SPK Metode EDAS: Pengertian, Rumus, Tahapan Perhitungan, dan Contoh Penerapan

Sistem Pendukung Keputusan (SPK) merupakan sistem yang dapat membantu seseorang atau organisasi menentukan pilihan berdasarkan sejumlah kriteria. Dalam penerapannya, terdapat berbagai metode yang dapat digunakan untuk menilai alternatif dan menentukan peringkat berdasarkan data yang tersedia. Salah satunya adalah metode EDAS.

EDAS (Evaluation Based on Distance from Average Solution) merupakan metode pengambilan keputusan multikriteria yang menggunakan jarak setiap alternatif terhadap solusi rata-rata sebagai dasar penilaian. Metode ini dapat digunakan untuk membantu menentukan alternatif terbaik dari beberapa pilihan berdasarkan kriteria dan bobot yang telah ditentukan.

Metode EDAS dapat diterapkan dalam berbagai permasalahan, seperti pemilihan penerima beasiswa, penentuan karyawan terbaik, pemilihan laptop, hingga penentuan prioritas alternatif dalam penelitian. Oleh karena itu, EDAS dapat menjadi salah satu pilihan metode dalam pengembangan aplikasi SPK berbasis web maupun desktop.

1. Pengertian Metode EDAS

EDAS adalah metode pengambilan keputusan multikriteria yang mengevaluasi alternatif berdasarkan jaraknya terhadap solusi rata-rata (average solution). Metode ini diperkenalkan oleh Keshavarz Ghorabaee dan rekan-rekannya pada tahun 2015.

Berbeda dengan metode yang membandingkan alternatif terhadap solusi ideal terbaik dan terburuk, EDAS menggunakan nilai rata-rata setiap kriteria sebagai titik acuan. Setiap alternatif kemudian dinilai berdasarkan dua ukuran utama, yaitu Positive Distance from Average (PDA) dan Negative Distance from Average (NDA).

PDA menunjukkan seberapa jauh suatu alternatif lebih menguntungkan dibandingkan nilai rata-rata pada kriteria tertentu. Sementara itu, NDA menunjukkan seberapa jauh alternatif tersebut kurang menguntungkan dibandingkan nilai rata-rata.

Kedua ukuran tersebut diolah bersama bobot kriteria untuk menghasilkan nilai penilaian akhir. Alternatif dengan nilai akhir yang lebih tinggi akan memperoleh peringkat yang lebih baik.

Dalam Sistem Pendukung Keputusan, metode EDAS membantu proses penilaian menjadi lebih terstruktur karena setiap alternatif dievaluasi berdasarkan data, bobot, dan jenis kriteria yang telah ditetapkan.

2. Fungsi dan Tujuan Metode EDAS

Tujuan utama metode EDAS adalah membantu proses pemilihan dan pemeringkatan alternatif berdasarkan sejumlah kriteria yang saling berkaitan.

Beberapa fungsi metode EDAS antara lain:

• Menentukan peringkat alternatif. Membantu memilih alternatif yang paling sesuai berdasarkan kriteria penilaian.
• Membandingkan alternatif terhadap nilai rata-rata. Menggunakan solusi rata-rata setiap kriteria sebagai acuan evaluasi.
• Mempertimbangkan bobot kriteria. Memberikan pengaruh yang berbeda pada setiap kriteria sesuai tingkat kepentingannya.
• Mendukung pengambilan keputusan yang terukur. Menghasilkan nilai perhitungan yang dapat ditelusuri dan dijelaskan.
• Mendukung pengembangan aplikasi SPK. Dapat diterapkan dalam aplikasi untuk membantu proses penilaian secara lebih praktis.

Meskipun demikian, hasil EDAS tetap bergantung pada kualitas data, ketepatan penentuan kriteria, dan dasar pembobotan yang digunakan. Hasil perhitungan sebaiknya diperlakukan sebagai bahan pendukung keputusan, bukan pengganti seluruh pertimbangan manusia.

3. Cara Kerja Metode EDAS

Secara sederhana, metode EDAS bekerja dengan menghitung nilai rata-rata setiap kriteria dari seluruh alternatif. Nilai rata-rata tersebut digunakan untuk mengetahui apakah suatu alternatif memiliki nilai yang lebih menguntungkan atau kurang menguntungkan dibandingkan kondisi rata-rata.

Selanjutnya, sistem menghitung jarak positif dan jarak negatif setiap alternatif. Hasilnya dikalikan dengan bobot kriteria, kemudian dijumlahkan untuk memperoleh nilai penilaian yang digunakan dalam menentukan peringkat akhir.

Secara umum, tahapan cara kerja EDAS adalah sebagai berikut:

1. Menentukan alternatif yang akan dinilai.
2. Menentukan kriteria dan bobot masing-masing kriteria.
3. Menyusun matriks keputusan berdasarkan data alternatif.
4. Menghitung solusi rata-rata setiap kriteria.
5. Menghitung nilai PDA dan NDA setiap alternatif.
6. Menghitung jumlah jarak positif dan negatif berbobot.
7. Melakukan normalisasi terhadap kedua nilai tersebut.
8. Menghitung nilai penilaian akhir dan menentukan peringkat alternatif.

Setiap tahapan harus dilakukan secara berurutan agar hasil perhitungan dapat dipertanggungjawabkan.

4. Tahapan Perhitungan Metode EDAS

Untuk memahami metode EDAS secara lebih teknis, berikut penjelasan rumus dan tahapan perhitungannya.

4.1. Menentukan Alternatif dan Kriteria

Tahap pertama adalah menentukan alternatif yang akan dibandingkan dan kriteria yang digunakan sebagai dasar penilaian.

Sebagai contoh, sebuah penelitian ingin menentukan laptop terbaik dari beberapa pilihan. Kriteria yang digunakan dapat berupa:

• C1: Harga laptop — cost.
• C2: Kapasitas RAM — benefit.
• C3: Kapasitas penyimpanan — benefit.
• C4: Performa — benefit.

Kriteria benefit merupakan kriteria yang semakin tinggi nilainya semakin menguntungkan. Sebaliknya, kriteria cost merupakan kriteria yang semakin rendah nilainya semakin menguntungkan.

Penentuan jenis kriteria harus sesuai dengan tujuan penelitian. Kesalahan dalam menentukan jenis kriteria dapat memengaruhi hasil perhitungan EDAS.

4.2. Menentukan Bobot Kriteria

Setiap kriteria diberikan bobot sesuai tingkat kepentingannya dalam proses pengambilan keputusan.

Misalnya, harga laptop memiliki bobot lebih besar karena dianggap lebih penting dibandingkan kapasitas penyimpanan. Bobot tersebut perlu ditentukan berdasarkan alasan yang jelas, seperti kebijakan pengambilan keputusan, penilaian pakar, atau metode pembobotan yang digunakan dalam penelitian.

Jika bobot awal dinyatakan sebagai Wj, normalisasi bobot dapat dilakukan dengan rumus:

wⱼ = Wⱼ / ΣWⱼ

Keterangan:

• wⱼ = bobot kriteria yang telah dinormalisasi.
• Wⱼ = bobot awal kriteria ke-j.
• ΣWⱼ = jumlah seluruh bobot awal.

Hasil normalisasi membuat jumlah seluruh bobot menjadi 1, dengan asumsi jumlah bobot awal lebih besar dari nol.

4.3. Menyusun Matriks Keputusan

Matriks keputusan berisi nilai setiap alternatif berdasarkan masing-masing kriteria.

Secara umum, matriks keputusan dituliskan sebagai:

X = [xᵢⱼ]

Keterangan:

• xᵢⱼ = nilai alternatif ke-i pada kriteria ke-j.
• i = indeks alternatif.
• j = indeks kriteria.

Sebagai ilustrasi, matriks keputusan dapat berisi harga, kapasitas RAM, kapasitas penyimpanan, dan nilai performa dari beberapa laptop yang dibandingkan.

Data yang digunakan harus konsisten. Apabila terdapat kriteria kualitatif, peneliti perlu menetapkan aturan konversi ke nilai numerik agar penilaian dapat dilakukan secara terukur.

4.4. Menghitung Solusi Rata-Rata

Tahap berikutnya adalah menghitung nilai rata-rata setiap kriteria dari seluruh alternatif. Nilai tersebut menjadi acuan untuk menghitung jarak positif dan negatif.

Rumus solusi rata-rata adalah:

AVⱼ = (Σxᵢⱼ) / n

Keterangan:

• AVⱼ = nilai rata-rata kriteria ke-j.
• xᵢⱼ = nilai alternatif ke-i pada kriteria ke-j.
• n = jumlah alternatif.

Sebagai contoh, jika terdapat lima alternatif laptop, nilai rata-rata harga dihitung dari total harga kelima laptop dibagi lima. Perhitungan yang sama dilakukan pada setiap kriteria lainnya.

Nilai rata-rata ini tidak langsung menentukan alternatif terbaik. Nilai tersebut hanya berfungsi sebagai titik pembanding dalam tahapan berikutnya.

4.5. Menghitung Positive Distance from Average (PDA)

PDA merupakan ukuran jarak positif suatu alternatif terhadap solusi rata-rata. Nilai ini menunjukkan sejauh mana alternatif lebih menguntungkan daripada rata-rata berdasarkan jenis kriterianya.

Untuk kriteria benefit, rumus PDA adalah:

PDAᵢⱼ = max(0, (xᵢⱼ − AVⱼ) / AVⱼ)

Untuk kriteria cost, rumus PDA adalah:

PDAᵢⱼ = max(0, (AVⱼ − xᵢⱼ) / AVⱼ)

Keterangan:

• PDAᵢⱼ = jarak positif alternatif ke-i pada kriteria ke-j.
• xᵢⱼ = nilai alternatif.
• AVⱼ = nilai rata-rata kriteria.

Pada kriteria benefit, nilai yang lebih besar daripada rata-rata menghasilkan jarak positif. Pada kriteria cost, nilai yang lebih kecil daripada rata-rata menghasilkan jarak positif.

Fungsi max(0, ...) memastikan bahwa nilai PDA tidak negatif. Dengan demikian, ukuran ini berfokus pada keunggulan relatif alternatif terhadap nilai rata-rata.

4.6. Menghitung Negative Distance from Average (NDA)

NDA merupakan ukuran jarak negatif suatu alternatif terhadap solusi rata-rata. Nilai ini menunjukkan sejauh mana alternatif kurang menguntungkan dibandingkan rata-rata berdasarkan jenis kriterianya.

Untuk kriteria benefit, rumus NDA adalah:

NDAᵢⱼ = max(0, (AVⱼ − xᵢⱼ) / AVⱼ)

Untuk kriteria cost, rumus NDA adalah:

NDAᵢⱼ = max(0, (xᵢⱼ − AVⱼ) / AVⱼ)

Keterangan:

• NDAᵢⱼ = jarak negatif alternatif ke-i pada kriteria ke-j.
• xᵢⱼ = nilai alternatif.
• AVⱼ = nilai rata-rata kriteria.

Pada kriteria benefit, nilai di bawah rata-rata menghasilkan jarak negatif. Sementara itu, pada kriteria cost, nilai di atas rata-rata menghasilkan jarak negatif.

PDA dan NDA saling melengkapi dalam proses evaluasi. Keduanya digunakan untuk menggambarkan keunggulan dan kekurangan relatif setiap alternatif terhadap solusi rata-rata.

4.7. Menghitung Sum of Positive Distance (SP) dan Sum of Negative Distance (SN)

Setelah PDA dan NDA diperoleh, setiap nilai dikalikan dengan bobot kriteria. Hasil perkalian kemudian dijumlahkan untuk setiap alternatif.

Rumus jumlah jarak positif berbobot:

SPᵢ = Σ(wⱼ × PDAᵢⱼ)

Rumus jumlah jarak negatif berbobot:

SNᵢ = Σ(wⱼ × NDAᵢⱼ)

Keterangan:

• SPᵢ = jumlah jarak positif berbobot alternatif ke-i.
• SNᵢ = jumlah jarak negatif berbobot alternatif ke-i.
• wⱼ = bobot kriteria ke-j.
• PDAᵢⱼ = jarak positif.
• NDAᵢⱼ = jarak negatif.

Nilai SP yang lebih tinggi menunjukkan kontribusi keunggulan relatif yang lebih besar. Sebaliknya, nilai SN yang lebih tinggi menunjukkan akumulasi kekurangan relatif yang lebih besar.

4.8. Melakukan Normalisasi Nilai SP dan SN

Nilai SP dan SN selanjutnya dinormalisasi agar dapat digunakan dalam penghitungan nilai penilaian akhir.

Normalisasi SP dilakukan menggunakan rumus:

NSPᵢ = SPᵢ / max(SP)

Sementara itu, normalisasi SN dilakukan dengan rumus:

NSNᵢ = 1 − [SNᵢ / max(SN)]

Keterangan:

• NSPᵢ = nilai SP yang telah dinormalisasi.
• NSNᵢ = nilai SN yang telah dinormalisasi.
• max(SP) = nilai SP tertinggi dari seluruh alternatif.
• max(SN) = nilai SN tertinggi dari seluruh alternatif.

Pada normalisasi NSN, nilai SN yang lebih kecil akan menghasilkan nilai normalisasi yang lebih besar. Hal ini sesuai dengan tujuan evaluasi karena kekurangan relatif yang lebih kecil merupakan kondisi yang lebih menguntungkan.

Implementasi perlu memperhatikan kondisi ketika nilai maksimum SP atau SN sama dengan nol. Kondisi tersebut memerlukan penanganan khusus agar sistem tidak melakukan pembagian dengan nol.

4.9. Menghitung Appraisal Score (AS)

Tahap terakhir adalah menghitung nilai penilaian akhir atau Appraisal Score untuk setiap alternatif.

Rumusnya adalah:

ASᵢ = (NSPᵢ + NSNᵢ) / 2

Keterangan:

• ASᵢ = nilai penilaian akhir alternatif ke-i.
• NSPᵢ = nilai normalisasi jarak positif.
• NSNᵢ = nilai normalisasi jarak negatif.

Nilai AS umumnya berada pada rentang 0 sampai 1 apabila seluruh tahapan normalisasi dilakukan sesuai formulasi EDAS standar.

Alternatif dengan nilai AS tertinggi memperoleh peringkat pertama. Alternatif lainnya diurutkan berdasarkan nilai AS dari yang tertinggi hingga terendah.

Apabila terdapat nilai akhir yang sama, peneliti dapat menetapkan aturan penanganan peringkat yang konsisten.

5. Contoh Penerapan Metode EDAS

Salah satu contoh penerapan metode EDAS adalah sistem pendukung keputusan pemilihan penerima beasiswa.

Dalam penelitian tersebut, terdapat beberapa calon penerima beasiswa yang harus dievaluasi berdasarkan sejumlah kriteria. Setiap kriteria memiliki bobot yang disesuaikan dengan kebijakan pemberi beasiswa.

Contoh kriteria yang dapat digunakan meliputi:

Data setiap calon penerima beasiswa dimasukkan ke dalam matriks keputusan. Setelah bobot ditetapkan, sistem menghitung nilai rata-rata setiap kriteria, PDA, NDA, SP, SN, NSP, NSN, dan AS.

Hasil akhirnya berupa daftar calon penerima beasiswa yang diurutkan berdasarkan nilai AS. Calon dengan nilai AS tertinggi memperoleh peringkat teratas berdasarkan model penilaian yang digunakan.

Dalam penerapan nyata, penentuan jenis kriteria dan bobot harus disesuaikan dengan kebijakan beasiswa. Penelitian juga perlu menjelaskan sumber data, dasar penentuan bobot, dan proses validasi hasil perhitungan.

Selain beasiswa, metode EDAS dapat diterapkan pada berbagai permasalahan lainnya, seperti:

• Pemilihan karyawan terbaik.
• Penentuan penerima bantuan sosial.
• Pemilihan laptop berdasarkan harga dan spesifikasi.
• Pemilihan supplier atau pemasok.
• Penentuan lokasi usaha.
• Pemilihan prioritas proyek.
• Evaluasi alternatif berdasarkan sejumlah indikator.

Pemilihan metode dan kriteria sebaiknya disesuaikan dengan karakteristik masalah yang ingin diselesaikan.

6. Kelebihan dan Kekurangan Metode EDAS

Sebelum menerapkan EDAS dalam penelitian atau pengembangan aplikasi, penting untuk memahami kelebihan dan keterbatasannya.

Kelebihan Metode EDAS

1. Menggunakan nilai rata-rata sebagai acuan

EDAS mengevaluasi setiap alternatif berdasarkan jaraknya terhadap solusi rata-rata sehingga proses perbandingan dapat dilakukan secara sistematis.

2. Mempertimbangkan kriteria benefit dan cost

Metode ini dapat mengolah kriteria yang semakin besar semakin baik maupun kriteria yang semakin kecil semakin baik.

3. Mempertimbangkan bobot kriteria

Setiap kriteria dapat diberikan bobot sesuai tingkat kepentingannya sehingga kontribusinya terhadap hasil akhir dapat dibedakan.

4. Memiliki tahapan perhitungan yang terstruktur

Proses perhitungan EDAS terdiri atas tahapan yang jelas, mulai dari penghitungan solusi rata-rata hingga penentuan nilai akhir.

5. Dapat diimplementasikan dalam aplikasi SPK

EDAS dapat diterapkan dalam aplikasi berbasis web maupun desktop untuk membantu proses evaluasi dan pemeringkatan alternatif.

Kekurangan Metode EDAS

1. Bergantung pada kualitas data

Data yang tidak akurat atau tidak konsisten dapat memengaruhi nilai rata-rata dan hasil peringkat alternatif.

2. Hasil dipengaruhi oleh bobot kriteria

Perubahan bobot dapat mengubah hasil penilaian. Karena itu, dasar penentuan bobot harus dijelaskan dengan baik.

3. Memerlukan pemahaman jenis kriteria

Kesalahan menentukan benefit dan cost dapat membuat hasil penilaian tidak sesuai dengan tujuan penelitian.

4. Memerlukan penanganan kondisi khusus

Perhitungan perlu menangani kondisi seperti nilai rata-rata nol atau pembagi normalisasi bernilai nol agar tidak menghasilkan kesalahan komputasi.

5. Tidak selalu menjadi pilihan terbaik untuk semua masalah

EDAS perlu dipilih berdasarkan karakteristik permasalahan dan kebutuhan penelitian. Metode lain dapat lebih sesuai apabila mekanisme evaluasinya lebih cocok dengan tujuan yang ingin dicapai.

7. Perbedaan EDAS dengan Metode SPK Lainnya

EDAS memiliki tujuan umum yang sama dengan metode SPK lainnya, yaitu membantu menentukan peringkat alternatif berdasarkan sejumlah kriteria. Namun, setiap metode menggunakan mekanisme perhitungan yang berbeda.

Perbedaan utama EDAS dengan COPRAS terletak pada dasar evaluasinya. EDAS menggunakan solusi rata-rata sebagai titik acuan, sedangkan COPRAS menggunakan agregasi kontribusi kriteria benefit dan cost untuk menghitung signifikansi relatif alternatif.

Tidak ada satu metode yang selalu lebih unggul dalam seluruh kondisi. Peneliti perlu memilih metode berdasarkan karakteristik masalah, jenis data, kebutuhan analisis, serta alasan metodologis yang dapat dipertanggungjawabkan.

8. Implementasi Metode EDAS dalam Aplikasi Berbasis Web

Metode EDAS dapat diterapkan dalam aplikasi Sistem Pendukung Keputusan berbasis web untuk mempermudah pengelolaan data, perhitungan, dan penyajian hasil penilaian.

Beberapa fitur yang dapat dikembangkan antara lain:

• Manajemen kriteria: mengelola nama kriteria, bobot, dan jenis benefit atau cost.
• Manajemen alternatif: menyimpan data objek atau kandidat yang akan dievaluasi.
• Input nilai alternatif: memasukkan nilai setiap alternatif berdasarkan kriteria yang tersedia.
• Proses perhitungan EDAS: menjalankan perhitungan solusi rata-rata, PDA, NDA, SP, SN, NSP, NSN, dan AS.
• Hasil perangkingan: menampilkan urutan alternatif berdasarkan nilai akhir.
• Laporan hasil: menyajikan hasil penilaian sebagai bahan evaluasi dan dokumentasi.

Aplikasi yang baik tidak hanya menampilkan peringkat akhir, tetapi juga menyediakan rincian perhitungan agar pengguna dapat memahami bagaimana suatu alternatif memperoleh nilai tertentu.

Dalam proses pengembangan, hasil perhitungan program sebaiknya dibandingkan dengan perhitungan manual menggunakan data yang sama. Pengujian juga perlu memastikan bahwa sistem dapat menangani data kosong, bobot yang tidak valid, dan kondisi khusus dalam perhitungan.

Jika ingin mempelajari penerapan metode EDAS secara langsung, Anda dapat melihat contoh program melalui halaman source code metode EDAS.

9. Apakah Metode EDAS Cocok untuk Skripsi atau Tugas Akhir?

Metode EDAS dapat digunakan dalam skripsi atau tugas akhir yang membahas pengembangan Sistem Pendukung Keputusan, khususnya penelitian yang melibatkan pemilihan atau pemeringkatan sejumlah alternatif berdasarkan beberapa kriteria.

Berikut beberapa contoh judul penelitian yang dapat dikembangkan:

1. Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Menggunakan Metode EDAS Berbasis Web.
2. Penerapan Metode EDAS untuk Menentukan Karyawan Terbaik pada Perusahaan.
3. Sistem Pendukung Keputusan Pemilihan Laptop Berdasarkan Harga dan Spesifikasi Menggunakan Metode EDAS.
4. Implementasi Metode EDAS dalam Penentuan Prioritas Penerima Bantuan Sosial.
5. Analisis Perbandingan Metode EDAS dan COPRAS dalam Pemeringkatan Alternatif pada Sistem Pendukung Keputusan.

Agar penelitian memiliki kontribusi yang jelas, mahasiswa perlu menjelaskan permasalahan yang ingin diselesaikan, alasan pemilihan EDAS, sumber data, penentuan bobot, dan cara mengevaluasi hasil sistem.

Jika penelitian membandingkan EDAS dengan metode lain, gunakan data dan kriteria yang konsisten serta tentukan ukuran evaluasi yang sesuai. Perbedaan hasil peringkat saja belum cukup untuk menyimpulkan bahwa satu metode lebih baik daripada metode lainnya.

Kesimpulan

EDAS (Evaluation Based on Distance from Average Solution) merupakan metode pengambilan keputusan multikriteria yang menggunakan jarak alternatif terhadap solusi rata-rata sebagai dasar evaluasi.

Tahapan perhitungannya meliputi penentuan bobot dan matriks keputusan, penghitungan solusi rata-rata, PDA, NDA, SP, SN, normalisasi, serta penghitungan nilai penilaian akhir atau AS. Alternatif dengan nilai AS tertinggi memperoleh peringkat terbaik berdasarkan data dan kriteria yang digunakan.

Metode EDAS dapat diterapkan dalam berbagai permasalahan, seperti pemilihan penerima beasiswa, penentuan karyawan terbaik, pemilihan perangkat komputer, dan evaluasi alternatif lainnya.

Dalam penelitian akademik, keberhasilan penerapan EDAS tetap bergantung pada kualitas data, ketepatan penentuan kriteria, dasar pembobotan, dan validasi perhitungan. Dengan memahami konsep dan tahapan tersebut, mahasiswa maupun pengembang aplikasi dapat mempertimbangkan EDAS sebagai salah satu alternatif metode untuk membangun Sistem Pendukung Keputusan yang terstruktur dan transparan.