Metode MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) merupakan salah satu metode yang digunakan dalam Sistem Pendukung Keputusan (SPK) untuk membantu menentukan alternatif terbaik berdasarkan beberapa kriteria penilaian. Metode ini menggunakan pendekatan optimasi dengan mempertimbangkan kriteria yang bersifat benefit maupun cost.
Dalam proses perhitungannya, metode MOORA melakukan normalisasi terhadap matriks keputusan, kemudian mengalikan nilai normalisasi dengan bobot setiap kriteria. Selanjutnya, nilai kriteria benefit dijumlahkan dan nilai kriteria cost dikurangkan untuk memperoleh nilai optimasi setiap alternatif.
Pada artikel ini, kita akan membahas metode MOORA mulai dari pengertian, konsep dasar, rumus, tahapan perhitungan, hingga contoh penerapannya dalam studi kasus pemilihan karyawan terbaik.
1. Pengertian Metode MOORA
MOORA merupakan singkatan dari Multi-Objective Optimization on the Basis of Ratio Analysis. Metode ini diperkenalkan oleh Brauers dan Zavadskas pada tahun 2006 sebagai pendekatan pengambilan keputusan multikriteria.
Metode MOORA bekerja dengan membandingkan sejumlah alternatif berdasarkan beberapa kriteria yang telah ditentukan. Setiap kriteria memiliki nilai dan bobot sesuai tingkat kepentingannya.
Salah satu karakteristik utama metode MOORA adalah kemampuannya menangani kriteria yang memiliki arah penilaian berbeda, yaitu:
- Benefit: Kriteria yang semakin besar nilainya semakin baik.
- Cost: Kriteria yang semakin kecil nilainya semakin baik.
Sebagai contoh, dalam pemilihan karyawan terbaik, nilai kinerja, kehadiran, dan masa kerja dapat menjadi kriteria benefit. Sementara itu, gaji dapat menjadi kriteria cost apabila perusahaan ingin mempertimbangkan efisiensi biaya.
Hasil akhir metode MOORA berupa nilai optimasi setiap alternatif yang dapat digunakan untuk menentukan urutan peringkat. Alternatif dengan nilai optimasi tertinggi menjadi alternatif yang paling direkomendasikan.
2. Tujuan dan Fungsi Metode MOORA
Metode MOORA digunakan untuk membantu proses pengambilan keputusan ketika terdapat beberapa alternatif yang harus dievaluasi berdasarkan sejumlah kriteria. Dalam penerapannya, metode ini memiliki beberapa fungsi, antara lain:
- Membantu menentukan alternatif terbaik berdasarkan beberapa kriteria.
- Menggabungkan kriteria benefit dan cost dalam satu proses perhitungan.
- Mempermudah proses evaluasi dan perbandingan alternatif.
- Menghasilkan nilai optimasi untuk setiap alternatif.
- Membantu menyusun peringkat berdasarkan hasil perhitungan.
Metode MOORA dapat diterapkan dalam berbagai bidang, seperti pemilihan karyawan terbaik, penerimaan siswa, pemilihan supplier, penentuan penerima bantuan, pemilihan lokasi, hingga evaluasi kinerja.
3. Konsep Dasar Metode MOORA
Secara umum, metode MOORA menggunakan beberapa komponen utama dalam proses pengambilan keputusan.
a. Alternatif
Alternatif merupakan objek atau pilihan yang akan dievaluasi. Setiap alternatif memiliki sejumlah nilai berdasarkan kriteria yang telah ditentukan. Contohnya:
- A1: Karyawan 1
- A2: Karyawan 2
- A3: Karyawan 3
b. Kriteria
Kriteria merupakan aspek yang digunakan sebagai dasar penilaian terhadap setiap alternatif. Contohnya adalah kinerja, kehadiran, kedisiplinan, gaji, dan masa kerja.
c. Bobot kriteria
Bobot menunjukkan tingkat kepentingan setiap kriteria dalam proses pengambilan keputusan. Semakin besar bobot, semakin besar pengaruh kriteria tersebut terhadap hasil perhitungan.
d. Jenis kriteria
Dalam metode MOORA, kriteria dibedakan menjadi dua jenis:
- Benefit, yaitu kriteria yang diharapkan memiliki nilai semakin besar.
- Cost, yaitu kriteria yang diharapkan memiliki nilai semakin kecil.
e. Nilai optimasi
Nilai optimasi merupakan hasil akhir perhitungan MOORA yang diperoleh dari penjumlahan nilai kriteria benefit dan pengurangan nilai kriteria cost setelah proses normalisasi dan pembobotan.
4. Rumus Metode MOORA
Dalam metode MOORA, terdapat beberapa rumus utama yang digunakan dalam proses perhitungan.
a. Matriks keputusan
Tahap pertama adalah menyusun matriks keputusan berdasarkan nilai setiap alternatif terhadap seluruh kriteria.
Bentuk umum matriks keputusan:
X = [x_ij]
Keterangan:
- X = Matriks keputusan.
- x_ij = Nilai alternatif ke-i pada kriteria ke-j.
- i = Indeks alternatif.
- j = Indeks kriteria.
Matriks tersebut menjadi dasar dalam proses normalisasi.
b. Normalisasi matriks keputusan
Normalisasi dilakukan untuk menyamakan skala nilai setiap kriteria sehingga dapat dibandingkan dalam satu proses perhitungan.
Rumus normalisasi MOORA:
x*_ij = x_ij / √(Σ(x_ij²))
Keterangan:
- x*_ij = Nilai matriks yang telah dinormalisasi.
- x_ij = Nilai alternatif ke-i pada kriteria ke-j.
- Σ(x_ij²) = Jumlah kuadrat nilai seluruh alternatif pada kriteria ke-j.
- √ = Akar kuadrat.
Normalisasi dilakukan pada setiap kriteria secara terpisah.
c. Pembobotan matriks ternormalisasi
Setelah mendapatkan nilai normalisasi, tahap berikutnya adalah mengalikan setiap nilai normalisasi dengan bobot kriteria.
Rumus pembobotan:
y_ij = w_j × x*_ij
Keterangan:
- y_ij = Nilai matriks ternormalisasi terbobot.
- w_j = Bobot kriteria ke-j.
- x*_ij = Nilai normalisasi alternatif ke-i pada kriteria ke-j.
Bobot yang digunakan sebaiknya telah dinormalisasi sehingga jumlah seluruh bobot sama dengan 1.
d. Menghitung nilai optimasi
Tahap terakhir adalah menghitung nilai optimasi untuk setiap alternatif.
Rumus nilai optimasi MOORA:
Y_i = Σ(y_ij untuk kriteria benefit) - Σ(y_ij untuk kriteria cost)
Keterangan:
- Y_i = Nilai optimasi alternatif ke-i.
- y_ij = Nilai matriks ternormalisasi terbobot.
- Kriteria benefit dijumlahkan.
- Kriteria cost dikurangkan.
Alternatif dengan nilai Y_i terbesar menjadi alternatif terbaik berdasarkan hasil perhitungan MOORA.
5. Tahapan Perhitungan Metode MOORA
Secara berurutan, proses perhitungan metode MOORA dapat dilakukan melalui tahapan berikut:
- Menentukan alternatif yang akan dievaluasi.
- Menentukan kriteria penilaian.
- Menentukan jenis kriteria (benefit atau cost).
- Menentukan bobot setiap kriteria.
- Menyusun matriks keputusan.
- Melakukan normalisasi matriks keputusan.
- Menghitung matriks ternormalisasi terbobot.
- Menghitung nilai optimasi setiap alternatif.
- Melakukan perangkingan berdasarkan nilai optimasi.
Untuk memahami setiap tahapan tersebut, berikut contoh perhitungan metode MOORA menggunakan studi kasus pemilihan karyawan terbaik.
6. Contoh Perhitungan Metode MOORA
Sebagai contoh, sebuah perusahaan ingin menentukan karyawan terbaik berdasarkan beberapa kriteria penilaian. Terdapat tiga karyawan yang akan dievaluasi, yaitu A1, A2, dan A3. Penilaian dilakukan menggunakan empat kriteria, yaitu kinerja, kehadiran, gaji, dan masa kerja.
a. Menentukan kriteria dan jenisnya
Berikut kriteria yang digunakan dalam studi kasus pemilihan karyawan terbaik.
| Kode | Kriteria | Jenis |
|---|---|---|
| C1 | Kinerja | Benefit |
| C2 | Kehadiran | Benefit |
| C3 | Gaji | Cost |
| C4 | Masa Kerja | Benefit |
Penjelasan:
- Kinerja termasuk benefit karena semakin tinggi nilai kinerja, semakin baik.
- Kehadiran termasuk benefit karena tingkat kehadiran yang lebih tinggi menjadi pertimbangan positif.
- Gaji termasuk cost karena perusahaan mempertimbangkan efisiensi biaya.
- Masa kerja termasuk benefit karena semakin lama masa kerja, semakin tinggi nilai yang diberikan dalam contoh ini.
b. Menentukan bobot kriteria
Setiap kriteria diberikan bobot berdasarkan tingkat kepentingannya.
| Kriteria | Bobot Awal |
|---|---|
| Kinerja | 35 |
| Kehadiran | 25 |
| Gaji | 25 |
| Masa Kerja | 15 |
| Total | 100 |
Bobot tersebut kemudian dinormalisasi agar jumlah keseluruhannya sama dengan 1.
Rumus normalisasi bobot:
w_j = W_j / ΣW_j
Jumlah seluruh bobot:
ΣW_j = 35 + 25 + 25 + 15 = 100
Perhitungan normalisasi bobot:
C1 = 35 / 100 = 0,35
C2 = 25 / 100 = 0,25
C3 = 25 / 100 = 0,25
C4 = 15 / 100 = 0,15
Hasil normalisasi bobot:
| Kriteria | Bobot Awal | Bobot Normalisasi |
|---|---|---|
| C1 | 35 | 0,35 |
| C2 | 25 | 0,25 |
| C3 | 25 | 0,25 |
| C4 | 15 | 0,15 |
| Total | 100 | 1,00 |
c. Menentukan nilai alternatif
Setelah kriteria dan bobot ditentukan, selanjutnya diberikan nilai untuk setiap alternatif.
| Alternatif | Kinerja (C1) | Kehadiran (C2) | Gaji (C3) | Masa Kerja (C4) |
|---|---|---|---|---|
| A1 | 90 | 95 | 5,5 | 4 |
| A2 | 85 | 90 | 6,0 | 6 |
| A3 | 95 | 85 | 5,0 | 5 |
Keterangan:
- Nilai kinerja dan kehadiran menggunakan skala penilaian 0–100.
- Nilai gaji menggunakan satuan juta rupiah per bulan.
- Nilai masa kerja menggunakan satuan tahun.
Data tersebut selanjutnya disusun menjadi matriks keputusan.
d. Menyusun matriks keputusan
Berdasarkan data alternatif, diperoleh matriks keputusan X sebagai berikut:
| Alternatif | C1 | C2 | C3 | C4 |
|---|---|---|---|---|
| A1 | 90 | 95 | 5,5 | 4 |
| A2 | 85 | 90 | 6,0 | 6 |
| A3 | 95 | 85 | 5,0 | 5 |
Matriks tersebut berisi nilai setiap alternatif berdasarkan empat kriteria yang telah ditentukan.
e. Melakukan normalisasi matriks keputusan
Tahap berikutnya adalah melakukan normalisasi terhadap matriks keputusan menggunakan rumus:
x*_ij = x_ij / √(Σ(x_ij²))
Perhitungan dilakukan untuk setiap kriteria.
Normalisasi kriteria C1 (Kinerja)
Jumlah kuadrat nilai kriteria C1:
Σ(C1²) = 90² + 85² + 95²
Σ(C1²) = 8.100 + 7.225 + 9.025
Σ(C1²) = 24.350
Akar kuadrat:
√24.350 = 156,0449
Normalisasi setiap alternatif:
A1 = 90 / 156,0449 = 0,5768
A2 = 85 / 156,0449 = 0,5447
A3 = 95 / 156,0449 = 0,6088
Normalisasi kriteria C2 (Kehadiran)
Jumlah kuadrat nilai kriteria C2:
Σ(C2²) = 95² + 90² + 85²
Σ(C2²) = 9.025 + 8.100 + 7.225
Σ(C2²) = 24.350
Akar kuadrat:
√24.350 = 156,0449
Normalisasi setiap alternatif:
A1 = 95 / 156,0449 = 0,6088
A2 = 90 / 156,0449 = 0,5768
A3 = 85 / 156,0449 = 0,5447
Normalisasi kriteria C3 (Gaji)
Jumlah kuadrat nilai kriteria C3:
Σ(C3²) = 5,5² + 6,0² + 5,0²
Σ(C3²) = 30,25 + 36 + 25
Σ(C3²) = 91,25
Akar kuadrat:
√91,25 = 9,5525
Normalisasi setiap alternatif:
A1 = 5,5 / 9,5525 = 0,5758
A2 = 6,0 / 9,5525 = 0,6281
A3 = 5,0 / 9,5525 = 0,5234
Normalisasi kriteria C4 (Masa Kerja)
Jumlah kuadrat nilai kriteria C4:
Σ(C4²) = 4² + 6² + 5²
Σ(C4²) = 16 + 36 + 25
Σ(C4²) = 77
Akar kuadrat:
√77 = 8,7750
Normalisasi setiap alternatif:
A1 = 4 / 8,7750 = 0,4558
A2 = 6 / 8,7750 = 0,6838
A3 = 5 / 8,7750 = 0,5698
Hasil normalisasi matriks
Setelah seluruh kriteria dinormalisasi, diperoleh hasil sebagai berikut.
| Alternatif | C1 | C2 | C3 | C4 |
|---|---|---|---|---|
| A1 | 0,5768 | 0,6088 | 0,5758 | 0,4558 |
| A2 | 0,5447 | 0,5768 | 0,6281 | 0,6838 |
| A3 | 0,6088 | 0,5447 | 0,5234 | 0,5698 |
Nilai pada tabel merupakan hasil normalisasi dari matriks keputusan. Selanjutnya, nilai tersebut akan dikalikan dengan bobot masing-masing kriteria.
f. Menghitung matriks ternormalisasi terbobot
Tahap selanjutnya adalah menghitung nilai matriks ternormalisasi terbobot dengan menggunakan rumus:
y_ij = w_j × x*_ij
Bobot kriteria yang digunakan adalah:
- C1 = 0,35
- C2 = 0,25
- C3 = 0,25
- C4 = 0,15
Perhitungan setiap alternatif dilakukan sebagai berikut.
Alternatif A1
C1 = 0,35 × 0,5768 = 0,2019
C2 = 0,25 × 0,6088 = 0,1522
C3 = 0,25 × 0,5758 = 0,1439
C4 = 0,15 × 0,4558 = 0,0684
Alternatif A2
C1 = 0,35 × 0,5447 = 0,1907
C2 = 0,25 × 0,5768 = 0,1442
C3 = 0,25 × 0,6281 = 0,1570
C4 = 0,15 × 0,6838 = 0,1026
Alternatif A3
C1 = 0,35 × 0,6088 = 0,2131
C2 = 0,25 × 0,5447 = 0,1362
C3 = 0,25 × 0,5234 = 0,1309
C4 = 0,15 × 0,5698 = 0,0855
Hasil matriks ternormalisasi terbobot:
| Alternatif | C1 | C2 | C3 | C4 |
|---|---|---|---|---|
| A1 | 0,2019 | 0,1522 | 0,1439 | 0,0684 |
| A2 | 0,1907 | 0,1442 | 0,1570 | 0,1026 |
| A3 | 0,2131 | 0,1362 | 0,1309 | 0,0855 |
g. Menghitung nilai optimasi MOORA
Setelah mendapatkan matriks ternormalisasi terbobot, tahap berikutnya adalah menghitung nilai optimasi setiap alternatif.
Rumus yang digunakan:
Y_i = Σ(Benefit) - Σ(Cost)
Dalam contoh ini:
- Kriteria benefit: C1, C2, dan C4.
- Kriteria cost: C3.
Dengan demikian, nilai optimasi dihitung menggunakan rumus:
Y_i = C1 + C2 + C4 - C3
Perhitungan alternatif A1
Y_1 = 0,2019 + 0,1522 + 0,0684 - 0,1439
Y_1 = 0,2785
Perhitungan alternatif A2
Y_2 = 0,1907 + 0,1442 + 0,1026 - 0,1570
Y_2 = 0,2804
Perhitungan alternatif A3
Y_3 = 0,2131 + 0,1362 + 0,0855 - 0,1309
Y_3 = 0,3039
Hasil perhitungan nilai optimasi:
| Alternatif | Nilai Optimasi (Y) |
|---|---|
| A1 | 0,2785 |
| A2 | 0,2804 |
| A3 | 0,3039 |
Nilai optimasi tersebut menjadi dasar untuk menentukan peringkat setiap alternatif.
h. Menentukan hasil perangkingan
Tahap terakhir adalah melakukan perangkingan berdasarkan nilai optimasi yang telah diperoleh. Dalam metode MOORA, alternatif dengan nilai optimasi terbesar merupakan alternatif yang paling direkomendasikan. Hasil perangkingan dapat dilihat pada tabel berikut.
| Peringkat | Alternatif | Nilai Optimasi | Keterangan |
|---|---|---|---|
| 1 | A3 | 0,3039 | Terbaik |
| 2 | A2 | 0,2804 | Peringkat 2 |
| 3 | A1 | 0,2785 | Peringkat 3 |
Berdasarkan hasil perhitungan tersebut, alternatif A3 memperoleh nilai optimasi tertinggi sebesar 0,3039. Dengan demikian, Karyawan 3 (A3) terpilih sebagai karyawan terbaik berdasarkan kriteria dan bobot yang digunakan dalam studi kasus ini.
7. Kelebihan dan Kekurangan Metode MOORA
Seperti metode Sistem Pendukung Keputusan lainnya, MOORA memiliki kelebihan dan keterbatasan yang perlu diperhatikan sebelum diterapkan.
Kelebihan metode MOORA
Beberapa kelebihan metode MOORA antara lain:
- Memiliki tahapan perhitungan yang relatif sederhana.
- Dapat menangani kriteria benefit dan cost dalam satu proses.
- Menggunakan normalisasi untuk menyamakan skala nilai kriteria.
- Dapat menggabungkan bobot kriteria dalam proses optimasi.
- Menghasilkan nilai optimasi yang dapat digunakan untuk menyusun peringkat alternatif.
Kekurangan metode MOORA
Selain kelebihan, terdapat beberapa hal yang perlu diperhatikan:
- Hasil perhitungan bergantung pada ketepatan data alternatif dan kriteria.
- Penentuan bobot dapat memengaruhi hasil akhir perangkingan.
- Nilai yang digunakan harus dapat diproses secara numerik dan memiliki skala yang sesuai.
- Perubahan data alternatif dapat memengaruhi hasil normalisasi dan peringkat.
- Penentuan jenis benefit dan cost harus sesuai dengan tujuan pengambilan keputusan.
Oleh karena itu, penerapan metode MOORA perlu diawali dengan penentuan kriteria, bobot, dan data penilaian yang sesuai dengan kebutuhan.
8. Perbedaan Metode MOORA dengan Metode SPK Lainnya
Metode MOORA memiliki pendekatan perhitungan yang berbeda dengan beberapa metode Sistem Pendukung Keputusan lainnya.
Berikut gambaran singkat perbedaannya.
| Metode | Pendekatan Perhitungan |
|---|---|
| SAW | Menormalisasi nilai alternatif dan menjumlahkannya berdasarkan bobot. |
| WP | Mengalikan nilai alternatif yang dipangkatkan dengan bobot kriteria. |
| TOPSIS | Mengukur jarak alternatif terhadap solusi ideal positif dan negatif. |
| MOORA | Melakukan normalisasi, pembobotan, kemudian mengurangi nilai cost dari benefit. |
| ELECTRE | Menggunakan konsep hubungan dominasi melalui himpunan concordance dan discordance. |
| PROMETHEE | Menggunakan fungsi preferensi untuk membandingkan alternatif. |
Setiap metode memiliki karakteristik dan tahapan perhitungan masing-masing. Pemilihan metode sebaiknya disesuaikan dengan jenis permasalahan, karakteristik data, serta kebutuhan penelitian atau aplikasi yang dikembangkan.
9. Penerapan Metode MOORA dalam Aplikasi Sistem Pendukung Keputusan
Metode MOORA dapat diterapkan ke dalam aplikasi Sistem Pendukung Keputusan berbasis web maupun desktop. Dengan menggunakan aplikasi, proses pengelolaan data dan perhitungan dapat dilakukan secara lebih terstruktur.
Secara umum, aplikasi SPK menggunakan metode MOORA dapat memiliki beberapa fitur berikut:
- Pengelolaan data alternatif.
- Pengelolaan data kriteria.
- Pengaturan bobot setiap kriteria.
- Penentuan jenis kriteria benefit dan cost.
- Pengelolaan nilai alternatif.
- Proses normalisasi matriks keputusan.
- Perhitungan matriks ternormalisasi terbobot.
- Perhitungan nilai optimasi MOORA.
- Hasil perangkingan alternatif.
- Laporan hasil keputusan.
Dengan fitur tersebut, pengguna dapat melakukan proses pengambilan keputusan tanpa harus menghitung setiap tahapan secara manual.
10. Kesimpulan
Metode MOORA merupakan salah satu metode Sistem Pendukung Keputusan yang dapat digunakan untuk menentukan alternatif terbaik berdasarkan beberapa kriteria yang memiliki bobot dan jenis penilaian berbeda.
Proses perhitungan MOORA dimulai dengan menyusun matriks keputusan, melakukan normalisasi, menghitung matriks ternormalisasi terbobot, kemudian menghitung nilai optimasi dengan menggabungkan kriteria benefit dan cost.
Berdasarkan contoh perhitungan pemilihan karyawan terbaik, alternatif A3 memperoleh nilai optimasi tertinggi sebesar 0,3039 sehingga menempati peringkat pertama.
Metode MOORA dapat menjadi salah satu pilihan dalam pengembangan aplikasi SPK karena tahapan perhitungannya relatif mudah dipahami dan dapat diterapkan pada berbagai permasalahan pengambilan keputusan multikriteria.
Kamu juga bisa langsung mempelajari metode MOORA pada Aplikasi Metode MOORA Berbasis Web yang dapat dicek disini Aplikasi SPK Metode MOORA
Referensi
Brauers, W. K. M., & Zavadskas, E. K. (2006). The MOORA method and its application to privatization in a transition economy. Control and Cybernetics, 35(2), 445–469.
Brauers, W. K. M., & Zavadskas, E. K. (2012). Robustness of MULTIMOORA: A method for multi-objective optimization. Informatica, 23(1), 1–25.