Anda di halaman 1dari 8

MODM vs MADM: Contoh membandingkan multi atribut dan multi pengambilan keputusan

yang obyektif?

MODM: Anda memiliki 2 tujuan: Sepeda harus ringan dan harus memiliki banyak gigi
Anda menghitung perdagangan antara berat badan dan gigi dan mengetahui bahwa
setiap gigi menambahkan rata-rata 100 gram untuk sepeda.
Anda mentransfer kriteria untuk Utilities: Katakanlah sepeda lebih berat dari 15 Kg tidak
memiliki utilitas dan satu dengan kurang dari 8 Kg memiliki utilitas penuh di antara ada
peningkatan linear. Katakanlah sepeda dengan kurang dari 3 roda gigi tidak memiliki utilitas
dan satu dengan lebih dari 18 gigi memiliki utilitas penuh, dengan interpolasi linear di antara.
Dapatkah Anda berat utilitas di sini?
Anda kemudian akan mendapatkan berat badan yang optimal dan gigi sepeda Anda harus
memiliki dengan memaksimalkan utilitas
Anda pergi ke toko sepeda dan bertanya apakah mereka memiliki sepeda setelan kebutuhan
Anda.

Multiple Attribute Decision Making MADM adalah suatu metode yang digunakan
untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari
MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan
proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya,
ada 3 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
Sumber : Sri Kusumadewi, GEMATIKA JURNAL MANAJEMEN INFORMATIKA,
VOLUME 7 NOMOR 1, DESEMBER 2005

MADM: Anda pergi ke toko sepeda di tuliskan berat badan dan jumlah gigi untuk setiap
sepeda.
Anda untuk mentransfer atribut untuk utilitas: Katakanlah sepeda lebih berat dari 15
Kg tidak memiliki utilitas dan satu dengan kurang dari 8 Kg memiliki utilitas penuh di antara
ada peningkatan linear. Katakanlah sepeda dengan kurang dari 3 roda gigi tidak memiliki
utilitas dan satu dengan lebih dari 18 gigi memiliki utilitas penuh, dengan interpolasi linear di
antara.
Anda berat utilites yang berbeda, mengatakan bahwa berat badan penting 3 kali lebih banyak
daripada gigi. Anda menggabungkan dua utilitas per sepeda oleh misalnya tertimbang
kombinasi linear (3 kali berat utilitas + gigi utilitas = utilitas total) Anda mengambil sepeda
dengan utilitas tertinggi
Intinya: Dalam MADM Anda berakhir mengetahui mana sepeda Anda seperti
kebanyakan (Peringkat pendekatan) dan di MODM Anda berakhir mengetahui apa sepeda
akan Anda butuhkan untuk membangun (pendekatan desain)

Banyak keputusan berdasarkan atribut lainnya dari harga. Memilih mobil, misalnya,
meskipun Anda mungkin melihat dalam sebuah band harga tertentu. Comfor t, kinerja,
keandalan, siz e, keselamatan, gaya, Gambar, peralatan, penanganan, kebisingan, biaya
operasional-ini adalah beberapa atribut mobil.
Contoh: membantu keluarganya untuk membeli mobil langkah:
(1) klarifikasi masalah;
Multi-Attribute Decision Making (MADM)
Pada dasarnya, proses MADM dilakukan melalui 3 tahap, yaitu penyusunan
komponen-komponen situasi, analisis, dan sintesis informasi (Rudolphi, 2000). Pada setiap
penyusunan komponen, komponen situasi, akan dibentuk tabel taksiran yang berisi
identifikasi alternatif dan spesifikasi tujuan, kriteria dan atribut. Salah satu cara untuk
menspesifikasikan tujuan situasi | i=1,,t| adalah dengan cara mendaftar konsekuensi-
konsekuensi yang mungkin dari alternatif yang telah teridentifikasi | i=1,,n|. Selain itu
juga disusun atribut-atribut yang akan digunakan | k=1,m|.
Tahap analisis dilakukan melalui dua langkah. Pertama, mendatangkan taksiran dari besaran
yang potensial, kemungkinan, dan ketidakpastian yang berhubungan dengan dampak-dampak
yang mungkin pada setiap alternatif. Kedua, meliputi pemilihan preferensi pengambilan
keputusan untuk setiap nilai, dan ketidakpastian terhadap resiko yang timbul. Pada langkah
pertama, beberapa metode menggunakan fungsi distribusi | (x)| yang menyatakan probabilitas
kumpulan atribut | | terhadap setiap alternatif | |. Konsekuen juga dapat ditentukan secara
langsung dari agregasi sederhana yang dilakukan pada informasi terbaik yang tersedia.
Demikian pula, ada beberapa cara untuk menentukan preferensi pengambilan keputusan pada
setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sederhana
adalah untuk menurunkan bobot atribut dan kriteria adalah dengan fungsi utilitas atau
penjumlahan terbobot.
Secara umum, model multi-attribute decision making dapat didefinisikan sebagai berikut
(Zimermann, 1991): Misalkan A = { | i = 1,,n} adalah himpunan alternatif-alternatif
keputusan dan C = { | j =1,, m} adalah himpunan tujuan yang diharapkan, maka akan
ditentukan alternatif yang memiliki derajat harapan tertinggi terhadap tujuan-tujuan yang
relevan .
Sebagian besar pendekatan MADM dilakukan melalui dua langkah, yaitu: Pertama,
melakukan agregasi terhadap keputusan-keputusan yang tanggap terhadap semua tujuan pada
setiap alternatif; kedua, melakukan perangkingan alternatif-alternatif keputusan tersebut
berdasarkan hasil agregasi keputusan.
Dengan demikian, bisa dikatakan bahwa, masalah multi-attribute decision making
(MADM) adalah mengevaluasi m alternatif (i=1,2,,m) terhadap sekumpulan atribut atau
kriteria (j=1,2,,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.
Nilai bobot yang menunjukan tingkat kepentingan relatif setiap atribut, diberikan sebagai, W:
W={ } rating kinerja (X) matriks keputusan yang diberikan, dan nilai bobot (W) merupakan
nilai utama yang merepresentasikan preferensi absolut dari pengambilan keputusan. Masalah
MADM diakhiri dengan proses perangkingan untuk mendapatkan alternatif terbaik yang
diperoleh berdasarkan nilai keseluruhan preferensi yang diberikan (Yeh, 2002).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara
lain:
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)
Sumber : http://pcgameplay-info.blogspot.co.id/2013/10/multi-attribute-decision-making-
madm.html, diakses 5 Maret 2017

Contoh MADM
MCDM adalah sebuah teknik untuk pemilihan kandidat terbaik dari beberapa calon solusi
berdasarkan beberapa kriteria. Sebagai gambaran, misalkan Ilyas ingin memberi smartphone
untuk kebutuhannya sehari-hari.
Ilyas menginginkan smartphone dengan kriteria:
1) speknya bagus;
2) OSnya user friendly;
3) harga purna jualnya bagus;
4) service centernya mudah dijumpai;
5) Harga.

Dari kriteria-kriteria tersebut, Ilyas mengambil beberapa calon solusi, yaitu:


1) Sony Xperia Z3,
2) iPhone 6s,
3) Microsoft 950.
Tentu Ilyas menginginkan hasil terbaik dari beberapa calon solusi tersebut. Penilaian
paling baik disadarkan pada ukuran nilai tertinggi pada semua kriteria yang ditetapkan Ilyas.
Hasil penilaian yang dilakukan Ilyas menghasilkan penilaian bahwa
1) Sony Xperia Z3 kurang bagus di harga purna jualnya, sementara yang lain bagus,
2) iPhone kurang bagus di harganya, sementara yang lain bagus, dan
3) Microsoft 950 kurang bagus di service centernya, sementara yang lain bagus.
Masing-masing calon solusi memiliki kelebihan dan kekurangan menurut Ilyas
dengan kriteria menurut Ilyas. Akhirnya diputuskan untuk menentukan prioritas kriteria yang
digunakan, sehingga menjadi
1) Harga adalah persoalan utama, lalu serurutan pada
2) spek,
3) user friendly,
4) service center, dan
5) harga purna jual.
Setiap orang bisa jadi mempunyai kriteria yang berbeda dalam memiliih smartphone,
dan setiap orang juga bisa jadi menemukan calon solusi yang berbeda tergantu ketersediaan
smartphone.
Kasus pemilihan smartphone hanya sebagai contoh dari sekian banyak permasalan
manusia dalam mengambil keputusan banyak dilakukan (dari beberapa teori MCDM).
Namun ketika metode pengambilan keputusan ini digeser pada mesin untuk menggantikan
peran Ilyas pada kasus diatas, metodenya jadi berantakan.
Mesin tidak mengetahui keriteria-kriteria yang dibutuhkan.
Mesin tidak mengetahui bagaimana menentukan pritoritas dari kriteria-kriteria tersebut.
Dataset, adalah solusi yang dibutuhkan mesin untuk menentukan kriteria dan prioritas
kriteria yang dibutuhkan. Dataset sederhananya adalah sebuah data belajar yang ada
sebelumnya.
Ini mungkin menjadi pembeda antara manusia dan mesin. Manusia(Ilyas) hanya
menggunakan pendapat pribadi, sementara si mesin menggunakan dukungan data dari
informasi sebelumnya. Namun dalam perbedaan ini timbul pertanyaan dalam benak saya.

Sumber : https://mesbach.wordpress.com/2015/10/30/cerita-multiple-criteria-decision-
making-mcdm/, diakses 5 Maret 2017.
Contoh Kasus MODM
Permasalah yang bersifat multi tujuan (multi objective) dapat dijumpai pada tahap
perancangan (desain), pemodelan (modelling) dan perencanaan dari suatu alokasi beberapa
macam sumberdaya.
Contoh operasi waduk serbaguna utk irigasi, plta, pengendalian banjir, dan wisata air.
Memperhatikan karakteristik ketersediaan air dan keinginan untuk memanfaatkan air
berdasarkan beberapa macam tujuan tersebut dapat menimbulkan kebijakan yang saling
bertentangan (conflicting nature). Utk itu diperlukan usaha utk mendapatkan solusi optimal.

Tiga alternatif diusulkan untuk menangani persoalan di suatu daerah rawan banjir dengan
konfigurasi sebagai berikut:
Alternatif 1: Sebuah waduk besar yang dapat mencegah banjir (tanpa banjir),
pengurangan habitat 25% dari area yang ada. Pertimbangan estetika dianggap
berpengaruh buruk dengan bobot nilai 20% (tingkat estetika).
Sebuah waduk kecil dengan tingkat pengendalian 0.7 (resiko banjir 30%),
pengurangan habitat 75% dari area sebelumnya dan tingkat estetika 40%.
Tanpa bangunan waduk, tidak ada pengurangan habitat dan tidak ada pengaruh
estetika.
Berdasarkan 3 alternatif tersebut tiga kriteria, yaitu meliputi aspek pengendalian banjir
(flood control), lingkungan (environment) dan estetika (aesthetics) dipergunakan untuk
menentukan alternatif terbaik. Faktor bobot utk setiap kriteria ditetapkan sbb.

Sumber : https://hmtsunsoed.files.wordpress.com/2011/10/kuliahpsda2. Diakses 5 Maret


2017
Manajer yang ingin pendekatan terstruktur untuk pengambilan keputusan sering
beralih ke Pohon Keputusan, alat pendukung keputusan visual yang memetakan pilihan dan
kemungkinan hasil mereka. Sayangnya, pohon keputusan dasar agak terbatas dalam
kemampuan mereka untuk mengakomodasi masalah kompleks dengan beberapa kriteria
keputusan bersaing. Misalnya, seorang manajer memutuskan antara dua proyek
keberlanjutan, katakanlah, rencana peningkatan efisiensi energi dan instalasi panel surya,
akan kemungkinan pertama mengevaluasi penghematan listrik untuk proyek-proyek. Namun,
mungkin ada atribut lain yang juga harus dipertimbangkan, membuat keputusan yang lebih
kompleks. Misalnya, manajer juga mempertimbangkan visibilitas proyek menjadi prioritas.
Hal ini kemudian menjadi penting untuk model kedua atribut secara bersamaan dalam
pengambilan keputusan model tunggal. Ini akan membutuhkan mengkonversi baik
penghematan listrik dan visibilitas ke metrik umum (sehingga untuk "membandingkan apel
dengan apel") dan kemudian mendirikan pertukaran antara dua atribut untuk sampai pada
pembobotan yang mencerminkan preferensi relatif manajer.

Proses umum untuk sistematis mendekati jenis masalah yang disebut analisis keputusan
multi-atribut (MADA). Proses MADA, dalam bentuk yang paling sederhana terdiri dari
empat tahap:
Framing dari keputusan dan identifikasi tujuan dan sasaran yang ingin dicapai oleh
pengambil keputusan
Identifikasi semua alternatif keputusan dan atribut terkait yang menangani
pengambilan keputusan tujuan
Spesifikasi preferensi, baik untuk setiap atribut individu dan antara atribut dalam
rangka
Peringkat dari alternatif keputusan sesuai dengan preferensi tertentu, mengingat data
atribut untuk masing-masing alternatif
Dalam contoh di atas, jika manajer harus memutuskan antara beberapa proyek, beberapa
di antaranya memberikan penghematan listrik yang cukup besar tapi kurang visibilitas, dan
lain-lain yang memberikan jumlah yang lebih kecil dari penghematan listrik tetapi lebih
visibilitas, maka preferensi untuk penghematan listrik dibandingkan visibilitas harus
dipertimbangkan secara eksplisit . Artinya, berapa banyak penghematan listrik harus proyek
menyediakan agar manajer harus bersedia menerima proyek kurang terlihat?

Penting untuk dicatat bahwa preferensi tersebut terjadi tidak hanya antara atribut, tetapi
juga untuk setiap atribut. Misalnya, tiga proyek memiliki tabungan listrik 15 megawatt
(MW), 20 MW, dan 25 MW, masing-masing. Adalah nilai tambahan kepada pengambil
keputusan untuk 20 MW dibandingkan 15 MW sama dengan nilai tambahan untuk 25 MW
berbanding 20 MW? Atau apakah keputusan tampilan pembuat 20 MW sebagai hanya sedikit
lebih baik dari 15 MW, saat melihat 25 MW sebagai signifikan lebih baik daripada 20 MW?
Ini adalah pertanyaan penting, karena sekali preferensi ditetapkan, mereka membentuk dasar
untuk membuat keputusan yang rasional.

Sumber : http://gbr.pepperdine.edu/2012/08/making-decisions-with-multiple-attributes-a-
case-in-sustainability-planning/. Diakses 5 Maret 2017.