Fuzzy best-worst multi-criteria

decision-making method and its

applications
 Langkah-langkah fuzzy BWM
untuk menentukan bobot fuzzy
kriteria (dan penentuan bobot
alternatif fuzzy)
Langkah 1. Buat sistem kriteria keputusan

• Nilai-nilai kriteria keputusan dapat mencerminkan kinerja dari

berbagai alternatif. Anggaplah ada n kriteria keputusan { c 1 , c 2 , , c
n }.
Langkah 2. Tentukan kriteria terbaik (paling penting) dan
kriteria terburuk (paling tidak penting)

• Berdasarkan sistem kriteria keputusan yang dibangun, kriteria terbaik

dan kriteria terburuk harus diidentifikasi oleh pengambil keputusan.
Kriteria terbaik direpresentasikan sebagai cB, dan kriteria terburuk
diberi label sebagai cW
Langkah 3. Lakukan perbandingan referensi fuzzy
untuk kriteria yang terbaik
• Satu bagian adalah perbandingan berpasangan 𝑎ത ij dalam kasus bahwa saya adalah
elemen terbaik, dan di sini ci adalah kriteria terbaik cB; yang lain adalah perbandingan
berpasangan 𝑎ത ij dalam kasus bahwa j adalah elemen terburuk, dan di sini cj adalah
kriteria terburuk cW
• Kemudian, preferensi fuzzy yang diperoleh ditransformasikan ke TFNs sesuai dengan
aturan transformasi yang ditunjukkan pada Tabel 1. Vektor Best-to-Others yang
diperoleh kabur adalah:
𝐴ሚ B = ( 𝑎෤ B1, 𝑎෤ B2, ... , 𝑎෤ Bn)
• Dimana: 𝐴ሚ B = vektor Best-to-Others fuzzy
𝑎෤ Bj = preferensi fuzzy dari kriteria terbaik cB atas kriteria j, j = 1, 2, ···,n.
Dapat diketahui bahwa 𝑎෤ BB= (1, 1, 1)
Langkah 4. Lakukan perbandingan referensi fuzzy
untuk kriteria terburuk
• Dengan menggunakan evaluasi linguistik pembuat keputusan yang tercantum dalam
Tabel 1, preferensi fuzzy dari semua kriteria atas kriteria terburuk dapat ditentukan,
dan kemudian mereka ditransformasikan ke TFNs sesuai dengan aturan transformasi
yang tercantum pada Tabel 1

𝐴ሚ w = ( 𝑎෤ 1w, 𝑎෤ 2w, ... , 𝑎෤ nw)

• Dimana: 𝐴ሚ w = vektor Fuzzy Others-to-Worst

𝑎෤ 1w = preferensi fuzzy dari kriteria i atas kriteria terburuk cW
i = 1, 2, ···, n. Dapat diketahui bahwa 𝑎෤ ww= (1, 1, 1)
Langkah 5. Tentukan bobot fuzzy yang optimal
෩ ∗ ෩∗ ෩ ∗
(W1 , W2 , … , Wn )
• Oleh karena itu, kita dapat memperoleh masalah optimasi terbatas untuk
menentukan bobot fuzzy yang optimal (W෩ 1∗ , W
෩ 2∗ , … , W
෩ n∗ ) sebagai berikut.

• di mana 𝑤 ෥ j= (𝑙jw , 𝑚jw , 𝑢jw ), 𝑤

෥ B= (𝑙Bw , 𝑚Bw , 𝑢Bw ), 𝑤 w
෥ w= (𝑙w w
, 𝑚w w
, 𝑢w ), 𝑎෤ Bj=
(lBJ,mBJ,uBJ), 𝑎෤ jw= (lJw,mJw,uJw)
• Dimana : ξ෨ = (lξ , mξ , uξ )
• Dengan lξ ≤ mξ ≤ uξ kemudian kita asumsikan ξ෨* = (k* , k*, k* ), k* ≤ lξ
Maka:
2.3 Rasio konsistensi untuk
fuzzy BWM
• Perbandingan fuzzy sepenuhnya konsisten ketika 𝑎ത BJ × 𝑎ത JW = 𝑎ത BW , di mana 𝑎ത BW ,
𝑎ത BJ dan 𝑎ത JW adalah preferensi fuzzy dari kriteria terbaik atas kriteria terburuk,
fuzzy preferensi kriteria terbaik atas kriteria j, dan preferensi fuzzy dari kriteria j
atas kriteria terburuk

• Menurut Tabel 1, nilai fuzzy maksimum 𝑎ത BW adalah (7/2, 4, 9/2), yang sesuai
dengan istilah linguistik 'Sangat penting (AI)' yang diberikan oleh pembuat
keputusan. Kapan 𝑎ത BJ × 𝑎ത JW ≠ 𝑎ത BW , yang berarti 𝑎ത BJ × 𝑎ത JW mungkin lebih tinggi
atau lebih rendah dari 𝑎ത BW , inkonsistensi dari perbandingan pairwise fuzzy akan
terjadi. Ketika keduanya 𝑎ത BJ dan 𝑎ത JW sama dengan 𝑎ത BW , ketidaksetaraan akan
mencapai yang terbaik, yang menghasilkan ξҧ
• Mempertimbangkan terjadinya ketidaksetaraan terbesar, sesuai dengan relasi
kesetaraan (𝑤
ഥB / 𝑤
ഥ j ) × (𝑤
ഥj / 𝑤
ഥW ) = 𝑤
ഥB / 𝑤
ഥ W , persamaan berikut dapat diperoleh
sebagai

• Adapun inkonsistensi fuzzy maksimum 𝑎ത BJ = 𝑎ത JW = 𝑎ത BW , Persamaan. (9) dapat

ditulis sebagai

• Diturunkan:
• Untuk ˜ a BW = (l BW, m BW, u BW), nilai fuzzy maksimum yang mungkin adalah
(7/2, 4, 9/2), yang menunjukkan l BW = 7/2, m BW = 4, dan u BW = 9/2. Ini
menunjukkan nilai maksimum l BW, m BW, dan u BW tidak dapat melebihi 9/2.
Dalam hal ini, jika kita menggunakan batas atas u BW
• Sementara itu, ˜ ξcan juga diwakili oleh nilai yang tajam ξ. Untuk
kasus lain seperti ˜ a BW = (5/2, 3, 7/2), ˜ a BW = (3/2, 2, 5/2), ˜ a BW
= (2/3, 1, 3 / 2), dan ˜ a BW = (1, 1, 1), kita dapat melakukan proses
yang sama. Oleh karena itu, Persamaan. (11) dapat ditransfer ke

• di mana u BW = 1, 3/2, 5/2, 7/2, dan 9/2, masing-masing

3. Studi kasus
3.1 Studi kasus 1
• Perusahaan harus memilih moda transportasi yang optimal untuk mengantarkan produk ke pasar.
Karena ambiguitas dan intangibilitas pembuat keputusan ketika dia melakukan evaluasi, fuzzy
BWM digunakan untuk memilih moda transportasi yang optimal.

• Tiga kriteria, yaitu 'fleksibilitas beban' (C1), 'aksesibilitas' (C2), dan 'biaya' (C3) dipilih untuk isu
pemilihan mode transportasi yang optimal [9] (Langkah 1). 'Biaya' (C3) dan 'fleksibilitas beban'
(C1) masing-masing merupakan kriteria terbaik dan terburuk berdasarkan pendapat dari
perusahaan (Langkah 2). Kemudian, vektor Best-to-Others fuzzy dapat diperoleh sesuai dengan
Tabel 1 dan Persamaan. (4) sebagai berikut (Langkah 3)
• AB=[(7/2,4,9/2),(2/3,1,3/2),(1,1,1)]
• Perbandingan referensi fuzzy untuk kriteria terburuk diekspresikan, dan evaluasi linguistik
pengambil keputusan untuk preferensi fuzzy dari semua kriteria atas kriteria terburuk tercantum
dalam Tabel 4. Kemudian, vektor Fuzzy Others-to-Worst dapat diperoleh menurut Tabel 1 dan
Persamaan. (5) sebagai berikut (Langkah 4)
AW=[(1,1,1),(3/2,2,5/2),(7/2,4,9/2)]

• Berdasarkan analisis di atas, untuk mendapatkan bobot fuzzy yang optimal dari semua kriteria,
hal-hal berikut ini dibatasi secara tidak linear
masalah optimasi dapat dibangun sesuai dengan Persamaan. (8)
Kemudian, kita dapat memperoleh masalah pengoptimalan nonlinier
yang dibatasi yang diwakili oleh bilangan konkrit.
Dengan memecahkan Persamaan. (14), bobot fuzzy optimal dari tiga kriteria
(‘fleksibilitas beban’, ‘aksesibilitas’, dan ‘biaya’) dapat dihitung, yaitu (lihat juga
Gambar 1)

• Kemudian, kita dapat memperoleh bobot yang tajam (yaitu GMIR bobot fuzzy)
dari tiga kriteria ‘fleksibilitas beban’, ‘aksesibilitas’ dan ‘biaya’, yang
• Bobot dari tiga kriteria 'fleksibilitas beban', 'aksesibilitas', dan 'biaya' masing-masing adalah
0,07414, 0,3387, dan 0,5899 dengan menggunakan metode BWM [9]. Dapat dilihat bahwa urutan
preferensi dari tiga kriteria adalah sama antara BWM dan fuzzy BWM meskipun ada sedikit
kesenjangan di antara masing-masing bobot kriteria. Karena BW = a 31 = (7/2, 4, 9/2), indeks
konsistensi untuk kasus ini adalah 8,04. Rasio konsistensi adalah 0,4495 / 8,04 = 0,0559, yang
menunjukkan konsistensi yang sangat tinggi karena rasio konsistensi 0,0559 sangat dekat dengan
nol. Dari [9], kita dapat mempelajari rasio konsistensi untuk kasus yang sama ini dengan
menggunakan BWM adalah 0,058, yang lebih besar daripada BWM fuzzy
3.2. Studi kasus 2
• Seorang pembeli menggunakan lima kriteria, yaitu kualitas (C1), harga (C2),
kenyamanan (C3), keamanan (C4), dan gaya (C5) untuk secara komprehensif
mengevaluasi alternatif mobil, dan kemudian membuat keputusan pembelian [
44]. The fuzzy BWM digunakan untuk memilih mobil yang optimal yang dapat
mempertimbangkan ambiguitas dan intangibility pembeli ketika dia membuat
keputusan pembelian. Lima kriteria, yaitu 'kualitas' (C1), 'harga' (C2),
'kenyamanan' (C3), 'keselamatan' (C4), dan 'gaya' (C5) dipilih untuk pemilihan
mobil yang optimal (Langkah 1). ‘Harga’ (C2) dan ‘gaya’ (C5) masing-masing
merupakan kriteria terbaik dan kriteria terburuk (Langkah 2)