Kasus Bayes Dan MPE
Kasus Bayes Dan MPE
Kasus Bayes Dan MPE
2. Lozy Hijab 3 5 2
Syari
3. Rabbani 5 4 4
Bobot Bayes 0,4 0,4 0,2
MPE 4 3 3
Metode Bayes
Alternatif
Kualitas Merek Biaya
3. Rabbani 5 4 4 4,4 1
Alternatif
Kualitas Merek Biaya
3. Rabbani 5 4 4 753 1
Bobot Kriteria 4 3 3
2. Penerapan Metode Bayes dan MPE ( Fal )
Contoh kasus :
Fokus : Pemilihan Android
Alternatif =
a. Samsumsung
b. OPPO
c. Asus
Kriteria =
a. Kualitas
b. Merek
c. Biaya
Model Penilaian = Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Alternatif Kriteria Nilai Keputusan
1.Samsung 5 5 4
2. OPPO 3 5 3
3. ASUS 3 3 4
MPE 4 3 3
Metode Bayes
Alternatif
Kualitas Merek Biaya
1. Samsung 5 5 4 4,8 1
2. OPPO 3 5 3 3,8 2
3. ASUS 3 3 4 3,2 3
Metode MPE
Alternatif
Kualitas Merek Biaya
1. Samsung 5 5 4 814 1
2. OPPO 3 5 3 233 2
3. ASUS 3 3 4 172 3
Bobot Kriteria 4 3 3
3. Penerapan Metode Bayes dan MPE ( Ralia )
Contoh kasus :
Fokus : Pemilihan Sepatu
Alternatif =
a. Chanel
b. Filla
c. Nevada
Kriteria =
a. Kualitas
b. Merek
c. Model
Model Penilaian = Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
1.Channel 5 5 5
2. Filla 4 5 4
3. Nevada 4 4 4
MPE 4 3 3
Metode Bayes
Alternatif
Kualitas Merek Model
1. .Channel 5 5 5 5 1
2. Filla 4 5 4 4,3 2
3. Nevada 4 4 4 4 3
Metode MPE
Alternatif
Kualitas Merek Model
1. Channel 5 5 5 875 1
2. Filla 4 5 4 445 3
3. Nevada 4 4 4 506 2
Bobot Kriteria 4 3 3
1.Ramayana 4 4 3
2. Suzuya 4 4 4
3. Matahari 5 4 4
MPE 3 5 2
Metode Bayes
Alternatif
Pelayanan Kualitas Model
1. Ramayana 4 4 3 3.8 3
2. Suzuya 4 4 4 4 2
3. Matahari 5 4 4 4,5 1
Metode MPE
Alternatif
Pelayanan kualitas Model
1. Ramayana 4 4 3 1097 3
2. Suzuya 4 4 4 1104 2
3. Matahari 5 4 4 1165 1
Bobot Kriteria 3 5 2
Contoh kasus :
Alternatif =
a. Aqua
b. Le mineral
c. Cleo
Kriteria =
a. Kualitas
b. Kebersihan
c. Biaya
Model Penilaian = Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Alternatif Kriteria Nilai Keputusan
1. Aqua 4 4 3
2. Le Meneral 3 5 2
3. Cleo 5 4 4
MPE 4 3 3
Metode Bayes
Alternatif
Kualitas Kebersihan Biaya
1. Aqua 4 4 3 3,7 2
2. Le Meneral 3 5 2 3,3 3
3. Cleo 5 4 4 4,4 1
Bobot Kriteria 4 3 3
Metode MPE
Alternatif
Kualitas Kebersihan Biaya
1. Aqua 4 4 3 347 2
2. Le Meneral 3 5 2 214 3
3. Cleo 5 4 4 753 1
Bobot Kriteria 4 3 3
6. Penerapan Metode Bayes dan MPE (Yuan)
Contoh Kasus :
Alternatif :
Koko
Kemeja
Kaus
Kriteria :
o Kualitas
o Harga
o Motif
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan baju lebaran pria yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Koko 4 5 4
2. Kemeja 3 4 3
3. kaus 3 3 3
Metode MPE :
Nilai (koko) = 44 + 53 + 43 = 445
Nilai (Kemeja) = 34 + 43 + 33 = 172
Nilai (Kaus) = 34 + 33 + 33 = 135
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Harga Motif Peringkat Peringkat
Contoh Kasus :
Alternatif :
Kriteria :
o Kualitas
o Daya tahan
o Harga
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Model Kain Sarung yang sesuai dengan Teknik Bayes
Nilai Keputusan
Metode Bayes :
Nilai (Kain sarung Wadimor) = 3(0,3) + 3(0,5) + 3(0,2) = 3,0
Nilai (Kain sarung Atlas ) = 4(0,3) + 4(0,5) + 3(0,2) = 3,8
Nilai (Kain sarung Sapphire) = 4(0,3) + 5(0,5) + 5(0,2) = 4,7
Metode MPE :
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Daya Tahan Harga Peringkat Peringkat
Alternatif :
Singer
Brother
Butterfly
Kriteria :
o Kualitas
o Kecepatan
o Harga
Tabel: Matrik keputusan Pemilihan Merk Mesin Jahit yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Singer 5 4 5
2. Brother 5 3 4
3. Butterfly 4 3 4
Metode Bayes :
Nilai (Singer) = 5(0,5) + 4(0,2) + 5(0,3) = 4,8
Nilai (Brother) = 5(0,5) + 3(0,2) + 4(0,3) = 4,3
Nilai (Butterfly) = 4(0,5) + 3(0,2) + 4(0,3) = 3,8
Metode MPE :
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Kecepatan Harga Peringkat Peringkat
Alternatif :
Sekai
Maspion
Regency
Kriteria :
o Kualitas
o Daya tahan
o Harga
Tabel: Matrik keputusan Pemilihan Merk Kipas Angin yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Sekai 2 3 3
2. Maspion 3 4 4
3. Regency 4 4 5
Metode Bayes :
Nilai (Sekai) = 2 (0,3) + 3 (0,3) + 3 (0,4) = 2,7
Nilai (Maspion) = 3 (0,3) + 4 (0,3) + 4 (0,4) = 3,7
Nilai (Regency) = 4 (0,3) + 4 (0,3) + 5 (0,4) = 4,4
Metode MPE :
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Daya Tahan Harga Peringkat Peringkat
1. Sekai 2 3 3 2, 7 / 3 116 / 3
2. Maspion 3 4 4 3, 7 / 2 328 / 2
Alternatif :
Rinso matic
Attack
Wings Daia Putih
Kriteria :
o Kualitas
o Aroma
o Harga
Tabel: Matrik keputusan Pemilihan Merk Detergen yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Rinso Matic 4 5 4
2. Attack 2 3 3
Metode Bayes :
Nilai (Rinso Matic) = 4 (0,3) + 5 (0,4) + 4 (0,3) = 4,4
Nilai (Attack) = 2 (0,3) + 3 (0,4) + 3 (0,3) = 2,7
Nilai (Wings Daia Putih ) = 3 (0,3) + 4 (0,4) + 4 (0,3) = 3,7
Metode MPE :
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Aroma Harga Peringkat Peringkat
Contoh kasus
Fokus : Pemilihan Coklat
Alternatif :
1. Cocos Powder
2. Unaweeteneed Chocolate
3. Dark Chocolate
Kriteria
1. Kualitas
2. Jangkauan
3. Harga
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Cocos Powder) = 4 (0,3) + 3 (0,3) + 4 (0,4) = 3,7
• Nilai ( Unaweeteneed)= 4 (0,3) + 3 (0,3) + 3 (0,4) = 3,3
• Nilai (Dark Choclate) = 3 (0,3) + 5(0,3) + 3 (0,4) = 3,6
•
Kriteria Bayes
Alternatif Nilai
Kualitas Jangkauan Harga Peringkat
alternatif
Cocos Powder 4 3 4 3,7 1
Unaweeteneed Chocolate 4 3 3 3,3 3
Dark Chocolate 3 5 3 3,6 2
Bobot Bayes 0,3 0,3 0,4
Metode MPE :
• Nilai (Cocos Powder) = 43 + 33 + 44 = 347
• Nilai (Unaweeteneed) = 43 + 33 + 34 = 172
• Nilai (Dark Choclate) = 33 + 53 + 34 = 232
Kriteria MPE
Alternatif Nilai
Kualitas Jangkauan Harga Peringkat
alternatif
Cocos Powder 4 3 4 347 1
Unaweeteneed Chocolate 4 3 3 172 3
Dark Chocolate 3 5 3 232 2
Bobot MPE 3 3 4
12. Penerapan Metode Bayes dan MPE ( Alya )
Contoh kasus
Fokus : Susu
Alternatif :
1. Full Cream
2. Skin Milk
3. Kental Manis
Kriteria
1. Kualitas
2. Jangkauan
3. Harga
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Full Cream) = 4 (0,3) + 3 (0,3) + 4 (0,4) = 3,7
• Nilai (Skin Milk) = 4 (0,3) + 3 (0,3) + 4(0,4) = 3,3
• Nilai (Kental Manis) = 3 (0,3) + 5 (0,3) + 3 (0,4) = 3,6
kriteria Bayes
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Full Cream 4 3 4 3,7 1
Skin Milk 4 3 4 3,3 3
Kental manis 3 5 3 3,6 2
Bobot Bayes 0,3 0,3 0,4
Metode MPE :
• Nilai (Full Cream) = 43 + 33 + 44 = 347
• Nilai (Skin Milk) = 43 + 33 + 44 = 172
• Nilai (Kental manis) = 33 + 53 + 34 = 233
Kriteria Bayes
Alternatif Nilai
Kualitas Jangkauan Harga Peringkat
Alternatif
Full Cream 4 3 4 347 1
Skin Milk 4 3 4 172 3
Kental manis 3 5 3 233 2
Bobot MPE 3 3 4
Metode MPE :
• Nilai (Katun) = 45+ 42 + 43 = 1104
• Nilai (Paris) = 45 + 42 + 53 = 1158
• Nilai (Sutera) = 35 + 32 + 43 = 1097
kriteria MPE
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Katun 4 4 3 1104 2
Paris 4 4 3 1158 1
Sutera 3 3 4 1097 3
Bobot MPE 5 2 3
14. Penerapan Metode Bayes dan MPE ( Nadia Anwar )
Contoh kasus :
Fokus : Tempat Makan Nasi Uduk
Alternatif :
1. Kelapa Gading
2. Kelapa Dua
3. 2 M
Kriteria
1. Jarak tempuh
2. Harga
3. Pelayanan
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Kelapa Dua) = 4 (0,3) + 4 (0,3) + 5 (0,4) = 4,4
• Nilai (2 M) = 5(0,3) + 5 (0,3) + 3 (0,4) = 4,2
• Nilai (Kelapa Dua) = 3 (0,3) + 4 (0,3) + 4 (0,4) = 3,7
kriteria Bayes
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Kelapa Dua 4 4 5 4,4 1
2M 5 5 3 4,2 2
Kelapa Gading 3 4 4 3,7 3
Bobot Bayes 0,3 0,3 0,4
Metode MPE :
• Nilai (Kelapa Dua) = 43 + 43 + 54 = 753
• Nilai (2 M) = 53 + 53 + 34 = 314
• Nilai (Kelapa Dua) = 33 + 33 + 44 = 310
kriteria MPE
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Kelapa Dua 4 4 5 753 1
2M 5 5 3 314 2
Kelapa Gading 3 4 4 310 3
Bobot MPE 3 3 4
15. Penerapan Metode Bayes dan MPE ( Ulfa )
Contoh kasus :
Fokus : Minimarket
Alternatif :
1. Indomaret
2. Alfamart
3. 212
Kriteria
1. Jarak tempuh
2. Harga
3. Pelayanan
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Indomaret) = 5 (0,2) + 4 (0,4) + 3 (0,4) = 3,8
• Nilai (Alfamart) = 3 (0,2) + 5 (0,4) + 4 (0,4) = 4,2
• Nilai (212) = 4 (0,2) + 4 (0,4) + 4 (0,4) = 4,0
kriteria Bayes
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Indomaret 5 4 3 3,8 3
Alfamart 3 5 4 4,2 1
212 4 4 4 4,0 2
Bobot Bayes 0,2 0,4 0,4
Metode MPE :
• Nilai (Indomaret) = 52 + 44 + 34 = 362
• Nilai (Alfamart) = 32 + 54 + 44 = 890
• Nilai (212) = 42 + 44 + 44 = 528
Kriteria Bayes
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh Alternatif
Indomaret 5 4 3 362 3
Alfamart 3 5 4 890 1
212 4 4 4 528 2
Bobot MPE 2 4 4
16. Penerapan Metode Bayes dan MPE ( Rina )
Contoh kasus
Fokus : Tempat jahit
Alternatif :
1. Nasya
2. Kuta Raja Taylor
3. Rumah Jahit Ananda
Kriteria
1. Kerapian
2. Harga
3. Pelayanan
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Nasya) = 5 (0,4) + 4 (0,2) + 3 (0,4) = 4
• Nilai (Kuta raja Taylor) = 5 (0,4) + 3 (0,2) + 4 (0,4) = 4,2
• Nilai (Rumah Jahit Ananda) = 3 (0,4) + 4 (0,2) + 3 (0,4) = 3,2
Kriteria Bayes
Alternatif Nilai
Kerapian Harga pelayanan Peringkat
alternatif
Nasya 5 4 3 4 2
Kutaraja Taylor 5 3 4 4,2 1
Rumah Jahit Ananda 3 4 3 3,2 3
Bobot Bayes 0,4 0,2 0,4
Metode MPE :
• Nilai (Nasya) = 54 + 42 + 34 = 722
• Nilai (Kuta raja Taylor) = 54 + 32 + 44 = 890
• Nilai (Rumah Jahit Ananda) = 34 + 42 + 34 = 178
Kriteria MPE
Alternatif Nilai
Kerapian Harga pelayanan Peringkat
alternatif
Nasya 5 4 3 722 2
Kuta raja Taylor 5 3 4 890 1
Rumah Jahit Ananda 3 4 3 178 3
Bobot MPE 4 2 4
17. Penerapan Metode Bayes dan MPE ( Nisah )
Contoh kasus :
Fokus : Jenis Motor
Alternatif :
1. Yamaha
2. Honda
3. Suzuki
Kriteria
1. Kecepatan
2. Hemat Bahan Bakar
3. Kualitas Mesin
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (Yamaha) = 5 (0,3) + 4 (0,3) + 3 (0,4) = 3,9
• Nilai (Honda) = 5 (0,3) + 5 (0,3) + 4 (0,4) = 4,6
• Nilai (Suzuki) = 3 (0,3) + 3 (0,3) + 3 (0,4) = 3,0
Kriteria Bayes
Alternatif Hemat Kualitas Nilai
Kecepatan Peringkat
Bakar Mesin alternatif
Yamaha 5 4 3 3,9 2
Honda 5 5 4 4,6 1
Suzuki 3 4 3 3,0 3
Bobot Bayes 0,3 0,3 0,4
Metode MPE :
• Nilai (Yamaha) = 53 + 43 + 34 = 270
• Nilai (Honda) = 53 + 53 + 44 = 506
• Nilai (Suzuki) = 33 + 33 + 34 = 135
Kriteria MBE
Alternatif Hemat Kualitas Nilai
Kecepatan Peringkat
Bakar Mesin alternatif
Yamaha 5 4 3 270 2
Honda 5 5 4 506 1
Suzuki 3 4 3 135 3
Bobot MBE 3 3 4
18. Penerapan Metode Bayes dan MPE ( Amel )
Contoh kasus :
Fokus : Bank
Alternatif :
1. BRI
2. BNI
3. BTN
Kriteria
1. Pelayanan
2. Bunga
3. Kebersihan
Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
Metode Bayes :
• Nilai (BRI) = 5 (0,4) + 4 (0,2) + 4 (0,4) = 4,4
• Nilai (BNI) = 4 (0,4) + 5 (0,2) + 4 (0,4) = 4,2
• Nilai (BTN) = 4 (0,4) + 3 (0,2) + 4 (0,4) = 3,8
Kriteria Bayes
Alternatif Nilai
Pelayanan Bunga Kebersihan Peringkat
alternatif
BRI 5 4 4 4,4 1
BNI 4 5 4 4,2 2
BTN 4 3 4 3,8 3
Bobot Bayes 0,4 0,2 0,4
Metode MPE :
• Nilai (BRI) = 54 + 42 + 44 = 897
• Nilai (BNI) = 44 + 52 + 44 = 537
• Nilai (BTN) = 44 + 32 + 44 = 521
Kriteria MPE
Alternatif Nilai
Pelayanan Bunga Kebersihan Peringkat
alternatif
BRI 5 4 4 897 1
BNI 4 5 4 537 2
BTN 4 3 4 521 3
Bobot MPE 4 2 4
19. Penerapan Metode Bayes dan MPE ( Nati )
Contoh Kasus :
Alternatif :
Acer
Asus
Hp
Kriteria :
o Kualitas
o Service
o Harga
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Laptop yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Acer 4 3 3
2. Asus 5 4 5
3. HP 4 5 4
Metode MPE :
Nilai (Acer) = 44 + 33 + 33 = 310
Nilai (Asus) = 54 + 43 + 53 = 814
Nilai (Hp) = 44 + 53 + 43 = 445
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Service Harga Peringkat Peringkat
3. HP 4 5 4 4,3 / 2 445 / 2
Alternatif :
Mukena Bali
Mukena Bordir
Mukena Khadijah
Kriteria :
o Kualitas
o Merk
o Harga
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Mukena yang sesuai dengan Teknik Bayes
Nilai Keputusan
1. Mukena Bali 2 4 3
2. Mukena Bordir 4 5 4
3. Mukena Khadijah 4 5 5
Metode MPE :
Nilai (Mukena Bali) = 23 + 44 + 33 = 291
Nilai (Mukena Bordir) = 43 + 54 + 43 = 753
Nilai (Mukena Khadijah) = 4 + 54 + 53 = 814
3
Nilai Keputusan
Bayes / MPE /
Alternatif Kualitas Merk Harga Peringkat Peringkat
Alternatif :
Bonia
Gucci
Prada
Kriteria :
o Kualitas
o Daya Tahan
o Harga
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Merk Tas yang sesuai dengan Teknik Bayes
Nilai Keputusan
Daya
Alternatif Kualitas Tahan Harga Bayes MPE
1. Bonia 3 3 3
2. Gucci 4 4 4
3. Prada 4 5 4
Metode MPE :
Nilai (Bonia) = 32 + 34 + 34 = 171
Nilai (Gucci) = 42 + 44 + 44 = 528
Nilai (Prada) = 42 + 54 + 44 = 897
Nilai Keputusan
Alternatif :
Segi Empat
Rajut
Pashmina
Kriteria :
o Kualitas Bahan
o Ukuran
o Harga
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Model Jelbab yang sesuai dengan Teknik Bayes
Nilai Keputusan
Kualitas
Alternatif Bahan Ukuran Harga Bayes MPE
1. Segi Empat 3 4 5
2. Rajut 3 3 3
3. Pashmina 4 5 5
Metode MPE :
Nilai (Segi Empat) = 34 + 44 + 52 = 362
Nilai (Rajut) = 34 + 34 + 32 = 171
Nilai (Pashmina) = 44 + 54 + 52 = 906
Nilai Keputusan
Alternatif :
Bread Boy
Bread Talk
Aroma
Kriteria :
o Varian Rasa
o Kebersihan
o Pelayanan
1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus
Tabel: Matrik keputusan Pemilihan Toko Roti yang sesuai dengan Teknik Bayes
Nilai Keputusan
Varian
Alternatif Rasa Kebersihan Pelayanan Bayes MPE
1. Bread Boy 3 4 5
2. Bread Talk 4 4 5
3. Aroma 4 5 5
Metode MPE :
Nilai (Bread Boy) = 35 + 42 + 53 = 334
Nilai (Bread Talk) = 45 + 42 + 53 = 1115
Nilai (Aroma) = 45 + 52 + 53 = 1124
Nilai Keputusan