Metode SAW

39
Metode Simple Additive

Weighting (SAW)
5.1. Pengertian Metode SAW
Konsep dasar metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua
kriteria (Kusumadewi, 2006). Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke suatu skala yang
dapat diperbandingkan dengan semua rating alternatif yang ada.
Metode SAW mengenal adanya 2 (dua) atribut yaitu kriteria
keuntungan (benefit) dan kriteria biaya (cost). Perbedaan
mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria
ketika mengambil keputusan
5.2. Algoritma Metode SAW

Langkah-langkah dalam menggunakan metode ini (Eniyati,
S. 2011) adalah:
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.
Persamaan untuk melakukan normalisasi tersebut adalah:
40
Keterangan:
rij = rating kinerja ternormalisasi
Maxij = nilai maksimum dari setiap baris dan kolom Minij = nilai
minimum dari setiap baris dan kolom xij = baris dan kolom dari
matriks
Dengan rij adalah rating kinerja ternormalisasi dari
alternatif Ai pada atribut Cj ; i = 1, 2,…, m dan j = 1, 2,…, n.
Nilai preferensi untuk setiap alternatif (V) diberikan Persamaan:
Keterangan:
Vi = Nilai akhir dari alternatif
wj = Bobot yang telah ditentukan
rij = Normalisasi matriks
Nilai V yang lebih besar mengindikasikan bahwa alternatif Ai
lebih terpilih.
5.3. Studi Kasus dan Penyelesaian

Sebuah perusahaan marketing yang bergerak di bidang
perangkat teknologi ingin ekspansi dan mengembangkan pangsa
pasar di berbagai daerah. Adapun perangkat teknologi yang
sedang dianalisis yaitu handphone. Ada 3 tipe handphone yang
akan dianalisis untuk melihat sejauh mana daya serap konsumen
selama ini terhadap 3 tipe handphone tersebut. Berikut ini adalah
tabel properti dari handphone tersebut. Untuk tipe kita sebut HP1,
HP2, dan HP3. Adapun faktor-faktor dan kriteria yang dijadikan
sebagai acuan terlihat pada tabel di bawah ini yaitu:
41
Tabel 5.1 Nilai Bobot Kriteria
No Nama Kriteria Nilai Bobot (Wj)
1 Harga (C1) 0.45
2 Kamera (C2) 0.25
3 Memori (C3) 0.15
4 Berat (C4) 0.1
5 Keunikan (C5) 0.05

Berdasarkan hasil penilaian oleh responden yang disebut
alternatif berikut ini adalah tabel nilai alternatifnya
Tabel 5.2 Penilaian Dari Setiap Alternatif
Nama Kriteria
No Alternatif
C1 C2 C3 C4 C5
1 HP1 80 70 80 70 90
2 HP2 80 80 70 70 90
3 HP3 90 70 80 70 80
Penyelesaian:
Menormalisasi setiap nilai alternatif pada setiap atribut dengan
cara menghitung nilai rating kinerja
42
Maka Matrik kinerja ternormalisasinya yaitu sebagai berikut:

43
Menghitung nilai bobot preferensi pada setiap alternatif (Vi)

Nilai Vi dari Tipe HP1:
V1 =(W1* R11) + (W2* R12) + (W3* R13) + (W4* R14) + (W5*
R15)
=(0.45*0.889)+(0.25*0.875)+(0.15*1)+(0.1*1)+(0.05*1
)
= 0.4 + 0.219 + 0.15 + 0.1 + 0.05 = 0.919 Nilai Vi dari
Tipe HP2:
V2 =(W1* R21) + (W2* R22) + (W3* R23) + (W4* R24) + (W5*
R25)
=(0.45*0.889)+(0.25*1)+(0.15*0.875)+(0.1*1)+(0.05*1
)
= 0.4 + 0.25 + 0.131 + 0.1 + 0.05 = 0.931 Nilai Vi dari
Tipe HP3:
V3 =(W1* R31) + (W2* R32) + (W3* R33) + (W4* R34) + (W5*
R35)
=(0.45*1)+(0.25*0.875)+(0.15*1)+(0.1*1)+(0.05*0.889
)
=0.45 + 0.219 + 0.15 + 0.1 + 0.045=0.964
Melakukan Perangkingan berdasarkan nilai bobot preferensinya.

Berikut ini adalah tabel perangkingan dari nilai bobot preferensi
dari setiap alternatif. Adapun acuan dalam perangkingan ini adalah
berdasarkan nilai tertinggi (max) yang dijadikan rangking tertinggi
44
Tabel 5.3 Perangkingan
No Nama Alternatif Nilai Bobot Preferensi (Vi) Keterangan
1 HP1 0.919 Rangking 3
5.4. Latihan
Sebuah perusahaan akan melakukan rekrutmen 2 calon
programmer. Kriteria yang ada adalah sebagai berikut:
a. Benefit
• Pengalaman kerja (C1)
• Pendidikan (C2)
b. Cost
• Jarak tempat tinggal (C3)
Ada lima pelamar dengan data seperti berikut:
Kriteria
Calon
C1 C2 C3
Justin 1 0,7 0,7
Indra 0,7 1 0,5
Roy 0,3 0,4 0,7
Merry 1 0,5 0,9
Dinda 0,7 0,3 0,7
Rasya 0,5 0,8 0,1
Robert 0,3 0,7 1
Tono 1 0,3 1
45
Dari masing-masing kriteria tersebut memiliki bobot seperti
berikut ini:
Kriteria Bobot
C1 0,4
C2 0,3
C3 0,3
Total 1
Untuk menentukan pemohon penulis menggunakan
metode SAW, berikut pembahasan tersebut antara lain :
1. Menghitung benefit dan cost dari kriteria dengan menggunakan
rumus sebagai berikut :
• Benefit : Rii = ( Xij / max{Xij})
• Cost : Rii = (min{Xij} /Xij)
R11 =1/1=1 R21 =0,7/1=0,7 R31 =0,5/0,7=0,714

R12 =0,7/1=0,7 R22 =1/1=1 R32=0,5/0,5=1
R13 =0,3/1=0,3 R23 =0,4/1=0,4 R33=0,5/0,7=0,714
R14 =1/1=1 R24 =0,5/1=0,5 R34=0,5/0,9=0,556
R15 =0,7/1=0,7 R25 =0,3/1=0,3 R35=0,5/0,7=0,714
R16 =0,5/1=0,5 R26 =0,8/1=0,8 R36=0,5/0,5=1
46
R17 =0,3/1=0,3 R27 =0,7/1=0,7 R37=0,5/1=0,5

R18 =1/1=1 R28 =0,3/1=0,3 R38=0,51=0,5
2. Kemudian menghitung nilai preferensi, dengan rumus sebagai
berikut:
Dengan nilai W = 0.4, 0.3, 0.3
Nilai Preferensi Perangkingan
V1 = (0,4*1) + (0,3*0,7) + (0,3*0,714)

= 0,824 2
V2 = (0,4*0,7) + (0,3*1) + (0,3*1)

= 0,880 1
V3 = (0,4*0,3) + (0,3*0,4) + (0,3*0,714)

= 0,454 8
V4 = (0,4*1) + (0,3*0,5) + (0,3*0,556)

= 0,717 4
V5 = (0,4*0,7) + (0,3*0,3) + (0,3*0,714)

= 0,584 6
V6 = (0,4*0,5) + (0,3*0,8) + (0,3*1)

= 0,740 3
V7 = (0,4*0,3) + (0,3*0,7) + (0,3*0,5)

= 0,480 7
V8 = (0,4*1) + (0,3*0,3) + (0,3*0,5)

= 0,640 5
Dari hasil tersebut, maka perangkingan dari rekruitment

programmer adalah sebagai berikut:
47
Calon Rangking
Programmer
Indra 1
Justin 2
Rasya 3
Merry 4
Tono 5
Dinda 6
Robert 7
Roy 8
Maka didapat 2 calon programmer yang akan direkrut
menurut hasil perhitungan dengan metode SAW antara lain: Indra
dan Justin.

Metode SAW

Diunggah oleh

Hak Cipta:

Format Tersedia

Metode SAW

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Metode SAW

Diunggah oleh

Hak Cipta:

Format Tersedia

39

Metode Simple Additive

5.2. Algoritma Metode SAW

5.3. Studi Kasus dan Penyelesaian

1 Harga (C1) 0.45

2 Kamera (C2) 0.25

3 Memori (C3) 0.15

4 Berat (C4) 0.1

5 Keunikan (C5) 0.05

Maka Matrik kinerja ternormalisasinya yaitu sebagai berikut:

Menghitung nilai bobot preferensi pada setiap alternatif (Vi)

Melakukan Perangkingan berdasarkan nilai bobot preferensinya.

1 HP1 0.919 Rangking 3

2 HP2 0.931 Rangking 2

3 HP3 0.964 Rangking 1

Justin 1 0,7 0,7

Indra 0,7 1 0,5

Roy 0,3 0,4 0,7

Merry 1 0,5 0,9

Dinda 0,7 0,3 0,7

Rasya 0,5 0,8 0,1

Robert 0,3 0,7 1

R11 =1/1=1 R21 =0,7/1=0,7 R31 =0,5/0,7=0,714

R17 =0,3/1=0,3 R27 =0,7/1=0,7 R37=0,5/1=0,5

V1 = (0,4*1) + (0,3*0,7) + (0,3*0,714)

V2 = (0,4*0,7) + (0,3*1) + (0,3*1)

V3 = (0,4*0,3) + (0,3*0,4) + (0,3*0,714)

V4 = (0,4*1) + (0,3*0,5) + (0,3*0,556)

V5 = (0,4*0,7) + (0,3*0,3) + (0,3*0,714)

V6 = (0,4*0,5) + (0,3*0,8) + (0,3*1)

V7 = (0,4*0,3) + (0,3*0,7) + (0,3*0,5)

V8 = (0,4*1) + (0,3*0,3) + (0,3*0,5)

Dari hasil tersebut, maka perangkingan dari rekruitment

Anda mungkin juga menyukai

V1 = (0,41) + (0,30,7) + (0,3*0,714)

V2 = (0,40,7) + (0,31) + (0,3*1)

V3 = (0,40,3) + (0,30,4) + (0,3*0,714)

V4 = (0,41) + (0,30,5) + (0,3*0,556)

V5 = (0,40,7) + (0,30,3) + (0,3*0,714)

V6 = (0,40,5) + (0,30,8) + (0,3*1)

V7 = (0,40,3) + (0,30,7) + (0,3*0,5)

V8 = (0,41) + (0,30,3) + (0,3*0,5)