Upload
lenhu
View
215
Download
0
Embed Size (px)
Citation preview
1
!
DSS
1. Introduction MSS Overview
2. Decision Making- System Modeling and Support (ch 2)
3. Decision Support System (ch 3)
4, 5 & 6 . Modeling & Analysis (ch 4)
7. Business Intellegence : Data warehouse, Data Acquisition,
Data Mining (ch 5)
8. MID TEST
9. DSS Development (ch 6)
10. Group Decision Support System &
Executive Information System (ch 7 & 8)
11. Knowledge Management(ch 9)
12-14 PRESENTATION
15.FINAL TEST
2
!
Elemen utama dalam DSS Berbagai jenis model Setiap model memiliki teknik yang berbeda Memungkinkan adanya pengkajian ulang
untuk alternatif solusi Seringkali sebuah DSS melibatkan Multiple
models Trend menuju transparansi
Multidimensional modeling ditunjukkan seperti halnya spreadsheet
!
Menelusuri masalah Mengidentifikasi alternatif solusi Dapat berorientasi obyek Meningkatkan proses pengambilan
keputusan Memberikan gambaran dampak dari
alternatif keputusan
3
!
Algorithm-based models Statistic-based models Linear programming models Graphical models Quantitative models Qualitative models Simulation models
!
Memahami dan menganalisa lingkungan luar
Business intelligence Mengidentifikasi variable dan hubungan
Influence diagrams Cognitive maps
Forecasting Ditingkatkan dengan e-commerce Meningkatkan jumlah informasi yang
tersedia melalui teknologi
4
!
!
Gambaran sederhana dari situasi Single interval Time can be rolled forward, a photo at a
time Biasanya berulang Steady state
Optimal operating parameters Continuous Unvarying Primary tool for process design
5
!
Merepresentasikan situasi yang kerap berubah
Time dependent Kondisi yang beragam Generate dan menggunakan trends Suatu kejadian mungkin saja tak
berulang
!
Certainty (Kepastian) Diasumsikan sebagai knowledge utuh Dapat mengetahui semua hasil yang
potensial Mudah digunakan Dapat menentukan solusi ulang dengan
mudah Sangat kompleks
6
!
Uncertainty (Ketidak pastian) Beberapa hasil untuk setiap keputusan Kemungkinan yang terjadi untuk setiap hasil
tidak dapat diketahui Informasi yang tidak mencukupi Membutuhkan resiko dan keinginan untuk
mengambil resiko Pendekatan Pessimistic/optimistic
!
Probabilistic Decision-Making Keputusan yang beresiko Probabilitas dari beberapa hasil yang
memungkinkan bisa saja terjadi Analisa Resiko Menghitung nilai untuk setiap alternatif Memilih nilai terbaik
7
!
Model disajikan dengan grafis Menyediakan relationship framework Menguji ketergantungan antar variabel Semua level disajikan detail Menunjukkan dampak perubahan Menunjukkan what-if analysis
!
!!"
#
$
%
8
!
!$&&'
(
%
$)
*&
%
%!
*"
#!+
!
9
!
Fleksibel dan mudah End-user modeling tool Memungkinkan penggunaan linear
programming dan analisa regresi Meliputi what-if analysis, data
management, macros Sempurna dan transparan Memasukkan Model Statis dan Dinamis
!
10
!
Analisa keputusan untuk multi kriteria Meliputi:
Decision variables (alternatif) Uncontrollable variables (Variabel tak
terkontrol) Result variables (Variabel Hasil)
Menerapkan prinsip-prinsip certainty, uncertainty, and risk
!
Penggambaran dari beberapa hubungan Pendekatan multi kriteria Menunjukkan hubungan yang kompleks Tidak praktis, bila terlalu banyak
alternatif
11
!
Menyatukan decision variables, uncontrollable variables, parameters, dan result variables Decision variables menggambarkan alternatif
pilihan. Uncontrollable variables adalah sesuatu yang
berada diluar kemampuan decision-maker. Faktor tetap adalah parameter. Intermediate outcomes adalah intermediate
result variables. Result variables tergantung pada solusi terpilih
dan uncontrollable variables.
!
Nonquantitative models Hubungan Simbolis Hubungan Kualitatif Hasil akan tergantung pada Keputusan yang dipilih Faktor-faktor diluar kemampuan decision
maker Hubungan antar variabel
12
!
!"#
!
!"
#$%& $
%$%
13
!
"!$"!$"!$"!$
'()' *!
(
+!
,-
.!
.
!
Tools untuk menyelesaikan masalah manajerial
Decision-maker harus mengalokasikan sumber daya
Optimisasi tujuan tertentu Linear programming
Terdiri dari decision variables, objective function and coefficients, uncontrollable variables (constraints), capacities, input and output coefficients
14
!
Seringkali manajemen menginginkan tujuan yang dapat saling menimbulkan konflik
Sulit menentukan ukuran efektifitas Metode Penanganan:
Utility theory Goal programming Linear programming with goals as constraints Point system
!
#%&%
Sensitivity
Mengkaji dampak dari perubahan input atau parameter terhadap solusi
Dapat disesuaikan dan fleksibel Mengurangi variabel Otomatis atau trial and error
What-if Mengkaji solusi berdasarkan pada perubahan variabel atau
asumsi Struktur : What will happen to the solution if an input variable, an
assumption, or a parameter value is changed? Goal seeking
Pendekatan mundur (Backwards approach), dimulai dengan tujuan
Menentukan nilai input yang diperlukan untuk mencapai tujuan Contoh: Penentuan break-even point
15
!
Teknik Analisis (algoritma) untuk masalah
terstruktur General, step-by-step search Mencapai solusi yang optimal
Blind search Complete enumeration Semua alternatif dipertimbangkan dan sehingga
solusi optimal dapat ditemukan. Incomplete/Partial search Dikerjakan sampai menemukan solusi yang good
enough. Mencapai tujuan tertentu Mungkin mencapai tujuan yang optimal
!
Heurisitic Repeated, step-by-step searches Rule-based, hanya digunakan untuk situasi
tertentu Solusi yang Good enough , tetapi, akhirnya
mencapai tujuan yang optimal Contoh heuristics Tabu search
Mengingat dan mengarahkan pada pilihan yang lebih berkualitas
Genetic algorithms Menjalankan solusi dan mutasi secara random
16
!
!
Bentuk imitasi dari kenyataan Memungkinkan eksperimentasi dan waktu yang lebih singkat Deskriptif, bukan normatif Mencakup kompleksitas, tetapi membutuhkan keterampilan
khusus Menangani masalah tidak terstruktur TIdak menjamin tercapainya solusi optimal Metodologi
Mendefinisikan masalah Membuat model Testing dan validasi Merancang eksperimen Eksperimentasi Evaluasi Implementasi
17
!
Probabilistic independent variables Discrete or continuous distributions
Time-dependent atau time-independent Visual interactive modeling
Grafis Decision-makers berinteraksi dengan
simulated model Dapat digunakan dengan artificial
intelligence Dapat berorientasi obyek
!
18
!
'
Software yang memungkinkan pengaturan model dengan transparent data processing
Kemampuan DSS user memiliki kontrol Fleksibel dalam merancang Memberikan feedback GUI based Pengurangan redundancy Meningkatkan konsistensi Komunikasi antar model kombinasi
!
'
Relational model base management system Virtual file Virtual relationship
Object-oriented model base management system Logical independence
Database and MIS design model systems Data diagram, ERD diagrams managed by
CASE tools
19
!
,-
ANP (Analytical Network Process) AHP (Analytical Hirarcy Process) CPI (Composite Performance Index) Electre GAP Promethee (Preference Ranking Organization
METHod for Enrichment Evaluation) SAW TOPSIS (T echnique for Order of Preference by
Similarity to Ideal Solution) WP (Weighted Product)
!
()(*
Dikembangkan oleh oleh Prof. Thomas L. Saaty Algoritma pengambilan keputusan untuk
permasalahan multikriteria (Multi Criteria Decision Making atau MCDM).
Konsep dasar AHP adalah penggunaan matriks pairwise comparison (Matriks perbandingan berpasangan) untuk menghasilkan bobot relative antar kriteria maupun alternative.
,.
20
!
()(*
,/
Tingkat Kepentingan Definisi Keterangan
1 Sama PentingnyaKedua elemen mempunyai pengaruh yang sama
3 Sedikit lebih pentingPengalaman dan penilaian sangat memihak satu elemen dibandingkandengan pasangannya
5 Lebih PentingSatu elemen sangat disukai dan secara praktis dominasinya sangat nyata,dibandingkan dengan elemen pasangannya.
7 Sangat PentingSatu elemen terbukti sangat disukai dan secara praktis dominasinya sangatnyata, dibandingkan dengan elemen pasangannya.
9 Mutlak lebih pentingSatu elemen terbukti mutlak lebih disukai dibandingkan denganpasangannya, pada keyakinan tertinggi.
2,4,6,8 Nilai TengahDiberikan bila terdapat keraguan penilaian di antara dua tingkat kepentinganyang berdekatan.
%! %+/.0
$ !! ! + !!!1
!
()(*
23
%//3 !! )!!!
45!676111111111111111111111111111111111111111111111111111
4!895!4: !
: "!!"! &1
;!!!! !!+! !! !1: !1
21
!
()(*
2
;!!!! !!+! !! !1: !1
!!
47111111111111111111111111111111111111111111111111111111111111111
;!3
22
!
+(,
Problem : Fadhel ingin membeli mobil. Adapun alterntif pilihan mobil yang akan dibeliFadhel adalah Toyota, Honda, Daihatsu, dan Suzuki. Sedangkan kriteriapenilaian yang dipertimbangkan Fadhel untuk membeli mobil adalah style, reliability, fuel economy.
Langkah-2 Penyelesaian Masalah :a.Mendefinisikan Masalah
Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalumenyusun hirarki dari permasalahan yang dihadapi.
2,
!
+(,
a.Mendefinisikan Masalah (lanjutan)
22
=%>!
Goal
Kriteria
Alternatif pilihan
23
!
+(,
b. Menyusun kriteria-kriteria dengan matrik perbandingan berpasangan (matrik Pairwise Comparison) (skala Saaty).
2?
Style Reliability Fuel Economy
Style 1 1/2 3
Reliabilty 2 1 4
Fuel Economy 1/3 1/4 1
97 !297 %,97 @
!
+(,
c. Hitung bobot kriteria (priority vector) dengan cara :1) Normalisasi nilai setiap kolom matrik perbandingan berpasangan
dengan membagi setiap nilai pada kolom matrik dengan hasilpenjumlahan kolom yang bersesuaian.
20
Style Reliability Fuel Economy
Style 1/3,33 =0,3 0,5/1.75=0,29 3/8=0,38
Reliabilty 2/3,33 = 0,6 1/1,75 =0,57 4/8 = 0,5
Fuel Economy 0,33/3,33=0,1 0,25/1,75=0,14 1/8 = 0,1
Colums Sums 1,00 1,00 1,00
24
!
+(,
c. Hitung bobot kriteria (priority vector) dengan cara (lanjutan) :2) Hitung nilai rata-rata dari penjumlahan setiap baris matrik
2-
Style Reliability Fuel Economy Rows Average (X)
Style 1/3,33 =0,3 0,5/1.75=0,29 3/8=0,38 0,32Reliabilty 2/3,33 = 0,6 1/1,75 =0,57 4/8 = 0,5 0,56Fuel Economy 0,33/3,33=0,1 0,25/1,75=0,14 1/8 = 0,1 0,11
ColumsSums
1,00 1,00 1,00 1,00
X=P
riority Vektor(E
ignenVeoktor
Norm
alisasi)Row
Average
!
+(,
d. Cek Ratio Konsistensi / Consitency Ratio (CR) dari matrikperbandingan berpasangan kriteria. Jika CR > 0.1 maka harus diulangkembali perbandingan berpasangan sampai didapat CR
25
!
+(,
e. Susunan hierarki yang baru (lengkap dengan bobot kriteria)
2/
Criteria Weight
Style 0,3
Reliabilty 0,6
Fuel Economy 0,1
8
!
?3
Style Toyota Honda Daihatsu Suzuki
Toyota 1 1/4 4 1/6
Honda 4 1 4
Daihatsu 1/4 1/4 1 1/5
Suzuki 6 4 5 1
1$ !!%
+(,Style Toyota Honda Daihatsu Suzuki
Toyota 1,00 0,25 4,00 0,166
Honda 4,00 1,00 4,00 0,25
Daihatsu 0,25 0,25 1,00 0,20
Suzuki 6,00 4,00 5,00 1,00
Columns Sum 11,25 5,50 14 1,616
1 2
Style Toyota Honda Daihatsu Suzuki
Toyota 1/11,25=0,088 0,25/5,5=0,045 4/14=0,285 0,166/1,616= 0,103
Honda 4/11,25=0,355 1/5,5=0,181 4/14=0,285 0,25/1,616=0,154
Daihatsu 0,25/11,25=0,022 0,25/5,5=0,045 1/14=0,071 0,20/ 1,616 =0,124
Suzuki 6/11,25=0,533 4/5,5=0,727 5/14=0,357 1/1,616 =0,618
Columns Sum 1,00 1,00 1,00 1,00
3 :> ! "
=29+A%>!09+29=29B%>!?9+
26
!
?
1$ !!%"
+(,
Style Toyota Honda Daihatsu Suzuki Average Rows(Priority Vektor)
Toyota 1/11,25=0,088 0,25/5,5=0,045 4/14=0,285 0,166/1,616= 0,103
0,13
Honda 4/11,25=0,355 1/5,5=0,181 4/14=0,285 0,25/1,616=0,154
0,24
Daihatsu 0,25/11,25=0,022
0,25/5,5=0,045 1/14=0,071 0,20/ 1,616 =0,124
0,07
Suzuki 6/11,25=0,533 4/5,5=0,727 5/14=0,357 1/1,616 =0,618
0,56
Columns Sum 1,00 1,00 1,00 1,00 1,00
!
?
1$ !!
+(,
Reliability Toyota Honda Daihatsu Suzuki Average Rows(Priority Vektor)
Toyota 1 2 5 1 0,38Honda 1 3 2 0,29Daihatsu 1/5 1/3 1 0,07Suzuki 1 4 1 0,26Colums Sum 1,00
,1$ !!@C
Fuel Economy Mill / Galon Average Rows(Priority Vektor)
Toyota 34 0,30Honda 27 0,24Daihatsu 24 0,21Suzuki 28 0,25Colums Sum 113 1,00
#
!!+!! ! ,
27
!
21$ ! #
+(,
Reliability Style Reliability Fuel Economy
X
Criteria Weight (CW)
Sum of (S R F) ) * CW
Toyota 0,13 0,38 0,30 0,30 0,297Honda 0,24 0,29 0,24 0,60 0,27Daihatsu 0,07 0,07 0,21 0,10 0,084Suzuki 0,56 0,26 0,25 0,349
ColumsSum
1,00 1,00 1,00 1,00
43,B3+,D3+,.B3+03D3+,3B3+43+/-=43+2B3+,D3+/B3+03D3+2B3+343+-
!
Metode AHP bisa digunakan untuk menentukan segala kasus yang membutuhkan output berupa prioritas dari hasil perangkingan.
Penyempurnaan dari Metode AHP adalah Metode ANP
?2
28
!
Tabel keputusan merupakan metode pengambilan keputusan yang cukup sederhana.
Metode ini menggunakan bantuan tabel yang berisi hubungan antara beberapa atribut yang mempengaruhi atribut tertentu.
Umumnya, tabel keputusan ini digunakan untuk penyelesaian masalah yang tidak melibatkan banyak alternatif.
!
Pada tabel keputusan, nilai kebenaran suatu kondisi diberikan berdasarkan nilai logika dari setiap atribut Ek.
Hanya ada dua nilai kebenaran, yaitu Ek = benar atau Ek = salah.
Secara umum, tabel keputusan berbentuk:D = E {E1, E2, ..., EK}
dengan D adalah nilai kebenaran suatu kondisi, dan Ei adalah nilai kebenaran atribut ke-i (i = 1, 2, ... K).
29
!
Contoh-1: Jurusan Teknik Informatika akan melakukan
rekruitmen asisten untuk beberapa laboratorium di lingkungannya.
Persyaratan untuk menjadi asisten di suatu laboratorium ditentukan oleh nilai beberapa matakuliah.
Setiap laboratorium dimungkinkan memiliki syarat nilai yang berbeda.
!
E !
C!E !
C F!$8G,+33
C F !,
C, :! 4#
C2 :!!4#
C? :!4#
C0 :! !!4#
C- :!" !4#
C. :!!!!;
30
!
:#B
EC C C, C2 C? C0 C- C.
H H H$ A!
H H 8A%1
, H H H %A$E
2 H H *!AF
? H H H %AI 81
0 H H H !8!
- H H H !8!
. H H H !8!
/ H H H !8!
#1 ;+%?+C,4;+C24#J;1 +%,+C,4+C?4#J1 @++C,4#+C?4#J1 @+0+C,4+C.4#J
!
Kombinasi untuk semua Ei (i=1,2,...,8) pada aturan tersebut merupakan pengetahuan untuk menentukan pemilihan asisten laboratorium.
Sebagai contoh untuk laboratorium Pemrograman & Informatika Teori dapat digunakan aturan pertama, yaitu:
Untuk laboratorium Informatika Kedokteran dapat digunakan aturan ke-6, ke-7, ke-8, dan ke-9, yaitu:
dengan adalah operator AND; dan + adalah operator OR.
321 EEED =
861851841831 EEEEEEEEEEEED +++=861851841831 EEEEEEEEEEEED +++=
31
!
Contoh-2: Suatu institusi pendidikan tinggi akan
memberikan penilaian terhadap produktivitas staf pengajarnya dalam waktu 1 tahun.
Ada 5 kriteria yang akan diberikan, yaitu: tidak produktif, kurang produktif, cukup produktif, produktif, dan sangat produktif.
Atribut yang digunakan untuk memberikan penilaian adalah sebagai berikut. C1 = jumlah karya ilmiah yang dihasilkan C2 = jumlah diktat (bahan ajar) yang dihasilkan C3 = jumlah buku referensi yang dihasilkan
!
8 #
,
% $! G0 G
$! ?0 ! !
!$! ,2 ! !
8 $! ! !
! !
!$! 3 3 3
32
!
Nilai Tidak dipertimbangkan berarti berapapun nilainya diperbolehkan.
Sedangkan nilai 0 berarti, tidak menghasilkan. Misalkan seorang staf bernama Edi, telah
menghasilkan karya ilmiah sebanyak 3 karya, diktat sebanyak 2 karya, dan tidak menghasilkan buku referensi, maka Edi termasuk dalam kategori Cukup Produktif.
!
Pohon keputusan adalah salah satu metode penyelesaian masalah keputusan dengan cara merepresentasikan pengetahuan dalam bentuk pohon.
Suatu pohon memiliki conditional node yang menunjukkan kebenaran suatu ekspresi atau atribut.
Conditional node tersebut memberikan beberapa kemungkinan nilai, dapat berupa nilai boolean (Benar atau Salah), atau beberapa alternatif nilai yang mungkin dimiliki oleh suatu atribut, misal untuk atribut Tekanan Darah (Rendah, Normal, Tinggi).
33
!
Contoh: Untuk kasus pemilihan dosen produktif akan
dibuat pohon keputusannya.
!
8
#
$ "
$8F ,$
% $! G0 G
$! ?0 ! !
!$! ,2 ! !
8 $! ! !
! !
!$! 3 3 3
34
!
C1
C2
C3
> 6
> 2
Sangat Produktif
1
C2
5 atau 6
C2
3 atau 4
C2
1 atau 2
0
Produktif
2
Cukup Produktif
1
Kurang Produktif
C3
0
Tidak Produktif
0
;+42+4,+,4@+4+4+,43
!
)&*
Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot.
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967)(MacCrimmon, 1968).
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
35
!
)&* Formula untuk melakukan normalisasi tersebut
adalah sebagai berikut:
dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.
=
(cost) biayaatribut adalah j jikax
xMin
(benefit) keuntunganatribut adalah j jikaxMax
x
r
ij
iji
iji
ij
ij
!
)&*
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
=
=n
1jijji rwV
36
!
)&*
Contoh-1: Suatu institusi perguruan tinggi akan memilih seorang
karyawannya untuk dipromosikan sebagai kepala unit sistem informasi.
Ada empat kriteria yang digunakan untuk melakukan penilaian, yaitu: C1 = tes pengetahuan (wawasan) sistem informasi C2 = praktek instalasi jaringan C3 = tes kepribadian C4 = tes pengetahuan agama
!
)&*
Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 = 15%.
Ada enam orang karyawan yang menjadi kandidat (alternatif) untuk dipromosikan sebagai kepala unit, yaitu: A1 = Indra, A2 = Roni, A3 = Putri, A4 = Dani, A5 = Ratna, dan A6 = Mira.
37
!
)&*
Tabel nilai alternatif di setiap kriteria:
AlternatifKriteria
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
!
)&*
Normalisasi:
dst
{ } 82,08570
62;75;82;85;50;70max70
r11 ===
{ } 59,08550
62;75;82;85;50;70max70
r21 ===
{ } 67,07550
50;75;70;55;60;50max50
r12 ===
{ } 80,07560
50;75;70;55;60;50max60
r22 ===
38
!
)&*
Hasil normalisasi:
=
94,088,067,073,087,01188,0176,093,096,088,094,073,0182,096,080,059,071,094,067,082,0
R
!
)&*
Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan: w = [0,35 0,25 0,25 0,15]
Hasil yang diperoleh adalah sebagai berikut:
796,0)71,0)(15,0()94,0)(25,0()67,0)(25,0()82,0)(35,0(V1 =+++=
770,0)82,0)(15,0()96,0)(25,0()80,0)(25,0()59,0)(35,0(V2 =+++=
900,0)88,0)(15,0()94,0)(25,0()73,0)(25,0()00,1)(35,0(V3 =+++=
909,0)00,1)(15,0()76,0)(25,0()93,0)(25,0()96,0)(35,0(V4 =+++=
939,0)87,0)(15,0()00,1)(25,0()00,1)(25,0()88,0)(35,0(V5 =+++=
784,0)94,0)(15,0()88,0)(25,0()67,0)(25,0()73,0)(35,0(V6 =+++=
39
!
)&*
Nilai terbesar ada pada V5 sehingga alternatif A5adalah alternatif yang terpilih sebagai alternatif terbaik.
Dengan kata lain, Ratna akan terpilih sebagai kepala unit sistem informasi.
!
)&*
Contoh-2: Sebuah perusahaan makanan ringan XYZ akan
menginvestasikan sisa usahanya dalam satu tahun.
Beberapa alternatif investasi telah akan diidentifikasi. Pemilihan alternatif terbaik ditujukan selain untuk keperluan investasi, juga dalam rangka meningkatkan kinerja perusahaan ke depan.
40
!
)&*
Beberapa kriteria digunakan sebagai bahan pertimbangan untuk mengambil keputusan, yaitu: C1 = Harga, yaitu seberapa besar harga barang
tersebut. C2 = Nilai investasi 10 tahun ke depan, yaitu
seberapa besar nilai investasi barang dalam jangka waktu 10 tahun ke depan.
!
)&*
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; dan 3 = sangat mendukung.
C4 = Prioritas kebutuhan, merupakan tingkat kepentingan (ke-mendesak-an) barang untuk dimiliki perusahaan. Prioritas diberi nilai: 1 = sangat berprioritas, 2 = berprioritas; dan 3 = cukup berprioritas.
41
!
)&*
C5 = Ketersediaan atau kemudahan, merupakan ketersediaan barang di pasaran. Ketersediaan diberi nilai: 1 = sulit diperoleh, 2 = cukup mudah diperoleh; dan 3 = sangat mudah diperoleh.
Dari pertama dan keempat kriteria tersebut, kriteria pertama dan keempat merupakan kriteria biaya, sedangkan kriteria kedua, ketiga, dan kelima merupakan kriteria keuntungan.
Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1 = 25%; C2 = 15%; C3 = 30%; C4 = 25; dan C5 = 5%.
!
)&*
Ada empat alternatif yang diberikan, yaitu: A1 = Membeli mobil box untuk distribusi barang ke
gudang; A2 = Membeli tanah untuk membangun gudang
baru; A3 = Maintenance sarana teknologi informasi; A4 = Pengembangan produk baru.
42
!
)&*
Nilai setiap alternatif pada setiap kriteria:
Alternatif
Kriteria
C1(juta Rp)
C2(%) C3 C4 C5
A1 150 15 2 2 3
A2 500 200 2 3 2
A3 200 10 3 1 3
A4 350 100 3 1 2
!
)&*
Normalisasi:
dst
{ }1
150150
150350;200;500;150min
r11 ===
{ } 075,020015
100;10;200;15max15
r21 ===
{ } 667,032
3;3;2;2max2
r35 ===
5,021
2}1;1;3;2min{
r45 ===
43
!
)&*
Hasil normalisasi:
=
67,01150,043,011105,075,0
67,033,067,0130,0150,067,008,01
R
!
)&*
Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan:
w = [0,25 0,15 0,30 0,25 0,05] Hasil yang diperoleh adalah sebagai berikut:
Nilai terbesar ada pada V3 sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, maintenance sarana teknologi informasi akan terpilih sebagai solusi untuk investasi sisa usaha
638,0)1)(05,0()5,0)(25,0()67,0)(3,0()08,0)(15,0()1)(25,0(V1 =++++=542,0)67,0)(05,0()33,0)(25,0()67,0)(3,0()1)(15,0()3,0)(25,0(V 2 =++++=
795,0)1)(05,0()1)(25,0()1)(3,0()05,0)(15,0()75,0)(25,0(V3 =++++=766,0)67,0)(05,0()1)(25,0()1)(3,0()5,0)(15,0()43,0)(25,0(V4 =++++=
44
!
.-
!
..
45
!
./
" #" #" #" #" #" #" #" #
$ #$ #$ #$ #$ #$ #$ #$ #
" %#" %#" %#" %#" %#" %#" %#" %#
&'#&'#&'#&'#&'#&'#&'#&'#
""""""""########