Metode Simple
Additive Weighting (SAW)
1. Pengertian Simple Additive Weighting (SAW)
Metode Simple
Additive Weighting (SAW) sering
juga dikenal dengan istilah metode Penjumlahan terbobot. Konsep dasar metode SAW adalah mencari
Penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua
atribut. Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada (Setya & Utomo, 2015). Selain itu menurut (Setyani & Saputra, 2016) SAW adalah
prosedur multi-atributs berdasarkan konsep penjumlahan
tertimbang. Mencari Penjumlahan
bobot penilaian kinerja setiap alternatif pada semua kriteria alternatif yang
nilai keseluruhannya paling tinggi adalah alternatif terbaik dan akan diambil.
2. Langkah-langkah Penyelesaian SAW
Menurut (Setyani & Saputra, 2016)
mengutip dari (Kusumadewi & dkk,
2006)dalam penyelesaian
menggunakan metode SAW ini memiliki
beberapa langkah-langkah, adapun langkah-langkah tersebut anatara lain:
1.
Tentukan alternatif,
yaitu Ai
2. Tentukan kriteria yang akan dijadikan acuan dalam keputusan,
yaitu Cj. Selanjutnya
diidentifikasi jenis kriteria, apakah kriteria keuntungan (kriteria manfaat)
atau kriteria biaya (cost criteria).
Jika Cj adalah kriteria manfaat semakin besar nilainya, semakin baik kriteria
penentuan alternatif. Jika Cj adalah atribut biaya semakin kecil nilainya,
semakin baik kriteria penentuan alternatif.
3. Memberikan rating sesuai dengan nilai setiap alternatif pada
setiap kriteria,
4. Tentukan bobot tingkat preferensi atau tingkat kepentingan
(W) dari setiap kriteria. W = [W1, W2, W3, ..., Wj],
5. Buat tabel penilaian kesesuaian masing-masing alternatif
pada setiap kriteria.
6.
Membuat matriks
keputusan (X), yang terbentuk dari tabel penilaian kesesuaian masing-masing
alternatif pada masing-masing kriteria. Nilai (X) setiap alternatif (Ai) pada
setiap kriteria (Cj) yang telah ditentukan, dimana, i = 1,2, ... m dan j = 1,2,
... n.
7.
Melakukan matriks
keputusan dengan menghitung nilai-nilai ternomalisasi performance rating (rij)
alternatif Ai pada kriteria Cj
8. Hasil nilai rating
kinerja ternomalisasi (rij) membentuk matriks normalisasi (R),
9. Nilai preferensi hasil akhir (Vi) yang diperoleh dari jumlah
matriks berurutan baris perkalian dinormalkan (R) menimbang matriks matriks
elemen preferensi (W) yang sesuai,
 |
(Sumber : Setyani & Saputra, 2015).
Sumber :
Setya, M., & Utomo, D. (2015). “Penerapan Metode SAW (
Simple Additive Weight ) Pada Sistem Pendukung Keputusan Untuk Pemberian
Beasiswa Pada SMA Negeri 1 Cepu Jawa Tengah.” Fakultas Ilmu Komputer
Universitas Dian Nuswantoro, Semarang.
Setyani, R. E., & Saputra, R. (2016). “Flood-prone Areas
Mapping at Semarang City by Using Simple Additive Weighting Method.” Procedia
- Social and Behavioral Sciences, 227, 378–386.
EmoticonEmoticon