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
Top Related