. T.L. Saaty je preporučio da se prihvaćaju procjene ukoliko vrijedi CR<0,10. Ako se
ovo interpretira tako da je maksimalno inkonzistentan onaj tko ništa ne zna o elementima koje
uspoređuje, slobodnija interpretacija te preporuke bila bi ta da su procjene prihvatljivo
konzistentne ukoliko je onaj tko ih daje do 10% nekonzistentan kao ta neinformirana osoba.

Tablica Metode za odlučivanje.38 Vrijednosti slučajnih indeksa68

N 1 2 3 4 5 6 7 8 9 10
RI 0 0 0,52 0,89 1,11 1,25 1,35 1,40 1,45 1,49

U slučaju da je inkonzistentnost veća od 10%, preporuča se istražiti razloge zbog kojih je došlo
do toga.
Postoji više mogućih uzroka nekonzistentnosti procjena. Neke su posljedica
proceduralnih propusta, a neke su objektivno uvjetovane prirodom problema koji se rješava.
Zbog toga se informacija o prevelikoj inkonzistenciji procjena može tretirati i kao indikator da
postoji mogućnost propusta u procesu odlučivanja. U nastavku se navode mogući uzroci
inkonzistencija u procjenama koje se daju u metodi AHP:

 pomanjkanje koncentracije uslijed umora ili nezainteresiranosti procjenitelja,

77
  administrativna greška u vidu unosa pogrešne (inverzne) vrijednosti omjera (procijeni se
npr. da je A strogo važnije od B, u Saatyevoj tablici to se kodira kao A:B=3, a u izračun
se unese 1/3), je najčešći razlog nekonzistencije. Do administrativne greške često dolazi
prilikom korištenja programske potpore. Ovu grešku nije lako primijetiti ukoliko omjer
inkonzistencije nije veći od 0,10 kad program upozorava na potrebu revizije procjena,

 slaba konzistentnost, čak i inherentna nelogičnost u stvarnom problemu koji se modelira

(u stvarnom svijetu postoje brojni primjeri logičke inkonzistencije, to je najbolje uočljivo
u sportu; ekipa A pobijedi ekipu B, ekipa B pobijedi ekipu C, no ekipa C pobijedi ekipu
A),

 neadekvatna struktura modela – elementi se na svakoj razini uspoređuju u okvirima

postojeće ljestvice 1-9. Do prevelike nekonzistentnosti u usporedbama može doći zbog
toga jer se uspoređuju ekstremno različiti elementi za koje taj raspon ljestvice nije
dovoljan (npr. procijeni se da je inačica A u odnosu na neki kriterij 7 puta vrednija od
inačice B, inačica B 9 puta vrednija od inačice C, što znači da bi inačica A trebala biti 63
puta vrednija od inačice C)

 nedostatak informacija – zbog pomanjkanja pravih informacija (zbog osobnog propusta

ili namjernog izbjegavanja troškova za prikupljanje potrebnih podataka), moguća je
nedosljednost u određivanju prioriteta pri usporedbi u parovima.

18 Prednosti i nedostaci AHP metode

U usporedbi s drugim metodama, metoda AHP pokazuje bolje uporabne karakteristike,
što je od velike važnosti, ukoliko se ima u vidu još uvijek prisutni animozitet donositelja odluka
prema sofisticiranim metodama odlučivanja. Ipak, metoda AHP ima i određene nedostatke koji
nisu izravno vezani za metodološki niti matematički temelj metode, ali se navode kao njezina
ograničenja.
Od značajnijih prednosti AHP metode izdvajaju se sljedeće69 70 71 72 73 74 75 76:
 Donositelj odluke je uključen u sve faze strukturiranja problema odlučivanja i njegove
analize bez obzira na razinu njegovog formalnog obrazovanja. U svim ključnim
djelovima procesa koji se provodi kad se problem rješava metodom AHP, donositelj
odluke aktivno sudjeluje.

78
 metoda AHP omogućuje integriranje kvalitativnih i kvantitativnih faktora u odlučivanje
na izravan način, intuitivno razumljiv donositelju odluke, bez potrebe razumijevanja
tehnika poput razvijanja metrika, normalizacije i sl.
 Mogućnost da se, uz pomoć programske potpore, neprekidno kontrolira konzistencija
procjena, oslobađa donositelja odluke straha od gubitka kontrole nad problemom uslijed
mogućnosti nagomilavanja manjih, teško nadzirivih inkonzistencija. Redundantnost
uspoređivanja u parovima dovodi do toga da je metoda AHP manje osjetljiva na greške u
procjenjivanju.
 metoda AHP je pogodna za grupno odlučivanje, jer omogućuje učinkovitu medijaciju u
procesu. Kombinacija prezentacijskih alata i programske potpore za metodu AHP
značajno poboljšava komunikaciju među članovima grupe i utječe na njezinu
učinkovitost. Neki programi koji podržavaju metodu AHP imaju posebne module za
potporu grupnom odlučivanju, koji smanjuju rizike nekvalitetnih odluka karakteristične
za grupno odlučivanje i omogućuju kontroliranu integraciju individualnih procjena u
grupnu procjenu.
 Primjena metode AHP povećava znanje o problemu i motivira donositelje odluka da ne
pojednostavnjuju problem i sužavaju kontekst u kojem se on rješava, što je čest način na
koji donositelji odluka reduciraju složenost problema. Procesom odlučivanja primjenom
metode AHP dolazi se do približnog rješenja problema većom brzinom nego na većini
sastanaka, uz manje troškove procesa donošenja odluke. Tako dobiveno inicijalno
rješenje može se koristiti kao predložak za projekt ili studiju izvodljivosti.
 Rezultati odlučivanja metodom AHP ne sadrže samo rang listu inačica, već i informacije
o težinskim koeficijentima kriterija u odnosu na cilj i podkriterija u odnosu na kriterije,
što omogućuje kvalitetnu analizu osjetljivosti.
 Popularnost metode AHP inicirala je razvoj kvalitetnih programskih alata koji ju
podržavaju, a ti alati imaju i povratni utjecaj na daljnju popularizaciju metode.

 Najviše korišten alat koji podržava metodu AHP je Expert Choice77. Alat
SuperDecisions78 također podupire primjenu metode AHP, besplatan je i razvijen s ciljem
da se pod povoljnim uvjetima omogući korištenje AHP i ANP metode u akademske
svrhe. Alat DecisionLens79 razvijen je u komercijalne svrhe kako bi omogućio primjenu

79
 metode AHP u poslovnim organizacijama. Brojne američke kompanije i institucije u
javnom sektoru koriste DecisionLens u odlučivanju, planiranju, alokaciji resursa i drugim
poslovnim problemskim područjima.

Metoda AHP ima i određena ograničenja s kojima se korisnici mogu susresti prilikom njezine
primjene, a otklanjanje tih ograničenja motivacija je za daljnje izučavanje ove metode. Neka od
ograničenja metode AHP, koja se češće navode u literaturi80 81 82 83, su slijedeća:

 nedovoljno velika ljestvica (Saatyeva ljestvica relativne važnosti) za uspoređivanje

elemenata vezano uz neke probleme odlučivanja,

 velik broj potrebnih komparacija u parovima kod složenijih problema,

 postizanje prihvatljivog omjera konzistencije u nekim slučajevima može biti teško i

predstavljati iskušenje za donositelja odluke u smislu metodološki nekorektnog
postizanja zadovoljavajuće konzistencije usklađivanjem procjena samo s ciljem
smanjivanja omjera inkonzistencije,

 aksiomi na kojima se temelji metoda AHP ne dozvoljavaju neusporedivost inačica.

18.1 Metode za odlučivanje u uvjetima nesigurnosti i rizika

Svi smo bili u situaciji da izlazeći iz stana odlučujemo o tome da li da ponesemo kišobran
ili ne. Suština te dileme može se prikazati u obliku sljedeće tablice (Tablica Metode za
odlučivanje.39).

Tablica Metode za odlučivanje.39 Tablica odlučivanja

Stanje okoline
Lijepo vrijeme Pada kiša
opterećeni smo s
Odluka

Uzeti kišobran zaštićeni smo

beskorisnim kišobranom
ne nosimo nepotrebnu
Ići bez kišobrana mokri smo
stvar

Posljedice naše odluke ovise o tome kakvo će vrijeme biti kada se nađemo na ulici. U
slučaju da ponesemo kišobran, a bude lijepo vrijeme, biti ćemo opterećeni s beskorisnim
kišobranom. Ukoliko pak pada kiša zaštićeni smo. Odemo li bez kišobrana opet su moguće
80
povoljne i nepovoljne posljedice za nas, ovisno o stanju vremena. Ne pribavimo li dodatne
informacije (na primjer, pogledamo kroz prozor), u situaciji smo da donosimo odluku u uvjetima
neizvjesnosti (nesigurnosti).
Općenito, o odlučivanju u uvjetima neizvjesnosti (nesigurnosti) govori se onda kada je
moguće očekivati različite posljedice odluka, a donositelj odluke ne raspolaže s informacijama
koje bi mu omogućile donošenje procjene o tome koja vjerojatnost se može pridružiti pojedinoj
posljedici. Informacije s kojima raspolaže donositelj odluke u takvoj situaciji odlučivanja su:
 aktivnosti (odluke) koje može poduzeti
 posljedice svake od mogućih odluka s obzirom na moguće situacije (stanja okoline) u
kojima će se realizirati te odluke.
Informacije s kojima je opisan problem odlučivanja u uvjetima neizvjesnosti prikazuju se u
obliku tablice (matrice) plaćanja (Tablica Metode za odlučivanje.40).
Tablica Metode za odlučivanje.40 Opća tablica odlučivanja
Stanja okoline
S1 S2 … Sn
A1 v11 v12 … v1n
Odluke

A2 v21 v22 … v2n

… … … … …
Am vm1 vm2 … vmn
Značenje korištenih oznaka je slijedeće:
Ai - i -ta aktivnost (akcija, odluka – uzeti kišobran, ne uzeti kišobran, ...)
Sj - j -to stanje okoline (lijepo vrijeme, pada kiša, ...)
vij - plaćanje (posljedica) poduzimanja akcije Ai ako je okolina u stanju Sj (šetnja s
kišobranom po lijepom vremenu, kišobran nad glavom ukoliko pada kiša, ugodna šetnja
bez suvišnih stvari u ruci, šetnja po kiši bez kišobrana).

Donositelj odluke u prikazanoj situaciji odlučivanja pri donošenju odluke može primijeniti
različite kriterije koji se opisuju u nastavku.

18.1.1 Kriteriji za odlučivanje u uvjetima nesigurnosti i rizika

Za objašnjenje načina na koje se mogu donositi odluke u ovakvoj situaciji poslužit će

slijedeći numerički primjer:

81
Primjer: Prodavač novina nabavlja novine po 5 kn, a prodaje ih po 7 kn, dakle po svakom
prodanom primjerku on ostvaruje zaradu od 2 kn. Novine koje se ne prodaju idući dan ne mogu
se vratiti niti prodati kasnije. U trenutku kad odlučuje o količini narudžbe, prodavač ne zna
koliko će kupaca doći sutradan i time se izlaže situaciji da naruči previše primjeraka te zbog
neprodanih primjeraka ima nepotreban trošak, ili pak naruči premali broj primjeraka pa propusti
priliku za veću zaradu. U Tablica Metode za odlučivanje.41 prikazuju se mogućnosti zarade84
ovisno o odnosu broja nabavljenih i prodanih primjeraka novina.

Tablica Metode za odlučivanje.41 Zarada od prodaje novina za različite kombinacije

ponude i potražnje
potražnja
10 11 12 13 14 15
naručeno

10 20 20 20 20 20 20
11 15 22 22 22 22 22
12 10 17 24 24 24 24
13 5 12 19 26 26 26
14 0 7 14 21 28 28
15 -5 2 9 16 23 30

Pretpostavlja se da se novine, koje se ne prodaju idući dan, ne mogu vratiti niti se mogu prodati
kasnije. U trenutku kad odlučuje o količini narudžbe, prodavač ne zna koliko će kupaca doći
sutradan i time se izlaže situaciji da naruči previše primjeraka, te zbog neprodanih primjeraka
ima nepotreban trošak ili pak naruči premali broj primjeraka pa propusti priliku za veću zaradu.
Prodavač mora odlučiti koliko novina naručiti. Ukoliko u trenutku donošenja odluke prodavač ne
raspolaže s dodatnim informacijama koje bi mu omogućile da procijeni broj kupaca, on odlučuje
u situaciji nesigurnosti. Iz tablice plaćanja vidi se da, ukoliko prodavač naruči npr. 13 primjeraka
novina, a dođe samo 11 kupaca njegova zarada će biti 12 kn. Međutim, ukoliko dođe 13 ili više
kupaca, zarada će biti 26 kn. Postavlja se pitanje kakvu odluku donijeti. Za njegovu odluku u
takvoj situaciji ključan je njegov odnos prema rizicima. Dva su ekstremna stava prema
nesigurnosti čiji korijeni leže u psihološkim osobinama donositelja odluke; pesimizam i
optimizam. U klasičnoj teoriji odlučivanja za donošenje odluke u ovakvoj situaciji može se
primijeniti više pravila (kriterija) koja imaju prikladno objašnjenje i to:
 Maximin kriterij (Wald -ov kriterij)

82
  Maximax kriterij
 Hurwitzov kriterij
 Kriterij minimalnog žaljenja (Savage–ov kriterij)
 Laplace-ov kriterij

Maximin kriterij (Wald 85 -ov kriterij)

Ovaj kriterij karakterizira odbojnost prema riziku. Primjena ovog kriterija odgovara
pristupu odlučivanju koji se karakterizira poslovicom „bolje vrabac u ruci nego golub na grani”.
Za svaku akciju Ai identificira se najslabiji ishod vi* i bira se akcija Ak za koju je ta vrijednost

vk * = max vi* = max(min vij )

najveća, tj. da vrijedi i i j .

Maximax kriterij

Ovaj kriterij karakterizira sklonost riziku. Za svaki kriterij identificira se najbolji ishod
*
vi* i bira se akcija Ak za koju je ta vrijednost najveća, tj. da vrijedi vk = max vi * = max(max vij ) .
i i j

Tablica Metode za odlučivanje.42 Odabir temeljem pravila maximin i pravila maximax

10 11 12 13 14 15 vi* vi*
10 20 20 20 20 20 20 20 20
11 15 22 22 22 22 22 15 22
12 10 17 24 24 24 24 10 24
13 5 12 19 26 26 26 5 26
14 0 7 14 21 28 28 0 28
15 -5 2 9 16 23 30 -5 30

Dakle, prema pravilu maximin, ispravna odluka bila bi naručiti 10 primjeraka novina, a prema
pravilu maximax, ispravna odluka bila bi naručiti 15 primjeraka novina. Treba naglasiti da
ukoliko se dogodi da nakon narudžbe 10 primjeraka dođe 12 kupaca, to ne znači da je odluka
bila kriva. Može se ocjeniti da je bila loša s obzirom na posljedice, ali to je ocjena s pozicije
posjedovanja naknadne informacije. Za ocjenu ispravnosti odluke ključno je znati da li je ta
odluka bila konzistentna s informacijama s kojima je onaj tko nju je donio raspolagao u trenutku

83
njezinog donošenja, prvenstveno s kriterijem odlučivanja koji je primijenjen. Odluka da se naruči
više od 10 primjeraka novina je kriva ukoliko se donositelj odluke izjasni da ima odbojan stav
prema rizicima, odnosno da ne želi donositi rizične odluke (za takvu osobu još se kaže da „igra
na sigurno“, ili da ima „konzervativan stav prema rizicima“).

Hurwitzov kriterij

Prethodna dva kriterija vezana su uz ekstremne stavove donositelja odluke prema riziku.
Činjenica je da se ljudi po odnosu prema rizicima ne mogu svrstati u dvije ekstremno različite
skupine, realnije je govoriti o većoj ili manjoj sklonosti pesimizmu ili optimizmu. Za
modeliranje optimizma, kao kriterija za donošenje odluke, koristi se parametar optimizma a
sa svojstvom 0 �a �1 i za svaku akciju A i računa se Hurwitzova86 vrijednost:

H(i) = avi* + (1- a)vi*

Temeljem tih vrijednosti bira se akcija Ak s najvećom vrijednošću H(k) . Parametar a (indeks
optimizma - pesimizma) karakterizira stav donositelja odluke prema riziku, tj. u kojoj mjeri je on
sklon riziku.

Tablica Metode za odlučivanje.43 Vrijednosti Hurwitzovog indeksa za različite vrijednosti

indeksa optimizma

Iz tablice se vidi da je za vrijednosti indeksa optimizma a = 0,3 i 0,5 najbolja odluka

naručiti 10 primjeraka novina, a za vrijednost a = 0,8 najbolja odluka je naručiti 14 primjeraka

84
novina. Drugim riječima, donositelj odluke s većim indeksom optimizma skloniji je kriteriju
maximax od donositelja odluke s manjim indeksom optimizma.

Kriterij minimalnog žaljenja (Savage87 –ov kriterij)

Što se događa ukoliko dođe 15 ili više kupaca, a prodavač je naručio samo 12 primjeraka
novina? Vrlo vjerojatno kod njega će se pojaviti osjećaj žaljenja za propuštenom prilikom za
većom zaradom. Slično tome, ukoliko je došlo 10 kupaca, a on je naručio 15 primjeraka novina
javlja se žaljenje zbog troška naručivanja prekobrojnih primjeraka novina. Ukoliko se odluka
donosi s ciljem da se što je moguće više izbjegne žaljenje zbog izgubljene zarade, odnosno
nepotrebnog troška, postupa se na sljedeći način:

1. Za svaku akciju izračuna se žaljenje u odnosu na svako stanje okoline – tehnički se to

svodi na to da se svakom ishodu u tablici odlučivanja pridružuje žaljenje i formira se
tablica žaljenja;

rij = max v kj - vij (od ishoda najbolje akcije za stanje j oduzima se vrijednost vij)
k

ova veličina predstavlja razliku između najboljeg mogućeg ishoda uslijed nastupanja
stanja j i posljedice ukoliko je izabrana akcija Ai .

2. Za svaku akciju A i izračuna se se maksimalno žaljenje  i = max

j
rij (najgori mogući

ishod za akciju A i )

3. Bira se ona akcija Ak za koju je ova vrijednost minimalna tj. za koju vrijedi

 k = min (max rij )

i j

Savageov kriterij temelji se na spoznaji da donositelj odluke ne može utjecati na stanje okoline,
ali posljedice za njega proizlaze iz njegovog izbora akcije. Stoga ima smisla uspoređivati
posljedice različitih akcija koje bi on mogao poduzeti u odnosu na pojedino stanje.

85
 Tablica Metode za odlučivanje.44 Tablica Metode za odlučivanje.45 Tablica
Računanje žaljenja žaljenja

Prema tablici žaljenja (Tablica Metode za odlučivanje.45), vidi se da je najbolja odluka

po kriteriju najmanjeg žaljenja naručiti 11 primjeraka novina. U suštini, žaljenje je mjera za
propušteno, jer ovako izračunato žaljenje pokazuje što je donositelj odluke propustio dobiti.
Zbog toga se primjenom ovog kriterija donosi ona odluka uz koju je vezan potencijalno najmanji
propust.
Važno je naglasiti da ova nabrojena pravila imaju uglavnom teorijsko značenje. Svrha im
je da se naglase aspekti koji se mogu razmatrati kad se donose odluke u uvjetima neizvjesnosti.
Teško je zamisliti da je itko spreman napustiti stan i razmišljati o tome da li da uzme ili ne
kišobran, a da ne pogleda kroz prozor i pokuša procijeniti kakvi su izgledi da ona zaista padne i
kakvom se riziku izlaže izađe li bez kišobrana.
U stvarnosti postoje situacije kad se mora donijeti odluka u situaciji neizvjesnosti jer nije
moguće dobiti informaciju koja bi tu situaciju promijenila. U takvim situacijama razlozi za
odluku mogu biti i drugačiji od prikazanih kriterija. Tako npr. pacijent koji boluje od neizlječive
bolesti može pristati na nove terapiju s nepoznatim ishodom jer „nema što izgubiti“. K. Kolumbo
je pri polasku na putovanje, koje je dovelo do otkrića Amerike, djelovao iracionalno sa stajališta
prikazanih kriterija jer se, s obzirom na informacije koje je posjedovao, njegova situacija
odlučivanja može prikazati tablicom (Tablica Metode za odlučivanje.46)88:
Tablica Metode za odlučivanje.46 Kolumbov problem
Postoji zemlja Moguće je doći u Indiju Nemoguća
na zapadu putujući na zapad misija
Ići na zapad Slava Slava i bogatstvo Smrt
Ne ići Status Quo Status Quo Status Quo

86
Ključni pokretač Kolumbove odluke bilo je njegovo vjerovanje da je dužina puta do Indije u
smjeru zapada zapravo pet puta kraća nego je to u stvarnosti. To vjerovanje ne može se tretirati
kao procjena vjerojatnosti i da se zbog toga odluka tretira kao ispravna (racionalna) po kriteriju
očekivane vrijednosti, jer K. Kolumbo nije raspolagao informacijama koje bi mogle biti temelj
za bilo kakvu procjenu. On je jednostavno vjerovao da je Zemlja okrugla i znatno manja nego je
to u stvarnosti. Ovakvi problemi su važan pokretač istraživanja u teoriji odlučivanja.

Praktičan pristup

Prodavaču novina iz prethodnog primjera odluku bi značajno olakšalo poznavanje

vjerojatnosti dolaska određenog broja kupaca. U tom slučaju kod odluke o tome koliko
primjeraka novina naručiti njegova razmišljanja sigurno bi više bila usmjerena prema
najvjerojatnijem broju nego prema drugim mogućnostima. U situaciji kad su poznata stanja
okoline u kojima će se realizirati posljedice odluke govori se o odlučivanju u uvjetima rizika.
Ključni kriterij koji se pri tom koristi je očekivana vrijednost.
Pretpostavimo da su za pojedina stanja okoline (broj kupaca) u problemu prodavača
novina poznate vjerojatnosti njihovog nastupanja P(Sj) (Tablica Metode za odlučivanje.47).

Tablica Metode za odlučivanje.47 Stanja okoline i njihove vjerojatnosti

Ako se od ostvarivanja nekog događaja koji ima vjerojatnost p očekuje dobit visine D,
očekivana vrijednost (matematičko očekivanje, očekivana monetarna vrijednost) definira se kao
produkt ovih vrijednosti:
E=Dp
Primjerice, ako se od okretanja broja 6 kod bacanja kocke očekuje dobit visine 300 kn, budući da
je vjerojatnost da padne taj broj 1/6, matematičko očekivanje igrača je 50 kn. Ova vrijednost
zove se cijena igre – ukoliko se ne obračunavaju troškovi igre, igrač mora platiti točno toliko da
87
bi imao pravo bacanja kocke89. Tada bi, u slučaju velikog broja igara, ukupno uplaćen iznos
jednog igrača bio jednak njegovom ukupnom dobitku. Pojam matematičkog očekivanja koristi se
kada se određuje cijena (pravedna) neke igre na sreću (matematičko očekivanje poveća se za
troškove igre i zaradu organizatora itd.), kod izračunavanja premija različitih osiguranja i u
ostalim sličnim situacijama.
U slučaju odlučivanja kada se posljedicama neke odluke može pridružiti vjerojatnost
njihovog nastupanja, za svaku moguću odluku (akciju) računa se njezina očekivana vrijednost
EV(Ai) = j vij P(Sj)
i kao najbolja bira se ona akcija koja ima najveću očekivanu vrijednost.
Za primjer prodavača novina izračunaju se očekivane vrijednosti prikazane u tablici ().

Tablica Metode za odlučivanje.48 Očekivane vrijednosti za moguće narudžbe

Dakle, prema kriteriju očekivane vrijednosti, ispravna odluka je naručiti 12 primjeraka novina jer
je za tu naručenu količinu očekivana vrijednost najveća i iznosi 22,3 (0,05 .10 + 0,15.11 + 0,25.12
+ 0,25.13 + 0,2.14 + 0,1.15).

Laplace-ov kriterij

Ovaj kriterij temelji se na pojmu očekivane vrijednosti i na pretpostavci da u slučaju kada

donositelj odluke ne zna koje su vjerojatnosti nastupanja mogućih stanja okoline nema razloga za
ne pretpostaviti da su te vjerojatnosti jednake 90. Primijeni li se ovaj kriterij u donošenju odluke u
problemu prodavača novina, najbolja odluka postaje naručiti 11 primjeraka.

Tablica Metode za odlučivanje.49 Najbolja odluka po Laplace-ovom kriteriju

88
 Očekivana vrijednost je dobar kriterij kod odluka koje se ponavljaju. Onaj tko redovno
odlazi u kladionicu mora o tom kriteriju voditi računa. Osiguravajuća društva kod izračunavanja
premija za osiguranja također moraju voditi računa o tom kriteriju. Međutim, kod jednokratnih
odluka taj kriterij nije dobar, kao što se to može vidjeti u slijedećem primjeru.
Investitoru se pruža mogućnost uložiti u razvoj dvaju programskih paketa A i B jednak
iznos. Ukoliko projekti završe u planiranom razdoblju (stanje 1) projekt A će donijeti dobit visine
150.000, a projekt B 70.000. Ukoliko pak se u realizaciji kasni, projekt A nosi gubitak od 30.000,
a projekt B dobit od samo 40.000. Vjerojatnost završetka projekata u planiranom razdoblju za
oba projekta je 50%. U koji projekt investirati? Iz podataka koji su dani u tablici (Tablica Metode
za odlučivanje.50) vidi se da prvi projekt ima veću očekivanu vrijednost. Međutim, unatoč tome,
racionalan investitor neće uložiti u takav projekt jer je prevelik rizik gubitka. Ukoliko pak odluku
donosi netko tko se bavi razvojem softvera, za njega ima smisla odabrati projekt A jer se za njega
primjenjivost kriterija očekivane vrijednosti temelji na ekonomskim zakonitostima tržišnog
uspjeha i neuspjeha većeg broja programskih proizvoda.

Tablica Metode za odlučivanje.50 Slučaj u kojem očekivana vrijednost nije dobar kriterij
Stanje okruženja
Program EMV
1 2
A 150.000 -30.000 150.0000.5 - 30.0000.5= 60.000
B 70.000 40.000 70.0000.5+40.0000.5= 55.000
Vjerojatnosti 0.5 0.5

Sumnja u upotrebljivost kriterija očekivana vrijednost nije novijeg datuma. Već je

Jakov Bernoully formulirao poznati St. Petersburg Paradox91 u kojem je konstruirao jednostavnu
kockarsku igru s beskonačno visokom cijenom koju nitko razuman nije spreman platiti iako bi se
to po kriteriju očekivane vrijednosti „isplatilo”.

18.1.2 Pravila za odlučivanje u uvjetima rizika

Od pravila za odlučivanje u uvjetima rizika obradit će se

89
19 Očekivana vrijednost

20 Pravilo (EV, δ)

21 Bernoullievo pravilo

1. Očekivana vrijednost
Ovaj kriterij za donošenje odluke primjenjuje donositelj odluke koji ima neutralan stav prema
riziku. U stvarnosti, većina donositelja odluka ima odbojan stav prema rizicima, pa se smatra
da kriterij očekivane vrijednosti nije pogodan za donošenje jednokratnih poslovnih odluka.

2. Pravilo (EV, δ)
Ovo pravilo temelji se na pretpostavci da je stav prema riziku individualnog donositelja odluke
moguće modelirati pomoću faktora preferencije rizika. Polazi se od toga da je za donositelja
odluke s neutralnim stavom prema riziku očekivana vrijednost dobar kriterij. Za onoga tko
ima odbojan stav prema riziku, osjećaj „odbojnosti“ proizlazi iz varijabilnosti mogućih ishoda
njegove odluke. Naime, kad bi se, bez obzira na stanje okoline, ishodi odluke malo razlikovali,
očekivana vrijednost odluke također bi se malo razlikovala od tih ishoda i u tom slučaju rizik
izloženosti donositelja odluke nepovoljnom ishodu bio bi mali. Varijabilnost ishoda odluke može
se uzeti u razmatranje tako da se izračuna njihovo odstupanje od očekivane vrijednosti. Budući
da ta odstupanja mogu biti pozitivna i negativna, za mjerenje njihovog ukupnog efekta koristi se
kvadratni korijen iz zbroja njihovih kvadrata, veličina koja je u statistici poznata pod
nazivom standardna devijacija. Ukoliko nastupanje svih stanja okoline nije jednako vjerojatno,
kvadrati odstupanja ishoda od očekivanih vrijednosti ponderiraju se s vjerojatnostima stanja
okolina. Detaljnije se ovaj postupak objašnjava uz pomoć jednostavnog primjera iz tablice
(Tablica Metode za odlučivanje.51).

Tablica Metode za odlučivanje.51 Tablica odlučivanja za primjer (EV,δ)

90
  U dijelu tablice (A,1) - (E,5) nalaze se podaci iz tablice odlučivanja; u drugom redu su
vjerojatnosti stanja okoline, u redovima 3-5 su ishodi odluka
 U stupcu E su izračunate očekivane vrijednosti, npr. EV1=147=0,5.190+0,4.80+0,1.200
 U stupcima F–H izračunati su kvadrati odstupanja ishoda od očekivane vrijednosti, npr.
(v11-EV1)2=1849=(190-147)2, (v12-EV1)2= 4489=(80-147)2, (v11-EV1)2=256=(100-116)2
 U stupcu I nalaze se vrijednosti kvadratnog korjena iz zbroja ponderiranih kvadrata
odstupanja, npr. δ1=(0,5.1849+0,4.4489+0,1.2809)0,5=54,78
Stav donositelja odluke prema riziku modelira se pomoću faktora prihvatljivosti rizika koji se
označava s q. Za svaku odluku Ai računa se prihvatljivost rizika P(Ai) = EV(Ai) + q.δ(Ai) , a
vrijednost faktora q određuje se sukladno njegovom stavu prema rizicima primjenom slijedećih
pravila:
Stav prema riziku Faktor prihvatljivosti rizika q
neutralan 0
odbojan mala, negativna
prihvaćanje velika

Dakle, za donositelja odluke s neutralnim stavom prema rizicima vrijednost prihvatljivosti rizika
jednaka je očekivanoj vrijednosti, a za onoga tko ne prihvaća rizik, prihvatljivost rizika je manja
od očekivane vrijednosti jer se njoj dodaje negativna vrijednost produkta ponderiranog
odstupanja δ i faktora prihvatljivosti rizika q . Iz izraza za računanje faktora prihvatljivosti
rizika, vidi se da je, za onoga tko je sklon prihvaćanju rizika, taj faktor veći od očekivane
vrijednosti.

Tablica Metode za odlučivanje.52 Pravila za odlučivanje u uvjetima rizika

91
Vrijednosti faktora prihvatljivosti rizika, za donositelja odluke s odbojnim stavom prema riziku,
karakteriziranim faktorom prihvatljivosti rizika q= -0,8, nalaze se u tablici u stupcu H. Vrijednost
tog faktora za akciju A1 izračunata je na slijedeći način:
P(A1) = EV(A1)+ q.δ(A1) = 147 – 0,8.54,78 = 103,17 .
Po ovom pravilu ispravna odluka je ona za koju je vrijednost P(A i) najveća. U promatranom
primjeru to je odluka A1.

21.1 Bernoulli-evo pravilo

Ishodi akcija iz tablice odlučivanja zamijene se vrijednostima ishoda prilagođenim riziku. Te
vrijednosti zovu se još vrijednostima Bernoulli-eve funkcije koristi. U tablici 9.52 te vrijednosti
se nalaze u stupcima I–K . Za ishod vij vrijednost prilagođena riziku računa se po formuli
uij = vij 0,5 . Konkretno, u petom redu u stupcima I, J i K nalaze se vrijednosti 13,42 = 190 0,5 ,
8,944=800,5 , 14,14=2000,5 . Bernoulli-eva vrijednost i-te akcije B(Ai) dobije se zbrajanjem
ponderiranih vrijednosti ishoda prilagođenih riziku, pri čemu su ponderi vjerojatnosti stanja

okoline tj. B( Ai ) = �p j �
uij .
j =1

Tako se npr. B(A1) izračuna kao B(A1) =0,5.13,78+0,4.8,94+0,1.14,14=11,88 .

Prema ovom pravilu, ispravna odluka je ona koja ima najveću Bernoulli-evu vrijednost. U
promatranom primjeru znači da se kao odluka uzima A2 .

21.1.1 Stablo odluke

Stablo odluke se u odlučivanju koristi kao grafički model za vizualizaciju procesa

odlučivanja kad se rješavanje problema odlučivanja svodi na donošenje više sukcesivnih odluka,
a uz takav prikaz problema odlučivanja veže se i postupak računanja očekivanih vrijednosti
inačica odluke u uvjetima rizika. Zamislimo poduzetnika koji razmatra ideju o proizvodnji novog
proizvoda. Do tog trenutka nije uložio značajnija sredstva u njegov razvoj, ali prihvaćanje te
ideje zahtijeva ulaganje visine 200.000 kn bez sigurnosti u poslovni uspjeh. On procjenjuje da
postoji 50% vjerojatnosti da potražnja bude dovoljno velika za dobit od 500.000 kn, 30%
vjerojatnosti da bude mala, uz zadovoljavajuću dobit od 100.000 kn i 20% vjerojatnosti da doživi

92
poslovni neuspjeh i da u tom slučaju njegov gubitak bude 200.000 kn. Njegova situacija
odlučivanja može se prikazati jednostavnom tablicom odlučivanja u kojoj su ishodi odluka
prikazani u tisućama kn (Tablica Metode za odlučivanje.53).

Tablica Metode za odlučivanje.53 Tablica odlučivanja za odluku o novom proizvodu

Velika potražnja (0,5) Mala potražnja (0,3) Bez potražnje (0,2) EV
Lansirati proizvod 500 100 -200 240
Odustati od ideje 0 0 0 0

U posljednjem stupcu tablice nalaze se očekivane vrijednosti za moguće odluke i prema

tom kriteriju ispravna odluka bila bi lansirati proizvod. Ova odluka može se modelirati i na
drukčiji način koji omogućuje složeniju analizu situacije odlučivanja u uvjetima rizika. Taj
model je stablo odluke. Primijene li se standardne oznake 92 za elemente odluke koji se javljaju u
situaciji rizika, stablo odluke za prethodni primjer izgleda kao na slici (Slika Metode za
odlučivanje.16).

Slika Metode za odlučivanje.16 Stablo odluke za odluku o novom proizvodu

Simboli koji se koriste u ovom grafičkom modelu su kvadrat za čvor odluke, krug za
čvor slučaja i grane kojima se povezuju čvorovi u stablu. Čvor odluke je pod kontrolom
donositelja odluke, u tom čvoru bira se grana koja vodi do čvora slučaja. U čvoru slučaja navode
se sve mogućnosti koje se mogu dogoditi, a koje nisu pod kontrolom donositelja odluke i
predstavljaju izvor mogućih rizika. Ishodi tih rizičnih slučajeva navode se na kraju njihove
pripadne grane. Na temelju tih ishoda i vjerojatnosti slučajeva računa se očekivana vrijednost
čvora slučaja. Sukladno kriteriju očekivane vrijednosti, odluka se donosi tako da se u čvoru
odluke bira grana koja vodi prema čvoru slučaja s najvećom očekivanom vrijednošću. U ovom

93
primjeru, to bi značilo da se preporučuje donijeti odluku o izlasku na tržište. Ipak, konačna
odluka ovisi o jednom aspektu koji u ovom modelu nije uzet u obzir – stavu prema riziku
donositelja odluke. Naime, donositelj odluke se u promatranom slučaju suočava s odlukom koja
ima profil rizika prikazan u Tablica Metode za odlučivanje.54
Tablica Metode za odlučivanje.54 Profil rizika za odluku o novom proizvodu
Slučaj Vjerojatnost Ishod (000 kn)
Velika potražnja 0,5 500
Mala potražnja 0,3 100
Bez potražnje 0,2 -200

Konačna odluka ovisi o tome kako se poduzetnik odnosi prema riziku. Za nekoga je 20%
vjerojatnosti da izgubi 200.000 kn prevelik i neprihvatljiv rizik u odnosu na ostale mogućnosti, a
za nekog drugog je taj rizik prihvatljiv.

Povezane odluke

Rijetke su situacije odlučivanja koje se mogu izolirati od okruženja u tolikoj mjeri da se

nakon donošenja odluke proces odlučivanja može smatrati završenim. Realnija je situacija da,
nakon donošenja odluke, interakcija njezinih posljedica s okruženjem zahtijeva reakciju u vidu
nove odluke, bilo u smislu korekcije posljedica prethodne odluke bilo u smislu korištenja prilike
za novu poslovnu odluku. U nekim djelatnostima nije ni moguće donositi jednokratne odluke
zbog prirode poslovnih procesa. Tako npr. u industriji lijekova proces razvoja novog lijeka
prolazi kroz brojne faze koje zahtijevaju donošenje sukcesivnih odluka ovisno o ishodima
ispitivanja koja se provode u pojedinim od tih faza s ciljem minimaliziranja brojnih rizika. Taj
proces može biti toliko složen da odgovarajući model stabla odlučivanja može sadržavati
približno pola milijuna scenarija93. Druga tipična situacija koja zahtijeva sukcesivno odlučivanje
sreće se u naftnoj industriji prilikom istraživanja potencijalnih bušotina 94. Pokusna bušenja
rezultiraju informacijama koje ukazuju s određenom vjerojatnošću na mogućnost da nastavak
istraživanja može rezultirati isplativom eksploatacijom ležišta nafte ili plina, ali nastavak
istraživanja traži dodatna sredstva i rezultira novom informacijom koja može biti i nepovoljna. U
takvim procesima postoji nekoliko kontrolnih točaka u kojima se donose odluke o nastavljanju ili
prekidanju istraživanja na temelju vjerojatnosti mogućih posljedica tih odluka.
Takve povezane odluke donose se i modeliraju pomoću stabla odlučivanja. Da bi se
objasnio taj postupak, problem odluke o novom proizvodu proširuje se s mogućnošću da se

94
prethodno istraži tržište. Dakle, pretpostavimo da će se prije donošenja odluke istražiti tržište.
Marketinška agencija procjenjuje da postoji 70% vjerojatnosti za pozitivan rezultat istraživanja i
da su vjerojatnosti stanja tržišta u tom slučaju slijedeće: za veliku potražnju p(VP)=0,8 , za malu
potražnju p(MP)= 0,2 , i da nije moguće da neće biti potražnje, dakle vjerojatnost stanja bez
potražnje p(BP)= 0. U slučaju negativnog rezultata istraživanja, za koji procjenjuju da postoji
30% vjerojatnosti, vjerojatnosti za razine potražnje procjenjuju se p(VP)=0,1, p(MP)=0,2 i
p(BP)=0,7. Ovi podaci sažeto se prikazuju u tablici (Tablica Metode za odlučivanje.55).

Tablica Metode za odlučivanje.55 Vjerojatnosti stanja tržišta ovisno o rezultatima

istraživanja

Stablo odluke za ovako proširen problem prikazano je na Slika Metode za odlučivanje.17 :

Slika Metode za odlučivanje.17 Stablo odluke za lansiranje novog proizvoda s

istraživanjem tržišta

Primjenom kriterija očekivane vrijednosti kao najbolja odluka identificira se odluka o

prethodnom istraživanju tržišta, jer ta odluka vodi do čvora slučaja u kojem je očekivana
vrijednost najveća, EV=273 .

95
Vrijednost potpune informacije

Za donositelja odluke iz prethodnog primjera važno je pitanje koliko mu se isplati platiti

za istraživanje tržišta koje će mu pribaviti informaciju o stanju potražnje i time mu omogućiti
donošenje kvalitetnije odluke. Odgovor na ovo pitanje nije jednoznačan. Ukoliko se pretpostavi
da će informacija biti potpuno točna, govori se o cijeni potpune informacije 95, EVPI (Expected
Value of Perfect Information). Ovu veličinu nije teško izračunati, jer bi se temeljem te
informacije mogao izbjeći rizik izlaska na tržište u slučajevima kad ne bi bilo potražnje, pa se
jednostavno zbroje samo očekivane vrijednosti za slučajeve koji odgovaraju donositelju odluke,
dakle za slučaj velike potražnje i male potražnje. Vrijedi dakle,

EVPI=EV(VP)+EV(MP)=0,5∙500.000 + 0,3∙100.000 = 280.000

Budući da je očekivana vrijednost odluke o izlasku na tržište bez prethodnog istraživanja

EV=240.000 kn, a očekivana vrijednost odluke s potpunom informacijom EVPI=280.000 kn,
jasno je da se za dodatnu informaciju o budućem stanju tržišta ne isplati platiti više od razlike tih
iznosa, dakle 40.000 kn.
VPI=EVPI - EV

Vrijednost uzorka informacije

Potpuna (savršena) informacija ne može se dobiti, jer je to podatak koji se odnosi na

budućnost. Informacija koja proizlazi iz istraživanja nije potpuno točna, bez obzira na to koliko
se onaj tko istražuje trudi, te zbog toga informacija koja se može kupiti od agencije koja se bavi
istraživanjem tržišta vrijedi manje od potpune informacije. Da bi se odredila vrijednost
informacije koja se dobije na temelju uzorka istraživanja, potrebno je pribaviti dodatne povijesne
podatke o točnosti prognoza onoga tko provodi to istraživanje i primijeniti Bayesov teorem o
uvjetnoj vjerojatnosti. Prikaz tog postupka izlazi iz okvira ovog teksta i može se pronaći u R.T.
Clemen96.

96
Alati za analizu odluke pomoću stabla odluke

Već i najmanji realan problem koji se rješava pomoću stabla odluke ima takvu složenost
da ga je teško rješavati bez pomoći specijaliziranog softvera. Postoje brojni lako dostupni alati
koji se mogu kupiti ili skinuti s mreže besplatno. Poznatiji komercijalni alati su Treeplan97
(glavna karakteristika ovog alata je jednostavnost za korištenje i niska cijena) i Precision Tree98
(ovo je profesionalni alat tvrtke Palisade99, spada među skuplje na tržištu programskih proizvoda
za potporu odlučivanju). Oba ova alata kompatibilna su s tabličnim kalkulatorom Microsoft
EXCEL.

21.1.2 Matrica rizika

Matrica rizika je jednostavan grafički alat za prikaz (vizualizaciju) rizika u dvije

dimenzije: vjerojatnost rizičnog događaja i razina posljedice (najčešće u monetarnom obliku).
Pri tom se rizik definira kao produkt tih dviju veličina:

Rizik = vjerojatnost ∙ posljedica

Matrica rizika koristi se za to da bi se odredili prioriteti među rizičnim događajima u procesu
upravljanja rizicima. Tretman rizičnog događaja ovisi o poziciji koju on zauzima u matrici rizika.
Što je on više “dolje, lijevo” veća je spremnost menadžera da ga se prihvati bez posebne brige. S
pomicanjem u smjeru “gore, desno” raste vjerojatnost nastupanja rizičnog događaja i raste značaj
njegove posljedice pa se stoga riziku posvećuje sve veća pažnja. Obično se pozicije u matrici
rizika kodiraju bojama, pa se tako, s pomicanjem u smjeru “gore, desno”, ulazi u sve intenzivnije
crveno područje, pri čemu intenzitet crvene boje odgovara značaju rizika.
Ljestvica pomoću koje se procjenjuje vjerojatnost nije standardizirana, ona ovisi o prirodi
događaja, pa se uz numeričke vrijednosti i uz procjene učestalosti nastupanja događaja u odnosu
na neko razdoblje mogu koristiti i kvalitativne procjene. Neke mogućnosti za procjene
vjerojatnosti koje se koriste u matricama rizika navode se na slici (Slika Metode za
odlučivanje.18). Važno je naglasiti da povećanje gradacije intenziteta nije linearno.

97
 Slika Metode za odlučivanje.18 Različiti načini izražavanja intenziteta vjerojatnosti

Druga dimenzija matrice rizika odnosi se na intenzitet utjecaja rizičnog događaja na

sustav. Ti utjecaji mogu se promatrati s različitih aspekata: ugrožavanja zdravlja, okoliša,
kvalitete usluge ili proizvoda itd.

98
 Slika Metode za odlučivanje.19 Kompletna matrica rizika100

Pozicioniranje rizičnog događaja u različita područja matrice rizika zahtijeva

odgovarajuću aktivnost usmjerenu na upravljanje rizikom sukladno njegovom prioritetu.
Događaji koji su pozicionirani u horizontalnom smjeru imaju prioritete koji raste u smjeru u
desno. Slično tome, za događaje čije pozicije su vertikalno usmjerene prioriteti rastu prema gore.
Problem je s određivanjem relativnih prioriteta za događaje koji su pozicionirani u smjeru glavne
dijegonale ili paralelno s njom poput npr. pozicija koje se sukladno sa standardnim matričnim
adresiranjem označavaju s (3,4) i (4,3). Kod određivanja njihovih prioriteta treba procijeniti da li
je veća vjerojatnost događaja pozicioniranog na (4,3) ekvivalentna smanjenom utjecaju na
99
poziciji (3,4). Događaji na pozicijama označenim jednakom bojom imaju sličan tretman u
upravljanju rizicima.
Primjer: neka je rizičan događaj nezadovoljstvo klijenta načinom izvedbe projekta. To
nezadovoljstvo može biti gradirano sukladno intenzitetima opisanim na slici (Slika Metode za
odlučivanje.19). Ukoliko se nakon procjene vjerojatnosti odgovarajućeg oblika reakcije klijenta
događaj smjesti u odgovarajuće područje matrice rizika (VN (vlo nizak) je “dolje lijevo”, VV
(vrlo visok) je “gore desno”, a ostalo između te dvije ekstremne pozicije u slojevima paralelno s
glavnom dijagonalom matrice), moguće je poduzeti aktivnosti za upravljanje tim rizicima
nezadovoljstva klijenata koje su prikazane u tablici (Tablica Metode za odlučivanje.56).

Tablica Metode za odlučivanje.56 Upravljanje rizicima

Oznaka Razina
Aktivnost upravljanja rizikom
pozicije rizika
Potrebno je obratiti pozornost na iznesen prigovor i rješiti ga, kako se ne
bi ponavljale pogreške koje bi kasnije mogle imati ozbiljnije posljedice.
VN vrlo nizak
Svi zaposlenici koji su povezani s predmetom prigovora trebaju biti
informirani o prigovoru.
Potrebno je obratiti pozornost na prigovor, voditelj mora ukazati
N nizak ostalima na to, ali i zapisati slučaj u knjigu standarda kako se to ne bi
ponovilo.
Obavezno treba analizirati ono što je izneseno u prigovoru, informirati
S srednji sve one koji su u situaciji načiniti istu grešku, zapisati slučaj u knjigu
standarda i osigurati da se to u budućnoti izbjegne.
Obavezno obratiti pozornost na izneseni prigovor i pokušati ga što prije
V visok rješiti, tj. pobošljati ono što ne valja. Pri sljedećim projektima treba
unprijed upozoriti da se takve greške ne smiju događati.
Potrebno je obavezno obratiti pozornost na to i inzistirati na promptnom
ispravljanju grešaka iznesenim u prigovoru pod nadzorom dodjeljenog
VV vrlo visok
mentora. Potrebno je identificirati uzroke koji su doveli do greške, te
poduzeti akcije da se ona više ne dogodi.

21.1.3 Analiza osjetljivosti

Jedan od jednostavnijih postupaka kojim se prevladava nesigurnost i rizik u poslovnom

odlučivanju je analiza osjetljivosti koja se provodi uz pomoć determinističkog kvantitativnog
modela. Postupak se sastoji u tome da se analizira u kojoj mjeri, moguće promjene vrijednosti
ulaznih varijabli modela, utječu na izlazne vrijednosti. Također, na temelju analize osjetljivosti

100
mogu se procijeniti posljedice realizacije odluke u različitim scenarijima. Postupak analize
osjetljivosti determiniran je matematičkim modelom na kojem se temelji odluka i iz svojstava
tog modela proizlaze mogućnosti da se odgovori na određen broj pitanja čime donositelj odluke s
većom sigurnošću može predvidjeti njezine posljedice. Analiza osjetljivosti koristi se i za
ispitivanje kvalitete modela, tj. provođenjem tog postupka može se vidjeti u kojoj mjeri model
omogućuje prepoznavanje malih promjena u parametrima odluke, koji su pod kontrolom
donositelja odluke i promjenama parametara kojima se opisuje stanje okoline, dakle onih koje
donositelj odluke ne kontrolira, ali utječu na posljedice odluke. Analiza osjetljivosti ne provodi
se samo u poslovnom odlučivanju. Ona se preporuča i za donošenje odluka u javnom sektoru101.

Postupak će se ilustrirati pomoću jednostavnog modela točke pokrića 102. Točka pokrića,
kao orijentir za procjenu razine isplativosti proizvodnje, izračunava se pomoću slijedećeg modela
(Slika Metode za odlučivanje.20).

Ulazni podaci (inputi) Relacije Izlazni podatak (output)

Slika Metode za odlučivanje.20 Matematički model točke pokrića

Ako poduzetnik ima proizvod koji prodaje po prosječnoj cijeni 218 kn, uz prosječan varijabilan
trošak proizvodnje 60 kn i fiksne troškove koji iznose 380.000 kn, nije teško izračunati da za te
podatke točka pokrića iznosi 2.405 komada proizvoda, dakle on mora prodati toliko da bi pokrio
troškove proizvodnje. Najčešće se ulazne vrijednosti, poput ovih spomenutih u primjeru, tretiraju
kao prosječne veličine i rezultat se također smatra nekim oblikom prosjeka. Takav pristup ima
nedostatke kao i svako drugo zaključivanje na temelju prosječnih vrijednosti. Temeljni
nedostatak ovakvog pristupa je taj da, osim vrijednosti točke pokrića, donositelj odluke nema
nikakve informacije o varijabilnosti tog rezultata. Međutim, rijetko se svi proizvodi prodaju po
istoj cijeni. Cijena se prilagođava naručenim količinama, rokovima i načinima plaćanja i te

101
varijacije utječu na vjerodostojnost izračunatog podatka. Osim toga, prosječni varijabilni
troškovi su također promjenljivi pa i to utječe na pouzdanost izračunate točke pokrića. Ukoliko
je postojeće tržište ograničeno u tolikoj mjeri da nije sigurno može li se prodati takva količina,
podatak o točki pokrića postaje bitan za upravljanje poslovnim rizicima.
U nastavku se pokazuje kako se, uz pomoć jednostavnih alata u EXCELU, mogu dobiti
dodatne informacije koje donositelju odluke mogu značajno pomoći da dobije uvid u
varijabilnost izlazne vrijednosti modela i moguće posljedice te varijabilnosti. Takve informacije
nužne su za procjenu rizika u poslovnom odlučivanju i upravljanje rizicima.
Pretpostavimo da se prodajna cijena kreće u rasponu 218-230 kn. Pretpostavimo nadalje
da je ustanovljeno, na temelju podataka o troškovima proizvodnje, da se jedinični varijabilan
trošak kreće u rasponu 55-63 kn. Uz pretpostavku da su fiksni troškovi nepromjenjivi, nije
teško103 izračunati vrijednosti točke pokrića za sve kombinacije navedenih raspona vrijednosti
jedinične prodajne cijene i varijabilnog troška (Tablica Metode za odlučivanje.57).

Tablica Metode za odlučivanje.57 Vrijednosti točke pokrića za sve kombinacije prodajne

cijene i jediničnog varijabilnog troška

55 56 57 58 59 60 61 62 63
218 2.331 2.346 2.360 2.375 2.390 2.405 2.420 2.436 2.452
219 2.317 2.331 2.346 2.360 2.375 2.390 2.405 2.420 2.436
220 2.303 2.317 2.331 2.346 2.360 2.375 2.390 2.405 2.420
221 2.289 2.303 2.317 2.331 2.346 2.360 2.375 2.390 2.405
222 2.275 2.289 2.303 2.317 2.331 2.346 2.360 2.375 2.390
223 2.262 2.275 2.289 2.303 2.317 2.331 2.346 2.360 2.375
224 2.249 2.262 2.275 2.289 2.303 2.317 2.331 2.346 2.360
225 2.235 2.249 2.262 2.275 2.289 2.303 2.317 2.331 2.346
226 2.222 2.235 2.249 2.262 2.275 2.289 2.303 2.317 2.331
227 2.209 2.222 2.235 2.249 2.262 2.275 2.289 2.303 2.317
228 2.197 2.209 2.222 2.235 2.249 2.262 2.275 2.289 2.303
229 2.184 2.197 2.209 2.222 2.235 2.249 2.262 2.275 2.289
230 2.171 2.184 2.197 2.209 2.222 2.235 2.249 2.262 2.275

Poznavanje točke pokrića važno je za planiranje proizvodnje, a nemogućnost da se vrijednost

točke pokrića točnmo procijeni izvor je rizika da se proizvedena količina robe ne može realizirati
na tržištu. U procjeni tog rizika mogu se koristiti jednostavne i složene metode. U nastavku se
opisuju tri takve metode, poredane po složenosti. U sva tri slučaja koristi se isti primjer, točka

102
pokrića, ali jasno je da se te metode mogu primjenjivati i u drugim situacijama u kojima se kao
podloga za analiziranje rizika koristi tablični kvantitativni model.

1. Analiza podataka pomoću histograma

Uvidom u vrijednosti točke pokrića u Tablica Metode za odlučivanje.57, vidi se da se te
vrijednosti kreću u rasponu od 2.171 (kombinacija nanižih varijabilnih troškova i najviše cijene),
do 2.452 (kombinacija najviših varijabilnih troškova i najniže prodajne cijene) i na tim se
podacima može provesti standardna deskriptivna statistička analiza što nije predmet ovog
razmatranja. Podaci iz Tablica Metode za odlučivanje.57 mogu se iskoristiti za procjenu
poslovnog rizika na drugi način. U tome pomaže konstrukcija histograma 104 (Slika Metode za
odlučivanje.21) tako da se podaci podijele u određen broj razreda, u ovom primjeru uzeto je 10
razreda. Na slici je označen i kumulativni (rastući) graf kao povezan niz točaka. Taj graf pomaže
da se odgovori na pitanja poput slijedećeg: „Kolika je vjerojatnost da će trebati prodati više od
2405 proizvoda da bi se pokrili troškovi?“.

Slika Metode za odlučivanje.21 Histogram podataka iz tablice

Sad nije teško odgovoriti na postavljeno pitanje jer se lako pročita s točke označene
strelicom da je vjerojatnost da će trebati prodati više od 2.405 proizvoda da bi se pokrili troškovi

103
66%. Naravno, uz ovu interpretaciju ide i komplementarna tvrdnja koja govori o tome kolika je
izloženost riziku da za pokriće troškova treba ostvariti veći financijski rezultat.
Onaj tko odlučuje o tome da li poslovati u skladu s pretpostavkama ovog modela, na
temelju ove informacije treba odlučiti da li mu je taj rizik visine točke pokrića prihvatljiv ili ne.
Ukoliko zaključi da je 35% vjerojatnosti da će za pokrivanje troškova poslovanja trebati prodati
više od 2.405 komada proizvoda prevelik rizik, on mora pogledati što može učiniti da smanji taj
rizik.

2. Upravljanje rizicima temeljem analize osjetljivosti

Model točke pokrića iskoristit će za to da se pokaže kako se s jednostavnim alatima u
EXCEL-u mogu dobiti informacije korisne za definiranje strategije upravljanja rizicima. Na
temelju pretpostavki o rasponu vrijednosti unutar kojih se mogu kretati prodajne cijene i
jedinični varijabilni troškovi, dobivene su informacije o rasponu u kojem se kreću vrijednosti
točke pokrića. Ukoliko se procijeni da je ta varijabilnost prevelika i da je rizik previsoke točke
pokrića neprihvatljivo visok, treba definirati mjere za upravljanje rizicima koje će suziti taj
raspon. Budući da se analiza osjetljivosti temeljila samo na promjenama dvaju parametara, cijene
i varijabilnog troška, mjere za smanjivanje rizika trebaju biti usmjerene na kontrolu ta dva
parametra.
U literaturi koja pokriva područje mikroekonomije i menadžmenta 105 može se naći niz
mjera kojima se može utjecati na prodajnu cijenu i na varijabilne troškove. Problem je što na
temelju ovako jednostavnog modela i analize podataka provedene uz pomoć kombinacije
EXCEL alata Data Table i Histogram nije moguće dobiti u eksplicitnom obliku preporuku o
prioritetima mogućih postupaka za upravljanje spomenutim rizikom. Zbog toga se može dogoditi
da se menadžer usmjeri na krive mjere, te da efekti koje postigne budu manji od troškova
provođenja tih mjera. Problem određivanja prioriteta među mogućim mjerama za smanjivanje
rizika može se riješiti uz pomoć jednog drugog alata kompatibilnog sa EXCEL-om. Taj alat je
SENSIT106. Osnovna prednost ovog alata, u odnosu na prije prikazan postupak, je ta da se
pomoću njega može analizirati osjetljivost rezultata modela na promjene više ulaznih varijabli
istovremeno. Da bi se bolje vidjela korist od ovog pristupa, analiza će se provesti uz dodatnu
pretpostavku o rasponu u kojem se mogu kretati fiksni troškovi, a zbog bolje ilustrativnosti
povećat će se i rasponi kretanja prosječne cijene i prosječnog varijabilnog troška.
104
 Slika Metode za odlučivanje.22 Ulazni podaci za korištenje alata SENSIT

Budući da svrha ovog teksta nije prikazivanje programskog alata, ovdje se daje samo onaj
dio izlaznih rezultata koji je bitan za analizu rizika. Iz tablice na slici (Slika Metode za
odlučivanje.22) vidi se kako se raspon kretanja vrijednosti pojedine varijable odnosi na raspon
kretanja izlazne varijable ukoliko ostale varijable poprimaju samo osnovne vrijednosti. Tako se
iz prvog reda može zaključiti da ukoliko se prodajna cijena kreće u rasponu od 210 do 250, a
fiksni troškovi i prosječni varijabilan trošak se zadrže na osnovnim vrijednostima 380.000
odnosno 60, vrijednosti točke pokrića će se kretati u rasponu 2.000 – 2.533. Iz posljednjeg stupca
tablice sa slike (Slika Metode za odlučivanje.23) može se vidjeti i kakav je utjecaj pojedine
ulazne varijable na ukupnu varijabilnost izlazne varijable.

Odgovarajuće vrijednosti ulaznih varijabli Točka pokrića

Udio u
Input osnovna Osn. Raspon
rasponu
min output vrijednost max output Min vr. Max
Prodajna cijena 250 218 210 2.000 2.405 2.533 533 71,2%
Fiksni troškovi 350.000 380.000 400.000 2.215 2.405 2.532 316 25,1%
Varijabilni trošak (prosj) 56 60 64 2.346 2.405 2.468 122 3,7%

Slika Metode za odlučivanje.23 Izlazni podaci i tornado dijagram

105
 Međutim, ta informacija se bolje vidi u vizualiziranoj formi. Utjecaj varijabilnosti svake
ulazne varijable na varijabilnost rezultata vizualiziran je grafom koji se zbog svog oblika (uz
malo mašte nije teško zamisliti kako bi taj graf izgledao za slučaj većeg broja ulaznih varijabli)
naziva tornado107 dijagram. Crne trake, kojima su prikazani rasponi u kojima se kreću
vrijednosti točke pokrića, kao posljedica raspona u kjima se kreću vrijednosti pojedinih varijabli,
poredane su u smjeru odozgo prema dolje po opadajućem intenzitetu utjecaja varijabilnosti
vrijednosti varijabli na varijabilnost rezultata. Informacija o tim prioritetima važna je za
definiranje strategije smanjivanja varijabilnosti rezultata. Naime, na svaku ulaznu varijablu koja
je pod kontrolom donositelja odluke, može se utjecati određenim postupcima koji se izučavaju u
disciplinama koje se bave ekonomikom poslovanja poduzeća i menadžmentom. Budući da je
teško zamisliti, da u specifičnim situacijama ima smisla primjenjivati sve moguće mjere,
postavlja se pitanje njihovog prioriteta. Ti prioriteti određuju se sukladno informaciji koja se
može isčitati iz tornado grafa. U korištenom primjeru, strategija upravljanja rizikom da točka
pokrića bude prevelika, temeljila bi se prvenstveno na mjerama za eventualno povećanje
prodajnih cijena ili preispitivanje povoljnih uvjeta koji se daju klijentima, zatim na mjerama za
smanjivanje fiksnih troškova i tek potom na mogućnostima da se djeluje na varijabilne troškove.

3. Upravljanje rizicima temeljeno na Monte Carlo simulaciji

Prikazani postupak analize osjetljivosti, unatoč očiglednoj korisnosti i jednostavnosti,
ima i nedostatke koji se mogu ukloniti primjenom složenijih postupaka kao što je upravljanje
rizicima temeljeno na Monte Carlo108 (MC) simulaciji.
Osnovna primjedba do sada prikazanim postupcima je ta da su sve vrijednosti pojedine
ulazne varijable ulazile u proračune s jednakom vjerojatnošću. Tako je pretpostavljeno da će se
prodajna cijena kretati u rasponu 218-230, jedinični varijabilan trošak u rasponu 55-63 i
vrijednosti iz tih raspona s jednakom učestalošću uzimane su u postupak izračunavanja točke
pokrića na temelju čega je onda formirana tablica 9.50 i pripadni histogram na slici 9.21 . U
realnosti to nije tako, ekstremne vrijednosti ulaznih varijabli, vrijednosti s krajeva raspona rijeđe
se pojavljuju nego one iz sredine i zbog toga je histogram koji je formiran objašnjenim
postupkom širi nego je u stvarnosti, a kumulativni graf je položeniji. To ima za posljedicu da je
dojam o riziku veći – označena točka na grafu, koja je ukazivala na vjerojatnost 66% da će točka
pokrića biti manja od 2.411 , u realnosti bi bila pomaknuta više ulijevo.
106
 Da bi to pokazali, modificirati ćemo ulazne podatke za model točke pokrića tako da se
vrijednosti za prodajnu cijenu modeliraju pomoću funkcije triangularne distribucije za jednak
raspon, sa srednjom vrijednošću 224, a jedinični varijabilni trošak također modeliramo s
triangularnom distribucijom sa najčešćom vrijednošću 59 i primjenimo bilo koji programski alat
za Monte Carlo simulaciju109. Na temelju 1.000 izračuna vrijednosti točke pokrića s podacima iz
navedenih distribucija dobije se kumulativni graf za te vrijednosti prikazan na slici (Slika
Metode za odlučivanje.24).

Distribution for Tocka pokrica/C8

1,000
Mean=2297,439
0,800

0,600

0,400

0,200

0,000
2,15 2,25 2,35 2,45
Values in Thousands
5% 90% 5%
2,2245 2,3746

Slika Metode za odlučivanje.24 Graf kumulativne distribucije vrijednosti točke pokrića

S ovako preciznijom analizom dobije se podatak da vjerojatnost da točka pokrića neće

biti veća od 2.320 iznosi 66% , što je značajno preciznija informacija nego je to bio slučaj prije,
kada se na temelju podataka o rasponima vrijednosti ulaznih varijabli, uz implicitnu pretpostavku
o jednakim vjerojatnostima tih vrijednosti, moglo procijeniti da je za pokrivanje jednakog rizika
potrebno računati s točkom pokrića visine 2.411. Svrha ovog primjera je bila samo da se
ilustriraju mogućnosti i prednosti korištenja složenijih alata za pomoć u donošenju odluka u
uvjetima rizika, bez detaljnog objašnjavanja načina na koji se ti alati koriste.

Ključni elementi i koraci u procesa analize rizika pomoću Monte Carlo simulacije koja se
provodi na tabličnom modelu prikazana je na slici 9.26.

107
 Slika Metode za odlučivanje.25 Analiza rizika pomoću Monte Carlo simulacija

Na slici () prikazano je kako se provodi analiza rizika pomoću Monte Carlo simulacije. Bitni
koraci u tom postupku su:
1. Razvoj kvantitativnog modela u EXCEL-u (većina takvih alata je kompatibilna s EXCEL-
om)
2. Modeliranje funkcija distribucija za ulazne podatke (gotovo svaki alat za Monte Carlo
simulaciju ima preglednik sa specijalnim funkcijama distribucije, što analitičaru
omogućuje kreativan pristup i ugradnju znanja iz specifične poslovne domene u to
modeliranje)
3. Modeliranje veza između ulaznih varijabli (npr. modeliranje korelacije između pojedinih
varijabli i otežavanje nelogičnih kombinacija njihovih vrijednosti)
4. Analiza izlaznih rezultata.

Iako se simulacija u suštini svodi samo na velik broj izračuna izlazne(ih) vrijednosti
modela za različite kombinacije vrijednosti ulaznih varijabli, programski alati za MC simulaciju
daju rezultate u različitim oblicima, numeričkim i u grafičkoj formi. Osim temeljnog rezultata –
histograma i grafa kumulativne distribucije, posebno koristan za upravljanje rizicima je i tornado
dijagram. Taj graf, čija je varijacija za jednostavan slučaj s tri inputa prikazana na slici 9.27 , daje
informaciju o razini utjecaja varijabilnosti ulaznih podataka na varijabilnost outputa.

108
 Slika Metode za odlučivanje.26 Tornado dijagram sa tri inputa

Osim toga, varijable su vizualno poredane tako da prioritet njihovog utjecaja odgovara razini
pripadnog dijela grafa – što je njezin utjecaj na output veći, odgovarajući dio tornado grafa je na
višoj poziciji. Ukoliko donositelj odluke smatra da je raspon u kojem se mogu očekivati izlazne
vrijednosti modela, a time i rizik prevelik, on na to može djelovati samo tako da prepozna na
koje ulazne varijable može djelovati tako da smanji raspone u kojima se kreću njihove
vrijednosti. Skup tih mjera čini strategiju upravljanja rizicima, a prioriteti među tim mjerama
određuju se prema tornado dijagramu. Posljedica sužavanja distribucija ulaznih varijabli je
sužavanje grafa distribucije rezultata, graf kumulativne distribucije postaje strmiji, rizik se
preciznije procjenjuje i time se olakšava donošenje odluke.

109
1
Ralph L. Keeney, Making Better Decision Makers, Decision Analysis, Vol.1, No. 4, 2004, str.193-204
2
Originalan naziv metode je Decision Analysis. Prijevod ovog naziva ne specificira u dovoljnoj mjeri metodu jer se u širem
smislu svaki postupak koji se primjenjuje u procesu odlučivanja u duhu našeg jezika može smatrati analizom odluke.
3
Curein, J., Slater R., (2002) Quantitative Mehods for Business Decisions, Tomson Learning, str. 5
4
Ibid
5
Ibid str 6
6
Ibid, str. 47
7
Ravindran, A.; Phillips, D.T.; Solberg, J.J. Operatons Research. John Wiley and Sons, New York, 1997.
8
Dvorski S., Kovšca V., Ekonomija za poduzetnike, TIVA - Tiskara, Varaždin, 2011, 256-277
9
R. Grünig, R. Kühn, op.cit.
10
Pojmovi složenost i složenost se u ovom kontektu tretiraju kao sinonimi.
11
H.G. Gemunden and J. Haushildt, Number of inačices and efficiency in different types of top-management decisions,
EJOR 22 (1985) 178-190
12
Model Točka pokrića (engl. Break Even Point) može biti jednostavniji i složeniji ovisno o elementima koji se uzimaju u
obzir prilikom izračunavanja razine prihoda kojom se pokrivaju troškovi proizvodnje.
13
Curein, J., Slater R., (2002) Quantitative Mehods for Business Decisions, Tomson Learning, 9
14
RBS failure caused by 'multiple poor decisions', guardian.co.uk, http://www.guardian.co.uk/global/2011/dec/12/royal-
bank-of-scotland-fsa-report
15
Failed wizards of Wall Street http://www.businessweek.com/1998/38/b3596001.htm
16
Matematički modeli u kojima se traže ekstremne vrijednosti funkcija više varijabli pod ograničenjima
17
Hwang CL, Yoon K (1981). Multiple Attribute Decision Making-Methods and Applications: A State of the Art Survey,
Springer-Verlag.
18
Puni naziv metode navodi se u dijelu knjige u kojem se ona prikazuje. Uobičajeno je da se ovaj akronim koristi kao naziv
metode bez prevođenja.
19
Ibid
20
Naziv „heuristika“potiče od starogrčke riječi „heuriskein“–što znači „naći“ili „otkriti“.
21
Pseudo, semi, polu, skoro
22
Izvor: http://www.nobelprize.org/nobel_prizes/economics/laureates/1978/simon-autobio.html; 10/03/2012
23
Problem maksimuma u jednokriterijalnoj optimizaciji je jednostavan, za kriterij koristi („veće je bolje“) je to najveća
vrijednost, a za kriterij troška („manje je bolje“) je to najmanja vrijednost. U višekriterijskim problemima odlučivanja
pojam maksimuma nije tako jednostavan i teorijski se izučava kao problem vektorske maksimalizacije.
24
Goodwin P., Wright G., Decisoon Analysis for management Judgment John Wiley & Sons, Ltd, 2004, str. 21-23
25
Shafir, E., Simonson, I. And Tversky, A., (1993) Reason based choice, Cognition, 49, 11-36
26
Ovo su samo osnovni kriteriji, Odabir kriterija u realnim situacijama ovisi o kontekstu određenom sustavom nabave – da
li je naručitelj iz javnog sektora ili privatnog, vrsti projekata itd.
27
Pomerol, J.C., Barba-Romero, S.; Multicriterion decision in Management – Principles and Practice, Kluwer Academic
Publishers, 2000, 51-57.
28
Ibid
29
Saaty, T. L., The Analytic Hierarchy process, McGrawHill, 1980.
30
Hunjak, Tihomir: Višekriterijsko odlučivanje, Poglavlje u knjizi: Informacijska tehnologija u poslovanju: urednici: Čerić,
Vlatko; Varga, Mladen, Zagreb, element, 2004. (sveučilišni udžbenik) (str. 105-119)
31
Saaty, T. L., Op.cit.
32
Saaty, T., L., Kearns, P., K.: Analytical Planning, The Organization of Systems, The Analytic Hierarchy Process Series,
Vol. IV, RWS Publications, 1991., str 23.
33
Točan postupak računanja težina zahtijeva poseban softver kao što je EXPERT CHOICE, DECISION LENS,
SUPERDECISIONS
34
Zakon o javnoj nabavi. http://narodne-novine.nn.hr/clanci/sluzbeni/329474.html
35
Gal T., Stewart T.J., Hanne T., Multicriteria Decision Making: Advances in MCDM Models, Algorithms, Theory, and
Applications, Kluwer Academic Publishers, 1999, 12-18 - 19.
36
U provođenju daljnjeg postupka pomaže vizualizacija (ovaj pristup koristi se u programu HIVIEW, vidjeti
http://www.catalyze.co.uk/?id=230 )
37
J. Figueira, S. Greco, and M. Ehrgott, editors, Multiple Criteria Decision Analysis: State of the Art Surveys, pages 73–
132. Springer, 2005.
38
T. Gal, T.J. Stewart, T. Hanne(Eds), Multicriteria Decision Making: Advances in MCDM Models, Algorithms, Theory ,
and Applications, Kluwer Academic Publishers, 2003,12.4-32
39
Saaty, T.L., Op.cit.
40
Neumann, John von and Morgenstern, Oskar: Theory of Games and Economic Behavior. Princeton, NJ. Princeton
University Press. 1953.
41
Ovo su samo osnovni kriteriji. Odabir kriterija u realnim situacijama ovisi o kontekstu određenom sustavom nabave – da
li je naručitelj iz javnog sektora ili privatnog, vrsti projekata itd.
42
Value Tree, vidjeti http://www.mcda.hut.fi/value_tree/learning-modules/
43
Unimodalni kriterij je npr. koncentracija neke tvari u smjesi. Premalo šećera u kavi nije dobro, previše također.
Normalizirane koncentracije šećera ne mogu se koristiti kao supstitut za funkciju vrijednosti.
44
J. Figueira, S. Greco, and M. Ehrgott, editors, Multiple Criteria Decision Analysis: State of the Art Surveys, pages 73–
132. Springer, 2005.
45
Vidjeti http://plato.stanford.edu/entries/preferences/#Tra
46
Ibid
47
USAID CROATIA
48
vidjeti http://www.hipre.hut.fi
49
Kurepa: Teorija skupova, Školska knjiga, Zagreb, 1951.
50
Technique for Order Preference by Similarity to Ideal Solution
51
Yu, Y., Liang, L.: Extensions of the TOPSIS for Multiple Criteria Decision Making. Systems Engineering (2), 98–101
(2003)
52
Yoon K., „A reconciliation among discrete compromise solutions“, Journal of the Operational Research Society, vol. 38,
no 3, 277-288
53
Ibid.
54
Roy B., The outranking approach and the foundations of ELECTRE methods, Theory and Decisions 31: 49-73, 1991.
55
Velik broj primjena vezan je uz poslovne aktivnosti istraživačke grupe LAMSADE koju je 1976. osnovao B. Roy na
University Paris-Dauphine.
56
Njezin originalan naziv je outranking relation, u krugu stručnjaka koji se kod nas bave višekriterijskom analizom još nije
usvojen jedinstven prijevod ovog pojma.
57
J. Figueira, S. Greco, and M. Ehrgott, op. cit.
58
Ovo se stavlja po definiciji jer se matrice suglasnosti i nesuglasnosti mogu koristiti za direktno računanje matrice
incidencije i formiranje grafa outranking relacije. U slučaju kad bi se u račun uključile vrijednosti cii=1, dobili bi graf s
petljama u svim vrhovima što bi onemogućilo interpretaciju rezultata analize temeljenu na pojmovima iz teorije grafova. U
nekim prikazima metode dijagonalni elementi matrica suglasnosti i nesuglasnosti jednostavno se ne uzimaju u razmatranje,
označe se sa *.
59
Saaty, T., L.: A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology 15 (3), pp.
234–281, 1977.
60
Saaty, T. L.: Multicriteria Decision Making: The Analytic Hierarchy Process, RWS Publications, 4922 Ellsworth Ave.,
Pittsburgh, PA 15213, 1980.
61
Saaty, T., L., Kearns, P., K.: Analytical Planning, The Organization of Systems, The Analytic Hierarchy Process Series,
Vol. IV, RWS Publications, 1991.
62
Vaidya, O., S., Kumar, S.: Analytic hierarchy process: An overview of applications, European Journal of Operational
Research, 169 (2006) pp. 1–29, 2006.
63
ISAHP, vidjeti http://malaysia2013.isahp.org/index.htm
64
EURO conference (http://euro2013.org/), IFORS conference (http://ifors.org/web/)
65
Harker, P., T., Vargas, L., G.: The theory of ratio scale estimation: Saaty's analytic hierarchy process, Management
Science, 1987.; 33(1):1383-403.
66
Saaty, T. L.: Multicriteria Decision Making: The Analytic Hierarchy Process, RWS Publications, 4922 Ellsworth Ave.,
Pittsburgh, PA 15213, 1980.
67
Begičević, N., Divjak, B., Hunjak, T.: Prioritization of e-learning forms: a multicriteria methodology, Central European
Journal of Operations Research CEJOR 2007, http://www.springerlink.com/content/03111h2h3280h556/fulltext.pdf
68
Saaly, T. L.: op.cit. 1980.
69
T.L.Saaty, Begicevic N.: The analytic hierarchy process applied to complexity, Int. J. Economics and Business Research,
Vol. 4, No. 3, 2012.
70
Saaty, T., L.: op.cit, 1977.
71
Saaty, T. L.: op.cit, 1980.
72
Saaty, T., L., Kearns, P., op.cit., 1991.
73
Harker, P., T., Vargas, L., G.: op.cit., 1987.; 33(1):1383-403.
74
Triantaphyllou, E.: Multi-Criteria Decision Making Methods: A Comparative Study, Kluwer Academic Publishers,
Dordrecht, The Netherlands, 2000.
75
Shinn Sun: Base closure: An application of the analytic hierarchy process, INFOR, Vol. 39, no. 1, Feb. 2001.,
<http://findarticles.com/p/articles/mi_qa3661/is_200102/ai_n8938983>, (pristupano: 10.3.2006.)
76
Hamalainen, R., P.: Reversing the Perspective on the Applications of Decision Analysis, Decision Analysis, Vol. 1, No.1,
March 2004.
77
Expert Choice, Inc. (2000), Expert Choice Decision Support Software, RWS publications, Pittsburg, USA, 2000.,
<http://www.expertchoice.com/>
78
Super Decisions Software for Decision-Making, Creative Decisions Foundation, Pittsburgh,
<http://www.superdecisions.com>
79
Decision Lens Software: <http://www.decisionlens.com>, For more information contact Decision Lens™
80
Belton, V.: A comparison of the Analytic Hierarchy Process and a simple multiattribute value function, European Journal
of Operational Research 26, pp. 7-21, 1986.
81
Schoner, B., Wedley, W., C.: Ambiguous criteria weights in AHP: consequences and solutions, Decision Sciences 20, pp.
462-475, 1989.
82
Salo, A.,A., Hamalainen, R.,P.: On the measurement of preferences in the Analytic Hierarchy Process, Journal of Multiple
Criteria Decision Analysis 6, pp. 309-319, 1999.
83
Dyer, F., R., Forman, E., H.: An Analytic Approach to Marketing Decisions, Prentice-Hall International, Inc; 1991.
84
Zbog jednostavnosti, pod zaradom podazumjeva se razlika između prihoda od prodaje i troškova nabave.
85
Abraham Wald, (1950) Statistical Decision Functions. John Wiley and Sons, New York; Chapman and Hall, London,
osnivač statističke teorije odlučivanja,
86
Leon Hurwitz, E. Maskin i R. Myers zajedno su 2007. dobili Nobelovu nagradu za doprinos Ekonomskoj znanosti
87
Leonard Jimmie Savage (1917 –1971) , američki matematičar i statističar, jedan od osnivača teorije odlučivanja, ovaj
kriterij uveo je 1951.
88
Martin Peterson, An Introduction to Decision Theory(Cambridge Introductions to Philosophy), Cambridge University
Press,2009, (2)
89
Ovo su sve pretpostavke kad se razmatra pravedna igra.
90
French S. (1986) decision Theory: An Introduction to the Mathematics of rationality, London Wiley
91
Ken Binmore, Rational Decisions, Princeton University Press, Princeton, New Jersey, 2009, (37-39)
92
Clemen, R.T., (1996) Making Hard Decisions: An Introduction to Decision Analysis, Duxbury Press, str. 243
93
Goodwin P., Wright G., Decision Analysis for Management Judgment, J. Wiley&Sons Ltd, Chichester, 2004.
94
Clemen, R.T., (1996), Op.cit.
95
U literaturi iz engleskog govornog područja koriste se sintagme Expected Value of Prefect Information and Expected
Value of Sample Information, vidjeti Target D., Analytical Decision Making, Pitman Publishing, 1996, 52-53.
96
Robert T. Clemen, Making hard decisions: an introduction to decision analysis, Duxbury Press, Brooks/Cole Publishing
Company, 511 Forest Lodge Road, Pacific Grove, CA 93959 (441-446)
97
TreePlan, www.treeplan.com
98
Precision Tree, www.palisade.com/precisiontree/
99
Palisade, www.palisade.com/
100
Prema Risk Matrix: Know when to accept the risk. Know when to reject the risk. Paul Barringer, P.E.,
Barringer&Associates, Inc, Humble, TX 77347-3985
101
The EC handbook for extended impact assessment, European Commission, 2002
102
Dvorski S., Kovšca V., Ekonomija za poduzetnike, TIVA - Tiskara, Varaždin, 2011, 256-277
103
Npr. pomoću EXCEL alata Data Table s dva parametra iz menija DATA/What.Iff Analysis/Data Table, taj alat je
korišten u primjeru.
104
Jednostavan alat koji može pomoći u tome je EXCEL alat Histogram iz menija Data/Data Analysis/Histogram.
105
Pindyck, R.S.; Rubinfeld, D.L. Mikroekonomija. 5 izdanje, MATE, Zagreb, 2005.
106
Add-In alat kompatibilan s EXCEL-om kompanije TreePlan www.treeplan.com/sensit
107
Ovaj naziv dolazi od oblika grafičke prezentacije utjecaja ulaznih varijabli poredanih po prioritetima u vertikalnom
smjeru
108
Početak primjene simulacijskog modeliranja vezan je sa Manhatten projektom razvoja atomske bombe. Naziv je odabran
zbog prirode postupka temeljenog na zakonima statističke vjerojatnosti i asocijacije na igre na sreću.
109
U konkretnom primjeru korišten je alat@RISK , kompanije PALISADE www.palisade.com.