MENU ANALYSIS CONTACT Data ANALYSIS

ANALYSIS Sistem
pendukung Keputusan
Kelompok 3 :

1. Ali Umar Febriansyah

2. Prima Reansya Putra

3. Rizky Maukifan

4. Riska Tri Amalia

5. Riri Permata Sari

MENU ANALYSIS CONTACT Data ANALYSIS

additive
01
Weighting (saw)
Kegiatan Belajar 1

 MENU ANALYSIS CONTACT Data ANALYSIS

Simple Additive Weighting

Metode Simple Additive Weightng (SAW) merupakan salah satu metode Fuzzy Multiple
Attribute Decision Making (FMADM). Dan metode FMADM untuk menyelesaikan
kasus-kasus di mana data terdiri atas banyak atribut kepentingan terdiri dari metode
SAW, Weight Product (WP), ELECTRE TOPSIS, dan Analytic Hierarchy Process (AHP).
(Kusumadewi, 2013)


Metode SAW adalah metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu. Sebagai contoh pendukung keputusan
pemilihan BEM kampus, terdapat beberapa alternatif yang diberikan untuk penetu
keputusan yaitu semester,kedisplinan,keaktifan,komunikasi, dan IPK. Masing-masing
alternatif diberikan bobot sesuai dengan kebutuhan kriteria, hasil dari masing-masing
kriteria dihitung dengan melakukan normalisasi data dan menjumlahkan keseluruhan nilai
sehingga diperoleh nilai tertinggi.




 MENU ANALYSIS CONTACT Data ANALYSIS

Metode ini membutuhkan proses normalisasi matriks keputusan x ke suatu skala yang
dapat diperbandingkan dengan semua rating alternatif yang ada.(Kusumadewi, Harjoko,
dan Wardoyo, 2006).



 MENU ANALYSIS CONTACT Data ANALYSIS

Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap
atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian
antara rating(yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap
atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi matriks
sebelumnya.



 MENU ANALYSIS CONTACT
A. Langkah-langkah Metode SAW
Menentukan kriteria yang
akan dijadikan acuan dalam
pengambilan keputusan.
Melakukan normalisasi matriks
berdasarkan persamaan yang
disesuaikan dengan jenis
atribut(atribut
keuntungan/atribut biaya)
sehingga diperoleh matriks
ternomalisasi R.


Menentukan rating kecocokan setiap
alternatif pada setiap kriteria.

01 02
Membuat matriks keputusan
04 03
berdasarkan kinerja


Hasil akhir diperoleh dari proses perankingan yaitu
penjumlahan dari perkalian matriks ternomalisasi R
dengan vektor bobot sehingga diperoleh nilai
05 terbesar yang dipilih sebagai alternatif terbaik
sebagai solusi (Henry, 2009).
MENU ANALYSIS CONTACT Data ANALYSIS

B. Kelebihan
Metode SAW
Dibandingkan dengan model
keputusan lainnya terletak pada
kemampuannya untuk melakukan
penilaian secara lebih tepat karena
didasarkan pada nilai kriteria dan
bobot prefensi yang sudah ditentukan.




 MENU ANALYSIS CONTACT Data ANALYSIS

Langkah-langkah penyelesaian dalam menggunakan SAW menurut Kusumadewi

(2006).

1. Menetukan alternatif, yaitu A.

2. Menentukan kriteria yang akan dijadikan acuan dalam pengambulan keputusan,
yaitu C.
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria.
4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.

W = [W1,W2,W3,....,Wj]

5. Membuat tabel rating kecocokan dari setiap alternatif pada kriteria.





 MENU ANALYSIS CONTACT Data ANALYSIS

6. Membuat matrik keputusan X yang di bentuk dari tabel rating kecocokan dari setiap
alternatif pada setiap kriteria. Nilai X setiap alternatif (A) pada setiap kriteria (A) yang
sudah ditentukan, dimana i = 1,2, ... , m dan j = 1,2, ... , n.





 MENU ANALYSIS CONTACT Data ANALYSIS

7. Melakukan normalisasi matrik keputusan X dengan cara menghitung nilai rating kinerja
ternomalisasi (rij) dari alternatif A pada kriteria C.





 MENU ANALYSIS CONTACT Data ANALYSIS

8. Hasil dari n ilai rating kinerja ternomalisasi (rij) membentuk matriks ternomalisasi (R).





 MENU ANALYSIS CONTACT Data ANALYSIS

Langkah-langkah dalam metode SAW dapat digambarkan dalam diagram flowchart seperti
dibawah ini.





MENU ANALYSIS CONTACT Data ANALYSIS

contoh
Sebuah makanan ringan XYZ akan
menginvestasikan sisa usahanya dalam
satu tahun. Beberapa alternatif investasi
telah diindentifikasi. Pemilihan alternatif
terbaik ditunjukan selain untuk keperluan
investasi, juga dalam rangka
meningkatkan kinerja perusahaan
kedepan.




 MENU ANALYSIS CONTACT Data ANALYSIS

Adapun beberapa kriteria yang digunakan sebagai bahan pertimbangan untuk mengambil keputusan
adalah sebagai berikut.

C1 : Harga, yaitu seberapa besar harga barang tersebut.

C2 : Nilai investasi 10 tahun kedepan, yaitu seberapa besar nilai investasi barang dalam jangka waktu
10 tahun kedepan.

C3 : Daya dukung terhadap produktivitas perusahaan, yaitu seberapa besar peranan barang dalam
mendukung naiknya tingkat produktivitas perusahaan. Daya dukung diberi nilai: 1 = kurang
mendukung, 2 = cukup mendukung, 3 = sangat mendukung.

C4 : Prioritas kebutuhan merupakan tingkat kepentingan (mendesak tidaknya) barang untuk dimiliki
perusahaan. Prioritas diberi nilai: 1= sangat berprioritas, 2 = berprioritas, 3 = cukup berprioritas.

C5 : Ketersediaan atau kemudahan, merupakan ketersediaan barang di pasaran. Ketersediaan diberi

nilai: 1 = sulit diperoleh, 2 = cukup mudah diperoleh, 3 = sangat mudah di peroleh.




 MENU ANALYSIS CONTACT Data ANALYSIS

Pengambilan keputusan memberikan bobot untuk setiap kritetia sebagai berikut:


Dengan nilai alternatif yang diberikan adalah:


A1 = membeli mobil box untuk distribusi barang ke gudang

A2 = membeli tanah untuk membuat gudang baru

A3 = maintenance sarana teknologi informasi

A4 = pengembangan produk baru

MENU ANALYSIS CONTACT
 MENU ANALYSIS CONTACT

Hasil dari Normalisasi tersebut kemudian dimasukkan kedalam matriks R


Proses perangkingan dengan menggunakan bobot yang telah diberikan


Dari hasil tersebut, terlihat nilai yang terbesar adalah nilai V3, sehingga alternatif A3 terpilih sebagai
alternatif terbaik. Dengan kata lain, “Maintenance sarana teknologi informasi” akan terpilih sebagai
solusi untuk investasi.

MENU ANALYSIS CONTACT Data ANALYSIS

WEIGHTED
02
PRODUCT
Kegiatan Belajar 2

 Apa itu WEIGHTED PRODUCT (WP)?
Sejarah Metode ini pada awalnya diterbitkan pertama kali oleh Bridgeman pada tahun
1922. Metode WP ini hampir mirip dengan metode Weighted Sum (WS), namun
terdapat sedikit perbedaan operasi matematisnya, yakni pada metode WP
menggunakan perkalian. Sedangkan metode WS menggunaan metode penjumlahan.
Metode WP adalah salah satu penyelesaian pada sistem pendukung keputusan.
Metode ini mengevaluasi beberapa alternatif terhadap sekumpulan atribut/kriteria,
dimana setiap atribut tidak bergantung antara satu dengan lainnya.









Definisi WEIGHTED PRODUCT (WP)
Metode WP adalah keputusan analisis multi-kriteria yang populer dan merupakan
metode pengambilan keputusan multi-kriteria, seperti semua metode FMADM. Selain
itu, WP adalah himpunan berhingga dari alternatif keputusan yang dijelaskan dalam
istilah beberapa kriteria keputusan.



Metode WP ini menggunakan perkalian untuk menghubungkan rating atribut, dimana
rating tersebut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.
Proses tersebut sama halnya dengan normalisasi. Metode WP dapat membantu dalam
mengambil keputusan akan tetapi perhitungan dengan menggunakan metode WP ini
hanya menghasilkan niali terbesar yang akan terpilih sebagai alternatif yang terbaik.
Perhitungan akan sesuai dengan metode ini apabila alternatif yang terpilih memenuhi
kriteria yang telah ditentukan.









Kelebihan dan kekurangan WP
KELEBIHAN:



1. Terdapat variabel cost dan benefit, yang berguna untuk menentukan kriteria yang
berpengaruh terhadap keputusan.

2. Metode ini lebih simpel dibandingkan dengan meyode MCDM lainnya

3. Perhitungannya tidak begitu kompleks

4. Lebih mudah dipahami 



KEKURANGAN:

1. Metode ini hanya untuk digunakan pada proses nilai yang memiliki nilai rentang 

2. Dibanding dengan metode pengambil keputusan lainnya, hasil metode ini belum
seakurat metode pengambilan keputusan yang lain.









Apa saja Langkah-langkah menerapkan metode WP untuk pemilihan
alternatif ?
1. Menentukan alternatif pilihan dan kriteria yang akan dijadikan acuan dalam pengambilan
keputusan

2. Melaukan input Nilai Alternatif, Kriteria, Nilai, dan bobot setiap kriteria

3. Melakukan perbaikan bobot dari setiap kriteria dengan cara menjumlahkan bobot setiap kriteria
yang dilanjutkan dengan setiap bobot awal kriteria dibagi dengan hasil penjumlahan bobot kriteria

4. Menentukan nilai vektor S alternatif data dengan cara mengalihkan data nilai rating kecocokan: 

a. Berpangkat positif dari hasil perbaikan bobot kriteria jika sifat kriteria benefit

b. Berpangkat negative dari hasil perbaikan bobot kriteria jika sifat kriteria cost

5. Menentukan nilai vektor V yang digunakan untuk perangkingan

6. Menghasilkan alternatif keputusan





 C. contoh kasus metode weighted product
Pada implementasi nya metode ini digunakan pada aplikasi SPK, untuk studi kasus yang mungkin
dikembangkan misalnya :
1. Pemilihan guru teladan
2. Penentuan bantuan beasiswa
3. Penentuan teknik pemasaran
4. Menentukan pembukaan cabang baru
D. tahapan perhitungan dengan metode wp
Metode wp in juga memiliki tahapan-tahapan tersendiri untuk menyelesaikan permasalahan, yaitu
sebagai berikut.
1. Tentukan kriteria yang dapat dijadikan acuan dalam pengambilan keputusan, yakni c1 dan
masing-masing sifat kriteria yakni cost atau benefit
2. Tentukan rating kecocokan, yaitu rating kecocokan setiap alternatif pada setiap kriteria, dan
buatkan matriks keputusannya
3. Lakukan normalisasi bobot nilai dari total bobot, dan memenuhi persamaan
Melakukan normalisasi atau perbaikan robot untuk menghasilkan nilai
di mana 1,2, …. , n adalah banyak alternatif dan w adalah jumlah
keseluruhan niali bobot.
4. Menentukan nilai vektor s dengan cara mengalikan seluruh kriteria bagi sebuah
alternatif dengan bobot sebagai pangkat positif untuk kriteria benefit dan bobot
negatif pada kriteria cost. Rumus untuk menghitung nilai preferensi untuk a,
adalah:

Keterangan:
S : menyatakan prefensi alternatif yang dianalogi sebagai vektor s
X : Menyatakan nilai kriteria
W : menyatakan bobot kriteria
i : Menyatakan alternatif
j : Menyatakan kriteria
n : Menyatakan banyaknya kriteria
5. Menentukan nilai vektor V. Nilai V adalah nilai yang
digunakan untuk perangkingan. Rumus untuk mendapatkan nilai
V adalah:

Keterangan:
V : Menyatakan nilai preferensi alternatif yang dianalogikan sebagai vektor V
X : Menyatakan nilai kriteria
w : Menyatakan bobot kriteria
i : Menyatakan alternatif
j : Menyatakan kriteria
n : Menyatakan banyaknya kriteria
 E. Contoh kasus
Suatu perusahaan di daerah Pekanbaru ingin membangun sebuah gudang yang akan digunakan sebagai tempat
untuk menyimpan sementara hasil produsksinya.

Ada tiga lokasi yang akan menjadi alternatif, yaitu:

A1 = Panam
A2 = Marpoyan
A3 = Rumbai

Ada lima kriteria yang dijadikan acuan dalam pengambilan keputusan, yaitu:
C1 = Jarak dengan pasar terdekat (km)
C2 = Kepadatan penduduk di sekitar lokasi (orang/km2)
C3 = Jarak dari pabrik (km)
C4 = Jarak dengan gudang yang sudah ada (km)
C5 = Harga tanah untuk lokasi (x 1000 Rp/m2)
Nilai setiap alternatif di setiap kriteria:






















Tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu:

1 = Sangat rendah

2 = Rendah

3 = Cukup 

4 = Tinggi

5 = Sangat Tinggi







Pengambilan keputusan memberikan bobot prefensi sebagai

Kategori setiap kriteria.

Kriteria C2 (kepadatan penduduk di sekitar lokasi) dan C4 (jarak dengan gudang yang
sudah ada) adalah kriteria keuntungan
Kriteria C1 (jarak dengan pasar terdekat), C3 (jarak dari pabrik), dan C5 (harga tanah
untuk lokasi) adalah kriteria biaya

Sebelumnya dilakukan perbaikan bobot terlebih dahulu, sehingga w = 1, diperoleh:

w1 = 0,28; w2 = 0,17; w3 = 0,22; w4 = 0,22; dan w5 = 0,11
Kemudian vektor s dapat dihitung sebagai berikut.

Nilai vektor V yang akan digunakan untuk perangkingan dapat dihitung sebagai
berikut:
Nilai terbesar ada pada V2, sehingga A2 adalah alternatif yang terpilih sebagai
alternatif terbaik.

Jadi kesimpulannya: Marpoyan akan terpilih sebagai lokasi untuk mendirikan gudang
baru.
MENU ANALYSIS CONTACT Data ANALYSIS

Analytic
03 hierarchy process
Kegiatan Belajar 3 

 MENU ANALYSIS CONTACT Data ANALYSIS

Pengertian analytical hierarchy process (ahp)

Secara umum Analytical Hierarchy Process (AHP) merupakan metode untuk
memecahkan suatu situasi yang kompleks, tidak terstruktur, ke dalam beberapa
komponen dalam susunan yang heirarki, dengan memberi nilai subjektif tentang
pentingnya setiap variabel secara relatif, dan menetapkan variabel mana yang
memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi tersebut.
Seperti contoh penentuan keputusan mahasiswa penerima beasiswa di kampus
dengan menggunakan tiga kriteria penentuan keputusan, yaitu prestasi, keaktifan,
dan administratif.

 MENU ANALYSIS CONTACT Data ANALYSIS

A. KELEBIHAN DAN KEKURANGAN ANALYTICAL

HIERARCHY PROCESS
Kelebihan AHP adalah:

1. Struktur yang berhierarki, sebagai konsekwensi dari kriteria yang dipilih,

sampai pada subkriteria yang paling dalam,
2. Memperhitungkan validitas sampai dengan batas toleransi inkosistensi
berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan,
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas
pengambilan keputusan.
 MENU ANALYSIS CONTACT Data ANALYSIS

Selain itu. AHP mempunyai kemampuan untuk memecahkan masalah yang

multi obyektif dan multi-kriteria yang berdasarkan pada perbandingan preferensi
dari setiap elemen dalam hierarki. Jadi, model ini merupakan suatu model
pengambilan keputusan yang komprehensif

Kekurangan AHP adalah:

1. Metode AHP memiliki ketergantungan pada input utamanya. Input utama yang
dimaksud adalah berupa persepsi atau penafsiran seorang ahli sehingga
dalam hal ini melibatkan subyektivitas sang ahli, selain itu juga model menjadi
tidak berarti jika ahli tersebut memberikan penilaian yang salah,

2. Metode AHP ini hanya metode matematis, tanpa ada pengujian secara
statistik berdasarkan data historis permasalahan yang telah terjadi
sebelumnya, sehingga tidak ada batas kepercayaan dan informasi pendukung
yang kuat dari kebenaran model yang terbentuk
 MENU ANALYSIS CONTACT Data ANALYSIS

B. PRINSIP AHP
Dalam memecahkan persoalan dengan analisis logis
eksplisit, ada tiga prinsip yang mendasari pemikiran
AHP, yakni: prinsip menyusun hierarki, prinsip
menetapkan prioritas, dan prinsip konsistensi logis.



1. Prinsip Menyusun Hirarki



Prinsip menyusun hierarki adalah dengan
menggambarkan dan menguraikan secara hierarki,
dengan cara memecahkan persoalan menjadi
unsur-unsur yang terpisah-pisah. Caranya dengan
memerinci pengetahuan yang kompleks, ke dalam
elemen-elemen pokoknya, lalu elemen-elemen pokok ini
dirinci ke dalam bagian bagiannya, dan seterusnya
secara hierarkis.



 MENU ANALYSIS CONTACT Data ANALYSIS

2. Prinsip Menetapkan Prioritas Keputusan


Bagaimana peranan matriks dalam menentukan prioritas dan bagaimana

menetapkan konsistensi. Menetapkan prioritas elemen dengan membuat
perbandingan berpasangan, dengan skala bunding telah ditetapkan oleh Sauty
(Yan, 1995) sebagai berikut :




MENU ANALYSIS CONTACT Data ANALYSIS
 MENU ANALYSIS CONTACT

3. Prinsip Konsistensi Logika


Matriks bobot yang diperoleh dari hasil perbandingan secara berpasangan tersebut,
harus mempunyai hubungan kardinal dan ordinal, sebagai berikut.


a. Hubungan cardinal : aij . ajk = ajk


b. Hubungan ordinal : Ai >Aj >Aj> Ak , maka Ai >Ak

Hubungan di atas dapat dilihat dari dua hal sebagai berikut.


1. Dengan melihat preferensi multiplikatif, misalnya jika apel lebih enak 4 kali dari jeruk
dan jeruk lebih enak 2 kali dari melon, maka apel lebih enak 8 kali dari melon

2. Dengan melihat preferensi transitif misalnya apel lebih enak dari jeruk, dan jeruk
lebih enak dari melon, maka apel lebih enak dari melon



 MENU ANALYSIS CONTACT Data ANALYSIS

Pada keadaan sebenarnya akan terjadi beberapa penyimpangan dari hubungan

tersebut, sehingga matriks tersebut tidak konsisten sempurna. Hal ini terjadi karena
ketidakkonsistenan dalam preferensi seseorang.

Untuk model AHP, matriks perbandingan dapat diterima jika nilai rasio konsisten
(Consistency Ratio/CR) <0.1 Nilai CR < 0.1 merupakan nilai yang tingkat konsistensinya
baik dan dapat dipertanggung jawabkan. Dengan demikian nilai CR merupakan ukuran
bagi konsistensi suatu komparasi berpasangan dalam matriks pendapat. Jika indeks
konsistensi cukup tinggi, maka dapat dilakukan revisi judgement, yaitu dengan dicari
deviasi RMS dari barisan (aij dan Wi / Wj ) dan merevisi judgment pada baris yang
mempunyai nilai prioritas terbesar




 MENU ANALYSIS CONTACT Data ANALYSIS

C. langkah langkah AHP

Langkah - langkah proses AHP sebagai berikut:

1. Mendefinisikan permasalahan dan
penentuan tujuan.

2. Menyusun masalah kedalam hierarki.

3. Penyusunan prioritas untuk tiap elemen
masalah pada hierarki.

4. Melakukan pengujian konsistensi terhadap
perbandingan antar elemen yang didapat
pada tiap tingkat hierarki

 MENU ANALYSIS CONTACT Data ANALYSIS

Contoh kasus
AHP pemilihan tas wanita dengan 3 kriteria yaitu:

1. Harga (Merk)

2. Model (desain & ukuran)

3. Kualitas (bahan yang digunakan).



Sedangkan 3 alternatifnya adalah:

1. Charles & Keith

2. Elizabeth

3. Sophie Martin.

 MENU ANALYSIS CONTACT Data ANALYSIS

Contoh kasus

1. Model 4x lebih penting dari pada Harga


2. Model 3x lebih penting dari Kualitas

3. Kualitas 2x lebih penting dari Harga

 MENU ANALYSIS CONTACT Data ANALYSIS

Dilihat dari Harga:


1. Harga Charles & Keith 5x lebih tinggi dari Shopie Martin.

2. Harga Charles & Keith 3x lebih tinggi dari Elizabeth.

3. Harga Elizabeth 2x lebih tinggi dari Shopie Martin.

 MENU ANALYSIS CONTACT Data ANALYSIS

Dilihat dari Model:


1. Harga Charles & Keith 4x lebih elegan dari Shopie Martin.

2. Harga Charles & Keith 3x lebih elegan dari Elizabeth.

3. Harga Elizabeth 2x lebih elegan dari Shopie Martin.

 MENU ANALYSIS CONTACT Data ANALYSIS

Dilihat dari Kualitas:


1. Harga Charles & Keith 3x lebih elegan dari Shopie Martin.

2. Harga Charles & Keith 2x lebih elegan dari Elizabeth.

3. Harga Elizabeth 2x lebih elegan dari Shopie Martin.


Tahap terakhir menentukan ranking pada pilihan alternatif dengan cara:


1. EV Alternatif1 = (EV kriteria 1 x EV Alternatif1 kriteria1) + (EV
Kriteria2 x EV Alternatif1 kriteria2) + (EV Kriteria3 x EV
Alternatif1 kriteria3)

EV Elizabeth = (0,137 x 0,229) + (0,624 x 0,624) + (0,239 x
0,163) = 0,491



2. EV Alternatif2 = (EV kriteria 1 x EV Alternatif2 kriteria1) + (EV
Kriteria2 x EV Alternatif2 kriteria2) + (EV Kriteria3 x EV
Alternatif2 kriteria3)

EV Sophie Martin = (0,137 x 0,122) + (0,624 x 0,239) + (0,239
x 0,297) = 0,205

 MENU ANALYSIS CONTACT Data ANALYSIS

3. EV Alternatif3 = (EV kriteria 1 x EV Alternatif3 kriteria1) + (EV

Kriteria2 x EV Alternatif3 kriteria2) + (EV Kriteria3 x EV
Alternatif3 kriteria3)

EV Charles & Keith = (0,137 x 0,648) + (0,624 x 0,137) +
(0,239 x 0,539) = 0,303


Hasil yang diperoleh adalah:


1. Elizabeth dengan hasil 0,491

2. Charles & Keith dengan hasil 0,303

3. Sophie Martin dengan hasil 0,205



Sehingga dapay disimpulkan bahwa Elizabeth mendapat ranking 1 dengan nilai bobot tertinggi
sesuai perhitungan AHP tersebut.

 MENU ANALYSIS CONTACT Data ANALYSIS

THANKS!
Do you have any questions?