Weighted Product (WP): Pengertian, Cara Kerja, Rumus dan Penerapannya

Metode Weighted Product (WP) merupakan salah satu teknik populer dalam Sistem Pendukung Keputusan (SPK) yang sering digunakan untuk membantu proses pengambilan keputusan berbasis multi kriteria. Dalam dunia teknologi informasi dan data, metode ini banyak dimanfaatkan untuk menentukan alternatif terbaik dari berbagai pilihan berdasarkan bobot nilai tertentu. Jika kamu sedang mencari cara menghitung metode WP, memahami rumusnya, atau melihat contoh penerapannya, maka kamu berada di artikel yang tepat.

Tidak sedikit yang masih bingung tentang apa itu Weighted Product, bagaimana cara kerjanya, serta apa perbedaannya dengan metode SAW. Padahal, memahami konsep ini bisa sangat membantu dalam berbagai kasus seperti penilaian karyawan, pemilihan jurusan, hingga seleksi kandidat terbaik. Artikel ini akan membahas secara lengkap mulai dari pengertian, langkah-langkah perhitungan, kelebihan dan kekurangan, hingga contoh penerapan metode WP secara praktis dan mudah dipahami.

Apa Itu Weighted Product (WP)?

Metode Weighted Product merupakan salah satu metode MADS (Multi Atibute Decision Making) yang merupakan metode pengambilan keputusan yang didasarkan pada beberapa atribut.

Konsep permasalahannya adalah mengeveluasi m alternatif Ai (i=1,2..,n) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,..n) m dimana setiap atribut tidak saling bergantungan satu dengan yang lainnya dan metode ini mengharuskan pembuat menentukan bobot dari setiap atribut.

Metode WP dapat membantu dalam mengambil keputusan akan tetapi perhitungan dengan menggunakan metode weighted product ini hanya menghasilkan nilai terbesar yang akan terpilih sebagai alternatif yang terbaik.

Baca Juga: Belajar Sistem Pendukung Keputusan (SPK): Pengertian, Komponen dan Cara Kerja Sistem Pendukung Keputusan

Perbedaan Weighted Product (WP) dengan SAW

Pada metode WP berbeda dengan metode SAW dalam melakukan perlakuan awal terhadap hasil penilaian atribut keputusan. Dalam metode WP tidak diperlukan manipulasi matriks karena metode ini mengalikan hasil penilaian setiap atribut.

Hasil perkalian tersebut belum dibandingkan (dibagi) dengan nilai standar, dalam hal ini alternatif ideal sering digunakkan sebagai nilai standar bobot. Bobot untuk atribut manfaat berfungsi sebagai pangkat positif dalam proses perkalian antar atribut, sementara bobot berfungsi sebagai pangkat negatif.

Baca Juga: Simple Additive Weighting (SAW): Defenisi, Cara Kerja dan Penerapannya

Langkah-Langkah Weighted Product (WP)

Adapaun langkah-langkah dalam menggunakan metode WP sebagai berikut.

1. Menentukan Kriteria-Kriteria

Kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci dan sifat dari masing-masing kriteria.

2. Menentukan Rating Kecocokan

Rating kecocokan setiap alternatif pada setiap kriteria dan buat matriks keputusan.

3. Melakukan Normalisasi Bobot

Bobot ternormalisasi = bobot setiap kriteria / penjumlahan semua bobot kriteria.

Rumus untuk menghitung bobot ternormalisasi setiap kriteria:

$$w_j = \frac{w_j}{\sum_{j=1}^{n}w_j}$$

Keterangan:

• $w_j$​ = bobot awal kriteria ke-$j$j
• $\sum_{j=1}^{n}w_j$​ = jumlah semua bobot kriteria

4. Menentukan Nilai Vektor S

Menghitung nilai preferensi untuk alternatif sebagai vektor S, nilai preferensi untuk alternatif dihitung dengan menggunakan rumus.

Rumus untuk menghitung nilai vektor S setiap alternatif:

$$S_i = \prod_{j=1}^{n} x_{ij}^{w_j}$$

Keterangan:

• $S_i$​ = nilai preferensi alternatif ke-$i$
• $x_{ij}$​ = nilai variabel pada alternatif ke-$i$ dan kriteria ke-$j$
• $w_j$​ = bobot normalisasi kriteria ke-$j$
• $n$= banyaknya kriteria

5. Menentukan Nilai Vektor V

Nilai vektor v merupakan nilai yang akan digunakan untuk perangkingan. Nilai preferensi relatif dari setiap alternatif dapat dihitung dengan rumus.

Rumus untuk menghitung nilai vektor V (untuk perankingan):

$$V_i = \frac{S_i}{\sum_{i=1}^{m} S_i}$$

Keterangan:

• $V_i$​ = nilai preferensi relatif dari alternatif ke-$i$
• $S_i$​ = nilai preferensi alternatif ke-$i$
• $m$ = jumlah total alternatif

6. Merangkin Nilai Vektor V

Merangking nilai vektor V sekaligus membuat kesimpulan sebagai tahap akhir.

Baca Juga: Belajar Analytical Hierarchy Process (AHP): Pengertian, Kelebihan, Kekurangan dan Cara Kerja AHP

Kelebihan Weighted Product (WP)

Adapun kelebihan yang terdapat pada metode Weighted Product sebagai berikut.

• Lebih mudah dipahami dibandingkan dengan AHP ataupun ANP tapi lebih sulit daripada SAW.
• Lebih sederhada dibandingkan dengan beberapa metode lainnya.
• Tidak terlalu komplek dalam segi perhitungannya.

Kekurangan Weighted Product (WP)

Weighted Product (wp) juga memiliki kekurangan seperti berikut.

• Metode ini hanya untuk digunakan pada proses nilai yang memiliki nilai rentang.
• Dibandingkan dengan metode SPK lainya, metode ini belum seakurat dengan metode pengambilan keputusan dengan ketidak pastian.

Contoh Penerapan Weighted Product (WP)

1. Diterapkan pada sistem pendukung keputusan penilaian kinerja karyawan pada sebuah perusahaan.
2. Diterapkan pada sistem pendukung keputusan dalam menentukan pejurusan siswa pada sebuah sekolah.
3. Diterapkan pada sistem pendukung keputusan untuk rekruitmen karyawan produksi.
4. Diterapkan pada sistem pendukung keputusan untuk menentukan mahasiswa dengan lulusan terbaik.

Baca Juga: Certainty Factor (CF): Defenisi, Fungsi, Rumus dan Penerapannya

Kesimpulan

Pada pembahasan kita di atas dapat kita simpulkan bahwa Metode Weighted Product (WP) merupakan salah satu metode yang efektif dalam Sistem Pendukung Keputusan untuk menentukan alternatif terbaik berdasarkan berbagai kriteria yang telah ditentukan. Dengan menggunakan konsep perkalian dan pembobotan, metode ini mampu memberikan hasil perankingan yang jelas dan terstruktur sehingga memudahkan proses pengambilan keputusan di berbagai bidang.

Selain itu, pemahaman tentang cara kerja, rumus, serta perbedaan Weighted Product dengan metode lain seperti SAW menjadi hal penting agar pengguna dapat memilih metode yang paling sesuai dengan kebutuhan. Dengan penerapan yang tepat, metode WP dapat digunakan dalam berbagai kasus seperti penilaian kinerja, seleksi kandidat, hingga pengambilan keputusan berbasis data secara lebih objektif.

Artikel ini merupakan bagian dari seri Kecerdasan Buatan KantinIT.com. Jika artikel ini bermanfaat, jangan lupa bagikan ke media sosial atau ke teman kamu.