1.

Penerapan Metode Bayes dan MPE ( dila )

Contoh kasus :
Fokus : Pemilihan Tokoh Baju
Alternatif =
a. I’m Hetro Hijab
b. Lozy Hijab Syari
c. Rabbani
 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

Kualitas Merek Biaya Bayes MPE

1. I’m Hetro Hijab 4 4 3

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

 Nilai (I’m Hetro Hijab) = 4(0,4) + 4(0,4) + 3(0,2) = 3,8

 Nilai (Lozy Hijab Syari) = 3(0,4) + 5(0,4) + 2(0,2) = 3.6
 Nilai ( Rabbani) = 5(0,4) + 4(0,4) + 4(0,2) = 4,4

Alternatif Kriteria Nilai Peringkat

Alternatif
Kualitas Merek Biaya

1. I’m Hetro 4 4 3 3,8 2

Hijab

2. Lozy Hijab 3 5 2 3,6 3

Syari

3. Rabbani 5 4 4 4,4 1

Bobot Kriteria 0,4 0,4 0,2

Metode MPE

 Nilai (I’m Hetro Hijab) = 44 + 43 + 33 = 347

 Nilai (Lozy Hijab Syari) = 34 + 53 + 23 = 214
 Nilai ( Rabbani) = 54 + 43 + 43 = 753

Alternatif Kriteria Nilai Peringkat

Alternatif
Kualitas Merek Biaya

1. I’m Hetro 4 4 3 347 2

Hijab

2. Lozy Hijab 3 5 2 214 3

Syari

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

Kualitas Merek Biaya Bayes MPE

1.Samsung 5 5 4

2. OPPO 3 5 3

3. ASUS 3 3 4

Bobot Bayes 0,4 0,4 0,2

MPE 4 3 3
Metode Bayes

 Nilai (Samsung) = 5(0,4) + 5(0,4) + 4(0,2) = 4,8

 Nilai (OPPO) = 3(0,4) + 5(0,4) + 3(0,2) = 3,8
 Nilai ( ASUS) = 3(0,4) + 3(0,4) + 4(0,2) = 3,2

Alternatif Kriteria Nilai Peringkat

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

Bobot Kriteria 0,4 0,4 0,2

Metode MPE

 Nilai (Samsung) = 54 + 53 + 43 = 814

 Nilai (OPPO) = 34 + 53 + 33 = 233
 Nilai (ASUS) = 34 + 33 + 43 = 172
Alternatif Kriteria Nilai Peringkat

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

Alternatif Kriteria Nilai Keputusan

Kualitas Merek Model Bayes MPE

1.Channel 5 5 5

2. Filla 4 5 4
 3. Nevada 4 4 4

Bobot Bayes 0,4 0,3 0,3

MPE 4 3 3

Metode Bayes

 Nilai (Channel) = 5(0,4) + 5(0,3) + 5(0,3) = 5

 Nilai (Filla) = 4(0,4) + 5(0,3) + 4(0,3) = 4,3
 Nilai (Nevada) = 4(0,4) + 4(0,3) + 4(0,3) = 4
Alternatif Kriteria Nilai Peringkat

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

Bobot Kriteria 0,4 0,3 0,3

Metode MPE

 Nilai (Channel) = 54 + 53 + 53 = 875

 Nilai (Filla) = 44 + 53 + 43 = 445
 Nilai ( Nevada) = 44 + 43 + 43 = 506
Alternatif Kriteria Nilai Peringkat

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

4. Penerapan Metode Bayes dan MPE ( Ashfi )

Contoh kasus :
Fokus : Pemilihan MALL
Alternatif =
a. Ramayana
b. Suzuya
c. Matahari
 Kriteria =
a. Pelayanan
b. Kualitas
c. Model
 Model Penilaian = Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus
 Alternatif Kriteria Nilai Keputusan

Pelayanan Kualitas Model Bayes MPE

1.Ramayana 4 4 3

2. Suzuya 4 4 4

3. Matahari 5 4 4

Bobot Bayes 0,5 0,3 0,2

MPE 3 5 2

Metode Bayes

 Nilai (Ramayana) = 4(0,5) + 4(0,3) + 3(0,2) = 3,8

 Nilai (Suzuya) = 4(0,5) + 4(0,3) + 4(0,2) = 4
 Nilai (Matahari) = 5(0,5) + 4(0,3) + 4(0,2) = 4,5
Alternatif Kriteria Nilai Peringkat

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

Bobot Kriteria 0,5 0,3 0,2

Metode MPE

 Nilai (Ramayana) = 43 + 45 + 32 = 1097

 Nilai (Suzuya) = 43 + 45 + 42 = 1104
 Nilai ( Matahari) = 53 + 45 + 42 = 1165
Alternatif Kriteria Nilai Peringkat

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

5. Penerapan Metode Bayes dan MPE ( Viktor)

Contoh kasus :

Fokus : Pemilihan air miniral

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

Kualitas Kebersihan Biaya Bayes MPE

1. Aqua 4 4 3

2. Le Meneral 3 5 2

3. Cleo 5 4 4

Bobot Bayes 0,4 0,3 0,3

MPE 4 3 3

Metode Bayes

 Nilai (Aqua) = 4(0,4) + 4(0,3) + 3(0,3) = 3,7

 Nilai (le Meneral) = 3(0,4) + 5(0,3) + 2(0,3) = 3.3
 Nilai ( Cleo) = 5(0,4) + 4(0,3) + 4(0,3) = 4,4
Alternatif Kriteria Nilai Peringkat

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

 Nilai (Aqua) = 44 + 43 + 33 = 347

 Nilai ((le Meneral) = 34 + 53 + 23 = 214
 Nilai (Cleo) = 54 + 43 + 43 = 753

Alternatif Kriteria Nilai Peringkat

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 :

Fokus : Pemilihan baju lebaran pria

Alternatif :

 Koko
 Kemeja
 Kaus

Kriteria :

o Kualitas
o Harga
o Motif

Metode Penilaian : Ordinal (Generik)

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

Alternatif Kualitas Harga Motif Bayes MPE

1. Koko 4 5 4

2. Kemeja 3 4 3

3. kaus 3 3 3

Bayes 0,4 0,3 0,3

Bobot
Kriteria MPE 4 3 3
Metode Bayes :
 Nilai (Koko) = 4(0,4) + 5(0,3) + 4(0,3) = 4,3
 Nilai (Kemeja) = 3(0,4) + 4(0,3) + 3(0,3) = 3,3
 Nilai (kaus) = 3(0,4) + 3(0,3) + 3(0,3) = 3,0

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

1. Koko 4 5 4 4,3 / 1 445 / 1

2. kemeja 3 4 3 3,3 / 2 172 / 2

3. Kaus 3 3 3 3,0 / 3 135 / 3

Bayes 0,4 0,3 0,3

Bobot
Kriteria MPE 4 3 3
7. Penerapan Metode Bayes dan MPE ( Unis )

Contoh Kasus :

Fokus : Pemilihan model kain sarung

Alternatif :

 Kain sarung Wadimor

 Kain sarung Atlas
 Kain sarung Sapphire

Kriteria :

o Kualitas
o Daya tahan
o Harga

Metode Penilaian : Ordinal (Generik)

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

Alternatif Kualitas Daya Tahan Harga Bayes MPE

1. Kain sarung Wadimor 3 3 3

2. Kain sarung Atlas 4 4 3

3. Kain sarung Sapphire 4 5 5

Bayes 0,3 0,5 0,2

Bobot
Kriteria MPE 3 5 2

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 (Kain sarung Wadimor) = 33 + 35 + 32 = 279

 Nilai (Kain sarung Atlas ) = 43 + 45 + 32 = 1.097
 Nilai (Kain sarung Atlas ) = 43 + 55 + 52 = 3.214

Nilai Keputusan

Bayes / MPE /
Alternatif Kualitas Daya Tahan Harga Peringkat Peringkat

1. Kain sarung Wadimor 3 3 3 3,0 / 3 279 / 3

2. Kain sarung Atlas 4 4 3 3,8 / 2 1.097 / 2

3. Kain sarung Sapphire 4 5 5 4,7 / 1 3.214 / 1

Bayes 0,3 0,5 0,2

Bobot
Kriteria MPE 3 5 2
8. Penerapan Metode Bayes dan MPE (Lusi)
Contoh Kasus :
Fokus : Pemilihan Merk Mesin Jahit

Alternatif :
 Singer
 Brother
 Butterfly

Kriteria :

o Kualitas
o Kecepatan
o Harga

Metode Penilaian : Ordinal (Generik)

1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus

Tabel: Matrik keputusan Pemilihan Merk Mesin Jahit yang sesuai dengan Teknik Bayes

Nilai Keputusan

Alternatif Kualitas Kecepatan Harga Bayes MPE

1. Singer 5 4 5

2. Brother 5 3 4

3. Butterfly 4 3 4

Bayes 0,5 0,2 0,3

Bobot
Kriteria MPE 5 2 3

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 (Singer) = 55 + 42 + 53 = 3.266

 Nilai (Brother) = 55 + 32 + 43 = 3.198
 Nilai (Butterfly) = 45 + 32 + 43 = 1.097

Nilai Keputusan

Bayes / MPE /
Alternatif Kualitas Kecepatan Harga Peringkat Peringkat

1. Singer 5 4 5 4,8 / 1 3.266 / 1

2. Brother 5 3 4 4,3 / 2 3.198 / 2

3. Butterfly 4 3 4 3,8 / 3 1.097 / 3

Bayes 0,5 0,2 0,3

Bobot
Kriteria MPE 5 2 3
9. Penerapan Metode Bayes dan MPE (Syifa)
Contoh Kasus :
Fokus : Pemilihan Merk Kipas Angin

Alternatif :
 Sekai
 Maspion
 Regency

Kriteria :

o Kualitas
o Daya tahan
o Harga

Metode Penilaian : Ordinal (Generik)

1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus

Tabel: Matrik keputusan Pemilihan Merk Kipas Angin yang sesuai dengan Teknik Bayes

Nilai Keputusan

Alternatif Kualitas Daya Tahan Harga Bayes MPE

1. Sekai 2 3 3

2. Maspion 3 4 4

3. Regency 4 4 5

Bayes 0,3 0,3 0,4

Bobot
Kriteria MPE 3 3 4

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 (Sekai) = 23 + 33 + 34 = 116

 Nilai (Maspion) = 23 + 43 + 44 = 328
 Nilai (Regency) = 43 + 43 + 54 = 753

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

3. Regency 4 4 5 4,4 / 1 753 / 1

Bayes 0,3 0,3 0,4

Bobot
Kriteria MPE 3 3 4
10. Penerapan Metode Bayes dan MPE (nisak Ahmad)
Contoh Kasus :
Fokus : Pemilihan Merk Detergen

Alternatif :
 Rinso matic
 Attack
 Wings Daia Putih

Kriteria :

o Kualitas
o Aroma
o Harga

Metode Penilaian : Ordinal (Generik)

1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus

Tabel: Matrik keputusan Pemilihan Merk Detergen yang sesuai dengan Teknik Bayes

Nilai Keputusan

Alternatif Kualitas Aroma Harga Bayes MPE

1. Rinso Matic 4 5 4

2. Attack 2 3 3

3. Wings Daia Putih 3 4 4

Bayes 0,3 0,4 0,3

Bobot
Kriteria MPE 3 4 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 (Rinso Matic) = 43 + 54 + 43 = 753

 Nilai (Attack) = 23 + 34 + 33 = 116
 Nilai (Wings Daia Putih ) = 33 + 44 + 43 = 347

Nilai Keputusan

Bayes / MPE /
Alternatif Kualitas Aroma Harga Peringkat Peringkat

1. Rinso Matic 4 5 4 4,4 / 1 753 / 1

2. Attack 2 3 3 2,7 / 3 116 / 3

3. Wings Daia Putih 3 4 4 3,7 / 2 347 / 2

Bayes 0,3 0,4 0,3

Bobot
Kriteria MPE 3 4 3
11. Penerapan Metode Bayes dan MPE ( kak siti )

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

Kriteria Nilai Keputusan

Alternatif
Kualitas Jangkauan Harga Bayes MPE
Cocos Powder 4 3 4
Unaweeteneed Chocolate 4 3 3
Dark Chocolate 3 5 3
Bayes 0,3 0,3 0,4
Bobot
MPE 3 3 4

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

Kriteria Nilai Keputusan

Alternatif
Kualitas Jangkauan Harga Bayes MPE
Full Cream 4 3 4
Skin Milk 4 3 4
Kental Manis 3 5 3
Bayes 0,3 0,3 0,4
Bobot
MPE 3 3 4

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

13. Penerapan Metode Bayes dan MPE (Safira)

Contoh kasus
 Fokus : Kain Batik
 Alternatif :
1. Katun
2. Paris
3. Sutera
 Kriteria
1. Kualitas
2. Jangkauan
3. Harga
 Metode Penilaian : Ordinal
1. Sangat kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat bagus

kriteria Nilai Keputusan

Alternatif
Kualitas Jangkauan Harga Bayes MPE
Katun 4 4 4
Paris 4 3 5
Sutera 3 3 4
Bayes 0,5 0,2 0,3
Bobot
MPE 5 2 3
Metode Bayes :
• Nilai (Katun) = 4 (0,5) + 4 (0,2) + 4 (0,3) = 4
• Nilai (paris) = 4(0,5) + 3(0,2) + 5 (0,3) = 2,75
• Nilai (sutera) = 3 (0,5) + 3 (0,2) + 4 (0,3) = 3,8
kriteria Bayes
Alternatif Jarak Nilai
Harga pelayanan Peringkat
Tempuh alternatif
Katun 4 4 4 4 1
Paris 4 3 5 2,75 3
Sutera 3 3 4 3,8 2
Bobot Bayes 0,5 0,2 0,3

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

kriteria Nilai Keputusan

Alternatif Jarak
Harga pelayanan Bayes MPE
Tempuh
Kelapa Dua 4 4 5
2M 5 5 3
Kelapa Gading 3 4 4
Bayes 0,3 0,3 0,4
Bobot
MPE 3 3 4

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

Kriteria Nilai Keputusan

Alternatif Jarak
Harga pelayanan Bayes MPE
Tempuh
Indomaret 5 4 3
Alfamart 3 5 4
212 4 4 4
Bayes 0,2 0,4 0,4
Bobot
MPE 2 4 4

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

Kriteria Nilai Keputusan

Alternatif
Kerapian Harga pelayanan Bayes MPE
Nasya 5 4 3
Kuta Raja taylor 5 3 4
Rumah Jahit Ananda 3 4 3
Bayes 0,4 0,2 0,4
Bobot
MPE 4 2 4

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

Kriteria Nilai Keputusan

Hemat
Alternatif Kualitas
Kecepatan Bahan Bayes MPE
Mesin
Bakar
Yamaha 5 4 3
Honda 5 5 4
Suzuki 3 3 3
Bayes 0,3 0,3 0,4
Bobot
MPE 3 3 4

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

Kriteria Nilai Keputusan

Alternatif
Pelayanan Bunga Kebersihan Bayes MPE
BRI 5 4 4
BNI 4 5 4
BTN 4 3 4
Bayes 0,4 0,2 0,4
Bobot
MPE 4 2 4

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 :

Fokus : Pemilihan Laptop

Alternatif :

 Acer
 Asus
 Hp

Kriteria :

o Kualitas
o Service
o Harga

Metode Penilaian : Ordinal (Generik)

1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus

Tabel: Matrik keputusan Pemilihan Laptop yang sesuai dengan Teknik Bayes

Nilai Keputusan

Alternatif Kualitas Service Harga Bayes MPE

1. Acer 4 3 3

2. Asus 5 4 5

3. HP 4 5 4

Bayes 0,4 0,3 0,3

Bobot
Kriteria MPE 4 3 3
Metode Bayes :

 Nilai (Acer) = 4(0,4) + 3(0,3) + 3(0,3) = 3,4

 Nilai (Asus) = 5(0,4) + 4(0,3) + 5(0,3) = 4,7
 Nilai (Hp) = 4(0,4) + 5(0,3) + 4(0,3) = 4,3

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

1. Acer 4 3 3 3,4 / 3 310 / 3

2. Asus 5 4 5 4,7 / 1 814 / 1

3. HP 4 5 4 4,3 / 2 445 / 2

Bayes 0,4 0,3 0,3

Bobot
Kriteria MPE 4 3 3
20. Penerapan Metode Bayes dan MPE (Ira)
Contoh Kasus :

Fokus : Pemilihan Mukena

Alternatif :

 Mukena Bali
 Mukena Bordir
 Mukena Khadijah

Kriteria :

o Kualitas
o Merk
o Harga

Metode Penilaian : Ordinal (Generik)

1. Sangat Kurang
2. Kurang
3. Biasa
4. Bagus
5. Sangat Bagus

Tabel: Matrik keputusan Pemilihan Mukena yang sesuai dengan Teknik Bayes

Nilai Keputusan

Alternatif Kualitas Merk Harga Bayes MPE

1. Mukena Bali 2 4 3

2. Mukena Bordir 4 5 4

3. Mukena Khadijah 4 5 5

Bayes 0,3 0,4 0,3

Bobot
Kriteria MPE 3 4 3
Metode Bayes :

 Nilai (Mukena Bali) = 2(0,3) + 4(0,4) + 3(0,3) = 3,1

 Nilai (Mukena Bordir) = 4(0,3) + 5(0,4) + 4(0,3) = 4,4
 Nilai (Mukena Khadijah) = 4(0,3) + 5(0,4) + 5(0,3) = 4,7

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

1. Mukena Bali 2 4 3 3,1 / 3 291 / 3

2. Mukena Bordir 4 5 4 4,4 / 2 753 / 2

3. Mukena Khadijah 4 5 5 4,7 / 1 814 / 1

Bayes 0,3 0,4 0,3

Bobot
Kriteria MPE 3 4 3
21. Penerapan Metode Bayes dan MPE ( Nisak Abg)
Contoh Kasus :

Fokus : Pemilihan Merk Tas

Alternatif :

 Bonia
 Gucci
 Prada

Kriteria :

o Kualitas
o Daya Tahan
o Harga

Metode Penilaian : Ordinal (Generik)

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

Bayes 0,2 0,4 0,4

Bobot
Kriteria MPE 2 4 4
Metode Bayes :

 Nilai (Bonia) = 3(0,2) + 3(0,4) + 3(0,4) = 3,0

 Nilai (Gucci) = 4(0,2) + 4(0,4) + 4(0,4) = 4,0
 Nilai (Prada) = 4(0,2) + 5(0,4) + 4(0,4) = 4,4

Metode MPE :
 Nilai (Bonia) = 32 + 34 + 34 = 171
 Nilai (Gucci) = 42 + 44 + 44 = 528
 Nilai (Prada) = 42 + 54 + 44 = 897

Nilai Keputusan

Daya Bayes / MPE /

Alternatif Kualitas Tahan Harga Peringkat Peringkat

1. Bonia 3 3 3 3,0 / 3 171 / 3

2. Gucci 4 4 4 4,0 / 2 528 / 2

3. Prada 4 5 4 4,4 / 3 897 / 1

Bayes 0,2 0,4 0,4

Bobot
Kriteria MPE 2 4 4
22. Penerapan Metode Bayes dan MPE ( Sartika )
Contoh Kasus :

Fokus : Pemilihan Model Jelbab

Alternatif :

 Segi Empat
 Rajut
 Pashmina

Kriteria :

o Kualitas Bahan
o Ukuran
o Harga

Metode Penilaian : Ordinal (Generik)

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

Bayes 0,4 0,4 0,2

Bobot
Kriteria MPE 4 4 2
Metode Bayes :

 Nilai (Segi Empat) = 3(0,4) + 4(0,4) + 5(0,2) = 3,8

 Nilai (Rajut) = 3(0,4) + 3(0,4) + 3(0,2) = 3,0
 Nilai (Pashmina) = 4(0,4) + 5(0,4) + 5(0,2) = 4,6

Metode MPE :
 Nilai (Segi Empat) = 34 + 44 + 52 = 362
 Nilai (Rajut) = 34 + 34 + 32 = 171
 Nilai (Pashmina) = 44 + 54 + 52 = 906

Nilai Keputusan

Kualitas Bayes / MPE ?

Alternatif Bahan Ukuran Harga Peringkat Peringkat

1. Segi Empat 3 4 5 3,8 / 2 362 / 2

2. Rajut 3 3 3 3,0 / 3 171 / 3

3. Pashmina 4 5 5 4,6 / 1 906 / 1

Bayes 0,4 0,4 0,2

Bobot
Kriteria MPE 4 4 2
23. Penerapan Metode Bayes dan MPE (Novira )
Contoh Kasus :

Fokus : Pemilihan Toko Roti

Alternatif :

 Bread Boy
 Bread Talk
 Aroma

Kriteria :

o Varian Rasa
o Kebersihan
o Pelayanan

Metode Penilaian : Ordinal (Generik)

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

Bayes 0,5 0,2 0,3

Bobot
Kriteria MPE 5 2 3
Metode Bayes :

 Nilai (Bread Boy) = 3(0,5) + 4(0,2) + 5(0,3) = 3,8

 Nilai (Bread Talk) = 4(0,5) + 4(0,2) + 5(0,3) = 4,3
 Nilai (Aroma) = 4(0,5) + 5(0,2) + 5(0,3) = 4,5

Metode MPE :
 Nilai (Bread Boy) = 35 + 42 + 53 = 334
 Nilai (Bread Talk) = 45 + 42 + 53 = 1115
 Nilai (Aroma) = 45 + 52 + 53 = 1124

Nilai Keputusan

Varian Bayes / MPE /

Alternatif Rasa Kebersihan Pelayanan Peringkat Peringkat

1. Bread Boy 3 4 5 3,8 / 3 334 / 3

2. Bread Talk 4 4 5 4,3 / 2 1115 / 2

3. Aroma 4 5 5 4,5 / 1 1124 / 1

Bayes 0,5 0,2 0,3

Bobot
Kriteria MPE 5 2 3