Upload
blankdotcom
View
646
Download
7
Embed Size (px)
Citation preview
FUZZY MULTI-ATTRIBUTE
DECISION MAKING (FMADM)
KONSEP
Pada metode-metode MADM klasik tidak cukup
efisien untuk menyelesaikan masalah-masalah
pengambilan keputusan yang melibatkan data-data
yang tidak tepat, tidak pasti, dan tidak jelas.
Salah satu cara yang dapat digunakan untuk untuk
menyelesaikan permasalahan tersebut adalah
dengan mengunakan fuzzy multi attribute decision
making (FMADM)(Zhang, 2005).
Berdasarkan tipe data yang digunakan pada setiap kinerja alternatif-alternatifnya, FMADM dapat dibagi menjadi 3 kelompok, yaitu:
semua data yang digunakan adalah data fuzzy;
semua data yang digunakan adalah data crisp;
data yang digunakan merupakan campuran antara data fuzzy dan crisp.
Simple Additive Weighting Method
(SAW)
Metode 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.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
(cost) biayaatribut adalah j jikax
xMin
(benefit) keuntunganatribut adalah j jikaxMax
x
r
ij
iji
iji
ij
ij
dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.
Nilai preferensi untuk setiap alternatif (Vi)diberikan sebagai:
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih
n
1j
ijji rwV
Weighted Product (WP)
Metode WP menggunakan perkalian untuk
menghubungkan rating atribut, dimana rating
setiap atribut harus dipangkatkan dulu
dengan bobot atribut yang bersangkutan
(Yoon, 1989).
Proses ini sama halnya dengan proses
normalisasi.
Preferensi untuk alternatif Ai diberikan sebagai berikut:
dengan i=1,2,...,m; dimana wj = 1.
wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan sebagai:
n
j
w
ijijxS
1
n
1j
w*
j
n
1j
w
ij
ij
j
x
x
V
Fuzzy TOPSIS
TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.
Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis.
Hal ini disebabkan: konsepnya sederhana dan mudah dipahami; komputasinya efisien; dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.
Langkah-langkah penyelesaian masalah
MADM dengan TOPSIS:
Membuat matriks keputusan yang ternormalisasi;
Membuat matriks keputusan yang ternormalisasi
terbobot;
Menentukan matriks solusi ideal positif & matriks
solusi ideal negatif;
Menentukan jarak antara nilai setiap alternatif
dengan matriks solusi ideal positif & matriks solusi
ideal negatif;
Menentukan nilai preferensi untuk setiap
alternatif.
TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi, yaitu:
m
1i
2
ij
ij
ij
x
xr
Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai:
ijiij rwy
;y,,y,yA n21
;y,,y,yA n21
dengan
biayaatribut adalah j jika;ymin
keuntunganatribut adalah j jika;ymax
y
iji
iji
j
biayaatribut adalah j jika;ymax
keuntunganatribut adalah j jika;ymin
y
iji
iji
j
Jarak antara alternatif Ai dengan solusi ideal
positif dirumuskan sebagai:
Jarak antara alternatif Ai dengan solusi ideal
negatif dirumuskan sebagai:
;yyDn
1j
2
ijii
;yyDn
1j
2
iiji
Nilai preferensi untuk setiap alternatif (Vi)
diberikan sebagai:
Nilai Vi yang lebih besar meninjukkan bahwa
alternatif Ai lebih dipilih
;DD
DV
ii
ii
Contoh
Suatu perusahaan ingin menginvestasikan uangnya dalam 4 pilihan, yaitu: A1: membeli tanah di pusat kota;
A2: merenovasi infrastruktur teknologi informasi perusahaan;
A3: membangun gudang baru;
A4: membeli alat transportasi pengiriman barang.
Pemilihan alternatif tersebut didasarkan atas 3 kriteria, yaitu: C1 = biaya;
C2 = fluktuasi harga; dan
C3 = prioritas kebutuhan.
Derajat keanggotaan setiap alternatif pada
setiap atribut diberikan sebagai berikut:
Alternatif
Atribut
Harga/
biaya*
(C1)
Fluktuasi
harga
(C2)
Prioritas
kebutuhan
(C3)
Membeli tanah
(A1) 1 Tinggi Rendah
Infrastruktur TI
(A2) 0,5 Rendah Tinggi
Membangun gudang
(A3) 1,2 Sedang Sedang
Membeli alat2 tranportasi
(A4) 0,75 Rendah Sedang
*dalam milyar rupiah.
Bobot setiap atribut atribut diberikan sebagai:
W = [Penting; Cukup; Sangat Penting]
Pada atribut fluktuasi harga dan prioritas kebutuhan, terbagi atas 3 bilangan fuzzy, yaitu Rendah (R), Sedang (S), dan Tinggi (T) yang dikonversikan ke bilangan crisp: R = 0,1; S = 0,5; dan T = 0,9.
Pada bobot atribut, juga terbagi atas 3 bilangan fuzzy, yaitu Cukup (C), Penting (P), dan Sangat Penting (SP) yang dapat dikonversikan ke bilangan crisp: C = 0,5; P = 0,75; dan SP = 0,9.
Penyelesaian dengan SAW
Matriks ternormalisasi R sebagai berikut:
Hasil perankingan diperoleh: V1 = 0,975; V2 = 1,7056; V3 = 1,0903; dan V4 = 1,0556. Nilai terbesar ada pada V2 sehingga alternatif A2 (merenovasi infrastruktur TI) adalah alternatif yang terpilih sebagai alternatif terbaik.
5556,01111,06667,0
5556,05556,04167,0
0000,11111,00000,1
1111,00000,15000,0
R
Penyelesaian dengan WP
Normalisasi vektor bobot, W, diperoleh:
W = (0,3488; 0,2326; 0,4186)
Kemudian vektor S diperoleh: S1 = 0,3722; S2 =
0,7133; S3 = 0,5975; dan S4 = 0,4842.
Vektor V sebagai: V1 = 0,1717; V2 = 0,3291; V3 =
0,2757; dan V4 = 0,2243.
Nilai terbesar ada pada V2 sehingga alternatif A2
(merenovasi infrastruktur teknologi informasi) adalah
alternatif yang terpilih sebagai alternatif terbaik.
Penyelesaian dengan TOPSIS
Matriks ternormalisasi R:
Matriks Y:
4352,00962,04159,0
4352,04811,06654,0
7833,00962,02772,0
0870,08660,05545,0
R
3917,00481,03119,0
3917,02406,04990,0
7050,00481,02079,0
0783,04330,04159,0
Y
Solusi ideal positif A+:
A+ = (0,2079; 0,4330; 0,7050)
Solusi ideal negatif A-:
A- = (0,4990; 0,0481; 0,0783)
Jarak antara nilai terbobot setiap alternatif terhadap
solusi ideal positif, adalah: D1+ = 0,6603; D2+ =
0,3849; D3+ = 0,4690; dan D4+ = 0,5071.
Jarak antara nilai terbobot setiap alternatif terhadap
solusi ideal negatif, adalah: D1- = 0,3938; D2- =
0,6910; D3- = 0,3677; dan D4- = 0,3650.
Kedekatan setiap alternatif terhadap solusi
ideal: V1 = 0,3736; V2 = 0,6423; V3 =
0,4395; dan V4 = 0,4185.
V2 memiliki nilai terbesar, sehingga dapat
disimpulkan bahwa alternatif A2 (merenovasi
infrastruktur teknologi informasi) yang akan
lebih dipilih