ditunjukkan pada Gambar 2.
Tampilkan gambar yang disebut MCEARNT (untuk risiko rata-rata, tanpa kompromi). Bandingkan MCEARNT dengan MCE. (Jika diinginkan, Anda dapat menambahkan MCEARNT ke file grup MCEOWA dengan membuka file grup di Explorer IDRISI, menambahkan MCEARNT, lalu menyimpan file tersebut.)
Analisis kami sejauh ini telah mengasumsikan bahwa semua faktor harus ditukar sesuai dengan tingkat yang sama yang ditentukan oleh satu set bobot pesanan.
Namun, seperti yang dibahas sebelumnya dalam contoh ini, faktor kami terdiri dari dua jenis yang berbeda: faktor yang relevan dengan biaya pembangunan dan faktor yang relevan dengan masalah lingkungan. Kedua set ini belum tentu memiliki tingkat perdagangan yang sama. Faktor-faktor yang relevan dengan biaya pengembangan jelas dapat ditukar sepenuhnya. Di mana biaya keuangan menjadi perhatian umum,
Tingkat Risiko Rata-Rata - Tanpa Pengorbanan
Di mana analisis semacam itu akan ditempatkan di ruang strategi keputusan?
N)
Misalkan posisi tanpa tradeoff diinginkan, tetapi posisi tanpa tradeoff yang telah kita lihat, AND (minimum) dan OR (maksimum), tidak sesuai dalam hal risiko.
Solusi dengan risiko rata-rata dan tanpa tradeoff akan memiliki bobot pesanan berikut.
7
Namun, seandainya kami memilih untuk memvariasikan risiko terlepas dari pertukaran, kami dapat menempatkan analisis kami di mana saja di dalam segitiga, Ruang Strategi Keputusan.
Gambar 2
(Perhatikan bahwa dengan jumlah faktor yang genap, menetapkan bobot pesanan menjadi tidak ada tradeoff sama sekali tidak mungkin dilakukan pada posisi risiko rata-rata.)
MCEAVG dan MCEARNT jelas sangat berbeda satu sama lain meskipun memiliki tingkat risiko yang sama. Tanpa kompromi, solusi risiko rata-rata, MCEARNT, mendekati nilai median, bukan rata-rata tertimbang seperti pada MCEAVG (dan MCEWLC). Seperti yang Anda lihat, MCEARNT mematahkan secara signifikan dari tren mulus dari AND ke OR yang telah kita jelajahi sebelumnya. Jelas, berbagai tradeoff secara independen dari risiko meningkatkan jumlah kemungkinan hasil serta potensi untuk memodifikasi analisis agar sesuai dengan situasi individu.
2
Pangkat:
1st
60,5 0,0
0,0
3
Bobot Pesanan: 0,0 0,0
4 tanggal 5
0,5
Pengelompokan Faktor Menurut Tradeoff
Tampilkan gambar COSTFACTORS. (File Decision Wizard ada di direktori data jika Anda ingin memeriksa parameternya.) ROADFUZZ 0.3182
penghematan biaya pengembangan di satu faktor dapat mengkompensasi biaya tinggi di faktor lain. Faktor-faktor yang relevan bagi pecinta lingkungan, di sisi lain, tidak mudah dipertukarkan. Menjaga habitat satwa liar jauh dari pembangunan baru tidak mengimbangi masalah limpasan air dan kontaminasi.
Bobot yang
Diskalakan Ulang
P)
Jelas gambar-gambar ini sangat berbeda satu sama lain. Namun, perhatikan betapa miripnya COSTFACTORS dengan MCEWLC.
Faktor apa yang paling mempengaruhi hasil di COSTFACTORS dan ENVFACTORS?
0,0791
Untuk rangkaian faktor pertama, yang relevan dengan biaya, kami akan menggunakan prosedur WLC untuk menggabungkannya karena kami menginginkan hasil yang menghasilkan pertukaran penuh dan risiko rata-rata. Ada empat faktor biaya yang harus dipertimbangkan:
penggunaan lahan saat ini, jarak dari pusat kota, jarak dari jalan raya, dan kemiringan. Prosedur WLC memungkinkan bobot faktor untuk sepenuhnya mempengaruhi hasil, dan faktor biaya telah dibobotkan bersama dengan faktor lingkungan sehingga keenam bobot faktor awal dijumlahkan menjadi 1. Namun, kita harus membuat bobot baru untuk empat faktor biaya sedemikian rupa sehingga berjumlah 1 tanpa faktor lingkungan. Untuk contoh ini, daripada menimbang ulang keempat faktor biaya kita, kita hanya akan menskala ulang bobot yang telah dihitung sebelumnya sehingga jumlahnya menjadi 1. Kendala awal (LANDCON dan WATERCON) juga diterapkan.
Bobot
0,4057
0,4972 0,5028
Hai)
TOWNFUZZ 0,0869
Untuk rangkaian faktor kedua, yang relevan dengan masalah lingkungan, kami akan menggunakan prosedur OWA yang akan menghasilkan hasil berisiko rendah tanpa kompromi (yaitu bobot pesanan akan menjadi 1 untuk peringkat pertama dan 0 untuk peringkat kedua). Ada dua faktor yang perlu dipertimbangkan: jarak dari badan air dan lahan basah dan jarak dari kawasan yang sudah dikembangkan. Sekali lagi, kami akan menskala ulang bobot faktor asli sehingga jumlahnya menjadi 1 dan menerapkan kendala asli.
Bobot
120 Tampilkan gambar ENVFACTORS. (File Decision Wizard ada di direktori data jika Anda ingin memeriksa parameternya.)
Apa persamaan MCEWLC dan COSTFACTORS memberitahu kami tentang analisis risiko rata-rata kami sebelumnya?
Untuk mengatasi ketidaksesuaian ini, kita akan memperlakukan faktor kita sebagai dua himpunan berbeda dengan tingkat pertukaran berbeda yang ditentukan oleh dua himpunan bobot terurut. Ini akan menghasilkan dua peta kesesuaian menengah. Salah satunya adalah hasil dari penggabungan semua faktor keuangan, dan yang lainnya adalah hasil dari penggabungan kedua faktor lingkungan tersebut. Kami kemudian akan menggabungkan hasil antara ini menggunakan operasi MCE ketiga.
SLOPEFUZZ 0,3171
WATERFUZZ 0.1073
0,1108 Asli
Langkah terakhir dalam prosedur ini adalah menggabungkan dua hasil antara kami menggunakan operasi MCE ketiga. Dalam agregasi ini, COSTFACTORS dan ENVFACTORS diperlakukan sebagai faktor dalam prosedur agregasi terpisah. Tidak ada yang jelas
0,4044 Skala ulang
DEVELOPFUZZ 0.1085 LANDFUZZ 0.0620
Latihan 2-9 MCE: Rata-Rata Tertimbang Terurut
Asli Bobot
8
tanggal 5
6
aturan tentang bagaimana menggabungkan kedua hasil ini. Kami akan berasumsi bahwa perencana kota kami tidak mau memberi bobot lebih pada faktor pengembang atau lingkungan; bobot faktor akan sama. Selain itu, mereka tidak akan membiarkan dua faktor terkonsolidasi baru saling bertukar satu sama lain, mereka juga tidak menginginkan apa pun kecuali tingkat risiko terendah saat menggabungkan dua hasil antara.
1. Faktor dengan peringkat terendah untuk setiap piksel memiliki pengaruh paling besar. Bobot faktor memengaruhi peringkat, tetapi karena tidak ada kompromi, skor kesesuaian akhir yang diberikan adalah faktor dengan peringkat terendah.
4. Skor kesesuaian sangat tinggi karena untuk setiap piksel, setidaknya satu faktor memiliki skor yang cukup tinggi.
5. Keduanya menawarkan jumlah kompromi yang sama, tetapi MCEMIDAND cukup menghindari risiko, sedangkan MCEMIDOR cukup mengambil risiko. Hasil MCEMIDOR terlalu berisiko bagi perencana kota.
9
2. Terdapat perbedaan karena faktor yang dibakukan berbeda. Beberapa kesesuaian tetap dalam faktor fuzzy di luar titik batas Boolean yang kami gunakan dalam faktor Boolean.
Peringkat :
6.
Pengoperasian Maksimum: Risiko Tingkat Tinggi - Tanpa Pengorbanan
1st
Himpunan bobot faktor dan urutan apa yang akan memberi kita hasil ini?