DSS – Pertemuan 10 – Materi

Gede Surya Mahendra - Home

DSS – Pertemuan 10 – Materi

Stiki Logo - Short

Mata Kuliah : Decision Support System

Kode Mata Kuliah : MKB-219

Program Studi : Teknik Informatika

STIMIK STIKOM Indonesia

PERTEMUAN 10 IDENTIFIKASI, RUMUSAN DAN BATASAN MASALAH – PENERAPAN METODE MOORA

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

Mg Ke- Kemampuan Akhir yang Diharapkan Bahan Kajian Metode Pembelajaran Waktu Pengalaman Belajar Penilaian dan Indikator Bobot Penilaian (%)
(1) (2) (3) (4) (5) (6) (7) (8)
10 Mahasiswa dapat mengidentifikasi permasalahan di lingkungannya yang dapat diselesaikan dengan Decision Support System
  • Ketepatan dalam mengidentifikasi permasalahan di lingkungan dengan menerapkan DSS.
  • Pembelajaran Studi Kasus dengan mengidentifikasi masalah yang ada dilingkungan sekitar dengan menerapkan DSS
[TM : 1 x (3×50”)]
  • Mengidentifikasi permasalahan yang ada dilingkungan dengan model DSS
  • Kemampuan mengidentifikasi masalah yang ada dilingkungan dengan model DSS
5%

Download File Materi PDF

Download File Slide Perkuliahan PDF 

TINJAUAN

  1. Multi-Objective Optimization on the basis of Ratio Analysis (MOORA)
  2. Keunggulan Metode MOORA
  3. Langkah-langkah Metode MOORA
  4. Studi Kasus DSS Menggunakan Metode MOORA
    1. Contoh Soal MOORA / Identifikasi
    2. Membuat Matriks Keputusan
    3. Matriks Normalisasi
    4. Menghitung Nilai Optimasi
    5. Perangkingan

MATERI

Multi-Objective Optimization on the basis of Ratio Analysis (MOORA)

Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) adalah sistem multi-objektif yang mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan. Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang kompleks.

Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006, diterapkan untuk memecahkan banyak permasalahan ekonomi,manajerial dan konstruksi dengan perhitungan rumus matematika dengan hasil yang tepat. Pada awalnya metode ini diperkenalkan oleh ,Brauers pada tahun 2004 sebagai “Multi-Objective Optimization” yang dapat digunakan untuk memecahkan berbagai masalah pengambilan keputusan yang rumit pada lingkungan pabrik.

Metode MOORA memiliki tingkat fleksibilitas dan kemudahan untuk dipahami dalam memisahkan bagian subjektif dari suatu proses evaluasi kedalam kriteria bobot keputusan dengan beberapa atribut pengambilan keputusan. Metode ini memiliki tingkat selektifitas yang baik karena dapat menentukan tujuan dari kriteria yang bertentangan. Di mana kriteria dapat bernilai menguntungkan (benefit) atau yang tidak menguntungkan (cost).

Metode MOORA diterapkan untuk memecahkan banyak permasalahan ekonomi, manajerial dan konstruksi pada sebuah perusahaan maupun proyek. Metode ini memiliki tingkat selektifitas yang baik dalam menentukan suatu alternatif. Pendekatan yang dilakukan MOORA didefinisikan sebagai suatu proses secara bersamaan guna mengoptimalkan dua atau lebih kriteria yang saling bertentangan pada beberapa kendala.

Keunggulan Metode MOORA

Metode MOORA sangat sederhana, stabil, dan kuat, bahkan metode ini tidak membutuhkan seorang ahli di bidang matematika untuk menggunakan nya serta membutuhkan perhitungan matematis yang sederhana. Selain itu juga metode ini juga memiliki hasil yang lebih akurat dan tepat sasaran dalam membantu pengambilan keputusan. Bila dibandingkan dengan metode yang lain metode MOORA bahkan lebih sederhana dan mudah diimplementasikan.

Langkah-langkah Metode MOORA

Metode MOORA terdiri dari lima langkah utama yaitu sebagai berikut:

  1. Menginputkan Nilai Kriterian

Menentukan tujuan untuk mengidentifikasi attribut evaluasi yang bersangkutan dan menginputkan nilai kriteria pada suatu alternatif dimana nilai tersebut nantinya akan diproses dan hasilnya akan menjadi sebuah keputusan.

  1. Membuat Matriks Keputusan

Mewakilkan semua informasi yang tersedia untuk setiap attribut dalam bentuk matriks keputusan. Data pada persamaan mempersentasikan sebuah matriks . Dimana adalah pengukuran kinerja dari alternatif ke- pada attribut ke-, dimana adalah jumlah alternatif dan adalah jumlah attribut per-kriteria. Kemudian sistem ratio dikembangkan dimana setiap kinerja dari sebuah alternatif pada sebuah attribut dibandingkan dengan penyebut yang merupakan wakil untuk semua alternatif dari attribut tersebut. Berikut adalah perubahan nilai kriteria menjadi sebuah matriks keputusan:

Keterangan

: Respon alternatif j pada kriteria

: adalah nomor urutan atribut atau kriteria

: adalah nomor urutan alternatif

: Matriks Keputusan

  1. Matriks Normalisasi

Normalisasi bertujuan untuk menyatukan setiap element matriks sehingga element pada matriks memiliki nilai yang seragam. Brauers, menyimpulkan bahwa untuk penyebut, pilihan terbaik adalah akar kuadrat dari jumlah kuadrat dari setiap alternatif per-atribut. Rasio ini dapat dinyatakan sebagai berikut

Keterangan

: Respon alternatif j pada kriteria

: adalah nomor urutan atribut atau kriteria

: adalah nomor urutan alternatif

: Matriks Normalisasi alternatif pada kriteria

  1. Menghitung Nilai Optimasi
  2. Jika atribut atau kriteria pada masing-masing alternatif tidak diberikan nilai bobot.

Ukuran yang dinormalisasi ditambahkan dalam kasus maksimasi (untuk attribut yang menguntungkan) dan dikurangi dalam minimisasi (untuk attribut yang tidak menguntungkan) atau dengan kata lain mengurangi nilai maximum dan minimum pada setiap baris untuk mendapatkan rangking pada setiap baris, jika dirumuskan maka:

Keterangan

: adalah atribut atau kriteria dengan status maximized

: adalah atribut atau kriteria dengan status minimized

: Matriks Normalisasi max-min alternatif

  1. Jika atribut atau kriteria pada masing-masing alternatif di berikan nilai bobot kepentingan

Pemberian nilai bobot pada kriteria, dengan ketentuan nilai bobot jenis kriteria maximum lebih besar dari nilai bobot jenis kriteria minimum. Untuk menandakan bahwa sebuah atribut lebih penting itu bisa di kalikan dengan bobot yang sesuai (koefisien signifikasi). Berikut rumus menghitung nilai Optimasi Multiobjektif MOORA, Perkalian Bobot Kriteria Terhadap Nilai Atribut Maximum dikurang Perkalian Bobot Kriteria Terhadap Nilai Atribut Minimum, jika dirumuskan maka:

Keterangan

: adalah atribut atau kriteria dengan status maximized

: adalah atribut atau kriteria dengan status minimized

: bobot terhadap alternatif

: Nilai penilaian yang sudah dinormalisasi dari alternatif terhadap semua atribut

  1. Perangkingan

Nilai dapat menjadi positif atau negatif tergantung dari total maksimal (atribut yang menguntungkan) dalam matriks keputusan. Sebuah urutan peringkat dari menunjukkan pilihan terahir. Dengan demikian alternatif terbaik memiliki nilai tertinggi sedangkan alternatif terburuk memiliki nilai terendah.

  • Alternatif yang memiliki nilai akhir () tertinggi maka alternatif tersebut merupakan alternatif terbaik dari data yang ada, alternatif ini akan dipilih sesuai dengan permasalahan yang ada karena ini merupakan pilihan terbaik.
  • Sedangkan alternatif yang memiliki nilai akhir () terendah adalah alternatif yang terburuk dari data yang ada.

Studi Kasus DSS Menggunakan Metode MOORA

Contoh Soal MOORA / 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 10. Data Alternatif dan Pembobotan Menggunakan MOORA

Alternatif Keindahan Alam Biaya Keamanan Sarana Prasarana
C1 (Benefit) C2 (Cost) C3 (Benefit) C4 (Benefit)
Bobot = 0,1 Bobot = 0,15 Bobot = 0,45 Bobot = 0,30
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

Membuat Matriks Keputusan

Matriks Normalisasi

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Menghitung Nilai Optimasi

Karena atribut atau kriteria pada masing-masing alternatif di berikan nilai bobot kepentingan, menggunakan persamaan sebagai berikut:

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 10. Nilai Preferensi Menggunakan MOORA

No Nama Alternatif Nilai Akhir Keterangan
1 A1 0,2830 Peringkat ke-4
2 A2 0,2965 Peringkat ke-3
3 A3 0,2168 Peringkat ke-5
4 A4 0,3629 Peringkat ke-1
5 A5 0,3583 Peringkat ke-2

Gambar 10. Nilai Preferensi Menggunakan MOORA

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.

 

 30 total views,  2 views today

Tags: ,

Leave a Reply

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