Sistem Penunjang Keputusan (SPK)

Decision Support System (DSS)

Oleh;
HALIFIA HENDRI, S.Pd., M.Kom.
NIDN: 1010058703
2
3
 The Syllabus:
• 1 st : Introducing, What is Decision Support System (DSS)?
• 2 nd : Simple Additive Weighting (SAW) Method
• 3 rd : Weighted Sum Model (WSM) Method
• 4 th : Weighted Product (WP) Method
• 5 th : Analytical Hierarchy Process (AHP) Method
• 6 th : Analytical Hierarchy Process (AHP) Method with Sub
Criteria
• 7 th : Profile Matching Method
• 8 th : Quiz 1
• 9 th : Mid Semester Test (UTS)

4
Halifia Hendri, S.Pd., M.Kom. / Sistem Penunjang Keputusan (SPK)
 The Syllabus:
• 10 st : Remedial UTS
• 11 nd : Elimination et Choix Traduisant la Realite (ELECTRE)
Method
• 12 rd : Preference Ranking Organization Method for Enrich
Evaluation (PROMETHEE) Method
• 13 th : Group Presentation 1-4
• 14 th : Group Presentation 5-8
• 15 th : Review 2
• 16 th : Quiz 2
• 17 th : Final Semester Test (UAS)

5
Halifia Hendri, S.Pd., M.Kom. / Sistem Penunjang Keputusan (SPK)
 SISTEM INFORMASI (SI)
FAKULTAS ILMU KOMPUTER (FILKOM)

Pertemuan 4:
Weighted Product (WP) Method

UNIVERSITAS PUTRA INDONESIA “YPTK”

PADANG
2021
 Weighted Product (WP)
• Metoda Weighted Product (WP) adalah salah satu analisis
keputusan Multi Kriteria (Multy Criteria Decision Analysis/MCDA)
yang sangat terkenal atau metode pengambilan keputusan multi-
kriteria (Multy Criteria Decision Method/MCDM).
• Metoda Weighted Product (WP) (Basyaib, 2006, 139) merupakan
metode pengambilan keputusan dengan cara perkalian untuk
menghubungkan rating atribut, dimana rating setiap atribut harus
dipangkatkan dulu dengan bobot atribut yang bersangkutan.
• Pemilihan metode Weighted Product (WP) didasarkan juga atas
kemampuannya dalam memberikan solusi optimal dalam sistem
pemeringkatan. Pemilihan metode ini juga didasarkan atas
kompleksitas komputasi yang tidak terlalu sulit sehingga waktu yang
dibutuhkan dalam menghasilkan perhitungan relatif singkat Metode
WP juga telah banyak digunakan sebagai referensi dalam sistem
pemeringkatan dan Sistem Penunjang Keputusan (SPK), 7
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Langkah-langkah Metoda Weighted Product (WP):
1. Menentukan Kriteria 𝐶𝑗 dan jenis Kriteria (Benefit / Cost)
2. Menentukan Rating Kecocokan
3. Melakukan Normalisasi Bobot
Rumus: σ𝑛𝑗=1 𝑊𝑗 = 1
4. Menentukan Nilai Vektor 𝑆
Rumus: 𝑆𝑖 = ς𝑛𝑗=1 𝑥𝑖𝑗 𝑤𝑗 𝑖 = 1,2, . . . . . 𝑚
𝑊𝑗 = + Jika kriteria Benefit , 𝑊𝑗 = − Jika kriteria Cost
5. Menentukan Nilai Vektor 𝑉
ς𝑛
𝑗=1 𝑥𝑖𝑗
𝑤𝑗
Rumus: 𝑉𝑖 = ς𝑛 𝑤𝑗 𝑖 = 1,2, . . . . . 𝑚
𝑗=1(𝑥𝐽 )

6. Merangking Nilai Vektor 𝑉

8
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Contoh Kasus:
• Suatu perusahaan yang berkantor pusat di Pekanbaru ingin
membangun sebuah Gudang Baru di Kota Padang yang akan
digunakan sebagai tempat untuk menyimpan sementara hasil
produksinya. Terdapat 8 lokasi yang akan menjadi alternatif
solusinya yaitu
No Nama Lokasi Alternatif (𝑨𝒊 )
1 Jl. Raya By Pass Pisang 𝑨𝟏
2 Teluk Bayur 𝑨𝟐
3 Pasar Mudik 𝑨𝟑
4 Pasar Raya Padang 𝑨𝟒
5 Bungus Teluk Kabung 𝑨𝟓
6 Lubuk Buaya 𝑨𝟔
7 Indarung 𝑨𝟕
8 Jl. Raya By Pass Air Pacah 𝑨𝟖
9
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Terdapat 6 kriteria dalam pemilihan lokasi Gudang tersebut yaitu:
No Jenis Kriteria Kriteria (𝑪𝒋 ) Bobot (𝑾𝒋 ) Jenis Kriteria
1 Jarak dengan pasar utama (raya) (km) 𝑪𝟏 𝑾𝟏 : 5 Cost
2 Kepadatan penduduk di sekitar lokasi (orang/km2) 𝑪𝟐 𝑾𝟐 : 3 Cost
3 Jarak dari pabrik (km) 𝑪𝟑 𝑾𝟑 : 4 Cost
4 Jarak dengan gudang yang sudah ada (km) 𝑪𝟒 𝑾𝟒 : 4 Benefit
5 Luas Gudang (𝑚2 ) 𝑪𝟓 𝑾𝟓 : 3 Benefit
6 harga tanah untuk lokasi (Rp/m2) 𝑪𝟔 𝑾𝟔 : 2 Cost

• Tingkat kepentingan (bobot) setiap kriteria, juga dinilai dengan 1

sampai 5, yaitu:
No Tingkat Kepentingan (Bobot) Bobot
1 Sangat Tinggi 5
2 Tinggi 4
3 Cukup 3
4 Rendah 2
10
Halifia Hendri, S.Pd., M.Kom. 5/ Sistem Pendukung
Sangat Rendah Keputusan 1
 Weighted Product (WP)
• Berikut data yang terkumpul dari 8 lokasi alternatif yaitu:
Kriteria
No Alternatif (𝑨𝒊 )
𝑪𝟏 𝑪𝟐 𝑪𝟑 𝑪𝟒 𝑪𝟓 𝑪𝟔
1 𝑨𝟏 0,75 2000 18 50 500 1.000.000
2 𝑨𝟐 0,50 1500 20 40 450 800.000
3 𝑨𝟑 0,90 2050 35 35 800 1.100.000
4 𝑨𝟒 0,65 2700 17 45 460 1.050.000
5 𝑨𝟓 0,85 1800 30 45 700 900.000
6 𝑨𝟔 0,70 2500 35 40 750 950.000
7 𝑨𝟕 0,90 1500 17 50 750 850.000
8 𝑨𝟖 0,75 2700 20 45 700 1.000.000

• Tentunkanlah diantara 8 alternatif tersebut yang akan terpilih

menjadi lokasi terbaik dengan menggunakan metoda Weighted
Product (WP)
11
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Langkah 3: Melakukan Normalisasi Bobot, Rumus: σ𝑛𝑗=1 𝑊𝑗 = 1
𝑊1 5 5
• 𝑊1 = = = = 0,238
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
𝑊2 3 3
• 𝑊2 = = = = 0,143
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
𝑊3 4 4
• 𝑊3 = = = = 0,190
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
𝑊4 4 4
• 𝑊4 = = = = 0,190
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
𝑊5 3 3
• 𝑊5 = = = = 0,143
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
𝑊6 2 2
• 𝑊6 = = = = 0,095
𝑊1 +𝑊2 +𝑊3 +𝑊4 +𝑊5 +𝑊6 (5+3+4+4+3+2) 21
• Apabila 𝑊1 + 𝑊2 + 𝑊3 + 𝑊4 + 𝑊5 + 𝑊6 =
• = 0,238 + 0,143 + 0,190 + 0,190 + 0,143 + 0,095 = 1,000
12
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Langkah 4: Menentukan Nilai Vektor 𝑆, Rumus: 𝑆𝑖 = ς𝑛𝑗=1 𝑥𝑖𝑗 𝑤𝑗
• 𝑊𝑗 = + Jika kriteria Benefit , 𝑊𝑗 = − Jika kriteria Cost
• 𝑆1 = 0,75−0,238 ∗ 2000−0,143 ∗ 18−0,190 ∗ 500,190 ∗ 5000,143 ∗
(1000000−0,095 )
• 𝑆1 = 1,071 ∗ 0,337 ∗ 0,577 ∗ 2,103 ∗ 2,432 ∗ 0,269 = 0,286
• 𝑆2 = 0,50−0,238 ∗ 1500−0,143 ∗ 20−0,190 ∗ 400,190 ∗ 4500,143 ∗
(800000−0,095 )
• 𝑆2 = 1,179 ∗ 0,351 ∗ 0,566 ∗ 2,016 ∗ 2,396 ∗ 0,275 = 0,3111
• 𝑆3 = 0,90−0,238 ∗ 2050−0,143 ∗ 35−0,190 ∗ 350,190 ∗ 8000,143 ∗
(1100000−0,095 )
• 𝑆3 = 1,025 ∗ 0,336 ∗ 0,509 ∗ 1,965 ∗ 2,601 ∗ 0,267 = 0,239
• 𝑆4 = 0,65−0,238 ∗ 2700−0,143 ∗ 17−0,190 ∗ 450,190 ∗ 4600,143 ∗
(1050000−0,095 )
• 𝑆4 = 1,108 ∗ 0,323 ∗ 0,584 ∗ 2,061 ∗ 2,403 ∗ 0,268 = 0,2774
13
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• 𝑆5 = 0,85−0,238 ∗ 1800−0,143 ∗ 30−0,190 ∗ 450,190 ∗ 7000,143 ∗
(900000−0,095 )
• 𝑆5 = 1,039 ∗ 0,342 ∗ 0,524 ∗ 2,061 ∗ 2,552 ∗ 0,272 = 0,266
• 𝑆6 = 0,70−0,238 ∗ 2500−0,143 ∗ 35−0,190 ∗ 400,190 ∗ 7500,143 ∗
(950000−0,095 )
• 𝑆6 = 1,088 ∗ 0,327 ∗ 0,508 ∗ 2,015 ∗ 2,577 ∗ 0,270 = 0,253
• 𝑆7 = 0,90−0,238 ∗ 1500−0,143 ∗ 17−0,190 ∗ 500,190 ∗ 7500,143 ∗
(850000−0,095 )
• 𝑆7 = 1,025 ∗ 0,351 ∗ 0,584 ∗ 2,103 ∗ 2,577 ∗ 0,273 = 0,3108
• 𝑆8 = 0,75−0,238 ∗ 2700−0,143 ∗ 20−0,190 ∗ 450,190 ∗ 7000,143 ∗
(1000000−0,095 )
• 𝑆8 = 1,071 ∗ 0,323 ∗ 0,566 ∗ 2,061 ∗ 2,552 ∗ 0,269 = 0,2770

14
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
ς𝑛
𝑗=1 𝑥𝑖𝑗
𝑤𝑗
• Langkah 5: Menentukan Nilai Vektor 𝑉, Rumus: 𝑉𝑖 = ς𝑛 𝑤𝑗
𝑗=1(𝑥𝐽 )
𝑆1
• 𝑉1 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,286 0,286
• 𝑉1 = = = 𝟎, 𝟏𝟐𝟖𝟖
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆2
• 𝑉2 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,3111 0,311
• 𝑉2 = = = 𝟎, 𝟏𝟒𝟎𝟏
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆3
• 𝑉3 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,239 0,239
• 𝑉3 = = = 𝟎, 𝟏𝟎𝟕𝟔
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆4
• 𝑉4 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,2774 0,2774
• 𝑉4 = = = 𝟎, 𝟏𝟐𝟑𝟔
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
15
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
ς𝑛
𝑗=1 𝑥𝑖𝑗
𝑤𝑗
• Langkah 5: Menentukan Nilai Vektor 𝑉, Rumus: 𝑉𝑖 = ς𝑛 𝑤𝑗
𝑗=1(𝑥𝐽 )
𝑆5
• 𝑉5 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,266 0,266
• 𝑉5 = = = 𝟎, 𝟏𝟏𝟗𝟖
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆6
• 𝑉6 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,253 0,311
• 𝑉6 = = = 𝟎, 𝟏𝟏𝟑𝟗
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆7
• 𝑉7 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,3108 0,3108
• 𝑉7 = = = 𝟎, 𝟏𝟑𝟗𝟗
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
𝑆8
• 𝑉8 = =
𝑆1 +𝑆2 +𝑆3 +𝑆4 +𝑆5 +𝑆6 +𝑆7 +𝑆8
0,2770 0,2770
• 𝑉8 = = = 𝟎, 𝟏𝟐𝟒𝟕
0,286+0,3111+0,239+0,2774+0,266+0,253+0,3108+0,2770 2,2203
16
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan
 Weighted Product (WP)
• Merangking Nilai Vektor 𝑉
No Nama Lokasi Alternatif (𝑨𝒊 ) 𝑽 Nilai
1 Teluk Bayur 𝑨𝟐 𝑽𝟐 𝟎, 𝟏𝟒𝟎𝟏
2 Indarung 𝑨𝟕 𝑽𝟕 0,1399
3 Jl. Raya By Pass Pisang 𝑨𝟏 𝑽𝟏 0,1288
4 Jl. Raya By Pass Air Pacah 𝑨𝟖 𝑽𝟖 0,1247
5 Pasar Raya Padang 𝑨𝟒 𝑽𝟒 0,1236
6 Bungus Teluk Kabung 𝑨𝟓 𝑽𝟓 0,1198
7 Lubuk Buaya 𝑨𝟔 𝑽𝟔 0,1139
8 Pasar Mudik 𝑨𝟑 𝑽𝟑 0,1076

Berdasarkan nilai V yang telah di rangking maka dapat diketahui bahwa

nilai yang tertinggi adalah 𝑽𝟐 = 𝟎, 𝟏𝟒𝟎𝟏 yaitu lokasi alternatif 2 (𝑨𝟐 )
dengan nama Gudang Teluk Bayur yang terpilih sebagai alternatif /
keputusan terbaik

17
Halifia Hendri, S.Pd., M.Kom. / Sistem Pendukung Keputusan