FUZZY ANALYTICAL HIERARCHY PROCESS

Slides:



Advertisements
Presentasi serupa
APLIKASI FUZZY B Pendekatan pengembangan Sistem Fuzzy pada Penyelesaian Permasalahan Manajerial  Pengambilan Keputusan Kelompok (Marimin et al., 1998)
Advertisements

Menggambar grafik fungsi aljabar sederhana dan fungsi kuadrat
FUZZY.
Analytic Hierarchy Process
Analytic Hierarchy Process
ANALYTICAL HIERARCHY PROCESS (AHP)
Rika yunitarini Teknik Informatika
Analytical Hierarchy Process
Fuzzy Clustering Logika Fuzzy Materi Kuliah Prodi Teknik Informatika
hadi paramu metode kuantitatif
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
SESI - 1 ANALISIS KEPUTUSAN
FUZZY LOGIC LANJUTAN.
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Teknik Evaluasi Perencanaan
MODUL KULIAH 10 Ekstraksi Fitur Bentuk
SISTEM PENDUKUNG KEPUTUSAN PERTEMUAN KE-4
ANALYTICAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS
ANALITYCAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS
PENYAJIAN DATA Sri Rahayu Ningsih.
Fuzzy Clustering Materi Kuliah (Pertemuan 13 & 14) LOGIKA FUZZY
ANALYTICAL HIERARCHY PROCESS
FUZZY INFERENCE SYSTEMS
Prof. Dr. Dharma Tintri Ediraras SE., AK., MBA Ardiprawiro SE., MMSI
Analitycal Hierarchy Process By: Kelompok 5
jumlah bilangan-bilangan dibagi oleh banyaknya bilangan.
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Mean, Median, Modus.
1. AHP DAN TOPSIS -- Bagian 2 2. ENTROPY-- Bagian 1
Kode MK :TIF , MK : Fuzzy Logic
Teknik Pengambilan Keputusan (Analytical Hierarchy Process)
Sistem Inferensi Fuzzy
Analytical Hierarchy Process ( AHP )
ANALITICAL HIERARCHY PROSESS (AHP)
REASONING FUZZY SYSTEMS.
ANALYTICAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS (AHP)
Penerapan AHP dalam Pengukuran Kinerja
FUZZY WEIGHT PRODUCT (F WP)
FUZZY SIMPLE ADDITIVE WEIGHTING (FSAW)
FMDAM (2) Charitas Fibriani.
SMART (Simple Multi Attribute Rating Technique)
Profil Matching Maksud dari pencocokan profil (profile matching) adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat.
SISTEM PENDUKUNG KEPUTUSAN PERTEMUAN KE-4
ANALYTICAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS (AHP)
ANALYTICAL HIERARCHY PROCESS A H P (Proses Analitik Hirarki)
LOGIKA FUZZY Dosen Pengampu : Dian Tri Wiyanti, S.Si, M.Cs
STATISTIKA DESKRIPTIF Ukuran Gejala Pusat Data Yang Dikelompokkan STATISTIKA DESKRIPTIF Nuky Sellya / B.04.
FUZZY ANALYTICAL HIERARCHY PROCESS
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Sistem Inferensi Fuzzy
Rusmala, S.Kom., M.Kom Pertemuan 9, 10, 11
Dengan SOFTWARE EXPERT CHOICE
FUZZY ANALYTICAL HIERARCHY PROCESS
ANALYTICAL HIERARCHY PROCESS (AHP)
Analytic Hierarchy Process
METODE FIS Pertemuan Ke-5.
FUZZY TSUKAMOTO UTHIE.
FUZZY ANALYTICAL HIERARCHY PROCESS
UKURAN NILAI SENTRAL Sri Mulyati.
Fuzzy Expert Systems.
ANALYTICAL HIERARCHY PROCESS (AHP)
Analytic Hierarchy Process
FUZZY TSUKAMOTO UTHIE.
Metode TOPSIS Oleh : Tessy Badriyah Referensi :
Transcript presentasi:

FUZZY ANALYTICAL HIERARCHY PROCESS

Komputasi secara fuzzy Permasalahan Nyata Representasi Natural Fuzzifikasi Komputasi secara fuzzy defuzzifikasi Solusi

Defuzzifikasi Defuzzifikasi merupakan suatu proses pengubahan output dalam bentuk fuzzy ke dalam output yang bernilai tunggal (crisp).

Defuzzifikasi

Fuzzy AHP

Fuzzy AHP

Langkah-langkah dalam penentuan bobot (tingkat) kepentingan kriteria dan alternatif ternormalisasi menggunakan TFN adalah (Murtaza, 1999):

Tahapan pengolahan data dengan menggunakan Fuzzy AHP

Tahapan pengolahan data dengan menggunakan Fuzzy AHP

Representasi Segitiga

Kuesioner Perbandingan Berpasangan RS AR VOL BSH HAR KEM MRK KNT WRN 1

RS AR VOL BSH HAR KEM MRK KNT WRN 1 Sdkt lbh ptng Sngt jls lbh ptng Sama ptng Jls lbh ptng Sdkt lbh pyng

Konversi 1= sama penting 3=sedikit lebih penting 5=jelas lebih penting 7=sangat jelas lebih penting 9= mutlak lebih penting M l p Sm p Sd l p J l p S j l p 1 3 5 7 9

Konversi Bilangan Fuzzy No Skala AHP Keterangan Bilangan Fuzzy Triangular 1 Sama Penting (1,1,3) 2. 3 Sedikit lebih penting (1,3,5) 3. 5 Jelas lebih penting (3,5,7) 4. 7 Sangat jelas lebih penting (5,7,9) 5. 9 Mutlak lebih penting (7,7,9)

Kebalikan (li, mi, ui) kebalikannya : (1/ui, 1/mi, 1/li) Contoh : RS dibanding AR : sedikit lebih penting = (1, 3, 5) AR dibanding RS = (1/5, 1/3, 1) = (0.2, 0.33, 1)

Fuzzy pairwise comparison

Geometrik Mean Menentukan tingkat kepentingan dengan menghitung rata-rata geometrik pada setiap baris, yakni dengan mengambil akar n dari perkalian nilai-nilai pada sel yang terdapat pada baris matriks tersebut. n adalah banyaknya kriteria/alternatif.

Contoh Tingkat kepentingan RS =

Normalisasi Jumlahkan secara vertikal nilai bawah (l), nilai tengah (m) dan nilai atas (u) semua tingkat kepentingan kriteria. Untuk setiap kriteria : Nilai bawah dibagi dengan jumlah nilai atas Nilai tengah dibagi dengan jumlah nilai tengah. Nilai atas dibagi dengan jumlah nilai bawah.

Contoh : Nilai tingkat kepentingan RS : (1, 1.79, 3.98). Jumlah tingkat kepentingan : (5.32, 10.1, 18.8) Normalisasi RS = (1/18.8, 1.79/10.1, 3.98/5.32) = (0.05, 0.18, 0.75)

Perhitungan Bobot Kepentingan Atribut

Defuzifikasi Mengubah bilangan fuzzy menjadi nilai nyata (crisp). Centroid of area : mencari titik pusat dari kurva segitiga. Total integral (Sri Kusumadewi, 2005) = dimana  = derajat keoptimisan = 0 – 1.

Contoh defuzifikasi Untuk RS = (0.05, 0.18, 0.75), Jika  = 0.5 = 0.5 * 0.58 = 0.29