Metode Weighted Product Dan Contoh Perhitungannya

Metode Weighted Product adalah salah satu analisis keputusan multi-kriteria (MCDA) yang sangat terkenal atau metode pengambilan keputusan multi-kriteria (MCDM).

Metode Weighted Product (Basyaib, 2006, 139)  merupakan metode pengambilan keputusan dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.

Disini saya akan bahas contoh perhitungan metode weighted product secara manual. Dibawah ini akan dijelaskan contoh perhitungan manual dengan menggunakan metode Weighted Product (WP) dalam menentukan pilihan restoran berdasarkan nilai bobot yang diberikan pembanding, dimana pada contoh ini ada 3 restoran yang akan menjadi alternatif pilihan yaitu :

R1 : Made’s Warung
R2 : Warisan Restaurant & Bar
R3 : Gabah Restaurant & Bar

Kriteria yang digunakan sebagai acuan dalam pemilihan restoran ada 5 yaitu :

C1 : Kualitas Makanan
C2 : Harga Makanan
C3 : Pelayanan
C4 : Suasana
C5 : Jarak (m)

Pengambil keputusan memberikan bobot preferensi sebagai:
W = (5, 3, 4, 4, 2)

Dan nilai-nilai kriteria dari setiap alternative restoran akan disajikan dalam bentuk tabel dan diberi nilai secara acak sebagai berikut:

Tabel 1

Tahap 1

Terdapat 2 kategori yang membedakan kriterai-kriteria diatas antara lain.

1. Kriteria C1 (kualitas makanan), C3 (pelayanan) dan C4 (suasana) adalah kriteria keuntungan;
2. Kriteria C2 (harga makanan), C5 (jarak restoran) adalah kriteria biaya. (Semakin besar nilainya akan semakin buruk)

Tahap 2

Sebelumnya dilakukan perbaikan bobot terlebih dahulu, sehingga total bobot Σwj =1 dengan cara :

Dari bobot preferensi sebelumnya yaitu W = (5, 3, 4, 4, 2)
Wj merupakan W index ke j. Jadi untuk W1 yaitu 5, W2 yaitu 3 dan seterusnya.
Dan Σwj merupakan jumlah dari W yaitu 5+3+4+4+2

Jadi untuk perbaikan bobot W1 menjadi:

Dan W yang lainya akan seperti dibawah:

Tahap 3

Menentukan Nilai Vektor S, yang dapat dihitung dengan menggunakan formula berikut:

Untuk perhitungan sederhananya, kembali lihat Tabel 1 di atas.

Pada baris R1, Masing-masing kriteria memiliki nilai sebagai berikut:

C1 = 42
C2 = 66.000
C3 = 60
C4 = 75
C5 = 2.355

Pangkatkan dan kalikan nilai masing-masing kriteria tersebut dengan bobot yang sudah diperbaiki sebelunya.
Jadi seperti berikut:

C2 dan C5 merupakan kriteria biaya. Jadi bobot yang dipangkatkan akan bernilai minus (-).
Dan perhitungan Vektor S yang lain seperti dibawah ini:

Tahap 4

Menentukan Nilai vector yang akan digunakan Menghitung Preferensi (Vi) untuk perengkingan. Formulanya seperti berikut:

Sederhananya seperti:

Jadi Hasil dari Menghitung Preferensi (Vi) adalah sebagai berikut:

Dari hasil perhitungan di atas, Nilai V3 menunjukkkan nilai terbesar sehingga dengan kata lain V3 merupakan pilihan alternatif yang terbaik, Gabah Restaurant & Bar layak menjadi pilihan restoran terbaik sesuai dengan pembobotan yang diberikan oleh pengambil keputusan.

Semoga bermanfaat :)

Simple Additive Weighting Method (SAW)

Menurut Kusumadewi (2007), Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.

Michael S Scott Morton dan Peter G W Keen, dalam buku Sistem Informasi Manajemen (McLeod, 1998) menyatakan bahwa sistem pendukung keputusan merupakan sistem penghasil informasi yang ditujukan pada suatu masalah yang harus dibuat oleh manajer.

Menurut Raymond McLeod, Jr mendefinisikan sistem pendukung keputusan merupakan suatu sistem informasi yang ditujukan untuk membantu manajemen dalam memecahkan masalah yang dihadapinya (McLeod, 1998). 

Menurut Litlle mengemukakan bahwa sistem pendukung keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data atau model.

Definisi selengkapnya adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus dipecahkan oleh manajer pada berbagai tingkatan. 

Normalisasi Matriks

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

 

Nilai Preferensi

Nilai preferensi untuk setiap alternatif Vi diberikan sebagai:

x