Articles

Tutorial Perhitungan Algoritma Simple Additive Weighting (SAW)

Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967)(MacCrimmon, 1968). Metode SAW membutuhkan proses normalisasi matriks keputusan (X)  ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Adapun langkah-langkahnya adalah:

1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana nilai i=1,2,…m dan j=1,2,…n.
2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.
3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit=MAKSIMUMatau atribut biaya/cost=MINIMUM). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.
4. Melakukan proses perankingan untuk setiap alternatif (Vi) dengan cara mengalikan nilai bobot (wi) dengan nilai rating kinerja ternormalisasi (rij).


Studi Kasus :

Suatu Toko komputer akan memilih lokasi cabang yang terdiri dari kriteria dan alternative sebagai berikut:
Kriteria
C1 : Harga Ruko
C2 : Luas Ruko
C3 : Jarak Dari Pusat Keramaian
C4 : Ada Transportasi Umum
C5 : Jumlah Pesaing
Alternative
A1 : UMS
A2 : UNS
A3 : Jl. Veteran
A4 : Nusukan
A5 : Kartasura

Perhitungan Algoritma Simple additive Weighting

1. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.

 Penentuan bobot berdasarkan prosentase kriteria. Dalam menentukan prosentase bobot berdasarkan kebutuhan perusahaan. Misalkan di studi kasus ini C1=Harga Ruko memilih prosentase 40% karena kriteria tersebut merupakan kriteria yang paling penting/dominan dalam proses penentuan lokasi cabang. Nilai tersebut tentunya didapat setelah berdiskusi dengan pemilik toko/perusahaan.

2. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) 

Pada penentuan nilai alternatif menggunakan skala 1-9. Nilai ini didapat berdasarkan analisa subyektifitas pembuat keputusan

3. Melakukan normalisasi matriks 

Untuk normalisai nilai, jika faktor kriteria cost digunakanan rumusan
Rii = ( min{Xij} / Xij)
Untuk normalisai nilai, jika faktor kriteria benefit digunakanan rumusan
Rii = ( Xij / max{Xij})

Untuk kriteria C1,C2,C3,C4,C5  bernilai benefit sehingga rumus yang digunakan adalah Rii = ( Xij / max{Xij})

Nilai Ra1c1=8/max(8,6,6,9,6)=8/9 =0,89

Nilai Ra2c1=6/max(8,6,6,9,6)=6/9 =0,67

Untuk nilai yang lain silahkan dilanjutkan sampai isian tabel seperti diatas

4. Melakukan proses perankingan untuk setiap alternatif (Vi) dengan cara mengalikan nilai bobot (wi) dengan nilai rating kinerja ternormalisasi (rij).

Untuk memperoleh nilai V menggunakan tabel normalisasi (langkah 3) dan tabel  nilai bobot (langkah 1)

V1=(0,89x0,4)+(1x0,15)+(1x0,15)+(1x0,3)+(1x0,1) =0,86

V2=(0,67x0,4)+(1x0,15)+(0,78x0,15)+(1x0,3)+(0,71x0,1) =0,74

Setelah selesai melakukan perhitungan kemudian kita hubungkan dengan kriteria yang di tentukan diawal soal

Dari hasil perhitungan diperoleh kesimpulan bahwa alternatif terbaik adalah V1=0,86 yaitu UMS karena memiliki nilai yang paling tinggi.

 

Download Excel Algoritma Saw

Terima kasih,

Salam Hangat

 

Karno

 


Related Articles


3 Komentar :


obat forex bandung

21 November 2017 - 07:20 WIB

terimakasih atas infonya semoga bermanfaat
konveksi kaos anak

01 November 2017 - 10:04 WIB

Terimakasih atas informasinya yang bermanfaat ini semoga pembaca sangat kagum atas artikelnya
buat kaos

01 November 2017 - 14:34 WIB

saya kagum dengan artikel ini banyak sekali yang berminat membaca artikel ini


Post Comments