MULTICRITERIA
DECISION MAKING
(MCDM)_3
PENDEKATAN KEPUTUSAN KELOMPOK
• Metoda DelphiPenilaian kelompok , dilakukan sharing dipandu moderator
Masalah
Daftar
Anggota
Ahli
Masalah
disampaikan
ke setiap Ahli
Ahli mem
beri respons
rekomendasi
Moderator mengum
pulkan respon dan
mendistribusikan
Tukar menukar
Informasi
sesama ahli
SOLUSI/
Ada konsensus
Dapat
mempe-roleh konsensus
Ahli memberi komentar
ide para ahli lain
Mengajukan jawaban baru
Tidak Ada
Konsensus
• Metoda NOMINAL GROUP TEKNIK
Anggouta panel bisa bertatap muka, “brain storming” atau saling berdebat
Kelompok Kecil
Diberi instruksi
untuk suatu
problem
Partisipan mem
beri ide atau
penyelesaian
problem
Presentasi ide
atau penyelesaian
ke seluruh
anggouta
Setiap ide dan model
di diskusi, diperjelas
dan dievaluasi
Setiap individu
menyusun urutan
ide yang dikem
bangkan
Ide/model problem
urutan tertinggi
sebagai ide/model
TEKNIK PENYELESAIAN MULTI OBJEKTIF PROGRAMMING
1.Pendekatan Tunggal
• Selesaikan fungsi objektif yang paling utama dahulu • Ubah objektif sisanya sebagai tambahan kendala baru • Pencapaian objektif untuk pembatas minimal
Maximize Z
1
g
i
b
i
i = 1, 2, 3 ... m
f
l
l = 2, 3 . . . . k
nilai minimum
f x
s t
x
x
x
Z
l
Z
l
tingkatpencapaian
1
( )
/
( )
( ),
( )
*
*
• Beberapa kasus membentuk non feasibel solution space • Kendala tambahan sebagai pembatas max untuk objektif
f x
3( )
Z
3,f
2( )
x
Z
2,f
2( )
x
Z
2*f x
1( )
Z
1*Ruang Solusi Fisibel Semula
Daerah Feasible Solution
Baru
f
3( )
x
Z
3*• Kelemahan pendekatan Tunggal:
• Penambahan kendala menggeser solusi ke
bidang non fisibel solusi
2. Peng-integrasi-an Fungsi Objektif : Global Kriteria
• Membentuk fungsi objektif tunggal
• Setiap fungsi objektif diberi bobot sebanding ratio nilai penyimpangan terhadap nilai-nilai solusi idealnya
• k objektif fungsi menjadi fungsi objektif tunggal
Minimize F =
l = 1
k
g
i
i = 1,2, . . . . . m
= nilai optimal fungsi objektif individual (solusi ideal),
p = sebagai pembobotan terhadap nilai penyimpangan
f
l
x
f
l
x
f
l
x
p
s t
x
b
i
f
l
x
( *)
( )
( *)
/
( )
( *)
3.Pendekatan Metoda Fungsi Utilitas
• Fungsi utilitas mengkonversikan MOP menjadi tunggal • Fugsi utilitas merepresentasikan kepuasan preferensi
pengambilan keputusan
• Berbagai bentuk fungsi utilitas : - fungsi utilitas additiv
- fungsi utilitas multiplikatif - fungsi utilitas eksponensial
Maximize Z = F f
1
(x),f
2
. . . .f
k
g
i
b
i
dan x
0
Untuk fungsi aditiv:
Z =
( ).
/
( )
( )
x
s t
x
w
j
j
k
f
j
x
1
4. Pendekatan Metoda Deviasi Minimum
• Bila sebagian informasi objektif sudah diketahui • Bobot relatif objektif tidak diketahui
• Solusi kompromis yang meminimumkan penjumlahan fraksi penyimpangan : ideal dan penyimpangan maksimal • Penyimpangan maksimal :perbedaan solusi ideal dengan
solusi yang paling tidak diinginkan objektifnya
a. Pengembangan Tabel Pay Of
• Dicari setiap nilai optimal individual (solusi ideal) • Hitung untuk pencapaian objektif lain
• Tetapkan mana yang yang paling tidak diinginkan b. Prosedur Perhitungan
• Ukuran evaluasi minimasi penjumlahan fraksi penyim pangannya
• Bisa menghindari kesulitan dimensi yang berbeda, solusi optima yang sangat kecil
• Model Penyelesaian
Minimize : Z
o
g
i
(x)
b
i
(x) dan x 0
sebagai normalisasi objektif
= nilai objektif yang paling tidak diinginkan
Z
o
dapat dinyatakan sebagai pembobotan
o
Z =
w
j
j = 1
k
f
j
f
j
x
f
j
f
j
j
k
s t
f j
f
j
f
j
f
j
f
j
x
*
( )
*
*
/
*
*
*
*
( )
1
X2 X1 f1(x) f2(x) C A B f1* f2* D G F E
Ambil titik c : solusi kompromi
BG = f
1*
_f
1*
dan AE = f
2*
_f
2*CD = f
1*_f
1
(x) dan CF= f
2*_f
2(x)
Fungsi objektif Z
ominimasi : (CD/BG + CF/AE)
INTERPRETASI GEOMETRIKS
5.Metoda Kendala Kompromistis • Linier Bikriteria Programming
Dikembangkan Tabucanon, pembobotan berbanding terbalik kecepatan pergerakan menjauhi nilai optimal
Lemma1
Jika f1(x) dan f2(x)sebagai 2 fungsi objektif dengan nilai maksimum Z*1 dan Z*2 fungsi tsb bergerak learah daerah feasible, persamaan titik/ruang yang saling interseksi sebagai
2
2
1
kecepatan pergerakan fungsi objektif
menjauhi titik optimalnya
f
x
z
f
x
z
dan
1
( )
1
1
2
2
0
*
( )
*
:
Ruang Solusi Fisibel 2f x1( ) 1 2f ( )x Z2* 0 Z1* f x1( ) Z *1 f x2( ) Z2* f x1( ) Z1
f x
2( )
Z
2Lemma 2
Bilamana kedua fungsi objektif memiliki masing-2 nilai utilitas b1 dan b2, maka suatu fungsi objektif yang setara dengan kedua fungsi objektif z dapat diberikan sebagai penjumlahan dari perkalian utilitas dengan masing-masing objektif
Fungsi tunggal yang merepresentasikan hubungan kedua fungsi objektif dapat diwujudkan dalam persamaan:
Z
f
x
f
x
1 1
( )
2 2( )
1
dan
1sebagai nilai utilitas masing - masing
Ruang Solusi Fisibel
f2( )x Z2*
f x1( ) Z1
• Model¨Penyelesaian Model Kompromis Berkendala Fungsi-fungsi objektif harus memenuhi
Max z
1
c
1j
x
j
j 1
n
Max z
2
c
2j
x
j
j 1
n
Max z =
w
1
(c
1j
j =1
n
c
1j
x
j
j 1
n
w
2
(c
2j
j =1
n
c
2j
x
j
j 1
n
a
ij
j=1
n
b
i
i =1, 2, . . . . . m
w
1
(c
1j
j =1
n
c
1j
x
j
j 1
n
w
2
(c
2j
j =1
n
c
2j
x
j
j 1
n
)
)
/
)
*
)
*
2
2
2
1
2
2
0
s t
z
z
Formulasi Problem Solusi kompromis adalah xl* pada Z l Selesaikan Prob.LP F.Obj.Zhuntuk mendapatkan xh* Ubah objektif Zh menjadi Zl Solusi Masih optimal
Objektif tidak konfliktual Solusi kompromis adalah xh* pada Z h Selesaikan untuk objektif ke dua,zl mendapatkan xl* Tambahkan kendala Solusi Masih optimal Selesaikan dengan Kompromi yes yes No No
6. Pendekatan MOP Kompromis Berkendala
• Untuk problem lebih 2 objektif, perlu variabel deviasi • Devisasi negatif dan negatif harus dioptimasikan
Maksimumkan: Z =
w
l
f
l
(x) -
(
hl
hl
h
l
k
)
l 1
k
Pembatas (s / t)
w
l
hl hl ij j 1 n j i j, hl hla x
b
x
h
1,2, . . . k
l = 1, 2, .
f
l
( )
x
z
l
w
h
f
h
x
z
h
*
( )
*
(
)
0
0
. . k
j = 1, . . n
h
l
7. Compromise Programming
• Mencari jarak terkecil dari solusi ideal Terdefinisi (Zeleny,1982) :
“good compromise as every body getting a little bit more
than each one expected to get”
“compromise as an effort to approach or emulate the ideal solution as
closely as possible”
Model Compromise
Diberikan solusi ideal x*, jarak titik xk terhadap titik ideal untuk
n atribut yang diukur sepanjang ordinat dapat ditunjukkan oleh persamaan berikut :
d
individual dipangkatkan p
p
w x
x
x
x
deviasi
i
i
i
l p
i
n
p
i
i
l
(
)
(
)
*
/
*
1
1
l = 1, 2, 3 . . . .m i = 1, 2, 3 . . . n wi= bobot (0< wi<1)x2 x1 1 2 3 4 5 6 7 8 1 2 3 4 5 6
(x
*1, x
*2)
(x
l 1, x
l2)
d
Interpretasi Deviasi Minimum
• Jarak (deviasi) mengukur jarak preferensi (bukan geometris)
p (x
* 1-x
l1)
p(x
*2-x
l2)
pTotal
d
p 1 1,5 2 3 5 . . 4 8 16 64 1024 . . 4 3 5,2 9 27 243 . . 3 7 13,2 25 91 1267 . . 7 5,58 5 4,49 4,17 . . 4• Bila p diambil 1, sebagai jarak maksimal dari solusi ideal ke titik yang dicari
• Bilamana dimensi setiap objektif berbeda, jarak harus dikoreksi ulang
Setiap objektif diukur secara individual
Dipergunakan nilai relatif deviasi ( bukan absolut)
• Deviasi dinyatakan sebagai
d
w
x
x
x
p
i
i
i
l
i
p
i
n
p
*
*
/
1
1
• Model Multiobjektif : solusi ideal dibentuk secara vektor dari setiap solusi ideal Z*= (f
1*, f2*, f3*, f4*, ... fk*), sehingga
fungsi objektf dapat dinyatakan sebagai minimumkan:
d
w
f
f x
f
p
i
l
l
l
p
l
k
p
*
*
/
( )
1
1
8. Pendekatan Interaktiv (STEP Method)
DM tidak memiliki informasi preferensi antar pencapaian setiap kriteria/objektif yang dicapai
Preferensi diberikan setelah melakukan eksplorasi dan pro-gres pencapaian solusi yang ada pada algorithma
Proses inter-aktif :
DM melakukan “trade off” analysis pada preferensi Informasi solusi akan menjadi pijakan penelusuran
solusi baru berikutnya
Secara “a-priori”tidak bisa ditunjukkan informasi pre-ferensi dari setiap objektif yang diinginkan
Tahapan penyelesaian STEP-Method a. Tahap Perhitungan
Hitung dan susun Tabel Pay-off Matriks
Dicari suatu titik pada daerah fesibel solusi yang paling mendekati nilai solusi ideal pada tabel pay-off
• Model MOP pada Tahap Perhitungan
Minimumkan z = y
Dengan Pembatas (s / t)
y
f (x )
f (x)
l = 1...k
x
x
y
0
x
daerah fisibel pada siklus m serta kendala yang ada
= kepentingan relatif jarak tehadap titik optimal
l
l*
l
l
m
m
l
• Bobot
memberikan informasi kepentingannya mencapaiobjektif, semakin kecil jarak z(x*) mencapai solusi ideal
l
l
l
l
l
l
l
lj
j
n
l
l
lj
M
m
M
c
i 1
k
l = 1, 2, 3 . . . . .k
l = 1, 2, 3 . . . k
M
nilai maksimum pada baris ke l dari tabel payoff
m = nilai maksimum pada baris ke l dari tabel payoff
c
koefisien fungsi objektif ke - l dan variabel kep. ke - j
1
2
1
Perhitungan nilai bobot
• koefisien clj untuk normalisasi terhadap pembobotan fungsi objektif
b. Tahapan Pengambilan Keputusan
• Solusi yang diperoleh dipaparkan kepada DM
• Dilakukan evaluasi nilai yang dicapai (Zm)-solusi ideal (Z*)
• Bila ada objektif yang pencapaian solusinya belum meme nuhi kepuasan, diperbaiki kembali di tahapan berikutnya • Objektif lain yang sudah memuaskan diperlonggar dengan
bobot
pada tahapan ini =0, sedang yang akan diperbaiki diberi nilai 1.• Daerah fisibel untuk siklus perhitungan ini didefinisikan