MULTIPLE CRITERIA

DECISION MAKING
An Introduction

Wandhansari Sekar Jatiningrum

Capaian Pembelajaran Mata
Kuliah
1. Mahasiswa diharapkan mampu memahami konsep dan
prinsip dasar dari optimasi dan MCDM
2. Mahasiswa mampu memodelkan dan memformulasikan
permasalahan multi atribut dan multi objektif
3. Mahasiswa mampu memahami dan menggunakan beberapa
teknik pendekatan dalam MCDM
Materi Kuliah
1. Review konsep optimasi
2. Penyelesaian permasalahan multiobjektif (MOP)
dengan pendekatan agregasi tunggal
3. Penyelesaian permasalahan multikriteria dengan
pendekatan agregasi total dan diskrit
4. Pendekatan MCDM berbasis agregasi parsial
5. Pendekataan metode promethee
6. Pendekatan metode TOPSIS
Referensi
Ishizaka, A. dan Nemery, P., 2013, Multi Criteria Decision
Analysis, John Wiley & Sons, Ltd., United Kingdom.
Clemen, R. T. Dan Reilly, T., 2001, Making Hard
Decisions with Decision Tools, California: Duxbury
Thomson Learning
Proses Optimasi
Optimasi merupakan suatu proses dimana solusi
terbaik diambil/ditentukan dari sekian banyak
solusi yang ada.
Optimasi merupakan tahap yang pokok dan
penting dalam prodes desain dan perencanaan.
Proses optimasi adalah proses siklis yang terdiri
dari kegiatan perancangan, analisis, dan
penyusunan peringkat alternatif pemecahan yang
berlangsung berkesinambungan dan saling
mempengaruhi.
 Sejarah Optimisasi
During the war, the British military faced the problem of allocating very scarce and limited
resources (such as fighter airplanes, radars, and submarines) to several activities
(deployment to numerous targets and destinations). Because there were no systematic
methods available to solve resource allocation problems, the military called upon a team
of mathematicians to develop methods for solving the problem in a scientific manner. The
methods developed by the team were instrumental in the winning of the Air Battle by
Britain. These methods, such as linear programming, which were developed as a result of
research on (military) operations, subsequently became known as the methods of
operations
research.
There is no single method available for solving all optimization problems
efficiently. Hence a number of optimization methods have been
developed for solving different types of optimization problems. The
optimum seeking methods are also known as mathematical programming
techniques and are generally studied as a part of operations research.
ENGINEERING APPLICATIONS OF OPTIMIZATION
1.Design of aircraft and aerospace structures for minimum weight
2.Finding the optimal trajectories of space vehicles
3.Design of civil engineering structures such as frames, foundations, bridges, towers, chimneys, and
dams for minimum cost
4.Minimum-weight design of structures for earthquake, wind, and other types of
random loading
5.Design of water resources systems for maximum benefit
6.Optimal plastic design of structures
7.Optimum design of linkages, cams, gears, machine tools, and other mechanical components
8.Selection of machining conditions in metal-cutting processes for minimum production cost
9.Design of material handling equipment, such as conveyors, trucks, and cranes, for minimum cost
10.
Design of pumps, turbines, and heat transfer equipment for maximum efficiency
11.
Optimum design of electrical machinery such as motors, generators, and transformers
12.
Optimum design of electrical networks
13.
Shortest route taken by a salesperson visiting various cities during one tour
14.
Optimal production planning, controlling, and scheduling
15.
Analysis of statistical data and building empirical models from experimental results to obtain the
most accurate representation of the physical phenomenon
Langkah Optimasi
1. Memahami persoalaan nyata yang akan dioptimasikan
solusinya.
2. Membuat model matematika yang merepresentasikan
karakteristik dinamik permasalahan optimasi tersebut.
3. Menyelesaiakan model matematika dengan
menggunakan metode tertentu.
4. Melakukan interpretasi penyelesaian berdasarkan hasil
penyelesaian model.
5. Melakukan analisa sensitivias.
Langkah Pemodelan Matematis
1. Mendefinisikan variabel variabel dalam
permasalahan.
2. Mendefinisikan parameter parameter dalam
permasalahan.
3. Mendefinisikan tujuan yang akan dicapai dalam
permasalahan optimasi tersebut.
4. Mendefinisikan kendala kendala yang harus dipenuhi
dalam mencapai tujuan.
 abstraksi variabel
Masalah Model
Matematika parameter
nyata
tujuan
kendala fs var dan par

Metode
penyelesaian

Interpretasi Penyelesaian
penyelesaian model Nilai dari variabel

Analisis
Sensitivitas
Goal, Objectives, dan Criteria
Pemilik
Goals: Meraih keuntungan besar
Objectives:
1. Minimalisir modal, biaya operasional dan pemeliharaan
2. Maksimalkan jumlah pendapatan gedung

Criteria:
1.Investasi modal, suku bunga pinjaman, tingkat inflasi, pajak
daerah, biaya pemeliharaan, biaya operasional
2.Tingkat biaya sewa, tingkat kepemilikan, tingkat pendapatan
penyewa, harapan penggunaan gedung
PRINSIP PRINSIP DASAR OPTIMASI
Bukan solusi global optimal
Solusi kompromistis (H.Simon,1974) :satisficing

Dalam metode optimasi konvensional, cakupan umumnya hanya

dibatasi pada satu kriteria pemilihan (mono criteria), dimana
pemilihan yang diambil adalah pilihan yang paling memenuhi fungsi
obyektif. Namum, masalah yang dihadapi khususnya yang lebih
bersifat praktis tidaklah sesederhana itu. Ada kalanya pertimbangan-
pertimbangan subjektif harus dimasukkan ke dalam proses
pembuatan keputusan. Kondisi ini menyebabkan pendekatan optimasi
konvensional tidak lagi dapat dipergunakan (Ketut Buda Artana, 2008)
Tacit Assumption MCDM
Konsep optimasi tunggal tidak mungkin tercapai karena
adanya konflik objektif (pareto paradigm).
Tidak mungkin secara simultant memaksimumkan
sekaligus semua objetiktif yang dirumuskan
Optimasi diganti solusi satisfaction (solusi kompromi-
tergantung preferensi DM)
Problem multiple objektif tidak bisa di wujudkan dalam
satu objektif tunggal yang lebih sederhana
Tidak ada objektif yang relevant dengan problem yang bisa
disederhanakan/dihapuskan
DEFINISI MCDM
Pendekatan untuk proses pengambilan keputusan yang memiliki suatu situasi
problem keputusan dengan kriteria, objektif maupun atribut majemuk
MCDM dijadikan sebagai metode pemilihan mengingat kemampuan metode ini
untuk mengatasi mutual conflict dari beberapa alternatif serta kemampuan
metode ini dalam pengambilan keputusan atas satu pilihan jika proses
pemilihan dilakukan oleh lebih dari satu orang pengambil keputusan (Artana,
2003; Jacquet, 1982; Jian, 1995; Sen, 1993; Sen, 1994).
MADM (Multi Atribut) dan MODM (Multi Objektif)
Karekteristik
1.Terdapat lebih 2 atribut dan kriteria yang saling konfliktual : pemenuhan
kepuasan yang satu menyebabkan pengurangan keputusan yang lain (trade
off)
2.Terdapat lebih 2 alternatif solusi keputusan
3.Konflik : Intrapersonal dan Interpersonal
TERMINOLOGI PADA PENDEKATAN
MCDM
Atribut
Sifat yang dipergunakan untuk menjelaskan suatu objek keputusan tertentu
Objektif/Tujuan
Menyatakan arah perbaikan atau kesukaan terhadapattribute
Goal/Target
Tujuan/sasaran akhir/final yang ingin dicapai
Kriteria
Suatu aturan dan ukuran dan standart relevant untuk suatu situasi pengambilan
keputusan
Konflik antar kriteria
Beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya.
Alternatif Keputusan
Tindakan-tindakan yang berbeda satu dengan yang lainnya.
Decision Maker
Individu atau kelompok yang membuat keputusan
MATRIK KEPUTUSAN PADA MCDM
A : Set variabel alternatif keputusan ( a1, a2, a3 . . . .an)
C : Set kriteria keputusan (c1, c2, c3, . . . . . .cm)
Vij: Nilai alternatif i (i=1, ..n) dievaluasi dengan kriteria j
(j=1, 2 . . . m
TAKSONOMI MCDM

MULTI
MODM OBJECTIVEalternatif
menentukan DECISION MAKING
terbaik
dari sekumpulan alternatif
(permasalahan pilihan) dengan
menggunakan preferensi
MCDM alternatif sebagai kriteria dalam
pemilihan.

MADMMULTI ATRRIBUTE
memakai DECISION
pendekatan MAKING
optimasi,
sehingga untuk
menyelesaikannya harus dicari
terlebih dahulu model matematis
dari persoalan yang akan
dipecahkan.
PERBANDINGAN METODA MADM
DAN MODM
Faktor Evaluasi Metode MADM Metode MODM
Kriteria Atribut Objektif
Objektif Implisit Eksplisit
Atribut Eksplisit Implisit
Batasan Implisit Eksplisit
Fungsi Kendala Tidak Aktif Aktif
Alternatif Terbatas Tak terbatas
Interaksi DM Kurang Lebih sering
Penggunaan Problem Pemilihan Problem Desain dan
dan Evaluasi Rekayasa
TAKSONOMI MCDM
Informasi Keputusan Data Preferensi Metode Penyelesaian
Tidak
perlu Kriteria Global
preferensi
Fungsi utility
Kardinal Objektif
terbatas/terkend
Preferensi ala
A priori Ordinal Lexicograph
MODM dan Goal
Kardinal Programming
Goal Attain
Geoffrian Method
Trade off
G. Prog. Interact.
eksplisit
Zionts-W Method
Preferensi
Steur Method
Progresif Trade off STEM
implisit Displaced
Parametric Prog.
Preferensi Trade off MOLP
Posteriori implisit Adaptive
TAKSONOMI MCDM
Informasi Keputusan Data Preferensi Metode Penyelesaian
Tidak Maximin
perlu Minimax
preferensi
Standart Conjuctive

Lexicograph
Ordinal Permutasi
MADM
Atribut
Electre
Kardinal Promethee

AHP
Pairwise
Interaktif

Alternatif Urutan
berpasang Ideal points
an
Metode dalam MCDM
TOPSIS (Technique For Others Reference by Similarity to
Ideal Solution)
menggunakan prinsip bahwa alternatif yang terpilih
harus memiliki jarak terdekat dari solusi ideal positif
dan terjauh dari solusi ideal negatif dari sudut pandang
geometris dengan menggunakan jarak Euclidean untuk
menentukan kedekatan relatif dari suatu alternatif
dengan solusi optimal.
AHP (Analytical Hierarchy Process)
References
Ishizaka, A. dan Nemery, P., 2013, Multi Criteria Decision
Analysis, John Wiley & Sons, Ltd., United Kingdom.