Normalisasi Matriks Normalisasi Matriks Terbobot Matriks Solusi Ideal Positif dan Negatif

Tabel 5.16. Rekapitulasi Pembobotan Tingkat Kepentingan W C1 C2 C3 C4 C5 C6 C7 C8 4,0297 3,0803 1,9818 3,2412 3,4105 1,9818 2,6411 3,4105

5.2.4.1. Normalisasi Matriks

TOPSIS membutuhkan Rating kinerja setiap alternatif A i pada setiap kriteria C i yang ternormalisasi, yaitu: r ij = Universitas Sumatera Utara Demikian seterusnya, sehingga diperoleh matriks ternormalisasi R sebagai berikut: 0,3326 0,3715 0,4056 0,3337 0,3455 0,3475 0,2317 0,3033 0,3906 0,4138 0,3391 0,4201 0,3650 0,3289 0,3533 0,3204 0,3326 0,3523 0,2617 0,2958 0,3230 0,3108 0,3585 0,3812 R = 0,3906 0,3924 0,4056 0,3985 0,4288 0,4446 0,3780 0,2835 0,2948 0,2436 0,3170 0,2474 0,2394 0,3074 0,4440 0,4027 0,3513 0,3117 0,3170 0,3165 0,3650 0,3519 0,2965 0,4246 0,3326 0,2914 0,3785 0,3577 0,3224 0,3469 0,2965 0,3812 0,3906 0,4138 0,3785 0,4201 0,4059 0,3717 0,4210 0,3033

5.2.4.2. Normalisasi Matriks Terbobot

Setelah matriks ternormalisasi, maka dilakukan pembobotan terhadap normalisasi tersebut dengan cara sebagai berikut: y ij = w i r ij Demikian seterusnya, sehingga diperoleh matriks ternormalisasi terbobot Y sebagai berikut: Universitas Sumatera Utara 1,3402 1,1443 0,8038 1,0817 1,1785 0,6886 0,6120 1,0345 1,5742 1,2746 0,6721 1,3618 1,2450 0,6518 0,9331 1,0928 1,3402 1,0852 0,5187 0,9588 1,1015 0,6160 0,9467 1,2999 Y = 1,5742 1,2088 0,8038 1,2915 1,4623 0,8810 0,9983 0,9669 1,1880 0,7505 0,6282 0,8018 0,8165 0,6093 1,1726 1,3733 1,4158 0,9602 0,6282 1,0258 1,2450 0,6974 0,7830 1,4480 1,3402 0,8975 0,7501 1,1594 1,0995 0,6875 0,7830 1,2999 1,5742 1,2746 0,7501 1,3618 1,3842 0,7367 1,1120 1,0345

5.2.4.3. Matriks Solusi Ideal Positif dan Negatif

Solusi ideal positif A + dan solusi ideal negatif A - dapat ditentukan berdasarkan Rating bobot ternormalisasi y ij . Adapun solusi ideal positif A + dapat dihitung dengan cara sebagai berikut: Maka, A + = {1,5742; 1,2746; 0,8038; 1,3618; 1,4623; 0,8810; 1,1726; 1,4480} Sedangkan solusi ideal negatif A - dapat dihitung dengan cara sebagai berikut: Universitas Sumatera Utara Maka, A - = {1,1880; 0,7505; 0,5187; 0,8018; 0,8165; 0,6093; 0,6120; 0,9669}

5.2.4.4. Jarak Antara Nilai Alternatif dengan Matriks Solusi Ideal Positif dan Negatif

Dokumen yang terkait

Implementasi Fuzzy Inferensi Dan Decision Tree untuk Optimasi Pengukuran Kinerja Guru Dalam Menentukan Kompensasi Merit Pay

1 25 100

Pendekatan Axiomatic Design dalam Fuzzy Multi Criteria Decision Making

1 50 141

Integrasi Metode Dematel (Decision Making Trial And Evaluation Laboratory) dan Balanced Scorecard pada Penentuan Prioritas Pusat Distribusi di PT. XYZ

44 225 144

Model Fungsi Keanggotaan Fuzzy Multi Criteria Decision Making Padaprogram Sertifikasi Guru

0 50 96

Diagnosa Penyakit Hepatitis Menggunakan Fuzzy Multi Criteria Decision Making

8 87 59

Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

6 138 175

Pendekatan Fuzzy Multi-Criteria Decision Making Dalam Penentuan Penugasan Delivery Berdasarkan Kriteria Rute

2 61 56

BAB II GAMBARAN UMUM PERUSAHAAN - Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 0 29

BAB I PENDAHULUAN - Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 0 7

Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

0 2 22