PENERAPAN METODE MPE DAN BAYES SERTA CONTOH STUDI

KASUS

1. Pengertian MPE

Metode Perbandingan Eksponensial (MPE) merupakan salah satu metode

untuk menentukan urutan prioritas alternatif keputusan dengan kriteria jamak.
Pada prinsipnya yaitu merupakan metode skoring terhadap pilihan yang ada.
Teknik ini digunakan sebagai pembantu bagi individu pengambilan keputusan
untuk menggunakan rancang bangun model yang telah terdefinisi dengan baik
pada tahapan proses.

Metode MPE ini mampu untuk menentukan urutan prioritas alternatif

keputusan dengan menggunakan beberapa kriteria. Metode ini mampu
mengurangi bias yang mungkin terjadi dalam analisis. Untuk nilai skor yang
dihasilkan, akan mengambarkan urutan prioritas yang menjadi besar, ini
mengakibatkan urutan prioritas alternatif keputusan menjadi lebih nyata. Selain
itu metode ini merupakan salah satu metode pengambilan keputusan yang
mengkuantifikasikan pendapat seseorang atau lebih dalam skala tertentu. Pada
prinsipnya ia merupakan metode skoring terhadap pilihan yang ada. Dengan
perhitungan secara eksponensial, perbedaan nilai antar kriteria dapat dibedakan
tergantung kepada kemampuan orang yang menilai. Langkah-langkah yang perlu
dilakukan dalam pemilihan keputusan dengan MPE adalah: (1) penentuan
alternatif keputusan; (2) penyusunan kriteria keputusan yang akan dikaji, (3)
penentuan derajat kepentingan relatif setiap kriteria keputusan dengan
menggunakan skala konversi tertentu sesuai keinginan pengambil keputusan, (4)
penentuan derajat kepentingan relatif dari setiap alternatif keputusan dan (5)
pemeringkatan nilai yang diperoleh dari setiap alternatif keputusan. Dalam
perhitungan skor, formulasi

untuk setiap alternatif pada metode MPE adalah:

 Total nilai I = total nilai akhir dari alternatif ke –i RKij = derajat kepentingan
kriteria relatif ke-j pada

pilihan keputusan i TKKj = derajat kepentingan kriteria relatif ke-j TKK j > 0
N= jumlah pilihan keputusan

M= jumlah kriteria Keputusan

2. Pengertian metode bayes

Salah satu tugas Data Mining adalah klasifikasi data, yaitu memetakan
(mengklasifikasikan) data ke dalam satu atau beberapa kelas yaang sudah
didefinisikan sebelumnya. Salah satu metoda dalam klasifikasi data adalah Naïve
Bayes Classifier (NBC). Naïve Bayes Classifier merupakan salah satu metoda
machine learning yang memanfaatkan perhitungan probabilitas dan statistik yang
dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi
probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya.
Persamaan Bayes yang digunakan untuk menghitung nilai setiap alternatif
disederhanakan menjadi :

m
Total Nilai i = å Nilai ij (Kritj)
j=1
Keterangan :
Total Nilai i = total nilai akhir dari alternatif ke-i
Nilai ij = nilai dari alternatif ke-i pada kriteria ke-j
Krit j = tingkat kepentingan (bobot) kriteria ke-j
i = 1,2,3,…n; n = jumlah alternatif
j = 1,2,3,…m; m = jumlah kriteria
 STUDI KASUS

1. Mie ayam

Kriteria
Nilai
Alternatif Rasa Kenyaman Peringkat
Harga Tekstur Alternatif
pedes an tempat
Mie kober 4
Mie sakera 2
Mie gacoan 3
Bobot kriteria

Pemilihan keripik singkong yang disukai

Alternatif : 1. Mie kober

2. Mie sakera

3. Mie gacoan

Kriteria : 1. Rasa

2. Harga

3. Tekstur / Kekenyalan dan kematangan

4. Kenyamanan tempat

Metode Penilaian : Ordinal

 Rasa pedes :
1 = Sangat tidak terasa (Rasa balado dan bumbu tidak terasa dan
cenderung hambar)
2 = Tidak terasa (Rasa balado dan bumbu tidak terasa hanya sedikit
sekali)
 3 = Cukup terasa (Rasa balado dan bumbu cukup terasa dan dapat
dinikmati)
4 = Terasa (Rasa balado dan bumbu terasa sehingga enak untuk
dikonsumsi)
5 = Sangat terasa (Rasa balado dan bumbu sangat terasa serta sangat enak
dikonsumsi)
 Harga mie :
1 = Sangat mahal (Harga lebih dari Rp 20.000)
2 = Mahal (Harga Rp 20.000)
3 = Cukup mahal (Harga Rp 11.000 – Rp 15.000)
4 = Terjangkau (Harga Rp 9.000-Rp 10.00)
5 = Murah (Harga kurang dari Rp 9.000)
 Tekstur / kematangan dan kekenyalan mie :
1 = Sangat tidak kenyal ( Sangat tidak kenyal sehingga konsumen kurang
menyukai)
2 =Tidak kenyal (Tidak kenyal atau sedikit sekali kenyalnya)
3 = Cukup kenyal (cukup renyah namun kurang renyah)
4 = kenyal (Terasa kenyal sehingga enak dikonsumsi)

5 = Sangat kenyal (Sangat kenyal da tingkat kemantangan mie sesuai

sekali dan sangat enak dikonsumsi)
2. Nugget ayam

Kriteria
Nilai
Alternatif Rasa Peringkat
Harga Tekstur Alternatif
ayam
Fiesta 5 3
Champ 4 4
Sedap 3 5
Bobot criteria
 Pemilihan keripik singkong yang disukai
Alternatif : 1. fiesta

2. Champ

3. Sedaap

Kriteria : 1. Rasa

2. Harga

3. Tekstur / Kerenyahan

Metode Penilaian : Ordinal

 Rasa ayam :
1 = Sangat tidak terasa (Rasa balado dan bumbu tidak terasa dan
cenderung hambar)
2 = Tidak terasa (Rasa balado dan bumbu tidak terasa hanya sedikit
sekali)
3 = Cukup terasa (Rasa balado dan bumbu cukup terasa dan dapat
dinikmati)
4 = Terasa (Rasa balado dan bumbu terasa sehingga enak untuk
dikonsumsi)
5 = Sangat terasa (Rasa balado dan bumbu sangat terasa serta sangat enak
dikonsumsi)
 Harga keripik :
1 = Sangat mahal (Harga lebih dari Rp 22.000)
2 = Mahal (Harga Rp 22.000)
3 = Cukup mahal (Harga Rp 16.000 – Rp. 20.000)
4 = Terjangkau (Harga Rp 12.000-Rp 16.000)
5 = Murah (Harga kurang dari Rp 12.000)
 Tekstur / kerenyahan :
1 = Sangat tidak renyah ( Sangat tidak renyah sehingga konsumen kurang
menyukai)
2 =Tidak renyah (Tidak renyah atau sedikit sekali renyahnya)
3 = Cukup renyah (cukup renyah namun kurang renyah)
4 = Renyah (Terasa renyah sehingga enak dikonsumsi)

5 = Sangat renyah (Sangat renyah sekali dan sangat enak dikonsumsi)