Multi atributte decision making (madm) MCDM, MADM, SAW

dokumen-dokumen yang mirip
Multi atributte decision making (madm)

Multi-Attribute Decision Making

SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

FMDAM FMDAM. Simple Additive Weighting (SAW) Charitas Fibriani, M.Eng

MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS.

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN)

ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA

Multi-Attribute Decision Making

PENDAHULUAN. melakukan kegiatan Praktek Kerja Lapangan (PKL) baik tingkat SMK/sederajat

Kata Kunci : Fuzzy MADM, SAW, kriteria, beasiswa.

Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD.

FUZZY MADM DALAM EVALUASI PROGRAM STUDI MENGGUNAKAN METODE SIMPLE ADDITIF WEIGHTING

SISTEM SELEKSI BEASISWA SMA NEGERI 2 BAE KUDUS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ABSTRAK

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

9/22/2011. Bahan Kuliah : Topik Khusus

PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MULTIPLE ATRIBUTE DECISSION MAKING.

Kata Kunci: Guru, Decision support systems, MADM, SAW. 1. Pendahuluan

BAB II TINJAUAN PUSTAKA

Metode dalam SPK (Sistem Pendukung Keputusan) A. AHP

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

Jurnal Teknik Informatika, Vol 1 September Aplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting

SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI

P13 Fuzzy MCDM. A. Sidiq P.

SISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM

DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI PERUMAHAN DI KABUPATEN PRINGSEWU MENGGUNAKAN METODE WEIGHTED PRODUCT

Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi

SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS

BAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK)

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

PERBANDINGAN PENERAPAN METODE SAW DAN TOPSIS DALAM SISTEM PEMILIHAN LAPTOP

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA FKIP UMN AL-WASHLIYAH MEDAN) ABSTRACT

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KOST DI SEKITAR KAMPUS UNP KEDIRI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

BAB 2 LANDASAN TEORI

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM

Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) ISBN

APLIKASI PENENTUAN NILAI KEDISIPLINAN DAN LOYALITAS UNTUK REKOMENDASI NILAI BONUS SALESMAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING SKRIPSI

Aplikasi Tutorial Sistem Pendukung Keputusan Menggunakan Metode Simple Additive Weighting

PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-SAW. Fera Tri Wulandari 1*, Setiya Nugroho 1

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA KARYAWAN DENGAN METODE FUZZY SIMPLE ADDITIVE WEIGHTED DI PT. PERKEBUNAN NUSANTARA VIII SINUMBRA BANDUNG

Abstract. Keywords: Scholarship, Fuzzy MADM, SAW, Criteria.

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MOTOR BEBEK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG

BAB II LANDASAN TEORI

Sistem Pendukung Keputusan Seleksi Anggota Badan Eksekutif Mahasiswa dengan Metode Elimination Et Choix Traduisant La Realite (Electre)

BAB 2 LANDASAN TEORI

APLIKASI SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN LOKASI STRATEGIS PEMBANGUNAN HOTEL BINTANG 1 BERBASIS ANDROID VERSI 2.3

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN KENDARAAN BERMOTOR DENGAN METODE SAW

SISTEM PENDUKUNG KEPUTUSAN MEMILIH LAPTOP UNTUK MAHASISWA MULTIMEDIA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

PEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KUALITAS PELAYANAN PADA APOTEK AMONG ROGO ADILUWIH. Febriana 1, Dedi Irawan 2

PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET

Made Kamisutara, Tubagus Purworusmiardi Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Narotama

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN STAF PENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW

PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW

PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-TOPSIS

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK TABLET PC MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

BAB I PENDAHULUAN Latar Belakang

IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING UNTUK KELAYAKAN PEMBERIAN KREDIT SEPEDA MOTOR PADA PERUSAHAAN LEASING

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Menggunakan Fuzzy Multi Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW)

Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN SISWA TELADAN DI SDN 5 TUNGGUL PAWENANG. Beta Wulan Asmara 1, Dedi Irawan 2

UJIAN TUGAS AKHIR SELEKSI SUPPLIER BAHAN BAKU DENGAN METODE TOPSIS FUZZY MADM (STUDI KASUS PT. GIRI SEKAR KEDATON, GRESIK)

BAB 2 TINJAUAN PUSTAKA. 2.1 Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan

Sistem Pendukung Keputusan Seleksi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting

UKDW BAB I PENDAHULUAN

SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR

Kata Kunci: Sistem Pendukung Keputusan,Program Sosial, BLSM, Fuzzy-MADM, SAW

Implementasi Metode Logika Fuzzy Simple Additive Weighting (SAW) dalam Pencarian Rumah Kos Terbaik di Sekitar Universitas Mataram Berbasis Website

PEMILIHAN PEGAWAI BERPRESTASI BERDASAR EVALUASI KINERJA PEGAWAI DENGAN METODE SAW

BAB II LANDASAN TEORI. Sistem berasal dari bahasa Latin (Systema) dan bahasa Yunani (Sustema) membentuk satu kesatuan untuk mencapai sebuah tujuan.

Penerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan

Gus melia Testiana. IAIN Raden Fatah, Palembang, Indonesia

BAB I PENDAHULUAN. irigasi adalah usaha penyediaan, pengaturan, dan pembuangan air untuk

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBANGUNAN LABORATORIUM KOMPUTER SEKOLAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SIMPLE ADDITIVE WEIGHTING METHOD UNTUK MENENTUKAN SEKOLAH DASAR

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA SKRIPSI

BAB 2 TINJAUAN PUSTAKA Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan

PENENTUAN PENERIMA BEASISWA BERDASARKAN KRITERIA PADA UIN RADEN FATAH PALEMBANG

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU DI SMA NEGERI 2 PEMALANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING

BAB 2 LANDASAN TEORI

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAKANAN BURUNG PUYUH DENGAN METODE SIMPLE ADDITIVE WEIGHTING

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II LANDASAN TEORI

SISTEM PEMBERIAN BEASISWA DENGAN MENERAPKAN FMADM (FUZZY MULTIPLE ATTRIBUTE DECISION MAKING) DAN SAW (SIMPLE ADDITIVE WEIGHTING) Delpiah Wahyuningsih

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN BIBIT CABAI RAWIT MENGGUNAKANKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) BERBASIS WEB

PENENTUAN PENERIMA BEASISWA DENGAN MENGGUNAKAN FUZZY MADM

BAB II LANDASAN TEORI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA TELADAN PADA SEKOLAH MENENGAH ATAS NEGERI 1 BANDAR SRIBHAWONO MENGGUNAKAN METODE SAW

PENERAPAN METODE MADM-SAW DALAM PENENTUAN PRODUK KERAJINAN UNGGULAN KABUPATEN KLATEN

UNIVERSITAS MURIA KUDUS FAKULTAS TEKNIK SISTEM INFORMASI

BAB II TINJAUAN PUSTAKA

Transkripsi:

Multi atributte decision making (madm) MCDM, MADM, SAW Entin Martiana, S.Kom, M.Kom

Multi criteria decision making (mcdm) Suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu.

Fitur umum mcdm Alternatif Atribut Konflik antar kriteria Bobot keputusan Matriks keputusan

Multi attribute decision making (madm) Dilakukan melalui 3 tahap : Penyusunan komponen-komponen situasi dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan atribut. Analisis Ditentukan bobot untuk masing-masing kriteria dan bobot atribut nya. Sintesis informasi dibentuk matriks keputusan, melaukan normalisasi dan melakukan perangkingan.

Simple additive weighting method (saw) Mengevaluasi m alternatif A terhadap sekumpulan atribut atau kriteria C dimana setiap atribut sakung tidak bergantung. Matriks keputusan X dibentuk dari reting kinerja alternatif x dan Nilai bobot yang menunjukan kepentingan relatif setiap atribut W. Proses diakhiri dengan perangkingan untuk mendapatkan alternatif terbaik.

Beberapa metode madm SAW (Simple Additive Weighting) WP (Weighted Product) ELECTRE TOPSIS AHP (Analytic Hierarchy Process)

Simple additive weighting method (saw) Dikenal dengan metode penjumlahan Mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.

langkah-langkah metode saw Tahap pertama Menentukan Alternatif (A) dan Kriteria (C) Menentukan derajat kecocokan alternatif kriteria Tahap kedua Menentukan bobot masing-masing kriteria (W) Menentukan bobot atribut untuk masing-masing kriteria Membentuk tabel keputusan

Langkah-langkah metode saw Tahap ketiga Membentuk matriks keputusan (X) berdasarkan tabel keputusan Normalisasi matriks keputusan (R) Melakukan perangkingan terhadap alternatif (V)

contoh Suatu perusahaan di DIY ingin membangun sebuah gudang yang akan digunakan sebagai tempat untuk menyimpan sementara hasil produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu A1 = Ngemplak, A2 = Kalasan, A3= Kota Gedhe. Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan yaitu :

Menentukan kriteria C1 = jarak dengan pasar terdekat (km) C2 = kepadatan penduduk disekitar lokasi (orang/km2) C3 = jarak dari pabrik (km) C4 = jarak dengan gudang yang sudah ada (km) C5 = harga tanah untuk lokasi (x1000 Tp/m2)

Menentukan rating kecocokan Rating kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5, yaitu : 1 = sangat buruk 2 = buruk 3 = cukup 4 = baik 5 = sangat baik

Menentukan bobot kriteria Pengambil keputusan memberikan bobot preferensi sebagai berikut : W = (5,3,4,4,2)

Tabel rating kecocokan Alternatif Kriteria C1 C2 C3 C4 C5 A1 4 4 5 3 3 A2 3 3 4 2 3 A3 5 4 2 2 2

contoh Matrik keputusan yang dibentuk dari tabel kecocokan : 4 4 5 3 3 X = 3 3 4 2 3 5 4 2 2 2

Contoh Melakukan normalisasi matrik sehingga didapatkan matrik sbb: Untuk normalisai nilai, jika faktor kriteria cost digunakanan rumusan Rii = ( min{xij} / Xij) Untuk normalisai nilai, jika faktor kriteria benefit digunakanan rumusan Rii = ( Xij / max{xij} terhadap kolom) 0.8 1 1 1 1 R = 0.6 0.75 0.8 0.7 1 1 1 0.4 0.7 0.7

contoh Proses perangkingan : V1 = (5)(0.8) + (3)(1) + (4)(1) + (2)(1) = 17 V2 = (5)(0.6) + (3)(0.75) + (4)(0.667) + (2)(1) = 13.1167 V3 = (5)(1) + (3)(1) + (4)(0.4) + (4)(0.667) + (2)(0.667) = 13.6 Nilai terbesar adalah V1 sehingga A1 adalah alternatif yang dipilih sebagai alternatif terbaik.

Terima kasih