Definisi MADM
Multi Attribute Decision Making (MADM) adalah rangkaian teknik yang membantu pengambil keputusan memilih alternatif terbaik dari sekumpulan alternatif dengan memperhitungkan beberapa kriteria atau atribut yang biasanya bersifat bertentangan. Contohnya, dalam pemilihan mobil, kriteria dapat meliputi harga, konsumsi bahan bakar, keamanan, dan tampilan.
Langkah Umum dalam MADM
- Identifikasi alternatif: daftarkan semua pilihan yang tersedia.
- Penentuan kriteria: pilih atribut yang relevan, dapat berupa kuantitatif atau kualitatif.
- Pemberian bobot: tetapkan tingkat kepentingan tiap kriteria (biasanya menggunakan skala 01 atau persentase).
- Pembobotan nilai alternatif: nilai tiap alternatif pada setiap kriteria.
- Aplikasi metode MADM: gunakan salah satu teknik (mis. AHP, TOPSIS, VIKOR) untuk menghitung skor akhir.
- Analisis sensitivitas: uji bagaimana perubahan bobot memengaruhi hasil.
- Pengambilan keputusan: pilih alternatif dengan skor tertinggi atau yang paling memuaskan.
Metode Populer dalam MADM
1. Analytic Hierarchy Process (AHP)
AHP memecah masalah menjadi hirarki (tujuan, kriteria, subkriteria, alternatif). Pengguna melakukan perbandingan berpasangan untuk memperoleh bobot relatif. Model ini menghasilkan nilai konsistensi yang menilai seberapa logis penilaian pengguna.
2. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
TOPSIS mengasumsikan bahwa solusi terbaik berada paling dekat dengan solusi ideal positif (terbaik pada semua kriteria) dan paling jauh dari solusi ideal negatif (terburuk pada semua kriteria). Setiap alternatif diberi jarak Euclidean ke kedua solusi tersebut dan diperingkatkan.
3. VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR)
VIKOR menekankan kompromi antara solusi ideal dan solusi terburuk serta menghasilkan indeks yang mencerminkan kedekatan relatif. Metode ini cocok untuk keputusan yang memerlukan kompromi sosialekonomi.
4. Simple Additive Weighting (SAW)
SAW adalah salah satu metode yang paling sederhana: nilai setiap alternatif pada tiap kriteria dikalikan dengan bobot kriteria, kemudian dijumlahkan. Alternatif dengan total tertinggi dipilih.
5. Elimination and Choice Translating Reality (ELECTRE)
ELECTRE merupakan metode outranking yang membandingkan setiap pasangan alternatif, menilai apakah satu alternatif menungguli yang lain berdasarkan kriteria dengan bobot tertentu. Hasilnya berupa rangkaian alternatif yang tidak dapat dieliminasi.
Studi Kasus: Memilih Supplier Bahan Baku
Alternatif: Supplier A, Supplier B, Supplier C
Kriteria:
- Harga (bobot 0,4) semakin rendah semakin baik
- Kualitas (bobot 0,3) skala 15, semakin tinggi semakin baik
- Waktu Pengiriman (bobot 0,2) hari, semakin sedikit semakin baik
- Layanan Purna Jual (bobot 0,1) skala 15
Data:
| Alternatif | Harga (USD/ton) | Kualitas | Waktu (hari) | Layanan |
|---|---|---|---|---|
| Supplier A | 500 | 4 | 7 | 5 |
| Supplier B | 480 | 3 | 5 | 4 |
| Supplier C | 520 | 5 | 6 | 3 |
Dengan menggunakan metode SAW, langkahnya adalah:
- Normalisasi nilai (untuk atribut yang ingin diminimumkan, gunakan 1/ nilai; untuk yang dimaksimumkan, gunakan nilai/ nilai maksimum).
- Kalikan tiap nilai normal dengan bobot kriteria.
- Jumlahkan hasil perkalian untuk tiap alternatif.
Hasil akhir:
Supplier A = 0,78
Supplier B = 0,82
Supplier C = 0,75
Jadi, Supplier B memiliki skor tertinggi dan dipilih sebagai supplier paling optimal.
Kesimpulan
MADM menyediakan kerangka sistematis untuk mengatasi keputusan yang melibatkan banyak kriteria. Pemilihan metode harus disesuaikan dengan kompleksitas masalah, ketersediaan data, dan preferensi pemangku kepentingan. Dengan mengikuti langkahlangkah standaridentifikasi alternatif, penentuan kriteria, pemberian bobot, penilaian alternatif, dan analisis sensitivitaspengambil keputusan dapat memperoleh rekomendasi yang transparan dan dapat dipertanggungjawabkan.
Penggunaan perangkat lunak (mis. Expert Choice, MATLAB, atau paket R) dapat mempercepat perhitungan, terutama pada kasus dengan banyak alternatif dan kriteria. Namun, keberhasilan akhir tetap bergantung pada kualitas data dan kejelasan tujuan keputusan.
