Dijelaskan bahwa setiap pengguna aplikasi diwajibkan terlebih dahulu menentukan sendiri bobot tiap kriteria yang menjadi tolak ukur perhitungan nantinya.
Apabila terjadi perbedaan hasil dari kedua metode maka selanjutnya pengguna diharapkan member umpan balik berupa hasil mana yang dipilih untuk kemudian
mengakhiri pemerosesan.
3.3 Penerapan metode Weighted Product Model dan Weighted Sum Model
Metode Weighted Sum Model WSM dan Weighted Product Model WPM penerapannya didalam aplikasi ini akan terlihat dari hasil akhir atau output yang
diterima. Keluaran dari aplikasi ini berupa tabel yang berisikan hasil perhitungan dari bobot nilai awal dengan nilai kriteria yang diinginkan user terhadap alternatif yang
tersedia. Sehingga decision maker dapat mengambil keputusan berdasarkan pertimbangan hasil pemrosesan tersebut.
3.3.1. Metode Weighted Sum Model
Metode Weighted Sum Model WSM mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode WSM membutuhkan proses
normalisasi matriks keputusan x ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
1
r
ij
= Jika j adalah atribut keuntungan benefit
Jika j adalah atribut biaya cost
Universitas Sumatera Utara
Dimana r
ij
adalah rating kinerja ternormalisasi dari alternatif A
i
pada atribut C
j
dimana i=1,2,….,m dan j=1,2,….,n. Nilai preferensi untuk setiap alternatif V
i
diberikan sebagai:
Nilai V
i
yang lebih besar mengindikasikan bahwa alternatif A
i
lebih terpilih.
3.3.2 Metode Weighted Product Model
Sebaliknya Weighted Product Model beroperasi dengan melakukan pemangkatan tiap bobot kriteria yang selanjutnya akan dikalikan dengan tiap rating
atribut untuk mendapatkan hasil akhirnya. Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif A
i
vektor S diberikan dengan rumus 3.
Perhitungan nilai preferensi untuk alternatif A
i
diawali dengan memberikan nilai rating kinerja UMKM ke-i terhadap subkriteria ke-j x
ij
. Setelah masing-masing umkm diberi nilai rating kinerja, nilai ini akan dipangkatkan dengan nilai relatif bobot
awal yang telah dihitung sebelumnya w
j
dimana w
j
akan bernilai positif untuk atribut benefit
keuntungan dan bernilai negatif untuk atribut cost biaya. Penjumlahan nilai w
j
untuk setiap subkriteria pada kriteria yang sama akan bernilai 1∑w
j
= 1. Perhitungan nilai w
j
dilakukan dengan rumus 4.
2
3
S
i
= x
ij
dengan i = 1,2,3, …., m
w
j
Universitas Sumatera Utara
Setelah didapat nilai preferensi untuk alternatif A
i
, selanjutnya dilakukan perhitungan nilai preferensi relatif dari setiap alternatif vektor V. Nilai preferensi
relatif dari setiap alternatif dihitung dengan rumus 5.
Alternatif terbaik dipilih jika nilainya lebih besar atau sama dengan alternatif yang lain.
Berikut Perbandingan flowchart kedua metode tersebut: w
j
= w
∑w
4
5
V
i
= x
ij
x
j
dengan i = 1,2,3, …., m
w
j
w
j
Universitas Sumatera Utara
END START
PROSES PERHITUNGAN
WSM INPUT NILAI
KRITERIA YANG
DINGINKAN
NILAI KRITERIA
TIAP LAYANAN
NORMALISASI MATRIKS
NILAI HASIL PERHITUNGAN
METODE WSM
SOLUSI LAYANAN
CLOUD COMPUTING
TERBAIK
Gambar 3.3 Diagram alur pemrosesan WSM Weighted Sum Model
Universitas Sumatera Utara
END START
PROSES PERHITUNGAN
WPM INPUT NILAI
KRITERIA YANG
DINGINKAN
NILAI KRITERIA
TIAP LAYANAN
PERBAIKAN NILAI MATRIKS
KRITERIA
NILAI HASIL PERHITUNGAN
METODE WPM
SOLUSI SERVICE
CLOUD COMPUTING
TERBAIK
Gambar 3.4 Diagram alur pemrosesan WPM Weighted Product Model
Universitas Sumatera Utara
Berikut ini contoh kasus yang dapat diproses oleh aplikasi ini yang akan diselesaikan dengan kedua metode:
Ada tiga alternatif pilihan yang tersedia, antara lain:
Alternatif 1 : SaaS Software as a Service
Nilai Kriteria 1: 10 Nilai Kriteria 2: 30
Nilai Kriteria 3: 20 Nilai Kriteria 4: 50
Alternatif 2 : PaaS Platform as a Service
Nilai Kriteria 1: 20 Nilai Kriteria 2: 25
Nilai Kriteria 3: 15 Nilai Kriteria 4: 40
Alternatif 3 : IaaS Infrastructure as a Service
Nilai Kriteria 1: 30 Nilai Kriteria 2: 30
Nilai Kriteria 3: 25 Nilai Kriteria 4: 15
Keterangan mengenai kriteria; Kriteria 1: Dana yang dialokasikan untuk pembangunan awal
Kriteria 2: Dana yang dialokasikan untuk perawatan peripheral per bulan Kriteria 3: Dana yang dialokasikan untuk penambahan pergantian
peripheral per bulan Kriteria 4: Dana yang dialokasikan untuk pembayaran human resource per bulan
Universitas Sumatera Utara
Nilai kriteria yang diinginkan oleh decision maker adalah: Kriteria 1
: 15 Kriteria 2
: 35 Kriteria 3
: 20 Kriteria 4
: 30
Sedangkan nilai bobot awal yang menjadi prefrensi telah ditentukan didalam basis data adalah:
W = 15, 35, 20, 30 W = 0.15, 0.35, 0.2, 0.3
Penyelesaian: Metode WSM
Tabel 3.2. Tabel Matriks WSM Weighted Sum Model
KRITERIA 1 KRITERIA 2
KRITERIA 3 KRITERIA 4
ALTERNATIF 1
10 30
20 50
ALTERNATIF 2
20 25
15 40
ALTERNATIF 3
30 30
25 15
0.1 0.3
0.2 0.5
X = 0.2
0.25 0.15
0.4 0.3
0.3 0.25
0.15
Langkah awal yang harus dilakukan adalah menormalisasi matriks x melalui persamaan berikut:
r
11
= 0.1 max{0.3; 0.2 0.3} = 0.10.3 = 0,333
r
21
= 0.2 max{0.3; 0.2; 0.3} = 0.20.3 = 0.667
r
31
= 0.3 max{0.1; 0.2; 0.3} = 0.30.3 = 1
r
12
= 0.3 max{0.3; 0.25; 0.3} = 0.30.3 = 1
Universitas Sumatera Utara
r
22
= 0.25 max{0.3; 0. 25; 0.3} = 0.250.3 = 0.833
r
32
= 0.3 max{0.3; 0. 25; 0.2} = 0.30.3 = 1
r
13
= 0.2 max{0.2; 0.15; 0.25} = 0.20.25 = 0.8
r
23
= 0.15 max{0.2; 0.15; 0.25} = 0.150.25 = 0.6
r
33
= 0.25 max{0.2; 0.15; 0.25} = 0.250.25 = 1
r
14
= 0.5 max{0.5; 0.4; 0.15} = 0.50.5 = 1
r
24
= 0.4 max{0.5; 0.4; 0.15} = 0.40.5 = 0.8
r
34
= 0.15 max{0.5; 0.4; 0.15} = 0.150.5 = 0.3 hasilnya diperoleh matriks baru yang telah dinormalisasi sebagai berikut:
0.333 1 0.8
1 X =
0.667 0.833 0.6 0.8
1 1
1 0.3
Proses perangkingan diperoleh berdasarkan persamaan 2 dengan perhitungan sebagai berikut:
V
1
= 0.150.333 + 0.351 + 0.20.8 + 0.31 = 0.04995 + 0.35 + 0.16 + 0.3
= 0.85995
V
2
= 0.150.667 + 0.350.833 + 0.20.6 + 0.30.8 = 0.1 + 0.309 + 0.12 + 0.24
= 0.769
Universitas Sumatera Utara
V
3
= 0.151 + 0.351 + 0.21 + 0.30.3 = 0.15 + 0.35 + 0.2 + 0.09
= 0.79
Nilai terbesar ada pada V
1
sehingga alternatif A
1
adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain solusi terbaik berdasarkan perhitungan
WSM untuk nilai kriteria yang diinginkan oleh user adalah Saas Software as a Service
.
Metode WPM Tabel 3.3 Tabel Matriks WPM
Weighted Product Model KRITERIA 1
KRITERIA 2 KRITERIA 3
KRITERIA 4 ALTERNATIF 1
10 30
20 50
ALTERNATIF 2 20
25 15
40
ALTERNATIF 3
30 30
25 15
0.333 1 0.8
1 X =
0.667 0.833 0.6 0.8
1 1
1 0.3
Bobot preferensi yang di inginkan oleh decision maker adalah: W = 15, 35, 30, 30
W = 0.15, 0.35, 0.2, 0.3
Apabila diketahui W = 0.15, 0.35, 0.2, 0.3 maka nilai perbaikan bobot nya adalah :
w
1
= 0.150.15 + 0.35 + 0.2 + 0.3 = 0.15
w
2
= 0.350.15 + 0.35 + 0.2 + 0.3 = 0,35
Universitas Sumatera Utara
w
3
= 0.20.15 + 0.35 + 0.2 + 0.3 = 0.2
w
4
= 0.30.15 + 0.35 + 0.2 + 0.3 = 0.3
Langkah kedua adalah menghitung nilai vektor S menggunakan rumus 3.
S
1
= 0.333
-0,15
1
0.35
0.8
-0.2
1
0.3
= 1.179311.04561 = 1.2330
S
2
= 0.667
-0,15
0.833
0.35
0.6
-0.2
0.8
0.3
= 1.06260.93801.10750.9385 = 1.0323
S
3
= 1
-0,15
1
0.35
1
-0.2
0.3
0.3
= 1110.6968 = 0.6968
Setelah vektor S dihitung, langkah selanjutnya melakukan perhitungan nilai vektor V. Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung sebagai
berikut:
V
1
= 1.2330 1.2330 + 1.0323 + 0.6968 = 1.2330 2.9621
= 0.4162 V
2
= 1.0323 1.2330 + 1.0323 + 0.6968 = 1.0323 2.9621
= 0.3485 V
3
= 0.6968 1.2330 + 1.0323 + 0.6968 = 0.6968 2.9621
=0.2352
Nilai terbesar ada pada V
3
sehingga alternatif A
3
adalah alternatif yang terpilih sebagai solusi terbaik. Dengan kata lain, layanan SaaS Software as a Service
Universitas Sumatera Utara
merupakan solusi yang paling tepat berdasarkan perhitungan yang dilakukan untuk dipilih oleh user.
3.4 Perancangan Aplikasi
