Terakreditasi SINTA Peringkat 2 Surat Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti No.
10/E/KPT/2019
masa berlaku mulai Vol.
1 No.
1 tahun 2017 s.
d Vol.
5 No.
3 tahun 2021 Terbit online pada laman web jurnal: http://jurnal.
JURNAL RESTI
(Rekayasa Sistem dan Teknologi Informas.
Vol.
4 No.
109 - 116
ISSN Media Elektronik: 2580-0760 Komparasi Metode ELECTRE.
SMART dan ARAS Dalam Penentuan Prioritas RENAKSI Pasca Bencana Alam Agusta Praba Ristadi Pinem1.
Titis Handayani2 .
Lenny Margaretta Huizen3 Teknologi Informasi.
Fakultas Teknologi Informasi dan Komunikasi.
Universitas Semarang pinem@usm.
id, 2titis@usm.
id , 3 lenny@usm.
Abstract Each organization must collect data as a result of the use of information technology.
Over time the data is processed into The information collected is used as a basis for decision making.
But not all information can be directly used for the decision making process.
Necessary methods and weighting in the process of getting information.
One model in a decision support system is Multi Criteria Decision Making (MCDM).
The MCDM model makes it possible to provide the best choice of information from several choices of the many criteria and alternatives used.
This study compares the MCDM model, namely the ELECTRE (Elimination Et Choix Traduisant la Realit.
SMART (Simple Multi-Attribute Rating Techniqu.
ARAS (Additive Ratio Assessmen.
as a priority determination for the handling of areas affected by natural disasters which must be addressed first in the RENAKSI (Reconstruction and Rehabilitation Action Plannin.
, in this case earthquake natural disasters.
The ELECTRE method has a different algorithmic process than SMART and ARAS.
The validation test method ELECTRE.
SMART and ARAS against dataset occurrence of the earthquake is become the results of this research.
Spearman rank correlation values for the three methods amounted to 0.
And another correlation method value of 0.
85 for the ARAS method and 0.
82 for the ELECTRE and SMART methods.
Keywords: mcdm, electre, aras, smart, disaster Abstrak Setiap organisasi pasti menghimpun data akibat dari penggunaan teknologi informasi.
Seiring waktu data diproses menjadi Informasi yang terhimpun dijadikan sebagai dasar dalam pengambilan keputusan.
Namun tidak semua informasi dapat langsung digunakan untuk proses pengambilan keputusan.
Perlu metode serta pembobotan didalam proses mendapatkan informasi.
Salah satu model pada sistem pendukung keputusan adalah Multi Criteria Decision Making (MCDM).
Model MCDM memungkinkan untuk memberikan informasi pilihan terbaik dari beberapa pilihan dari banyak kriteria dan alternatif yang digunakan.
Penelitian ini membandingkan model MCDM yaitu metode ELECTRE (Elimination Et Choix Traduisant la Realit.
SMART (Simple Multi-Attribute Rating Techniqu.
ARAS (Additive Ratio Assessmen.
sebagai penentuan prioritas penanganan daerah terdampak bencana alam yang harus ditangani dahulu dalam proses RENAKSI (Rencana Aksi Rekontruksi dan Rehabilitas.
kejadian bencana alam gempa bumi.
Metode ELECTRE memiliki proses algoritma yang berbeda dengan SMART maupun ARAS.
Hasil yang diperoleh dari penelitian ini adalah nilai uji validasi metode ELECTRE.
SMART dan ARAS terhadap dataset kejadian bencana alam gempa bumi.
Nilai korelasi spearman rank untuk ketiga metode adalah sebesar 0,96.
Sedangkan untuk nilai korelasi sebesar 0,85 untuk metode ARAS dan 0,82 untuk metode ELECTRE dan SMART.
Kata kunci: mcdm, electre, aras, smart, bencana.
A 2020 Jurnal RESTI terjadinya pertukaran informasi sehingga memudahkan pengguna untuk mengambil keputusan yang tepat.
Dalam dunia teknologi informasi, informasi diperoleh Pengambilan keputusan akan sesuai harapan apabila dari perpaduan data dan pemroses.
Informasi yang didukung dengan data dan informasi yang lengkap.
dihasilkan dapat digunakan untuk membantu pekerjaan Informasi sendiri diperoleh dari proses didalam sistem manusia, khususnya dalam proses pengambilan yang terdiri dari algoritma yang memproses data.
Teknologi informasi memungkinkan Serangkaian algoritma maupun langkah-langkah dalam Diterima Redaksi : 26-12-2019 | Selesai Revisi : 05-02-2020 | Diterbitkan Online : 08-02-2020 Pendahuluan Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 menghasilkan informasi kemudian disebut sebagai Dalam dokumen RENAKSI RR metode ECLAC dibagi Dalam sistem pendukung keputusan ada menjadi beberapa parameter yang merujuk pada aspek beberapa model, salah satunya adalah Multi Criteria fisik dan aspek kemanusiaan, yaitu Damages and Decision Making (MCDM).
Losses Assessment (DaLA) atau Penilaian Kerusakan dan Kerugian.
Human Recovery Need Assesment Model (MCDM) digunakan di banyak bidang kegiatan (HRNA) atau Pengkajian Kebutuhan Pemulihan Setiap alternatif dalam masalah pengambilan Manusia.
Sedangkan gabungan data dari DaLA dan keputusan multikriteria dapat dijelaskan oleh satu set HRNA menghasilkan Post Disaster Need Assesment kriteria dan kriteria dapat bersifat kualitatif maupun (PDNA) atau Pengkajian Kebutuhan Pascabencana.
Pendekatan normal dalam MCDM PDNA menjadi acuan utama untuk merumuskan adalah mengidentifikasi beberapa alternatif dan RENAKSI RR .
DaLA dan HRNA dikelompokan kemudian mengevaluasinya dalam beberapa kriteria dalam beberapa aspek atau sektor yang terkena dampak .
Metode Sistem Pendukung Keputusan (SPK) yang pasca bencana alam.
Aspek yang diteliti mencangkup termasuk pada model MCDM yaitu ELECTRE aspek utama pada proses rehabilitasi dan rekonstruksi (Elimination Et Choix Traduisant la Realit.
, pasca bencana, yaitu Aspek Kemanusiaan.
Perumahan.
SMART (Simple Multi-Attribute Rating Techniqu.
Infrastruktur.
Ekonomi.
Sosial dan Lintas Sektor .
dan ARAS (Additive Ratio Assessmen.
Ketiga Data dampak bencana secara meliputi kategori metode tersebut memiliki pola algoritma yang berbeda.
kerusakan unit bangunan, nilai kerusakan dan korban.
ELECTRE
Dataset DaLA dan HRNA menjadi nilai kriteria dan alternatif pada matrik keputusan untuk ketiga metode.
mengurutkan alternatif dan didasarkan pada preferensi dan interaksi antara faktor-faktor keputusan yaitu Kinerja metode ELECTRE.
SMART dan ARAS diuji membandingkan antar kriteria setiap alternatif .
dalam menghasilkan prioritas dengan merangking SMART pengambilan alternatif berdasarkan kriteria yang ada.
Dataset DaLA keputusan dengan multi kritreria dimana masing- dan HRNA setelah dilakukan cleaning menghasilkan masing kriteria pada setiap alternatif memiliki nilai sepuluh sub kriteria yang kemudian menjadi enam yang dibandingkan dan terdapat bobot yang kiteria.
Nilai pembobotan berdasarkan pada penelitian menggambarkan tingkat kepentingan suatu kriteria .
sebelumnya yang diperoleh dari pengambil keputusan.
Sedangkan ARAS merupakan metode yang didasarkan Kinerja ketiga metode diperoleh dari validasi dengan pada keadaan dimana alternatif harus memiliki rasio data real dengan menggunakan korelasi Rank atau nilai akhir terbesar untuk menghasilkan solusi Spearman.
yang terbaik atau optimal .
Dari teori masing-masing metode menunjukan perbedaan proses algoritma pada 2.
Metode Penelitian proses pencarian rangking.
Hal ini yang akan Sistem Pendukung Keputusan (SPK) atau Decision dibandingkan untuk memperoleh metode yang Support System (DSS) merupakan suatu pendekatan memiliki nilai validasi terbaik terhadap dataset yang .
tau metodolog.
untuk mendukung pengambilan Metode SPK menggunakan perhitungan Proses algoritma masing-masing yang berbeda menjadi matematis untuk menghasilkan informasi berupa latar belakang untuk menganalisa lebih dalam peringkat alternative yang ideal .
SPK merupakan menghasilkan rangking yang sesuai dengan data real.
sebuah model dengan sekumpulan algoritma untuk Metode ELECTRE sebelumnya pernah digunakan memproses data dan melakukan penilaian untuk dalam penelitian penentuan prioritas daerah mendukung proses pengambilan keputusan .
SPK
penanganan bencana alam .
dan metode SMART selain sebagai alat bantu pengambilan keputusan, tetapi dalam topik yang sama .
Hasil validasi kedua juga dapat mempercepat penggabungan proses penelitian tersebut memiliki nilai yang berbeda yaitu pengambilan keputusan dari beberapa ahli .
SPK
terpaut 0,06 dengan validasi paling baik adalah terdiri dari dua komponen yaitu alternative dan kriteria ELECTRE.
Sedangkan metode ARAS belum serta komponen bobot yang bertugas untuk menentukan digunakan dalam menentukan prioritas pada topic tingkat pengaruh kriteria terhadap kriteria yang lain bencana alam.
ARAS menjadi metode ketiga yang .
Proses SPK terdiri dari alternative atau sebagai dibandingkan karena memiliki pola algoritma yang pilihan dan kriteria sebagai data atau parameter yang berbeda dengan metode ELECTRE dan SMART.
diolah untuk memecahkan suatu masalah dengan memilih alternatif yang optimal .
Dalam penelitian ini menggunakan dataset ECLAC (Economic Commission for Latin America and the Model metode pengambilan keputusan salah satunya Caribbea.
merupakan metode yang digunakan untuk adalah Multi Criteria Decision Making (MCDM).
penilaian kerusakan pasca bencana alam yang telah Metode (MCDM) digunakan di banyak bidang industry diterapkan diberbagai negara.
Metode ECLAC dan manufaktur.
MCDM dapat digunakan untuk digunakan sebagai rujukan Rencana Aksi Rehabilitasi permasalahan yang memiliki banyak kriteria dalam dan Rekonstruksi di Indonesia atau RENAKSI RR .
menentukan solusi dengan memberikan rangking Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 berdasarkan alternatif terbaik .
Setiap alternatif dalam masalah pengambilan keputusan multikriteria dapat dijelaskan oleh satu set kriteria dan kriteria dapat I I .
bersifat kualitatif maupun kuantitatif .
Metode Sistem Pendukung Keputusan (SPK) yang termasuk I ] [ I pada model MCDM yaitu ELECTRE (Elimination Et Choix Traduisant la Realit.
, .
SMART (Simple Menentukan bobot matriks yang sudah dinormalisasi Multi-Attribute Rating Techniqu.
dan ARAS Oc (Additive Ratio Assessmen.
Kemampuan SPK dalam memberikan informasi berdasarkan perhitungan matematis tanpa melakukan training menggunakan data Menentukan indeks kesesuaian .
oncordance inde.
memungkinkan pencarian informasi dengan data yang dan ketidaksesuaian .
iscordance inde.
tidak banyak .
Kriteria dalam suatu alternatif termasuk kesesuaian ELECTRE (Elimination Et Choix Traduisant la .
dinyatakan dengan persamaan Realit.
, untuk j = 1,2,3,A.
Sistem pendukung keputusan telah digunakan di beberapa bidang, salah satunya adalah bidang penanggulangan bencana alam.
Selain itu beberapa Sebaliknya .
penelitian sebelumnya yang menggunakan metode ELECTRE yaitu menentukan supplier terbaik dalam , untuk j = 1,2,3,A.
bidang manufaktur .
Selain itu.
ELECTRE dapat menentukan supplier dengan menggunakan kriteria yang memiliki tujuan untuk memperoleh keuntungan Kemudian menghitung nilai kesesuaian dan lebih pada bidang manufaktur.
Metode ELECTRE ketidaksesuaian tiap alternatif.
Untuk menentukan nilai dapat menentukan proyek yang memiliki profit terbesar kesesuaian .
adalah dengan mengguntuk membantu pengambil keputusan dalam agregasi bobot-bobot yang termasuk dalam sub menentukan proyek yang akan ditangani .
Metode himpunan kesesuaian.
ELECTRE dapat juga digunakan untuk menentukan C kl = tempat pembuangan akhir dan daur ulang sampah yang jEaC w aman dan sehat .
Selain ini metode ELECTRE juga .
diterapkan untuk menentukan vendor .
dan kontraktor 2.
, penaksiran dampak lingkungan pada Untuk menentukan nilai ketidaksesuaian .
lokasi industry .
, menentukan lokasi pelabuhan .
adalah dengan menjumlahkan bobot yang termasuk Metode ELECTRE konsep pada sub himpunan ketidaksesuaian.
perangkingan melalui perbandingan berpasangan antar alternatif terhadap nilai kriteria dimasing-masing Dkl = Suatu alternatif dikatakan optimal apabila jEaDw nilai dominannya menjadi nilai dominan terbesar dibandingkan dengan alternatif yang lainnya .
Nilai dominan ( ) merupakan nilai akhir yang Dalam melakukan perangkingan, metode ELECTRE digunakan untuk memilih alternatif terbaik pada memiliki beberapa langkah yaitu:
metode ELECTRE.
Semakin besar nilainya maka Eu Eu alternatif tersebut masuk dalam peringkat atas.
Pembentukan Decicion Making Matrix
SMART
Techniqu.
(Simple Multi-Attribute Rating Metode SMART (Simple Multi Attribute Rating Techniqu.
adalah sebuah mekanisme pengambilan keputusan dengan multi kritreria dimana masingDimana m= jumlah alternative, n= jumlah kriteria masing kriteria pada setiap alternatif memiliki nilai xij= nilai performa dari alternative i terhadap kriteria j yang dibandingkan dan terdapat bobot yang x0j= nilai optimum dari kriteria j menggambarkan tingkat kepentingan suatu kriteria .
Penormalisasian Decision Making Matrix untuk semua Metode SMART termasuk pada sistem pendukung keputusan yang menggunakan banyak nilai kriteria (Multi Attribut.
SMART termasuk dalam metode Oo[Oc MAUT (Multi-Attribute Utility Techniqu.
dimana proses pengambilan keputusan menggunakan banyak Matrik keputusan ternormalisasi untuk semua kriteria kriteria dan kriteria-kriteria yang digunakan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 proses perangkingan dengan membandingkan nilai setiap pengambilan keputusan .
Pemberian nilai kriteria kriteria dengan nilai kriteria alternatif optimum dan pada setiap alternatif berdasarkan pada penilaian alternatif yang lainnya dengan juga memperhatikan pengambil keputusan.
Proses pembobotan dan bobot masing-masing kriteria untuk memperoleh penilaian pada metode SMART diberikan oleh alternative yang ideal .
Pada metode ARAS nilai perusahaan atau seorang dan atau lebih dari satu orang fungsi utilitas yang menentukan hasil dengan yang memiliki wewenang dalam menentukan pilihan mengikutsertakan alternatif optimum kedalam proses terhadap keputusan atas objek yang ada .
perhitungan sebelum digunakan sebagai baseline untuk menentukan alternatif terbaik .
Pada ARAS, rasio SMART merupakan metode pengambilan keputusan jumlah nilai kriteria dinormalisasi dan diukur yang fleksibel karena nilai atribut dapat menggunakan berdasarkan alternatif optimum, dimana alternatif nilai yang ada secara langsung .
SMART lebih optimum adalah alternatif yang dirasa terbaik dan banyak digunakan karena kesederhanaanya dalam alternatif dengan nilai yang diharapakan .
Dalam merespon kebutuhan pembuat keputusan dan caranya pendekatan metode-metode SPK yang lain, metode menganalisa respon .
Proses algoritma pada metode pengambilan keputusan multi-kriteria lebih fokus pada SMART pada tahapan awal sama seperti metode proses menghasilan peringkat.
Metode MCDM ELECTRE, yaitu tahapan dari matrik keputusan hingga membandingkan nilai fungsi utilitas solusi dengan matrik normalisasi terbobot: Menentukan nilai utiliti melihat jarak alternatif solusi positif dengan alternatif dengan mengkonversikan nilai kriteria pada masingsolusi negative dalam menentukan laterantif ideal .
masing kriteria di setiap alternatif menjadi nilai kriteria Sedangkan metode ARAS membandingkan fungsi atau matrik keputusan.
Nilai kriteria ini bergantung utilitas dari alternatif dengan nilai fungsi utilitas yang pada sifat kriteria itu sendiri.
optimal yang digunakan sebagai baseline .
Tahapan Kriteria yang termasuk kategori keuntungan .
algoritma dalam metode ARAS juga hampir sama hingga tahapan pada matrik normalisasi terbobot.
dihitung menggunakan persamaan :
= ( .
Menentukan nilai dari fungsi optimum OcC ui .
= nilai utiliti kriteria ke i = nilai kriteria maksimal = nilai kriteria minimal = nilai kriteria ke i i Menentukan tingakatan peringkat i Alternatif dengan nilai K terbesar menghasilkan Kriteria yang termasuk kategori biaya .
dihitung alternative terbaik dengan melebihi atau mendekati menggunakan persamaan :
= ( .
menghasilkan rangking alternatif.
Penanggulangan Bencana Alam Selanjutnya menentukan nilai akhir dengan mengalikan angka yang didapat dari matrik keputusan Proses penanggulangan bencana dilakukan dengan ternormalisasi dengan nilai normalisasi bobot masing- Rencana Aksi Rehabilitasi dan Rekonstruksi masing kriteria dan menjumlahkan nilai dari perkalian (RENAKSI RR) wilayah pasca kejadian bencana alam .
Dalam merumuskan RENAKSI RR menggunakan beberapa komponen yang mengacu pada aspek fisik = Oc dan aspek kemanusiaan, yaitu Damages and Losses Assessment (DaLA) atau Penilaian Kerusakan dan Kerugian.
Human Recovery Need Assesment (HRNA) atau Pengkajian Kebutuhan Pemulihan Manusia .
= nilai total alternatif = hasil dari normalisasi bobot kriteria DaLA dan HRNA dikelompokan dalam beberapa aspek atau sektor yang terkena dampak pasca bencana alam.
= hasil penentuan nilai utiliti Aspek yang diteliti mencangkup aspek utama pada proses rehabilitasi dan rekonstruksi pasca bencana.
ARAS (Additive Ratio Assessmen.
yaitu Aspek Kemanusiaan.
Perumahan.
Infrastruktur.
ARAS merupakan metode yang didasarkan pada Ekonomi.
Sosial dan Lintas Sektor seperti pada tabel 1 prinsip intuitif yaitu memasukan alternatif optimal .
Masing-masing sektor atau aspek memiliki kedalam proses metode dan bertindak sebagai salah beberapa sub sektor yang memiliki karakterisitik satu alternatif .
Metode ARAS melakukan berbeda.
Yaitu terkait nilai harga satuan atau nilai Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 nominal kerusakan.
Parameter tersebut digunakan aternatif 0 yang berisi nilai optimal untuk masingsebagai inputan sistem dan dianalisis untuk proses masing kriteria.
Nilai A0 dapat berupa nilai terbaik di Kategori kerusakan memiliki nilai harga krtieria maupun nilai baseline yang ditentukan satuan atau nominal kerusakan untuk setiap kriteria.
pengambil keputusan .
Pada penelitian ini Estimasi akibat bencana alam dapat dilihat pada Tabel menggunakan nilai terbaik pada masing-masing Sedangkan pada metode ELECTRE dan SMART tidak terdapat A0.
Tabel 1 Estimasi akibat bencana alam .
Sektor Sub Sektor Korban Populasi Perumahan Jalan Sungai Energi Air dan Sanitasi Kesehatan Tempat Ibadah Panti Sosial Pertanian Perikanan UKM Pemerintahan ELECTRE Satuan Jiwa Jiwa Unit Unit Unit Unit Unit Unit Unit Unit Unit Proses perangkingan metode ELECTRE dilanjutkan dengan menggunakan persamaan 4 hingga 8.
Perumahan Persamaan 4 berlaku untuk seluruh metode, yaitu penentuan nilai normalisasi bobot.
Untuk persamaan 5 Infrastruktur hingga 8 merupakan proses mementukan nilai concordance dan discordance dimana masing-masing nilai kriteria setiap alternatif dibandingkan satu dengan Sosial yang lainnya sehingga menghasilkan nilai kesesuaian dan ketidaksesuaian.
Nilai kesesuaian akan disimpan apabila nilai kriteria alternatif tersebut lebih baik Ekonomi alternatif lainnya.
Sedangkan ketidaksesuain merupakan kebalikan dari proses nilai Lintas Sektor Hasil akhir metode ELECTRE adalah Keamanan Unit nilai dominan.
Nilai dominan diperoleh dari proses agregasi pada indeks kesesuaian .
dan Hasil dan Pembahasan indeks ketidaksesuaian .
Nilai dominan Pada bagian hasil dan pembahasan berisi perbandingan digunakan sebagai parameter perangkingan.
korelasi masing-masing metode dengan dataset bencana Tabel 3 Hasil Perangkingan Metode ELECTRE yang diperoleh dari BNPB (Bappena.
Proses pertama Alt Kabupaten Nilai Rank History untuk semua metode adalah membuat matrik Dominan Matrik keputusan merupakan matrik antara Klaten alternatif sebagai baris dan nilai kriteria sebagai kolom.
Magelang
Matrik kuputusan kemudian dilakukan normalisasi agar Boyolali nilainya dapat diperbandingkan dengan menggunakan Sukoharjo
Namun sebelum memulai masing-masing Wonogiri proses pada metode yang berbeda, nilai-nilai sub
Purworejo
Bantul
kriteria kemudian di rata-rata dengan geometrin mean
Sleman
untuk menghasilkan nilai kriteria atau matrik keputusan Yogyakarta
Untuk proses selanjutnya metode ARAS
A10
Kulonprogo dan ELECTRE memiliki langkah yang sama yaitu A11 Gn Kidul mengkalikan matrik keputusan ternormalisasi dengan Tabel 3 merupakan hasil perangkingan dari metode bobot menggunakan persamaan 3 dan 4.
ELECTRE dan rangking data history (RENAKSI).
Tabel 2 Matrik Normalisasi Terbobot Hasil perangkingan metode ELECTRE dengan data Alt history memiliki sedikit perbedaan.
Korelasi rank spearman digunakan untuk mengukur tingkat korelasi rangking yang dihasilkan metode dengan data history.
Hasil korelasi rank spearman untuk metode ELECTRE
Kemanusiaan A10
A11
SMART
Metode SMART terdiri dari empat langkah, masih terdapat tiga langkan lagi yaitu mencari nilai utility, nilai total dan rangking.
Pada penelitian ini menggunakan kriteria dengan kategori benefit.
Maka dalam mencari nilai utility menggunakan persamaan 9.
Tabel 2 merupakan hasil normalisasi terbobot untuk Hasil utility kemudian dikalikan dengan bobot yang metode ARAS dan ELECTRE, untuk metode SMART sudah dinormalisasi menggunakan persamaan 11.
proses perkalian bobot berada pada bagian akhir Kemudian hasil perkalian utility dengan bobot Dalam metode ARAS terdapat A0 atau Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 diagregasi untuk menghasilkan nilai akhir atau total 3.
4 Validasi nilai alternatif.
Nilai akhir adalah nilai yang digunakan Proses validasi dalam penelitian ini adalah untuk proses perangkingan.
Berikut hasil metode SMART.
ELECTRE.
SMART dan ARAS dengan data history Tabel 4 Hasil metode SMART atau data hasil perangkingan yang dikeluarkan oleh BNPB pada dokumen RENAKSI.
Metode yang Alt Kabupaten Total Rank History Alternatif digunakan untuk proses validasi adalah korelasi rank Klaten spearman dan metode korelasi standar.
Pada sub bab Magelang sebelumnya sudah dimunculkan hasil korelasi rank Boyolali Ketiga metode memiliki nilai korelasi rank Sukoharjo spearman yang sama yaitu sebesar 0.
Perbedaan Wonogiri Purworejo proses algoritma yang signifikan pada masing-masing Bantul metode menghasilkan rangking yang berbeda-beda Sleman untuk setiap alternatif.
Namun ketiga metode tersebut Yogyakarta memiliki nilai korelasi rank spearman yang sama.
A10
Kulonprogo
A11
Gn Kidul Tabel 4 merupakan hasil perangkingan dari metode 8 SMART dan rangking data history (RENAKSI).
Hasil 6 perangkingan metode SMART dengan data history memiliki sedikit perbedaan.
Korelasi rank spearman digunakan untuk mengukur tingkat korelasi rangking 2 yang dihasilkan metode dengan data history.
Hasil 0
korelasi rank spearman untuk metode SMART adalah History (RENAKSI) ARAS
VALIDASI HISTORY
SMART
ELECTRE
ARAS
Proses algoritma pada metode ARAS memiliki Gambar 1 Hasil Validasi Metode dengan data history perbedaan dengan metode SPK pada umumnya, yaitu terdapat A0.
A0 tidak sekedar nilai, namun juga Gambar 1 adalah visualisasi dengan grafik hasil berperan sebagai alternatif pada proses normaliasi perangkingan masing-masing metode dan data history.
hingga proses penentuan nilai fungsi optimum atau Dalam penelitian ini juga menggunakan metode Nilai fungsi optimum kemudian korelasi dasar untuk menguji nilai validasi sebagai digunakan sebagai baseline dalam menentukan nilai pembanding.
Nilai hasil korelasi dasar untuk metode kahir menggunakan persamaan 13.
ELECTRE dan SMART adalah 0.
Sedangkan untuk metode ARAS adalah 0.
Metode ARAS Tabel 5 Hasil metode ARAS memiliki nilai korelasi tertinggi karena hasil Kabupaten Alt Total Rank History perangkingan metode ARAS mendekati sempurna.
Alternatif yaitu hanya berbeda tiga alternatif.
Jadi pada kasus ini.
Klaten Magelang metode SPK yang memiliki fungsi nilai optimum atau Boyolali nilai baseline akan menghasilkan nilai korelasi dasar Sukoharjo yang lebih baik daripada metode SPK yang tidak.
Hal Wonogiri ini terbukti dari hasil nilai korelasi dasar yang Purworejo
Bantul
Sleman
Yogyakarta
Kulonprogo
Gunung Kidul
A10
A11
Kesimpulan Hasil penelitian ini menunjukan bahwa metode ELECTRE.
SMART dan ARAS dapat digunakan untuk Tabel 5 merupakan hasil perangkingan dari metode menentukan ARAS dan rangking data history (RENAKSI).
Hasil penanggulangan bencana dengan dataset kejadian perangkingan metode ARAS dengan data history bencana.
Hal ini ditunjukan dengan nilai korelasi rank memiliki sedikit perbedaan.
Korelasi rank spearman spearman sebesar 0,9636 untuk ketiga metode.
Selain digunakan untuk mengukur tingkat korelasi rangking itu, berdasarkan nilai korelasi dasar yang dihasilkan, yang dihasilkan metode dengan data history.
Hasil metode SPK yang memiliki fungsi nilai optimum atau korelasi rank spearman untuk metode ARAS adalah nilai baseline akan menghasilkan nilai korelasi dasar yang lebih baik daripada metode SPK yang tidak.
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 Agusta Praba Ristadi Pinem.
Titis Handayani.
Lenny Margaretta Huizen Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas.
Vol .
4 No.
109 Ae 116 .
Mardani.
Jusoh, and E.
Zavadskas.
AuFuzzy decision-making Ucapan terima kasih kepada Lembaga Penelitian dan techniques and applications Ae Two decades review Pengabdian Masyarakat (LPPM) Universitas Semarang from 1994 to 2014,Ay Expert Systems with atas sumber dana penelitian dengan nomor kontrak :
Applications, vol.
42, no.
8, pp.
4126Ae4148.
May 001/USM.
H7.
LPPM/L/2019.
Lavasani.
Wang.
Yang, and J.
Daftar Rujukan Finlay.
AuApplication of MADM in a fuzzy environment for selecting the best barrier for .
Mavi.
Goh, and N.
Zarbakhshnia, offshore wells,Ay Expert Systems with Applications.
AuSustainable third-party reverse logistic provider 39, no.
3, pp.
2466Ae2478.
Feb.
selection with fuzzy SWARA and fuzzy MOORA in plastic industry,Ay The International Journal of .
Kutut.
Zavadskas, and M.
Lazauskas.
AuAssessment of priority alternatives for Advanced Manufacturing Technology, vol.
91, no.
preservation of historic buildings using model 5Ae8, pp.
2401Ae2418.
Jul.
based on ARAS and AHP methods,Ay Archives of .
Hatami-Marbini.
Tavana.
Moradi, and Civil and Mechanical Engineering, vol.
14, no.
Kangi.
AuA fuzzy group Electre method for 287Ae294.
Feb.
safety and health assessment in hazardous waste recycling facilities,Ay Safety Science, vol.
51, no.
1, .
Sanjaya.
Khairina, and S.
Maharani.
Aurekomendasi pembelian grosir pada toko mainan 414Ae426.
Jan.
menggunakan metode simple multi attribute rating .
Sevkli.
AuAn application of the fuzzy technique (SMART) Dengan Google Maps.
Ay ELECTRE method for supplier selection,Ay .
Pyrez-Domynguez.
Rodryguez-Picyn.
International Journal of Production Research.
Alvarado-Iniesta.
Luviano Cruz, and Z.
Xu, 48, no.
12, pp.
3393Ae3405.
Jun.
AuMOORA under Pythagorean Fuzzy Set for .
Suryanto and M.
Safrizal.
AuSistem Pendukung Multiple Criteria Decision Making,Ay Complexity.
Keputusan Pemilihan Karyawan Teladan 2018, pp.
1Ae10, 2018.
denganMetode SMART (Simple Multi Attribute Rating Techniqu.
,Ay Jurnal CoreIT, vol.
1, no.
1, .
Gholami.
Chau.
Fadaee.
Torkaman, and A.
Ghaffari.
AuModeling of groundwater level 25Ae29, 2015.
fluctuations using dendrochronology in alluvial .
Turskis and E.
Zavadskas.
AuA Novel aquifers,Ay Journal of Hydrology, vol.
529, pp.
Method for Multiple Criteria Analysis: Grey 1060Ae1069.
Oct.
Additive Ratio Assessment (ARAS-G) Method,Ay INFORMATICA, vol.
21, no.
4, pp.
597Ae607, .
Montazer.
Saremi, and M.
Ramezani.
AuDesign a new mixed expert decision aiding system using fuzzy ELECTRE i method for .
Hatami-Marbini and M.
Tavana.
AuAn extension vendor selection,Ay Expert Systems with of the Electre I method for group decision-making Applications, vol.
36, no.
8, pp.
10837Ae10847, under a fuzzy environment,Ay Omega, vol.
39, no.
Oct.
4, pp.
373Ae386.
Aug.
Zavadskas and Z.
Turskis.
AuA new additive .
Kerulien and Z.
Turskis.
AuAn Integrated ratio assessment (ARAS) method in multicriteria Multi-criteria Group Decision Making Process:
decisionAamaking,Ay Technological and Economic Selection of the Chief Accountant,Ay Procedia Development of Economy, vol.
16, no.
2, pp.
159Ae Social and Behavioral Sciences, vol.
110, pp.
Jan.
897Ae904.
Jan.
Pinem.
AuImplementasi Fuzzy ELECTRE .
Kutut.
Zavadskas, and M.
Lazauskas.
AuAssessment of Priority Options for Preservation Untuk Penilaian Kerusakan Akibat Bencana of Historic City Centre Buildings using MCDM Alam,Ay J.
Sistem Info.
Bisnis, vol.
7, no.
2, p.
(ARAS),Ay Procedia Engineering, vol.
57, pp.
Nov.
657Ae661, 2013.
Cholil.
Pinem, and V.
Vydia.
AuImplementasi metode Simple Multi Attribute .
Daneshvar Rouyendegh and S.
Erol.
AuSelecting the Best Project Using the Fuzzy ELECTRE Rating Technique untuk penentuan prioritas Method,Ay Mathematical Problems in Engineering, rehabilitasi dan rekonstruksi pascabencana alam,Ay 2012, pp.
1Ae12, 2012.
, vol.
Hatami-Marbini and M.
Tavana.
AuAn extension 1, p.
Nov.
of the Electre I method for group decision-making .
P3B.
Penilaian Kerusakan dan Kerugian under a fuzzy environment,Ay Omega, vol.
39, no.
(Damages and Losses Assessmen.
Jakarta:
4, pp.
373Ae386.
Aug.
BAPPENAS, 2008.
Hadipour.
Azizmohammadi, .
BNPB.
Perka BNPB Pedoman Pengkajian .
Mahmoudabadi, and M.
Khoshnoud.
AuApplication Kebutuhan Pasca Bencana.
Jakarta: Badan of ELECTRE Method for Sub-Contractor Nasional Penanggulangan Bencana, 2011.
Ucapan Terimakasih