Bismillahirrahmanirrahiim, pada artikel ini saya akan membahas tentang metode weighted product.

Apa itu Metode Weighted Product?

Weighted Product (WP) merupakan salah satu metode sistem pendukung keputusan yang termasuk ke dalam kategori Fuzzy Multiple Attribute Decision Making (FMADM).

Beberapa metode yang termasuk ke dalam FMADM antara lain :

1. Simple Additive Weighting (SAW),
2. Weighted Product (WP),
3. ELECTRE,
4. TOPSIS, dan
5. Analytic Hierarchy Process (AHP)

Metode weighted product (WP) menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan.

Cara Perhitungan Weighted Product

Secara umum, terdapat 3 langkah untuk melakukan perhitungan weighted product, yaitu :

1. Penentuan nilai bobot W
2. Penentuan nilai bobot S
3. Penentuan nilai bobot V

Penentuan nilai bobot W

W merupakan bobot dari setiap kriteria yang akan dijadikan perhitungan.

Rumus untuk mencari nilai W :

Setelah perhitungan ini, nilai W akan berada antara 0 sampai 1, dimana total dari semua W adalah 1.

Kemudian, W dikalikan dengan 1 untuk attribut bernilai keuntungan dan W dikalikan dengan -1 untuk attribut bernilai biaya.

Penentuan nilai bobot S

S merupakan hasil normalisasi nilai dari setiap alternatif.

Rumus untuk mencari nilai S :

Si adalah hasil normalisasi keputusan pada alternatif ke-i, Xij adalah rating alternatif per attribut, i adalah alternatif, j adalah atribut.

Penentuan nilai bobot V

V merupakan hasil preferensi setiap alternatif. Rumus untuk mencari V :

Setelah nilai V didapat, urutkan berdasarkan nilai V terbesar.

Nilai V terbesar merupakan alternatif terbaik.

Contoh Perhitungan Weighted Product Manual

Pada contoh ini saya akan menentukan pilihan warung makan tempat saya akan makan.

Diberikan 4 pilihan warung makan :

1. Warung Mang Ujang (R1)
2. Warung Cinta Rasa (R2)
3. Warung Pedo (R3)
4. Warung Persiwangi (R4)

Adapun kriteria dalam pemilihan warung makan ada 5 yaitu :

1. Rasa Makanan (C1)
2. Harga Makanan (C2)
3. Pelayanan (C3)
4. Suasana (C4)
5. Jarak dalam meter (C5)

Saya memberikan bobot tiap kriteria sebagai berikut :

• C1 : 4 poin
• C2 : 5 poin
• C3 : 2 poin
• C4 : 3 poin
• C5 : 3 poin

Adapun nilai masing-masing alternatif dari setiap kriteria :

Tahap 1 :

Cari nilai W dan kalikan 1 untuk W yang bersifat keuntungan dan kalikan dengan -1 untuk W yang bersifat biaya.

Pembagian keuntungan dan biaya :

1. Kriteria keuntungan : C1 (rasa makanan), C3 (pelayanan), C4 (suasana)
2. Kriteria biaya : C2 (harga makanan), C5 (jarak)

Berarti W1, W3 dan W4 kalikan dengan 1.

W2 dan W5 kalikan dengan -1.

Tahap 2 :

Cari nilai S ternormalisasi setiap alternatif.

Tahap 3 :

Mencari nilai V.

Bisa kita lihat nilai untuk setiap alternatif :

1. R1 = 0,2356
2. R2 = 0,2250
3. R3 = 0,2283
4. R4 = 0,3111

Berarti R4 (Warung Persiwangi merupakan alternatif terbaik).

Alternatif terbaik selanjutnya adalah R1 (Warung Mang Ujang), R3 (Warung Pedo), dan R2 (Warung Cinta Rasa).

Contoh Metode WP Excel

Download contoh file excel untuk perhitungan Metode WP pada link ini > Download.

Contoh Aplikasi Web Weighted Product

Saya membuat contoh weighted product dalam bentuk web. Aplikasi ini dibuat menggunakan laravel versi 6.x. Laravel versi 6.x mengharuskan PHP yang terinstall adalah PHP 7.2.

Untuk demo aplikasi bisa dilihat pada link ini : Link Demo.

Data akun demo :

• Username : dede@unsil.ac.id
• Password : dedegunawan

Bagi yang ingin download contoh aplikasinya, silahkan komentar terlebih dahulu pada kolom komentar artikel ini.

Referensi

Berikut referensi jurnal yang saya gunakan :

• Sistem Pendukung Keputusan Peminatan SMA Menggunakan Metode Weighted Product (WP), (Nurul Fartindyyah dan Subiyanto) -> Download
• Metode Weightd Product (WP) Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa Prestasi (Basri) -> Download.

Penutup

Terima kasih telah membaca artikel pengertian & cara perhitungan metode weighted product ini, semoga bermanfaat bagi kita semua.

Mohon maaf jika masih banyak kekurangan dalam menulis artikel ini, maklum masih belajar.

Terima kasih.