net/publication/318795493
CITATIONS READS
0 1,873
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rivalri Kristianto Hondro on 31 July 2017.
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”
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)
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
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
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 .
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:
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
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
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
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
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
40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
40 40
, = =
√12400 111,36
, = 0.36
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
40 40
, = =
√12400 111,36
, = 0.36
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
30 30
, = =
√12400 111,36
, = 0.27
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
30 30
, = =
√12400 111,36
, = 0.27
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
40 40
, = =
√12400 111,36
, = 0.36
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
20
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
20 20
, = =
√12400 111,36
, = 0.18
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
30
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
30 30
, = =
√12400 111,36
, = 0.27
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
50
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
50 50
, = =
√12400 111,36
, = 0.45
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
40
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
40 40
, = =
√12400 111,36
, = 0.36
,
, =
,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
+ ,
20
, =
√40 + 40 + 30 + 30 + 40 + 20 + 30 + 50 + 40 + 20
20 20
, = =
√12400 111,36
, = 0.18
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))
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
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
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).
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.