Tujuan
Metode-metode Optimasi Mahasiswa dapat memahami dan
dengan Alternatif Terbatas mampu mengaplikasikan beberapa
metode untuk menyelesaikan masalah
dengan alternatif-alternatif dalam jumlah
NOVRINA yang relatif kecil.
novrina@staff.gunadarma.ac.id
Model SPK
Pokok Bahasan
Turban (2005) mengkategorikan model
Model SPK sistem pendukung keputusan dalam tujuh
Fokus Masalah model, yaitu:
Model optimasi untuk masalah-masalah
Multi Attribute Decision Making dengan alternatif-alternatif dalam jumlah
(MADM) relatif kecil.
Model optimasi dengan algoritma.
Model optimasi dengan formula analitik.
Model simulasi.
Model heuristik.
Model prediktif.
Model-model yang lainnya.
1
4/30/2017
2
4/30/2017
3
4/30/2017
4
4/30/2017
5
4/30/2017
6
4/30/2017
dst
Kriteria
Alternatif C1 C2 C3 C4 C5 C6
A1
A2
0.73
0.24
0.82
0.31
0.93
0.09
0.93
0.74
0.95
0.98
0.51
0.17
Weighted Product (WP)
A3 0.2 0.85 0.47 0.56 0.67 0.3
A4 0.05 0.21 0.6 0.33 0.11 0.39
A5 0.73 0.38 0.87 0.7 0.23 0.94
A6 0.58 0.55 0.4 0.34 0.49 0.26 Metode Weighted Product (WP) menggunakan
A7 0.11 0.82 0.18 0.24 0.76 0.08 perkalian untuk menghubungkan rating atribut,
A8 0.87 0.73 0.43 0.13 0.99 0.16
A9 0.61 0.98 0.74 0.86 0.34 0.12 dimana rating setiap atribut harus dipangkatkan
A10 0.65 0.94 0.65 0.61 0.8 0.46 dulu dengan bobot atribut yang bersangkutan.
A11 0.86 0.82 0.23 0.27 0.9 0.37
A12 0.46 0.53 0.71 0.54 0.72 0.61 Proses ini sama halnya dengan proses
A13 0.28 0.35 0.17 0.31 0.74 0.92
A14 0.66 0.49 0.04 0.2 0.91 0.76 normalisasi.
A15 0.88 0.38 0.79 0.4 0.73 0.18
A16 0.39 0.59 0.01 1 0.74 0.16
A17 0.32 0.97 0.34 0.29 0.6 0.35
A18 0.52 0.01 0.11 0.02 0.01 0.94
A19 0.26 0.02 0.06 0.81 0.57 0.14
A20 0.18 0.05 0.01 0.76 0.16 0.99
7
4/30/2017
j1
tempat untuk menyimpan sementara hasil
produksinya.
Ada 3 lokasi yang akan menjadi alternatif,
dengan i=1,2,...,m; dimana wj = 1.
yaitu:
wj adalah pangkat bernilai positif untuk atribut
A1 = Ngemplak,
keuntungan, dan bernilai negatif untuk atribut
A2 = Kalasan,
biaya.
A3 = Kota Gedhe.
8
4/30/2017
TOPSIS TOPSIS
Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS) didasarkan pada konsep Langkah-langkah penyelesaian masalah
dimana alternatif terpilih yang terbaik tidak hanya MADM dengan TOPSIS:
memiliki jarak terpendek dari solusi ideal positif, Membuat matriks keputusan yang ternormalisasi;
namun juga memiliki jarak terpanjang dari solusi
ideal negatif. Membuat matriks keputusan yang ternormalisasi
TOPSIS banyak digunakan dengan alasan: terbobot;
konsepnya sederhana dan mudah dipahami; Menentukan matriks solusi ideal positif & matriks
komputasinya efisien; dan solusi ideal negatif;
memiliki kemampuan untuk mengukur kinerja relatif Menentukan jarak antara nilai setiap alternatif dengan
dari alternatif-alternatif keputusan dalam bentuk matriks solusi ideal positif & matriks solusi ideal
matematis yang sederhana. negatif;
Menentukan nilai preferensi untuk setiap alternatif.
TOPSIS TOPSIS
TOPSIS membutuhkan rating kinerja setiap Solusi ideal positif A+ dan solusi ideal negatif A-
alternatif Ai pada setiap kriteria Cj yang dapat ditentukan berdasarkan rating bobot
ternormalisasi, yaitu: ternormalisasi (yij) sebagai:
x ij y ij w i rij
rij
m
A y1 , y 2 ,, y n ;
x ij2
i 1 A
y
1 ,y
2 ,, y ;
n
9
4/30/2017
TOPSIS TOPSIS
dengan Jarak antara alternatif Ai dengan solusi
ideal positif dirumuskan sebagai:
max y ij ; jika j adalah atribut keuntungan
i
y
n
y j D i
i
2
y ij ;
min y ij ; jika j adalah atribut biaya j1
i
Jarak antara alternatif Ai dengan solusi
min y ij ;
ideal negatif dirumuskan sebagai:
jika j adalah atribut keuntungan
i
y
n
y j D i y i ;
2
i
TOPSIS TOPSIS
Contoh:
Nilai preferensi untuk setiap alternatif (Vi) Suatu perusahaan di Daerah Istimewa
diberikan sebagai: Yogyakarta (DIY) ingin membangun sebuah
gudang yang akan digunakan sebagai
D i
Vi ; tempat untuk menyimpan sementara hasil
D D i
i produksinya.
Ada 3 lokasi yang akan menjadi alternatif,
Nilai Vi yang lebih besar menunjukkan yaitu:
bahwa alternatif Ai lebih dipilih A1 = Ngemplak,
A2 = Kalasan,
A3 = Kota Gedhe.
TOPSIS TOPSIS
Tingkat kepentingan setiap kriteria, juga
Ada 5 kriteria yang dijadikan acuan dalam
dinilai dengan 1 sampai 5, yaitu:
pengambilan keputusan, yaitu:
1 = Sangat rendah,
C1 = jarak dengan pasar terdekat (km),
2 = Rendah,
C2 = kepadatan penduduk di sekitar lokasi
(orang/km2); 3 = Cukup,
C3 = jarak dari pabrik (km); 4 = Tinggi,
C4 = jarak dengan gudang yang sudah ada 5 = Sangat Tinggi.
(km); Pengambil keputusan memberikan bobot
C5 = harga tanah untuk lokasi (x1000 Rp/m2). preferensi sebagai:
W = (5, 3, 4, 4, 2)
10
4/30/2017
TOPSIS TOPSIS
Matriks ternormalisasi, R:
Nilai setiap alternatif di setiap kriteria:
0,5888 0,6186 0,4077 0,6852 0,4784 xij
rij
Kriteria R 0,3925 0,4640 0,4530 0,5482 0,4305 m
Alternatif x 2
ij
TOPSIS TOPSIS
Solusi Ideal Positif (A+): Solusi Ideal Negatif (A-):
y1 max2,9440; 1,9627; 3,5328 3,5328
y1 min2,9440; 1,9627; 3,5328 1,9627
y 2 min1,8558; 1,3919; 1,9022 1,3919
y 2 max1,8558; 1,3919; 1,9022 1,9022
y 3 max1,6309; 1,8121; 3,1712 3,1712
y 3 min1,6309; 1,8121; 3,1712 1,6309
y 4 min2,7408; 2,1926; 1,9185 1,9185
y 4 max2,7408; 2,1926; 1,9185 2,7408
y 5 max0,9567; 0,8611; 1,5308 1,5308
y 5 min0,9567; 0,8611; 1,5308 0,8611
A 1,9627; 1,9022; 1,6309; 2,7408; 0,8611 A 3,5328; 1,3919; 3,1712; 1,9185; 1,5308
TOPSIS TOPSIS
Jarak antara nilai terbobot setiap alternatif Kedekatan setiap alternatif terhadap solusi ideal
dihitung sebagai berikut:
terhadap solusi ideal positif, S i : 1,9849
V1 0,6679
0,9871 1,9849
D1 0,9871 D 2 0,7706 D 3 2,4418
2,1991
V2 0,7405
0,7706 2,1991
Jarak antara nilai terbobot setiap alternatif
0,5104
terhadap solusi ideal negatif, Si : V3 0,1729
2,4418 0,5104
D1 1,9849 D2 2,1991 D3 0,5104 Dari nilai V ini dapat dilihat bahwa V2 memiliki nilai
terbesar, sehingga dapat disimpulkan bahwa
alternatif kedua yang akan lebih dipilih.
Dengan kata lain, Kalasan akan terpilih sebagai
lokasi untuk mendirikan gudang baru.
11
4/30/2017
MASALAH
Permasalahan pada
KRITERIA-1,1 … KRITERIA-n,1 …
AHP
didekomposisikan ke
dalam hirarki kriteria
dan alternatif ALTERNATIF 1 ALTERNATIF 2 … ALTERNATIF m
Tentukan alternatif: N70, N73, N80, dan N90, N73 N73 N73 N73 N73 N73
N80 N80 N80 N80 N80 N80
N90 N90 N90 N90 N90 N90
ALTERNATIF
12
4/30/2017
Harga
Memori
Kriteria kuantitatif & kualitatif
dapat digunakan untuk Warna
mempertimbangkan bobot Kamera
Berat
Matriks perbandingan
berpasangan adalah 9 : mutlak lebih penting (extreme)
matriks berukuran n x n
dengan elemen aij
merupakan nilai relatif 7 : sangat lebih penting (very)
tujuan ke-i terhadap
tujuan ke-j 5 : lebih penting (strong)
13
4/30/2017
H MW K B U
H 1 5 5 5 3 3
M 1 / 5 1 1 1 1 / 3 1 / 3 Konsep EIGENVECTOR
digunakan untuk melakukan
W 1 / 5 1 1 1 1 / 3 1 / 3 proses perankingan prioritas
setiap kriteria berdasarkan
K 1 / 5 1 1 1 1 / 3 1 / 3 matriks perbandingan
B 1 / 3 3 3 3 1 1 berpasangan (Saaty)
U 1 / 3 3 3 3 1 1
14
4/30/2017
6,0579 6
CI 0,0116
5
15
4/30/2017
Rata2
MinHarga = min(2,3; 3,1; 3,7; 4,7) = 2,3
0,3505 0,3505 0,3505 0,3505 0,3505
0,2601
0,2601 0,2601 0,2601 0,2601 • N70 = 2,3/2,3 = 1
0,2179 0,2179 0,2179 0,2179 0,2179
0,1715 0,1715 0,1715 0,1715 0,1715 • N73 = 2,3/3,1 = 0,74
1 1 1 1
• N80 = 2,3/3,7 = 0,62
• N90 = 2,3/4,7 = 0,49
W = (0,3505; 0,2601; 0,2179; 0,1715)
16
4/30/2017
N70 N73 N80 N90 MinBerat = min(1,26; 1,16; 1,34; 1,91) = 1,16
N70 1 1,16 / 1,26 1,34 / 1,26 1,91 / 1,26
N73 1,26 / 1,16 1 1,34 / 1,16 1,91 / 1,16 • N70 = 1,26/1,16 = 0,92
N80 1,26 / 1,34 1,16 / 1,34 1 1,91 / 1,34 • N73 = 1,16/1,26 = 1
N90 1,26 / 1,91 1,16 / 1,91 1,34 / 1,91 1 • N80 = 1,16/1,34 = 0,87
• N90 = 1,16/1,91 = 0,61
W = (0,2713; 0,2947; 0,2551; 0,1790)
17
4/30/2017
N80
N70 N70 N70 N70 N70 N70
3 2 1 1 / 3 (0,3505) (0,1691) (0,0149) (0,1932) (0,2713) (0,0860)
N90 N73 N73 N73 N73 N73 N73
5 3 3 (0,2601) (0,2029) (0,0149) (0,3077) (0,2947) (0,1544)
N80
N80 N80 N80 N80 N80
(0,2179) (0,1932) (0,0149) (0,3077) (0,2551) (0,2415)
W = (0,0860; 0,1544; 0,2415; 0,5181) N90 N90 N90 N90 N90 N90
(0,1715) (0,4348) (0,9552) (0,1932) (0,1790) (0,5181)
18
4/30/2017
19
4/30/2017
Tabel Bobot
Hasil Pemetaan Gap
20
4/30/2017
Hasil Keputusan
21