CONTOH PENERAPAN
Penggunaan dalam proses penentuan
penerima beasiswa. Dalam metode FMADM dengan metode SAW terdapat kriteria yang
dibutuhkan untuk menentukan siapa yang akan terseleksi sebagai penerima
beasiswa. Misalnya kriterianya adalah sebagai berikut
|
Kriteria
|
Keterangan
|
|
C1
|
Usia
|
|
C2
|
Jumlah Penghasilan Ortu
|
|
C3
|
Jumlah Tanggungan Ortu
|
|
C4
|
Jumlah Saudara Kandung
|
|
C5
|
Nilai rata-rata raport
|
Dari masing-masing kriteria tersebut akan ditentukan
bobot-bobotnya. Pada bobot terdiri dari enam bilangan fuzzy, yaitu
sangat rendah (SR), rendah (R), sedang (S), tengah (T1), tinggi (T2), dan
sangat tinggi (ST)
Lalu, bilangan-bilangan fuzzy dapat
dikonversikan ke bilangan crisp.
|
Bilangan Fuzzy
|
Nilai
|
|
SR
|
0
|
|
R
|
0.2
|
|
S
|
0.4
|
|
T1
|
0.6
|
|
T2
|
0.8
|
|
ST
|
1
|
Misal ada 3 siswa dengan kriteria
sebagai berikut
|
No
|
Nama
|
C1
|
C2
|
C3
|
C4
|
C5
|
|
1
|
Siswa1
|
15
|
450.000
|
2
|
2
|
73
|
|
2
|
Siswa2
|
17
|
1.000.000
|
5
|
5
|
85
|
|
3
|
Siswa3
|
18
|
400.000.000
|
3
|
3
|
68
|
Memberikan nilai setiap alternatif (Ai) pada setiap
kriteria (Cj) yang sudah ditentukan.
a.
Usia
(C1)
|
C1
|
Bilangan Fuzzy
|
Nilai
|
|
C1
<= 15 th
|
Sangat
Muda (SM)
|
0.25
|
|
C1
= 16 th
|
Muda
(M)
|
0.5
|
|
C1
= 17 th
|
Sedang
(S)
|
0.75
|
|
C1
>=18 th
|
Tua
(T)
|
1
|
b.
Jumlah
Penghasilan Ortu (C2)
|
C2
|
Bilangan Fuzzy
|
Nilai
|
|
C2
<= Rp 500.000
|
Rendah
(R)
|
0.25
|
|
C2
> Rp 500.000 – Rp 1.500.000
|
Cukup
(C)
|
0.5
|
|
C2
> Rp 1.500.000 – Rp 3.000.000
|
Tinggi
(T)
|
0.75
|
|
C2
> Rp 3.000.000
|
Sangat
Tinggi (ST)
|
1
|
c.
Jumlah
Tanggungan Ortu (C3)
|
C3
|
Bilangan Fuzzy
|
Nilai
|
|
C3
= 1 anak
|
Sangat
Sedikit (SS)
|
0
|
|
C3
= 2 anak
|
Sedikit
(S)
|
0.25
|
|
C3
= 3 anak
|
Sedang
(SD)
|
0.5
|
|
C3
= 4 anak
|
Banyak
(B)
|
0.75
|
|
C3
>= 5 anak
|
Sangat
Banyak (SB)
|
1
|
d.
Jumlah
Saudara Kandung (C4)
|
C4
|
Bilangan Fuzzy
|
Nilai
|
|
C4
= 1 anak
|
Sangat
Sedikit (SS)
|
0
|
|
C4
= 2 anak
|
Sedikit
(S)
|
0.25
|
|
C4
= 3 anak
|
Sedang
(SD)
|
0.5
|
|
C4
= 4 anak
|
Banyak
(B)
|
0.75
|
|
C4
>= 5 anak
|
Sangat
Banyak (SB)
|
1
|
e.
Nilai
Rata-tata Raport (C5)
|
C5
|
Bilangan Fuzzy
|
Nilai
|
|
C5
<= 60
|
Sangat
Rendah (SR)
|
0
|
|
C5
= 61-70
|
Rendah
(R)
|
0.25
|
|
C5
=71-80
|
Cukup
(C)
|
0.5
|
|
C5
=81-90
|
Tinggi
(T)
|
0.75
|
|
C5
>= 91
|
Sangat
Tinggi (ST)
|
1
|
Lalu diubah kedalam matriks
keputusan X dengan data:
Memberikan nilai bobot (W).
W = [ 0.4 1 0.8 0.4 0.4 ]
Menormalisasi matriks X menjadi matriks R berdasarkan
persamaan (1)
Melakukan proses perangkingan dengan menggunakan
persamaan (2):
V1 = (0.4)(1) + (1)(1) + (0.8)(0.25) + (0.4)(0.25)
+ (0.4)(0.5)
= 0.40 + 1.00 + 0.20 + 0.10 + 0.20
= 1.90
V2 = (0.4)(0.33) + (1)(0.5) + (0.8)(1) +
(0.4)(1) + (0.4)(0.75)
= 0.13 + 0.5 + 0.8 + 0.40 + 0.30
= 2.13
V3 = (0.4)(0.25) + (1)(1) + (0.8)(0.5) +
(0.4)(0.5) + (0.4)(0.25)
= 0.10 + 1.00 + 0.40 + 0.20 + 0.10
= 1.80
Nilai terbesar ada pada V2 sehingga alternatif A2
(Siswa ke 2) adalah alternatif yang terpilih sebagai alternatif terbaik.
Kesimpulan
Metode metode Fuzzy Multiple Attribut Decision
Making (FMDAM) dan metode Simple Additive Weighting (SAW) dapt membantu dalam
pengambilan keputusan yang tepat dengan mempertimbangkan berbagai kriteria
dengan bobot tertentu, sehingga dapat mempercepat proses pengambilan keputusan,
selain itu juga dapat mengurangi kemungkinan terjadinya kesalahan.
Sumber
http://dir.unikom.ac.id/s1-final-project/fakultas-teknik-dan-ilmu-komputer/teknik-informatika/2010/jbptunikompp-gdl-herisulist-21892/17-20.jurn-a.pdf/ori/17-20.jurn-a.pdf
http://journal.uii.ac.id/index.php/Snati/article/viewFile/1757/1537
http://www.uinsuska.info/saintek/attachments/099_jurnal_stekin_vol22.pdf
http://ejurnal.its.ac.id/index.php/sains_seni/article/view/999/663
Tidak ada komentar:
Posting Komentar