multi atributte decision making (madm) mcdm, madm, saw
TRANSCRIPT
Sistem Pendukung Keputusan
Multi atributte decision making (madm)
MCDM, MADM, SAW
Entin Martiana, S.Kom, M.Kom
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Multi criteria decision making (mcdm)
• Suatu metode pengambilan keputusan untukmenetapkan alternatif terbaik dari sejumlahalternatif berdasarkan beberapa kriteriatertentu.
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Fitur umum mcdm
• Alternatif• Atribut• Konflik antar kriteria• Bobot keputusan• Matriks keputusan
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Multi attribute decision making (madm)
• Dilakukan melalui 3 tahap :– Penyusunan komponen-komponen situasi
dibentuk tabel taksiran yang berisi identifikasi alternatifdan spesifikasi tujuan, kriteria dan atribut.
– AnalisisDitentukan bobot untuk masing-masing kriteria dan bobotatribut nya.
– Sintesis informasidibentuk matriks keputusan, melaukan normalisasi danmelakukan perangkingan.
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Simple additive weighting method (saw)
• Mengevaluasi m alternatif A terhadapsekumpulan atribut atau kriteria C dimanasetiap atribut sakung tidak bergantung.
• Matriks keputusan X dibentuk dari retingkinerja alternatif x dan Nilai bobot yang menunjukan kepentingan relatif setiap atributW.
• Proses diakhiri dengan perangkingan untukmendapatkan alternatif terbaik.
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Beberapa metode madm
• SAW (Simple Additive Weighting)• WP (Weighted Product)• ELECTRE• TOPSIS• AHP (Analytic Hierarchy Process)
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Simple additive weighting method (saw)
• Dikenal dengan metode penjumlahan• Mencari penjumlahan terbobot dari rating
kinerja pada setiap alternatif pada semuaatribut.
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
langkah-langkah metode saw
• Tahap pertama– Menentukan Alternatif (A) dan Kriteria (C)– Menentukan derajat kecocokan alternatif kriteria
• Tahap kedua– Menentukan bobot masing-masing kriteria (W)– Menentukan bobot atribut untuk masing-masing
kriteria– Membentuk tabel keputusan
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Langkah-langkah metode saw
• Tahap ketiga– Membentuk matriks keputusan (X) berdasarkan
tabel keputusan– Normalisasi matriks keputusan (R) – Melakukan perangkingan terhadap alternatif (V)
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
contoh
• Suatu perusahaan di DIY ingin membangunsebuah gudang yang akan digunakan sebagaitempat untuk menyimpan sementara hasilproduksinya. Ada 3 lokasi yang akan menjadialternatif, yaitu A1 = Ngemplak, A2 = Kalasan, A3= Kota Gedhe. Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusanyaitu :
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Menentukan kriteria
• C1 = jarak dengan pasar terdekat (km)• C2 = kepadatan penduduk disekitar lokasi
(orang/km2)• C3 = jarak dari pabrik (km)• C4 = jarak dengan gudang yang sudah ada
(km)• C5 = harga tanah untuk lokasi (x1000 Tp/m2)
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Menentukan rating kecocokan
• Rating kecocokan setiap alternatif pada setiapkriteria, dinilai dengan 1 sampai 5, yaitu :– 1 = sangat buruk– 2 = buruk– 3 = cukup– 4 = baik– 5 = sangat baik
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Menentukan bobot kriteria
• Pengambil keputusan memberikan bobot preferensisebagai berikut :
W = (5,3,4,4,2)
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Tabel rating kecocokan
Alternatif KriteriaC1 C2 C3 C4 C5
A1 4 4 5 3 3A2 3 3 4 2 3A3 5 4 2 2 2
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
contoh
• Matrik keputusan yang dibentuk dari tabelkecocokan :
4 4 5 3 3X = 3 3 4 2 3
5 4 2 2 2
Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Contoh
Melakukan normalisasi matrik sehingga didapatkan matrik sbb:Untuk normalisai nilai, jika faktor kriteria cost digunakananrumusanRii = ( min{Xij} / Xij)Untuk normalisai nilai, jika faktor kriteria benefit digunakananrumusanRii = ( Xij / max{Xij} terhadap kolom)
0.8 1 1 1 1R = 0.6 0.75 0.8 0.7 1
1 1 0.4 0.7 0.7Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
contoh
• Proses perangkingan :– V1 = (5)(0.8) + (3)(1) + (4)(1) + (2)(1) = 17– V2 = (5)(0.6) + (3)(0.75) + (4)(0.667) + (2)(1)
= 13.1167– V3 = (5)(1) + (3)(1) + (4)(0.4) + (4)(0.667) +
(2)(0.667)= 13.6
• Nilai terbesar adalah V1 sehingga A1 adalahalternatif yang dipilih sebagai alternatifterbaik. Politeknik Elektronika Negeri Surabaya
Sistem Pendukung Keputusan
Terima kasih
Politeknik Elektronika Negeri Surabaya