1

1. Define the concept of MCDM, MODM, MADM.

Mcdm : Suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari
sejumlah alternatif berdasarkan beberapa kriteria tertentu. Jadi MCDM digunakan sebagai
istilah selimut, yang mencakup pengambilan keputusan multiobjective dan multi-atribut

Perbedaan antara MADM dan MODM didasarkan pada klasifikasi kriteria evaluasi
menjadi atribut dan tujuan

2. Why must an evaluation criterion be comprehensive and measurable?

Kriteria evaluasi adalah istilah umum termasuk konsep dari tujuan dan atribut
Evaluasi bersifat komprehensif karena untuk menjelaskan sejauh mana atribut dan tujuan
tercapai. Evaluasi kriteria harus bisa dimengerti oleh mereka yang akan membuat keputusan.
Evaluasi bersifat measurable karena di dalam praktis digunakan untuk (1) untuk menetapkan
suatu nomor untuk atribut untuk setiap alternatif (lihat Bagian 1.1 tentang pengukuran data
geografis), dan (2) untuk menilai preferensi pembuat keputusan untuk berbagai tingkat
atribut.
Komprehensif tetapi ringkas, yang berarti bahwa mereka mencakup berbagai konsekuensi
yang relevan tetapi kerangka evaluasi tetap sistematis dan dapat dikelola dan tidak ada
redudansi

Terukur dan Diterapkan secara Konsisten untuk memungkinkan perbandingan yang

konsisten di seluruh alternatif. Ini berarti kriteria harus dapat membedakan tingkat relatif
dampak di seluruh alternatif. Itu tidak mengecualikan karakterisasi kualitatif dari dampak,
atau dampak yang tidak dapat diukur secara fisik di lapangan.

3. Why is the distinction between natural scale criterion maps and constructed scale criterion
maps important for special decision analysis?
Di PPT

4. What is the difference between the concept of decision alternative and decision variable?
Alternatif keputusan adalah kemungkinan-kemungkinan pilihan bagi pencapaian tujuan
dari pernyataan keputusan. Dari berbagai alternatif, akan dipilih yang terbaik berdasarkan
kriteria-kriteria yang ada. Pertimbangan pokoknya adalah mana yang paling memenuhi
kriteria dan paling kecil resikonya bila alternatif itu dijalankan. Setiap alternatif keputusan
spasial terdiri dari setidaknya dua elemen dasar: tindakan (apa yang harus dilakukan?)
Dan lokasi (di mana melakukannya?).

Variabel adalah kuantitas terukur yang memiliki nilai pasti setiap saat. Jika suatu variabel
dapat dikendalikan oleh pembuat keputusan, itu disebut variabel keputusan.
Variabel keputusan adalah variabel yang menguraikan secara lengkap keputusan-
keputusan yang aka dibuat. Variabel keputusan adalah variabel persoalan yang akan
mempengaruhi nilai tujuan yang hendak dicapai. Variabel keputusan bervariasi sesuai dengan
alternatif yang dipertimbangkan. Jadi alternatif ditentukan sepenuhnya dengan
mendefinisikan nilai-nilai variabel keputusan. ditetapkan untuk mengukur kinerjanya
Variabel keputusan dapat diklasifikasikan menjadi tiga kategori: variabel keputusan biner,
diskrit, dan berkelanjutan.
1

Variabel keputusan dapat diklasifikasikan menjadi tiga kategori: variabel keputusan biner,
diskrit, dan berkelanjutan. Keputusan spasial yang paling sederhana melibatkan mengambil
tindakan atau tidak melakukan apa-apa — keputusan ya / tidak. Jenis keputusan ini ditentukan
oleh nol-satu (0-1) atau variabel biner. Variabel biner adalah kasus khusus dari variabel diskrit.
Variabel diskrit dapat mengambil sejumlah nilai yang terbatas. Ketika ada kesenjangan antara
dua nilai variabel yang ditentukan, itu disebut diskrit. Sebagai contoh, jika variabel merujuk
kepada orang, satu-satunya nilai yang bermakna dari variabel adalah bilangan bulat: 1, 2, 3, 4,
dan seterusnya, dan akibatnya, kesenjangan ada antara 1 dan 2, 2 dan 3, 3 dan 4, dan
seterusnya. Jika jumlah siswa yang ditugaskan ke sekolah adalah variabel keputusan, itu akan
menjadi variabel integer.

5. Define the modifiable area unit problem. What are the implications of this problem for
spatial multiciteria decision analysis?
Data dasar yang sama menghasilkan hasil yang berbeda. Data dasar yang sama
menghasilkan hasil yang berbeda ketika dikumpulkan dengan cara yang berbeda.
Berbagai jenis dan tingkat skala dapat menghasilkan hasil kriteria yang sama sekali berbeda
dan akibatnya dapat menyebabkan keputusan yang berbeda. Masalah unit area dapat
dimodifikasi dengan mengubah bentuk atau ukuran..
efek skala efek skala, menunjukkan besar, menunjukkan perbedaan analitis utama
tergantung pada ukuran unit perbedaan analitis tergantung pada ukuran unit yang
digunakan (umumnya korelasi lebih jelas untuk digunakan lebih besar (umumnya korelasi
lebih jelas untuk unit yang lebih besar).
efek zonasi efek zonasi (Openshaw menyebutnya (Openshaw menyebutnya efek agregasi),
menunjukkan perbedaan utama efek agregasi), menunjukkan perbedaan utama tergantung
pada bagaimana wilayah studi dibagi, bahkan tergantung pada bagaimana wilayah studi
dibagi , bahkan pada skala yang sama dengan skala yang sama
Contoh sederhana menunjukkan bagaimana sistem zonal yang berbeda memberikan hasil
yang sangat berbeda dari sistem memberikan hasil yang sangat berbeda
data yang sama data yang sama tanpa variasi utama dalam variasi utama
ukuran zona atau bentuk memanjang

Mengingat bahwa pemodelan keputusan spasial melibatkan penetapan variabel keputusan

untuk entitas spasial (misalnya, unit areal), berbagai jenis dan tingkat agregasi dapat
menghasilkan hasil kriteria yang sama sekali berbeda dan akibatnya dapat menyebabkan
keputusan yang berbeda. Masalah unit area yang dapat dimodifikasi menyatakan bahwa
mengubah bentuk (masalah agregasi) atau ukuran (masalah skala) dari unit di mana data
dipetakan dapat mengubah model yang dihasilkan dari data.
Dengan demikian dapat dikatakan bahwa hasil dari banyak analisis keputusan untuk wilayah
geografis sensitif terhadap bidang-bidang tertentu yang digunakan dalam analisis, terutama
jumlah dan batas-batasnya. Efek skala terkait dengan pertanyaan tentang berapa banyak zona
yang harus digunakan. Efek agregasi berfokus pada pertanyaan skema zonasi mana yang harus
digunakan pada tingkat agregasi tertentu. Secara umum, menggunakan data yang
dikumpulkan dan dilaporkan pada resolusi atau tingkat agregasi yang berbeda untuk analisis
dapat menurunkan hasil analisis yang sangat berbeda. Biasanya, data dengan resolusi lebih
tinggi atau data terpilah kurang bias. Sebagai contoh, semakin besar unit agregasi, semakin
besar, rata-rata, adalah korelasi antara dua variabel. Juga, dengan menggabungkan data ke
dalam blok yang berbeda, seseorang dapat memperoleh korelasi yang berbeda. Efek-efek ini
dapat mempertanyakan hasil analisis multikriteria.
1

Sebagai contoh, data sensus dapat diagregasikan ke kabupaten kabupaten, saluran sensus,
area kode pos, wilayah polisi, atau partisi spasial lainnya yang sewenang-wenang. Dengan
demikian hasil agregasi data tergantung pada pilihan pembuat peta yang "unit areal yang
dapat dimodifikasi" untuk digunakan dalam analisis mereka. Peta sensus choropleth yang
menghitung kepadatan penduduk menggunakan batas negara akan menghasilkan hasil yang
sangat berbeda dari peta yang menghitung kepadatan berdasarkan batas-batas county.
Selanjutnya, batas kabupaten sensus juga dapat berubah seiring waktu, [2] yang berarti
MAUP harus dipertimbangkan ketika membandingkan data masa lalu dengan data saat ini.

6. Why it is important to know the scale of measurement used to the process of deriving the
criterion weight?
Nilai berat tergantung pada rentang nilai kriteria, yaitu, perbedaan antara nilai minimum dan
maksimum untuk kriteria tertentu. Normalisasi (menyamakan Skala) digunakan agar dapat
menyatukan/menggabungkan lapisan objek yang akan dilakukan pembobotan. Agar seluruh
objek memiliki acuan dalam pembobotan dapat memiliki nilai yang konsisten baik penentuan
kriteria yang lebih penting dalam pembobotan. (menjamin konsistensi dalam penilaian).
Perbandingan yang konsisten.
perlu ditekankan bahwa spesifikasi bobot yang salah adalah kesalahan yang sangat umum
dalam penerapan metodologi MCDM untuk masalah keputusan spasial. Satu kesalahan umum
adalah mempertimbangkan kriteria tanpa mengetahui kisaran nilai atribut yang sedang
dipertimbangkan. Rentang diwakili oleh nilai minimum dan maksimum dari suatu atribut.
Secara khusus, bobot besar yang sewenang-wenang dapat ditetapkan ke kriteria dengan
meningkatkan selisih antara nilai minimum dan maksimum, dan itu dapat dibuat lebih kecil
dengan membatasi rentang tersebut. Akibatnya, akan menyesatkan untuk menafsirkan berat
sebagai ukuran umum dari pentingnya kriteria evaluasi. Ini harus ditafsirkan sebagai ukuran
kepentingan relatif. Nilai berat harus mencerminkan keuntungan yang dirasakan dari
perubahan dari tingkat terburuk ke tingkat terbaik dari setiap kriteria relatif terhadap
keuntungan dari perubahan dari tingkat terburuk ke tingkat terbaik untuk kriteria lain.
Kesalahan umum lainnya adalah ketidaktahuan unit pengukuran untuk atribut. Untuk
memiliki makna yang konsisten, bobot harus bergantung pada unit yang digunakan untuk
setiap atribut

Misal......
Bobot kriteria dapat dibuat secara arbitrer besar atau kecil dengan meningkatkan atau
menurunkan kisaran. Sebagai contoh, jika semua alternatif yang akan dievaluasi dicirikan oleh
atribut SO2 emisi antara, katakanlah, 1 0 1 0 dan 1 0 1 1 unit, atribut akan kurang penting dari
pada dalam kasus di mana nilai-nilai atribut berkisar dari 1 hingga 1000 unit. Aturan umumnya
adalah bahwa kita prihatin dengan keuntungan yang dirasakan dari perubahan dari tingkat
maksimum ke tingkat minimum dari setiap hasil kriteria, relatif terhadap keuntungan dari
perubahan dari yang terburuk ke tingkat terbaik untuk kriteria lain yang dipertimbangkan.

7. Why are criterion weighting methods subject to uncertainty? What methods for dealing with
uncertainty are involved in the process of deriving criterion weights?
1

mengekspresikan preferensinya “tepat” sehubungan dengan kriteria evaluasi. Harus diakui,

bagaimanapun, bahwa dalam beberapa situasi pembuat keputusan mungkin tidak dapat
atau mungkin tidak mau memberikan penilaian yang tepat berkenaan dengan kepentingan
relatif kriteria evaluasi, karena informasi dan pengetahuan yang terbatas atau tidak tepat
(lihat Bagian 3.2. 3).
Ada beberapa cara untuk mengatasi ketidakpastian tentang pentingnya bobot relatif. Salah
satu pendekatan adalah dengan menggunakan analisis sensitivitas sehubungan dengan
bobot yang ditugaskan untuk kriteria evaluasi (Massam 1988). Analisis ini melibatkan
penyelidikan sensitivitas hasil kriteria untuk perubahan kecil dalam nilai bobot kriteria.
Dengan kata lain, ini berkaitan dengan ketidakpastian cara (perubahan) dalam satu set
bobot mempengaruhi output akhir (kriteria hasil). Untuk tujuan ini, orang harus mengakui
fakta bahwa kriteria mencerminkan sudut pandang yang berbeda, persepsi, dan kepentingan
yang sering bertentangan dalam proses pengambilan keputusan. Akibatnya, peran analis
adalah untuk menetapkan konsensus mengenai kepentingan relatif dari berbagai kriteria
evaluasi (bobot yang terkait dengan kriteria). Analisis sensitivitas harus menyediakan untuk
mengidentifikasi berbagai kecenderungan atau kebijakan yang melekat dalam kriteria
evaluasi. Hal ini dapat dioperasionalkan dengan berbagai cara: misalnya, dengan
menentukan interval kemungkinan variasi bobot yang terkait dengan satu atau lebih kriteria,
atau dengan menyelesaikan masalah yang diberikan dengan pembobotan rata-rata (lihat
Bab 8 untuk pembahasan rinci tentang analisis sensitivitas, termasuk sensitivitas berat)

Ketidakpastian juga dapat dikaitkan dengan ketidakjelasan (ketidaktepatan) mengenai

penilaian bobot kriteria (lihat Bagian 3.2.3). Sederhananya, pembuat keputusan dapat
menentukan preferensinya sehubungan dengan kriteria evaluasi dalam hal seperangkat
istilah linguistik seperti "agak tidak penting," "penting," "sangat penting," "sangat penting,"
dan seterusnya. Salah satu cara untuk menangani pernyataan verbal adalah dengan
menggunakan teori himpunan fuzzy. Contoh 6.6 mengilustrasikan situasi ini.