Sistem Pendukung Keputusan

Diajukan sebagai
Tugas Mata Kuliah Sistem Pendukung Keputusan

TUGAS

M Taufiqul Ahli Arrisyi

11551102693

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU

PEKANBARU
2019
1. Cari sebuah kasus dan selesaikan dengan metode pohon keputusan, ahp,wp, topsis
ataupun saw.

Jawab :

Seorang perusahaan akan melakukan rekrutmen kerja terhadap 5 calon pekerja untuk
posisi operator mesin. Posisi yang saat ini luang hanya ada 2 posisi. Nah dengan
metode SAW kita diharuskan menentukan calon pekerja tersebut.

Sebelum kita dibingungkan oleh itungan matematika kita tentukan dulu mana yang
menjadi kriteria benefit dan kriteria cost

Kriteria benefit-nya adalah

- Pengalaman kerja (saya simbolkan C1)

- Pendidikan (C2)
- Usia (C3)

Sedangkan kriteria cost-nya adalah

- Status perkawinan (C4)

- Alamat (C5)

Kriteria dan Pembobotan

Teknik pembobotan pada criteria dapat dilakukan dengan beragai macam cara dan
metode yang abash. Pase ini dikenal dengan istilah pra-proses. Namun bisa juga
dengan cara secara sederhana dengan memberikan nilai pada masing-masing secara
langsung berdasarkan persentasi nilai bobotnya. Se dangkan untuk yang lebih lebih
baik bisa digunakan fuzzy logic. Penggunaan Fuzzy logic, sangat dianjurkan bila
kritieria yang dipilih mempunyai sifat yang relative, misal Umur, Panas, Tinggi, Baik
atau sifat lainnya.

Di tahap ini kita mengisi bobot nilai dari suatu alternatif dengan kriteria yang telah
dijabarkan tadi. Perlu diketahui nilai maksimal dari pembobotan ini adalah ‘1’
 Pembobotan

Tabel pembobotan diubah kedalam bentuk matrik

Pertama kita ingat-ingat kembali kriteria benefitnya yaitu (C1, C2 dan C3). Untuk
normalisai nilai, jika faktor kriteria benefit digunakanan rumusan

Rii = ( Xij / max{Xij})

Dari kolom C1 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C1 dibagi
oleh nilai maksimal kolom C1

R11 = 0,5 / 1 = 0,5

 R21 = 0,8 / 1 = 0,8

R31 = 1 / 1 = 1

R41 = 0,2 / 1 = 0,2

R51 = 1 / 1 = 1

Dari kolom C2 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C2 dibagi
oleh nilai maksimal kolom C2

R12 = 1 / 1 = 1

R22 = 0,7/ 1 = 0,7

R32 = 0,3 / 1 = 0,3

R42 = 1 / 1 = 1

R52 = 0,7 / 1 = 0,7

Dari kolom C3 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C3 dibagi
oleh nilai maksimal kolom C3

R13 = 0,7 / 1 = 0,7

R23 = 1/ 1 = 1

R33 = 0,4 / 1 = 0,4

R43 = 0,5 / 1 = 0,5

R53 = 0,4 / 1 = 0,4

Nah sekarang ingat-ingat kembali kriteria costnya yaitu (C4 dan C5). Untuk
normalisai nilai, jika faktor kriteria cost digunakanan rumusan

Rii = (min{Xij} /Xij)

Dari kolom C4 nilai minimalnya adalah ‘0,5’ , maka tiap baris dari kolom C5 menjadi
penyebut dari nilai maksimal kolom C5

R14 = 0,5/ 0,7 = 0,714

R24 = 0,5 / 0,5 = 1

R34 = 0,5 / 0,7 = 0,714

R44 = 0,5 / 0,9 = 0,556

R54 = 0,5 / 0,7 = 0,714

 Dari kolom C5 nilai minimalnya adalah ‘0,7’ , maka tiap baris dari kolom C5
menyadi penyebut dari nilai maksimal kolom C5

R15= 0,7/ 0,8 = 0,875

R25 = 0,7 / 1= 0,7

R35 = 0,7 / 1= 0,7

R45 = 0,7 / 0,7 = 1

R55= 0,7/ 1= 0,7

Masukan semua hasil penghitungan tersebut kedalam tabel yang kali ini disebut tabel
faktor ternormalisasi

Setelah mendapat tabel seperti itu barulah kita mengalikan setiap kolom di tabel
tersebut dengan bbot kriteria yang telah kita deklarasikan sebelumnya. Dengan rumus :

A1 = (0,5 * 0,3) + (1 * 0,2) + (0,7 * 0,2 ) + (0, 714 * 0,15) + (0, 875 * 0,15)

A1 = 0,72835

A2 = (0,8 * 0,3) + (0,7 * 0,2) + ( 1* 0,2 ) + ( 1 * 0,15) + (0,7 * 0,15)

A2 = 0,835

A3 = (1 * 0,3) + ( 0,3* 0,2) + ( 0,4 * 0,2 ) + (0,714 * 0,15) + (0,7 * 0,15)

A3 = 0,6521

A4 = (0,2 * 0,3) + ( 1 * 0,2) + ( 0,5* 0,2 ) + (0,556 * 0,15) + ( 1* 0,15)

A4 = 0,5934
 A5 = ( 1 * 0,3) + ( 0,7 * 0,2) + (0,4 * 0,2 ) + (0,714 * 0,15) + ( 0,7 * 0,15)

A5 = 0,7321

Dari perbandingan nilai akhir maka didapatkan nilai sebagai berikut.

A1 = 0,72835

A2 = 0,835

A3 = 0,6521

A4 = 0,5934

A5 = 0,7321

Maka alternatif yang memiliki nilai tertinggi dan bisa dipilih adalah alternatif A2
dengan nilai 0,835 dan alternatif A5 dengan nilai 0,7321.

2. Materi 4 slide 48-50

Jawab :

Contoh permasalahan:

Bagian terpenting dari proses analisis adalah 3 (tiga) tahapan berikut:

- Nyatakan tujuan analisis: Memilih mobil baru.
- Tentukan kriteria: style, kehandalan, dan konsumi bahan bakar
- Tentukan alternative pilihan: Avansa, Xenia, Ertiga, Grand Livina
Informasi ini kemudian disusun membentuk pohon bertingkat.
Informasi yang ada kemudian di-sintesis untuk menentukan peringkat relative dari alternative
pilihan yang ada. Kriteria dari jenis qualitative dan quantitative dapat diperbandingkan
menggunakan informed judgement untuk menghitung bobot dan prioritas.

Bagaimana menentukan tingkat kepentingan relative dari kriteria yang ada?

Hal ini dapat dilakukan dengan judgement untuk menentukan peringkat dari kriteria. Dalam
sebuah sistem berbasis AHP, judgement ini diberikan oleh user pengguna sistem dan
dilakukan pada saat user bermaksud melakukan proses AHP dan melihat rekomendasi.

Misalnya:
1. Kehandalan 2 kali lebih penting dari style
2. Style 3 kali lebih penting dari konsumsi bahan bakar
3. Kehandalan 4 kali lebih penting dari konsumsi bahan bakar

Selanjutnya dengan pairwise comparison (perbandingan berpasangan), tingkat kepentingan

satu kriteria dibandingkan dengan yang lain dapat diekspresikan.

Nilai yang digunakan:

- Equal
- Moderate
- Strong
- very strong
- extreme

Dari judgement di atas bisa dibuatkan tabel perbandingan berpasangan sebagai berikut:
Bagaimana mengubah matrik berpasangan ini menjadi peringkat dari kriteria?
Jawabannya: Eigenvector

Berikut cara untuk mencari solusi eigenvector:

1. Cara komputasi yang singkat yang bisa digunakan untuk mendapatkan peringkat
adalah dengan menggunakan matrik berpasangan ini sebagai sebagai dasar
penghitungan kuadrat matrik berpasangan setiap saat.
2. Jumlah setiap baris dihitung dan dinormalisasi
3. Perhitungan dihentikan apabila perbedaan dari jumlah-jumlah ini dalam dua
penghitungan yang berturutan lebih kecil dari suatu angka.

Tahap 1: Kuadratkan Matrik Berbasangan

Tahap 2: Hitung Eigenvector pertama

1. Jumlahkan baris
2. Jumlahkan jumlah dari baris-baris yang ada
3. Normalisasi nilai jumlah dari masing-masing baris.
Angka normalisasi pertama yang sebesar 0.3194 didapatkan dengan membagi angka
12.75/39.9165
Jadi eigenvector yang pertama adalah:

Proses ini terus diulang: kuadrat, jumlahkan, dan normalisasikan

Dikuadratkan, dijumlah, dan dinormalisasi menjadi :

Jadi eigenvector yang kedua adalah:

Perbedaannya memang sudah kecil, apalagi kalau dihitung satu putaran lagi:

Berikut adalah pohon dengan bobot pada kriterianya:

Selanjutnya, bagaimana menentukan peringkat alternative pilihan?

Untuk alternative pilihan, juga dilakukan perbandingan berpasangan terhadap kriteria

masing-masing. Judgement dalam proses ini umumnya dilakukan berbasis pada
data/informasi tentang alternative pilihan (quantitative approach) atau kalau tidak
tersedia data/informasi tersebut, dapat dilakukan dengan judgement dari pakar terkait
pemilihan alternative tersebut (qualitative approach).

Dalam kasus ini, yang memberikan judgement untuk kriteria style dan kehandalan
adalah pakar tentang mobil dengan informasi bersifat qualitative.

Stryle
Kehandalan

Peringkat Style

Peringkat kehandalan

konsumsi bahan bakar

Dengan demikian bobot kriteria dan alternative pilihan sudah terlengkapi, sehingga
pohon keputusan tergambar menjadi:

Untuk mendapatkan hasil keputusan, masing-masing bobot untuk alternative pilihan

dikalikan dengan bobot dari kriteria dalam bentuk perkalian matrik sebagai berikut:

Sehingga pilihan yang paling bagus untuk kasus pengambilan keputusan ini adalah
mobil dengan tipe Grand Livina.