TOPSIS SPK SESI 12.

Slides:



Advertisements
Presentasi serupa
Outlier Pada Analisis Regresi
Advertisements

Angga Kesuma S2MPSI Pendahuluan  Membantu direktur AKBID Abdurrahman menilai kinerja dosen  Memanfaatkan data histori kinerja yang tidak.
Metode TOPSIS.
Aplikasi AHP.
Sistem Pendukung Keputusan Pemilihan Paket Wisata dan Reservasi Travel Dengan Metode AHP dan TOPSIS Berbasis Web I Nyoman Giri Sasmita Atmaja
BASIC FEASIBLE SOLUTION
SMK NEGERI 4 SURAKARTA (RSBI) TAHUN AKADEMIK 2012/2013 Oleh: Yuli Prihantini.
Rika yunitarini Teknik Informatika
PERSAMAAN LINEAR DETERMINAN.
Metode-metode Optimasi dengan Alternatif Terbatas
Fuzzy Clustering Logika Fuzzy Materi Kuliah Prodi Teknik Informatika
TABEL KEPUTUSAN,SAW,TOPSIS,WP
Solusi Optimal – MODI Riset Operasi I.
SAW,WP,TOPSIS Sistem Pendukung Keputusan.
Ardian septiawan SEKIAN DAN TERIMAKASIH.
Metode-metode Optimasi dengan Alternatif Terbatas
TEKNIK KOMPUTASI Pertemuan 10:
Algoritma Bruteforce Team Fasilkom.
ANALYTICAL HIERARCHY PROCESS
ANALITYCAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS
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.
Floyd-Warshall algorithm
PROSES PEMBUATAN KEPUTUSAN
Analitycal Hierarchy Process By: Kelompok 5
PENGAMBILAN KEPUTUSAN
PENGAMBILAN KEPUTUSAN
KULIAH 5: MERANCANG JARINGAN SUPPLY CHAIN (LANJUTAN)
WEIGHTED PRODUCT SPK SESI 10.
PERENCANAAN LOKASI FASILITAS
1. AHP DAN TOPSIS -- Bagian 2 2. ENTROPY-- Bagian 1
Kode MK :TIF , MK : Fuzzy Logic
Relasi Invers dan Komposisi Relasi
Multi-Attribute Decision Making (MADM)
Matematika Diskrit Semester Ganjil TA Short Path.
Teknik Pengambilan Keputusan (Analytical Hierarchy Process)
BAB 10: Short Path Matematika Diskrit DU1023 Heru Nugroho, S.Si., M.T.
Penerapan AHP dalam Pengukuran Kinerja
Metode Variational sd Galerkin
FUZZY WEIGHT PRODUCT (F WP)
FUZZY SIMPLE ADDITIVE WEIGHTING (FSAW)
FMDAM (2) Charitas Fibriani.
PERENCANAAN LOKASI FASILITAS
Algoritma Floyd Teori Optimasi.
Sistem Pendukung Keputusan / Decision Support System
Dioda Semikonduktor.
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
Sigit Setyowibowo, St., MMSI: STMIK PPKIA Pradnya Paramita
ANALYTICAL HIERARCHY PROCESS (AHP)
Metode Penyelesaian Masalah MADM
Masalah Penugasan (Assignment Problem)
FUZZY ANALYTICAL HIERARCHY PROCESS
RELASI REFERENSI & FUZZY MULTI ATRIBUT DECESION MAKING (FMADM)
SAW, WP,TOPSIS Sistem Pendukung Keputusan.
Jenis data penentuan lokasi pabrik : Data kualitatif, seperti kualitas sarana transportasi, iklim dan kebijakan pemerintah. Data kuantitatif, seperti.
PERENCANAAN LOKASI FASILITAS
ANALYTICAL HIERARCHY PROCESS (AHP)
PERENCANAAN LOKASI FASILITAS
Sistem Penunjang keputusan menggunakan metode topsis guna menentukan objek layanan kesehatan di kota malang berbasis webgis Ramadan Hadi Kusuma
METODE TOPSIS & CONTOH IMPLEMENTAS I SISTEM PENDUKUNG KEPUTUSAN (SPK) Cokorda Gde Wahyu Pramana/
Aplikasi Graph Minimum Spaning Tree Shortest Path.
Metode TOPSIS Oleh : Tessy Badriyah Referensi :
METODA SIMPLEKS (Prosedur Simpleks)
Logika Matematika/DPH1A3
TATACARA PEMILIHAN. Sekian Terimakasih.
Simple Additive Weighting (SAW)
Transcript presentasi:

TOPSIS SPK SESI 12

PENGERTIAN TOPSIS (Technique for Order Preference by Similiarity to Ideal Solution) adalah salah satu metode pengambilan keputusan multikriteria yang pertamakali diperkenalkan oleh Yonn dan Hwang (1981). Ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif

Contoh matrik dengan alternatif dan kriteria Dimana: D = matriks m = alternatif n = kriteria Xij = alternatif ke-i dan kriteria ke-j

PROSEDUR TOPSIS Normalisasi matriks keputusan Pembobotan pada matriks yang telah dinormalisasikan Menentukan solusi ideal positif dan solusi ideal negative Menghitung Separation Measure Menghitung kedekatan relative dengan ideal positif Mengurutkan pilihan

1. Normalisasi matriks keputusan Setiap elemen pada matriks D dinormalisasikan untuk mendapatkan matriks normalisasi R. Setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan sebagai berikut:

2. Pembobotan pada matriks yang telah dinormalisasikan Pembobotan pada matriks yang telah dinormalisasikan diberi bobot W = (w1, w2, … wn), sehingga weighted normalized matriks V dapat dihasilkan sebagai berikut:

3. Menentukan solusi ideal positif dan solusi ideal negative Solusi ideal positif dinotasikan dengan A+ dan solusi ideal negative dinotasikan dengan A- Menentukan Solusi Ideal (+) & (-):

4. Menghitung Separation Measure Separation Measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. Perhitungan matematisnya sebagai berikut: Separation Measure untuk solusi ideal positif: Separation Measure untuk solusi ideal negative:

5. Menghitung kedekatan relative dengan ideal positif Kedekatan relative dari alternatif A+ dengan solusi ideal A- direpresentasikan dengan:

6. Mengurutkan pilihan Alternatif dapat dirangking berdasarkan urutan Ci. Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal positif dan berjarak terjauh dengan solusi ideal negatif.

Sekian dan Terimakasih