See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/318795493

MENGERJAKAN SOAL KASUS SISTEM PENDUKUNG KEPUTUSAN

MENGGUNAKAN BEBERAPA METODE FUZZY MULTIPLE ATTRIBUTE
DECISSION MAKING (MADM) - METODE MOORA (Multi-Objective
Optimiza....

Presentation · May 2017

DOI: 10.13140/RG.2.2.28672.94729

CITATIONS READS
0 1,873

1 author:

Rivalri Kristianto Hondro

STMIK Budi Darma
20 PUBLICATIONS   19 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Decision Support Systems View project

Teaching Documents View project

All content following this page was uploaded by Rivalri Kristianto Hondro on 31 July 2017.

The user has requested enhancement of the downloaded file.

Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

MENGERJAKAN SOAL KASUS SISTEM PENDUKUNG KEPUTUSAN

MENGGUNAKAN BEBERAPA METODE FUZZY
MULTIPLE ATTRIBUTE DECISSION MAKING (MADM)

(Rivalri Kristianto Hondro, S.Kom, M.Kom.)

NIDN: 0108038901
E-Mail: rivalryhondro@gmail.com
Web: rivalryhondro.wordpress.com
Academia Edu: stmik-budidarma.academia.edu/RKHondro
Researchgate: www.researchgate.net/profile/Rivalri_Hondro2

Sistem Pendukung Keputusan termasuk Fuzzy yang tergolong 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 3 (tiga) pendekatan untuk
mencari nilai bobot atribut, yaitu pendekatan subjektif, pendekatan objektif dan pendekatan
integrasi antara subjektif dan objektif. Masing-masing pendekatan memiliki kelebihan dan
kelemahan. Pada pendekatan subjektif, nilai bobot ditentukan berdasarkan subjektivitas dari
para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bias
ditentukan secara bebas. Pada pendekatan objektif, nilai bobot dihitung secara matematis
sehingga mengabaikan subyektivitas dari pengambil keputusan.

Contoh Kasus:
Sistem Pendukung Keputusan “Memilih Produk Curling Iron Terbaik”

Tabel Data Produk Curling sebelum di Fuzzykan

Bahan Pengatur
No Merek Curling Harga Ukuran Garansi
Pembuatan Suhu
Philips Curly HP
1 Keramik 575.000 Ya 20 x 5 x 10 1 Tahun
8605
Nova Curly Hair
Tidak
2 Profesional HC- Keramik 275.000 Ya 38 x 9 x 5
Ada
6808
Rui Zhi Tools
3 Aluminium 249.000 Ya 20 x 5 x 10 1 Bulan
Curling Iron
Bigbos Store
Tidak
4 Profesional Aluminium 89.000 Tidak 7 x 31 x 6
Ada
Curly ZF-2002
Wand
Tidak
5 Interchangeable Keramik 289.000 Ya 1 x 1 x1
Ada
3 Parts

STMIK Budi Darma Page 1 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Sayota Curly HC Tidak

6 Stainless 125.000 Tidak 30 x 10 x10
80 Ada
Wigo W-811
7 Aluminium 199.000 Ya 32 x 6 x 7 1 Bulan
Curling Iron
Sonar Tourmalin Tidak
8 Tourmalin 287.000 Ya 40 x 32 x 60
SN-1071 Ada
Panasonic H-
9 HW17K Hair Keramik 360.000 Ya 31 x 20 x 31 1 Tahun
Straightener
Lucky
Tidak
10 Profesional Stainless 50.000 Tidak 20 x 5 x 12
Ada
Curly

Berdasarkan data diatas, selanjutnya di fuzzy kan. Berikut pemberian nilai masing-masing
kriteria. Enam bilangan fuzzy, yaitu
Sangat Buruk (SB1), Buruk (B1), Cukup (C), Baik (B2), Cukup Baik (CB) Sangat Baik (SB2)

1. Nilai Bilangan Fuzzy Untuk Kriteria “Bahan Pembuatan”

Bahan Bilangan Fuzzy Nilai

Tourmalin Sangat baik 50
Keramik Cukup Baik 40
Aluminium Baik 30
Stainles Cukup 20
Besi Buruk 10

2. Nilai Bilangan Fuzzy Untuk Kriteria “Harga”

Harga Bilangan Fuzzy Nilai

50.000 – 250.000 Sangat Baik 50
251.000 - 450.000 Cukup Baik 40
451.000 – 650.000 Baik 30

3. Nilai Bilangan Fuzzy Untuk Kriteria “Pengatur Suhu”

STMIK Budi Darma Page 2 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Dilengkapi Pengatur Suhu Bilangan Fuzzy Nilai

Ya Sangat Baik 50
Tidak Buruk 20

4. Nilai Bilangan Fuzzy Untuk Kriteria “Ukuran”

Ukuran (P x L x T) Bilangan Fuzzy Nilai

1x1x1 - 15x15x15 Sangat baik 50
16x16x16 - 30x30x30 Cukup Baik 40
31x31x31 - 45x45x45 Baik 30
46x46x46 - 60x60x60 Cukup 20
61x61x61 - 75x75x75 Buruk 10

5. Nilai Bilangan Fuzzy Untuk Kriteria “Garansi”

Garansi Bilangan Fuzzy Nilai

>=1 tahun Sangat baik 50
<= 1 tahun Cukup Baik 40
Tidak ada Baik 30

STMIK Budi Darma Page 3 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Sistem Pendukung Keputusan

(Decision Support System)

Multi-Objective Optimization on the basis of Ratio Analysis

(MOORA) Method

(Rivalri Kristianto Hondro, S.Kom, M.Kom.)

NIDN: 0108038901
E-Mail: rivalryhondro@gmail.com
Web: rivalryhondro.wordpress.com
Academia Edu: stmik-budidarma.academia.edu/RKHondro
Researchgate: www.researchgate.net/profile/Rivalri_Hondro2

Sejarah Metode MOORA

Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) adalah multiobjektif
sistem mengoptimalkan dua atau lebih attribut yang saling bertentangan secara bersamaan.
Metode ini diterapkan untuk memecahkan masalah dengan perhitungan matematika yang
kompleks. Moora diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006. Pada awalnya
metode ini diperkenalkan oleh Brauers pada tahun 2004 sebagai “Multi-Objective
Optimization” yang dapat digunakan untuk memecahkan berbagai masalah pengambilan
keputusan yang rumit pada lingkungan pabrik.
Metode moora diterapkan untuk memecahkan banyak permasalahan ekonomi, manajerial dan
konstruksi pada sebuah perusahaan maupun proyek.

Keunggulan Metode MOORA

Keunggulan MOORA sendiri telah diamati bahwa metode moora sangat sederhana, stabil, dan
kuat, bahkan metode ini tidak membutuhkan seorang ahli di bidang matematika untuk
menggunakan nya serta membutuhkan perhitungan matematis yang sederhana. Selain itu juga
metode ini juga memiliki hasil yang lebih akurat dan tepat sasaran dalam membantu
pengambilan keputusan. Bila dibandingkan dengan metode yang lain metode moora bahkan
lebih sederhana dan mudah diimplementasikan.

Langkah Penyelesaian MOORA:

Adapun langkah penyelesaian dari metode moora adalah:

1. Menentukan tujuan untuk mengidentifikasi attribut evaluasi yang bersangkutan dan

menginputkan nilai kriteria pada suatu alternatif dimana nilai tersebut nantinya akan
diproses dan hasilnya akan menjadi sebuah keputusan.

2. Membuat Matriks Keputusan MOORA

Mewakilkan semua informasi yang tersedia untuk setiap attribut dalam bentuk matriks
keputusan. Data pada persamaan (1) mempersentasikan sebuah matriks Xmxn. Dimana xij
adalah pengukuran kinerja dari alternatif i th pada attribut j th, m adalah jumlah alternatif
dan n adalah jumlah attribut /kriteria. Kemudian sistem ratio dikembangkan dimana setiap
kinerja dari sebuah alternatif pada sebuah attribut dibandingkan dengan penyebut yang
merupakan wakil untuk semua alternatif dari attribut tersebut.

STMIK Budi Darma Page 5 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Keterangan :
xij = respon alternative j pada kriteria i
i = 1, 2, 3, 4, ..., n adalah nomor urutan atribut atau kriteria
j = 1, 2, 3, 4, ..., m adalah nomor urutan alternatif
X = Matriks Keputusan

3. Matriks Normalisasi Moora

Brauers, W.K., menyimpulkan bahwa untuk penyebut, pilihan terbaik adalah akar kuadrat
dari jumlah kuadrat dari setiap alternatif per attribut. Rasio ini dapat dinyatakan sebagai


berikut :

∗
 =
 ∑ 
  

Keterangan :
Xij = Matriks alternative j pada kriteria i
i = 1, 2, 3, 4, ..., n adalah nomor urutan atribut atau kriteria
j = 1, 2, 3, 4, ..., m adalah nomor urutan alternatif
X*ij = Matriks Normalisasi alternatif j pada kriteria i

4. Menghitungan Nilai Optimasi Multiobjektif MOORA

a. Jika atribut atau kriteria pada masing-masing alternatif tidak diberikan nilai bobot.

Ukuran yang dinormalisasi ditambahkan dalam kasus maksimasi (untuk attribut yang
menguntungkan) dan dikurangi dalam minimisasi (untuk attribut yang tidak
menguntungkan) atau dengan kata lain mengurangi nilai maximum dan minimum pada
setiap baris untuk mendapatkan rangking pada setiap baris, jika dirumuskan maka:

Keterangan :
i= 1, 2, ... , g– kriteria/atribut dengan status maximized;
i= g+ 1, g+ 2, ... , n– kriteria/atribut dengan status minimized;
y*j = Matriks Normalisasi max-min .

STMIK Budi Darma Page 6 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

b. Jika atribut atau kriteria pada masing-masing alternatif di berikan nilai bobot
kepentingan.

Pemberian nilai bobot pada kriteria, dengan ketentuan nilai bobot jenis kriteria maximum
lebih besar dari nilai bobot jenis kriteria minimum.
Untuk menandakan bahwa sebuah atribut lebih penting itu bisa di kalikan dengan bobot
yang sesuai (koefisiensignifikasi) (Brauers etal.2009 dalam Ozcelik, 2014).
Berikut rumus menghitung nilai Optimasi Multiobjektif MOORA, Perkalian Bobot
Kriteria Terhadap Nilai Atribut Maximum dikurang Perkalian Bobot Kriteria Terhadap
Nilai Atribut Minimum, jika dirumuskan maka:

i = 1, 2, ... , g– kriteria/atribut dengan status maximized;

i = g+ 1, g+ 2, ... , n– kriteria/atribut dengan status minimized;
Wj = bobot terhadap j
yi = nilai penilaian yang telah dinormalisasi dari
alternatif 1 th terhadap semua attribut.

5. Menentuka Nilai Rangking dari hasil perhitungan MOORA

Nilai yi dapat menjadi positif atau negatif tergantung dari total maksimal (attribut yang
menguntungkan) dalam matriks keputusan. Sebuah urutan peringkat dari yi menunjukkan
pilihan terahir. Dengan demikian alternative terbaik memiliki nilai yi tertinggi sedangkan
alternative terburuk memiliki nilai yi terendah.

Output Dari Perhitungan Metode MOORA

a. Alternative yang memiliki nilai akhir (yi) tertinggi maka alternative tersebut
merupakan alternative terbaik dari data yang ada, alternative ini akan dipilih sesuai
dengan permasalahan yang ada karena ini merupakan pilihan terbaik.
b. Sedangkan alternative yang memiliki nilai akhir (yi) terendah adalah alternative
yang terburuk dari data yang ada.

Jawaban Contoh Soal “Pemilihan Curling Iron Terbaik”:

Berikut Tahapan Penyelesaian:

Masukan nilai kriteria pada masing-masing alternatif sesuai nilai fuzzy yang telah ditentukan
sebelumnya

Bahan Pengatur
Merek Curling Harga Ukuran Garansi
Pembuatan Suhu
Philips Curly HP 8605 40 30 50 40 50

STMIK Budi Darma Page 7 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Nova Curly Hair Profesional HC-

40 40 50 30 30
6808
Rui Zhi Tools Curling Iron 30 50 50 40 40
Bigbos Store Profesional Curly ZF-
30 50 20 50 30
2002
Wand Interchangeable 3 Parts 40 40 50 50 30
Sayota Curly HC 80 20 50 20 40 30
Wigo W-811 Curling Iron 30 50 50 30 40
Sonar Tourmalin SN-1071 50 40 50 30 30
Panasonic H-HW17K Hair
40 40 50 30 50
Straightener
Lucky Profesional Curly 20 50 20 40 30

Menentukan Jenis Kriteria Benefit dan Cost

Benefit : Jenis Kriteria “Jika Nilai Semakin Besar Maka Semakin Baik, Jika Semakin
Kecil Maka Bernilai Tidak Baik”
Cost: Kebalikan dari pada pengertian Benefit.

Kriteria /
No Satuan max/min
Atribute
1 Bahan Pembuatan - max x1
3 Pengaturan Suhu °C max x2
5 Garansi Tahun/Bulan max x3
2 Harga Rp. min x4
4 Ukuran PxLxT min x5

Tentukan Nilai Bobot Kepentingan Kriteria berdasarkan jenis kriteria max dan min

Kriterai Bobot max/mix

Bahan Pembuatan 2,2 max x1
Pengatur Suhu 2,1 max x4
Garansi 2,1 max x2
Harga 1,8 min x5
Ukuran 1,8 min x3

1. Memasukan nilai kriteria masing-masing alternatif

Kriteria

Merek
Bahan Pengatur
Curling Pembuatan Suhu
Garansi Harga Ukuran

x1 x2 x3 x4 x5
x1 40 50 50 30 40
x2 40 50 30 40 30
x3 30 50 40 50 40

STMIK Budi Darma Page 8 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

x4 30 20 30 50 50
x5 40 50 30 40 50
x6 20 20 30 50 40
x7 30 50 40 50 30
x8 50 50 30 40 30
x9 40 50 50 40 30
x10 20 20 30 50 40

2. Membuat Matriks Keputusan MOORA

40 50 50 30 40
40 50 30 40 30
30 50 40 50 40
30 20 30 50 50
40 50 30 40 50
X=
20 20 30 50 40
30 50 40 50 30
50 50 30 40 30
40 50 50 40 30
20 20 30 50 40

3. Membuat Matriks Normalisasi MOORA dari Matriks Keputusan MOORA

Normalisasi Kolom 1 (Kolom Kriteria “Bahan Pembuatan” (x1))

Normalisasi Matriks (1,1) – baris 1 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

40 40
, = =
√12400 111,36

, = 0.36

STMIK Budi Darma Page 9 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Normalisasi Matriks (2,1) – baris 2 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

40 40
, = =
√12400 111,36

, = 0.36

Normalisasi Matriks (3,1) – baris 3 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

30 30
, = =
√12400 111,36

, = 0.27

Normalisasi Matriks (4,1) – baris 4 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

30 30
, = =
√12400 111,36

, = 0.27

STMIK Budi Darma Page 10 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Normalisasi Matriks (5,1) – baris 5 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

40 40
, = =
√12400 111,36

, = 0.36

Normalisasi Matriks (6,1) – baris 6 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

20
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

20 20
, = =
√12400 111,36

, = 0.18

Normalisasi Matriks (7,1) – baris 7 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

30 30
, = =
√12400 111,36

, = 0.27

STMIK Budi Darma Page 11 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Normalisasi Matriks (8,1) – baris 8 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

50
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

50 50
, = =
√12400 111,36

, = 0.45

Normalisasi Matriks (9,1) – baris 9 kolom 1

,
, =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

40 40
, = =
√12400 111,36

, = 0.36

Normalisasi Matriks (10,1) – baris 10 kolom 1

 ,
 , =
,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+ ,

+  ,

20
 , =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20

20 20
 , = =
√12400 111,36

 , = 0.18

STMIK Budi Darma Page 12 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

NB: Lakukan perhitungan yang sama untuk kolom (kriteria) yang lainnya
1. Normalisasi Kolom 2 (Kolom Kriteria “Pengatur Suhu” (x2))
2. Normalisasi Kolom 3 (Kolom Kriteria “Garansi” (x3))
3. Normalisasi Kolom 4 (Kolom Kriteria “Harga” (x4))
4. Normalisasi Kolom 5 (Kolom Kriteria “Ukuran” (x5))

Berikut Hasil Matriks Normalisasi MOORA

0,36 0,37 0,43 0,21 0,32

0,36 0,37 0,26 0,28 0,24
0,27 0,37 0,34 0,36 0,32
0,27 0,15 0,26 0,36 0,40
0,36 0,37 0,26 0,28 0,40
X=
0,18 0,15 0,26 0,36 0,32
0,27 0,37 0,34 0,36 0,24
0,45 0,37 0,26 0,28 0,24
0,36 0,37 0,43 0,28 0,24
0,18 0,15 0,26 0,36 0,32

4. Menghitungan Nilai Optimasi Multiobjektif MOORA (Max – Min)

Y1 = (  ,-./ *W +  ,-./ *W +  ,-./ *W ) - (  ,-0/ *W +  ,-0/ *W )
= (0.36∗2.2 + 0.37∗2.1 + 0.43*2.1) - (0.21∗1.8 + 0.32∗1.8)
= (2,54 – 1,17)

= 1,37

Y2 = (  ,-./ *W +  ,-./ *W +  ,-./ *W ) - (  ,-0/ *W +  ,-0/ *W )
= (0.36∗2.2 + 0.37∗2.1 + 0.26*2.1) - (0.28∗1.8 + 0.24∗1.8)
= (2,16 - 1,15)

= 1,01

Y3 = (  ,-./ *W +  ,-./ *W +  ,-./ *W ) - (  ,-0/ *W +  ,-0/ *W )
= (0.27∗2.2 + 0.37∗2.1 + 0.34*2.1) - (0.36∗1.8 + 0.32∗1.8)
= (2,15 - 1,48)

= 0,67

STMIK Budi Darma Page 13 of 15

E-Book Sistem Pendukung Keputusan
Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Y4 = (  ,-./ *W +  ,-./ *W +  ,-./ *W ) - (  ,-0/ *W +  ,-0/ *W )
= (0.27∗2.2 + 0.15∗2.1 + 0.26*2.1) - (0.36∗1.8 + 0.40∗1.8)
= (1,48 - 1,66)

= -0,18

NB: Lakukan perhitungan untuk alternative selanjutnya

Berikut Hasil Optimasi MOORA (max-min)

0,79 0,80 0,94 0,47 0,72

0,79 0,80 0,57 0,63 0,54
0,59 0,80 0,75 0,78 0,72
0,59 0,32 0,57 0,78 0,90
0,79 0,80 0,57 0,63 0,90
Y=
0,40 0,32 0,57 0,78 0,72
0,59 0,80 0,75 0,78 0,54
0,99 0,80 0,57 0,63 0,54
0,79 0,80 0,94 0,63 0,54
0,40 0,32 0,57 0,78 0,72

5. Menentukan rangking dari hasil perhitungan MOORA

No. Alternative Nilai Rangking

1 Philips Curly HP 8605 1,35 1
Nova Curly Hair Profesional HC-
2 1,00 4
6808
3 Rui Zhi Tools Curling Iron 0,65 6
Bigbos Store Profesional Curly
4 -0,20 8
ZF-2002
5 Wand Interchangeable 3 Parts 0,64 7
6 Sayota Curly HC 80 -0,22 10
7 Wigo W-811 Curling Iron 0,83 5
8 Sonar Tourmalin SN-1071 1,19 3
Panasonic H-HW17K Hair
9 1,37 2
Straightener
10 Lucky Profesional Curly -0,22 9

Maka Hasil Sistem Pendukung Keputusan Pemilihan Product Curling Iron Terbaik adalah
“Philips Curly HP 8605”

NB: Khusus Produk No urut 6 dan 10 memiliki nilai yang sama (-0,22) maka teknik merengkingkannya dilihat kepentingan kriteria
masing-masing, dalam contoh kasus ini kriteria harga dijadikan sebagai acuan rangking (produk 10 lebih murah dari pada produk 6).

STMIK Budi Darma Page 14 of 15

E-Book Sistem Pendukung Keputusan
 Rivalri Kristianto Hondro, S.Kom, M.Kom SPK

Daftar Pustaka
[1] Brauers, W. K. dan Zavadskas, E. K. 2006.
[2] Brauers, W. K. 2008. Multi-objective decision making by reference point theory
for a wellbeing economy, Operations Research International Journal 8: 89–104.
[3] Brauers, W. K. 2007. What is meant by normalization in Decision Making?
International Journal of Management and Decision Making 8(5/6): 445–460.
[4] Brauers, W. K. 2004. Optimization methods for a stakehold-er society.Boston:
Kluwer Academic Publishers.
[5] R.K. Hondro; “SPK Perekrutan Dokter Spesialis Obsestri dan Ginekologi”, Link:
https://www.researchgate.net/publication/317674036_SISTEM_PENDUKUNG_
KEPUTUSAN_PEREKRUTAN_DOKTER_SPESIALIS_OBSESTRI_DAN_GINEKOLOGI
_MENGGUNAKAN_METODE_MULTI-
OBJECTIVE_OPTIMIZATION_ON_THE_BASIS_OF_RATIO_ANALYSIS_MOORA_ME
THOD
[6] Brauers, W. K. 2002. The multiplicative representation for multiple objective
optimization with an application for arms procurement, Naval Research Logistics
49: 327–340.
[7] Brauers, W. K. 1999. An optimal economic policy for Bel-gium and its regions (in
Dutch), Documentatieblad. Depart-ment of Finance of the Belgian Government,
Brussels.
[8] Brauers “Multi-Objective Optimization” pada tahun 2004.
[9] R.K. Hondro; “Multi-Objective Optimization on the basis of Ratio Analysis
(MOORA) Method” [Online]
Web: https://rivalryhondro.wordpress.com/2016/05/22/moora/
[10] Brauers, W. K.; Zavadskas, E. K.; Turskis, Z.; Vilutiene, T; 2008. Multi-objective
contractor's ranking by applying the Moora method, Journal of Business
Economics and Management 9: 245–255.
[11] Gadakh. V. S. 2011. Application of MOORA method for parametric optimization
of milling process. Vol 1, no 4, 2011. India
[12] Ozcelik, G., Aydogan, E.K., Gencer, c. 2014. A hybrid MOORA-Fuzzy algorithm for
special education and rehabilitation center selection, journal of military and
information science, 2(3), 53 – 63. German.

STMIK Budi Darma Page 15 of 15

E-Book Sistem Pendukung Keputusan

View publication stats