ISSN : 2301-9425
Implementasi
Fuzzy Multiple Attribute Decision Making Untuk Sistem Pendukung146
Keputusan
Pemilihan Rumah. Oleh : Rafli Sanjani Lubis
2.
3.
ISSN : 2301-9425
2. Landasan Teori
2.1. Fuzzy Multiple Attribute Decision Making
(FMADM)
Fuzzy Multiple Attribute Decision Making
(FMADM) adalah suatu metode yang digunakan
untuk mencari alternatif optimal dari sejumlah
alternatif dengan kriteria tertentu. Inti dari FMADM
adalah menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses perankingan
yang akan menyeleksi alternatif yang sudah
diberikan.
Pada dasarnya, ada tiga pendekatan untuk
mencari nilai bobot atribut, yaitu pendekatan
subyektif, pendekatan obyektif dan pendekatan
integrasi antara subyektif & obyektif. Masing-masing
pendekatan memiliki kelebihan dan kelemahan. Pada
pendekatan subyektif, nilai bobot ditentukan
berdasarkan subyektifitas dari para pengambil
keputusan, sehingga beberapa faktor dalam proses
perankingan alternatif bisa ditentukan secara bebas.
Sedangkan pada pendekatan obyektif, nilai bobot
dihitung secara matematis sehingga mengabaikan
subyektifitas
dari
pengambil
keputusan
(Kusumadewi, 2007).
Ada beberapa metode yang dapat digunakan untuk
menyelesaikan masalah FMADM, antara lain
(Kusumadewi, 2006):
a. Simple Additive Weighting (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)
2.2. Algoritma Fuzzy Multiple Attribute Decision
Making (FMADM)
Algoritma FMADM adalah:
1. Memberikan nilai setiap alternatif (Ai) pada setiap
kriteria (Cj) yang sudah ditentukan, di mana nilai
tersebut di peroleh berdasarkan nilai crisp;
i=1,2,m dan j=1,2,n.
2. Memberikan nilai bobot (W) yang juga
didapatkan berdasarkan nilai crisp.
3. Melakukan normalisasi matriks dengan cara
menghitung nilai rating kinerja ternormalisasi (rij)
dari alternatif Ai pada atribut (Cj) berdasarkan
persamaan yang disesuaikan dengan jenis atribut
(atribut keuntungan/benefit=MAKSIMUM atau
atribut biaya/cost=MINIMUM). Apabila berupa
artibut keuntungan maka nilai crisp (Xij) dari
Implementasi
Fuzzy Multiple Attribute Decision Making Untuk Sistem Pendukung147
Keputusan
Pemilihan Rumah. Oleh : Rafli Sanjani Lubis
ISSN : 2301-9425
Sangat Tinggi
Implementasi
Fuzzy Multiple Attribute Decision Making Untuk Sistem Pendukung148
Keputusan
Pemilihan Rumah. Oleh : Rafli Sanjani Lubis
ISSN : 2301-9425
0 . 50
0 . 25
0 . 25
0 . 25
0 . 25
0 . 25
0 . 25
0 . 25
0 . 50
0 . 75
1
0 . 75
0 . 50
0 . 50
0 . 75
1
0 . 75
0 . 75
2.
xij
Jika j adalah atribut ditolaj
Maxi X ij
rij =
Mini X ij Jika i adalah atribut diterima
X ij
0 . 75
0 . 75
0 . 50
0 . 25
0 . 50
0 . 50
0 . 75
1
1
Keterangan :
rij = nilai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki setiap kriteria
maxi xij = nilai terbesar dari setiap kriteria
mini xij = nilai terkecil dari setiap kriteria.
benefit = jika nilai terbesar adalah terbaik.
cost = jika nilai terkecil adalah terbaik.
Tabel 9 : Penggolongan kriteria
Kriteria
Cost
Benefit
9
C1 (Harga Jual)
C2 (DP)
C3 (Bunga KPR)
a.
9
9
0.75
Min{0.25;0.5;0.75;1} =
0.75
Min{0.25;0.5;0.75;1} =
r31 =
0.50
Min{0.25;0.5;0.75;1} =
r41 =
0.25
Min{0.25;0.5;0.75;1} =
r51 =
0.50
r21 =
0 . 75
0 . 25 = 0.33
0 . 75
0 . 25 = 0.50
0 . 50
0 . 25 = 1
0 . 25
0 . 25 = 0.50
0 . 50
Implementasi
Fuzzy Multiple Attribute Decision Making Untuk Sistem Pendukung149
Keputusan
Pemilihan Rumah. Oleh : Rafli Sanjani Lubis
ISSN : 2301-9425
Min{0.25;0.5;0.75;1} =
0.50
Min{0.25;0.5;0.75;1} =
r71 =
0.75
Min{0.25;0.5;0.75;1} =
r81 =
1
Min{0.25;0.5;0.75;1} =
r91 =
1
r61 =
b.
0 . 25 = 0.33
0 . 50
0 . 25 = 0.25
1
11
0.50
Min{0.25;0.5;0.75;1} =
0.25
Min{0.25;0.5;0.75;1} =
r31 =
0.25
Min{0.25;0.5;0.75;1} =
r41 =
0.25
r21 =
R=
0 . 25 = 0.25
1
1.
0 . 50
1
Melakukan
proses
perankingan
menggunakan persamaan
n
0 . 25 = 1
0 . 25
0 . 25 = 1
j =1
Keterangan :
Vi = ranking untuk setiap alternatif
wj = nilai bobot dari setiap criteria
rij = nilai rating kinerja ternormalisasi
0 . 25
0 . 25 = 1
0 . 25
r51 =
Min{0.25;0.5;0.75;1} = 0 . 25 = 1
0 . 25
0.50
W = 0.50
r61 =
Min{0.25;0.5;0.75;1} = 0 . 25 = 1
0 . 25
0.50
R=
1
0 . 25
Min{0.25;0.5;0.75;1} = 0 . 25 = 0.5
r91 =
0 . 50
1
dengan
Vi = W j rij
0 . 50
Min{0.25;0.5;0.75;1} = 0 . 25 = 1
r71 =
0 . 25
0.75
Min{0.25;0.5;0.75;1} = 0 . 25 = 1
r81 =
c.
0 . 33
0 . 25
1
0 . 33
1 0 . 50
1 0 . 50
1 0 . 33
1
0 . 25
1
0 . 33
0 . 50 0 . 33
0 . 33
0 . 33
0 . 50
1
0 . 50
0 . 50
0 . 33
0 . 25
0 . 25
0 . 25 = 0.50
0 . 50
Jadi,
V1
0 . 33
0 . 33
0 . 50
1
0 . 50
0 . 50
0 . 33
0 . 25
0 . 25
0.25 0.25]
0 . 33
0 . 25
1
0 . 33
1 0 . 50
1 0 . 50
1 0 . 33
1
0 . 25
1
0 . 33
0 . 50
0 . 33
0 . 50
1
ISSN : 2301-9425
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
Implementasi
Fuzzy Multiple Attribute Decision Making Untuk Sistem Pendukung151
Keputusan
Pemilihan Rumah. Oleh : Rafli Sanjani Lubis