Analisa Keputusan dan Data Mining

Multiple Criteria Decision

Making (MCDM)
-SAW-

1
2
3
MULTIPLE CRITERIA DECISION MAKING (MCDM)

Bagian dari problem pengambilan keputusan yang

relatif kompleks.
Mengikutsertakan beberapa orang pengambil
keputusan, dengan sejumlah kriteria yang beragam
yang harus dipertimbangkan, dan masing-masing
kriteria itu memiliki nilai bobot tertentu.
Tujuannya untuk mendapatkan solusi optimal atas
suatu permasalahan

4
ALTERNATIF, KRITERIA, BOBOT

Alternatif keputusan adalah kemungkinan-

kemungkinan pilihan bagi pencapaian tujuan dari
pernyataan keputusan.
Dari berbagai alternatif, akan dipilih yang terbaik
berdasarkan kriteria-kriteria yang ada
Pertimbangan pokoknya adalah mana yang paling
memenuhi kriteria dan paling kecil risikonya
bila alternatif itu dijalankan.

5
ALTERNATIF, CRITERIA, BOBOT

Kriteria keputusan merupakan pertimbangan dalam

proses penetapan alternative keputusan.
Kemampuan memberikan gambaran mengenai suatu keadaan
yang lebih terperinci tentang hasil keputusan yang diambil
Tujuan penetapan kriteria adalah untuk menyaring
sejumlah alternatif lain yang pada akhirnya akan
muncul satu alternatif terbaik.

6
ALTERNATIF, CRITERIA, BOBOT

Bobot adalah skor yang diberikan pada tiap

criteria keputusan sehingga dapat menggambarkan tinggi
rendahnya suatu tingkat kepentingan tersebut dalam langkah
pengambilan keputusan.
Penentuan bobot berdasarkan besar-kecilnya
pengaruh kriteria terhadap alternatif keputusan.
Semakin besar pengaruhnya maka bobotnya lebih besar dan
sebaliknya.

7
KLASIFIKASI METODE MCDM

Menurut tipe data yang digunakan

deterministic, stokastik atau fuzzy
Menurut jumlah pengambil keputusan yang
terlibat
Satu orang, atau pengambil keputusan dalam
bentuk grup (kelompok).

8
Metode Penyelesaian Masalah MCDM

konsep yang ditujukan untuk melakukan pengambilan

keputusan yang mengandung objek criteria majemuk,
juga saling konfliktif dan memiliki ukuran yang tidak bisa
saling dibandingkan.
Dan MCDM selalu melibatkan lebih dari satu criteria
yang saling menimbulkan trade off dimana
tingkat kepuasan dari suatu criteria berakibat pada penurunan
kepuasan criteria lainnya

9
Metode Penyelesaian Masalah MCDM

1. Simple Additive Weighting Method (SAW)

2. Weighted Product (WP)
3. ELECTRE
4. Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS)
5. Analytic hierarchy Process (AHP)
6. Analytical Network Process (ANP)

10
11
Simple Additive Weighting Method (SAW)

Dikenal istilah metode penjumlahan terbobot.

Konsep dasar metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua
atribut.
Metode yang cukup dikenal dan paling banyak digunakan
orang
Pembuat keputusan menentukan bobot bagi setiap
atribut.

12
Langkah Penyelesaian

1. Menentukan kriteria-kriteria yang akan dijadikan acuan

dalam pengambilan keputusan, yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif pada
setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria(Ci),
kemudian melakukan normalisasi matriks berdasarkan
persamaan yang disesuaikan dengan jenis atribut
(atribut keuntungan ataupun atribut biaya) sehingga
diperoleh matriks ternormalisasi R.

13
Langkah Penyelesaian

dimana rij adalah rating kinerja ternormalisasi dari

alternatif Ai pada atribut Cj ; i=1,2,...,m dan j=1,2,...,n.

14
Langkah Penyelesaian

4. Hasil akhir diperoleh dari proses perankingan yaitu

penjumlahan dari perkalian matriks ternormalisasi R
dengan vektor bobot sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik (Ai)
sebagai solusi. Nilai preferensi untuk setiap alternatif
(Vi) diberikan sebagai:
Nilai Vi yang lebih besar
mengindikasikan bahwa alternatif
Ai lebih terpilih

15
Contoh Kasus

Ex-1:
An institute will choose 2 candidates for their officer. There are four
criteria that used to make decision as follow
C1 = information system test
C2 = network installation test
C3 = psycology test
C4 = Religion test
Decision maker (manager) gives weight for every criteria : C1 = 35%;
C2 = 25%; C3 = 25%; dan C4 = 15%.
Six candidates follow the final test, they are:
A1 = Indra,
A2 = Roni,
A3 = Putri,
A4 = Dani,
A5 = Ratna, dan
A6 = Mira.

Sri Kusumadewi 2013

 Simple Additive Weighting (SAW)
Score tabel for every candidate for each criteria:

Criteria
Candidates
C1 C2 C3 C4
Indra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80
Simple Additive Weighting (SAW)

Normalization:
70 70
r11 0,82
max 70;50;85;82;75;62 85
50 50
r21 0,59
max70;50;85;82;75;62 85
50 50
r12 0,67
max 50;60;55;70;75;50 75
60 60
r22 0,80
max 50;60;55;70;75;50 75
dst
Simple Additive Weighting (SAW)

Result:

0,82 0,67 0,94 0,71

0,59 0,80 0,96 0,82

1 0,73 0,94 0,88
R
0,96 0,93 0,76 1
0,88 1 1 0,87

0,73 0,67 0,88 0,94
Contoh Kasus

Rank process for every candidate is calculated as

follow: w = [0,35 0,25 0,25 0,15]

V1 (0,35)(0,82) (0,25)(0,67) (0,25)(0,94) (0,15)(0,71) 0,796

V 2 (0,35)(0,59) (0,25)(0,80) (0,25)(0,96) (0,15)(0,82) 0,770
V 3 (0,35)(1,00) (0,25)(0,73) (0,25)(0,94) (0,15)(0,88) 0,900
V 4 (0,35)(0,96) (0,25)(0,93) (0,25)(0,76) (0,15)(1,00) 0,909
V 5 (0,35)(0,88) (0,25)(1,00) (0,25)(1,00) (0,15)(0,87) 0,939
V 6 (0,35)(0,73) (0,25)(0,67) (0,25)(0,88) (0,15)(0,94) 0,784
Contoh Kasus

Sebuah perusahaan XYZ akan membeli mobil

untuk kebutuhan dinas perusahaan. Beberapa
alternatif mobil yang akan dibeli telah
diidentifikasi. Pemilihan alternatif terbaik
ditujukan selain untuk keperluan investasi, juga
dalam rangka meningkatkan kinerja perusahaan
ke depan.

21
Contoh Kasus

Beberapa kriteria digunakan sebagai bahan

pertimbangan untuk mengambil keputusan,
yaitu:
C1 = model dari mobil tersebut.
C2 = reliabilitas atau keandalan dari mobil
C3 = ekonomis dalam penggunaan bahan
bakar

22
Contoh Kasus

Kriteria pertama dan kedua merupakan

kriteria keuntungan, sedangkan kriteria ketiga
merupakan kriteria biaya. Pengambil
keputusan memberikan bobot untuk setiap
kriteria sebagai berikut: C1 = 30%; C2 =40%;
C3 = 30%

23
Contoh Kasus

Ada empat alternatif mobil yang diberikan,

yaitu:
A1 = Membeli mobil Civic Coupe
A2 = Membeli mobil Saturn Coupe ;
A3 = Membeli mobil Ford Escort
A4 = Membeli mobil Mazda Miata

24
 Nilai setiap alternatif dan perhitungan Vi pada
setiap criteria ditunjukkan pada table berikut

0.3 0.4 0.3

Weight
Model Reliabilitas Ekonomis
Civic 7 9 9
Saturn 8 7 8
Ford 9 6 8
Mazda 6 7 8

25
 Contoh Kasus

Nilai setiap alternatif dan perhitungan Vi pada setiap criteria

ditunjukkan pada table berikut

0.3 0.4 0.3

Weight Vi
Model Reliabilitas Ekonomis
Civic 0.778 1.000 1.000 0.933
Saturn 0.889 0.778 0.889 0.844
Ford 1.000 0.667 0.889 0.833
Mazda 0.667 0.778 0.889 0.778

Nilai terbesar ada pada Vi sehingga alternatif Ai adalah alternatif

yang terpilih sebagai alternatif terbaik. Dengan kata lain,
pembelian mobil civic akan terpilih sebagai solusi untuk investasi
pembelian mobil dinas perusahaan. 26
Terima Kasih

27