05 Metode Optimasi1
05 Metode Optimasi1
05 Metode Optimasi1
2 Capaian Pembelajaran
1
METODE OPTIMASI
N. Tri Suswanto Saptadi
1
11/13/2015
Variabel
Ekspresi Logika Atribut*
Logika No Laboratorium
E1 E2 E3 E4 E5 E6 E7 E8
E1 Memiliki IPK > 3,00 Pemrograman &
1 Y Y Y
E2 Minimal tengah duduk di semester 3 Informatika Teori
D E1 E 3 E 8 E1 E 4 E 8 E1 E 5 E 8 E1 E 6 E 8
C1 = jumlah karya ilmiah yang dihasilkan
dengan adalah operator AND; dan + adalah operator OR. C2 = jumlah diktat (bahan ajar) yang dihasilkan
C3 = jumlah buku referensi yang dihasilkan
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
2
11/13/2015
Tabel Keputusan
13 14 Tabel Keputusan
Atribut
Kategori Nilai ”Tidak dipertimbangkan” berarti
C1 C2 C3
berapapun nilainya diperbolehkan.
Sangat Produktif >6 >2 1
Sedangkan nilai 0 berarti, tidak menghasilkan.
Produktif 5 atau 6 2 Tidak
dipertimbangkan Misalkan seorang staf bernama Edi, telah
Cukup Produktif 3 atau 4 1 Tidak menghasilkan karya ilmiah sebanyak 3 karya,
dipertimbangkan diktat sebanyak 2 karya, dan tidak
Kurang Produktif 1 atau 2 Tidak Tidak menghasilkan buku referensi, maka Edi
dipertimbangkan dipertimbangkan
termasuk dalam kategori ”Cukup Produktif”.
Tidak Produktif 0 0 0
Pohon Keputusan
17 18 Pohon Keputusan
>6 C1 0
Atribut
Kategori 5 atau 6
3 atau 4
1 atau 2
C1 C2 C3
Sangat Produktif >6 >2 1 Kurang
C2 C2 C2 Produktif
C2
>2
Produktif 5 atau 6 2 Tidak
dipertimbangkan 2 1 0
3
11/13/2015
4
11/13/2015
5
11/13/2015
6
11/13/2015
7
11/13/2015
8
11/13/2015
Kemudian vektor S dapat dihitung Nilai vektor V yang akan digunakan untuk perankingan
sebagai berikut: dapat dihitung sebagai berikut:
2,4187
V1 0,3669
S1 0,750, 28 2000 0,17 180, 22 50 0, 22 500 0,11 2,4187
2,4187 2,4270 1,7462
2,4270
V2 0,3682
S2 0,50, 28 1500 0,17 20 0, 22 40 0, 22 450 0,11 2,4270 2,4187 2,4270 1,7462
1,7462
V3 0,2649
S3 0,9 2050 35 35 800 1,7462
0, 28 0,17 0, 22 0, 22 0,11 2,4187 2,4270 1,7462
Nilai terbesar ada pada V2 sehingga alternatif A2 adalah
alternatif yang terpilih sebagai alternatif terbaik.
Dengan kata lain, Kalasan akan terpilih sebagai lokasi
untuk mendirikan gudang baru.
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
9
11/13/2015
55 TOPSIS 56 TOPSIS
Technique for Order Preference by Similarity to Langkah-langkah penyelesaian masalah MADM dengan
Ideal Solution (TOPSIS) didasarkan pada konsep TOPSIS:
dimana alternatif terpilih yang terbaik tidak
hanya memiliki jarak terpendek dari solusi ideal Membuat matriks keputusan yang ternormalisasi;
positif, namun juga memiliki jarak terpanjang Membuat matriks keputusan yang ternormalisasi
dari solusi ideal negatif.
terbobot;
TOPSIS banyak digunakan dengan alasan:
konsepnya sederhana dan mudah dipahami; Menentukan matriks solusi ideal positif & matriks solusi
ideal negatif;
komputasinya efisien; dan
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 negatif;
matematis yang sederhana.
Menentukan nilai preferensi untuk setiap alternatif.
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
57 TOPSIS 58 TOPSIS
TOPSIS membutuhkan rating kinerja setiap Solusi ideal positif A+ dan solusi ideal negatif
alternatif Ai pada setiap kriteria Cj yang A- dapat ditentukan berdasarkan rating
ternormalisasi, yaitu: bobot ternormalisasi (y ij) sebagai:
x ij y ij w i rij
rij
m
A y1 , y 2 ,, y n ;
x
i 1
2
ij
A y1 , y 2 ,, y n ;
TOPSIS
59
TOPSIS 60
i
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
10
11/13/2015
61 TOPSIS 62 TOPSIS
Contoh:
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Suatu perusahaan di Sulawesi Selatan ingin
membangun sebuah gudang yang akan
digunakan sebagai tempat untuk menyimpan
D i sementara hasil produksinya.
Vi ; Ada 3 lokasi yang akan menjadi alternatif,
D i D i yaitu:
A1 = Maros,
Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai A2 = Gowa,
lebih dipilih
A3 = Takalar.
63 TOPSIS 64 TOPSIS
65 TOPSIS 66 TOPSIS
11
11/13/2015
67 TOPSIS 68 TOPSIS
Solusi Ideal Positif (A+): Solusi Ideal Negatif (A-):
y1 max2,9440; 1,9627; 3,5328 2,9440
y min 2,9440; 1,9627; 3,5328 1,9627
A 1,9627; 1,9022; 1,6309; 2,7408; 0,8611 A 2,9440; 1,3919; 3,1712; 1,9185; 1,5308
69 TOPSIS 70 TOPSIS
Jarak antara nilai terbobot setiap alternatif Kedekatan setiap alternatif terhadap solusi ideal dihitung
terhadap solusi ideal positif, S : sebagai berikut:
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
Jarak antara nilai terbobot setiap alternatif 0,7706 2,1991
terhadap solusi ideal negatif, Si : 0,5104
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.
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
MASALAH
Permasalahan pada
KRITERIA-1,1 … KRITERIA-n,1 …
AHP
didekomposisikan ke
dalam hirarki kriteria
dan alternatif ALTERNATIF 1 ALTERNATIF 2 … ALTERNATIF m
12
11/13/2015
Harga
Memori
Kriteria kuantitatif & kualitatif
dapat digunakan untuk Warna
mempertimbangkan bobot Kamera
Berat
13
11/13/2015
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)
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 1
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
3 3 3 1
14
11/13/2015
15
11/13/2015
6,0579 6
CI 0,0116
5
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
16
11/13/2015
101 Analytic Hierarchy Process (AHP) 102 Analytic Hierarchy Process (AHP)
Matriks perbandingan berpasangan untuk kamera Atau …
diperoleh dari data kamera setiap HP
17
11/13/2015
103 Analytic Hierarchy Process (AHP) 104 Analytic Hierarchy Process (AHP)
Atau …
Matriks perbandingan berpasangan untuk berat
diperoleh dari data berat setiap HP
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)
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
105 Analytic Hierarchy Process (AHP) 106 Analytic Hierarchy Process (AHP)
Normalkan …
spk/nts/fti/uajm
W = (0,271; 0,294; 0,256; 0,179) 11/13/2015 spk/nts/fti/uajm 11/13/2015
107 Analytic Hierarchy Process (AHP) 108 Analytic Hierarchy Process (AHP)
Bentuk hirarki dari informasi
yang diperoleh
Matriks perbandingan berpasangan untuk keunikan diperoleh
secara subyektif dari persepsi user
Membeli HP
18
11/13/2015
109 Analytic Hierarchy Process (AHP) 110 Analytic Hierarchy Process (AHP)
Perankingan: Misalkan ada n tujuan dan m
alternatif pada AHP, maka proses perankingan 0,3505 0,1691 0,0149 0,1923 0,2713 0,0860 0,4188 0,2396
0,2601 0,2029 0,0149 0,3077 0,2947 0,1544 0,0689 0,2292
alternatif dapat dilakukan melalui langkah-langkah 0,2179 0,1932 0,0149 0,3077 0,2551 0,2415 0,0689
=
0,2198
berikut: 0,1715 0,4348 0,9552 0,1923 0,1790 0,5181 0,0689 0,3114
0,1872
Untuk setiap tujuan i, tetapkan matriks perbandingan 0,1872
berpasangan A, untuk m alternatif. N70 = 0,2396
Tentukan vektor bobot untuk setiap Ai yang N73 = 0,2292
merepresentasikan bobot relatif dari setiap alternatif
ke-j pada tujuan ke-i (sij ). N80 = 0,2198
Hitung total skor:
N90 = 0,3114
s j (s ij )( w i )
Pilih alternatif dengan skor tertinggi.
i
spk/nts/fti/uajm 11/13/2015 spk/nts/fti/uajm 11/13/2015
19