1. AHP DAN TOPSIS -- Bagian 2 2. ENTROPY-- Bagian 1

Slides:



Advertisements
Presentasi serupa
Angga Kesuma S2MPSI Pendahuluan  Membantu direktur AKBID Abdurrahman menilai kinerja dosen  Memanfaatkan data histori kinerja yang tidak.
Advertisements

AHP: Pengertian dan Konsep Dasar
Riset Operasional - dewiyani
Metode TOPSIS.
Travel Cost Method BAGIAN EKONOMI LINGKUNGAN
Aplikasi AHP.
Latar Belakang Masalah
Analytic Hierarchy Process
ANALYTICAL HIERARCHY PROCESS (AHP)
Operations Management
Rika yunitarini Teknik Informatika
FUZZY ANALYTICAL HIERARCHY PROCESS
Metode-metode Optimasi dengan Alternatif Terbatas
Analytical Hierarchy Process
hadi paramu metode kuantitatif
CONTOH PENGGUNAAN AHP : Southcorp Development mendirikan dan mengelola mal di Amerika. Perusahaan telah menidentifikasi 3 (tiga) lokasi potensial untuk.
TABEL KEPUTUSAN,SAW,TOPSIS,WP
SAW,WP,TOPSIS Sistem Pendukung Keputusan.
Metode-metode Optimasi dengan Alternatif Terbatas
ANALYTICAL HIERARCHY PROCESS
Travel Cost Method BAGIAN EKONOMI LINGKUNGAN
Ukuran Pembobotan ( Criterion Weighting )
METODE SAW SPK SESI 9.
Sistem Pendukung Keputusan Untuk Menentukan Calon Mahasiswa Penerima Beasiswa PPA Dengan Metode SAW (Study Kasus Undiksha) Oleh I Putu Adi Juni Suantara.
STUDI KASUS KLASIFIKASI Algoritma C 4.5
ANALYTICAL HIERARCHY PROCESS
Prof. Dr. Dharma Tintri Ediraras SE., AK., MBA Ardiprawiro SE., MMSI
Kuliah 11 & 12 : MANAJEMEN TRANSPORTASI & DISTRIBUSI
PENGAMBILAN KEPUTUSAN
PENGAMBILAN KEPUTUSAN
Kode MK :TIF , MK : Fuzzy Logic
TOPSIS SPK SESI 12.
Matematika Diskrit Semester Ganjil TA Short Path.
ANALITICAL HIERARCHY PROSESS (AHP)
ANALYTICAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS (AHP)
FUZZY WEIGHT PRODUCT (F WP)
FUZZY SIMPLE ADDITIVE WEIGHTING (FSAW)
FMDAM (2) Charitas Fibriani.
PERENCANAAN LOKASI FASILITAS
SMART (Simple Multi Attribute Rating Technique)
Profil Matching Maksud dari pencocokan profil (profile matching) adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat.
DSS - Wiji Setiyaningsih, M.Kom
SISTEM PENDUKUNG KEPUTUSAN PERTEMUAN KE-4
ANALYTICAL HIERARCHY PROCESS (AHP)
Sigit Setyowibowo, St., MMSI: STMIK PPKIA Pradnya Paramita
ANALYTICAL HIERARCHY PROCESS (AHP)
Metode Penyelesaian Masalah MADM
Masalah Penugasan (Assignment Problem)
FUZZY ANALYTICAL HIERARCHY PROCESS
SAW, WP,TOPSIS Sistem Pendukung Keputusan.
Jenis data penentuan lokasi pabrik : Data kualitatif, seperti kualitas sarana transportasi, iklim dan kebijakan pemerintah. Data kuantitatif, seperti.
LINKING SUPPLY CHAIN STRATEGY AND PROCESSES TO PERFORMANCE IMPROVEMENT Oleh : Madani Alomar dan Zbigniew J. Pasek Tahun : 2014 Regita Ayu Pratiwi
PERENCANAAN LOKASI FASILITAS
FUZZY ANALYTICAL HIERARCHY PROCESS
ANALYTICAL HIERARCHY PROCESS (AHP)
Analytic Hierarchy Process
PERENCANAAN LOKASI FASILITAS
Sistem Penunjang keputusan menggunakan metode topsis guna menentukan objek layanan kesehatan di kota malang berbasis webgis Ramadan Hadi Kusuma
FUZZY ANALYTICAL HIERARCHY PROCESS
PERENCANAAN LOKASI PABRIK
Reviewer Eko Budi Setiawan, S.Kom
ANALYTICAL HIERARCHY PROCESS (AHP)
U N I V E R S I T A S J A Y A B A Y A F A K U L T A S T E K N I K J U R U S A N T E K N I K S I P I L ANALISIS PRIORITAS PEMILIHAN KRITERIA DAM PARIT DI.
METODE PENGAMBILAN KEPUTUSAN
Analytic Hierarchy Process
METODE TOPSIS & CONTOH IMPLEMENTAS I SISTEM PENDUKUNG KEPUTUSAN (SPK) Cokorda Gde Wahyu Pramana/
Metode TOPSIS Oleh : Tessy Badriyah Referensi :
Logika Matematika/DPH1A3
Simple Additive Weighting (SAW)
Transcript presentasi:

1. AHP DAN TOPSIS -- Bagian 2 2. ENTROPY-- Bagian 1 Rika Yunitarini T.Informatika

Metode TOPSIS Metode TOPSIS didasarkan pada konsep bahwa alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki jarak terpanjang dari solusi ideal negatif.

Tahapan dalam Metode TOPSIS Membuat matriks keputusan yang ternormalisasi Membuat matriks keputusan yang ternormalisasi terbobot Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan negatif Menentukan nilai preferensi untuk setiap alternatif

Ranking tiap alternatif TOPSIS membutuhkan ranking kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi yaitu : dengan i=1,2,....m; dan j=1,2,......n;

Solusi ideal positif dan negatif Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan ranking bobot ternormalisasi (yij) sebagai berikut : dengan i=1,2,...,m dan j=1,2,...,n

Jarak dengan solusi Ideal

Nilai preferensi untuk setiap Alternatif Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih i=1,2,...,m

Ilustrasi Metode TOPSIS

Tugas Contoh kasus permasalahan : pemilihan kendaraan Kriteria : Model, Keandalan, BBM Alternatif : A, B, C, dan D Pairwise comparison untuk kriteria : Keandalan 2 x lebih penting daripada model Model 3 x lebih penting daripada hematnya bahan bakar Keandalan 4 x lebih penting daripada hematnya bahan bakar

Tugas Pairwise comparison antar alternatif untuk kriteria Model : Pairwise comparison antar alternatif untuk kriteria Keandalan

Tugas Konsumsi bahan bakar tiap alternatif: Tentukan mana kendaraan yang dipilih dengan menggunakan metode TOPSIS

Tugas Tentukan mana pekerjaan yang dipilih dengan menggunakan metode TOPSIS

PENDAHULUAN Entropi merupakan suatu istilah dalam hukum termodinamika yang menunjukkan suatu ukuran ketidakpastian dari suatu sistem. Dalam penelitian ini entropy digunakan sebagai sebuah metode pembobotan. Metode pembobotan entropy merupakan metode pengambilan keputusan yang memberikan sekelompok kriteria, dan menaksir preferensi suatu bobot menurut penilaian pihak manajemen perusahaan untuk menentukan tingkat prioritas kompetitif kebutuhan pelanggan.

Konsep metode pembobotan Entropy Saat ini entropy tidak terbatas penggunaannya hanya dalam ilmu termodinamika saja, tetapi juga dapat diterapkan dalam bidang lainnya. Entropy dapat diaplikasikan untuk pembobotan atribut-atribut, hal ini dilakukan oleh Hwang dan Yoon (1981). Menurut Jean Charles Pomerol dan Sergio Barba Romero, konsep utama dari metode ini adalah pengukuran kriteria j melalui fungsi tertentu sesuai dengan kuantitas informasi yang diberikan. Bobot kriteria j dinilai melalui pengukuran dispersi aksi aj. Kriteria yang paling penting adalah criteria yang paling kuat mendiskriminasikan tiap nilai dalam aksi-aksi aj tersebut.

Langkah – langkah pembobotan Entropy 1. Semua pengambil keputusan harus memberikan nilai yang menunjukkan kepentingan suatu kriteria tertentu terhadap pengambilan keputusan. Tiap pengambil keputusan boleh menilai sesuai preferensinya masing-masing. Dalam penelitian ini metode penilaian adalah menggunakan angka integer ganjil antara 1 sampai 9. Tiap angka menunjukkan tingkat kepentingan tertentu, mulai dari angka 1, yaitu sangat tidak penting, sampai angka 9 yang menunjukkan bahwa kriteria tersebut sangat penting

Langkah – langkah pembobotan Entropy 2. Kurangkan tiap angka tersebut dengan nilai paling ideal, dalam penelitian ini adalah angka 9. Hasil pengurangan tersebut dinyatakan dengan kij.

Langkah – langkah pembobotan Entropy 3. Bagi tiap nilai (kij) dengan jumlah total nilai dalam semua kriteria dimana          :   m = jumlah pengambil keputusan n = jumlah kriteria

Langkah – langkah pembobotan Entropy Menghitung nilai entropy untuk tiap kriteria dengan rumus berikut :

Langkah – langkah pembobotan Entropy . Hitung dispersi tiap kriteria dengan rumus berikut :

Langkah – langkah pembobotan Entropy 6. Karena diasumsikan total bobot adalah 1, maka untuk mendapatkan bobot tiap kriteria, nilai dispersi harus dinormalisasikan dahulu, sehingga :

Permasalahan Suatu perusahaan ingin membangun gudang sebagai tempat menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan jadi alternatif yaitu A1=Ngemplak, A2=Kalasan, A3=Kota Gede. Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan : C1= jarak dengan pasar terdekat (km) C2= kepadatan penduduk di sekitar lokasi (orang/km2) C3=jarak dari pabrik (km) C4= jarak dengan gudang yang sudah ada (km) C5= harga tanah untuk lokasi (x1000 Rp/m2)