Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

TUGAS SISTEM PENDUKUNG KEPUTUSAN

JURNAL SAW

DI SUSUN OLEH :
WINI ALFIANI A 2018-31-079
AFFANDI MUHFTI 2018-31-205
DEMAK DAMIANUS 2018-31-144

INSTITUT TEKNOLOGI –PLN

INFORMATIKA
TAHUN AJARAN 2019/2020

104
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

Penerapan Metode Simple Additive

Weighting(SAW) Untuk Pemilihan Siswa
Terbaik
Ahmad Setiadi*1, Yunita2, Anisa Ratna Ningsih3
1,2
Program Studi Manajemen Informatika, AMIK BSI Karawang, Program Studi Teknik Informatika, STMIK Nusa
Mandiri Jakarta, Program Studi Sistem Informasi, STMIK Nusa Mandiri Jakarta e-
mail: *1ahmad.ams@bsi.ac.id,2yunita.yut@nusamandiri.ac.id, 3anisaratnaningsih12@gmail.com
Wasliyah atau sering disebut MI TAMMAS belum
mempunyai metode khusus dalam memilih siswa
Abstrak— Pada penelitian ini penulis bertujuan terbaik. Dengan adanya masalah diatas dengan adanya
untuk merancang serta membangun sebuah sistem sistem Pendukung keputusan Pemilihan Siswa Terbaik
penunjang keputusan pada Madrasah Ibtidaiyah dengan metode Simple Additive Weighting (SAW)
Tarbiyatul Mu’alimi Al-Wasliyah atau sering disebut pada Madrasah Ibtidaiyah TAMMAS, Kalideres
MI TAMMAS, Metode yang penulis gunakan adalah Jakarta Barat diharapkan dapat membantu dalam
metode Simple Additive Weighting(SAW). Terdapat pemilihan siswa terbaik.
lima kriteria yang penulis gunakan yaitu Berakhlak Metode SAW merupakan salah satu metode
baik, Aktif di dalam kelas, Nilai Raport tertinggi dan penyelesaian masalah Multi Attribute Decision Making
Absensi kehadira. Penggunaan Sistem Pendukung (MADM) yang paling sederhana dan paling banyak
Keputusan (SPK) diharapkan dapat membantu digunakan. Selain itu, metode ini juga merupakan
keputusa yang diambil dalam memilih dan metode yang paling mudah diaplikasikan, karena
menentukan siapakah yang menjadi siswa terbaik, mempunyai algoritma yang tidak terlalu rumit. Metode
mengingat selama ini tidak digunakan metode tertentu SAW sering juga dikenal istilah metode penjumlahan
dalam memilih siswa sehingga terkadang keputusan terbobot. Konsep dasar metode SAW adalah mencari
dianggap kurang objective dan tidak tepat sasaran. penjumlahan terbobot dari rating kinerja pada setiap
Pada penelitian ini akan diangkat suatu kasus yaitu alternatif pada semua atribut [1] . Berdasarkan
mencari alteratif terbaik berdasarkan kriteria-kriteria permasalahan tersebut, perlu dibangun sebuah sistem
yang telah ditentukan dengan menggunakan metode pendukung keputusan untuk mendukung proses
Simple Additive Weighting (SAW). Penelitian pemilihan siswa berprestasi di Madrasah Ibtidaiyah
dilakukan dengan mencari nilai bobot untuk setiap TAMMAS. Sistem pendukung keputusan (SPK) adalah
atribut, kemudian dilakukan proses perankingan yang sistem berbasis komputer yang menyajikan dan
akan menentukan alteratif yang optimal, yaitu siswa memproses informasi yang memungkinkan pembuatan
terbaik. keputusan menjadi lebih produktif, dinamis, dan
inovatif[2]
Kata kunci— SAW, Simple Additive Weighting,
SiswaTerbaik
2. METODE PENELITIAN

1. PENDAHULUAN Metode penelitian ini menggunakan Simple

Madrasah Ibtidaiyah Tarbiyatul Mu’alimi Al-Wasliyah
yang berlokasi di Kalideres-Jakarta Barat mempunyai
tujuan yang mulia yaitu menciptakan generasi muslim
yang beriman, bertakwa, berakhlak mulia, berkualitas
dan mampu mengembangkan potensi yang
dimilikinya, guna terwujudnya Madrasah yang
berkualitas dan berwawasan Islam. Namun hingga saat
ini Madrasah Ibtidaiyah Tarbiyatul Mu’alimi Al-
Additive Weighting (SAW) menurut Kusumadewi dalam
[3] Metode SAW adalah metode penjumlahan terbobot.
Konsep dasar dari metode SAW adalah mencari
pejumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut. Metode SAW
membutuhkan proses normalisasi matrik keputusan (X)
ke skala yang dapat diperbandingkan dengan semua
rating alternatif yang ada. Adapu langkah penyelesaian

105
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

suatu masalah menggunakan metode Simple Additive

Weighting yaitu: Langkah langkah untuk menetukan perhitungan
1. Menentukan kriteria yang akan dijadikan acuan untuk memilih siswa terbaik menggunakan metode
dalam pengambilan keputusan, yaitu Ci. Simple Additive Weighting (SAW), yaitu:
2. Memberikan nilai bobot untuk masing-masing 1. Menentukan Kriteria
kriteria sebagai W. Langkah kesatu (1) menentukan kriteria yang akan
3. Memberikan nilai rating kecocokan setiap digunakan sebagai acuan dalam pemilihan siswa terbaik
alternatif pada setiap kriteria. yaitu Ci.
4. Membuat matriks keputusan berdasarkan kriteria Tabel 1. Tabel Ketentuan Kriteria
(Ci), kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuaikan degan Kode Kriteria
(Ci) Ketentuan Kriteria
jenis atribut (atribut keuntungan ataupun atribut
biaya) sehingga diperoleh matriks ternormalisasi
C1 Berakhlak baik
R.
C2 Aktif di dalam kelas
C3 Nilai raport tertinggi
C4 Absensi kehadiran
C5 Bertanggug jawab
JIKA J ADALAH ATRIBUT KEUNTUNGAN (BENEFIT)

Nilai setiap alternatif A i pada setiap kriteria yang

JIKA J ADALAH ATRIBUT BIAYA (COST) sudah ditentukan. Nilai tersebut diperoleh berdasarkan
nilai crisp: i = 1, 2, ……, m dan j = 1, 2, ……., n.
Adapun kriteria pembobotan yang dilakukan penulis
Gambar 1. Rumus Ternormalisasi dalam penelitian pemilihan siswa terbaik, yaitu sebagai
berikut:
Keterangan Setiap kriteria: a. Kriteria Berakhlak Baik
Rij : nilai rating kinerja ternormalisasi. Variabel Berakhlak Baik terbagi atas 5
Xij : nilai atribut yang dimiliki dari bilangan fuzzy, yaitu:
Max Xij : nilai terbesar dari setiap kriteria. Min X ij : Sangat Rendah (SR) =
nilai terkecil dari setiap kriteria. 1
Benefit : jika nilai terbesar adalah terbaik Rendah (R) =
Cost : jika nilai terkecil adalah terbaik 2
5. Hasil akhir diperoleh dari proses perankingan Sedang (S) =3
yaitu penjumlahan dan perkalian matriks Tinggi (T) =4
ternormalisasi R dengan vektor bobot sehingga Sangat Tinggi (ST) =5
diperoleh nilai terbesar yang dipilih sebagai
alternatif yang terbaik (Ai) sebagai solusi. b. Kriteria Aktif di Dalam Kelas Variabel
Berakhlak Baik terbagi atas 5 bilangan
fuzzy, yaitu:
Sangat Rendah (SR) =
1
Rendah (R) =
2
Gambar 2. Sedang (S) =
Rumus Perankingan 3
Keterangan: Tinggi (T) =4
Vi : ranking untuk setiap alternatif. Sangat Tinggi (ST) =5
Wj : nilai bobot dari setiap kriteria.

3. HASIL DAN PEMBAHASAN

106
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

c. Kriteria Nilai Raport Tertinggi Variabel C5 Bertanggug jawab 0,20 (20%)

Berakhlak Baik terbagi atas 5 bilangan
fuzzy, yaitu:
Sangat Rendah (SR) = 3. Memberi Nilai Rating
1
Rendah (R) = Langkah ketiga (3) menentukan rating kecocokan
2 setiap alternatif pada setiap kriteria kemudian
Sedang (S) =3 memodelkannya ke dalam bilangan fuzzy setelah itu
Tinggi (T) =4 konversikan ke bilangan Crips.Seperti terlihat pada
Sangat Tinggi (ST) =5 tabel IV.3 yang telah ditentukan sebagai berikut:
Tabel 3.
d. Kriteria Absensi Kehadiran Variabel Tabel Rating Kecocokan dari Setiap Alternatif pada
Berakhlak Baik terbagi atas 5 bilangan Setiap Kriteria
fuzzy, yaitu:
Sangat Rendah (SR) =
1
Rendah (R) =
2
Sedang (S) =3
Tinggi (T) =4
Sangat Tinggi (ST) =5

e. Kriteria Bertanggung Jawab

Variabel Berakhlak Baik terbagi atas 5 bilangan
fuzzy, yaitu:
Sangat Rendah (SR) =
1
Rendah (R) =
2
Sedang (S) =
3
Tinggi (T) =4
Sangat Tinggi (ST) =5

2. Memberikan Nilai Bobot

Langkah kedua (2) memberikan nilai bobot atau

tingkat kepentingan (W) setiap kriteria. Bobot
kriteria yang akan digunakan dalam memilih
siswa terbaik adalah sebagai berikut Tabel 2.
Tabel Bobot Preferesi (W) Setiap Kriteria
Bobot
Kode
Ketentuan Kriteria Preferensi
Kriteria
(W)
C1 Berakhlak baik 0,30 (30%)
C2 Aktif di dalam kelas 0,15 (15%)
C3 Nilai raport tertinggi 0,15 (15%)
C4 Absensi kehadiran 0,20 (20%)

107
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

Kriteria
Alternatif
C1 C2 C3 C4 C5
A1 3 3 3 5 4
A2 3 3 3 4 3
A3 3 4 4 3 4
A4 4 4 4 4 3

108
 Kriteria Hasil
Kriteria
Alternatif Nila
C1 C2 Be CAkti
3 C4i AbsC5 Berta
ra f di Rap
No Nama ensi nggu
Jurnal SISFOKOM,
A5 2 Siswa 07,
Volume khNomor
3 lak 3Dal 02,4ort
September
Keh4 2018
ng
am
Tert adir jawa
5 Ba Kel
A6 4 ik 5 as ingg 5 an 5 b
4. Membuat Matriks Keputusan dan Normalisasi i
A7 6 Indah3 Pratiwi 4 0,3 40,12 40,15 0,204 0,20 0,97
Setelah nilai rating alternatif pada setiap kriteria 0
ditentukan langkah keempat (4) adalah pembentukan matriks A8 3
Kevin 4 0,1 4 5 4
keputusan (X) yang dibentuk dari tabel rating kecocokan dari 7 Hovandra
3 8 0,12 0,12 0,16 0,16 0,74
setiap alternatif pada setiap kriteria.Nilai X setiap alternatif A9 Riswandy 4 4 4 4
8 M. Maulana 0,1 0,12 0,12 0,20 0,16 0,78
(Ai) pada setiap kriteria (Ci) sudah ditentukan.Matriks yang A10 4
Saifurrahman 2 8 3 4 3
dihasilkan sebagai berikut: 9 Maulisa 0, 0,12 0,12 0,16 0,16 0,74
A11 3
Darata Putri 2 1 3 4 4
A12 3 8
3 0,2 3 4 5
Nabil
Abyakta
4
A13 10 Zufar
4 4 30,06 30,09 0,164 0,12 0,67

A14 11 3
Nabilah
4 0,1 50,06 40,09 0,165 0,16 0,65
Nusaibah 8
A15 12 3 Eka 4 0,1 30,09 40,09 0,164 0,20
Nadila 0,72
Ramadhani 8
A16 13 3
Nanda 2 0 , 30,12 40,09 0,124 0,16 0,73
Salsabila 2
A17 3 2 4 3 4 4
14 Ramadhani 0,1 0,12 0,15 0,16 0,20 0,81
A18 2
Septiawan 3 8 4 5 5
15 Romadhoni 0,1 0,12 0,09 0,16 0,16 0,71
A19 4
Fairuz 4 8 5 5 5
16 Sandy Setia 0,1 0,06 0,09 0,16 0,16 0,65
A20 2
Alamsyah 3 8 3 3 3
17 Zidan A 0,1 0,06 0,09 0,16 0,16 0,65
A21 4
Aizudin 3 8 3 4 4
18 Anisa 0,1 0,09 0,12 0,20 0,20 0,73
A22 4
Hemalia Putri 3 2 3 4 4
Fairuza
3 0,2
A23 19 Muntaza 3 4 40,12 50,15 0,205 0,20 0,91
Shakila
A24 20 3
Farid 2 0,1 30,09 40,09 0,123 0,12 0,54
Febriansyah
2 2
A25 Fatimah 3 0,2 3 3 4
21 Najwati 4 0,09 0,09 0,16 0,16 0,74
A26 3
Azzahra 3 3 4 4
Fatimah 0,2
A27 22 4
Najwita 4 4 30,09 20,09 0,163 0,16 0,74
Azzahra
A28 23 5
Kinanti 5 0,1 50,09 50,12 0,205 0,20 0,79
Anantia Putri 8
A29 4
Muhammad 4 0 , 4 3 4
24 Zakky Ibnu 1 0,06 0,09 0,16 0,12 0,61
A30 2 3 8 3 4 4
Satria
Di bawah ini adalah hasil pengujian dimana nilai awal 25 Nabil Syafiq 0 , 0,09 0,09 0,12 0,16 0,58
1
diproses menggunakan metode Simple Additive weighting (SAW) dan 2
mendapatkan nilai hasil akhir dalam perhitungan seperti di atas, 26 Nabila Arta 0,1 0,09 0,09 0,16 0,16 0,68
berikut tabel hasil pengujian di bawah ini Milasari 8
27 Rizkia 0, 0,12 0,09 0,08 0,12 0,65
Ramadhani 2
Kriteria Hasil Tabel 4. Tabel 4
Akt Nila Hasil 28 Suwindah 0, 0,15 0,15 0,20 0,20 1,00
Be i
if Abs Berta Pengujian 3
ra Rap
No Nama Siswa di ensi nggu
kh 0
Dal ort Keh ng
lak Syahira 0,2
am Tert adir jawa
Ba 29 Anastasia 4 0,12 0,12 0,12 0,16 0,76
Kel ingg an b
ik Putri
as i 30 Zacky 0,1 0,09 0,09 0,16 0,16 0,62
1 Arwan 0,1 0,09 0,09 0,20 0,16 0,72 Zakaria 2
Sarifuddin 8
2 Dhani 0,1 0,09 0,09 0,16 0,12 0,64 semakin tinggi hasil akhir yang diperoleh maka
Febriyan 8
Dina 0, akan semakin besar peluang untuk menjadi
3 Bombom 18 0,12 0,12 0,12 0,16 0,70
Anto
4 Galih 0, 0,12 0,12 0,16 0,12 0,76
Prastiyo 24
5 Ibnu Baihaqi 0,1 0,09 0,09 0,16 0,16 0,62
2 104
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

siswa terbaik. Berikut hasil perankingan dengan Tabel 6.

Tabel Proses Normalisasi metode Simple Additive
Kriteria
Weighting (SAW). Alternatif
C1 C2 C3 C4 C5
Tabel 5. Tabel Hasil Perankingan
A1 0,6 0,6 0,6 1 0,8
Hasil
No Nama Siswa Ranking Hasil
Akhir A2 0,6 0,6 0,6 0,8 0,6
1 Suwindah 1.00 1 dari
A3 0,6 0,8 0,8 0,6 0,8
2 Indah Pratiwi 0.97 2
A4 0,8 0,8 0,8 0,8 0,6
3 Fairuza Muntaza Shakila 0.91 3
4 Ramadhani Septiawan 0.81 4 A5 0,4 0,6 0,6 0,8 0,8
5 Kinanti Anantia Putri 0.79 5 A6 1 0,8 1 1 1
M. Maulana
6
Saifurrahman
0.78 6 A7 0,6 0,8 0,8 0,8 0,8
7 Galih Prastiyo 0.76 7 A8 0,6 0,8 0,8 1 0,8
8 Syahira Anastasia Putri 0.76 7
A9 0,6 0,8 0,8 0,8 0,8
Kevin Hovandra
9 0.74 8
Riswandy A10 0,8 0,4 0,6 0,8 0,6
10 Maulisa Darata Putri 0.74 8
11 Fatimah Najwati 0.74 8
A11 0,6 0,4 0,6 0,8 0,8
Azzahra A 12 0,6 0,6 0,6 0,8 1
12 Fatimah Najwita 0.74 8
Azzahra A13 0,8 0,8 0,6 0,6 0,8
13 Nanda Salsabila 0.73 9
A14 0,6 0,8 1 0,8 1
14 Anisa Hemalia Putri 0.73 9
15 Arwan Sarifuddin 0.72 10 A15 0,6 0,8 0,6 0,8 0,8
16 Nadila Eka Ramadhani 0.72 10 A16 0,6 0,4 0,6 0,8 0,8
17 Romadhoni Fairuz 0.71 11
A17 0,6 0,4 0,6 0,8 0,8
18 Dina Bombom Anto 0.70 12
19 Nabila Arta Milasari 0.68 13 A18 0,4 0,6 0,8 1 1
20 Nabil Abyakta Zufar 0.67 14 A19 0,8 0,8 1 1 1
21 Nabilah Nusaibah 0.65 15
A20 0,4 0,6 0,6 0,6 0,6
22 Sandy Setia Alamsyah 0.65 15
23 Zidan A Aizudin 0.65 15
A21 0,8 0,6 0,6 0,8 0,8
24 Rizkia Ramadhani 0.65 15 A 22 0,8 0,6 0,6 0,8 0,8
25 Dhani Febriyan 0.64 16 A23 0,6 0,6 0,8 1 1
26 Ibnu Baihaqi 0.62 17
A24 0,6 0,4 0,6 0,8 0,6
27 Zacky Zakaria 0.62 17
Muhammad Zakky Ibnu A25 0,4 0,6 0,6 0,6 0,8
28 0.61 18
Satria
29 Nabil Syafiq 0.58 19 A26 0,6 0,6 0,6 0,8 0,8
30 Farid Febriansyah 0.54 20 A27 0,8 0,8 0,6 0,4 0,6
proses normalisasi keputusan berdasarkan perhitungan A28 1 1 1 1 1
kriteria. Digambarkan dalam bentuk tabelnya sebagai
berikut: A29 0,8 0,8 0,8 0,6 0,8
A30 0,4 0,6 0,6 0,8 0,8

Nilai terbesar ada pada V28 sehingga alternatif A28

(Siswa ke – 28) adalah alternatif yang terpilih sebagai
alternatif yang terbaik dengan hasil akhir 1,00.Namun

105
 Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018

pada kasus ini alternatif yang terbaik adalah beberapa MENGGUNAKAN METODE
siswa yang mendapatkan nilai pembobotan cukup pada SIMPLE
setiap kriteria. ADDITIVE WEIGHTING ( SAW ) DI PT
TIRTA JAYA ABADI SINGARAJA,” vol. 4,
2015.
4. KESIMPULAN [4] M. Elistri, J. Wahyudi, and R. Supardi,
“Penerapan Metode Saw Dalam Sistem
Kesimpulan dari penelitian ini adalah sebagai berikut: Pendukung Keputusan Pemilihan Jurusan Pada
• Dari perhitungan dengan menggunakan metode Sekolah Menengah Atas Negeri 8 Seluma,” J.
Simple Additive Weighting, dengan mengacu pada M edia Infotama Penerapan Metod. SAW… ISSN,
penilaian berdasarkan kriteria yang sudah vol. 10, no. 2, pp. 1858 –2680, 2014.
ditentukan yaitu berakhlak baik, aktif di dalam
kelas, nilai raport tertinggi, absensi kehadiran, dan [5] Elistri, M., Wahyudi, J., & Supardi, R. (2014).
bertanggung jawab, maka terpilih siswa terbaik Penerapan Metode Saw Dalam
pertama yang bernama Suwindah dengan nilai Sistem
yang diperoleh sebesar 1,00. Pendukung Keputusan Pemilihan Jurusan Pada
• Dari hasil analisis perhitungann dengan Sekolah Menengah Atas Negeri 8 Seluma. Jurnal
menggunakan metode Simple Additive Weighting Media Infotama Penerapan Metode SAW…
dan dari hasil kuesioner penilaian siswa yang ISSN, 10(2), 1858–2680.
terdiri dari kriteria berakhlak baik, aktif di dalam
kelas, nilai raport tertinggi, absensi kehadiran, dan [6] Frieyadie. (2016). DALAM
bertanggung jawab, siswa bernama Suwindah SISTEM PENDUKUNG KEPUTUSAN
mendapatkan nilai sempurna. PROMOSI, (1),
• Dengan demikian, untuk menentukan siswa 37–45.
terbaik tidak cukup hanya dengan penilaian
akademinnya saja tetapi juga memperhitungkan
penilaian nonakademiknya.

5. SARAN

• Sistem yang penulis buat dapat dikembangkan

dengan metode yang berbeda atau
mengkombinasikan metode SAW dengan metode
lainnya.
• Agar hasil sisstem keputusan lebih baik dapat
diimplementasikan dengan bentuk aplikasi
berbasis mobile ataupun web dengan tampilan
userfriendly.

DAFTAR PUSTAKA

[1] R. P. Pratama, I. Werdiningsih, and I. Puspitasari,

“Sistem Pendukung Keputusan Pemilihan Siswa
Berprestasi di Sekolah Menengah Pertama
dengan Metode VIKOR dan TOPSIS,” J. Inf.
Syst. Eng. Bus. Intell., vol. 3, no. 2, pp. 113–121,
2017.
[2] R. Pradita and N. Hidayat, “Sistem Pendukung
Keputusan Pemilihan Guru
Berprestasi
Menggunakan Metode PROMETHEE,” J. Sains
Dan Seni Pomits, vol. 2, no. 1, pp. 63–68, 2013.
[3] I. G. B. Subawa, I. M. A. Wirawan, and I. M. G.
Sunarya, “PEMILIHAN PEGAWAI TERBAIK

106