TUGAS FINAL TEST

IRIGASI DAN DRAINASE

TRANSLATE

Disusun Oleh

VICHA PRABOWO LAMOKI G 621 06

034

YUSNITA SAM G 621 06

037

PROGRAM STUDI TEKNIK PERTANIAN

JURUSAN TEKNOLOGI PERTANIAN
 FAKULTAS PERTANIAN
UNIVERSITAS HASANUDDIN
MAKASSAR
2009

Fuzzy Multi-attribute Decision Making under Interval Number

Min Wang
School of Transportation
Wuhan University of Technology
Wuhan, Hubei, 430063, China
Jennifer_wm@hotmail.com

Abstract

Multi-attribute decision making (MADM) is important in many

domains where fuzzy and uncertain information are involved. Usually
decision makers are willing or able to provide interval information,
because of lack of knowledge or data, their limited experience or time
pressure. The research about fuzzy MADM under interval number has
become an active branch in decision making science. After introducing
some primary concepts, this paper discuss two methods that deal with
fuzzy MADM, whose attribute weights and attribute values are
expressed in the form of interval number. The first method based on
programming model is typical method, having a more complicated
calculation procedure, compared with the second method based on
stochastic simulation. In order to illuminate these two methods clearly,
principles and calculation steps of both methods are introduced. In the
end on each method’s discussion modes for the adaptibility of
satisfying cargo owners’requirements is given, in order to testify each
method’s feasibility.

1. Introduction
 Multi-attribute Decision Making (MADM) problem exists widely in
social, economic and managing domain, such as investment decision
making, project evaluation, resource alloting, personnel selection and
so on. So the research about principles and methods of MADM has
broad applied meaning. Because of the wide exixtence of MADM
problems, the MADM research is always active. During these twnty
years, many methods of MADM have been brought forward. Yoo and
Hwang provide an excellent review of using known decision
information, namely attribute weight and attribute value, limited
feasible alternatives are ranked or elected the best by some method.
In MADM problem, decision making information can be qualitative,
namely linguistic. Its data struture can be accurate, anmely rigid, also
can be fuzzy, namely flexible. Until now, fuzzy set theory put forward
by Zadeh [2] has been used widely in MADM. Fuzzy set theory affords a
strong mathematical basis for fuzzy decision. Fuzzy MADM has
received a great deal of attention from researchers [3-6].
For fuzzy MADM, decision information is always difficult for
quantification. Since then, one reasonable dealing method is to convert
decision information into interval number. This expression is more
suitable for people’s thinking way. Many MADM process, in the real
world, take place in an environment in which the information about
attribute weights and attribute values are note precisely known, but
value ranges can be obtained[7]. This kind of problem can be divided
into 3 categories by known decision information situation as following:
(1) Attributes weight are real number, attribute values are interval
number.
(2) Attribute weigts are kown partial, namely expressed in interval
number, attribute values are interval number.
(3) Attribute weights are entirely unknown, attribute values are
interval number.
This paper focuses on the second category. Only by known
partial information, decision makers are easily leaded to wrong
direction, because interval values of attribute weight will produce the
uncertainty of alternatives’ ranking. So this kind of problem arouses
rescarchers’ concerning. According to the jurnals, related researsches
have been made some progress. Bryson[8] gives an programming
model for every alternative, which is treated independently. Fan put
forward a revision model basing on Bryson’s model [9]. Yoon uses
errors propagation approach for determine attribute weight’s exact
value from interval range[10]. In this paper, we will discuss two
methods for fuzzy MADM problem under interval number, in which both
attribute weights and attribute values are denoted in interval numbers.
The firts method put forward by Da and Xu [11], which is deduced on
programming models. Since this method has a complicated calculation
procedure, this paper introduces another method based on stochastic
simulation. In order to comparing these two methods clearly, each
method’s principles and calculating steps are discussed. Fuzzy MADM
under interval number problem exists widely in many engineering
domains. For example, in shipping economics, the research about the
shippng mode’s requirements is very important, since it is the
application example in choosing shipping modes is discussed for both
methods, aiming to denote each method’s validity.

2. Preliminaries
2.1. Calculation principles of interval number
Definition1 if a=[a- , a+] = {x  0  a ≤ x ≤ a+}, them a is an
interval number [11].
Where: a- and a+ are lvalue and rvalue respectively. Apparently,
if a- = a+, then a is the real number. If a- = b+, a+ = b+, then these two
interval number a= [a- , a+], b = [b- , b+], are equal, be noted as a = b.
 Taking corresponding relationships among elements of sets into
account, interval numbers’ calculation principles are defined as
following:
1. Addition a + b = [a- + b-, a+ + b+]
2. Multiplication ab = [a- b-, a+ b+]
Specially, λ b = [λ a- , λ a+] (λ is a positive real number.)

a a a 
− +

3. Division = , 
b  b+ b− 
 
1 1 1 
If b , b ≠ 0, then
+ - = + , − 
b b b 
 
The calculation above fulfills the exchanging, combining and
alloting principles.

2.2. Description for fuzzy MADM under interval number

The following expressions are used to denote the sets of the

fuzzy MADM under interval number:
X = {x1, x2,x3,................,xm}, X is the set of m feasible
alternatives.
G = {g1, g2, g3, ..................,gn}, G is the set of n attributes. Here,
it is supposed that these attribute are additively indepent, ensuring the
additive utility function effective.
ω = {ω 1, ω 2, ω 3, .............ω 4}T, ω is the attribute’s weight set,
which is expressed in real number or interval number.
For teh weight set in interval number, it will be
ω i = [ ω -i , ω +
i ], ω i- ≥ 0, ω i
+
≥ 0.
n n

∑ω ∑ω
− +
Normally, it will be i
 1, i
1
i i

~
A= (a~ ) , A~
ij mxn
 denotes the decision matrix. Here, the

value of the alternative xi corresponding Gi is ( ~

a ij
) and ( ~
a ij
) = [ a-

ij , a+ ij]. Normally, a- ij, a+ ij  0.

Decision makers’ purpose is to find the best alternative or
arrange the order from best to worse of these feasible alternatives,
~ and ω .
using the decision information A
2.3. Ranking method of Interval Number

For the fuzzy MADM under interval number, the final calculation
result is actually each alternative’s synthetic evaluating value in
interval number. In order to select the best alternative, these interval
numbers must be ranked. So, the concept of similarity degree and
possibility degree bertween pairwise interval number’s comparison is
given [13], aiming to weigh these pairwise interval numbers. The
detailed expressions are as following:
~
~ = [ a- , a+], b
Definition2 if a = [ b- , b+], then we call s

(a~ , b~ ) the similarity degree of a to b

− − + +
a b +a b
s (a
~ ,b ) =
max ( a ) + ( a ) , (b ) (b ) 
~
− 2 + 2 − 2 + 2
+

or

min  (a ) + (a ) , (b ) + (b )
− 2 + 2 − 2 + 2 
( ~
)
s a~ , b = 
− − + +

s (a
~ ,b )
~
From Definition 2, we can make+ such conclusion : 0 ≤
ab ab
≤ 1. Besides, if s (a
~ , b ) is more large, the similarity degree of a to b is
~

more high. When s (a

~ , b ) = 1, then a=b, namely equals b.
~

~
~ = [a- , a+], b
Definition3, if a = [b- , b+], we call p(a ≥ b) the
possibility degree of a ≥ b.
 p(a ≥ b) =
{ + −
min a − a + b − b , max a − b , 0
+ −
( + −
)}
+ − + −
a − a +b −b
According to this definition, the conclusions can be drawn as
follows:
(1) 0 ≤ p(a ≥ b) ≤ 1
(2) If b+ ≤ a- then p (a
~ ≥b ) =1 ~

(3) If a+ ≤ b- then p (a
~ ≥b ) =0 ~

(4) p ( a ~)
~ ≥a
=½
~ ≥b ) + p (b ≥a
(5) p (a
~ ~ ) =1
~

According to Definition2 and Definition3, the alternatives’

synthetic evaluating interval values can be compared by the following
steps:

Steps1. Set up possibility degree matrix

The possibility degree p = p ( u~i ≥ u~ j ) is calculated, which

ij

denotes the possibility degree of Alternative xi to alternative x j ,

then the possibility degree matrix P =( pij ) mxm ( i, j =1,2,...., m ) is set up.

 p11 p12  p1m 

p p 22  p 2 m 
P =  21
     
 
 p m1 pm 2 p mm 

Apparently, this kind of matrix has the following characters:

(1) When i = j ( i , j = 1, 2, ……, m), pij = 0.5
(2) 0 ≤ pij ≤1, and pij + p ji =1(i, j =1,2, ...., m )
Step2. Calculate ranking vector of possibility degree matrix
 After setting up Matrix P, the ranking problem of the synthetic
evaluating interval values can be converted into the calculation
problem for the ranking vector of the possibility matrix. Applying the
following formula can get such vector.
n
1
∑p
j =1
ij
2
+
−1
(1)
zi = , i =1,2,..., m
m ( m −1)

By comparing z i ( i = 1,2,….,m) the rank of synthetic evaluating

interval numbers u i = (i = 1,2,…,m)

3. Fuzzy MADM under interval number method

In fuzzy MADM problem under interval number, incomplete

information about attribute weight, namely attribute weights denoted
in interval number, and attribute value also in interval number are the
most general problem. Since then, the researchers devote themselves
into this kind of problem’s research. Summarizing relative journals, the
major means for this problem is to adopt programming method for
determining interval weights into certain value, then each alternative’s
synthetic evaluating value is calculated by WAA (Weighted arithmetic
averaging) operator, finally by interval number’s comparison
alternatives are ranked from best to worst. In the section, one typical
method for this problem is introduced. Meanwhile, an entirely different
resolving method is put forward which is based on stochastic
simulation. These two methods are compared by an application
example studies in the end.

3.1 Method based on single object optimization

3.1. Principle of this method [12]. Suppose the decision matrix and
the corresponding standardized matrix respectively are à = (ãij)mxn and
Ř = (řij)mxn , the weight vector ao attributes is ω = (ω 1, ω 2,..., ω n)T By
the WAA operator, the interval lvalue and rvalue of each alternative’s
synthetic evaluating value ũi(i = 1,2,……m) Can be
obtained by the following two linier programming models :
 ω -j ≤ ω j ≤ ω +
j (model 1)

ω -j ≤ ω j ≤ ω +
j (model 2)

For the sake of simplifying model 1 and model 2, because of non-

preference among these alternatives, model 1 and model 2 can be
converted into the following two single object optimization models,
model 3 and model 4 by equal-weight WAA operator.

ω -j ≤ ω j ≤ ω +
j (model 3)

ω -j ≤ ω j ≤ ω +
j (model 4)
Furthermore, model 3 is equivalent the following model 5

ω -j ≤ ω j ≤ ω +
j (model 5)

Since model 4 has the same restrictive conditions as model 5, the two
models can be synthesized into model 6, then one single object
optimization model can be got as follows :

ω -j ≤ ω j ≤ ω +
j (model 6)

ω = (ω 1, ω 2,..., ω n)T, maka evaluasi sintetis nilai interval pada

alternative xi akan menjadi

Suppose the optimization results of model 6 is ω = (ω 1, ω 2,..., ω n)T,

then the synthetic evaluating interval value of alternative xi will be

With these interval value, the alternative can be ranked by possibility

degree discussed above.

3.1.2. Application example.

The adaptability of satisfying cargo owners’ requirements is an

important part when the shipping mode choice is made. Generally, in
this kind of problem, the evaluating attributes are fuzzy and linguist
variables, such as cargo damage and loss degree, equipment situation,
velocity and reliability, etc. they are more suitable in interval number
expressions. So the shipping modes choice is actually a fuzzy MADM
under interval. In this paper, the known information of the shipping
modes choice in the adaptability of satisfying cargo owners’
requirements is as the following paragraph.
Here, the adaptability of satisfying cargo owners’ requirements
is analyzed for river-sea shipping. There are 3 shipping modes
(alternatives) : river-sea pusher X1, river pusher and then sea pusher
x2, self-propelled ship x3. There are 4 attributes for evaluating
attribute : worn degree g1 velocity g2, equipment situation g3, and
cargo damage degree g4. Suppose the incomplete information of
weights is as following :
0,43 ≤ ω 1 ≤ 0,546 0,221 ≤ ω 2 ≤ 0,279
0,116 ≤ ω 3 ≤ 0,148 0,073 ≤ ω 4 ≤ 0,093
Meanwhile, the standardized decision matrix is shown in table 1
g1 g2 g3 g4
x1 [0,4 [0,2 [0,4 [0,6
0,6] 0,4] 0,6] 0,8]
x2 [0,4 [0,2 [0,4 [0,2
0,6] 0,4] 0,6] 0,4]
x3 [0,6 [0,6 [0,6 [0,6
0,8] 0,8] 0,8] 0,8]
1. According to model 6, the single object optimization calculation
is as follows :

3.2.2 Application example

In order to compare ths method with the first method, the same
application example is used as 3.1.2. here the simulating times is 1000
(the simulating times is more large, the statistic results more reflect
the real situation). The calculating program is made according to the
steps discussed above, every alternative’s statistic synthetic
evaluating value is calculated as follow :
ŨZ1 = [0,3652 0,5651] , ŨZ2 = [0,3304 0,5303]
ŨZ3 = [0,6001 0,8001]
 Using the possibility degree calculation formula, the possibility
degree matrix is of pairwise comparison is

 0,5 0,587 0 
P =
0,413 0,5 0 


 1 1 0,5

then z =( 0.2645 ,0.2355 ,0.5)
T

So the rank of these alternatives is x3  x1  x2 . Also, the best

adaptability of satisfying cargo owners requirements is the self-
propelled ship.
From the rank result above, we know that these two methods
have the same order result. But comparing with the first method, the
second method is more simple and straight. The only shortcoming is
that this method needs a lot of circular calculation for getting more
accurate result.

4. Conclusion

Practical decision problems always involve fuzzy and uncertain

environment. Because of the uncertainty and fuzziness inherent in
decision making, the normal MADM methods can not resolve problems
with fuzzy elements. Decision makers are usually more comfortable
providing interval numbers for evaluating. So for fuzzy MADM problem
under interval number, the problem as both attribute weights and
attribute value in interval number is universal. For this kind of problem,
many method are put forward. Most of these methods have the same
resolving angle that using known partial information, the exact weight
values are deduced by certain means, then the alternatives are ranked
by synthetic evaluating interval values. These methods are more
complicated than the method based on stochastic simulation, which is
more easily grasped and calculated. But we should note that method
based on stochastic simulation needs enough circular times for more
accurate result.
Pengambilan Keputusan Fuzzy Multi-Atrribute dibawah Nomor
Pajak

Min Wang
Sekolah Transportasi
Universitas Teknologi Wuhan
Wuhan, Hubei, 430063, China
Jennifer_wm@hotmail.com

Abstrak

Dalam Pengambilan Keputusan Multi-atribut (MADM) adalah

penting di dalam berbagai daerah di mana ketidakjelasan dan
ketidakpastian informasi yang terlibat. Biasanya pembuatan keputusan
yang akan atau dapat memberikan informasi secara berskala, karena
kurangnya pengetahuan atau data, atau pengalaman mereka waktu
terbatas tekanan. Penelitian tentang fuzzy MADM di bawah nomor
Interval telah menjadi salah satu cabang aktif dalam pengambilan
keputusan dalam bidang sains. Setelah memperkenalkan beberapa
konsep utama, makalah ini membahas dua metode yang berhubungan
dengan fuzzy MADM, bobot yang atribut dan nilai-nilai atribut yang
dinyatakan dalam bentuk interval nomor. Metode pertama berdasarkan
model pemrograman adalah metode khas, yang lebih rumit dari
perhitungan prosedur, dibandingkan dengan kedua metode yang
berdasarkan stochastic simulasi. Di dalam rangka untuk menjelaskan
kedua metode sangat jelas, prinsip-prinsip dan perhitungan langkah
kedua adalah cara untuk memperkenalkan metode. Pada akhirnya
pada setiap metode dari diskusi, salah satu contoh yang nyata di
dalam pengaplikasiannya yaitu dalam pemilihan bentuk pengiriman
mode untuk memuaskan adaptibility dari kargo muatan pemilik, untuk
memberikan kesaksian dari setiap metode kelayakan.

1. Pendahuluan

Pembuatan Keputusan Multi-atribut (MADM) ada banyak

masalah sosial, ekonomi dan pengelolaan domain, seperti pengambilan
keputusan investasi, evaluasi proyek, sumber daya alloting, personil
pilihan dan sebagainya. Jadi, penelitian tentang prinsip-prinsip dan
metode MADM memiliki arti luas yang dapat diterapkan. Karena
banyaknya keberadaan dari masalah MADM, maka penelitian MADM
selalu aktif. Selama ini 20 tahun, banyak metode MADM telah
membawa maju. Yoo dan Hwang memberikan yang sangat baik
terhadap keputusan yang dikenal dengan informasi, yaitu berat atribut
dan nilai atribut, terbatas layak atau peringkat adalah alternatif yang
terbaik dipilih oleh beberapa metode [1]. Dalam MADM masalah,
pengambilan keputusan dapat informasi kualitatif, yaitu bahasa. Data
strukturnya dapat akurat, yakni dalam hal matematiknya, juga dapat
fuzzy, yaitu fleksibel. Sampai sekarang, teori fuzzy set disampaikan
oleh Zadeh [2] telah digunakan secara luas di MADM. Fuzzy set
memberikan teori matematika dasar yang kuat untuk fuzzy keputusan.
Fuzzy MADM telah menerima banyak perhatian dari para peneliti [3-6].
Untuk MADM fuzzy, keputusan informasi selalu sulit untuk
hitungan. Sejak itu, wajar menangani satu metode dikonversi menjadi
keputusan informasi Interval nomor. Ekspresi ini lebih cocok untuk cara
berpikir masyarakat. Banyak MADM proses, di dunia nyata, terjadi di
lingkungan di mana informasi tentang bobot atribut dan nilai-nilai
atribut yang dicatat tepat diketahui, tetapi nilai berkisar dapat
diperoleh [7]. Jenis masalah ini dapat dibagi menjadi 3 kategori dikenal
oleh keputusan informasi situasi sebagai berikut:
(1) Atribut berat adalah angka riil, atribut nilai Interval nomor.
(2) Atribut weigts adalah sebagian kown, yaitu dinyatakan dalam
interval nomor, atribut nilai Interval nomor.
(3) Atribut bobot yang sama sekali tidak diketahui, nilai atribut yang
Interval nomor. <br> Makalah ini berfokus pada dua kategori.
Hanya dikenal oleh sebagian informasi, keputusan yang mudah untuk
leaded salah arah, karena nilai-nilai atribut Interval berat akan
menghasilkan ketidakpastian alternatif peringkat. Jadi ini jenis masalah
arouses rescarchers; berkenaan. Menurut jurnals, terkait researsches
telah membuat beberapa kemajuan. Bryson [8] memberikan program
model untuk setiap alternatif yang dianggap independen. Fan
mengajukan revisi model berdasarkan Bryson’s model [9]. Yoon
perambatan kesalahan menggunakan pendekatan untuk menentukan
atribut berat dari nilai tepat dari berbagai Interval [10]. Dalam tulisan
ini, kita akan membahas dua metode untuk fuzzy MADM masalah di
bawah Interval nomor, di mana kedua bobot atribut dan nilai atribut
dalam denoted Interval angka. Flirts metode yang disampaikan oleh Da
Xu dan [11], yang pada pemrograman deduced model. Sejak metode
ini memiliki prosedur perhitungan yang rumit, karya ini
memperkenalkan metode lain berdasarkan stochastic simulasi. Untuk
membandingkan kedua metode jelas, masing-masing metode
perhitungan dari prinsip dan langkah-langkah yang dibahas. Fuzzy
MADM Interval nomor di bawah ada banyak masalah dalam berbagai
bidang teknik. Misalnya, dalam pengiriman ekonomi, penelitian
tentang modus shippng dari persyaratan ini sangat penting, karena
aplikasi contoh dalam memilih modus pengiriman dibahas adalah
untuk kedua metode, yang bertujuan untuk menunjukkan validitas dari
setiap metode.

2. Pendahuluan
2.1. Perhitungan prinsip nomor Interval
 Definition1 jika a=[a- , a+] = {x  0  a ≤ x ≤ a+}, mereka
adalah nomor Interval [11].
Dimana: a- and a+ adalah lvalue dan rvalue masing-masing.
Rupanya, jika a- = a+ maka nomor a yang nyata. Jika a- = b+, a+ = b+ ,
maka kedua Interval nomor satu a= [a- , a+], b = [b- , b+], adalah sama,
akan dicatat sebagai a = b.
Mengambil sesuai hubungan antara elemen dari set ke rekening,
nomor Interval ;prinsip-prinsip perhitungan yang didefinisikan sebagai
berikut:
1. Selain itu a + b = [a + b-, a + b + +]
2. Multiplication ab = [-a-b, a + b +]
Khusus, λ b = [λ a- , λ a+] (λ is a nilai nyata yang bernilai positif.)

a a a 
− +

3. Divisi = , 
b  b+ b− 
 
1 1 1 
Jika b+, b- ≠ 0, lalu = + , − 
b b b 
 
Perhitungan di atas dapat saling ditukarkan , menggabungkan dan
alloting prinsip.

2.2. Keterangan di bawah MADM fuzzy Interval nomor

Berikut ini biasa digunakan untuk menunjukkan pada set dari

fuzzy MADM bawah Interval nomor:
X = {x1, x2,x3,................,xm}, adalah set m layak alternatif.
G = {g1, g2, g3, ..................,gn}, G adalah set n atribut. Di sini, ia
diduga bahwa atribut yang additively indepent, memastikan utilitas
tambahan fungsi efektif.
ω = {ω 1, ω 2, ω 3, .............ω 4}T, ω adalah menetapkan atribut
dari berat, yang dinyatakan secara real angka atau nomor interval.
Untuk menentukan berat dalam interval nomor, maka akan
ω i = [ ω -i , ω +
i ], ω i- ≥ 0, ω i
+
≥ 0.
 n n

∑ω ∑ω
− +
Biasanya, ia akan i
 1, i
1
i i

~
A= (a~ ) , A~
ij mxn
Menandakan keputusan matriks. Di sini, nilai

alternatif xi sesuai adalah xi sesuai dengan Gi is ( ~

a ij
) and ( ~
a ij
)=

[ a- ij , a+ ij]. Biasanya, a- ij, a+ ij  0. Keputusan, Tujuannya adalah

untuk mencari alternatif terbaik atau mengatur susunan dari terbaik
untuk parah ini layak alternatif, menggunakan informasi dan
~
keputusan A dan ω .
2.3. Peringkat metode jarak Pajak
Untuk MADM fuzzy Interval nomor di bawah, hasil akhir
perhitungan sebenarnya setiap alternatif dari sintetis mengevaluasi
nilai dalam interval nomor. Dalam rangka untuk memilih alternatif
terbaik, Interval ini harus berada di peringkat nomor. Jadi, konsep
kesamaan derajat dan derajat kemungkinan bertween pairwise Interval
nomor dari perbandingan diberikan [13], timbang ini bertujuan untuk
pairwise Interval angka. Ekspresi yang rinci adalah sebagai berikut:
~
~ = [ a- , a+], b
Definition2 jika a = [ b- , b+] maka kita panggil

the kesamaan derajat ke sebuah s (a~ , b~ ) atau dengan kata lain a

untuk b
− − + +
a b +a b
s (a
~ ,b ) =
max ( a ) + ( a ) , (b ) (b ) 
~
− 2 + 2 − 2 + 2 atau
+


min  (a ) + (a ) , (b ) + (b )
− 2 + 2 − 2 + 2 

( ~
)
s a~ , b = 
− − + +

a b +a b
Definisi dari 2, kita dapat membuat kesimpulan seperti itu: 0 ≤

s (a
~ , b ) ≤ 1. Selain itu, jika s (a
~ , b ) lebih besar, kesamaan derajat a to
~ ~

b yang lebih tinggi. Bila s (a

~ , b ) = 1, maka a=b, yaitu sama dengan b.
~

~
~ = [a- , a+], b
Definition3, jika a = [b- , b+], kami panggil p(a ≥
b), kemungkinan gelar dari a ≥ b .
p(a ≥ b) =
{ + −
min a − a + b − b , max a − b , 0
+ −
( + −
)}
+ − + −
a − a +b −b
Menurut definisi ini, kesimpulan yang dapat ditarik sebagai
berikut:
(1) 0 ≤ p(a ≥ b) ≤ 1
(2) If b+ ≤ a- then p (a
~ ≥b ) =1 ~

(3) If a+ ≤ b- then p (a
~ ≥b ) =0 ~

(4) p ( a ~)
~ ≥a
=½
~ ≥b ) + p (b ≥a
(5) p (a
~ ~ ) =1
~

Menurut Definition2 dan Definition3, maka alternatif; sintetis

mengevaluasi Interval nilai dapat dibandingkan dengan langkah-
langkah berikut:
Steps1. Mengatur kemungkinan gelar matriks

Kemungkinan gelar p = p ( u~i ≥ u~ j ) dihitung, yang menandakan

ij

kemungkinan derajat Alternatif xi ke alternatif xj , maka

kemungkinan derajat matrix sudah diatur.

 p11 p12  p1m 

p p 22  p 2 m 
P =  21
     
 
 p m1 pm 2 p mm 

Rupanya, jenis matriks ini memiliki karakter berikut:

(1) Ketika i = j ( i , j = 1, 2, ……, m), pij = 0.5
(2) 0 ≤ pij ≤1, and pij + p ji =1(i, j =1,2, ...., m )
Step2. Menghitung peringkat vector dari kemungkinan gelar
matriks
Setelah Matrix P, peringkat masalah yang sintetis mengevaluasi
Interval nilai dapat dikonversikan ke dalam perhitungan untuk masalah
peringkat vector terhadap kemungkinan matriks. Menerapkan rumus
berikut ini dapat seperti vector.
 n
1
j =1
∑p ij
2
−1+
(1)
zi = , i =1,2,..., m
m ( m −1)

Dengan membandingkan zi ( i = 1,2,….,m) urutan nomor

sintetis mengevaluasi Interval u i = (i = 1,2,…,m)

3. Fuzzy MADM Interval nomor di bawah metode

Dalam fuzzy MADM masalah di bawah Interval nomor, informasi

lengkap tentang atribut berat, yaitu dalam atribut weights denoted
Interval nomor, dan juga dalam atribut nilai Interval nomor yang paling
umum masalah. Sejak itu, para peneliti mencurahkan diri menjadi
semacam ini masalah penelitian. Rangkuman relatif jurnal, yang
berarti besar untuk masalah ini adalah dengan mengadopsi program
metode untuk menentukan interval bobot ke nilai tertentu, maka
setiap sintetis alternatif dari evaluasi nilai dihitung oleh WAA (rata-rata
weighted arithmetic) operator, akhirnya oleh Interval perbandingan
jumlah dari alternatif yang terbaik dari peringkat untuk terburuk. Pada
bagian, satu metode khas untuk masalah ini adalah diperkenalkan.
Sementara itu, yang sepenuhnya berbeda tersebut adalah metode
yang disampaikan berdasarkan stochastic simulasi. Kedua metode
tersebut dibandingkan oleh aplikasi contoh studi di akhir.
3.1 Metode berdasarkan satu objek optimasi
3.1.1 Prinsip dari metode ini (12).
Misalnya keputusan matriks dan matriks yang sesuai standar
masing-masing adalah à = (ãij)mxn dan Ř = (řij)mxn, berat ke vector
adalah atribut ω = (ω 1, ω 2,..., ω n)T. WAA oleh operator, interval lvalue
dan rvalue setiap alternatif dari sintetis mengevaluasi nilai ũi(i = 1,2,
……m) dapat diperoleh sebagai berikut dua model pemrograman
linier:

ω -
j ≤ ω j ≤ ω +
j

(model 1)
 s.t.

ω -
j ≤ ω j ≤ ω +
j

(model 2)
s.t.

Untuk kepentingan menyederhanakan model 1 dan model 2,

karena non-preferensi di antara alternatif ini, Model 1 dan Model 2
dapat dikonversi ke dalam satu obyek berikut dua model optimasi,
model 3 dan model 4 oleh-sama berat WAA operator.

ω -j ≤ ω j ≤ ω +
j (model 3)
s.t.

ω -j ≤ ω j ≤ ω +
j (model 4)
s.t.

Selain itu, model 3 adalah sebagai berikut setara model 5.

 ω -j ≤ ω j ≤ ω +
j (model 5)
s.t.

Sejak 4 model yang sama telah membatasi kondisi sebagai model

5, dua model synthesized dapat menjadi model 6, maka satu objek
optimasi model dapat dinaikkan sebagai berikut:

ω -j ≤ ω j ≤ ω +
j (model 6)
s.t.

Misalnya hasil optimasi model 6 adalah ω = (ω 1, ω 2,..., ω n)T, maka

evaluasi sintetis nilai interval pada alternative xi akan menjadi

Interval nilai oleh kemungkinan gelar dibahas di atas.

3.1.2 Contoh aplikasi.

Yang beradaptasi dari memuaskan pemilik kargo persyaratan

adalah bagian penting saat pengiriman modus pilihan dibuat.
Umumnya, dalam persoalan semacam ini, maka evaluasi dan atribut
yang fuzzy linguist variabel, seperti kargo derajat kerusakan dan
kerugian, peralatan situasi, kecepatan dan kehandalan, dll mereka
lebih cocok dalam interval nomor biasa. Sehingga pengiriman mode
pilihan sebenarnya yang fuzzy MADM di bawah Interval. Dalam karya
ini, yang dikenal informasi dari modus pengiriman pilihan di adaptasi
dari memuaskan pemilik kargo persyaratan adalah sebagai berikut
ayat.
Disini, adaptasi dari memuaskan pemilik kargo persyaratan untuk
dianalisa adalah sungai-laut pengiriman. Ada 3 mode pengiriman
(alternatif): sungai-laut ambisius X1, sungai dan laut ambisius ambisius
x2, yg maju bergerak sendiri kapal x3. Ada 4 atribut untuk
mengevaluasi atribut: dipakai gelar g1 kecepatan g2, peralatan situasi
g3, dan derajat kerusakan kargo g4. Misalnya informasi yang tidak
lengkap dari bobot adalah sebagai berikut:
0,43 ≤ ω 1 ≤ 0,546 0,221 ≤ ω 2 ≤ 0,279
0,116 ≤ ω 3 ≤ 0,148 0,073 ≤ ω 4 ≤ 0,093
Sementara itu, standar matriks keputusan akan ditampilkan dalam
tabel 1
Table 1. standarisasi matrix
g1 g2 g3 g4
x1 [0,4 [0,2 [0,4 [0,6
0,6] 0,4] 0,6] 0,8]
x2 [0,4 [0,2 [0,4 [0,2
0,6] 0,4] 0,6] 0,4]
x3 [0,6 [0,6 [0,6 [0,6
0,8] 0,8] 0,8] 0,8]
1. Menurut model 6, satu-satunya objek optimasi perhitungan adalah
sebagai berikut:

3.2.2 Contoh aplikasi.

Dalam rangka untuk membandingkan ths metode dengan metode

pertama, aplikasi yang sama yang digunakan sebagai contoh 3.1.2.
disini simulasi kali adalah 1000 (pada simulasi kali lebih besar, hasil
statistik lebih mencerminkan situasi yang sebenarnya). Perhitungan
program yang dibuat sesuai dengan langkah-langkah yang dibahas di
atas, setiap alternatif dari statistik sintetis mengevaluasi nilai dihitung
sebagai berikut:
ŨZ1 = [0,3652 0,5651] , ŨZ2 = [0,3304 0,5303]
ŨZ3 = [0,6001 0,8001]
Menggunakan formula perhitungan derajat kemungkinan,
kemungkinan gelar adalah matriks pairwise perbandingan adalah
 0,5 0,587 0 
P =
0,413 0,5 0 


 1 1 0,5

then z =(0.2645 ,0.2355 ,0.5)
T
 Jadi peringkat ini adalah alternatif lain x3 > x1 > x2. Selain itu, di
adaptasi dari memuaskan pemilik kargo persyaratan adalah kapal yg
maju bergerak sendiri.
Dari hasil peringkat di atas, kita tahu bahwa ada dua metode
yang sama agar hasilnya. Tetapi bandingkan dengan metode pertama,
kedua metode ini lebih sederhana dan lurus. Satu-satunya kelemahan
metode ini adalah bahwa kebutuhan banyak circular perhitungan untuk
mendapatkan hasil yang lebih akurat.
4. Kesimpulan
Praktis keputusan masalah selalu melibatkan fuzzy dan
ketidakpastian lingkungan. Karena ketidakjelasan dan ketidakpastian
yang melekat dalam pengambilan keputusan, metode yang biasa
MADM tidak dapat menyelesaikan masalah dengan fuzzy elemen.
Keputusan biasanya lebih nyaman Interval menyediakan nomor untuk
mengevaluasi. Jadi untuk fuzzy MADM masalah di bawah Interval
nomor, masalah karena keduanya bobot atribut dan nilai atribut dalam
interval nomor universal. Untuk jenis masalah ini, banyak metode yang
disampaikan. Sebagian besar metode yang sama tersebut memiliki
sudut yang diketahui menggunakan sebagian informasi, yang tepat
adalah nilai-nilai berat deduced oleh sarana tertentu, maka alternatif
lain adalah peringkat oleh sintetis mengevaluasi Interval nilai. Metode
ini lebih rumit dibandingkan dengan metode berdasarkan stochastic
simulasi, yang lebih mudah dan tergenggam dihitung. Tetapi kita harus
ingat bahwa metode simulasi stochastic berdasarkan kebutuhan cukup
circular kali untuk hasil yang lebih akurat.