Apa sih Metode SAW itu?" Mari kita pelajari bersama- sama "_"
Metode SAW (Simple Additive Weighting) sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar
metode SAW (Simple Additive Weighting) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua
atribut(Fishburn, 1967) (MacCrimmon, 1968).
Metode SAW dapat membantu dalam pengambilan keputusan suatu kasus, akan
tetapi perhitungan dengan menggunakan metode SAW ini hanya yang
menghasilkan nilai terbesar yang akan terpilih sebagai alternatif yang
terbaik. Perhitungan akan sesuai dengan metode ini apabila alternatif
yang terpilih memenuhi kriteria yang telah ditentukan. Metode SAW ini
lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih
singkat.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu
skala yang dapat diperbandingkan dengan semua rating alternatif yang
ada. Metode ini merupakan metode yang paling terkenal dan paling banyak
digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM).
MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari
alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi
setiap atribut. Skor total untuk alternatif diperoleh dengan
menjumlahkan seluruh hasil perkalian antara rating (yang dapat
dibandingkan lintas atribut) dan bobot tiap atribut.Rating tiap atribut
haruslah bebas dimensi dalam arti telah melewati proses normalisasi
matriks sebelumnya.
Langkah Penyelesaian Simple Additive Weighting (SAW) Langkah Penyelesaian SAW sebagai berikut :
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan
berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut
keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
4. Hasil akhir diperoleh dari proses
perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R
dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih
sebagai alternatif terbaik (Ai)sebagai solusi.
Formula untuk melakukan normalisasi tersebut adalah :
rij= Nilai rating kinerjaxij= Nilai kinerja dari setiap rating
Max xij = Nilai terbesar dari tiap kriteria
Min xij = Nilai terkecil dari tiap kriteria
Contoh Kasus :
Pada pemilihan kinerja Dosen yang baik harus memenuhi 4 kriteria yaitu
T1 = Kepribadian
T2 = Pedagogik
T3 = Profesional
T4 = Sosial
Pengambilan keputusan untuk kriteria dosen dengan kinerja terbaik adalah
Variable | Keterangan | Bobot |
T1 | Kepribadian | 10 |
T2 | Pedagogik | 35 |
T3 | Profesional | 35 |
T4 | Sosial | 20 |
A1 : Ade
A2 : Budi
A3 : Cica
A4 : Dewi
A5 : Edi
A6 : Fitri
Kriteria | ||||
Alternatif | T1 | T2 | T3 | T4 |
Ade | 60 | 80 | 70 | 70 |
Budi | 70 | 90 | 70 | 80 |
Cica | 80 | 80 | 80 | 80 |
Dewi | 90 | 80 | 70 | 80 |
Edi | 95 | 90 | 70 | 80 |
Fitri | 70 | 90 | 80 | 80 |
Hasil akhir sebagai berikut :
Kriteria | |||||
Alternatif | T1 | T2 | T3 | T4 | Bobot |
Fitri | 70 | 90 | 80 | 80 | 82,5 |
Edi | 95 | 90 | 70 | 80 | 81,5 |
Cica | 80 | 80 | 80 | 80 | 80 |
Budi | 70 | 90 | 70 | 80 | 79 |
Dewi | 90 | 80 | 70 | 80 | 77,5 |
Ade | 60 | 80 | 70 | 70 | 72,5 |
Sumber : http://www.etunas.co.id