Unduh Aplikasi Sistem Pendukung Keputusan Metode MAUT PHP MYSQL


Dalam Multi Attribute Utility Theory (MAUT) evaluasi keseluruhan v(x) dari suatu objek x didefinisikan sebagai penjumlahan bobot dengan suatu nilai yang relevan terhadap nilai dimensinya(Schäfer, 2001) Ungkapan yang biasa digunakan untuk menyebutnya adalah nilai utilitas.

Multi Attribute Utility Theory (MAUT) adalah metode untuk secara efektif mengintegrasikan data subjektif dan objektif ke skala umum atau indeks (Garre 1992) yang dapat digunakan untuk pengambilan keputusan. Literatur umum yang menggambarkan MAUT mengungkapkan bahwa itu adalah sebuah metode untuk pengambilan keputusan

Teknik ini menggunakan data yang dikumpulkan dengan sistem pembobotan spesifik dan sensitif untuk menilai keputusan diberikan mengenai berbagai atribut (variabel atau hasil), untuk menemukan keputusan yang optimal diberi seperangkat kriteria yang spesifik (Barron & Barrett 1996; Herrmann & Code 1996)

Dalam Metode Multi Attribute Utility Theory (MAUT) diperlukan pembangunan multi-attribute utility model, yaitu penspesifikasian dimensi dari permasalahan evaluasi dan keputusan secara spesifik.

Metode Multi Attribute Utility Theory(MAUT) adalah suatu metode perbandingan kuantitatif yang biasanya mengkombinasikan pengukuran atas biaya resiko dan keuntungan yang berbeda. Setiap kriteria yang ada memiliki beberapa alternatif yang mampu memberikan solusi. Untuk mencari alternatif yang mendekati dengan keinginan user maka untuk mengidentifikasikannya dilakukan perkalian terhadap skala prioritas yang sudah ditentukan. Sehingga hasil yang terbaik dan paling mendekati dari alternatif-alternatif tersebut yang akan diambil sebagai solusi (Anugerah 2008).

Pre-requisites

  • Pemahaman terhadap dasar-dasar Sistem Pengambilan Keputusan
  • Pemahaman terhadap dasar-dasar teknologi web,HTML dan CSS
  • Pemahaman terhadap dasar-dasar basis data/database, terutama query SQL pada MySQL/mariaDB
  • Pemahaman terhadap dasar-dasar pemrograman PHP, terutama fungsi-fungsi koneksi database dan pengelolaan tipe data array

1.1. Perhitungan MAUT

MAUT digunakan untuk mengubah dari beberapa kepentingan ke dalam nilai numerik dengan skala 0-1 dengan 0 mewakili pilihan terburuk dan 1 terbaik. Hal ini memungkinkan perbandingan langsung yang beragam ukuran(Gusdha et.al 2010). Untuk mendapatkan nilai dalam skala 0 s.d. 1 digunakan normalisasi nilai dengan menggunakan persamaan berikut ini:

.. [MAUT-01]

Keterangan:

  • : Normalisasi bobot alternative
  • : Bobot alternatif
  • : Bobot terburuk (minimum) dari kriteria ke-x
    • : Bobot terbaikk (maksimum) dari kriteria ke-x

    Hasil akhirnya adalah urutan peringkat dari evaluasi alternatif yang menggambarkan pilihan dari para pembuat keputusan. Nilai evaluasi seluruhnya dapat didefinisikan dengan persamaan :

    .. [MAUT-02]

    Dimana

    merupakan nilai evaluasi dari sebuah objek ke dan merupakan bobot yang menentukan nilai dari seberapa penting elemen ke terhadap elemen lainnya. Sedangkan

    merupakan jumlah elemen. Total dari bobot adalah 1, seperti yang ditunjukkan dalam persamaan berikut :

    .. [MAUT-03]

    1.2. Langkah-langkah MAUT

    Secara ringkas langkah-langkah dalam metode MAUT adalah sebagai berikut (Puspitasari et.al. 2013) :

    1. Pecah sebuah keputusan ke dalam dimensi yang berbeda.
    2. Tentukan bobot alternatif pada masing-masing dimensi.
    3. Daftar semua alternatif
    4. Masukkan utility untuk masing-masing alternatif sesuai atributnya.
    5. Kalikan utility dengan bobot untuk menentukan nilai masing-masing alternatif.

    1.3. Kelebihan dan Kekurangan Metode MAUT

    Metode Multi Attribute Utility Theory (MAUT) memliki beberapa kelebihan dan kekurangan, antara lain :

    1.3.1 Kelebihan

    • Dapat megetahui dengan cepat tentang status akhir atau hasil
    • Dapat memberikan alternatif terbaik dengan hasil terbaik

    1.3.2. Kekurangan

    • Range nilai pada variabel masih bersifat statis
    • Pada Penentuan Bobot

    Download source code metode maut disini Download spk maut