Topik 7 - Decision Rules MADM
Topik 7 - Decision Rules MADM
Topik 7
Decision Rules
Multi Attribute Decision Rules
1. Kamal Nur Fauzan
2. Dzun Nurwinas
3. Fathan Mubinan
4. Renando
5. Dimas Candika
6. Gunawan Yasin
7. Sena Andhika
8. Muhammad Abror H
9. Saga Maulana
EDUNEX ITB
2
Decision Rule
Prosedur yang memungkinkan untuk mendapatkan solusi alternatif
terbaik.
EDUNEX ITB
3
Ini berarti bahwa tindakan yang diberikan (alternatif) memiliki konsekuensi tertentu
yang sesuai (hubungan satu-ke-satu) atau konsekuensi yang tidak pasti (hubungan
satu-ke-banyak).
EDUNEX ITB
4
EDUNEX ITB
5
Simple Additive
Weighting Method
EDUNEX ITB
6
𝐴𝑖 = Σ𝑗 𝑤𝑗 ∙ 𝑥𝑖𝑗
Dengan w adalah bobot dan x adalah nilai pada elemen cell kriterianya.
Sementara j adalah banyaknya kriteria dan i adalah elemen cell. Perlu
dicatat bahwa:
Σ𝑤𝑗 = 1
EDUNEX ITB
7
Contoh Kasus
Akan ditentukan lokasi paling optimal untuk pembangunan reactor
nuklir dengan pertimbangan harga lahan dan dampak lingkungannya.
EDUNEX ITB
8
Harga Lahan (makin tinggi makin mahal)
112 120 111 118 110 0.888 0.444 0.944 0.555 1
110 121 118 118 117 Standardized 1 0.388 0.555 0.555 0.611 Dikali bobot 0.45
120 115 126 122 114 0.444 0.722 0.111 0.333 0.777
124 123 123 122 113 0.222 0.277 0.277 0.333 0.833
1 1 2 5 5 1 1 0.75 0 0
2 4 1 2 5 0.75 0.25 1 0.75 0
EDUNEX ITB
9
EDUNEX ITB
10
Value/Utility Function
Approaches
EDUNEX ITB
11
Value/Utility FunctionApproaches
• Pendekatan fungsi nilai/utilitas merupakan sebuah cara untuk mengubah kriteria
peta ke skala umum. Dalam hal ini nilai utilitas akan dirubah kedalam nilai angka
agar mempermudah analis dalam menghubungkan dan memutuskan kesimpulan
dari sebuah data sehingga fungsi dijadikan sebuah ekspresi yang menghasilkan
nilai skala standar untuk setiap nilai rentang data atribut.
• Dalam penggunaannya Fungsi nilai dan Utilitas diaplikasikan dalam situasi yang
berbeda, Fungsi nilai diaplikasikan untuk situasi yang memiliki kepastian
sedangkan untuk situasi yang memiliki ketidakpastian fungsi utilitas dianggap
lebih cocok
• Fungsi nilai dan utilitas, dibagi menjadi tiga bagian, yaitu: deterministic,
Probabilistic, dan fuzzy
EDUNEX ITB
12
EDUNEX ITB
13
• Dengan nilai Vij sebagai skor alternatif ke-i sehubungan dengan atribut j,dan Wj
merupakan bobot yang ternormalisasi,dalam hal ini bobot mewakili kepentingan
relatif dari suatu atribut.dengan Vi adalah nilai keseluruhan dari alternatif ke-i
yang bisa juga menjadi model fungsi utilitas dengan mengganti notasi Vi dan Vij
menjadi Ui dan Uij dengan Ui merupakan utilitas keseluruhan dari alternatif ke-i
EDUNEX ITB
14
EDUNEX ITB
15
Group Value/Utility
Function
EDUNEX ITB
16
Overall utility,
➢λg = konstanta penskalaan positif atau bobot yang diberikan kepada individu ke-g
➢ug = fungsi utilitas untuk orang ke-g atas alternatif keputusan x (skala 0-1)
EDUNEX ITB
17
EDUNEX ITB
18
EDUNEX ITB
19
Contoh kasus (penentuan lokasi pembangkit
listrik tenaga nuklir/PLTN)
1. Pembuat keputusan Terdiri dari 3 grup (G1,G2, dan G3) dan bertujuan untuk Menentukan
lokasi yg layak untuk pencarian lokasi terbaik pembangkit listik tenaga nuklir berdasarkan
kriteria pembebasan lahan dan dampak ligkungan
2. Output yang dikeluarkan adalah layer peta dari masing-masing kelompok (g1,g2, dan g3)
3. Konstanta penskalaan harus diturunkan dan ditetapkan ke layer-layer peta tersebut
(menggunakan proses “delegasi”)
4. Proses delegasi : prosesnya didasarkan pada asumsi bahwa setiap kelompok (individu)
merancang bobot voting dalam subkelompok delegasi yang terdiri dari anggota kelompok lain
EDUNEX ITB
20
• Karena bobot pada diagonal utama pada Tabel 7.2 sama dengan nol, maka konstanta
penskalaan dapat ditentukan dengan memecahkan:
Sehingga dihasilkan
λ1= 0.4, λ2= 0.3, dan λ3 = 0.3.
EDUNEX ITB
21
Konstanta Penskalaan diturunkan dan
ditetapkan pada tiap layer peta
EDUNEX ITB
22
Probabilistic Additive
Weighting
EDUNEX ITB
23
EDUNEX ITB
24
EDUNEX ITB
25
EDUNEX ITB
26
Analytical Hierarchy
Process
EDUNEX ITB
27
EDUNEX ITB
28
Tahapan AHP
Berdasarkan prinsip-prinsip AHP, prosedur AHP melibatkan
tiga langkah utama:
EDUNEX ITB
29
EDUNEX ITB
30
2. Membandingkan elemen
keputusan pada pairwise base
• Perbandingan berpasangan adalah mode pengukuran dasar yang
digunakan dalam prosedur AHP.
EDUNEX ITB
31
EDUNEX ITB
32
EDUNEX ITB
33
EDUNEX ITB
34
EDUNEX ITB
35
EDUNEX ITB
36
EDUNEX ITB
37
EDUNEX ITB
38
Concordance Method
EDUNEX ITB
39
EDUNEX ITB
40
Langkah-langkah Menggunakan
Concordance Method
Langkah-langkah yang dilakukan yaitu:
1. Normalisasi Matrik Keputusan
2. Pembobotan Pada Matrik Yang Telah Di Normalisasi
3. Menentukan Nilai Concordance Dan Nilai Discordance
4. Menentukan Matrik Dominan Concordance Dan Discordance
5. Menentukan Aggregate Dominance Matrik
6. Eliminasi Alternatif Yang Less Favourable
EDUNEX ITB
41
Contoh Menggunakan Concordance
Method
Keterangan:
C1= Harga
C2= Jenis Bangunan
C3= Luas
C4= Fasilitas
Pembobotan Nilai
N i l a i M a t r i ks R
EDUNEX ITB
43
Dijadikan kedalam
bentuk matrik
EDUNEX ITB
44
EDUNEX ITB
45
Contoh Menggunakan Concordance
Method
4. Menentukan matrik dominan concordance dan discordance:
EDUNEX ITB
46
EDUNEX ITB
47
Alternatif
terbaik:
1. A1
2. A3
3. A2 EDUNEX ITB
48
Fuzzy Aggregation
Method
EDUNEX ITB
49
Fuzzy Aggregation Operation
Bilangan Fuzzy
Pengaplikasian Fuzzy set dalam pengambilan keputusan
atau decision making mengambil peran penting dalam Domain bilangan real
Fungsi Segitiga
keputusan klasik.
Fungsi Trapesium, dll
EDUNEX ITB
51
Fuzzy Additive Weighting Method
Evaluasi nilai tanah untuk
Two Term Conversion Scale
Kriteria: Kriteria:
EDUNEX ITB
21/09/2021
52
Fuzzy Additive Weighting Method
w1 = (0.4,0.6, 0.6, 0.8) w2 = (0.6,0.8, 0.8, 1.0)
Ranking 1
3 Ranking 3
Ranking 2 EDUNEX ITB
53
Ordered Weighted Average
EDUNEX ITB
54
Ordered Weighted Average
3 Kriteria harus diminimalkan
3 Kriteria :
- Cost
- Jarak ke Sungai
- Slope
Urutan pembobotannya
W*= [1,0,0]
W = [0.5,0.3,0.2]
W. = [0,0,1]
EDUNEX ITB
55
Ordered Weighted Average
EDUNEX ITB
56
Thank You!
EDUNEX ITB