Metode EDAS: Contoh Perhitungan Manual dan Perangkingan

Tutorial ini membahas metode EDAS (Evaluation based on Distance from Average Solution) dan contoh perhitungan manualnya untuk sistem pendukung keputusan. Contoh kasus yang digunakan adalah pemilihan laptop berdasarkan harga, RAM, kapasitas penyimpanan, dan daya tahan baterai.

Berbeda dari metode yang menggunakan solusi ideal maksimum atau minimum, EDAS membandingkan setiap alternatif terhadap nilai rata-rata. Perhitungan dilakukan melalui Positive Distance from Average (PDA), Negative Distance from Average (NDA), nilai SP dan SN, normalisasi, hingga menghasilkan Appraisal Score sebagai dasar perangkingan.

---

Daftar Isi

• Pengertian Metode EDAS
• Rumus Metode EDAS
• #01 Menentukan Kriteria dan Bobot
• #02 Menentukan Data Alternatif
• #03 Menghitung Average Solution
• #04 Menghitung Positive Distance from Average
• #05 Menghitung Negative Distance from Average
• #06 Menghitung SP dan SN
• #07 Normalisasi SP dan SN
• #08 Menghitung Appraisal Score
• #09 Perangkingan Alternatif
• Ringkasan
• FAQ EDAS
• Referensi
• Source Code EDAS

---

Pengertian Metode EDAS

EDAS adalah singkatan dari Evaluation based on Distance from Average Solution. Metode ini digunakan untuk mengevaluasi dan membandingkan beberapa alternatif berdasarkan jaraknya terhadap nilai rata-rata pada setiap kriteria.

EDAS menggunakan dua ukuran utama, yaitu Positive Distance from Average (PDA) dan Negative Distance from Average (NDA). PDA menggambarkan penyimpangan yang menguntungkan dari nilai rata-rata, sedangkan NDA menggambarkan penyimpangan yang tidak menguntungkan.

Nilai akhirnya disebut Appraisal Score (AS). Alternatif dengan nilai AS terbesar memperoleh ranking tertinggi.

Rumus Metode EDAS

Average Solution

$$ AV_j = \frac{1}{m} \sum_{i=1}^{m}x_{ij} $$

PDA untuk Benefit

$$ PDA_{ij} = \frac{ \max(0,x_{ij}-AV_j) }{ AV_j } $$

NDA untuk Benefit

$$ NDA_{ij} = \frac{ \max(0,AV_j-x_{ij}) }{ AV_j } $$

PDA untuk Cost

$$ PDA_{ij} = \frac{ \max(0,AV_j-x_{ij}) }{ AV_j } $$

NDA untuk Cost

$$ NDA_{ij} = \frac{ \max(0,x_{ij}-AV_j) }{ AV_j } $$

Weighted Sum PDA dan NDA

$$ SP_i = \sum_{j=1}^{n} w_jPDA_{ij} $$

$$ SN_i = \sum_{j=1}^{n} w_jNDA_{ij} $$

Normalisasi SP dan SN

$$ NSP_i = \frac{SP_i}{\max(SP_i)} $$

$$ NSN_i = 1- \frac{SN_i}{\max(SN_i)} $$

Appraisal Score

$$ AS_i = \frac{1}{2} (NSP_i+NSN_i) $$

#01 Menentukan Kriteria dan Bobot

Harga merupakan kriteria cost, sedangkan RAM, Storage, dan Baterai merupakan kriteria benefit.

#02 Menentukan Data Alternatif

#03 Menghitung Average Solution

Average Solution adalah nilai rata-rata setiap kriteria.

Contoh C1 - Harga

$$ AV_1 = \frac{ 8+9+7.5+10 }{4} = 8.625 $$

Contoh C2 - RAM

$$ AV_2 = \frac{ 8+16+8+16 }{4} = 12 $$

#04 Menghitung Positive Distance from Average

PDA menunjukkan jarak positif atau penyimpangan yang menguntungkan terhadap nilai rata-rata.

Contoh Cost: A1 pada C1

Harga adalah cost. Nilai yang lebih kecil dari rata-rata memberikan jarak positif.

$$ PDA_{11} = \frac{ \max(0, 8.625 - 8) }{ 8.625 } = 0.072464 $$

Contoh Benefit: A2 pada C2

RAM adalah benefit. Nilai yang lebih besar dari rata-rata menghasilkan PDA positif.

$$ PDA_{22} = \frac{ \max(0, 16 - 12) }{ 12 } = 0.333333 $$

#05 Menghitung Negative Distance from Average

NDA menunjukkan jarak negatif atau penyimpangan yang tidak menguntungkan terhadap nilai rata-rata.

Contoh Cost: A2 pada C1

Karena harga A2 lebih tinggi dari rata-rata:

$$ NDA_{21} = \frac{ \max(0, 9 - 8.625) }{ 8.625 } = 0.043478 $$

Contoh Benefit: A1 pada C2

Karena RAM A1 lebih rendah dari rata-rata:

$$ NDA_{12} = \frac{ \max(0, 12 - 8) }{ 12 } = 0.333333 $$

#06 Menghitung SP dan SN

Nilai SP diperoleh dari penjumlahan PDA yang telah dikalikan bobot, sedangkan SN diperoleh dari penjumlahan NDA terbobot.

Contoh SP untuk A1

$$ SP_1 = (0.3 \times 0.072464) + (0.25 \times 0) + (0.2 \times 0) + (0.25 \times 0) $$

$$ SP_1 = 0.021739 $$

Contoh SN untuk A1

$$ SN_1 = (0.3 \times 0) + (0.25 \times 0.333333) + (0.2 \times 0.333333) + (0.25 \times 0.058824) $$

$$ SN_1 = 0.164706 $$

#07 Normalisasi SP dan SN

Nilai SP dinormalisasi terhadap SP terbesar. Karena SN adalah nilai negatif yang tidak diinginkan, normalisasinya dibalik menggunakan \(1-SN_i/\max(SN)\).

$$ \max(SP) = 0.194118 $$

$$ \max(SN) = 0.164706 $$

Contoh NSP A1

$$ NSP_1 = \frac{ 0.021739 }{ 0.194118 } = 0.111989 $$

Contoh NSN A1

$$ NSN_1 = 1- \frac{ 0.164706 }{ 0.164706 } = 0 $$

#08 Menghitung Appraisal Score

Appraisal Score dihitung dari rata-rata NSP dan NSN.

Contoh A1

$$ AS_1 = \frac{1}{2} ( 0.111989 + 0 ) = 0.055995 $$

Contoh A2

$$ AS_2 = \frac{1}{2} ( 0.505051 + 0.516046 ) = 0.510548 $$

#09 Perangkingan Alternatif

Alternatif diurutkan berdasarkan Appraisal Score dari terbesar ke terkecil.

Berdasarkan data dan bobot pada contoh ini, alternatif dengan Appraisal Score terbesar adalah A4 - Laptop D dengan nilai 0.854814.

Hasil ranking dapat berubah jika data alternatif, bobot kriteria, atau jenis atribut benefit dan cost berubah.

Ringkasan

EDAS membandingkan setiap alternatif terhadap nilai rata-rata atau Average Solution. Setiap alternatif kemudian memiliki nilai Positive Distance from Average dan Negative Distance from Average.

Setelah dikalikan dengan bobot, diperoleh nilai SP dan SN. Nilai tersebut dinormalisasi menjadi NSP dan NSN, kemudian digabungkan menjadi Appraisal Score.

Alternatif dengan Appraisal Score terbesar memperoleh ranking tertinggi. Pada contoh pemilihan laptop ini, ranking pertama adalah A4 - Laptop D.

FAQ Metode EDAS

Apa kepanjangan EDAS?

EDAS adalah Evaluation based on Distance from Average Solution.

Apa yang dimaksud Average Solution?

Average Solution adalah nilai rata-rata setiap kriteria yang digunakan sebagai titik pembanding seluruh alternatif.

Apa itu PDA?

PDA adalah Positive Distance from Average, yaitu jarak yang menunjukkan penyimpangan menguntungkan dari nilai rata-rata.

Apa itu NDA?

NDA adalah Negative Distance from Average, yaitu jarak yang menunjukkan penyimpangan tidak menguntungkan dari nilai rata-rata.

Bagaimana kriteria cost diproses?

Pada kriteria cost, nilai yang lebih kecil dari rata-rata dianggap sebagai penyimpangan positif, sedangkan nilai yang lebih besar dari rata-rata dianggap sebagai penyimpangan negatif.

Apa itu SP dan SN?

SP adalah jumlah PDA terbobot, sedangkan SN adalah jumlah NDA terbobot untuk setiap alternatif.

Apa itu Appraisal Score?

Appraisal Score adalah nilai akhir EDAS yang diperoleh dari rata-rata NSP dan NSN.

Bagaimana menentukan alternatif terbaik?

Alternatif dengan Appraisal Score terbesar ditempatkan pada ranking tertinggi.

Apa perbedaan EDAS dan TOPSIS?

TOPSIS menggunakan solusi ideal positif dan negatif, sedangkan EDAS menggunakan nilai rata-rata setiap kriteria sebagai titik pembanding.

Apa perbedaan EDAS dan SAW?

SAW melakukan normalisasi berdasarkan nilai maksimum atau minimum kemudian menjumlahkan nilai terbobot. EDAS menilai penyimpangan positif dan negatif terhadap nilai rata-rata sebelum menghasilkan Appraisal Score.

---

Referensi

1. Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L. & Turskis, Z. (2015). Multi-Criteria Inventory Classification Using a New Method of Evaluation Based on Distance from Average Solution (EDAS). Informatica.
2. Keshavarz Ghorabaee, M., Zavadskas, E. K., Amiri, M. & Turskis, Z. (2016). Referensi pengembangan dan penerapan metode EDAS dalam pengambilan keputusan multikriteria.

---

Source Code Metode EDAS

Berikut adalah beberapa source code yang menggunakan metode EDAS untuk sistem pendukung keputusan.

• Source Code SPK Metode EDAS PHP

Ada yang Ditanyakan?

Jika anda masih ada kesulitan atau kekeliruan tentang penjelasan metode di atas, bisa menghubungi kami lewat WA/Email sesuai halaman Kontak.

Jika ingin memiliki file excel dari metode di atas bisa melihat cara download di halaman Download.

Jika ingin memiliki source code dari metode di atas, baik berbasis web maupun desktop bisa melihat daftar harga donasi di halaman Daftar Source Code.

Donasi ini digunakan oleh penulis untuk membayar server dan membeli kopi sembari membuat tutorial Metode/Algoritma lainnya :).