Metode Weighted ProductA�adalah salah satu analisis keputusan multi-kriteria (MCDA) yang sangat terkenal atau metode pengambilan keputusan multi-kriteria (MCDM).
Metode Weighted ProductA�(Basyaib, 2006, 139)A� 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.
- Kriteria C1 (kualitas makanan), C3 (pelayanan) dan C4 (suasana) adalah kriteria keuntungan;
- 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 I?wj =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 I?wj merupakan jumlah dari W yaitu 5+3+4+4+2
Jadi untuk perbaikan bobot W1 menjadi:
Dan W yang lainya akan seperti dibawah:
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 Artikel ini membantu. Salam 🙂
kalo boleh tau cara menentukan bobot preferensi sebelumnya yaitu W = (5, 3, 4, 4, 2) itu bagaimana ya angka itu berasal dari mana? makasih
Hallo Bagus,
W itu merupakan nilai bobot untuk masing – masing kriteria yang ditentukan oleh si pengambil keputusan. Jadi si pengambil keputusan bebas menentukan nilai ini berdasarkan kebutuhan nya.
Semoga membantu. 🙂
Saya kurang setuju mas 🙂
Menurut saya penentuan bobot itu sesuai dengan rating penilaian / tingkat kepentingan kriteria, dimana :
5 : Sangat Baik
4 : Baik
3 : Cukup
2 : Buruk
1 : Sangat Buruk
CMIIW 🙂
Betul menurut saya w memang kriteria antara baik dan seterusnya,,, tapi biasanya w sudah d tentukan atau terkadang kita yang harus jelih melihat dan mengartikan w dari soal
untuk hasil yang valid saya kira bisa dari hasil kuisioner
Gimana ya kalau data pd kriterianya tersebut non numberik ? Contoh di atas datanya dlm bentuk angka semua.
Gimana perhitungannya jika datanya bukan angka ?
Trims
kalau non numerik (diskrit) dirubah saja menjadi kontinue (angka) dengan mengasih nilai bobot sendiri per nama kriterianya jadi metode wp campuran.Just my opini
Setuju mas 🙂
saya juga melakukan hal itu jika kriterianya beratribut diskret. membuat subkriteria dari kriteria yang bertipe diskret lalu memberi bobot untuk masing-masing kriteria
Seperti contoh kasus diatas, kualitas makanan dapat diberi subkriteria : Baik, Cukup, Kurang
dengan bobot masing-masing :
Baik : 3
Cukup : 2
Kurang : 1
klw menurut saya, seandainya datanya banyak, sebaiknya menggunakan algoritma heuristic
rumus nilai Vektor S, “Si=…” simbol Si itu dibaca apa?
Terimakasih, sangat membantu. Kunjungi juga https://tugasakhir.id/contoh-perhitungan-spk-metode-topsis/
Isi dari nilai-nilai kriteria dari setiap alternative, itu nentuin ya gimana? Apakah segimana kita aja??
Cara menghitung vektor S nya itu gmn ya..?? Kok saya xobak gak sama2 hasil akhirx..?,
Dipangkatkan dan dikalikan, bisa mtk tolong penjelasanx..??