menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.
d. Subsistem Manajemen Berbasis Pengetahuan
Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar
pengetahuan si pengambil keputusan.
Gambar 2.1 Komponen-Komponen SPK
2.2 Multiple Attribute Decision Making MADM
Multi Criteria Decision Making MCDM adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan
beberapa kriteria tertentu Kusumadewi et al, 2006. MCDM dapat dibagi menjadi 2 model Zimmermann, 1991 yaitu Multi Attribute Decision Making MADM dan
Multi Objective Decision Making MODM. MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya
digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas. Secara umum dapat dikatakan bahwa, MADM menyeleksi
alternatif terbaik dari sejumlah alternatif.
Universitas Sumatera Utara
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM Kusumadewi et al, 2006, antara lain:
a. Simple Additive Weighting Method SAW
b. Weighted Product WP
c. ELimination Et Choix TRaduisant la realitE ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution TOPSIS
e. Analytical Hierarchy Process AHP
2.3 Weighted Product
Menurut Yoon 1989, Metode WP menggunakan perkalian untuk menghubungkan rating atribut, dimana rating atribut harus dipangkatkan terlebih dahulu dengan bobot
atribut yang bersangkutan Kusumadewi, dkk. 2006. Preferensi untuk alternatif S
i
diberikan sebagai berikut:
a. Penentuan nilai perbaikan bobot W
j
W
j
= W_Init
j
W_Init
j n
j=1
Dimana: W_Init
j
= Nilai prioritas bobot setiap kriteria
b. Penentuan nilai Vektor S
i
S
i
= X
ij W
j
n j=1
Dimana: X
ij
= Nilai untuk setiap sampel
c. Penentuan nilai Vektor V
i
V
i
= S
i
S
i m
j=1
Dimana: S
i
= Nilai vektor S
i
Universitas Sumatera Utara
Lalu, langkah-langkah dalam perhitungan metode Weighted Product WP adalah sebagai berikut:
a. Mengalihkan seluruh atribut bagi seluruh alternatif dengan bobot sebagai
pangkat positif bagi atribut biaya. b.
Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif. c.
Membagi nilai V bagi setiap alternatif dengan nilai pada setiap alternatif. d.
Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.3.1 Contoh Manual Penggunaan Algoritma Weighted Product
a. Kriteria
K1 = Kemampuan Siswa
K4 = Keadaan Guru
K2 = Minat Siswa
K5 = Rekomendasi Orang Tua
K3 = Rekomendasi Guru
Kriteria Keuntungan = K1, K2, K3, K4 dan K5 Kriteria Biaya
= Tidak Ada
b. Skor Konversi Nilai Kriteria
Skor konversi nilai kriteria WP dapat dilihat pada Tabel 2.1.
Tabel 2.1 Skor Konversi Nilai Kriteria WP
Kriteria Nilai Awal
Nilai Konversi K1
- 20
21 - 40
41 - 60
61 - 80
≥ 81 1
2 3
4 5
K2 -
5 6
- 10
11 - 15
16 - 20
≥ 21 1
2 3
4 5
K3 -
3 4
- 6
7 -
9 10 -
12 ≥ 13
1 2
3 4
5
Universitas Sumatera Utara
Tabel 2.1 Skor Konversi Nilai Kriteria WP lanjutan
K4 ≤ 1
2 3
4 ≥ 5
1 2
3 4
5
K5 -
5 6
- 10
11 - 15
16 - 20
≥ 21 1
2 3
4 5
c. Contoh Data
Contoh data WP dapat dilihat pada Tabel 2.2.
Tabel 2.2 Contoh Data WP
Mata Pelajaran K1
K2 K3
K4 K5
Biologi 85
16 10
2 17
Bahasa dan Sastra Indonesia 85
10 3
4 5
Bahasa Arab 80
5 7
1 7
d. Contoh Data Yang Sudah Dikonversi
Contoh data yang sudah dikonvesi dapat dilihat pada Tabel 2.3.
Tabel 2.3 Contoh Data Yang Sudah Dikonversi WP
Mata Pelajaran K1
K2 K3
K4 K5
Biologi 5
4 2
2 4
Bahasa dan Sastra Indonesia 5
2 1
3 1
Bahasa Arab 4
1 2
1 2
e. Bobot Preferensi
W = [ 4, 5, 2, 3, 2 ]
f. Menghitung Nilai W
i
W
1
= 4
4 + 5 + 2 + 3 + 2 = 0,25
W
2
= 5
4 + 5 + 2 + 3 + 2 = 0,3125
Universitas Sumatera Utara
W
3
= 2
4 + 5 + 2 + 3 + 2 = 0,125
W
4
= 3
4 + 5 + 2 + 3 + 2 = 0,1875
W
5
= 2
4 + 5 + 2 + 3 + 2 = 0,125
g. Menghitug Nilai S
i
S
1
= 5
0,25
x 4
0,3125
x 2
0,125
x 2
0,1875
x 4
0,125
= 3,406 S
2
= 5
0,25
x 2
0,3125
x 1
0,125
x 3
0,1875
x 1
0,125
= 2,282 S
3
= 4
0,25
x 1
0,3125
x 2
0,125
x 1
0,1875
x 2
0,125
= 1,683
h. Menghitung Nilai V
i
V
1
= 3,406
3,406 + 2,282 + 1,683 = 0,462
V
2
= 2,282
3,406 + 2,282 + 1,683 = 0,309
V
3
= 1,683
3,406 + 2,282 + 1,683 = 0,228
Karena diperoleh nilai terbesar adalah V
1
, maka alternatif “Biologi” adalah Mata Pelajaran yang dipilih sebagai alternatif terbaik.
2.4 Analytical Hierarchy Process