WHAT IS MULTIPLE CRITERIA ANALYSIS? Bahan kajian MK. Metode Penelitian PM PSLP PPSUB 2011

of 37

Please download to get full document.

View again

All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
PDF
37 pages
0 downs
14 views
Share
Description
WHAT IS MULTIPLE CRITERIA ANALYSIS? Bahan kajian MK. Metode Penelitian PM PSLP PPSUB 2011 Soemarno. MULTIPLE CRITERIA DECISION MAKING (MCDM). Decision making situations: Involving a single decision criteria ( SINGLE OBJECTIVE)
Transcript
WHAT IS MULTIPLE CRITERIA ANALYSIS? Bahankajian MK. MetodePenelitian PM PSLP PPSUB 2011 Soemarno MULTIPLE CRITERIA DECISION MAKING (MCDM)
  • Decision making situations:
  • Involving a single decision criteria ( SINGLE OBJECTIVE)
  • Involves several conflicting objectives (MULTIPLE OBJECTIVE)
  • Analysis of Decision Making:
  • A decision maker
  • An array of feasible choices
  • A well defined criteria, such as utility or profit: SINGLE or MULTIPLE
  • ………………… what is objective? ….. MULTIPLE CRITERIA DECISION MAKING (MCDM) Economic vs. Technological Decisions. Technological decision: a single criterion Economic decision: a multiple criteria Technological problems: Search and measurement Scarce Economic Technological means problems problems No scarce No problems problem Several Single criteria criterion MULTIPLE CRITERIA DECISION MAKING (MCDM)
  • Ilustrasi:
  • Ke supermarket untuk MEMILIH produk sirup yang Paling Murah
  • Mencari pola tanam yang memaksimumkan the gross margin
  • dan (2) : a technological problem
  • Untuk menyelesaikannya: ONLY SEARCHES.
  • Decision Making does not really
  • …. What is decision making? ……… MULTIPLE CRITERIA DECISION MAKING (MCDM) Ilustrasi: Pola tanam yang: Max gross margin Min RiskConflicting objectives Min Indebtedness Solution this problem: Economic decision ………. Optimal solution e.g. Development of a small rural region 1000 ha arable land: Two crops: A and B Water requirement: 4000 and 5000 m3/ha Water available : 4.200.000 m3 Syarat rotasi tanaman: Luas tanam B <= luas tanam A X1 = luas tanam A X2 = luas tanam B X1 + X2 <= 1000 4000 X1 + 5000 X2 <= 4.200.000 -X1 + X2 <= 0 ………….. X2 <= X1 MULTIPLE CRITERIA DECISION MAKING (MCDM) X2 (ha) 4000X1+5000X2 = 4200000 -X1+X2 = 0 X1+X2=1000 A 466.66 E 200 B 0 466.66 800 C (1000) X1 (ha) Added value:A = 1000 /ha B = 3000/ha 1000X1 + 3000X2 = AE (Isovalue line) Employment: A = 500 HOK/ha 500X1 + 200X2 = CE (Iso employment line B = 200 HOK/ha MULTIPLE CRITERIA DECISION MAKING (MCDM) Kriteria added value: Optimum solution: A(466.6 ; 466.6) Added value = 1.866.640 Kriteria Employment: Optimum solution: C(1000,0) ……employment = 500000 HOK Solusi Optimum: Garis ABC Optimum Point ? Multiple goals Multiple objectives MULTIPLE CRITERIA DECISION MAKING (MCDM) MULTIPLE GOALS IN AGRICULTURE Farm Level: Goals in agriculture DM: 1. Maximum gross margin 2. Minimum seasonal cash exposure 3. Provision od stable employment for the permanent labor Ranch planning: 1. Red meat production 2. Use of fossil fuel energy 3. Profits Land allocation problems: 1. Money income 2. Environmental benefits …… what is GOAL? ………….. MULTIPLE CRITERIA DECISION MAKING (MCDM) ATRIBUTES, OBJECTIVE, GOAL Atribute: Nilai DM yang berhubungan dengan realita objektif A = f(Xi) ……….. Xi = peubah keputusan e.g. Added value (economic yield) : V = 1000X1 + 3000X2 Employment : E = 500X1 + 200X2 Objective: direction of improvement of the attributes Maximization (or minimization) of the function of atributes Max f(x) : Max w1f1(X) + w2 f2(X) w : weight f(X): atributes function MULTIPLE CRITERIA DECISION MAKING (MCDM) TARGET = as aspiration level an acceptable level of achievement for any one of the attributes GOAL: combining an attribute with a target 1000X1 + 2000X2 >= 2.000.000 atau X1 + X2 = 1000 Goal: f(X) >< t atau f(X) = t (target) Tipe I : gross margin, added value Tipe II : Limited resources…………. Air irigasi, tenaga kerja, kendala teknis, constraint ………….. What is constraint? ………….. MULTIPLE CRITERIA DECISION MAKING (MCDM) Farm planning problem Atribute:Gross margin Objective:Gross margin minimize Goal: to achieve a gross margin of at least a certain target Kriteria: adalah atribut, objective, atau goal yang dianggap relevan dengan situasi pengambilan keputusan yang sedang dikaji MCDM = paradigma yang melibatkan beberapa atribute, objective atau goal. MULTIPLE CRITERIA DECISION MAKING (MCDM) GOAL and CONSTRAINT Goal: RHS-nya = Target (dapat tercapai atau tidak tercapai) Constraint: RHS-nya harus terpenuhi eg. 1000X1 + 3000X2 >= 2.000.000 …. Bisa goal, bisa constraint Kalau sebagai GOAL, hanya didekati, sehingga ada simpangan positif atau negatif: 1000X1 + 3000X2 + n – p = 2.000.000 Dimana: n = simpangan negatif (d-) p = simpangan positif (d+) Goal function : f(X) + n – p = t (target) MULTIPLE CRITERIA DECISION MAKING (MCDM) PARETO OPTIMALITY Efficient of Pareto Optimal solution: a feasible solution for which an increase in the value of one criterion can only be achieved by degrading the value of at least one other criterion e.g. Farm planning involving three criteria Gross marginLaborIndeptedness Sol I200.00050050.000 Sol II200.00060050.000 Sol III300.00070060.000 DM wants: 1. Gross margin,……….. As large as possible 2. Labor and indeptedness ……….. As small as possible MULTIPLE CRITERIA DECISION MAKING (MCDM) Gross marginLaborIndeptedness Sol IRendahRendahRendah ………. efisien Sol IIRendahTinggiRendah ………. Tdk efisien Sol IIITinggiTinggiTinggi ………. Optimal Pareto Bagaimana memilih di antara Sol I dan III ? It is an economic problem, ……. Preference of the DM for each of the three attributes Feasible solution ………….. Efficient or Not-efficient DM preference for each of criteria …………. (pembobotan) MULTIPLE CRITERIA DECISION MAKING (MCDM) Trade-off amongst decision making criteria Trade off between two criteria: fj(X’) – fj(X”) Tjk = ------------------------ ……….. fj(X) dan fk(X) adalah dua fungsi tujuan fk(X’) – fk(X”) e.g. Trade-off antara margin dan labor untuk Sol III dan Sol I: T12 = (300.000 – 200.000) / (700-500) = 500 Settiap peningkatan labor 1 jam berakibat penurunan margin 500, Opportunity cost 1 jam labor = 500 unit marjin TRADE-OFF --------- OPPORTUNITY COST MULTIPLE CRITERIA DECISION MAKING (MCDM)
  • MCDM APPROACH
  • 1. Multiple goals …………. GP : Goal Programming
  • 2. Multiple Objectives ……… MOP: Multi Objective Program
  • Multi Attributes Utility Theory (MAUT):
  • Decision problems with a discrete number of feasible solutions
  • Very strong assumptions about the preference of Decision Maker
  • MOP : Efficient set of solutions
  • Pareto OptimalNon-Pareto Optimal
  • Feasible solutionfeasible solution
  • Optimum Compromize
  • Decision Maker Preferences
  • GOAL PROGRAMMING: GP GP : Simultaneous optimization of several goals . Minimized deviation d- .: Goal 1 d+ : Goal 2 d+ : Goal 3 Minimization process: 1. Lexicographic Goal Programming (LGP) 2. Weighted Goal Programming (WGP) LGP: Prioritas (p) goals Pembobot (w) , absolute weight …………. Deviasi Prioritas tinggi dupenuhi dulu, baru prioritas lebih rendah WGP: Relative weight Deviasi diberi pembobot sesuai dengan kepentingan relatif masing-masing goal GOAL PROGRAMMING: Farm Planning Model Data Hipotetik: Usahatani. 1. Decision variablesPear tree (X1 ha) Peach tree (X2 ha) 2. NPV (Rp/ha)62505000 3. Resources Uses: CapitalYear 1550400 Year 2200175 Year 3300250 Year 4325200 4. Annual laborPrunning120180 Harvest400450 5. Mesin pengolahan (jam/ha)3535 Ketersediaan sumberdaya: 1. Kapital tahun 1: 15.000 tahun 2 s/d 4: 7.000 per tahun 2. TK prunning: 4000 jam/ musim TK panen: 2000 3. Max. tractor hours: 1000 4. Periode panen dua macam tanaman berbeda. GOAL PROGRAMMING: Farm Planning Model Tujuan Usahatani: 1. Maximize NPV 2. Minimize pinjaman kapital selama 4 tahun 3. Minimize TK musiman untuk prunning dan panen 4. Minimize sewa traktor (these are conflicting interests) Strategi dengan Linear Programming biasa: 1. NPV ------------- dimaksimumkan 2. Tujuan lain --------- sebagai kendala sumberdaya 3. Cash resources: Surplus tahun 1 dimasukkan sebagai tambahan tahun berikutnya Max Z = f(X1,X2) = 6250 X1 + 5000 X2 Subject to: 500X1 + 400X2 <= 15.000 750X1 + 575X2 <= 22.000 1050X1 + 825X2 <= 29.000 1375X1 + 1025X2 <= 36.000 120X1 + 180 X2 <= 4000 400X1<= 2000 450X2<= 2000 35X1 +35X2 <= 1000 X1 >= 0 X2 >= 0 GOAL PROGRAMMING: Farm Planning Model Solusinya: X1 = 5 ha X2 = 4.44 ha NPV = 53.450 Tenaga kerja panen digunakan semua Sumberdaya lainnya tidak habis digunakan, ada sisa sumberdaya Menurut LP ini optimal karena: 1. Objectives yang diformulasikan sebagai kendala dipenuhi dulu sebelum NPV 2. Setiap solusi yang layak harus memenuhi fungsi kendala Pendekatan tujuan tunggal dengan banyak fungsi kendala seperti ini lazimnya menghasilkan solusi yang tidak memuaskan, sehibngga muncullah pendekatan MULTIPLE CRITERIA GOALS PROGRAMMING The role of d+ and d- in GP Dalam model GP, formula ketidak-samaan seperti di atas dianggap sebagai goal (g) dan bukan sebagai kendala RHS merupakan target yg dapat tercapai atau hanya dapat didekati Untuk setiap fungsi goal diberi dua macam variabel ( n dan p) untuk mengubahnya menjadi persamaan: 6250X1 + 5000X2 + n1 – p1 = 200.000 …………… g1 500X1 + 400X2 + n2 – p2 = 15.000 …………….. g2 750X1 + 575X2 + n3 – p3 = 22.000 …………….. g3 1050X1 + 825X2 + n4 – p4= 29.000 …………….. g4 1375X1 + 1025X2 +n5 – p5= 36.000 …………….. g5 120X1 + 180 X2 + n6 – p6= 4000 .…………….. g6 400X1+ n7 – p7= 2000 …………….. g7 450X2+ n8 – p8= 2000 …………….. g8 35X1 +35X2 + n9 – p9= 1000 …………….. g9 DM --------------- to maximize NPV Simpangan negatif (n): Under achievement of goal Simpangan positif (p): Goal has surpassed (Over achievement) n = d- p = d+ d- = 0, atau d+ = 0, atau d- = d+ = 0 Min Σ di- + di+ ------------- Min Σ ni + pi : Tujuan GP: minimize deviation LGP : Lexicographic Goal Programming DM: Mendefine semua tujuan (goal) yang relevan dengan situasi perencanaan Menetapkan prioritas goals: Qi >>>> Qj Prioritas tinggi dipenuhi lebih dahulu: Lexicographic order e.g. Q1 : untuk g2, g3, g4, g5 adalah p2, p3, p4, p5 Q2 : untuk g9 : p9 Q3 : untuk g1: n1 Q4 : untuk g6, g7, g8: p6, p7, p8 Min A = [ (p2+p3+p4+p5), (p9), (n1), (p6+p7+p8)] …… The achievement function Model LGP nya: . Min A = [ (p2+p3+p4+p5), (p9), (n1), (p6+p7+p8) ] Subjected to: Q3 : 6250X1 + 5000X2 + n1 – p1 = 200.000 …………… g1 Q1500X1 + 400X2 + n2 – p2 = 15.000 …………….. g2 750X1 + 575X2 + n3 – p3 = 22.000 …………….. g3 1050X1 + 825X2 + n4 – p4= 29.000 …………….. g4 1375X1 + 1025X2 +n5 – p5= 36.000 …………….. g5 Q4120X1 + 180 X2 + n6 – p6= 4000 .…………….. g6 400X1+ n7 – p7= 2000 …………….. g7 450X2+ n8 – p8= 2000 …………….. g8 Q2:35X1 +35X2 + n9 – p9= 1000 …………….. g9 Xi >= 0; nj >= 0, pj >= 0 i = 1, 2 j = 1, ……, 9 LGP : Optimum Solution Optimum solution: X1 = 19.18X2 = 9.38 Deviation variable: n1 = 33.250p1 = 0 n2 = 699p2 = 0 n3 = 2.221p3 = 0 n4 = 1.122p4 = 0 n5 = n6 = 0p5 = p6 = 0 n7 = 0p7 = 5672 n8 = 0p8 = 2211 n9 = 0p9 = 0 Prioritas I (Q1) ---------------- g5 tercapai Prioritas II (Q2) --------------- g9 tercapai Prioritas IV (Q4) -------------- g6 tercapai Dibandingkan dengan penyelesaian LP di atas, maka: NPV lebih tinggi Sumberdaya ----------- habis dipakai, … kurang Modal ------------------- ada sisa LGP : Sensitivity Analysis Kelemahan LGP: memerlukan banyak informasi dari Decision Maker, a.l. Target Weight Priority ordered Preferences Kalau informasi ini tidak ada, maka harus dilakukan analisis sensitivitas: Pengaturan kembali prioritas Nilai-nilai target Pembobot Alternatif strategi perencanaan --------------- SKENARIO MISALNYA: Mengubah kembali prioritas Dalam contoh di atas ada 4 prioritas, maka permutasinya ada 4 ! = 4x3x2x1 = 24 macam kombinasi . LGP : Solusi Enam macam solusi di antaranya adalah sbb: SOLUSIX1X2NPVg7+g8g9g2 g5 I19.189.3833.2507.89300 II54.44146.55000 III035.1224.40016.1252290 IV28.57021.4379.42803.284 V040019.204005000 VI320010.8001208000 Solusi I:Kalau urutan dari dua prioritas pertama saling dipertukarkan Solusi II:Optimal untuk 12 dari 24 alternatif prioritas Solusi III:Kalau prioritas III digabungkan dengan prioritas II Dst. LGP :
  • Pengubahan nilai target dari beberapa goal, misalnya:
  • Kalau target g1 diturunkan menjadi 166.775, maka solusi optimum tidak berubah, tetapi kalau diturunkan lagi, maka nilai NPV akan merosot dan simpangan dari g6, g7, g8 menurun
  • Kalau target g9 dikurangi, maka solusi optimum berubah, NPV menurun
  • Kalau g9 ditingkatkan, maka solusi optimum dapat berubah dan NPV naik
  • 3.Kalau target g6, g7, g8 berubah, maka:
  • Nilai solusi optimum tidak berubah
  • Simpangan berubah terhadap g6, g7, g8.
  • WGP : Weighted Goal Programming Semua goals masuk ke dalam fungsi tujuan komposit Simpangan diberi pembobot sesuai dengan kepentingan relatif dari masing-masing goal Misalnya: g2, g3, g4, dan g5, sebagai rigid constraint yang harus dipenuhi, ……………. Sebagai kendala (constraint) g1, g6, g7, g8, dan g9, sebagai goals, ada lima macam simpangan yang perlu pembobotan Target NPV = 175.600 …………. Max NPV sesuai dg cash-flow - constraint Variabel fungsi tujuan: mencerminkan persentase simpangan dari target, bukan simpangan absolut. Model: Minimize the sum of the percentage deviations from targets WGP : Minimize: n1 W1 ------------------ x 100/1 + 175.600 p6 W2 ------------------ x 100/1 + 4000 p7 W3 ------------------ x 100/1 + p8 W4 = --------------- x 100/1 + 2000 p9 W5 = -------------- x 100/1 1000 Subjected to: WGP : Subject to: 500X1 + 400X2 <= 15.000 750X1 + 575X2 <= 22.000 1050X1 + 825X2 <= 29.000 1375X1 + 1025X2 <= 36.000 6250X1 + 5000X2 +n1 – p1 = 175.000 120X1 + 180 X2 +n6 – p6 = 4000 400X1+ n7 - p7 = 2000 450X2+ n8 – p8= 2000 35X1 +35X2 + n9 – p9= 1000 X1 , X2 >= 0 nj, pj >= 0 j = 1 and j = 6, ……, 9 Dimana: w1, …………, w5 = pembobot bagi simpangan deviasi Pembobot ini dapat sama, atau dapat berbeda nilainya Misalnya: Petani lebih mementingkan pendapatan atau penghasilannya daripada sewa TK dan sewa traktor GP : A critical assessment of GP Penerapannya harus dilandasi oleh logika ilmiah yang kuat dan benar Lima situasi dimana GP tidak bagus: 1. Apabila solusi optimal dengan menggunakan GP identik dengan solusi optimal yang diperoleh dnegan LP biasa 2.Trade-off antar goal dalam prioritas tertentu dapat dilakukan, tetapi trade-off lintas prioritas tidak dapat dilakukan 3.Kepekaan GP untuk menghasilkan situasi optimal -------- inferior 4.Maksimisasi dari “Achievement Function” dari GP tidak sama dengan “optimizing the utility function” dari decision maker 5.Apabila prioritas terlalu banyak. Some extension of GP : LGP & WGP Fractional GP: Apabila beberapa goals (misalnya struktur biaya usahatani) harus diintroduksi sebagai ratios atau sebagai fractional goals Minmax GP : Minimize the maximum of deviations Achievement of all goals must be greater than or equal to their targets e.g. Min. d ………………. max deviations s.t. nj <= d fj(X) + nj – pj = tj ………….. (target) X € F ……….. (feasible set) MOP: Multiple Objective Programming DM a multiple objective environment the define goals mungkin tidak ada MOP Membedakan antara: Solusi layak yang Pareto Optimal, Solusi layak yang Non Pareto Optimal Konsep tradisional tentang optimal diganti dengan idea efisiensi dan / atau Non-dominansi Approximation of the MOP Problem MOP: Problem optimasi simultan beberapa objektif yang menghadapi seperangkat kendala (biasanya linear) Mencoba mengidentifikasi “the set” yang mengandung solusi efisien (non-dominated dan Pareto Optimal) To generate the efficient set: Eff. Z(X) = [ Z1(X), Z2(X), …………. Zq(X) ] Subject to: X € F Eff ………….. Mencari solusi efisien F………… Feasible set MOP : Misalnya : Petani mempunyai tua tujuan: 1. Memaksimumkan NPV investasinya dalam pengembangan kebun 2. Meminimumkan jumlah jam kerja TK-upahan dalam panen. Kendala luas kebun minimum 10 ha Modelnya adalah: Eff. Z(X) = [ Z1(X), Z2(X) ] Dimana:Z1(X) : 6250 X1 + 5000 X2 Z2(X) : - 400 X1 – 450 X2 Subject to: 550X1 + 400X2 <= 15.000 750X1 + 575X2 <= 22.000 1050X1 + 825X2 <= 29.000 1375X1 + 1025X2 <= 36.000 120X1 + 180 X2 <= 4000 35X1 +35X2 <= 1000 X1 + X2 >= 10 X >= 0 MOP : X2 1375X1 + 1025X2 = 36000 35X1 + 35X2 = 1000 D C EX1 + X2 >= 10 F 120X1 + 180X2 = 4000 A B X1 Feasible set of F adalah Poligon ABCDE Deskripsi untuk kelima titik ekstrim adalah sbb: LGP : ………… bersambung ….
    Related Search
    We Need Your Support
    Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

    Thanks to everyone for your continued support.

    No, Thanks