pencarian bobot atribut pada multiple attribute decision making

More documents

Recommendations

Info

GEMATIKA JURNAL MANAJEMEN INFORMATIKA, VOLUME 7 NOMOR 1, DESEMBER 2005 Alternatif C1 C2 C3 Atibut (kriteria) C4 C5 C6 C7 C8 C9 S6 = TF09 3,72 85 493 70 78 65 70 70 66 S7 = TF10 3,60 68 512 75 70 75 75 75 78 S8 = TF11 3,52 77 550 80 62 80 80 80 80 S9 = TF12 3,22 82 570 80 55 65 70 60 72 S10 = TF13 3,36 70 520 82 58 70 70 65 77 S11 = TF15 3,47 72 560 69 65 70 70 75 65 S12 = TF19 3,55 70 500 72 75 80 85 70 75 S13 = TF20 3,41 70 476 73 72 60 85 65 70 S14 = TF22 3,21 65 455 75 60 60 80 70 65 S15 = TF25 3,17 60 518 81 68 70 70 60 65 Dengan demikian, diperoleh matriks A: A = 3,43 66 501 75 75 85 75 65 70 3,56 75 510 75 65 70 80 70 70 3,53 65 540 75 80 80 75 75 60 3,12 65 480 80 62 75 75 80 75 3,71 78 455 66 82 72 70 65 65 3,72 85 493 70 78 65 70 70 66 3,60 68 512 75 70 75 75 75 78 3,52 77 550 80 62 80 80 80 80 3,22 82 570 80 55 65 70 60 72 3,36 70 520 82 58 70 70 65 77 3,47 72 560 69 65 70 70 75 65 3,55 70 500 72 75 80 85 70 75 3,41 70 476 73 72 60 85 65 70 3,21 65 455 75 60 60 80 70 65 3,17 60 518 81 68 70 70 60 65 a. Mencari Matriks B Dari informasi yang ada, langkah selanjutnya adalah membuat matriks B sebagai hasil normalisasi dari matriks A. Semua kriteria yang diberikan adalah kriteria keuntungan, sehingga untuk melakukan proses normalisasi digunakan persamaan (2). B = 0,5167 0,7333 0,6833 0 0,9833 1,0000 0,8000 0,6667 0,1667 0,4000 0,5833 0,7167 0,4833 0,1500 0,0833 0,2400 0,6000 0,2000 0,2000 0,7200 1,0000 0,3200 0,6800 0,8800 0,4000 0,4800 0,4000 0,4000 0,2000 0 0,4000 0,4783 0,7391 0,2174 0 0,3304 0,4957 0,8261 1,0000 0,5652 0,9130 0,3913 0,1826 0 0,5478 0,5625 0,5625 0,5625 0,8750 0 0,2500 0,5625 0,8750 0,8750 1,0000 0,1875 0,3750 0,4375 0,5625 0,9375 0,7407 0,3704 0,9259 0,2593 1,0000 0,8519 0,5556 0,2593 0 0,1111 0,3704 0,7407 0,6296 0,1852 0,4815 53 1,0000 0,4000 0,8000 0,6000 0,4800 0,2000 0,6000 0,8000 0,2000 0,4000 0,4000 0,8000 0 0 0,4000 0,3333 0,6667 0,3333 0,3333 0 0 0,3333 0,6667 0 0 0 1,0000 1,0000 0,6667 0 0,2500 0,5000 0,7500 1,0000 0,2500 0,5000 0,7500 1,0000 0 0,2500 0,7500 0,5000 0,2500 0,5000 0 0,5000 0,5000 0 0,7500 0,2500 0,3000 0,9000 1,0000 0,6000 0,8500 0,2500 0,7500 0,5000 0,2500 0,2500
GEMATIKA JURNAL MANAJEMEN INFORMATIKA, VOLUME 7 NOMOR 1, DESEMBER 2005 b. Mencari Nilai Bobot (w) dengan Algoritma Genetika Pencarian nilai bobot dilakukan dengan menggunakan algoritma genetika, dengan parameter-parameter sebagai berikut: o Popsize = 50 o Peluang crossover (pc) = 0,5 o Peluang mutasi (pm) = 0,01 o Peluang Pelestarian kromosom = 0,2 o Maksimum generasi = 100 Diperoleh hasil pemrosesan pada setiap generasi seperti pada Gambar 1. Fitness Generasi ke=100; Fitness ---> Terbaik = 1.72; Terburuk = 1.715; Rata2 = 1.7188 1.9 1.8 1.7 1.6 1.5 1.4 1.3 1.2 Terbaik Terburuk Rata-rata 1.1 0 10 20 30 40 50 Generasi ke- 60 70 80 90 100 Gambar 1 Hasil pemrosesan Algoritma Genetika dengan Pendekatan Obyektif. Nilai akhir diperoleh: o Nilai bobot: w1 = 0,1257 54
Page 1 and 2: GEMATIKA JURNAL MANAJEMEN INFORMATI
Page 3 and 4: GEMATIKA JURNAL MANAJEMEN INFORMATI
Page 5: GEMATIKA JURNAL MANAJEMEN INFORMATI
Page 9: GEMATIKA JURNAL MANAJEMEN INFORMATI

pencarian bobot atribut pada multiple attribute decision making

Create successful ePaper yourself

Delete template?

Save as template?