Multi Expert-Multi Criteria Decision Making ME-MCDM Multi Expert-Multi Criteria Decision Making

MCDM SEBAGAI SALAH SATU MODEL DALAM PENGAMBILAN KEPUTUSAN Tujuan yang akan dicapai Masalah yang akan diselesaikan Kriteria Kinerja Pengambil Keputusan Alternatives alat / rencana /…..

KOMPONEN KEPUTUSAN Alternatif Keputusan Kriteria Keputusan Bobot Kriteria Model Penilaian Model Penghitungan Tipe Pengambil Keputusan

MODEL PENILAIAN Menggunakan Nilai Numerik (Nyata) Menggunakan Nilai Ordinal (Skala) Misal : Sangat kurang Kurang Cukup Baik Sangat Baik

Contoh kasus : manajer suatu perusahaan dihadapkan pada usulan beberapa alternatif kajian dan beberapa kriteria : Alternatif ada 3 : Alt 1 : Persediaan Bahan Baku dan JIT Alt 2 : Peningkatan Mutu melalui TQC Alt 3 : Efisiensi Teknologi Melalui Group Teknologi Kriteria ada 6 : Kriteria 1 : Urgensi dengan rencana pembangunan perusahaan Kriteria 2 : Biaya yang diperlukan Kriteria 3 : Komprehensif proposal Kriteria 4 : Bonafiditas pelaksana Kriteria 5 : Operasionalisasi Kriteria 6 : Efektifitas

MODEL DAN SKALA PENILAIAN Skala penilaian ada 7 : P = Perfect/paling tinggi ST = Sangat tinggi T = Tinggi S = Sedang R = Rendah SR = Sangat rendah PR = Paling rendah Tingkat Kepentingan Kriteria (Misal) Kriteria 1 = P Kriteria 2 = ST Kriteria 3 = ST Kriteria 4 = S Kriteria 5 = R Kriteria 6 = R

Kriteria Penilaian Pakar Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Alternatif Kriteria Penilaian Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6 Expert 1 Alt 1 P T R ST Alt 2 Alt 3 Expert 2 S SR Expert 3 Expert 4

Misal untuk Penilaian alternatif 1 : Persediaan baha baku dan JIT Pada Contoh kasus : Misal untuk Penilaian alternatif 1 : Persediaan baha baku dan JIT Pakar/Decision Maker : 4 orang (E1, E2, E3 dan E4) Data Hasil Penilaian Expert ke-j Pakar Alternatif Kriteria Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6 Expert 1 Alt 1 P T R ST Expert 2 S Expert 3 Expert 4 SR

PROSEDUR KERJA PENGAMBILAN KEPUTUSAN Non-Numeric MEMCDM Agregasi Kriteria Agregasi Pakar

Menentukan negasi tingkat kepentingan kriteria dengan formula : Neg (Wk) = W q - k + 1 k : Indeks; q : jumlah skala Tingkat Kepentingan Kriteria Kriteria 1 = P Kriteria 2 = ST Kriteria 3 = ST Kriteria 4 = S Kriteria 5 = R Kriteria 6 = R Negasi TK Kriteria Kriteria 1 = PR Kriteria 2 = SR Kriteria 3 = SR Kriteria 4 = S Kriteria 5 = T Kriteria 6 = T

PROSES AGREGASI PADA KRITERIA Formula yang digunakan : Data Hasil Penilaian Expert ke-j Vij = min [Neg (Wak) v Vij (ak)] k=1,2,…,t Pakar Alternatif Kriteria Pilihan Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6 Expert 1 Alt 1 P T R ST Expert 2 S Expert 3 Expert 4 SR Keterangan : Alt 1 = Alternatif persediaan bahan baku dan JIT

PROSES AGREGASI PADA KRITERIA V11 = min [Neg (Wak) v Vij (ak)] = min [ PR v P , SR v T , SR v R, S v ST, T v P, T v T ] = min [P, T, R, ST, P, T] = R V21 = min [Neg (Wak) v Vij (ak)] = min [ PR v ST , SR v T , SR v R, S v T, T v S, T v T ] = min [ST, T, R, T, T, T] Hasil Agregasi Kriteria didapatkan : R, R, S, S

PROSES AGREGASI PADA PAKAR Menentukan bobot nilai dengan menggunakan formula : Keterangan : q = jumlah skala penilaian r = jumlah expert Qk = Int [1 + (k* q - 1 )] r Q1 = Int [1 + (1* 7 – 1 )] 4 Q1 = Int [2.5] = 3 = R Q2 = Int [1 + (2* 7 – 1 )] 4 Q2 = Int [4] = 4 = S Bobot Nilai Q1, Q2, Q3, Q4 = R, S, ST, P

PROSES AGREGASI PADA PAKAR Agregasi pakar dengan menggunakan formula : Vi = f(Vi) = max [Qj Λ bi] k=1,2,…,t bj adalah urutan terbesar nilai penialain pakar ke-j Xj = R, R, S, S; sehingga bj = S, S, R, R V1 = max [R Λ S, S Λ S, ST Λ R, P Λ R] V1 = max [R,S,R,R] = S Sehingga Nilai akhir Alternatif Satu adalah S (sedang)

Rangkuman hasil Agregasi Kriteria – Pakar adalah sbb : Bobot Nilai R S ST P   Negasi Bobot Kriteria PR SR T Hasil Agregasi Kriteria R S Hasil Agregasi Pakar Alt 1 S

Cara Kedua : Proses Agregasi Pakar Menentukan bobot nilai dengan menggunakan formula : Qk = Int [1 + (k* q - 1 )] r Q1 = Int [1 + (1* 7 – 1 )]  Q1 = Int [2.5] = 3 = R 4 Q2 = Int [1 + (2* 7 – 1 )]  Q2 = Int [4] = 4 = S 4 Q3 = Int [1 + (3* 7 – 1 )]  Q3 = Int [5.5] = 6 = ST 4 Q4 = Int [1 + (4* 7 – 1 )]  Q4 = Int [7] = 7 = P 4 Bobot Nilai Q1, Q2, Q3, Q4 = R, S, ST, P

Tabel 6. Data Hasil Penilaian Expert untuk Alternatif ke-1 PENILAIAN ALTERNATIF 1 Penilaian Alternatif 1 : Persediaan bahan baku dan JIT Pakar/Decision Maker : 4 orang (E1, E2, E3 dan E4) Data Hasil Penilaian Expert untuk Alternatif ke-1 :1 Tabel 6. Data Hasil Penilaian Expert untuk Alternatif ke-1 PAKAR Alternatif KRITERIA Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6 EXPERT 1 ALT 1 P T R ST EXPERT 2 S EXPERT 3 EXPERT 4 SR

KRITERIA 1 Xj = P, ST, P, ST sehingga bj = P, P, ST, ST V1 = max [R ^ P, S ^ P, ST ^ ST, P ^ ST] V1 = max [R , S, ST, ST] V1 = ST KRITERIA 2 Xj = T, T, T, T sehingga bj = T, T, T, T V1 = max [R ^ T, S ^ T, ST ^ T, P ^ T] V1 = max [R , S, T, T] V1 = T

KRITERIA 3 Xj = R, R, S, P sehingga bj = P, S, R, R V1 = max [R ^ P, S ^ S, ST ^ R, P ^ R] V1 = max [R , S, R, R] V1 = S KRITERIA 4 Xj = ST, T, R, S sehingga bj = ST, T, S, R V1 = max [R ^ ST, S ^ T, ST ^ S, P ^ R] V1 = max [R , S, S, R]

KRITERIA 5 Xj = P, S, ST, ST sehingga bj = P, ST, ST, S V1 = max [R ^ P, S ^ ST, ST ^ ST, P ^ S] V1 = max [R , S, ST, S] V1 = ST KRITERIA 6 Xj = T, T, ST, SR sehingga bj = ST, T, T, SR V1 = max [R ^ ST, S ^ T, ST ^ T, P ^ SR] V1 = max [R , S, T, SR] V1 = T Hasil Agregasi Pakar didapatkan : ST, T, S, S, ST, T

Agregasi Kriteria Vij = min [Neg (Wak) v Vij(ak)] k = 1,2…i Neg(Wk) = Wq-k+1 Dimana : k : Indeks ; q : Jumlah skala URAIAN KRITERIA Kriteria 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6 Tingkat Kepentingan Kriteria P ST S R Negasi Tingkat Kepentingan Kriteria PR SR T Formula yang digunakan : Vij = min [Neg (Wak) v Vij(ak)] k = 1,2…i

Penilaian Alternatif 1 : Persediaan bahan baku dan JIT Pakar/Decision Maker : 4 orang (E1, E2, E3 dan E4) Hasil Agregasi Pakar didapatkan : ST, T, S, S, ST, T Vij = min [Neg (Wak) v Vij(ak)] = min [PR v ST, SR v T, SR v S, S v S, T v ST, T v T] = min [ST, T, S, S, S, T] = S Nilai Akhir Alternatif 1 = S

Source : Winnie Septiani - Slide