mempertimbangkan ambang batas preferensi yang ketat dari tipe1. Dalam hal ini, ketika sebuah hotel dengan skor 9 dibandingkan dengan yang lain dengan skor 8,
fungsi preferensi akan mengambil nilai 1, sedangkan jika dibandingkan lain dengan skor 8,5, fungsi preferensi akan sama dengan 12.
Dalam hal ini, itu juga akan menarik untuk memilih fungsi preferensi tipe V, yang akan memungkinkan individu untuk menentukan ambang kepastian.
Akibatnya, pengambil keputusan akan memiliki pilihan untuk mempertimbangkan kesamaan dua hotel dengan skor sangat mirip, seperti 7,6 dan 7,9. Misalnya,
ambang kesamaan dan ambang preferensi yang ketat bisa sama dengan 0,3 dan 1. Sementara hotel dengan skor 9,3 akan mutlak sama satu sama lain dengan 9, itu
akan memiliki tingkat preferensi kuat dengan a= 8. Akhirnya, jenis VI harus digunakan jika individu ingin bahwa setiap
peningkatan kecil dari jarak antara dua alternatif menyebabkan peningkatan tingkat preferensi antara alternatif.Misalnya, jenis fungsi preferensi dapat
diterapkan pada kriteria memperhitungkan harga sewa. Jika individu ditugaskan nilai 50 untuk parameter s, tingkat preferensi tinggal dari 270 € selama tinggal
dari 130 € akan 0,98, sedangkan tingkat preferensi tinggal dari 270 € selama tinggal 200 € akan 0,62.
3.7.2. Agregat Indeks Preferensi
Agar mampu menganalisis masalah multikriteria dengan metode PROMETHEE, pembuat keputusan juga diperlukan untuk menetapkan bobot
kepentingan relatif untuk setiap kriteria.Bobot Ini adalah nomor non-negatif yang
Universitas Sumatera Utara
mewakili relevansi kriteria sesuai dengan sudut pandang pembuat
keputusan.Semakin tinggi nilai bobot, semakin signifikan kriteria tersebut. Hal ini juga penting untuk menyebutkan bahwa bobot dari semua kriteria dinormalisasi
sehingga jumlah mereka adalah sama dengan satu. � Wj=1
k j=1
Indeks preferensi agregat � adalah nilai-nilai yang menyatakan tingkat
preferensi suatu alternative dengan alternative lainnya dengan cara mempertimbangkan semua kriteria. Hal ini didefenisikan sebagai berikut:
∀a, b ∈A πa,b= � Pja,b.Wj
k j=1
Sering terjadi a adalah lebih baik daripada b di beberapa kriteria dan b lebih baik daripada kriteria lainnya. Sebagai konsekuensi, baik
� a, b dan � b, a biasanya positif. Indeks preferensi agregat harus ditafsirkan mengingat:
� πa,b≈0↔preferensi global yang lemah dari a melewati b
πa,b≈1↔preferensi global yang kuat dari a melewati b Akhirnya, menarik untuk menggarisbawahi norma indeks ini:
∀a, b ∈A � πa,a=0
≤πa,b≤1 ≤πb,a≤1
≤πa,b+πb,a≤1
3.7.3. Outranking
Metode PROMETHEE didasarkan pada kuantifikasi bagaimana suatu kriteria yang mengungguli semua kriterialain dan bagaimana kriteria ini dinilai
Universitas Sumatera Utara
oleh semua orang. Inilah sebabnya mengapa φ + positif a dan φ- negatif a outranking arus didefinisikan. Ukuran pertama mengungkapkan kapasitas
outranking dari tindakan yang berkaitan dengan semua tindakan lain sementara yang kedua merupakan cara suatu outranked oleh orang lain. Dengan kata lain,
arus positif menunjukkan kekuatan dari suatu tindakan dan aliran negatif menunjukkan kelemahannya.
Jelas bahwa semakin tinggi outranking positif maka semakin baik alternative tersebut.Sejalan dengan itu, semakin besar aliran outranking negatif
maka semakin buruk alternatifnya.Nilai-nilai dari dua langkah dihitung sebagai jumlah dari semua indeks preferensi agregat dibagi dengan jumlah tindakan
bahwa dibandingkan dengan n-1.Akibatnya, nilai-nilai yang dinormalisasi antara 0 dan 1.
Net outranking aliran φ a dari tindakan didefinisikan sebagai perbedaan
antara aliran outranking positif dan aliran outranking negatif: Leaving flow
∅
+
� =
1 �−1
∑ � a, x Net outranking
aliran φ a dari tindakan didefinisikan sebagai perbedaan antara aliran outranking positif dan aliran outranking negatif:
Entering flow ∅� =
1 �−1
∑ � a, x Semakin tinggi ukuran ini, maka tindakan semakin baik.Jika netflow
bernilai positif, maka alternatif tersebut lebih unggul di semua alternatif yang lain, tapi ketika nilai netflow adalah negatif, maka alternatif yang dihasilkan kurang
unggul.
Universitas Sumatera Utara
Menurut Ryan Rakasiwi 2013 PROMETHEE Preference Ranking Organization Method For Enrichment Evaluation tergolong ke dalam keluarga
Multi-Criteria Decision Analysis MCDA. Dikembangkan oleh J.P. Brans pada tahun 1982 dan dipresentasikan pada suatu konferensi Université Laval, Québec,
Canada dengan judul L’Ingéniérie de la Décision. Hingga tahun 1994, metode ini telah terbagi menjadi 6 kategori perangkingan: PROMETHEE I rangking secara
parsial, PROMETHEE II rangking secara utuh, PROMETHEE III rangking berdasarkan interval, PROMETHEE IV untuk kasus berkelanjutan,
PROMETHEE V MCDA yang mengikutsertakan batasan segmentasi, dan PROMETHEE VI representasi otak manusia. Kesuksesan metode ini dalam
pengaplikasiannya di berbagai bidang didasarkan pada properti matematisnya dan kemudahannya untuk diterapkan.
3.8. Kuesioner
