Perbandingan Metode Edas Dan Aras Pada Pemilihan Rumah Di Kota Pontianak

Abstract

Abstrak-Dalam masalah pengambilan keputusan, teknik dan model dari Multi Criteria Decision Making (MCDM) sangat sering digunakan, dan berkembang sangat pesat. Pada penelitian ini menggunakan dua metode MCDM yaitu EDAS dan ARAS pada pemilihan rumah di Kota Pontianak. Metode EDAS didasarkan pada skor penilian (AS) tertinggi untuk mendapatkan pilihan terbaik dari semua alternatif, sedangkan metode ARAS menggunakan nilai utilitas (Ki) tertinggi untuk mendapatkan pilihan terbaik. Data yang digunakan pada penelitian ini berjumlah 30 data perumahan dengan 11 kriteria. Hasil akhir dari penelitian ini menunjukkan bahwa metode EDAS dan ARAS menghasilkan pilihan berbeda pada perangkingan alternatif. Untuk alternatif terbaik pada dengan metode EDAS didapatkan alternatif 9 dengan skor penilaian sebesar 0.7372, sementara dengan metode ARAS alternatif 10 merupakan alternatf terbaik dengan nilai utilitas 1. Keywords-EDAS, ARAS, MCDM, Pemilihan Rumah. Abstract-In the matter of decision making, techniques and models of Multi Criteria DecisionMaking (MCDM) are very often used, and develop very quickly. In this study using two MCDM methods namely EDAS and ARAS in the selection of houses in Pontianak City. The EDAS method is based on the highest (US) score to get the best choice from all alternatives, while the ARAS method uses the highest utility value (Ki) to get the best choice. The data used in this study prove 30 housing data with 11 criteria. The final results of this study indicate that the EDAS and ARAS methods produce different choices in alternative ranking. For the best alternative with EDAS method, alternative 9 was obtained with the highest score of 0.7372, while alternative 10 ARAS method was the best alternative with utility value 1.

Analysis Of Decision Support Systems Edas Method In New Student Admission Selection

“…EDAS was introduced by Keshavaraz Ghorabaee, et all in 2015. EDAS resolves the issue with the following steps (Midyanti et al, 2019) : a. Choose important criteria that describe the alternative.…”

Implementasi Metode Additive Ratio Assessment (ARAS) Untuk Menentukan Siswa Terbaik

“…Dengan menerapkan metode ARAS dalam penyeleksian calon tenaga kerja security dapat membantu personalia dalam menentukan calon pekerja yang diterima dengan cepat dan tepat [6]. Metode ARAS menggunakan nilai utilitas (Ki) tertinggi untuk mendapatkan pilihan terbaik pada pemilihan rumah [7].…”

“…5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 𝑋1,1+ 𝑋2,1+ 𝑋3,1+ 𝑋4,1+ 𝑋5,1+ 𝑋6,1+ 𝑋7,1+ 𝑋8,1+ 𝑋9,1+ 𝑋10,1+ 𝑋11,1+ 𝑋12,1+ 𝑋13,1+ 𝑋14,1+ 𝑋15,1 = 1 1 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 + 1 + 0.5 + 0.333 = 1 10.165 = 0.0984 Perhitungan yang sama dilakukan untuk kriteria berikutnya dan hasil keseluruhan menghasilkan matriks ternormalisasi R sesuai dengan persamaan(6), yaitu sebagai berikut: 0.0984 0.0634 0.0649 0.0714 0.0625 0.0794 0.0676 0.0984 0.0623 0.0649 0.0571 0.0625 0.0794 0.0676 0.0492 0.0618 0.0649 0.0571 0.0625 0.0794 0.0676 0.0328 0.0607 0.0649 0.0571 0.0625 0.0794 0.0541 0.0984 0.0634 0.0649 0.0571 0.0625 0.0794 0.0676 0.0492 0.0625 0.0649 0.0571 0.0625 0.0159 0.0676 0.0328 0.0621 0.0519 0.0571 0.0625 0. 0794 0.0541 0.0984 0.0630 0.0649 0.0714 0.0625 0.0159 0.0676 R= 0.0492 0.0625 0.0649 0.0714 0.0625 0.0794 0Menetapkan bobot matriks ternormalisasi Berikut proses penghitungan untuk menentukan bobot matriks dengan menggunakan persamaan(7) yaitu: Bobot matriks keputusan kolom 1 (kolom kriteria "Rangking") sebagai berikut: D0,1 = r0,1.w1 = 0.0984 * 0.30 = 0.0295 D1,1 = r1,1.w1 = 0.0984 * 0.30 = 0.0295 D2,1 = r2,1.w1 = 0.0492 * 0.30 = 0.0148 D3,1 = r3,1.w1 = 0.0328 * 0.30 = 0.0098 D4,1 = r4,1.w1 = 0.0984 * 0.30 = 0.0295 D5,1 = r5,1.w1 = 0.0492 * 0.30 = 0.0148 D6,1 = r6,1.w1 = 0.0328 * 0.30 = 0.0098 D7,1 = r7,1.w1 = 0.0984 * 0.30 = 0.0295 D8,1 = r8,1.w1 = 0.0492 * 0.30 = 0.0148 D9,1 = r9,1.w1 = 0.0328 * 0.30 = 0.0098 D10,1 = r10,1.w1 = 0.0984 * 0.30 = 0.0295 D11,1 = r11,1.w1 = 0.0492 * 0.30 = 0.0148 D12,1 = r12,1.w1 = 0.0328 * 0.30 = 0.0098 D13,1 = r13,1.w1 = 0.0984 * 0.30 = 0.0295 D14,1 = r14,1.w1 = 0.0492 * 0.30 = 0.0148 D15,1 = r15,1.w1 = 0.0328 * 0.30 = 0.0098…”

Sistem Pendukung Keputusan Pemilihan Perumahan dengan Metode ARAS (Studi Kasus Kabupaten Ponorogo)

“…Metode Aras adalah salah satu metode pendukung keputusan yang diperkenalkan oleh Zavadskas dan Turskis pada tahun 2010 [8]. Metode ARAS memiliki langkah perhitungan sebagai berikut Bentuk matriks pengambil keputusan seperti pada persamaan 1…”