DSS – Pertemuan 07 – Materi

Gede Surya Mahendra - Home

DSS – Pertemuan 07 – Materi

Stiki Logo - Short

Mata Kuliah : Decision Support System

Kode Mata Kuliah : MKB-219

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

PERTEMUAN 07

Untuk tampilan lebih baik, dapat mendownload file PDF pada link yang tersedia

Kemampuan Akhir yang Diharapkan:

Mahasiswa dapat memecahkan masalah dengan metode DSS

Bahan Kajian:

  • Ketepatan memecahkan masalah dengan metode DSS
  • Ketepatan dalam mengimplementasikan metode FMADM.

Metode Pembelajaran

  • Pembelajaran Studi Kasus dengan contoh masalah yang diselesaikan menggunakan metode DSS

Pengalaman Pembelajaran

  • Memecahkan satu masalah dengan metode DSS yang ada

Kriteria Penilaian dan Indikator

  • Kemampuan memecahkan masalah dengan model DSS sesuai dengan materi yang diajarkan

 

Download File Materi PDF

Download File Slide Perkuliahan PDF 

 

TINJAUAN

  1. Simple Additive Weighting (SAW)
  2. Kelebihan dari Metode SAW
  3. Kekurangan dari Metode SAW
  4. Langkah-Langkah Metode SAW
  5. Studi Kasus DSS Menggunakan Metode SAW
    1. Contoh Soal SAW / Identifikasi
    2. Normalisasi alternatif SAW
    3. Nilai akhir / preferensi
    4. Melakukan perangkingan
  6. Weighted Product (WP)
  7. Kelebihan Metode WP
  8. Kekurangan Metode WP
  9. Langkah-Langkah Metode WP
  10. Studi Kasus DSS Menggunakan Metode WP
    1. Contoh Soal WP / Identifikasi
    2. Normalisasi bobot kriteria WP
    3. Perhitungan nilai alternatif terbobot pada WP
    4. Perhitungan nilai preferensi WP
    5. Melakukan perangkingan
  11. Weighted Aggregates Sum Product Assessment (WASPAS)
  12. Langkah-Langkah Metode WASPAS
  13. Studi Kasus DSS Menggunakan Metode WASPAS
    1. Contoh Soal WASPAS / Identifikasi
    2. Normalisasi alternatif WASPSAS (menggunakan SAW)
    3. Mendefinisikan Kepentingan Aditif (Penjumlahan) Relatif (menggunakan nilai preferensi dari SAW)
    4. Mendefinisikan Kepentingan Multiplikatif (Perkalian) Relatif (menggunakan nilai preferensi dari WP)
    5. Menentukan Kriteria Umum Gabungan (Nilai Preferensi)
    6. Melakukan Perangkingan

MATERI

Simple Additive Weighting (SAW)

Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. SAW dapat dianggap sebagai cara yang paling mudah dan intuitif untuk menangani masalah Multiple Criteria Decision-Making MCDM, karena fungsi linear additive dapat mewakili preferensi pembuat keputusan (Decision-Making, DM). Hal tersebut dapat dibenarkan, namun, hanya ketika asumsi preference independence atau preference separability terpenuhi.

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya

Kelebihan dari Metode SAW

Kelebihan dari metode simple additive weighting dibanding dengan model pengambil keputusan lainnya terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan bobot untuk setiap atribut.

  • Menentukan nilai bobot untuk setiap atribut kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif.
  • Penilaian akan lebih tepat karena didasarkan pada nilai kriteria dari bobot preferensi yang sudah ditentukan.

Kekurangan dari Metode SAW

  • Perhitungan dilakukan dengan menggunakan bilangan crisp maupun fuzzy.
  • Adanya perbedaan perhitungan normalisai matriks sesuai demgan nilai atribut (antara nilai benefit dan cost)

Langkah-Langkah Metode SAW

Langkah Penyelesaian Simple Additive Weighting (SAW) adalah sebagai berikut:

  1. Langkah 1: Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian masalah
  2. Langkah 2: Menormalisasi setiap nilai alternatif pada setiap atribut dengan cara menghitung nilai rating kinerja, menggunakan formula sebagai berikut:

Atribut keuntungan / benefit:

Atribut kerugian / cost:

Dimana:

adalah hasil normalisasi alternatif

adalah nilai alternatif

adalah nilai maksimum dari kolom alternatif

adalah nilai minimum dari kolom alternative

  1. Langkah 3: Menghitung nilai bobot preferensi pada setiap alternatif, menggunakan formula sebagai berikut:

Dimana:

adalah nilai akhir / preferensi

adalah bobot kriteria

adalah hasil normalisasi alternative

  1. Langkah 4: Melakukan perangkingan

Studi Kasus DSS Menggunakan Metode SAW

Contoh Soal SAW / Identifikasi

Pada bagian Promosi di perusahaan yang bergerak di bidang perjalanan wisata ingin melakukan pemilihan terhadap objek wisata di daerahnya sebagai rekomendasi bagi tourist pemula dari mancanegara. Adapun objek wisata yang sedang di analisis terdapat 5 kandidat, dengan 4 kriteria penilaian. Kriteria tersebut adalah keindahan alam (C1), biaya (C2), kemananan (C3), dan sarana prasarana (C4). Berikut adalah data alternatif dan pembobotan untuk masing-masing objek wisata.

Tabel 7. 1 Data Alternatif dan Pembobotan Menggunakan SAW

Alternatif Keindahan Alam Biaya Keamanan Sarana Prasarana
C1 (Benefit) C2 (Cost) C3 (Benefit) C4 (Benefit)
10% 15% 45% 30%
A1 Wisata01 3 300 2 0,8
A2 Wisata02 4 250 2 0,75
A3 Wisata03 5 150 1 0,6
A4 Wisata04 3 250 3 0,7
A5 Wisata05 5 400 3 0,75

 

Normalisasi alternatif SAW

Normalisasi alternatif C1 (benefit)

 

 

 

 

 

Normalisasi alternatif C2 (cost)

 

 

 

 

 

Normalisasi alternatif C3 (benefit)

 

 

 

 

 

Normalisasi alternatif C4 (benefit)

 

 

 

 

 

Tabel 7. 2 Data Normalisasi Alternatif Menggunakan SAW

Alternatif C1 C2 C3 C4
A1 Wisata01 0,600 0,500 0,667 1,000
A2 Wisata02 0,800 0,600 0,667 0,938
A3 Wisata03 1,000 1,000 0,333 0,750
A4 Wisata04 0,600 0,600 1,000 0,875
A5 Wisata05 1,000 0,375 1,000 0,938

Nilai akhir / preferensi

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Melakukan perangkingan

Berikut ini adalah tabel perangkingan dari nilai bobot preferensi dari setiap alternatif. Adapun acuan dalam perangkingan ini adalah berdasarkan nilai tertinggi (max) yang dijadikan rangking tertinggi

Tabel 7. 3 Nilai Preferensi Menggunakan SAW

No Nama Alternatif Nilai Akhir Keterangan
1 A1 0,7350 Peringkat ke-4
2 A2 0,7513 Peringkat ke-3
3 A3 0,6250 Peringkat ke-5
4 A4 0,8625 Peringkat ke-2
5 A5 0,8875 Peringkat ke-1

Gambar 7. 1 Nilai Preferensi Menggunakan SAW

Weighted Product (WP)

Metode Weighted Product (WP) disebutkan pada awalnya pada artikel dari Bridgman serta Miller dan Starr. Metode Weighted Product (WP) ini hampir serupa dengan metode Weighted Sum Model (WSM), dengan perbedaan utamanya adalah pada operasi matematika utamanya yang menggunakan perkalian pada Weighted Product Model (WPM) dibandingkan dengan operasi penjumlahan pada metode Weighted Sum Model (WSM)

Metode Weighted Product (WP) merupakan salah satu metode untuk menyelesaikan masalah Multi Attribute Decision Making (MADM) yang menggunakan perkalian untuk menghubungkan rating atribut,dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.

Kelebihan Metode WP

Metode Weigthed Product merupakan metode MCDM dalam pengambilan keputusan yang sederhana, dan mempunyai beberapa kelebihan dibanding metode yang lain, yaitu:

  • Terdapat variabel Cost dan Benefit, yang berguna untuk menentukan kriteria yang berpengaruh terhadap keputusan
  • Metode ini lebih simpel di bandingkan dengan metode MCDM lainya
  • Perhitungannya tidak begitu kompleks
  • Lebih mudah dipahami

Kekurangan Metode WP

Selain kelebihan yang sudah dijelaskan sebelumnya, metode WP juga memiliki beberapa kekurangan, diantaranya:

  • Metode ini hanya untuk digunakan pada proses nilai yang memiliki nilai rentang
  • Dibanding dengan metode Pengambil Keputusan lainya, WP belum seakurat dengan metode pengambil keputusan dengan ketidak pastian.

Langkah-Langkah Metode WP

Adapun algoritma penyelesaian dari metode Weight Product yaitu sebagai berikut:

  1. Langkah 1: Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian masalah
  2. Langkah 2: Menormalisasi setiap nilai bobot, sehingga memenuhi
  3. Langkah 3: Menormalisasi setiap nilai alternatif (nilai vektor)

Berikut ini adalah rumus untuk melakukan menormalisasi setiap nilai alternatif (nilai vektor) yaitu sebagai berikut:

Dimana:

adalah nilai normalisasi alternatif terbobot

adalah bobot kriteria

adalah hasil nilai alternative

  1. Langkah 4: Menghitung nilai bobot preferensi pada setiap alternatif

Berikut ini adalah rumus untuk melakukan nilai akhir / prefernsi yaitu sebagai berikut:

Dimana:

adalah nilai akhir / preferensi

adalah bobot kriteria

adalah hasil nilai alternative

  1. Langkah 5: Melakukan perangkingan

Studi Kasus DSS Menggunakan Metode WP

Contoh Soal WP / Identifikasi

Pada bagian Promosi di perusahaan yang bergerak di bidang perjalanan wisata ingin melakukan pemilihan terhadap objek wisata di daerahnya sebagai rekomendasi bagi tourist pemula dari mancanegara. Adapun objek wisata yang sedang di analisis terdapat 5 kandidat, dengan 4 kriteria penilaian. Kriteria tersebut adalah keindahan alam (C1), biaya (C2), kemananan (C3), dan sarana prasarana (C4). Berikut adalah data alternatif dan pembobotan untuk masing-masing objek wisata.

Tabel 7. 4 Data Alternatif dan Pembobotan Menggunakan WP

Alternatif Keindahan Alam Biaya Keamanan Sarana Prasarana
C1 (Benefit) C2 (Cost) C3 (Benefit) C4 (Benefit)
Bobot = 2 Bobot = 3 Bobot = 9 Bobot = 6
A1 Wisata01 3 300 2 0,8
A2 Wisata02 4 250 2 0,75
A3 Wisata03 5 150 1 0,6
A4 Wisata04 3 250 3 0,7
A5 Wisata05 5 400 3 0,75

Normalisasi bobot kriteria WP

 

 

 

 

Perhitungan nilai alternatif terbobot pada WP

 

 

 

 

 

Perhitungan nilai preferensi WP

 

 

 

 

 

Melakukan perangkingan

Berikut ini adalah tabel perangkingan dari nilai bobot preferensi dari setiap alternatif. Adapun acuan dalam perangkingan ini adalah berdasarkan nilai tertinggi (max) yang dijadikan rangking tertinggi

Tabel 7. 5 Nilai Preferensi Menggunakan WP

No Nama Alternatif Nilai Akhir Keterangan
1 A1 0,1926 Peringkat ke-4
2 A2 0,1998 Peringkat ke-3
3 A3 0,1510 Peringkat ke-5
4 A4 0,2282 Peringkat ke-2
5 A5 0,2285 Peringkat ke-1

Gambar 7. 2 Nilai Preferensi Menggunakan WP

Weighted Aggregates Sum Product Assessment (WASPAS)

Metode Weighted Aggregates Sum Product Assessment (WASPAS) diperkenalkan oleh Zavadskas, Turskis, Antucheviciene, dan Zakarevicius pada tahun 2012. Metode ini merupakan kombinasi dari Weighted Sum Model (WSM) dan Weighted Product Model (WPM). Dengan demikian, kepentingan relatif dari setiap atribut hanya ditentukan, dan kemudian, alternatif dievaluasi dan diprioritaskan. Teknik ini diterapkan dalam pemilihan pribadi, analisis proses pemesinan, dan pemilihan material. Fitur dari metode WASPAS adalah sebagai berikut:

  • Dianggap sebagai metode kompensasi
  • Atributnya independen
  • Atribut kualitatif diubah menjadi atribut kuantitatif.

Langkah-Langkah Metode WASPAS

Langkah penyelesaian Weighted Aggregates Sum Product Assessment (WASPAS) adalah sebagai berikut:

  1. Langkah 1: Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian masalah
  2. Langkah 2: Menormalisasi setiap nilai alternatif pada setiap atribut dengan cara menghitung nilai rating kinerja, menggunakan formula sebagai berikut:

Atribut keuntungan / benefit:

Atribut kerugian / cost:

Dimana:

adalah hasil normalisasi alternatif

adalah nilai alternatif

adalah nilai maksimum dari kolom alternatif

adalah nilai minimum dari kolom alternatif

  1. Langkah 3: Mendefinisikan Kepentingan Aditif (Penjumlahan) Relatif (SAW/WSM), menggunakan formula sebagai berikut:

Dimana:

adalah nilai kepentingan aditif relatif

adalah bobot kriteria

adalah hasil normalisasi alternatif

  1. Langkah 4: Mendefinisikan Kepentingan Multiplikatif (Perkalian) Relatif (WPM). menggunakan formula sebagai berikut:

Dimana:

adalah nilai kepentingan multiplikatif relatif

adalah bobot kriteria

adalah hasil nilai alternatif

  1. Langkah 5: Menentukan Kriteria Umum Gabungan / nilai preferensi. menggunakan formula sebagai berikut:

Atau, untuk meningkatkan akurasi, menggunakan formula berikut:

  1. Melakukan perangkingan

Studi Kasus DSS Menggunakan Metode WASPAS

Contoh Soal WASPAS / Identifikasi

Pada bagian Promosi di perusahaan yang bergerak di bidang perjalanan wisata ingin melakukan pemilihan terhadap objek wisata di daerahnya sebagai rekomendasi bagi tourist pemula dari mancanegara. Adapun objek wisata yang sedang di analisis terdapat 5 kandidat, dengan 4 kriteria penilaian. Kriteria tersebut adalah keindahan alam (C1), biaya (C2), kemananan (C3), dan sarana prasarana (C4). Berikut adalah data alternatif dan pembobotan untuk masing-masing objek wisata (Studi kasus yang sama dengan SAW dan WP).

Tabel 7. 6 Data Alternatif dan Pembobotan Menggunakan WASPAS

Alternatif Keindahan Alam Biaya Keamanan Sarana Prasarana
C1 (Benefit) C2 (Cost) C3 (Benefit) C4 (Benefit)
10% 15% 45% 30%
A1 Wisata01 3 300 2 0,8
A2 Wisata02 4 250 2 0,75
A3 Wisata03 5 150 1 0,6
A4 Wisata04 3 250 3 0,7
A5 Wisata05 5 400 3 0,75

 

Normalisasi alternatif WASPSAS (menggunakan SAW)

Tabel 7. 7 Data Normalisasi Alternatif dan Pembobotan Menggunakan WASPAS

Alternatif Keindahan Alam Biaya Keamanan Sarana Prasarana
C1 (Benefit) C2 (Cost) C3 (Benefit) C4 (Benefit)
10% 15% 45% 30%
A1 Wisata01 0,600 0,500 0,667 1,000
A2 Wisata02 0,800 0,600 0,667 0,938
A3 Wisata03 1,000 1,000 0,333 0,750
A4 Wisata04 0,600 0,600 1,000 0,875
A5 Wisata05 1,000 0,375 1,000 0,938

 

Mendefinisikan Kepentingan Aditif (Penjumlahan) Relatif (menggunakan nilai preferensi dari SAW)

Tabel 7. 8 Nilai Kepentingan Aditif Relatif Menggunakan WASPAS

No Nama Alternatif Nilai Kepentingan Aditif Relatif /

Nilai Preferensi SAW

1 A1 0,7350
2 A2 0,7513
3 A3 0,6250
4 A4 0,8625
5 A5 0,8875

Mendefinisikan Kepentingan Multiplikatif (Perkalian) Relatif (menggunakan nilai preferensi dari WP)

Tabel 7. 9 Nilai Kepentingan Multiplikatif Relatif Menggunakan WASPAS

No Nama Alternatif Nilai Kepentingan Multiplikatif Relatif /

Nilai Preferensi WP

1 A1 0,1926
2 A2 0,1998
3 A3 0,1510
4 A4 0,2282
5 A5 0,2285

Menentukan Kriteria Umum Gabungan (Nilai Preferensi)

 

 

 

 

 

Melakukan Perangkingan

Tabel 7. 10 Nilai Preferensi Menggunakan WASPAS

No Nama Alternatif Nilai

Preferensi

SAW

Nilai

Preferensi

WP

Nilai

Preferensi

WASPAS

Keterangan
1 A1 0,7350 0,1926 0,4638 Peringkat ke-4
2 A2 0,7513 0,1998 0,4755 Peringkat ke-3
3 A3 0,6250 0,1510 0,3880 Peringkat ke-5
4 A4 0,8625 0,2282 0,5453 Peringkat ke-2
5 A5 0,8875 0,2285 0,5580 Peringkat ke-1

Gambar 7. 3 Nilai Preferensi Menggunakan WASPAS

Daftar Pustaka

  • Alinezhad, A., & Khalili, J. (2019). New Methods and Applications in Multiple Attribute Decision Making (MADM) (1st ed.). Switzerland: Springer.
  • Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan (1st ed.). Yogyakarta: Penerbit ANDI.
  • Nofriansyah, D., & Defit, S. (2017). Multi Criteria Decison Making (MCDM) pada Sistem Pendukung Keputusan. Yogyakarta: DeePublish.
  • Turban, E., Aronson, J. E., & Liang, T.-P. (2007). Decision Support Systems and Intelligent Systems (7th ed.). New Delhi: Prentice-Hall, Inc.
  • Tzeng, G.-H., & Huang, J.-J. (2011). Multiple Attribute Decision Making, Method and Applications (1st ed.). Abingdon, UK: Taylor & Francis Group.

 

Download File Materi PDF

Download File Slide Perkuliahan PDF 

 

 

 72 total views,  2 views today

Tags: ,

Leave a Reply

Your email address will not be published. Required fields are marked *