Sistem Pendukung Keputusan /

Decision Support System

Decision Support Systems
&
Weighted Product (WP), Simple Additive Weighting (SAW)

Oleh : Pareza Alam Jusia, S.Kom, M.Kom

 Definisi DSS
• Review :
– Definisi Awal DSS (Efraim): Suatu sistem
yang diperuntukan untuk membantu pembuat
keputusan dalam kondisi keputusan yang
“kurang terstruktur/semi terstruktur”.
– Definisi Lain (Gorry & Scott-Morton's):
Sekumpulan model dari prosedur untuk
pemrosesan data dan penentuan (justifikasi)
dalam membantu manager untuk mengambil
keputusan.
 Model
• Definisi (Efraim): Representasi/abstraksi
sederhana dari suatu kondisi nyata (sesuai
dengan lapangan).
• Tetapi untuk membuat representasi yang
sederhana dari kondisi nyata yang kompleks
adalah tidak mudah.
• Model/Representasi dapat berbentuk:
– Model Iconic (Skala)
– Model Analog
– Model Matematis (Kuantitatif)
 Model Iconic ( 1 of 3)
• Definisi (Efraim): Model fisik yang berbentuk
replika dari sistem. Biasanya mempunyai skala
yang berbeda dari aslinya. Biasanya berupa
tampilan 3 dimensi (airplane, Jembatan
kendaraan dan jalur produksi).
• Contoh Lainnya :
– Photografi adalah model skala tetapi hanya 2
dimensi.
– GUI dan Pemrograman berorientas obyek
merupakan model yan menggunakan “icon”.
 Model Analog (2 of 3)
• Definisi (Efraim): Model ini tidak nampak seperti kondisi
aslinya (replika) dan lebih bersifat abstrak dibandingkan
dengan model iconic.
• Biasanya berbentuk diagram (diagram) dan bagan
(chart) 2 dimensi.
• Contoh:
– Bagan organisasi yang menggambarkan hubungan antara
struktur, wewenang dan tanggung jawab.
– Peta dengan bangunan warna berbeda untuk
merepresentasikan obyek daratan, gunung dan air.
– Bagan Stock Market.
– Cetak biru mesin dan rumah.
– Speedometer.
– Thermometer.
 Model Matematis (3 of 3)
• Definisi (Efraim): Kompleksitas hubungan
antara beberapa sistem organisasi tidak
dapat direpresentasikan dengan model
iconic dan analogis. Untuk itu
direpresentasikan secara matematis
melalui eksekusi data numerik.
 Keuntungan Pemodelan
• Keuntungan pemodelan pada sistem penunjang
manajemen (managemen support system):
– Biaya analisis pemodelan jauh lebih murah dari biaya
eksperimen (sesuai dengan kondisi lapangan/nyata).
– Hemat waktu (Operasional tahunan dapat dimodelkan
beberapa menit dengan komputer).
– Manipulasi pada pemodelan lebih mudah dan hemat
dibandingkan dengan simulasi lapangan.
– Biaya trial and error dengan pemodelan lebih murah
dibandingkan dengan kondisi real.
– Bisa melibatkan faktor tak tentu dalam pemodelan.
 Pengambilan Keputusan & Penyelesaian
Masalah
• Fase Proses Keputusan:
(a) Kecerdasan
(b) Desain
(c) Pemilihan
(d) Implementasi
• Fase tersebut dibagi atas 2 tahap. Tahap (a-c)
adalah pengambilan keputusan. Tahap (d)
adalah penyelesaian masalah
 Proses Pemodelan
Pengambilan Keputusan
Fase Kecerdasan:
Penyederhanaan Tujuan Organisasi
Mencari dan scanning Prosedur
Kenyataan Koleksi Data
Asumsi Identifikasi Problem
Klasifikasi Problem
Pernyataan Problem

Fase Desain:
Validasi Formulasi Model
Model Menentukan kriteria untuk
pilihan
Mencari alternatif
Sukses Memperkirakan dan,
mengukur outcomes
Verifikasi, testing Fase Pemilihan:
Solusi yg ditawarkan Solusi ke model
Analisis sensitifitas
Seleksi alternatif terbaik
Perencanan untuk implementasi
Desain sebuah sistem
pengendalian
Implementasi Solusi

GAGAL
 Fase Kecerdasan
• Fase ini dimulai dengan identifikasi tujuan
dan maksud dari organisasi.
• Selanjutnya problem akan muncul yang
kemudian diklasifikasikan. Problem yang
kompleks bisa didetailkan (decompose)
menjadi sub problem.
• Akhir dari fase ini menghasilkan
pernyataan “problem”.
 Fase Desain
• Fase ini meliputi: analisis, perancangan
serta pengujian terhadap solusi-solusi
yang layak/ memungkinkan.
• Pada fase ini pemodelan kondisi problem
meliputi: konstruksi, pengujian dan
validasi.
• Jenis pemodelan meliputi pemodelan
kualitatif dan kuantitatif (pemodelan
matematis).
 Fase Desain
• Topik-topik Pemodelan Kualitatif meliputi:
– Komponen-komponen model.
– Struktur Model.
– Seleksi Kriteria untuk Evaluasi.
– Pengembangan Alternatif.
– Peramalan Outcomes.
– Pengukuran Outcomes.
– Skenario.
• Komponen-komponen Model Kuantitatif:
– Variabel Keputusan.
– Variabel Tak Terkendali.
– Variabel Hasil (Outcomes).
 Fase Desain
• Ke-3 variabel dikoneksikan dengan
hubungan matematis. Jika bukan model
kualitatif maka berupa simbolik.
Variabel
Tak Terkendali

Variabel Relationship
Keputusan (hubungan)

Variabel
Hasil

Struktur Umum Model DSS

Contoh Komponen Model
 Fase Pemilihan
• Batas antar fase desain dan fase
pemilihan tidak begitu jelas. Hal ini
disebabkan beberapa aktifitas terjadi di
kedua fase tersebut.
• Fase ini meliputi aktivitas:
– Pencarian (Search)
– Evaluasi
– Rekomendasi sebuah solusi untuk model
 Fase Pemilihan
• Sebuah solusi untuk model merupakan
sekumpulan spesifik nilai-nilai untuk
variabel keputusan (pada alternatif-
alternatif yang terseleksi).
• Solusi model tidak sama dengan Solusi
Permasalahan. Solusi model merupakan
solusi yang direkomendasi untuk solusi
Permasalahan.
 Aktifitas Searching
• Ada 2 yaitu:
– Blind Search, yaitu pencarian tanpa dibekali
dengan pengetahuan atau informasi
sebelumnya.
– Heuristic Search, yaitu metode pencarian
yang telah dibekali pengetahuan atau
informasi.
 Evaluasi
• Merupakan langkah akhir untuk
memberikan rekomendasi solusi.
• Beberapa topik terkait dengan evaluasi:
– Tujuan yang banyak (Multiple Goals)
– Analisis sensivitas (Sensivity Analysis)
– Analisis “What If” (What If Analysis)
– Pencarian Tujuan (Goal Seeking)
 Faktor-Faktor Kesuksesan
(Critical Success Factors)
• Definisi: Sebuah cara untuk melakukan
identifikasi faktor-faktor yang bersifat kritis untuk
melakukan pencapaian sasaran organisasi.
• Proses identifikasi ini melibatkan interview
dengan eksekutif yang diikuti dengan diskusi
grup yang terstruktur. Tujuannya agar diperoleh
kesepakatan atas faktor-faktor yang dianggap
penting dan kritis.
 Faktor-Faktor Kesuksesan
(Critical Success Factors)
• Satu kali faktor kritis ditentukan, maka hal
tersebut merupakan kemungkinan untuk
mengidentifikasi adanya “information gaps”.
• Keterlambatan informasi yang diterima
merupakan “titik kritis” dari sebuah organisasi.
• Karenanya sangat penting untuk
mengidentifikasi titik kritis dan struktur sistem
informasi sebelum mengembangkan MSS/DSS.
• CSF digunakan sebagai studi kelayakan dari
MSS.
 Implementasi
• Setelah seluruh tahapan telah dilewati
maka selanjutnya adalah proses
implementasi.
Karakteristik & Kemampuan DSS (1 of 2)
• Tidak ada konsesus yang disepakati terkait dengan
karakteristik kemampuan DSS, hanya berdasarkan (E
Turban):
– Keputusan Semi Terstruktur (Semi-strutured Decision).
– Untuk para pimpinan/manager pada level yg berbeda.
– Untuk individual atau grup.
– Keputusan yang sekuensial (tergantung dari parameter
lainnya).
– Mendukung berbagai fase pengambilan keputusan :
Kecerdasan, Desain, Pemilihan dan Implementasi.
– Mendukung berbagai style keputusan.
– Mampu beradaptasi dan fleksible.
– Meningkatkan efektifitas tetapi tidak efisien dari unsur
biaya (relatif/ tergantung keperluan).
Karakteristik & Kemampuan DSS (2 of 2)
• Tidak ada konsesus yang disepakati terkait dengan
karakteristik kemampuan DSS, hanya berdasarkan (E
Turban):
– Pengambil keputusan memiliki kendali menyeluruh
terhadap semua langkah pengambilan keputusan pada
Mesin DSS.
– Penggunaaan yang berevolusi (dapat berubah sesuai
dengan kebutuhan).
– Mudah untuk membuat/mengembangkan.
– Mendayagunakan berbagai model (disesuaikan dengan
strategi dan situasi keputusan)
– Dilengkapi dengan pengetahuan (Untuk DSS tingkat
Advanced digunakan untuk menyelesaikan problematika
yang sulit.
 Komponen DSS
• Managemen Data
Contoh : Basis data yang berisi data relevan untuk kondisi dan
dikelola menggunakan DBMS.
• Managemen Model
Contoh : Sepaket software meliputi ; model keuangan, statistik,
managemen science, ataupun model kuantitatif yang menyediaan
kemampuan analisis sistem dan terkait dengan managemen
perangkat lunak.
• Komunikasi
Contoh : Pengguna (manager) dapat berkomunikasi dengan
“perintah/command” dari sub sistem dalam hal ini menggunakan
“user interface” (Graphics User Interface/GUI).
• Managemen Pengetahuan
Contoh : Merupakan blok opsional yang bisa ditambahkan jika ada
seorang manager pengetahuan dan materi pengetahuannya untuk
mendukung subsistem lainnya.
 Model Konseptual DSS

Sistem Lainnya Internet, Intranet,

Berbasis Komputer Extranet

Managemen Managemen Managemen

Data Model Eksternal

Basis
Pengetahuan

Data: Eksternal & Internal Antarmuka

Manager
(User)
 Penjelasan Sub Sistem (1 of 3)
• Managemen Data meliputi:
– Basis data DSS
– Sistem Managemen Basis data
– Direktori Data
– Fasilitas Query
• Managemen Model meliputi:
– Basis Model
– Sistem Managemen Basis Model
– Direktori Model
– Eksekusi Model, Integrasi & Command
• Managemen Pengetahuan meliputi:
– Perlu adanya Sistem Pakar dengan melibatkan Pakar pada
bidang tertentu.
– Sistem Pakar dikembangkan berdasarkan Basis Pengetahuan.
 Penjelasan Sub Sistem (2 of 3)
• Antarmuka meliputi:
– Antarmuka pengguna yang disebut sebagai user interface
merupakan sarana komunikasi antara user dengan DSS.
– Antarmuka memegang peranan penting user sebagai pengguna
ataupun manager terkait penggunaan perangkat lunak dan hasil
tampilan dari perangkat lunak.
• Pengguna meliputi:
– DSS didesain sesuai dengan keperluan pengguna dan peran
pengguna sebagai:
• Pengguna Akhir
• Manager
• Pembuat Keputusan
– Klasifikasi kelas pengguna DSS secara umum meliputi:
• Kelompok Spesialis (Bidang/Unit/Pengetahuan tertentu)
• Manager
 Penjelasan Sub Sistem (3 of 3)
• Pengguna meliputi:
– Tim spesialis ini yang akan menghubungkan antara managemen
dengan DSS.
– Tim spesialis seperti: Analis Keuangan, Perencana Produksi dan
peneliti pemasaran.
– Contoh kasus :
• Tim Spesialis (Staf Ahli dibantu oleh Kepala Bagian).
• Tim Teknis yang menjembatani implementasi Tim Spesialis
dengan DSS dimana Tim Spesialis juga merepresentasikan
Tim Pembantu Managemen.
 Perangkat Lunak & Keras DSS
• Jaringan Komputer
• Mainframe, Workstation & PC
• DSS Terdistribusi
 Pengantar Antarmuka
• Antarmuka Pengguna merupakan bagian dari
HCI (Human Computer Interaction). HCI
mempelajari tentang cara dan dampak antara
Teknologi Komputer dan Pengguna.
• Media input seperti: mouse, microphone,
keyboard. Media output seperti : printer, Monitor,
Speaker, LCD Projektor.
• Data yang ditampilkan lewat “layar monitor”
menyajikan sebuah interaksi dan aksi dari
pengguna (dengan asumsi user memahami isi
dari tampilan tersebut).
Siklus Antarmuka Pengguna
TASK
KNOWLEDGE

Presentation Generate
Interpret the Display
the Display Language

Process Application
the Content Processing

Plan and Interpret

Take Action the User
Input
Action
USER
Language SYSTEM
 Komponen-Komponen Siklus
• Action Language (AL)
– Bentuknya : Menjawab/mengisi, memindahkan window,
melakukan “command”.
→ Text Command atau Windows Command
– Satu atau lebih media “input” digunakan untuk mengeksekusi
AL.
• Knowledge
– Pengetahuan tentang penggunaan komputer harus dimiliki oleh
pengguna.
• User's Reaction
– Reaksi pengguna meliputi : interpretasi isi dari “display”,
melakukan proses pada content yang ditampilkan dan
melakukan perencanaan untuk kegiatan ke depan.
 Komponen-Komponen Siklus
• Presentation Language
– Informasi untuk pengguna ditampilkan melalui beberapa media
output.
– Informasi ditunjukan dengan display menu, window dan teks.
– Output dipresentasikan untuk memudahkan pengguna dalam
mendukung pengambilan keputusan.
• Computer
– Komputer berfungsi menginterpretasikan aksi user lewat media
input, mengeksekusi tugas/ task dan menghasilkan “informasi”
melalui media display output.
• Dialog
– Suatu proses dialog/komunikasi antara user dan komputer.
 Kualitas Antarmuka
• Tergantung dari :
Penglihatan dan pengideraan pengguna yaitu
sejauh mana pengguna mengetahui dan
memahami apa yang diinderanya dan aksi apa
yang dilakukan untuk memperoleh hasil yang
diinginkan.
 Mode Antarmuka
• Menu Interaction
 Mode Antarmuka
• Pull-Down Menu
 Mode Antarmuka
• Command Language
 Mode Antarmuka
• Question and Answer
 Mode Antarmuka
• Form Interaction
 Mode Antarmuka
• Natural Language
 Grafik
• Tampilan grafik lebih memudahkan
pengguna untuk memahami informasi
yang ditampilkan oleh komputer.
• Tampilan ada yang secara tradisional dan
ada yang menggunakan komputer.
• Tampilan grafik dengan komputer bersifat
dinamis.
 Peran Grafika Komputer

Report

Model Base
&
Manajemen
Database Model Kuantitatif
& Computer
& Graphics
Manajemen Building Block
Electronic
Spreadsheet &
Generator Lainnya

Software Pendukung
Manajemen Lainnya
User
 GUI
• GUI adalah sistem antarmuka yang dipakai
pengguna untuk mengendalikan secara
langsung obyek seperti: icon dan beberapa aksi
“command syntax”.
• Komponen Utama GUI :
– Windows
Area operasi pengguna, dimana pengguna dapat
berpindah antar window.
– Icons
Gambar kecil yang merepresentasikan sebuah
window.
Visualisasi Window & Icon
Win XP Win 7

Win 8 Mac OS X
 Multimedia & Hypermedia
• Antarmuka Pengguna (AP) dapat diperkaya dengan
menggunakan multimedia. Multimedia dapat digunakan
sebagai bagian dari pemrosesan informasi dan membuat
keputusan.
• Multimedia merupakan sekumpulan media yang
digunakan untuk mendukung pengguna dalam
berinteraksi dengan komputer dan aplikasinya.
• Komponen Multimedia :
– Computer : CRT & Terminal, CD-ROM, Scanner Etc.
– Motion Image : Video disk, Animation, Tele/ Video Conference
Etc.
– Projector : Slide.
– Graphics Material : Gambar, Citra.
– Audio : Tape, Microphone, Music.
– Text.
 Hypermedia
• Terminologi ini digunakan mendeskripsikan
dokumen yang berisi beberapa tipe media,
seperti : text, grafik, audio, dan video yang
mengijinkan untuk dilakukan “linkage”.
• Tipe Hypermedia :
– Presentation (Pengetahuan & Data).
– Generator/pembangkit (Menyimpan proses yang
berjalan).
 Tipe-Tipe Tampilan Gratis
• Text
• Time Series Chart
• Bar & Pie Chart
• Scatter Diagram
• Maps
• Etc
Contoh Tampilan Gratis
Contoh Tampilan Gratis
 Simple Additive Weighting (SAW)
• Prinsip Dasar SAW (Fishburn, 1967) & (MacCrimmon, 1968) :
o Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating
kinerja ternormalisasi (R) pada setiap alternatif pada semua bobot atribut (W).
o Metode SAW membutuhkan proses normalisasi matriks ke suatu skala yang
dapat diperbandingkan dengan semua rating alternatif yang ada.
• Rumus Umum :
o Nilai Rating Ternormalisasi (Rij) :
 X ij
 Max X : , j 
 jika j adalah atribut keuntungan (benefit)

Min X : , j 
R ij  
 jika j adalah atribut biaya (cost)

 X ij
dimana Rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj,
i=1,2,...,m dan j=1,2,...,n.
o Nilai Preferensi untuk setiap alternatif (Vi) :
n
Vi   WjR ij
j1
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
 Simple Additive Weighting (SAW)
• Langkah Penyelesaian menggunakan metode SAW :
o Menentukan Kriteria/Variabel/Atribut yang akan dijadikan
acuan dalam pengambilan keputusan (Ci).
o Menentukan Nilai Rating kecocokan setiap alternatif pada
setiap kriteria sesuai dengan skala yang ditentukan.
o Membuat matriks keputusan berdasarkan kriteria, kemudian
melakukan Normalisasi Matriks berdasarkan persamaan yang
disesuaikan dengan jenis atribut (atribut keuntungan/benefit
ataupun atribut biaya/cost) sehingga diperoleh matriks
ternormalisasi (Rij).
o Hasil akhir diperoleh dari proses Perankingan Nilai Preferensi
(Vi) yaitu Penjumlahan dari Perkalian Matriks Ternormalisasi
(Rij) dengan Vektor Bobot (Wj) sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai
solusi.
 Contoh Case Study
• Pengambilan Keputusan Penentuan Prioritas SPP Proporsional :
– Tujuan/ Goal : Penentuan Prioritas SPP Proporsional.
– Variabel :
• Penentuan Bobot Fuzzy :
1. Sangat Rendah (SR) =0
2. Rendah (R) = 0,25
3. Cukup (C) = 0,5
4. Tinggi (T) = 0,75
5. Sangat Tinggi (ST) =1
• Penentuan Bobot Variabel :
Variabel Bobot Nilai Bobot (W)
1. Jabatan Orang tua Sangat Tinggi 1
2. Penghasilan Orang tua Tinggi 0,75
3. PBB Cukup 0,5
4. Listrik Tinggi 0,75
5. Telepon Rendah 0,25
6. PDAM Cukup 0,5
7. Jumlah Tanggungan Orang tua Tinggi 0,75
8. Jumlah Saudara Kandung Tinggi 0,75

– Alternatif/ Mahasiswa : Mhs 1, Mhs 2, Mhs 3, Mhs 4.

Note : Terdapat 3 jenis penentuan Prioritas SPP dari hasil akhir perangkingan, yaitu :
40% pertama : Rp 700.000, 30% kedua : Rp 1.500.000 dan 30% ketiga : Rp 3.500.000
 Contoh Case Study
• Membuat Hirarki Sistem :
Penentuan Prioritas SPP
Proporsional

Tanggungan Jumlah Saudara

Jabatan Penghasilan PBB Listrik Telepon PDAM
Ortu Kandung

1.1 2.1 3.1 4.1 5.1 6.1 7.1 8.1

1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2

1.3 2.3 3.3 4.3 5.3 6.3 7.3 8.3

1.4 2.4 3.4 4.4 5.4 6.4 7.4 8.4

1.5 4.5 5.5 7.5 8.5

1.6

1.7
 Contoh Case Study
• Penentuan Bobot Kriteria :
– Kriteria Jabatan (C1) :
Benefit Gol. Keterangan

Jabatan Nilai Gol. 1

Pejabat Tinggi Negara, Rektor, Anggota Legislatif, Guru Besar, Perwira Tinggi, Professional, Pejabat
Eselon I, Kepala Daerah, Pengusaha Besar dan Menengah, Direksi, Manager.
1 Gol. 1 0,1
Gol. 2 Pejabat Eselon II, Dekan, Asisten Manager, Kepala Dinas, Perwira Menengah, Pengusaha Kecil.
2 Gol. 2 0,25
Gol. 3 Pejabat Eselon III, Supervisor, Kabiro, Kabag, PNS Gol IV, Perwira Pertama, Pengusaha Mikro.
3 Gol. 3 0,4
Gol. 4 Pejabat Eselon IV, Bintara Tinggi, Kasubag, PNS Gol III, Pensiunan PNS Gol IV
4 Gol. 4 0,55
Gol. 5 Bintara, PNS Gol II, Kaur, Kasi, Pensiunan PNS Gol III
5 Gol. 5 0,7
Gol. 6 Tamtama, PNS Gol I, Pensiunan PNS Gol II, Pengemudi
6 Gol. 6 0,85
Anak Yatim Piatu, Ibu Rumah Tangga, Kuli Bangunan, Tukang Parkir, Buruh Tani, Tukang Becak,
Gol. 7
7 Gol. 7 1 Pekerja Sektor Informal, Pensiunan PNS Gol I.

– Kriteria Penghasilan (C2) :

Cost
Penghasilan (G) Nilai
1 G ≤ 1.000.000 0,25
2 1.000.000 < G ≤ 5.000.000 0,5
3 5.000.000 < G ≤ 10.000.000 0,75
4 G > 10.000.000 1
 Contoh Case Study
• Penentuan Bobot Kriteria :
– Kriteria PBB (C3) : – Kriteria PDAM (C6) :
Cost Cost
PBB (P) Nilai PDAM (A) Nilai
1 P ≤ 50.000 0,25 1 A ≤ 50.000 0,25
2 50.000 < P ≤ 150.000 0,5 2 50.000 < A ≤ 150.000 0,5
3 150.000 < P ≤ 300.000 0,75 3 150.000 < A ≤ 300.000 0,75
4 P > 300.000 1 4 A > 300.000 1

– Kriteria Listrik (C4) : – Kriteria Tanggungan Ortu (C7) :

Cost Benefit
Listrik (L) Nilai Tanggungan Ortu Nilai
1 L ≤ 50.000 0,2 1 1 Anak 0
2 50.000 < L ≤ 100.000 0,4 2 2 Anak 0,25
3 100.000 < L ≤ 200.000 0,6 3 3 Anak 0,5
4 200.000 < L ≤ 300.000 0,8 4 4 Anak 0,75
5 L > 300.000 1 5 > 5 Anak 1

– Kriteria Telepon (C5) : – Kriteria Jumlah Saudara (C8) :

Cost Benefit
Telepon (T) Nilai Jumlah Saudara Kandung Nilai
1 T ≤ 50.000 0,2 1 1 Orang 0
2 50.000 < T ≤ 100.000 0,4 2 2 Orang 0,25
3 100.000 < T ≤ 200.000 0,6 3 3 Orang 0,5
4 200.000 < T ≤ 300.000 0,8 4 4 Orang 0,75
5 T > 300.000 1 5 > 5 Orang 1
 Contoh Case Study
• Memasukkan Nilai Kriteria :
Ci Mhs 1 Mhs 2 Mhs 3 Mhs 4
C1 Gol. 2 Gol. 1 Gol. 4 Gol. 3
C2 8.000.000 12.000.000 1.000.000 5.000.000
C3 250.000 300.000 130.000 150.000
C4 200.000 350.000 50.000 100.000
C5 250.000 400.000 70.000 150.000
C6 300.000 380.000 100.000 200.000
C7 3 5 1 2
C8 3 3 1 2
• Mengubah Nilai Kriteria Ke Dalam Nilai Fuzzy (Xij) :
Nilai Fuzzy C1 C2 C3 C4 C5 C6 C7 C8 + Kriteria Keuntungan :
Mhs 1 0,25 0,75 0,75 0,6 0,8 1 0,5 0,5 C1, C7, C8
Mhs 2 0,1 1 0,75 1 1 1 1 0,5
Mhs 3 0,55 0,25 0,5 0,2 0,4 0,5 0 0 - Kriteria Biaya :
Mhs 4 0,4 0,5 0,5 0,4 0,6 0,75 0,25 0,25 C2, C3, C4, C5, C6
• Normalisasi Nilai Fuzzy (Rij) :
Rij C1 C2 C3 C4 C5 C6 C7 C8
 x ij
   jika j (benefit)
Mhs 1 0,455 0,333 0,667 0,333 0,500 0,500 0,500 1,000
 Max x : , j
Min x : , j 
Mhs 2 0,182 0,250 0,667 0,200 0,400 0,500 1,000 1,000 R ij  
Mhs 3 1,000 1,000 1,000 1,000 1,000 1,000 0,000 0,000  jika j (cost)
Mhs 4 0,727 0,500 1,000 0,500 0,667 0,667 0,250 0,500 
 x ij
x11 0,25 0,25
R11     0,455
Max x(:,1)  Max 0,25 : 0,1 : 0,55 : 0,4 0,55
 Contoh Case Study
• Normalisasi Nilai Fuzzy (Rij) :
Rij C1 C2 C3 C4 C5 C6 C7 C8
Mhs 1 0,455 0,333 0,667 0,333 0,500 0,500 0,500 1,000  x ij
 Max x : , j 
Mhs 2 0,182 0,250 0,667 0,200 0,400 0,500 1,000 1,000
 jika j (benefit)

Min x : , j 
Mhs 3 1,000 1,000 1,000 1,000 1,000 1,000 0,000 0,000 R ij  
Mhs 4 0,727 0,500 1,000 0,500 0,667 0,667 0,250 0,500
 jika j (cost)

 x ij
x11 0,25 0,25
R11     0,455
Max x(:,1)  Max 0,25 : 0,1 : 0,55 : 0,4 0,55

Min x(:,2)  Min 0,75 : 1,00 : 0,25 : 0,50 0,25

R 12     0,333
x12 0,75 0,75
• Nilai Preferensi (Vi) :
n
Vi   WjR ij C1
1
C2
0,75
C3
0,5
C4
0,75
C5
0,25
C6
0,5
C7
0,75
C8
0,75
Nilai Bobot (W)
j1
8
Vi V1   WjR1j  W1R11  W2 R12  W3R13  W4 R14  W5 R15  W6 R16  W7 R17  W8 R18
Mhs 1 2,788 j1

Mhs 2 2,703  1* 0,455  0,75 * 0,333  0,5 * 0,667   0,75 * 0,333  0,25 * 0,5  0,5 * 0,5 
Mhs 3 3,750 0,75 * 0,5  0,75 *1  2,788
Mhs 4 3,040
 Contoh Case Study
• Nilai Preferensi (Vi) :
n
Vi   WjR ij C1
1
C2
0,75
C3
0,5
C4
0,75
C5
0,25
C6
0,5
C7
0,75
C8
0,75
Nilai Bobot (W)
j1
8
Vi V1   WjR1j  W1R11  W2 R12  W3R13  W4 R14  W5 R15  W6 R16  W7 R17  W8 R18
Mhs 1 2,788 j1

Mhs 2 2,703  1* 0,455  0,75 * 0,333  0,5 * 0,667   0,75 * 0,333  0,25 * 0,5  0,5 * 0,5 
Mhs 3 3,750 0,75 * 0,5  0,75 *1  2,788
Mhs 4 3,040

Perangkingan nilai Vi dari yang tertinggi sampai terendah.

Ci Mhs 1 Mhs 2 Mhs 3 Mhs 4 Vi
C1 Gol. 2 Gol. 1 Gol. 4 Gol. 3
Mhs 3 3,750
C2 8.000.000 12.000.000 1.000.000 5.000.000
Mhs 4 3,040
C3 250.000 300.000 130.000 150.000
C4 200.000 350.000 50.000 100.000 Mhs 1 2,788
C5 250.000 400.000 70.000 150.000 Mhs 2 2,703
C6 300.000 380.000 100.000 200.000
C7 3 5 1 2
C8 3 3 1 2

Diketahui ada 3 jenis penentuan Prioritas SPP Proporsional, yaitu (40%

pertama, 30% kedua, 30% ketiga).
 Contoh Case Study
• Nilai Preferensi (Vi) :
Perangkingan nilai Vi dari yang tertinggi sampai terendah.
Ci Mhs 1 Mhs 2 Mhs 3 Mhs 4
C1 Gol. 2 Gol. 1 Gol. 4 Gol. 3
Vi
C2 8.000.000 12.000.000 1.000.000 5.000.000 Mhs 3 3,750
C3 250.000 300.000 130.000 150.000 Mhs 4 3,040
C4 200.000 350.000 50.000 100.000 Mhs 1 2,788
C5 250.000 400.000 70.000 150.000 Mhs 2 2,703
C6 300.000 380.000 100.000 200.000
C7 3 5 1 2
C8 3 3 1 2

Karena ada 3 jenis Prioritas SPP, yaitu (40% pertama, 30% kedua, 30% ketiga). Maka,
o Untuk 40% Pertama (SPP Tipe 1) : Rp 700.000,-
40
nTipe 1  x 4  1,6  2 Mahasiswa pertama, yaitu Mhs 3 dan Mhs 4
100
o Untuk 30% Kedua (SPP Tipe 2) : Rp 1.500.000,-
30
nTipe 2  x 4  1,2  1Mahasiswa kedua, yaitu Mhs 1
100
o Untuk 30% Ketiga (SPP Tipe 3) : Rp 3.500.000,-
30
nTipe 3  x 4  1,2  1Mahasiswa ketiga, yaitu Mhs 2
100
 Latihan Individu 1
• Berdasarkan Case Study sebelumnya, jika ditambahkan lagi
seorang mahasiwa yaitu ”Mhs 5” dengan spesifikasi berikut :
Matrik Nilai Kriteria
Ci Mhs 1 Mhs 2 Mhs 3 Mhs 4 Mhs 5
C1 Gol. 2 Gol. 1 Gol. 4 Gol. 3 Gol. 6
C2 8.000.000 12.000.000 1.000.000 5.000.000 5.400.000
C3 250.000 300.000 130.000 150.000 500.000
C4 200.000 350.000 50.000 100.000 450.000
C5 250.000 400.000 70.000 150.000 50.000
C6 300.000 380.000 100.000 200.000 150.000
C7 3 5 1 2 4
C8 3 3 1 2 4

Tentukan hasil keputusan akhir penentuan SPP Proporsional

berdasarkan 3 jenis Prioritas yang ada!
 Latihan Individu 2
• Diketahui hasil penilaian Pejabat Pembuat Komitmen (PPK) dalam
sebuah lelang pengadaan Alat Pendidikan setelah dilakukan
pembobotan beberapa kriteria, maka didapatkan skor sebagai
berikut :
Evaluasi Administrasi Evaluasi Teknis Evaluasi Harga
Xij
(C1) (C2) (C3) + Kriteria Keuntungan :
C1, C2, C3
Peserta Lelang 1 24 15 0,9853

Peserta Lelang 2 24 16 0,9668 - Kriteria Biaya :

-
Peserta Lelang 3 24 14 0,9226

Peserta Lelang 4 24 16 0,9221

C1 C2 C3
Nilai Bobot (W) 1 1 1

Tentukan hasil keputusan akhir penentuan Peserta Lelang Terbaik

menggunakan metode Simple Additive Weighting (SAW)!
 Weighted Product (WP)
• Tentang Weighted Product (WP) :
– Metode WP merupakan salah satu metode penyelesaian yang
ditawarkan untuk menyelesaikan masalah Multi Attribute
Decision Making (MADM).
– Metode WP mirip dengan Metode Weighted Sum (WS), hanya
saja metode WP terdapat perkalian dalam perhitungan
matematikanya.
– Metode WP juga disebut sebagai analisis berdimensi karena
struktur matematikanya menghilangkan satuan ukuran suatu
objek data.
– Tidak melakukan proses normalisasi data.
• Definisi :
– Metode Weighted Product (WP) adalah himpunan berhingga dari
alternatif keputusan yang dijelaskan dalam beberapa hal kriteria
keputusan.
 Weighted Product (WP)
• Langkah – langkah menggunakan metode WP :
1. Menentukan tingkat prioritas bobot setiap kriteria (W_Initj) kemudian
dilakukan perbaikan bobot (Wj) menggunakan rumus berikut.
W_Init j Keterangan :
Wj  n n menyatakan banyak kriteria
 W_Init
j1
j

2. Membuat tabel bobot kriteria yang akan dipilih.

Kriteria
Alternatif (Ai)
Misal :
C1 C2 .. Cn
C1 = Harga
Item 1 X11 .. .. .X1n
C2 = Diskon, etc
Item 2 .. .. .. ..
.. .. .. .. ..
m mewakili banyak Item.
Item m Xm1 .. .. Xmn

3. Menghitung vektor Si, dimana setiap data (Xij) akan dikalikan tetapi
sebelumnya dilakukan pemangkatan dengan bobot dari kriterianya.
n
Si   , dengan i  1,2,.., m W
n kWj
j1 Xij dimana j  1 , k=1
j1
untuk atribut keuntungan, k=-1 untuk atribut biaya.
 Weighted Product (WP)
• Langkah – langkah menggunakan metode WP :
2. Membuat tabel bobot kriteria yang akan dipilih.
Kriteria
Alternatif Misal :
C1 C2 .. Cn
C1 = Harga
Item 1 X11 .. .. .X1n
C2 = Diskon, etc
Item 2 .. .. .. ..
.. .. .. .. ..
m mewakili banyak Item.
Item m Xm1 .. .. Xmn

3. Menghitung vektor Si, dimana setiap data (Xij) akan dikalikan tetapi
sebelumnya dilakukan pemangkatan dengan bobot dari kriterianya.
n

Si   dimana  Wj  1 , k=1
, dengan i  1,2,.., m
n kWj
j1 Xij
j1
untuk atribut keuntungan, k=-1 untuk atribut biaya.
4. Menghitung vektor Vi kemudian memilih nilai tertinggi sebagai alternatif
terbaik dalam pengambilan keputusan.
Si
Vi  m
, dengan i  1,2,.., m
S
j1
i
 Case Study
• Metode Weighted Product (WP) :
– Langkah 1 : Menentukan tingkat prioritas bobot setiap kriteria dan
diasumsikan user akan membeli smartphone dengan operating system
Android dari Samsung atau Windows Phone dari Nokia yang
mempunyai tingkat prioritas bobot yaitu; Harga = 25, Web Akses = 20,
Prosesor = 15, Bobot = 10, Ukuran Layar = 5, RAM = 10, Resolusi
Kamera = 15, Memori = 25. Sehingga didapatkan Wj sebagai berikut :
 Case Study
• Metode Weighted Product (WP) :
– Langkah 2 : Membuat tabel bobot kriteria produk smartphone yang akan
dipilih.
Kriteria
Alternatif Hp (Ai)
C1 C2 C3 C4 C5 C6 C7 C8
Nokia 1 2100000 7200 800 150 3,5 256 3 6
Nokia 2 2000000 7200 600 155 3,7 512 5 4
Samsung 3 2450000 7200 1000 140 3,7 256 3 6
Samsung 4 2500000 7200 1200 140 4 256 5 4
Samsung 5 2600000 7200 1200 135 3,7 512 5 4

– Keterangan :
C1 = Harga Smartphone C5 = Ukuran Layar Smartphone
C2 = Web Akses Smartphone C6 = RAM Smartphone
C3 = Kecepatan Prosesor Smartphone C7 = Resolusi Kamera Smartphone
C4 = Bobot Smartphone C8 = Memori Smartphone
 Case Study
• Metode Weighted Product (WP) :
– Langkah 3 : Menghitung vektor Si, dimana data yang ada akan dikalikan
tetapi sebelumnya dilakukan pemangkatan dengan bobot dari masing-
masing kriteria.

– Langkah 4 : Menghitung vektor Vi dengan cara membagi hasil masing-

masing vektor Si dengan jumlah seluruh Si.
 Case Study
• Metode Weighted Product (WP) :
– Langkah 4 : Menghitung vektor Vi dengan cara membagi hasil masing-
masing vektor Si dengan jumlah seluruh Si.

– Langkah 5 : Setelah menghitung nilai Vi untuk tiap-tiap smartphone,

maka sistem akan memilih nilai tertinggi sebagai alternatif terbaik
dalam mengambil keputusan. Sehingga rekomendasi smartphone yang
didapat adalah Samsung 5, Samsung 4, Nokia 2, Samsung 3, dan
Nokia 1 sesuai dengan urutan tertinggi nilai Vi.
 Latihan Individu
• Metode Weighted Product (WP) :
– Diketahui tingkat prioritas bobot setiap kriteria smartphone adalah
Harga = 25, Web Akses = 20, Prosesor = 15, Bobot = 10, Ukuran Layar
= 5, RAM = 10, Resolusi Kamera = 15, Memori = 25. Dengan tabel
bobot kriteria produk smartphone yang akan dipilih di bawah ini :
Kriteria
Alternatif Hp (Ai)
C1 C2 C3 C4 C5 C6 C7 C8
Samsung 6100000 7200 800 150 3,5 256 3 6

LG 5000000 7200 600 155 3,7 512 5 4

Nokia 7000000 7200 1200 135 3,7 512 5 4

Hitunglah vektor Vi yang memiliki nilai tertinggi dan menunjuk kepada

smartphone apa?
Selesai