MAKALAH

SISTEM PENDUKUMG KEPUTUSAN METODE SIMPLE

ADDITIVE WEIGHTING (SAW)

Disusun Oleh :

KIKI MAWADDAH

NIM. 1836019

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER

UNIVERSITAS PASIR PENGARAIAN

2020
 KATA PENGANTAR

Segala puji bagi Tuhan yang telah menolong hamba-Nya menyelesaikan

makalah ini dengan penuh kemudahan. Tanpa pertolongan Dia mungkin penyusun
tidak akan sanggup menyelesaikan dengan baik.

Makalah ini di susun oleh penyusun dengan berbagai rintangan. Baik itu
yang datang dari diri penyusun maupun yang datang dari luar. Namun dengan
penuh kesabaran dan terutama pertolongan dari Tuhan akhirnya makalah ini dapat
terselesaikan.

Semoga makalah ini dapat memberikan wawasan yang lebih luas kepada
pembaca. Walaupun makalah ini memiliki kelebihan dan kekurangan. Penyusun
mohon untuk saran dan kritiknya.

Pasir Pengaraian, Oktober 2020

KIKI MAWADDAH

ii
 DAFTAR ISI

Halaman

KATA PENGANTAR ......................................... Error! Bookmark not defined.

DAFTAR ISI ...................................................................................................... iii

DAFTAR GAMBAR ........................................... Error! Bookmark not defined.

DAFTAR TABEL................................................ Error! Bookmark not defined.

ABSTRAK .......................................................................................................... v

BAB I PENDAHULUAN .................................................................................... 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Identifikasi Masalah ................................................................................. 2

1.3 Maksud dan Tujuan .................................................................................. 2

1.4 Batasan Masalah ....................................................................................... 2

BAB II LANDASAN TEORI............................................................................... 8

2.1 Sistem Pendukung Keputusan ................................................................... 8

2.2 Metode Simple Additive Weighting.......................................................... 9

2.3 Langkah Penyelesaian Metode SAW ...................................................... 11

BAB III PEMBAHASAN .................................................................................. 12

3.1 Analisa Permasalahan ............................................................................. 12

3.2 Analisis Sistem ....................................................................................... 12

3.2.1 Analisis Hasil dan Pembahasan ..................................................... 14

BAB IV PENUTUP ........................................................................................... 21

4.1 Kesimpulan ............................................................................................ 21

4.2 Saran ...................................................................................................... 21

iii
DAFTAR PUSTAKA ........................................................................................ 23

iv
 ABSTRAK
Untuk menghasilkan sebuah keputusan, penggunaan metode dapat membuat
pengambilan keputusan menjadi lebih efesien dan lebih tepat, apalagi jika data
yang di perhitungkan berjumlah banyak. Salah satu contohnya adalah dalam
menyeleksi siswa terbaik dari seluruh pendaftar untuk dipilih dan diikutkan
lomba, hasil seleksi siswa dilakukan oleh panitia di bidang kompetisi. Dengan
menggunakan sebuah metode pada suatu sistem, akan menghasilkan sebuah
keputusan yang sesuai untuk penyeleksian data. Metode untuk menentukan hasil
seleksi untuk menentukan peserta lomba adalah metode Simple Additive
Weighting (SAW). Metode SAW adalah metode dengan penjumlahan terbobot.
Metode ini sering digunakan dan merupakan metode yang paling terkenal dalam
menghadapi situasi Multiple Attribute Decision Making (MADM). Dengan
menggunakan metode ini hasil seleksi diharapkan lebih akurat dan sesuai dengan
kriteria yang ditetapkan. Sistem mampu memberikan hasil rekomendasi keputusan
yang tepat berdasarkan persyaratan yang telah ditetapkan. Informasi hasil
perhitungan terhadap sejumlah data seleksi menunjukan pencapaian yang
diharapkan, dalam waktu yang cepat dengan tidak melibatkan banyak faktor.
Dengan demikian sistem ini dapat memberikan kemudahan pengelolaan untuk
pelaksanaan seleksi lomba kompetensi siswa sekolah menengah kejuruan.

Kata Kunci : Simple Additive Weighting, Rumus SAW, metode untuk

menyelesaikan masalah MADM, penyeleksian peserta lomba dengan metode SAW

v
 1

BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan kita sering mendapatkan keputusan dimana keputusan itu
dapat menentukan masadepan kita, ketika memilih sebuah keputusan kita
mempertimbangkan apakah keputusan tersebut berdampak untung atau tidak.
Dalam berbisnis sangat penting untuk menentukan keputusan yang tepat demi
kesuksesan dalam berbisnis, tidak hanya dalam berbisnis dalam edukasi,
pengadilan, dan perancangan sistem. Kita akan terus di hadapi dengan keputusan.

Dalam mengambil keputusan terdapat banyak metode. Metode dalam

mengambil keputusan di gunakan ketika hal yang di pertimbangkan terdapat
banyak hal, untuk itu digunakanlah metode agar dapat mengambil keputusan
dengan tepat, atau yang sering di sebut MADM (Multi Attribute Decision
Making) yaitu proses pengambilan keputusan terhadap sebuah masalah yang
memiliki beberapa atribut penting untuk dipertimbangkan. MADM itu sendiri
merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu.

Salah satu contoh dalam menggunakan MADM adalah cara menentukan

peserta lomba untuk siswa dengan menggunakan metode Simple Additive
Weighting (SAW). Simple Additive Weighting adalah metode pengambilan
keputusan dengan cara menormalisasi matriks ke suatu sekala yang dapat di
petimbangkan, dengan data – data yang sudah di kumpulkan lalu dibuatkan
krikteria penilaian berdasarkan data – data tersebut.

Dengan menggunakan metode Simple Additive Weighting hasil yang

didapatkan akan terlihat jelas, dengan begitu dapat di tentukan dengan optimal
siapa yang harus dipilih untuk mengikuti lomba berdasarkan bobot terbesar. Oleh
karena itu penggunaan metode dalam memilih keputusan sanggat berguna untuk
kehidupan sehari – hari sesuai dengan kondisi masalah tersebut bagusnya
menggunakan metode apa agar mencapai hasil yang di ingginkan.
1.2 Identifikasi Masalah

Permasalahan Dari latar belakang yang telah ditulis, kami memberikan

identifikasi masalah yang akan dijadikan bahan penelitian sebagai berikut:
• Pemilihan siswa untuk mengikuti lomba kompetensi

1.3 Maksud dan Tujuan

Penelitian ini di lakukan dengan tujuan sebagai berikut :

1. Cara menggunakan Simple Additive Weighting (SAW)

2. Sebagai salah satu syarat untuk memperoleh nilai TUGAS pada mata
kuliah Sistem Penunjang Keputusan

1.4 Batasan Masalah

Agar pembahasan makalah ini dapat terarah dan memiliki fokus dalam
pembahasannya, maka penulis memberikan batasan masalah yang akan diteliti.
Batasan tersebut sebagai berikut :

1. Pengertian Simple Additive Weighting .

2. Pengambilan keputusan menggunakan Simple Additive Weighting.

2
 8

BAB II
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan

Menurut Alter [1] Sistem Pendukung Keputusan (SPK) merupakan sistem

informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian
data. Sistem itu di gunakan untuk membantu pengambilan keputusan dalam
situasi yang semiterstruktur dan situasi yang tidak terstruktur, dimana seorang pun
tahu secara pasti bagaimana keputusan seharusnya dibuat.

Sistem Pendukung Keputusan juga sering juga di kenal Decision Support

System (DSS) adalah sistem informasi interaktif di buat untuk memberikan solusi
suatu masalah atau untuk mengevaluasi suatu peluang. Hal yang diperlukan untuk
membuat sistem pendukung keputusan yaitu data, interface yang mudah dan dapat
menggabungkan pemikiran pengambilan keputusan. Dapat disimpulkan bahwa
sistem pendukung keputusan adalah sistem informasi berbasis komputer yang
menggabungkan model dan data untuk memberikan solusi untuk masalah yang
tidak terstruktur dengan keterlibatan pengguna yang ekstensif melalui interface
yang mudah digunakan.

Dalam melakukan pekerjaan yang bersifat analisa, sistem pendukung

keputusan sangat berguna untuk memanajemen data – data atau situasi yang
kurang terstruktur dengan krikteria yang kurang jelas. Maksud dari sistem
pendukung keputusan adalah untuk memberikan perangkat interaktif yang
memungkinkan pengambil keputusan untuk melakukan berbagai analisis
menggunakan model-model yang tersedia bukan hanya di maksudkan untuk
mengotomatisasikan pengambilan keputusan

Dalam mengambil keputusan untuk menyelesaikan suatu masalah dapat

dilihat dari keterstrukturannya yang bisa di bagi menjadi :

1. Keputusan terstruktur (structured decision) adalah pengambilan

keputusan yang dilakukan secara berulang-ulang dan bersifat rutin,
proses untuk pengambilan keputusan sangatlah jelas, keputusan tersebut
terutama dilakukan pada menajemen tingkat bawah.
 2. Keputusan semiterstruktur (semistructured decision) adalah pengambilan
keputusan yang memiliki dua tipe, tipe yang bisa ditangani oleh
komputer dan tipe yang harus dilakukan oleh pengambil keputusan,
dengan prosedur dalam pengambil keputusan tersebut sudah ada (secara
garis besar), tetapi ada juga hal yang masih memerlukan kebijakan dari
pengambil keputusan. Biasanya, keputusan semacam ini di ambil oleh
manajer level menengah dalam suatuorganisasi.

3. Keputusan tak terstruktur (unstructured decision), adalah keputusan yang

penanganannya rumit karena tidak terjadi beulang-ulang atau tidak selalu
terjadi, keputusan tersebut menuntut pengalaman dan berbagai sumber
yang bersifat eksternal. Keputusan tersebut umumnya terjadi pada
manajemen tingkat atas.

2.2 Metode Simple Additive Weighting

Metode Simple Additive Weighting (SAW), adalah salah satu metode untuk
menghadapi situasi Multi Attribute Decision Making (MADM) yang di gunakan
untuk pengambilan keputusan. Menurut Fishburn 1967, dan MacCimmon 1968
metode Simple Additive Weighting sering juga di kenal dengan istilah metode
penjumlahan berbobot. Konsep dasar metode Simple Additive Weighting adalah
dengan mencari jumlah yang berbobot yang di dapat dari rating kinerja pada
setiap alternatif pada semua atribut.

Metode Simple Additive Weighting disarankan untuk menyelesaikan

masalah penyeleksian dalam sistem pengambilan keputusan multi proses. Metode
Simple Additive Weighting merupakan metode yang banyak digunakan dalam
pengambilan keputusan yang memiliki banyak atribut. Metode Simple Additive
Weighting membutuhkan proses normalisasi matriks keputusan (x) ke suatu skala
yang dapat diperbandingkan dengan semua rating alternatif yang ada. Formula
untuk melakukan normalisasi tersebut adalah sebagai berikut:

9
 {
Keterangan:

Max = Nilai terbesar dari setiap kriteria i.

Min = Nilai terkecil dari setiap kriteria i.
= Nilai atribut yang dimiliki dari setiap kriteria.
Benefit = Jika nilai terbesar adalah yang terbaik.
Cost = Jika nilai terkecil adalah yang terbaik.

Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cij
i=1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) di berikan sebagai:

Keterangan:

Vi = Rangking untuk setiap alternatif.

Wj = Nilai bobot rangking (dari setiap kriteria).

rij = Nilai rating kinerja ternormalisasi.

Nilai Vi yang lebih besar mengidentifikasikan bahwa alternatif Ai lebih terpilih.

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif (Ai) lebih

terpilih. Berikut ini adalah tahapan-tahapan menggunakan metode SAW:

a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam

pengambilan keputusan, yaitu Ci.
b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

10
 c. Membuat matriks keputusan berdasarkan kriteria (C1), kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut sehingga diperoleh matriks ternormalisasi R.
d. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan bobot vektor sehingga diperoleh
nilai terbesar yang dipilih sebagai alternatif terbaik (A1) sebagai solusi.

2.3 Langkah Penyelesaian Metode SAW

Dalam penelitian ini menggunakan FMDAM metode SAW. Langkah-
langkah pemecahan masalah dalam penelitian ini adalah sebagai berikut:

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam

menentukan pengambilan keputusan Cj.
2. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang
sudah ditentukan, dimana nilai i=1,2,……n.
3. Menentukan rating kecocokan setiap alternatifpada setiap kriteria
kemudian memodelkannya ke dalam bilangan fuzzy setelah itu
dikonversikan kebilangan crisp.
4. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai
crisp.
5. 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 = MAXIMUM atau atribut biaya/cost = MINIMUM).
Apabila berupa atribut keuntungan maka crisp (Xi j) dari setiap kolom
atribut dibagi dengan nilai crisp MAX (MAX Xi j) dari setiap kolom,
sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xi j) dari setiap
kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.
6. Melakukan proses perangkingan untuk setiap alternatif (Vi) dengan cara
mengalikan nilai (Wi) dengan nilai rating kinerja ternormalisasi (rij).
7. Menentukan nilai prefensi untuk setiap alternatif (Vi) dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai
bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif
Ai lebih terpilih Nurdin (dalam Dicky, 2012:13).

11
 BAB III

PEMBAHASAN

3.1 Analisa Permasalahan

Dalam menentukan kadidat untuk disertakan dalam lomba kompetensi siswa

bisa digunakan sistem yang dapat membantu dalam menentukan keputusan yang
optimal. Untuk mempermudah dan mempercepat kinerja guru dan staf yang
bertugas, terlebih lagi untuk panitia dari sekolah yang harus menentukan calon
perseta yang pantas untuk mengikuti lomba kompetensi siswa. Untuk
mendapatkan calon peserta lomba kompetensi tersebut maka harus di tentukan
krikteria-krikterianya terlebih dahulu. Krikteria yang diterapkan dalam studi kasus
ini adalah Peringkat Rangking, Nilai Rata-rata Pemerograman Visual Basic, Nilai
Rata-rata Pemerograman Java, Nilai Rata-rata Pemerograman WEB, dan nilai
Rata-rata Kepribadian. Dalam penentuan peserta lomba kopetensi dengan
menggunakan metode Simple Additive Weighting dibutuhkan krikteria-kerikteria
dan bobot agar dapat di perhitungkan, shingga didapatkanya calon peserta yang
bagus.

3.2 Analisis Sistem

Dalam menentukan penilaian bobot peserta lomba, di butuhkan krikteria –

krikteria yang akan di gunakan untuk meniali peserta yang nantinya akan
dibuatkan alternative peserta lomba, masing-masing kriteria memiliki subkriteria
yang ditentukan berdasarkan rentang nilai penetapan, akan memberikan tingkat
pembatasan data, sehingga penilaian akan lebih ketat dan tepat. Pemberian bobot
nilai dari pendistribusian total 100% terhadap masing-masing kriteria didasarkan
pada skala prioritas, sehingga hasil seleksi data akan lebih tepat dan sesuai dengan
ketentuan. Hasil keputusan akan ditetapkan 5 rangking terdepan dari hasil
rekomendai seluruh data peserta lomba.

Dalam proses penilaian tersebut digunakan metode Simple Additive

Weighting. Bobot krikteria yang akan di gunakan terdiri dari lima bilangan Simple
Additive Weighting, yaitu sangat rendah (SR), Sedang (R), Cukup (C), Tinggi (T),
dan Sangat Tinggi (ST) seperti gambar di bawah ini.

12
 Gambar 3.1 Bilangan Fuzzy Untuk Bobot

Keterangan :

SR = Sangat Rendah;

R = Rendah;

C = Cukup;

T = Tinggi;

ST = Sangat Tinggi.

Dari gambar 1 diatas, bilangan–bilangan fuzzy dapat dikonversikan kebilangan

crisp untuk lebih jelas data bobot dibentuk dalam tabel dibawah ini:

Bobot Nilai Fuzzy

Sangat Rendah 0,00

Rendah 0,25

Cukup 0,5

Tinggi 0,75

Sangat Tinggi 1,00

Tabel 3.1 Nilai Bobot

13
 Berdasarkan setiap data yang akan diperhitungkan, yang memiliki nilai
kriteria dengan bobot yang berbeda berdasarkan ketentuan yang telah ditentukan.
Sehingga data-data tersebut akan mudah diperhitungkan dengan perhitungan
SAW, dengan begitu bisa ditentukan hasil dari nilai masing masing data, kriteria
dan ranting kecocokan setiap alternatif pada setiap kriteria yang telah ditentukan,
selanjutnya dilakukan penjabaran bobot setiap kriteria yang telah dikonversikan
dengan bilangan Simple Additive Weighting. Pengambilan keputusan berdasarkan
nilai terbesar dari urutan 1 sampai dengan 5 yang merupakan hasil keputusan
akhir peserta lomba.

3.2.1 Analisis Hasil dan Pembahasan

Berdasarkan langkah-langkah untuk memecahkan masalah dengan

mengunakan metode SAW yang telah dijelaskan sebelumnya, pada subbab ini
akan dibahas tentang proses perhitungan dan keluaran yang diharapkan pada
penelitian ini.

1. Untuk menentukan kriteria - kriteria yang akan dijadikan acuan dalam

pengambilan keputusan, yaitu. Dalam metode penelitian ini ada bobot
dan kriteria yang dibutuhkan untuk menentukan siapa yang akan terpilih
sebagai peserta lomba. Adapun kriteria dalam penelitian ini adalah:

Kode Kriteria

C1 Peringkat Rangking

C2 Nilai Rata-rata Pemerograman Visual Basic

C3 Nilai Rata-rata Pemerograman Java

C4 Nilai Rata-rata Pemerograman WEB

C5 Nilai Rata-rata Kepribadian

Tabel 3.2 Tabel Kriteria

14
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
a. Variabel Peringkat Rangking dikonversikan dengan bilangan fuzzy
dibawah ini.

Peringkat Rangking (C1) Keterangan Bobot

C1 = 1 - 2 Sangat Tinggi (ST) 1,00

C1 = 3 – 4 Tinggi (T) 0,75

C1 = 5 – 6 Cukup (C) 0,5

C1 = 7 – 8 Rendah (R) 0,25

C1 = 9 – 10 Sangat Rendah (SR) 0,00

Tabel 3.3 Peringkat Rangking

b. Variabel Nilai Rata-rata Pemerograman Visual Basic dikonversikan

dengan bilangan fuzzy dibawah ini.

Nilai Rata-rata
Pemerograman Visual Keterangan Bobot
Basic (C2)

C2 = 76 – 100 Sangat Tinggi (ST) 1,00

C2 = 66 – 75 Tinggi (T) 0,75

C2 = 56 – 65 Cukup (C) 0,5

C2 = 46 – 55 Rendah (R) 0,25

C2 = 0 – 45 Sangat Rendah (SR) 0,00

Tabel 3.4 Nilai Rata-rata Pemerograman Visual Basic

15
c. Variabel Nilai Rata-rata Pemerograman Java dikonversikan dengan
bilangan fuzzy dibawah ini.

Nilai Rata-rata
Keterangan Bobot
Pemerograman Java (C3)

C3 = 76 – 100 Sangat Tinggi (ST) 1,00

C3 = 66 – 75 Tinggi (T) 0,75

C3 = 56 – 65 Cukup (C) 0,5

C3 = 46 – 55 Rendah (R) 0,25

C3 = 0 – 45 Sangat Rendah (SR) 0,00

Tabel 3.5 Nilai Rata-rata Pemerograman Java

d. Variabel Nilai Rata-rata Pemerograman WEB dikonversikan dengan

bilangan fuzzy dibawah ini.

Nilai Rata-rata
Keterangan Bobot
Pemerograman WEB (C4)

C4 = 76 – 100 Sangat Tinggi (ST) 1,00

C4 = 66 – 75 Tinggi (T) 0,75

C4 = 56 – 65 Cukup (C) 0,5

C4 = 46 – 55 Rendah (R) 0,25

C4 = 0 – 45 Sangat Rendah (SR) 0,00

Tabel 3.6 Nilai Rata-rata Pemerograman WEB

16
 e. Variabel Nilai Rata-rata Kepribadian dikonversikan dengan bilangan
fuzzy dibawah ini.

Tabel 3.7 Nilai Rata-rata Kepribadian

Selanjutnya adalah membuat matriks keputusan berdasarkan kriteria (Ci),

dan melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan
dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh
matriks ternormalisasi R.

Contoh hasil pendataan dari calon peserta lomba. Dimana data-data yang
dimasukan sesuai dengan data yang sebenarnya dan sesuai dengan kriteria yang
sudah ditentukan melalui proses perhitungan.

17
 Nama
NISN (C21) (C2) (C3) (C4) (C5)
Siswa

8273 Maulana 1 95 93 97 98

1402 Nana 2 93 90 95 74

3689 Fatimah 3 90 70 98 97

8837 Nurhayati 4 90 89 94 94

7383 Leha 5 75 87 92 91

Tabel 3.8 Masukan Data Awal Siswa Calon Peserta

Nama
NISN (C21) (C2) (C3) (C4) (C5)
Siswa

8273 Maulana 1,00 1,00 1,00 1,00 1,00

1402 Nana 1,00 1,00 1,00 1,00 0,75

3689 Fatimah 0,75 1,00 0,75 1,00 1,00

8837 Nurhayati 0,75 1,00 1,00 1,00 1,00

7383 Leha 0,5 0,75 1,00 1,00 1,00

Tabel 3.9 Masukan Data Siswa Calon Peserta

Berdasarkan pada tabel 3.8 diatas, dapat dibentuk matriks keputusan X dengan
data tersebut:

( )

18
Keterangan :

Max Xij = Nilai terbesar dari setiap kriteria i.

Min Xij = Nilai terkecil dari setiap kriteria i.

Xij = Nilai atribut yang dimiliki dari setiap kriteria.

Benefit = Jika nilai terbesar adalah yang terbaik.

Cost = Jika nilai terkecil adalah yang terbaik.

rij = Nilai rating kinerja ternormalisasi

a. Peringkat Rangking (C1)

R11 = 1

R12 = 1

R13 = 1

R14 = 1

R15 = 1

19
b. Nilai Rata-rata Pemerograman Visual Basic (C2)

R21 = 1

R22 = 1

R23 = 1

R24 = 1

R25 = 0,75

c. Nilai Rata-rata Pemerograman Java (C3)

R31 = 0,75

R32 = 1

R33 = 0,75

R34 = 1

R35 = 1

20
d. Nilai Rata-rata Pemerograman WEB (C4)

R41 = 0,75

R42 = 1

R43 = 1

R44 = 1

R45 = 1

e. Nilai Rata-rata Kepribadian (C5)

R51 = 0,5

R52 = 0,75

R53 = 1

R54 = 1

R55 = 1

21
Hasil Normalisasi:

( )

3. Untuk mencari nilai prefensi dari setiap alternatif adalah dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi dengan nilai
bobot. Berikut ini merupakan persamaan untuk mencari nilai preferensi
dari setiap alternatif yang telah ditentukan.

Keterangan:

Vi = Rangking untuk setiap alternatif.

Wj = Nilai bobot rangking (dari setiap kriteria).

rij = Nilai ratingkinerja ternormalisasi.

22
 Berikut ini merupakan perhitungan nilai preferensi dari setiap alternatif
yang telah ditentukan. Proses perangkingan dengan menggunakan bobot yang
telah diberikan oleh pengambil keputusan:

Bobot Kriteria

Peringkat Rangking 0,75

Nilai Rata-rata Pemerograman Visual Basic 0,5

Nilai Rata-rata Pemerograman Java 0,5

Nilai Rata-rata Pemerograman WEB 0,5

Nilai Rata-rata Kepribadian 0,25

Tabel 3.10 Table Bobot Keikteria

Maka:

W= [ 0,75 0,5 0,5 0,5 0,25 ]

Hasil yang diperoleh sebagai berikut:

V1 = (0.75 * 1) + (0.5 * 1) + (0.5 * 1) + (0.5 * 1) + (0.25 * 1)

= (0.75 + 0.5 + 0.5 + 0.5 + 0.25)

= 2.5

V2 = (0.75 * 1) + (0.5 * 1) + (0.5 * 1) + (0.5 * 1) + (0.25 * 0.75)

= (0.75 + 0.5 + 0.5 + 0.5 + 0.1875)

= 2.4375

V3 = (0.75 * 0.75) + (0.5 * 1) + (0.5 * 0,75) + (0.5 * 1) + (0.25 * 1)

= (0.5625 + 0.5 + 0,375 + 0.5 + 0.25)

= 2,1875

23
V4 = (0.75 * 0.75) + (0.5 * 1) + (0.5 * 1) + (0.5 * 1) + (0.25 * 1)

= (0.5625 + 0.5 + 0.5 + 0.5 + 0.25)

= 2,3125

V5 = (0.75 * 0.5) + (0.5 * 0,75) + (0.5 * 1) + (0.5 * 1) + (0.25 * 1)

= (0.375 + 0,375 + 0.5 + 0.5 + 0.25)

= 1,5

Sehingga dapat dilihat hasil perangkingan setiap siswa dibawah ini:

NISN Alternatif Nama Siswa Akhir

8273 V1 Maulana 2,5

1402 V2 Nana 2,4375

3689 V3 Fatimah 2,1875

8837 V4 Nurhayati 2,3125

7383 V5 Leha 1,5

Tabel 3.11 Perankingan Siswa Peserta Olimpiade

Dari perhitungan diatas didapat V1 (Maulana) dan alternatif V2 (Nana)

merupakan nilai terbesar sehingga diperoleh sebagai alternatif terbaik.

24
 21

BAB IV

PENUTUP

1.1 Kesimpulan
Berdasarkan hasil analisis yang didapatkan, maka dapat diambil beberapa
kesimpulan diantaranya sebagai berikut:

1. Peringkat rangking tidak menjadi prioritas dalam pemilihan siswa yang

dapat mengikuti lomba kompetensi siswa.
2. Sistem pendukung keputusan ini dapat mempermudah sekolah kejuruan
dalam menentukan peserta lomba kompetensi siswa.
3. Dengan menerapkan metode SAW sistem yang dirancang mampu
menampilkan hasil keputusan pemilihan calon peserta lomba kompetensi
siswa berdasarkan kriteria nilai yang diinputkan.
4. Sistem yang dibuat mampu memberikan hasil rekomendasi keputusan
yang sesuai, berdasarkan kriteria kriteria peringkat rangking , Nilai Rata-
rata Pemerograman Visual Basic, Nilai Rata-rata Pemerograman Java,
Nilai Rata-rata Pemerograman WEB, dan Nilai Rata-rata Kepribadian.
5. Informasi hasil perhitungan sejumlah data menunjukan pencapaian yang
diharapkan dalam waktu yang cepat.
6. Sistem memberikan ketersediaan untuk menambah kriteria dan merubah
bobot tiap kriteria sehingga memberikan peluang pengelola sistem untuk
melakukan pembaharuan.

1.2 Saran
Adapun saran yang dapat diberikan setelah menyusun makalah ini adalah
sebagai berikut:

1. Sistem pendukung keputusan dengan menggunakan metode SAW dapat

diaplikasikan pada kasus lain.
2. Metode dapat dikembangkan menjadi sistem pendukung apa saja yang
mempunyai konsep kerja yang hampir sama dengan konsep awal dari
sistem pendukung keputusan ini.
3. Sistem dapat dikembangkan dengan menggunakna metode Sistem
Pendukung Keputusan yang lain, ataupun hibrit beberapa metode SPK.
4. Sistem dapat dikombinasikan atau dikembangkan dengan metode Fuzzy.

22
 DAFTAR PUSTAKA

[1] Fauziah Zainuddin, Norlin Mohd Ali, Roslina Mohd Sidek, Awanis Romli,
Nooryati Talib & Mohd. Izham Ibrahim (2009) “Conceptual Modeling for
Simulation: Steaming frozen Food Processing in Vending Machine” International
Conference on Computer Science and Information Technology, University
Malaysia Pahang, pp.145-149.

[4] Peter Minns & Ian Elliott, “FSM-based Digital Design using Verilog HDL”,
John Wiley & Sons Ltd 2008.

[5] Zhang Wen & Zhang Xin Long (2010) “Design and Implementation of
automatic vending machine Based on the short massage payment” International
Conference on Information and Communication technology in Electrical
Sciences, Neijiang, Sichuan, China.pp.978-981.

[6] B. Caulfield & M.O Mahony (2005) “Passenger Requirements of a Public

Transport Ticketing System” Proceedings of the 8th International IEEE
Conference on Intelligent Transportation Systems Vienna, Austria, pp-32-37.

[7] M. Zhou, Q. Zhang & Z. Chen (2006), “What Can Be Done to Automate
Conceptual Simulation Modelling?” Proceedings of the 2006 Winter Simulation
Conference, pp. 809 – 814.

[8] Biplab Roy & Biswarup Mukherjee (2010) “Design of Coffee Vending
Machine using Single Electron Devices” Proceedings of 2010 International
Symposium on Electronic System Design. Pp 38-43.
[9] C. J Clement Singh, K Senthil Kumar, Jayanto Gope, Suman Basu & Subir
Kumar Sarkar (2007) “ Single Electron Device based Automatic Tea Vending
Machine” proceedings of International Conference on Information and
Communication Technology in Electrical Sciences (ICTES 2007) , pp
891-896.
[10] P. Smith (1997) “Automatic Hot-food Vending Machine,” Trends in Food
Science & Technology October 1997, Vol. 81, and pp. 349.

23
[11] M. Zhou, Y. J. Son, & Z. Chen, (2004), “Knowledge Representation for
Conceptual Simulation Modeling” Proceedings of the 2004 Winter Simulation
Conference, pp. 450 – 458.
[12] J.Komer (2004) “Digital logic and state machine design”, 2nd ed., Oxford.
[13] Muhammad Ali Qureshi, Abdul Aziz & Hafiz Faiz Rasool “Design and
Implementation of Automatic Ticket System using Verilog HDL” proceedings of
tnternational conference on Information Technology, pp- 707-712.
[14] Steve Kilts,” Advanced FPGA Design: Architecture, Implementation, and
optimization”, Wiley-IEEE press, 2007.
[15] Seyed Bahram Zahir Azami & Mohammad Tanabian “Automatic Mobile
Payment on a non- Connected Vending Machine” proceedings of Canadian
Conference on Electrical and Computer Engineering, 2004, pp- 731-734.

24
Jurnal Media Infotama Vol. 10 No. 2, September 2014 105

PENERAPAN METODE SAW DALAM SISTEM PENDUKUNG KEPUTUSAN

PEMILIHAN JURUSAN PADA SEKOLAH MENENGAH ATAS
NEGERI 8 SELUMA
Melisa Elistri, Jusuf Wahyudi, Reno Supardi
Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dehasen Bengkulu
Jl. Meranti Raya No. 32 Kota Bengkulu 38228 Telp. (0736) 22027, 26957 Fax. (0736) 341139

ABSTRACT
This writing aim to to make system supporter of decision of Election of majors at school use visual microsoft of basic
6.0. research done by Senior High School (SMA) Country 8 Seluma. Method weared in data collecting Observation,
interview, and Study Book. Lifted a case which searching best alternative pursuant to criterions which have been deter-
mined by using method of SAW (Simple Additif Weighting) to do calculation. From solution and result can be concluded
that by using computerization, system supporter of this decision can be exploited as one of consideration in intake a[n
decision by go to school in taking decision of student majors.
Keyword: System Supporter of Decision, SAW

INTISARI
Penulisan ini bertujuan untuk membuat suatu sistem pendukung keputusan Pemilihan jurusan pada sekolah menggunakan
microsoft visual basic 6.0. penelitian dilakukan pada Sekolah Menengah Atas (SMA) Negeri 8 Seluma. Metode yang
dipakai dalam pengumpulan data adalah Observasi, wawancara, dan Study Pustaka. Diangkat sebuah kasus yang mencari
alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additif
Weighting) untuk melakukan perhitungan. Dari hasil dan pembahasan dapat disimpulkan bahwa dengan menggunakan
komputerisasi, sistem pendukung keputusan ini bisa dimanfaatkan sebagai salah satu pertimbangan dalam pengambilan
suatu keputusan oleh pihak sekolah dalam mengambil keputusan jurusan siswa.
Kata Kunci: Sistem Pendukung Keputusan, SAW

I. PENDAHULUAN dalam Sistem Pendukung Keputusan Pemilihan

A) Latar Belakang
Dalam era globalisasi ini kemajuan teknologi di
berbagai bidang mengalami perkembangan yang
sangat pesat. Begitu juga teknologi di bidang
komputer sudah begitu canggih, baik dari perangkat
keras (hardware) maupun perangkat lunak
(software). Hal ini membuat penggunaan komputer
di berbagai bidang dan instansi sangat diperlukan
terutama untuk mengolah data.
B) Rumusan Masalah
Berdasarkan latar belakang diatas, adapun
rumusan masalah yang diangkat adalah “Penerapan
Metode SAW Dalam Sistem Pendukung Keputusan
Pemilihan Jurusan Pada SMA Negeri 8 Seluma?”
C) Batasan Masalah
Dalam penelitian ini penulis hanya
membatasi permasalahan dalam hal penerapan
metode saw dalam sistem pendukung keputusan
pemilihan jurusan pada kelas X SMA Negeri 8
Seluma yang menggunakan bahasa pemograman
Visual Basic 6.0.
D) Tujuan
Adapun tujuan dari penelitian ini adalah
untuk membangun sistem Penerapan Metode SAW
Jurusan Siswa SMA Negeri 8 Seluma yang
terkomputerisasi, sehingga dapat memudahkan
dalam menentukan jurusan siswa kelas X.
E) Manfaat
1) Bagi Sekolah SMA Negeri 8 Seluma: Dapat
digunakan sebagai alat bantu untuk membuat sebuah
keputusan khususnya untuk melakukan penilaian
pada proses pemilihan jurusan siswa kelas X pada
SMA Negeri 8 Seluma.
2) Bagi Pembaca: Manfaat bagi pembaca
adalah sebagai bahan perbandingan jika melakukan
penelitian dalam pembahasan yang sama yaitu
tentang pembuatan penerapan metode saw dalam
sistem pendukung keputusan pemilihan jurusan
siswa. Khususnya bagi mahasiswa, penelitian ini
juga bisa dimanfaatkan sebagai studi perbandingan
tentang bagaimana teknik dalam membuat suatu
perancangan sistem pendukung keputusan.
II. TINJAUAN PUSTAKA
A) Sistem Komputer
Menurut Janner dalam Elistri (2013 : 10)
Komputer secara umum adalah Sekelompok
elemen-elemen yang saling berinteraksi dengan
maksud yang sama untuk mencapai tujuan tertentu,
dan juga Komputer merupakan suatu jaringan yang

Penerapan Metode SAW… ISSN 1858 – 2680

106
saling berhubungan, berkumpul, bersama-sama
untuk melakukan suatu kegiatan tertentu.
B) Tinjauan Umum Bahasa Pemrograman Visual
Basic 6.
Menurut Sudarjo (2003 : 13) Visual Basic adalah
salah satu development tools untuk membangun
aplikasi dalam lingkungan windows. Dalam
pembangunan aplikasi, visual basic menggunakan
pendekatan visual untuk merancang user interface
dalam bentuk form, sedangkan untuk kodingnya
menggunakan dialek bahasa basic yang cenderung
mudah dipelajari. Visual Basic telah menjadi tools
yang terkenal bagi para pemula maupun para
developer.
Pada pemograman visual, pengembangan
aplikasi dimulai dengan pembentukan user interface,
kemudian mengatur properti dari objek-objek yang
digunakan dalam user interface, dan baru dilakukan
penulisan kode program untuk menangani kejadian-
kejadian (event).
C) Konsep Perancangan Database
Menurut Pahlevi (2013:1) Database adalah
sekumpulan data yang saling berhubungan secara
logis beserta deskripsinya, yang digunakan secara
bersama-sama dan dirancang untuk memenuhi
kebutuhan informasi disuatu tempat.
Sistem Database adalah suatu sistem yang terdiri
dari kumpulan file atau tabel yang saling
berhubungan yang memungkinkan beberapa
pemakai mengakses dan memanpulasi file-file
tersebut.
D) Flowchart
Flowchart atau bagan alur merupakan metode
untuk menggambarkan tahap-tahap penyelesaian
masalah (prosedur), beserta aliran data dengan
simbol-simbol standar yang mudah dipahami. Dalam
kehidupan sehari-hari, flowchart banyak digunakan
di pusat-pusat layanan seperti kantor pemerintahan,
bank, rumah sakit, organisasi masyarakat, dan
perusahaan.
E) Data Flow Diagram (DFD)
Menurut Al fatta (2007 : 119) data flow diagram
(DFD) adalah diagram yang digunakan untuk
menggambarkan proses-proses yang terjadi pada
sistem yang akan dikembangkan, dengan model ini,
data-data yang terlibat pada masing-masing proses
dapat diidentifikasi.
F) Entity Relationship Diagram (ERD)
Menurut Supriyanto (2005 : 207) Entity
Relationship Diagram (ERD) merupakan notasi
grafis dalam pemodelan data konseptual yang
ISSN 1858 – 2680
Jurnal Media Infotama Vol. 10 No. 2, September 2014
mendiskripsikan hubungan antara penyimpanan.
ERD digunakan untuk memodelkan struktur data
dan hubungan antar data.
G) HIPO (Hierarkhi Input Proses Output)
Diagram HIPO (Hierarkhi Input Proses Output)
Merupakan serangkaian diagram yang terdiri dari
serangkaian level yang mengalir dari atas kebawah
yang menggambarkan sistem yang lebih detail.
Diagram HIPO dirancang sebagai alat bantu dan alat
dokumentasi yang digunakan untuk mengidentifi-
kasi apa yang harus dilakukan untuk menyelesaikan
suatu masalah.
F) Pengertian Siswa
Siswa atau peserta didik adalah mereka yang
secara khusus diserahkan oleh kedua orang tuanya
untuk mengikuti pembelajaran yang diselenggarakan
di sekolah, dengan tujuan untuk menjadi manusia
yang berilmu pengetahuan, berketerampilan,
berpengalaman, berkepribadian, berakhlak mulia,
dan mandiri.
G) Pemilihan Jurusan
Penjurusan diperkenalkan sebagai upaya untuk
lebih mengarahkan siswa berdasarkan minat dan
kemampuan akademiknya. Umumnya SMA di
indonesia mengadakan program pemilihan jurusan
bagi kelas X, untuk menganalisa jurusan yang tepat
bagi siswanya di kelas XI nanti. Pemilihan jurusan
biasanya didahului dengan tes minat dan tes
psikologi. Hal tersebut bertujuan untuk memberikan
gambaran yang lebih jelas mengenai potensi yang
dimiliki siswa, agar dapat di maksimalkan oleh siswa
yang bersangkutan.
H) Pengertian Sistem Pendukung Keputusan
Menurut Hermawan (2005:1) Decision Support
System atau sistem penunjang keputusan secara
umum didiefinisikan sebagai sebuah sistem yang
mampu memberikan kemampuan baik kemampuan
pemecahan masalah maupun kemampuan
pengkomunikasian untuk masalah terstruktur.
I) Metode Simple Additive Weighting (SAW)
Menurut Kusumadewi (2006 : 74) Metode SAW
adalah metode penjumlahan terbobot. Konsep dasar
dari metode SAW adalah mencari penjumlahan
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 alternative
yang ada.
Penerapan Metode SAW…
Jurnal Media Infotama Vol. 10 No. 2, September 2014
𝑥𝑖𝑗
Jika j adalah atribut keuntungan
𝑀𝑎𝑥 𝑥𝑖𝑗
𝑖
(benetif)
Rij =
𝑀𝑖𝑛 𝑥𝑖𝑗 Jika j adalah atribut biaya (cost)
𝑖 Rancangan File
{ 𝑥𝑖𝑗
Dimana
rij = Rating kinerja ternormalisasi
Max = Nilai maksimum dari setiap baris dan kolom
Min = Nilai minimum dari setiap baris dan kolom
Xij = Bari dan kolom dari matrik.
𝑛 B) Metode Pengujian
𝑉𝑖 = ∑ 𝑤𝑗 𝑟𝑖𝑗
𝑗=1
Dimana rij adalah rating kinerja ternormalisasi
dari alternative Ai pada atribut Cj; i = 1, 2,…,m dan
j = 1,2, …, n Nilai preferensi untuk setiap alternative
(Vi) diberikan sebagai :
Nilai Vi yang lebih besar mengidentifikasikan
bahwa alternative Ai lebih terpilih.
Langkah-langkah dalam menentukan metode
SAW
1. Menentukan Kriteria yang akan dijadikan acuan
dalam pengambilan keputusan, misalnya C1.
2. Menentukan rating kecocokan setiap alternatif
pada setiap kriteria
3. Membuat matriks keputusan berdasarkan krite-
ria (C1), kemudian melakukan normalisasi
matriks berdasarkan persamaan yang dis-
esuaikan dengan jenis atribut (atribut keun-
tungan ataupun atribut biaya) sehingga matriks
ternormalisasi R.
4. Hasil akhir diperoleh dari proses perankingan
yaitu perjumlahan dari perkalian matriks ternor-
malisasi R dengan vector bobot preferensi se-
hingga diperoleh nilai terbesar yang dipilih se-
bagai alternatif terbaik misalnya (A1).
III. METODOLOGI PENELITIAN
A) Metode perancangan sistem
Analisis sistem lama
Tahap analisis sistem dimulai karena adanya
permintaan terhadap sistem baru. Tujuan utama dari
analisis sistem adalah menentukan hal-hal secara
detail yang akan dikerjakan oleh sistem yang
diusulkan. Sistem yang sedang berjalan di Sekolah
Menengah Negeri 8 Seluma belum memanfaatkan
dukungan komputer dalam pengambiln keputusan.
Analisis sistem baru
Untuk mengatasi kelemahan-kelemahan yang
terdapat pada sistem lama, perlu dilakukan
pengolahan data yang baru untuk memberikan solusi
dari permasalahan tersebut. Dari object yang
sudah disediakan, dengan pengeditan yang sudah
diseiakan oleh software, maka kita perlu
Penerapan Metode SAW…
107
mempersiapkan Concept art, yaitu konsep gambar
dalam keadaan dua di dimensi untuk karakter dan
keadaan.
Desain file merupakan record-record yang sejenis
yang secara logis berkaitan. Perancangan file
merupakan bagian dari sistem informasi, baik untuk
pemakai manual maupun untuk pemakai dengan
sistem komputerisasi.
Pengujian perangkat lunak merupakan proses
eksekusi program atau perangkat lunak dengan
tujuan mencari kesalahan atau kelemahan dari
progam tesebut. Proses tersebut dilakukan dengan
mengevaluasi atribut dan kemampuan program.
Suatu program yang diuji akan dievaluasi apakah
keluaran/output yang dihasilkan telah sesuai dengan
yang diujikan atau tidak.
IV. PEMBAHASAN
A) Hasil Pembahasan
Seperti yang telah dijelaskan pada pendahuluan,
penilaian dilakukan dengan memasukkan nilai-nilai
dari kriteria yang digunakan, kemudian nilai-nilai
tersebut diproses dengan menggunakan metode
simple additive weighting (SAW). Informasi yang
disajikan pada sistem pendukung keputusan
pemilihan jurusan pada siswa adalah informasi
perangkingan nilai.
B) Implementasi Sistem Pendukung Keputusan
Dengan Bahasa Pemrograman Visual Basic 6.0
Implementasi penerapan metode SAW dalam
sistem pendukung keputusan pemilihan jurusan pada
SMA Negeri 8 Seluma dibuat dengan bahasa
pemrograman visual basic 6.0.
Tampilan Menu Pembuka
Tampilan menu pembuka menyajikan form login
untuk masuk ke menu utama program, kita mengisi
nama dan password pengguna, jika password yang
dimasukkan tidak sesuai, maka kita tidak dapat
masuk ke menu utama. Tampilan menu pembuka di-
tunjukkan pada Gambar 1.
Gambar 1. Tampilan Menu Pembuka
ISSN 1858 – 2680
108
Tampilan Menu Utama
Tampilan menu utama menyajikan menu input
data, laporan dan keluar. Tampilan menu input data
ditunjukkan pada Gambar 2.
Gambar 2. Tampilan Menu Utama
Tampilan Menu Input Data
Menu ini merupakan menu yang paling penting,
dimana pada menu ini terdapat sub menu untuk
mengentrikan data jurusan,data siswa, data kriteria
dan data penilaian. Tampilan menu inut data di-
tunjukkan pada Gambar 3.
Gambar 3. Tampilan Menu Input Data
Tampilan Menu Laporan Data
Menu ini merupakan menu yang paling penting,
dimana pada menu ini terdapat sub menu untuk
mengentrikan data jurusan,data siswa, data kriteria
dan data penilaian. Tampilan menu laporan ditunjuk-
kan pada Gambar 4
Gambar 4. Menu Laporan Data
ISSN 1858 – 2680
Jurnal Media Infotama Vol. 10 No. 2, September 2014
Tampilan Menu Keluar
Tampilan menu laporan ditunjukkan pada Gambar 5.
Gambar 5. Tampilan Menu Keluar
V. PENUTUP
A) Kesimpulan
Berdasarkan hasil pembahasan pada bab-bab
diatas, maka pada bab ini penulis dapat menarik
beberapa kesimpulan sebagai berikut:
1) Dalam perancangan sistem pendukung
keputusan pemilihan jurusan dengan
menggunakan bahasa pemrograman visual basic
6.0 dan dapat dijalankan pada komputer tunggal
dibawah sistem operasi windows.
2) Sistem pendukung keputusan ini dibuat untuk
membantu dalam pembuatan keputusan
pemilihan jurusan pada siswa SMA Negeri 8
Seluma.
3) Sistem ini juga bisa membantu dalam pembuatan
keputusan evaluasi jurusan siswa berdasarkan
data-data yang ada.
B) Saran
Adapun saran-saran yang ingin penulis
sampaikan dalam penerapan metode SAW dalam
sistem pendukung keputusan pemilihan jurusan
adalah sebagai berikut:
1) Agar nantinya program yang telah dihasilkan
dapat dipergunakan dengan sebaik-baiknya
untuk membantu kinerja, khususnya dalam
membantu pengambilan suatu keputusan.
2) Program dapat dikembangkan lagi untuk
mendapatkan hasil yang lebih baik sesuai
dengan perkembangan ilmu teknologi.
DAFTAR PUSTAKA
Daryanto, Drs. 2003. Belajar Komputer Visual
Basic. Bandung. CV Yrama Widya Bandung.
175 Hal
Dermawan, Riski, S E.2006. Pengambilan
Keputusan Landasan Filosofi, Konsep dan
aplikasi, Bandung. CV. Alfabeta
Penerapan Metode SAW…
Jurnal Media Infotama Vol. 10 No. 2, September 2014
Elistri, Melisa. 2013. Ssistem Administrasi Surat
Masuk dan Surat Keluar Pada Dinas Tenaga
Kerja Pemuda dan Olahraga Kota Bengkulu.
Universitas Dehasen (UNIVED) Bengkulu
Hermawan, Julius. 2005. Membangun Decision
Support System. Yogyakarta. Andi Offset
http://rharajosephira.blogspot.com/2012/10/tek
nik-dokumentasi-sistem-data-flow.html
Kusumadewi, dkk. 2006. Fuzzy Multi-Attribute
Decision Making. Yogyakarta. Graha Ilmu.
361 Hal
Penerapan Metode SAW…
109
Puspitawati, Lilis, dkk. 2011. Sistem Informasi
Akuntansi. Yogyakarta. Graha Ilmu. 325 Hal
Supriyanto, Aji. 2005. Pengantar Teknologi
Informasi, Jakarta. Salemba Infotek
Suryadi, Kadarsah, Ir, dkk. 2000. Sistem
Pengambilan Keputusan. Bandung. PT.
Remaja Rosdakarya. 108 Hal
Yakub. 2012. Pengantar Sistem Informasi.
Yogyakarta. Graha Ilmu
ISSN 1858 – 2680
JURNAL
TEKNOLOGI INFORMASI
DAN KOMUNIKASI Vol. 5 No. 2, Desember 2016 : 71 – 80

IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) DENGAN

PROSES FUZZIFIKASI DALAM PENILAIAN KINERJA DOSEN

IMPLEMENTATION SIMPLE ADDITIVE WEIGHTING (SAW) METHOD WITH

FUZZIFICATION PROCESS IN LECTURER PERFORMANCE ASSESSMENT

Fifin Sonata
Sekolah Tinggi Ilmu Komputer (STIKOM) Medan
Jl. Iskandar Muda No.45 Medan, Sumatera Utara
fifinsonata2012@gmail.com

ABSTRAK
Peran dosen dalam sebuah Perguruan Tinggi sangat berpengaruh besar terhadap proses belajar
mengajar dan perkembangan Institusi. Untuk itu setiap institusi Perguruan Tinggi harus dapat
meminimalkan kesalahan dalam proses perekrutan dosen baru ataupun dosen yang sedang mengajar
pada proses belajar mengajar berjalan. Kinerja dosen harus dievaluasi penuh agar tercipta suasana
kondusif. Penilaian Kinerja dosen merupakan salah satu cara untuk melihat dan mengevaluasi kerja
dosen di kampus terutama dalam proses belajar mengajar. Metode Simple Additive Weighting (SAW)
yang digabungkan dengan logika fuzzi dalam pemberian bobot pada setiap kriteria merupakan salah
satu metode yang tepat untuk melakukan penilaian kinerja dosen. Nilai mentah dari setiap kriteria
akan mengalami proses fuzzifikasi dan normalisasi matriks yang pada akhirnya menghasilkan
pengurutan pada semua alternatif yang ada. Hasil dari pengurutan akan dapat membantu pihak
perguruan tinggi untuk mengevaluasi kinerja dosen pada setiap semester atau kurun waktu tertentu.
Kata Kunci: Alternatif, Fuzzifikasi, Kinerja, Kriteria, SAW

ABSTRACT
The role of a lecturer in a University has a great influence on the learning process and development of the
institution. Therefore , every universities should be able to minimize errors in the process of hiring new
lecturers and existing lecturers who are teaching in the process of teaching. The performance of lecturers
should be evaluated in order to create a conducive atmosphere. Lecturer performance assessment is one
of several method to observe and evaluate their works on Universities, particularly in the learning
process. The Simple Additive weighting method (SAW) method combined with Fuzzi logic in assigning
weights to each criteria is one appropriate method for assessing lecturer performance. Raw scores from
each criteria will go through fuzzification process and normalization matrix that ultimately lead sorting
at all alternatives. Results of sorting mechanism will help the university to evaluate the performance of
lecturers in each semester or a certain period of time.
Keywords: Alternative, fuzzification, Performance, Criteria, SAW

PENDAHULUAN mencakup program diploma, sarjana, magister,

Pendidikan tinggi di Indonesia spesialis dan doktor yang diselenggarakan oleh
merupakan subsistem pendidikan Nasional yang Perguruan Tinggi. Salah satu upaya lembaga

71
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
pendidikan untuk menjamin kualitas lulusan dan
proses belajar mengajar adalah dengan
meningkatkan kualitas kinerja dosen dalam
proses belajar mengajar. Dosen adalah seseorang
yang berdasarkan pendidikan diangkat oleh
Lembaga Perguruan Tinggi dengan tugas utama
mengajar. Menurut Undang-undang Nomor 14
Tahun 2005 tentang Guru dan Dosen, dosen
adalah pendidik profesional dari ilmuwan
dengan tugas utama menstransformasikan,
mengembangkan dan menyebarluaskan ilmu
pengetahuan, teknologi, seni budaya melalui
pendidikan, penelitian dan pengabdian
masyarakat. Mengingat pentingnya peranan
dosen, maka keberadaannya dalam perguruan
tinggi harus mampu memotivasi dirinya dan
mengembangkan dirinya untuk mendapatkan
kinerja secara maksimal. Masukan yang bisa
diberikan untuk dapat menilai kinerja dosen itu
dengan melakukan penelitian terhadap kinerja
dosen itu sendiri dalam proses belajar mengajar.
Salah satu metode yang bisa digunakan dalam
penelitian mengetahui kinerja dosen adalah
metode Simple Additive Weighting (SAW). Dalam
prosesnya metode SAW akan di kombinasikan
dengan logika fuzzy untuk memperoleh solusi
yang lebih kompleks kepada pimpinan
perguruan tinggi.
Pada penelitian ini akan mengolah data
berupa sejumlah kriteria (multi kriteria) yang
digunakan untuk menilai kinerja dosen. Dalam
penelitiannya Eniyati [1] melakukan penelitian
tentang penerimaan beasiswa dengan metode
SAW. Savitha [2] menggunakan metode SAW
dikombinasikan dengan metode TOPSIS untuk
menyeleksi jaringan wireless heterogen tetapi
dalam proses pengerjaannya tidak dilakukan
proses fuzzifikasi. Dalam penelitiannya Subawa
[3] melakukan pemilihan pegawai yang baik
dengan metode SAW tetapi tidak dilakukannya
proses fuzzifikasi.
Metode SAW sering dikenal dengan
metode penjumlahan terbobot. Konsep dasar
metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap
72
alternatif dari semua atribut. Metode SAW
membutuhkan proses normalisasi matrik
keputusan (X) kesuatu skala yang dapat
diperbandingkan dengan semua rating alternatif
yang ada [4].
Proses Belajar Mengajar
Hamalik, mengemukakan, mengajar dapat
diartikan sebagai (1) menyampaikan
pengetahuan kepada siswa, (2) mewariskan
kebudayaan kepada generasi muda, (3) usaha
mengorganisasi lingkungan sehingga
menciptakan kondisi belajar bagi siswa, (4)
memberikan bimbingan belajar kepada murid,
(5) kegiatan mempersiapkan siswa untuk
menjadi warganegara yang baik, (6) suatu proses
membantu siswa menghadapi kehidupan
masyarakat sehari-hari [5].
Simple Additive Weighting (SAW)
Metode Simple Additive Weighting
merupakan metode yang banyak digunakan
dalam pengambilan keputusan yang memiliki
banyak atribut. Metode SAW membutuhkan
proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat diperbandingkan dengan
semua rating alternatif yang ada [5].
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].
Keterangan :
rij = nilai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki dari setiap kriteria
Max xij = nilai terbesar dari setiap kriteria ᵢ
Min xij = nilai terkecil dari setiap kriteria ᵢ
benefit = jika nilai terbesar adalah terbaik
cost = jika nilai terkecil adalah terbaik
dimana rij adalah rating kinerja ternormalisasi
dari alternatif Ai pada atribut Cj; i=1,2,...,m dan
 Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata

j=1,2,...,n. Nilai preferensi untuk setiap alternatif METODE PENELITIAN

(Vi) diberikan sebagai: Secara umum, diagram alir rancangan
penelitiannya dapat digambarkan pada Gambar
2.

Mulai

Keterangan : Penentuan jenis kriteria kinerja

Vi = rangking untuk setiap alternatif

dosen

wj = nilai bobot dari setiap kriteria

rij = nilai rating kinerja ternormalisasi Pendataan data dosen

Nilai Vi yang lebih besar mengindikasikan bahwa

alternatif Ai lebih terpilih.
Proses Fuzzifikasi

Logika Fuzzi
Logika fuzzy dapat digunakan di berbagai
bidang, seperti pada diagnosis penyakit, Penerapan metode SAW dalam
perangkingan kinerja dosen

pemodelan sistem pemasaran, riset operasi dan

sebagainya.
Rekomendasi perangkingan
Dasar–dasar Logika Fuzzy adalah konsep kinerja dosen

himpunan fuzzy. Himpunan fuzzy memiliki 2

atribut, yaitu [6]: Selesai

1. Linguistik, yaitu nama suatu kelompok yang

mewakili suatu keadaan tertentu dengan Gambar 2. Diagram Alir Penelitian
menggunakan bahasa alami, misalnya
Pengumpulan Data
DINGIN, SEJUK, PANAS mewakili variabel
Untuk menguji sistem, data yang diujikan
temperatur. Contoh lain misalnya MUDA,
berupa data primer yaitu data sejumlah dosen di
PAROBAYA, TUA mewakili umur.
STIKOM Medan. Tetapi dalam hal ini nama akan
2. Numeris yaitu suatu nilai yang menunjukan
disamarkan untuk menjaga kerahasiaan
ukuran dari suatu variabel, misalnya 10, 35,
pihakperguruan tinggi. Selanjutkan menentukan
40, dan sebagainya [7].
jenis kriteria penilaian kinerja dosen
berdasarkan dari format Kopertis wilayah 1
SR R S T ST
dalam menilai kinerja dosen dalam menentukan
kenaikan jabatan fungsional dosen yaitu :
(w) 1. Kesetiaan
2. Prestasi Kerja
0 0.25 0.5 0.75 1 3. Tanggung Jawab
4. Ketaatan
Keterangan : 5. Kejujuran
SR : Sangat Rendah 6. Kerjasama
R : Rendah 7. Prakarsa
S : Sedang 8. Kepemimpinan
T : Tinggi Dari kriteria di atas maka di dapat data
ST : Sangat Tinggi nilai kinerja dosen pada tahap awal yang
Gambar 1. Bobot Fuzzy ditabulasikan pada tabel 1.

73
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80

Tabel 1. Tabel Data Penilaian Kinerja Dosen

Alternatif/ Tanggung
Kesetiaan Prestasi Kerja Ketaatan Kejujuran Kerjasama Prakarsa Kepemimpinan
Kriteria Jawab
D1 70 80 90 76 .... 90 85 70
D2 70 70 70 70 .... 70 70 70
.... .... .... .... .... .... .... ....
Dn 80 70 90 55 .... 76 79 83

Data-data dalam tabel di atas akan yang digunakan untuk pengolahan data penilaian
digunakan untuk memodelkan system dan kerja dosen dengan proses fuzzifikasi.
diproses dengan menggunakan metode SAW
Kriteria dan Bobot
dengan proses fuzzifikasi. Manfaat dari proses
Dalam proses penilaian kinerja dosen
fuzzifikasi adalah agar dapat menghasilkan nilai
memerlukan kriteria-kriteria yang akan dijadikan
lebih valid dan akurat karena fuzzifikasi dapat
bahan pertimbangan dan perhitungan. Adapun
menentukan nilai yang tadinya Linguistik
kriteria-kriteria adalah sebagai berikut :
menjadi bentuk numeris atau angka pasti. Nilai
C1 = Kesetiaan
pasti pada fuzzifikasi sudah ditentukan pada atau
C2 = Prestasi Kerja
grafik bobot fuzzi di gambar 1. Misal jika ada nilai
C3 = Tanggung Jawab
dengan kategori Sangat Rendah sampai dengan
C4 = Ketaatan
Rendah maka pada fuzzi akan bernilai 0-0.25.
C5 = Kejujuran
Algoritma Penyelesaian C6 = Kerjasama
Langkah-langkah penyelesaikan C7 = Prakarsa
menggunakan metode SAW : C8 = Kepemimpinan
1. Memberi nilai setiap alternatif (Ai) pada setiap Dari kriteria di atas, maka dibuat satu
kriteria (Ci) yang sudah ditentukan, dimana tingkat kepentingan kriteria berdasarkan nilai
nilai i = 1,2,..m dan j=1,2,..n bobot yang telah ditentukan ke dalam tabel 2
2. Memberikan nilai bobot (w) yang di dapatkan Bobot diperoleh dari bobot fuzzi.
berdasarkan nilai crisp.
Tabel 2. Nilai Bobot Fuzzy
3. Melakukan normalisasi matriks dengan cara
Sangat Tinggi (ST) 91-100 1
menghitung nilai kinerja ternormalisasi (rij)
dari alternatif Ai pada atribut Cj berdasarkan Tinggi (T) 76-90 0.75
persamaan yang disesuaikan dengan jenis
Sedang (S) 61-75 0.5
atribut (atribut keuntungan/benefit =
maksimum atau atribut biaya/cost = Rendah (R) 51-60 0.25

minimum). Sangat Rendah (SR) 50 ke bawah 0

4. Melakukan proses perangkingan untuk setiap
alternatif (Vi) dengan cara mengalikan nilai
Studi Kasus
bobot (wi) dengan nilai rating kinerja
Dalam studi kasus penelitian diambil
ternormalisasi (rij)
contoh alternatif yang terdiri dari 10 dosen yang
HASIL DAN PEMBAHASAN diinisialkan dengan D1 sampai dengan D10:
Olahan Data dan Perhitungan D1 = Dosen 1
Pada tahap pengujian ini akan dilakukan D2 = Dosen 2
pengujian terhadap sistem yangdibangun dengan D3 = Dosen 3
menggunakan metode Simple Additive Weighting D4 = Dosen 4
D5 = Dosen 5

74
 Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata

D6 = Dosen 6 Alternatif
D7 = Dosen 7 /Kri C1 C2 C3 C4 C5 C6 C7 C8
teria
D8 = Dosen 8
D9 = Dosen 9 D1 ST T S T T T R S

D10 = Dosen 10 D2 ST T T S ST T S S

Untuk menjaga kerahasiaan, nama dosen D3 T T S S ST T S S

D4 S T T ST ST T S S
diinisialkan menjadi D1 dan seterusnya. Data-
D5 T S T T ST T S T
data penilaian awal kinerja dosen ditabulasikan
D6 S S S T ST T S T
pada tabel 3. Data Pada tabel 3 merupakan data
D7 S T T T ST S T T
mentah yang diambil dari bagian program studi
D8 S T T T ST S T S
yang nantinya data diolah menjadi suatu
D9 S T S T ST S T T
perangkingan untuk ditembuskan kepada D10 S T S T T R S ST
pimpinan Perguruan Tinggi. Data pada tabel 3
didapatkan dari penilaian standard yang sudah Nilai linguistik merupakan nilai yang biasa
ditentukan oleh program studi, dimana data digunakan untuk menilai suatu data dengan skala
penilaian adalah sebagai berikut : yang sudah diterangkan pada tabel 2.
1. 91-100  Sangat Tinggi
2. 76-90  Tinggi Proses Perhitungan Penilaian Kinerja Dosen
3. 61-75  Sedang Proses perhitungan di awali dengan
4. 51-60  Rendah membuat rating kecocokan yang disajikan pada
5. 50 ke bawah  Sangat Rendah Tabel 5. Pada tabel 5 Rating kecocokan Penilaian
Penilaian ini diisi oleh bagian administrasi Kinerja Dosen diberikan nilai sesuai bobot
setiap semester. Standard penilaian sudah dengan fuzzifikasi.
ditetapkan pihak program studi berdasarkan Tabel 5. Rating Kecocokan Penilaian Kinerja
rapat akademik. Dosen
Tabel 3. Data Penilaian Kinerja Dosen Alternat
if/Kriter K1 K2 K3 K4 K5 K6 K7 K8
Alternatif/Kr ia
C1 C2 C3 C4 C5 C6 C7 C8
iteria
D1 1 0.75 0.5 0.75 0.75 0.75 0.25 0.5
D1 95 80 65 76 90 77 60 75 D2 1 0.75 0.5 0.5 1 0.75 0.5 0.5
D2 95 80 80 75 93 78 70 75 D3 0.75 0.75 0.5 0.5 0.5 0.75 0.5 0.5
D3 90 80 75 75 75 80 65 75 D4 0.5 0.75 0.75 1 0.5 0.75 0.5 0.5

D4 75 80 80 95 75 85 75 75 0.7
D5 0.75 0.5 0.75 0.75 0.5 0.75 0.5
5
D5 85 70 77 80 75 80 75 80 0.7
D6 0.5 0.5 0.5 0.75 0.5 0.75 0.5
5
D6 75 70 67 80 75 85 75 78
0.7
D7 0.5 0.75 0.75 0.75 0.5 0.5 0.75
D7 75 80 88 80 75 75 85 88 5
0.7
D8 75 85 80 80 70 75 83 73 D8 0.5 0.75 0.75 0.75 0.5 0.5 0.75
5
D9 75 83 75 80 70 75 84 80 0.7
D9 0.5 0.75 0.5 0.75 0.5 0.5 0.75
5
D10 75 83 75 80 83 60 70 91 D10 0.5 0.75 0.5 0.75 0.75 0.25 0.5 1
Data pada tabel 4 merupakan data Nilai pada tabel 5 disebut nilai rating
penilaian awal kinerja dosen dengan kecocokan, dimana nilainya didapat dari skala
menggunakan nilai linguistik. pada tabel 2 setelah adanya nilai linguistik pada
Tabel 4. Data Penilaian Kinerja Dosen tabel 4. Rating kecocokan bernilai antara 0

75
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80

sampai dengan 1. Misalnya nilai 1 pada kolom K1 juga. Tahapan yang dilakukan adalah
baris D1 diperoleh dari nilai ST (Sangat Tinggi) menentukan nilai r sebelum dipaparkan dalam
pada tabel 4 pada kolom K1 baris D1. Begitu juga bentuk matriks. Nilai r diperoleh dari rumus :
untuk semua nilai di tabel 5.
Dari tabel 5 setiap alternatif pada setiap
kriteria masing-masing penilaian diubah ke
dalam matriks keputusan X dengan data sebagai
berikut :
Adapun proses normalisasi matriks X menjadi r
adalah sebagai berikut :
1. Normalisasi terhadap C1 yang berpengaruh
kepada benefit.
r1.1 = = =1

Matrik keputusan X akan menjadi tolok r2.1 = = =1

ukur awal untuk mendapatkan perhitungan
setiap kriteria terhadap alternatif. Dari matriks X r3.1= = =0.75
akan dilakukan proses perangkingan.
Pemberian nilai bobot (w) r4.1= = = 0.5
Tahapan Penilaian diberikan dalam bentuk
bobot (w) setiap kriteria :
C3 = 0.20 r5.1 = = = 0.75
C5 = 0.15
C7 = 0.15 r6.1 = = = 0.5
C1 = 0.10 Total w = 1
C2 = 0.10
r7.1= = = 0.5
C4 = 0.10
C6 = 0.10
C8 = 0.10 Pada point 1 kriteria C1 semua komponennya
bernilai benefit yang artinya nilai-nilai pada C1
Total w harus sama dengan 1 atau 100 %
memberikan pengaruh keuntungan bagi
karena dalam 1 keputusan, variabel-variabel lain
perguruan tinggi.
yang mempengaruhi keputusan tersebut harus
2. Normalisasi terhadap C2 yang berpengaruh
berjumlah 1. Dengan kata lain veriabel-variabel
kepada benefit
yang adamemiliki pengaruh masing-masing
r1.2 =
terhadap keputusan. Cara penulisan dimulai dari
kriteria yang jumlah bobotnya paling tinggi
sampai dengan paling rendah. = =1
Menormalisasi matriks X
Pada tahap ini harus dilakukan normalisasi r2.2=
yang awalnya dari matriks X menjadi matriks r, r
merupakan simbol dari variabel sebuah matriks, = =1
nilai sebuah matriks r terdiri dari kumpulan nilai
ternormalisasi yang disimbolkan dalam variabel r

76
 Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata

r4.2= r6.4= =

= =1 = 0.75
r7.4=
r6.2= = 0.75
Pada point 4 nilai C4 semuanya berpengaruh
= = 0.67 kepada keuntungan pada proses belajar
mengajar.
r8.2= 5. Terhadap C5 yang berpengaruh kepada cost
r1.5 = = 0.67
= =1
r10.2=
r3.5 = =1
= =1

r5.5 = =1
Pada point 2 nilai C2 juga memberikan pengaruh
keuntungan kepada perguruan tinggi dalam
menilai kinerja dosen. r6.5 = =1
3. Normalisasi terhadap C3 yang berpengaruh r8.5 = =1
kepada cost
Pada point 5 semua komponen nilai C5 sangat
r2.3 = =1 berdampak terhadap proses pembiayaan di
r3.3= =1 perguruan tinggi.
6. Terhadap C6 yang berpengaruh kepada
r5.3= =1
benefit
r7.3= =0.67 r2.6= =
r9.3= =0.67 =1
r3.6 = =
r10.3= =1
Pada point 3 nilai C3 sangat mempengaruhi nilai =1
biaya pada perguruan tinggi karena apabila C3 r5.6= =
dalam hal ini adalah tanggung jawab dosen
=1
diabaikan atau bernilai sedikit atau minimum
maka perguruan tinggi akan dirugikan dalam segi r8.6= =
pembiayaan gaji atau honor dosen terutama = 0.67
tanggung jawab terhadap kelas yang diampu. Pada point 6 nilai C6 berdampak pada nilai
4. Normalisasi terhadap C4 yang berpengaruh keuntungan pada sistem proses belajar di
kepada benefit perguruan tinggi tanpa adanya pengaruh cost.
r1.4= = 7. Normalisasi terhadap C7 yang berpengaruh
kepada benefit
= 0.75
r1.7= = 0.33
r2.4= =0.5
r3.7= = 0.67
r4.4= =1 r5.7= =0.67

77
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80

r6.7= = 0.67 kebijakan apakah dosen bisa tetap mengajar

ataupun tidak.
r9.7= =1 Matriks r ternormalisasi merupakan data
Pada point 7 C7 juga memberikan nilai keuntung yang diolah pada proses perangkingan. Tahap
ke sistem perguruan tinggi. penilaian kinerja dosen menggunakan rumus :
8. Normalisasi terhadap C8 yang berpengaruh
kepada benefit
r2.8= = 0.5

Dimana :
r4.8= = 0.5 = Rangking untuk setiap kriteria
= nilai bobot dari setiap kriteria
r5.8= = = nilai rating dosen ternormalisasi
Dari rumus diatas diperoleh nilai kinerja
=0.75
dosen setiap dosen sebagai berikut :
r7.8= V1 = (0.10x1)+(0.10x1)+(0.20x1)+(0.10x0.75)+
= 0.75 (0.15x0.67)+(0.10x1)+(0.15x0.33)+(0.10x0.5)
r8.8 = = =0.775
merupakan nilai kinerja dosen pertama atau
= 0.75
D1
r10.8= = =1 V2 = (0.10x1)+(0.10x1)+(0.20x1)+(0.10x0.5)+
Pada point 8 nilai C8 memberikan nilai (0.15x0.5)+(0.10x1)+(0.15x0.67)+(0.10x0.5)
keuntungan karena kriteria kepemimpinan dosen = 0.7755
yang bagus sangat berpengaruh besar dalam V2 merupakan nilai kinerja dosen kedua atau
memberikan kontribusi kepada program studi. D2
Dari perhitungan point 1 sampai dengan 8 V3=(0.10x0.75)+(0.10x1)+(0.20x1)+(0.10x0.5)
akan menghasilkan sebuah matriks +
ternormalisasi r sebagai berikut : (0.15x1)+(0.10x1)+(0.15x0.67)+(0.10x0.5)
r= =0.8255
V3 merupakan nilai kinerja dosen ketiga atau
D3
V3=(0.10x0.5)+(0.10x1)+(0.20x0.67)+(0.10x1)+
(0.15x1)+(0.10x1)+(0.20x0.67)+(0.10x0.5)
= 0.818
V4 merupakan nilai kinerja dosen keempat
atau D4
Proses Perangkingan V4 =(0.10x0.75)+(0.10x0.67)+(0.20x0.67)+
Tahap akhir dalam melakukan penilaian (0.10x0.75)+(0.15x1)+(0.10x1)+(0.20x0.67)
kinerja dosen adalah tahap perangkingan. Dari +(0.10x0.75)= 0.81
tahap ini akan diperolah siapa saja dosen yang V5 merupakan nilai kinerja dosen kelima atau
menduduki posisi rangking tertinggi sampai D5
terendah. Rangking kinerja dosen nantinya akan V5=(0.10x0.5)+(0.10x0.67)+(0.20x1)+
dapat memberikan solusi bagi pemimpin (0.10x0.75)+(0.15x1)+(0.10x1)+(0.20x0.067)+
perguruan tinggi dalam mengambil suatu (0.10x1) = 0.876

78
 Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata

Tabel 6. Hasil Penilaian Kinerja Dosen (0.10x1)= 0.826

Nama
NILAI V9 merupakan nilai kinerja dosen kesembilan
C1 C2 C3 C4 C5 C6 C7 C8 AKHIR
Dosen atau D9
V9=(0.10x0.5)+(0.10x1)+(0.20x1)+(0.10x0.75)+
D1 1 1 1 0.75 0.67 1 0.33 0.5 0.775
(0.15x0.67)+(0.10x0.33)+(0.15x0.67)+(0.10x1)=
D2 1 1 1 0.5 0.5 1 0.67 0.5 0.775 0.759
D3 0.75 1 1 0.5 1 1 0.67 0.5 0.8255
V10 merupakan nilai kinerja dosen kesepuluh
atau D10
D4 0.5 1 0.67 1 1 1 0.67 0.5 0.818
Dari hasil perhitungan di atas nilai setiap
D5 0.75 0.67 0.67 0.75 1 1 0.67 0.75 0.818 dosen maka dapat diperoleh hasil penilaian
D6 0.5 0.67 1 0.75 1 1 0.67 1 0.876 kinerja dosen yang disajikan ke dalam tabel 6.
D7 0.5 1 0.67 0.75 1 0.67 1 1 0.876 Data nilai akhir pada tabel 6 masih merupakan
D8 0.5 1 0.67 0.75 1 0.67 1 1 0.826 nilai kinerja dosen saja karena belum adanya
D9 0.5 1 0.67 0.75 1 0.67 1 1 0.826 proses perangkingan. Tetapi dari tabel 6 dapat
D10 0.5 1 1 0.75 0.67 0.33 0.67 1 0.759 dilihat bahwa terdapatnya nilai akhir yang sama
yaitu nilai D1=D3, D4=D5, D6=D7 dan D8=D9.
Nilai yang sama nantinya pada proses
Tabel 7. Tabel Hasil Perangkingan Kinerja Dosen perangkingan akan di seleksi lagi dimana hasil
Nama NILAI
C1 C2 C3 C4 C5 C6 C7 C8 perangkingan ditabulasikan ke dalam tabel 7.
Dosen AKHIR
Dari tabel 7 terlihat bahwa Dosen D7
D7 0.5 1 0.67 0.75 1 0.67 1 1 0.876
menempati urutan pertama disusul dengan
D6 0.5 0.67 1 0.75 1 1 0.67 1 0.876
Dosen D6,D3,D8,D9,D5,D4,D2,D1 dan urutan
D3 0.75 1 1 0.5 1 1 0.67 0.5 0.8255
terakhir adalah dosen D10. Pada tabel 7 terdapat
D8 0.5 1 0.67 0.75 1 0.67 1 1 0.826
nilai kinerja dosen yang sama seperti penjelasan
D9 0.5 1 0.67 0.75 1 0.67 1 1 0.826
pada tabel 6. Jika terdapat nilai sama seperti D6
D5 0.75 0.67 0.67 0.75 1 1 0.67 0.75 0.818
dengan D7 yaitu 0.876 atau D2 dengan D1 yaitu
D4 0.5 1 0.67 1 1 1 0.67 0.5 0.818
0.775 maka akan dievaluasi lagi berdasarkan
D2 1 1 1 0.5 0.5 1 0.67 0.5 0.775
tingkat kepentingan nilai bobot pada setiap
D1 1 1 1 0.75 0.67 1 0.33 0.5 0.775
kriteria yaitu
D10 0.5 1 1 0.75 0.67 0.33 0.67 1 0.759
C3 (Tanggung jawab)= 0.20
C5 (Kejujuran) = 0.15
V6 merupakan nilai kinerja dosen keenam tau C7 (Prakarsa) = 0.15
D6 C1 (Kesetiaan)= 0.10
V6=(0.10x0.5)+(0.10x1)+(0.20x0.67)+ C2 (Prestasi Kerja) = 0.10
(0.10x0.75)+(0.5x1)+(0.10x0.67)+(0.20x1)+ C4 (Ketaatan) = 0.10
(0.10x1)= 0.876 C6 (Kerjasama) = 0.10
V7 merupakan nilai kinerja dosen ketujuh atau C8 (Kepemimpinan) = 0.10
D7 Dimana C3 mempunyai nilai bobot paling
V7 = (0.10x0.5)+(0.10x1)+(0.20x0.67)+ tinggi dalam menentukan prioritas kinerja dosen,
(0.10x0.75)+(0.15x1)+(0.10x0.67)+(0.15x1)+ disusul dengan kriteria C5 (prioritas 2),
(0.10x1)= 0.826 C7(prioritas 3), C1 (prioritas 4), C2 (prioritas 5),
V8 merupakan nilai kinerja dosen kedelapan C4 (prioritas 6), C6 (prioritas 7) dan C8 (prioritas
atau D8 8). Sehingga walaupun nilai akhir kinerja dosen
V8 = (0.10x0.5)+(0.10x1)+(0.20x0.67)+ ada yang sama tetap akan dipilih berdasarkan
(0.10x0.75)+(0.15x1)+(0.10x0.67)+(0.15x1)+ prioritas yang ada.

79
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
SIMPULAN
Dari hasil penelitian maka dapat
disimpulkan bahwa pola perhitungan yang
digunakan dengan metode SAW dengan mencari
penjumlahan terbobot dari rating kinerja pada
setiap alternatif pada semua atribut (kriteria)
yang digabungkan dengan logika fuzzy dapat
memberikan hasil yang lebih baik karena
mengalami proses fuzzifikasi terlebih dahulu dan
nilai bobot pada setiap criteria mempengaruhi
hasil dari sitem penilaian kinerja dosen.
Dengan adanya sistem penilaian kerja
dosen akan sangat membantu dalam
memberikan rekomendasi dan pertimbangan
serta mengurangi tingkat kesalahan dalam
merekrut dosen pada sebuah perguruan tinggi
melalui data perangkingan dari hasil yang telah
diolah. Data yang dimaksud adalah dari hasil
proses pengurutan kinerja dosen dan data
kinerja dosen merupakan contoh studi kasus
yang nantinya dapat diterapkan pada beberapa
pihak termasuk KOMINFO pada studi kasus yang
lain.
Sarannya adalah untuk kedepannya,
sistem penilaian kinerja dosen ini diharapkan
mampu dikembangkan lebih lanjut sampai titik
pengembangan maksimal dan untuk Kominfo,
sistem penilaian kinerja dosen ini dapat
memberikan informasi dan kontribusi positif
serta bisa diaplikasikan untuk kinerja lainnya di
lingkungan Kominfo terutama di Balai Besar
Kominfo Medan.
DAFTAR PUSTAKA
[1] Deng, H., & Yeh, H. 2006. Simulation-Based
Evaluation of Defuzzification-Based
Approaches to Fuzzy Multiattribute Decision
Making. IEEE Transactions on systems, man,
and cybernetics—part a: systems and
humans, vol. 36, no. 5, september 2006. Hal.
968-977.
80
[2] Eniyati, S. 2011. Perancangan Sistem
Pendukung Pengambilan Keputusan untuk
Penerimaan siswa dengan Metode SAW
(Simple Additive Weighting ). 2011. Jurnal
Teknologi Informasi DINAMIK Volume 16,
No.2, Juli 2011, Hal. 171-176.
[3] Nugraha, F., Surarso, B & Noranita, B. 2012
Sistem Pendukung Keputusan Evaluasi
Pemilihan Pemenang Pengadaan Aset
dengan Metode Simple Additive Weighting
(SAW).2012. On-line: http://ejournal.undip.
ac.id/index.php/jsinbis. Jurnal Sistem
Informasi Bisnis 02 (2012). Hal. 67-72.
[4] Radhitya, Y., Hakim, N., dan Solechan, A.
2016. Rancang Bangun Sistem Pendukung
Keputusan Penentuan Penerima Beasiswa
Dengan Metode SAW. Journal Speed – Sentra
Penelitian Engineering dan Edukasi – Volume
8 No 2 - 2016 . Hal. 23-32.
[5] Savitha, K., Chandrasekar, C. 2014. Trusted
Network Selection using SAW and TOPSIS
Algorithms for Heterogeneous Wireless
Networks. International Journal of Computer
Applications (0975 – 8887) Volume 26– No.8,.
July 2011. Hal. 22-29.
[6] Subawa, B., Wirawan, A. & Sunarya, G. 2015.
Pengembangan Sistem Pendukung
KeputusanPemilihan Pegawai Terbaik
Menggunakan Metode Simple Additive
Weighting (SAW) Di PT Tirta Jaya Abadi
Singaraja. Jurnal Pendidikan Teknik
Informatika (KARMAPATI) Volume 4, Nomor
5, Tahun 2015. Hal. 1-9.
[7] Tajvidi, A., Hayaty, M., Rafiee, R., Ataie, M., &
Jalali, E. 2015. Selection of Optimum Tunnel
Support System Using Aggregated Ranking
of SAW, TOPSIS and LA Methods.
International Journal of Applied Operational
Research Vol. 5, No. 4. Autumn 2015. Hal. 49-
63.
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 223

Implementasi Metode Simple Additive Weighting(SAW) pada

Sistem Pendukung Keputusan dalam Menentukan Prioritas
Perbaikan Jalan
Mardheni Muhammad#1, Novi Safriadi #2, Narti Prihartini#3
#
Program Studi Teknik Informatika Fakultas Teknik Universitas Tanjungpura
Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Kalimantan Barat 78115
1
mardheni@yahoo.co.id, 2bangnops@gmail.com, 3narti.prihartini@gmail.com
Abstrak— Jalan adalah infrastruktur yang sering dilalui
oleh masyarakat. Apabila terdapat kerusakan akan sangat
menganggu aktifitas masyarakat baik segi ekonomi,
pendidikan, dan lain-lain. Hal tersebut menjadi keharusan
Dinas Pekerjaan Umum Bina Marga Kabupaten Kubu
Raya untuk menangani perbaikan jalan tersebut, tetapi
dalam melakukan perencanaan perbaikan terdapat
kendala salah satunya adalah sulit menentukan prioritas
perbaikan jalan dengan keterbatasan dana dari pusat.
Pada penelitian yang dilakukan data survei diinputkan
oleh karyawan berdasarkan data lapangan diproses
menggunakan metode Simple Additive Weighting (SAW)
dengan Menentukan kriteria-kriteria yang akan dijadikan
acuan dalam pengambilan keputusan yakni, tingkat
kerusakan jalan, kebutuhan lokasi (fasilitas umum),
perkiraan biaya, kontruksi jalan, dan masa pemeliharaan.
Serta menentukan rating kecocokan setiap alternatif pada
setiap kriteria. Membuat matriks keputusan berdasarkan
kriteria, kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuiakan dengan jenis
atribut (atribut keuntungan dan atribut biaya) sehingga
diperoleh maktriks ternormalisasi. Hasil akhir diperolah
dari proses perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi dengan bobot kriteria sehingga
diperoleh nilai terbesar yang dipilih sebagai alternatif
terbaik. Hasil pengujian menunjukkan bahwa metode
Simple Additive Weighting (SAW) mampu menghasilkan
rekomendasi prioritas perbaikan jalan berdasarkan
kriteria yang dibutuhkan
Kata Kunci: Jalan, Kriteria, Sistem Pendukung
Keputusan, Metode Simple Additive
Weighting (SAW).
infrastruktur seperti jalan, jembatan, gorong-gorong, trotoar
dan penerangan jalan yang berhubungan langsung dengan
kegiatan masyarakat sehari-hari. Oleh sebab itu apabila
terdapat sarana infrastruktur seperti jalan mengalami
kerusakan sudah menjadi kewenangan Dinas Pekerjaan Umum
untuk melakukan penanganan perbaikan.
Tetapi dalam pengelolaan baik dari perencanaan,
pemeliharaan, dan perbaikan infrastruktur jalan masih terdapat
kendala seperti banyaknya jalan yang harus diperbaiki dan
yang paling utama adalah keterbatasan dana dari pemerintah
pusat sehingga tidak semua jalan yang rusak dapat ditangani.
Hal ini membuat Dinas Pekerjaan Umum Bina Marga Kubu
Raya sulit untuk menentukan dan memprioritaskan jalan yang
harus diperbaiki berdasarkan kriteria-kriteria prioritas.
Berdasarkan permasalahan diatas maka perlu dilakukan
penelitian untuk membuat suatu sistem pendukung keputusan
dalam menentukan prioritas perbaikan jalan di wilayah
Kabupaten Kubu Raya. Dalam penelitian ini digunakan
metode Simple Additive Weighting (SAW) dalam pembobotan
kriteria.
Simple Additive Weighting (SAW) adalah sebuah metode
yang dinilai mampu pada permasalahan tersebut. Metode ini
dipilih karena dapat menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses perankingan yang
akan menyeleksi alternatif terbaik dari sejumlah alternatif.
Dengan metode perankingan ini, diharapkan penilaian akan
lebih tepat karena didasarkan pada nilai kriteria dan bobot
yang telah ditentukan. Implementasi metode Simple Additive
Weighting (SAW) pada Sistem Pendukung Keputusan dalam
menentukan prioritas perbaikan jalan diharapkan mampu
membantu Dinas Pekerjaan Umum Bina Marga Kabupaten
Kubu Raya dalam menentukan urutan prioritas perbaikan
jalan.

II. URAIAN PENELITIAN

I. PENDAHULUAN Penelitian tentang metode Simple Additive Weighting
Kabupaten Kubu Raya adalah salah satu Kabupaten yang (SAW) dalam sistem pendukung keputusan bukanlah hal yang
terdapat di wilayah Provinsi Kalimantan Barat. Kabupaten baru dilakukan. Beberapa penelitian sejenis yang pernah
Kubu Raya merupakan kabupaten baru hasil pemekaran dari dilakukan oleh peneliti sebelumnya.
Kota Pontianak yang memiliki laju pertumbuhan ekonomi Galih Eka Rinaldhi (2014) melakukan penelitian tentang
yang sangat baik sebagai penghasil produk pangan terbesar di Penerapan Metode Simple Additive Weighting (SAW) Untuk
Kalimantan Barat. Sejalan dengan pertumbuhan tersebut Sistem Pendukung Keputusan Penentuan Penerimaan
dibutuhkan sarana prasarana pendukung seperti infrastruktur Beasiswa Bantuan Siswa Miskin (BSM) Pada SMA Negeri 1
jalan dan jembatan agar pertumbuhan ekonomi lebih Subah Kab. Batang. Tujuan dari penelitian ini adalah
meningkat. Dinas Pekerjaan Umum Kabupaten Kubu Raya memberikan rekomendasi pilihan yang lebih akurat dan cepat
bidang Bina Marga adalah institusi pemerintah yang bertugas dalam menentukan calon penerima beasiswa BSM dengan
untuk pembinaan dan pelaksanaan tugas operasional kriteria terbaik berdasarkan urutan prioritas. Kriteria dan
kebinamargaan yang meliputi perencanaan, penyelenggaraan, bobot yang digunakan dalam penelitian ini adalah Gaji Orang
pembinaan, pengendalian, pemeliharaan prasarana-prasarana
___________________________________________________________________________________________
Submitted 04-09-2017; Revised 07-09-2017; Accepted 07-09-2017
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017)
Tua (0,3), Jumlah Tanggungan (0,2), Nilai Raport (0,2),
Kepribadian (0,15) dan Prestasi (0,15). Pada hasil penelitian
didapatkan perankingan untuk calon penerima beasiswa BSM
dimana yang menjadi prioritas pertama adalah Siswa Aulia
Azima M (0,80), prioritas kedua sampai kelima berturut-turut
adalah Siswa M. Khoirul Umam (0,68), Amin Hidayat (0,63),
Dewi Oktaviani (0,58), dan Heni Pratiwi (0,52).
Radias Sundoro (2014) melakukan penelitian tentang
Implementasi Metode Simple Additive Weighting (SAW) Pada
Sistem Pendukung Keputusan Penentuan Jenis Pondasi
Dengan Simulasi Alternatif Berbasis 3D. Tujuan dari
penelitian ini adalah menyediakan informasi mengenai jenis
pondasi dan penentuan jenis pondasi yang akan digunakan
dalam proses pembangunan dengan sistem pendukung
keputusan disimulasikan dengan animasi 3D. Jenis pondasi
yang dipilih adalah pondasi dangkal dan pondasi dalam
dimana Pondasi dangkal terdiri dari pondasi telapak, pondasi
menerus, dan pondasi rakit, sedangkan pondasi dalam terdiri
dari pondasi tiang bor, pondasi tiang pancang, dan pondasi
sumuran. Sedangkan Kriteria yang dipertimbangkan dalam
menentukan jenis pondasi adalah kriteria tipe bangunan, jenis
tanah, kedalaman tanah keras, pengadaan material, pengadaan
alat, keahlian tenaga kerja, gangguan lingkungan, biaya
material, biaya galian, biaya tenaga kerja, dan biaya
pengadaan alat.
Tri Yani Akhirina (2016) melakukan penelitian tentang
Komparasi Metode Simple Additive Weighting dan Profile
Matching pada Pemilihan Mitra Jasa Pengiriman Barang.
Penelitian sebelumnya telah di implementasikan metode SAW
untuk mendukung keputusan pemilihan mitra jasa transportasi
ini. Dalam pengembangannya penulis melakukan komparasi
dengan metode Profile Matching dalam menentukan mitra jasa
pengiriman barang, menggunakan data dan penilaian yang
sama. Hasil komparasi dari kedua metode diatas adalah
menghasilkan alternatif terpilih yang sama, sehingga kedua
metode tersebut dapat diterapkan untuk membantu
pengambilan keputusan pihak manajemen [1].
A. Jalan
Menurut Undang-Undang No. 38 Tahun 2004 dan
Peraturan Pemerintah No.34 Tahun 2006 tentang jalan, jalan
adalah prasarana trasportasi darat yang meliputi segala bagian
jalan, termasuk bangunan perlengkap dan perlengkapannya
yang diperuntukkan bagi lalu lintas, yang berada pada
permukaan tanah, diatas permukaan tanah, dibawah
permukaan tanah dan air, serta diatas permukaan air, kecuali
jalan kereta api, jalan lori, dan jalan kabel. Jalan, dalam
konteks jaringan, dapat diartikan sebagai suatu ruas yang
menghubungkan antara simpul yang satu dengan simpul yang
lain. Dalam konteks sistem transportasi, jalan adalah prasarana
yang difungsikan sebagai wadah dimana lalu lintas orang,
barang atau kendaraan dapat bergerak dari titik asal menuju
titik tujuan [2].
B. Sistem
Sistem adalah kumpulan/group dari sub
sistem/bagian/komponen apapun baik phisik yang saling
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
224
berhubungan satu sama lain dan bekerja sama secara harmonis
untuk mencapai satu tujuan tertentu [3]
C. Informasi
Informasi adalah data yang diolah menjadi bentuk yang
lebih berguna bagi yang menerimanya [4].
D. Sistem Informasi
Sistem Informasi adalah kumpulan elemen yang saling
berhubungan satu sama lain untuk membentuk suatu kesatuan
untuk mengintegrasi data, memproses dan menyimpan serta
mendistribusikan informasi tersebut [5].
E. Sistem Pendukung keputusan
Sistem pendukung keputusan sebagai satu set model
berbasis prosedur untuk memproses data dan pertimbangan
untuk membantu manajer dalam pengambilan keputusan [6].
F. Simple Additive Weighting (SAW)
metode Simple Additive Weighting (SAW) sering juga
dikenal dengan istilah metode penjumlahan terbobot. Konsep
dasar Simple Additive Weighting adalah mencari penjumlahan
terbobot dari kinerja alternatif pada semua atribut [7].
G. Flowchart
Flowchart merupakan gambaran atau bagan yang
memperlihatkan urutan dan hubungan antar proses beserta
pernyataannya. Gambaran ini dinyatakan dengan simbol dan
dengan demikian setiap simbol menggambarkan proses
tertentu [8].
H. Data Flow Diagram (DFD)
Data Flow Diagram (DFD) merupakan alat yang
digunakan untuk menggambarkan suatu sistem yang telah ada
atau sistem baru yang akan dikembangkan secara logika tanpa
mempertimbangkan lingkungan fisik dimana data tersebut
mengalir ataupun lingkungan fisik dimana data tersebut akan
disimpan Simbol-simbol yang digunakan dalam DFD terdiri
dari 4 macam, yaitu proses, data flow, data store dan external
entity [9].
I. Pengujian Black Box
Metode yang akan digunakan untuk menguji aplikasi ini
adalah metode black box. Pengujian ini dilakukan dengan
menjalankan program dengan maksud menemukan kesalahan
(Myers,1979) serta memeriksa apakah aplikasi dapat berjalan
dengan baik sesuai dengan yang direncanakan [10].
III. PERANCANGAN SISTEM
A. Desain Arsitektur Sistem
Berikut desain arsitektur sistem yang dirancang dapat
dilihat pada gambar 1.
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 225

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai

berikut :

Keterangan :
Vi : Nilai Preferensi
wj : Nilai bobot dari setiap kriteria
Nilai Vi lebih besar mengindikasikan bahwa alternatif Ai lebih
terpilih

C. Diagram Konteks Sistem

Gambar 1 Diagram Arsitektur Sistem Terdapat tiga jenis pengguna secara keseluruhan di dalam
Aplikasi ini, yaitu Admin, Karyawan dan Pimpinan Dinas
Berdasarkan gambar 1, perancangan sistem ini digunakan Pekerjaan Umum Bina Marga Kabupaten Kubu Raya
oleh Admin, Karyawan, dan Pimpinan Dinas Pekerjaan Umum diperlihatkan pada Gambar 2
Bina Marga Kabupaten Kubu Raya. Pimpinan menentukan
terlebih dahulu kriteria dan bobot kriteria yang digunakan
untuk skala prioritas serta menentukan rating kecocokan di
setiap kriteria. Admin menginputkan data kriteria, bobot
kriteria, dan rating kecocokan berdasarkan keputusan dari
pimpinan tersebut. Karyawan menginputkan data survei jalan
hasil dari informasi dilapangan. Data-data tersebut diproses
oleh sistem dengan metode Simple Additive Weighting (SAW)
melalui proses matrik ternormalisasi dan proses preferensi
sehingga menghasilkan rekomendasi perbaikan kepada
pimpinan.
Gambar. 2. Diagram Konteks Sistem
B. Simple Additive Weighting (SAW)
Menurut (Kusumadewi, 2006), metode Simple Additive
Weighting (SAW) sering juga dikenal dengan istilah metode D. Diagram Overview
penjumlahan terbobot. Konsep dasar Simple Additive Diagram overview dapat dilihat pada Gambar 3 berikut.
Weighting adalah mencari penjumlahan terbobot dari kinerja
alternatif pada semua atribut. Metode Simple Additive
Weighting membutuhkan proses normalisasi matriks
keputusan (X) ke suatu skala yang dapat dibandingkan dengan
semua rating alternatif yang ada.
xij
maxi xij Jika j adalah atribut keuntungan (benefit)
rij =
minj xij
Jika j adalah atribut biaya (cost)
xij
Keterangan :
rij : rating kinerja ternormalisasi
xij : rating kinerja dari alternatif Ai pada atribut Cj
Maxij : nilai terbesar dari setiap kriteria
Minij : nilai terkecil dari setiap kriteria
Atribut Benefit: jika nilai kecocokan setiap kriteria semakin
tinggi nilainya semakin baik atau semakin
diprioritaskan.
Atribut Cost: jika nilai kecocokan setiap kriteria semakin kecil
nilainya semakin baik.

Dimana rij adalah rating kinerja ternormalisasi dari Gambar. 3. Diagram Overview
alternatif Ai, pada atribut Cj : i= 1,2,.....,m dan j =1,2,.....,n.

________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 226

E. Pengujian Aplikasi Gambar 7 merupakan tampilan form rating kecocokan

Pengujian aplikasi dilakukan dengan menggunakan metode yang diakses oleh Admin.
Black Box dan kuesioner terhadap 6 responden yaitu pegawai
Dinas Pekerjaan Umum Bina Marga Kabupaten Kubu Raya.

IV. HASIL DAN ANALISIS APLIKASI

A. Antarmuka Aplikasi
Antarmuka dari hasil perancangan sistem yang telah dibuat
diantaranya Login. Berikut adalah tampilan Form Utama yang
akan diperlihatkan pada Gambar 4.

Gambar.7. Form Kriteria

Gambar 8 merupakan tampilan form data survei yang

diakses dan diinputkan data oleh karyawan dan nantinya akan
di proses oleh admin.

Gambar.4. Form Login

Pada Form Utama terdapat beberapa menu yang dapat

diakses yakni, Kriteria, Data Survei, Data Jalan, Laporan, dan
bantuan. Berikut adalah tampilan Form Utama yang akan
diperlihatkan pada Gambar 5.

Gambar.8. Form Data Survei

Gambar 9 merupakan hasil rekomendasi dari hasil proses

spk yang dilakukan oleh admin.

Gambar.5. Form Utama

Gambar 6 merupakan tampilan form kriteria yang diakses

oleh Admin.

Gambar.9. Hasil Rekomendasi

Gambar.6. Form Kriteria

________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 227

B. Hasil Pengujian Metode Simple Additive Weighting (SAW)
Pengujian berikut dilakukan pada pengolahan data survei
jalan dengan menghitung bobot secara manual.
Tabel 1 Bobot Kriteria
adalah untuk menggambarkan dimensi tunggal bagi
pertanyaan dan subjek yang diteliti. Hasil pengujian kuesioner
penggunaan aplikasi dapat dilihat pada tabel 4. Berdasarkan
pengujian yang telah dilakukan, analisis hasil pengujiannya
adalah sebagai berikut :

C1 C2 C3 C4 C5
Tabel 4 Hasil Pengujian Kuesioner Hak Akses Admin
0,1 Nilai Total
0,35 0,30 0,15 0,1 No Pertanyaan Error Respo
1 0
nden
Apakah Notifikasi Otomatis Sistem
Terdapat 4 contoh data jalan yang digunakan untuk
1 Kepada Pengguna Sesuai Dengan 2 0 0 2
simulasi ini berdasarkan data survei lapangan adalah jalan Hak Akses?
Ampera, jalan manunggal, Jalan Terentang Hilir, dan jalan Apakah Kinerja Proses Input Data
Cabang Kanan. 2 2 0 0 2
Sesuai Kebutuhan?
Sulitkan Anda Mengakses Fitur-
Tabel 2 Sampel Pengujian Data Survei 3 0 2 0 2
fitur Pada aplikasi ini?
X C1 C2 C3 C4 C5 Apakah Dalam Menyimpan Data
4 0 2 0 2
Pada sistem Terdapat kesulitan?
Rusak 4 Apakah Tampilan Antarmuka Pada
A 4 198.000.000 Beton 5 2 0 0 2
Ringan Aplikasi ini Sesuai Kebutuhan?
Rusak 4 Apakah Respon (Feedback)
B 2 158.000.000 Beton 6 Aplikasi Terhadap Input Yang 2 0 0 2
Ringan
Rusak Dilakukan Sudah Sesuai?
10 398.572.000 Aspal 5
C Apakah Fitur-fitur Yang Terdapat
Berat 7 1 1 1 2
Pada Aplikasi Sesuai Kebutuhan?
Rusak 3
D 8 418.000.000 Aspal Apakah Jenis dan Ukuran Huruf
Ringan 8 2 0 0 2
Yang Digunakan Mudah Dibaca?
Total 11 4 1 16
Keterangan:
Keterangan : 1 = Ya 0 = Tidak
C1 = Tingkat Kerusakan Jalan
C2 = Kebutuhan Lokasi (Fasilitas Umum Pada tabel tersebut dapat diketahui informasi bahwa
C3 = Biaya sebagian besar responden untuk hak akses sebagai admin
C4 = Konstruksi Jalan menilai aplikasi dengan baik dengan persentasi 93,75%
C5 = Masa Pemeliharaan berdasarkan dari kesesuian jawaban benar dan jumlah error
yakni :
Berdasarkan hasil perhitungan manual mengggunakan Berdasarkan kesesuian jawaban adalah ( 15/16 ) x 100%. =
metode SAW pada simulasi sistem, didapatkan hasil Spk, 93,75%.
diurutkan berdasarkan bobot tertinggi. Hasil Spk tersebut
dapat dilihat pada tabel 3 Tabel 5 Hasil Pengujian Kuesioner Hak Akses Karyawan
Nilai Total
Tabel 3 Sampel Pengujian Hasil Spk No Pertanyaan Error Respo
1 0
nden
Bobot Bobot Hasil
Apakah Notifikasi Otomatis
X Perhitungan Perhitungan Eksekusi
1 Sistem Kepada Pengguna Sesuai 3 0 0 3
manual Sistem
Dengan Hak Akses?
1 Berhasil
C 2
Apakah Kinerja Proses Input
3 0 0 3
Data Sesuai Kebutuhan?
0,65 Berhasil
D 3
Apakah Dalam Menyimpan Data
1 2 1 3
Pada sistem Terdapat kesulitan?
0,47 Berhasil Sulitkah Anda Dalam
A
4 Menggunakan Aplikasi Secara 0 3 0 3
0,35 Berhasil Keseluruhan?
B
Setujukah Anda Dengan
5 Tampilan Menu Pada Aplikasi 3 0 0 3
Ini?
C. Hasil Pengujian Kuesioner
Total 10 4 1 15
Skala Guttman dikembangkan oleh Louis Guttman (1944, Keterangan : 1 = Ya 0 = Tidak
1959) yang diterapkan pada sekumpulan jawaban atas
pertanyaan dikotomi yang dijawab terkait dengan beberapa Pada tabel tersebut dapat diketahui informasi bahwa
subjek pertanyaan. Tujuan dari analisis dengan skala Guttman sebagian besar responden untuk hak akses sebagai karyawan

________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017)
menilai aplikasi dengan baik dengan persentasi 93,75%
berdasarkan dari kesesuian jawaban benar dan jumlah error
yakni :
Berdasarkan kesesuian jawaban adalah ( 15/16 ) x 100%. =
93,75%.
Tabel 6 Hasil Pengujian Kuesioner Hak Akses Pimpinan
Nilai
No Pertanyaan Error
1 0
Apakah Hasil Spk Sesuai Yang
1 1 0 0
dibutuhkan?
Apakah Notifikasi Otomatis
2 Sistem Kepada Pengguna Sesuai 1 0 0 1
Dengan Hak Akses?
Apakah Kinerja Proses Input
3 1 0 0
Data Sesuai Kebutuhan?
Apakah Dalam Menjalankan
4 0 1 0
Aplikasi Ini Terdapat Kesulitan?
Sulitkah Anda Mencetak Hasil
5 Spk Sebagai Hasil Rekomendasi 0 1 0 1
Perbaikan?
Total 3 2 0 5
Keterangan : 1 = Ya 0 = Tidak
Pada tabel diatas dapat diketahui informasi bahwa hasil
kousioner akses pimpinan menilai aplikasi dengan baik
dengan persentasi 100% dan hanya ada 1 responden
berdasarkan dari kesesuian jawaban benar.Berdasarkan hasil
kuesioner bahwa pengujian validitas yang dilakukan sudah
sesuai dan dapat diterima serta aplikasi yang sudah dibangun
memenuhi kebutuhan dengan persentase dari ketiga aspek
yakni admin, karyawan, dan pimpinan adalah :
D. Analisis Hasil Pengujian
Berikut ini adalah analisis hasil perancangan dan pengujian
sistem :
1. Berdasarkan hasil pengujian Black-Box yang telah
dilakukan pada aplikasi dapat disimpulkan bahwa
aplikasi sudah berjalan seperti yang diharapkan.
2. Pengujian kuesioner yang dibagikan kepada pengguna
aplikasi, dalam hal ini adalah Dinas Pekerjaan Umum
Bina Marga Kabupaten Kubu Raya. Hasil pengujian
tersebut kemudian dihitung menggunakan metode Skala
Guttman dengan menggambungkan aspek admin,
karyawan, dan pimpinan menghasilkan total persentase
sebesar 95,83%. Oleh karena itu dapat disimpulkan
bahwa aplikasi sudah mampu mencapai tujuan yaitu
sebagai aplikasi Sistem Pendukung Keputusan yang
dapat mendukung kinerja Dinas Pekerjaan Umum Bina
Marga Kabupaten Kubu Raya dalam menentukan
prioritas perbaikan jalan dengan menerapkan dan
mengimplementasikan metode Simple Additive
Weighting (SAW).
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
228
V. KESIMPULAN
Setelah melakukan pengujian serta analisa terhadap
aplikasi, maka dapat ditarik kesimpulan sebagai berikut:
1. Aplikasi sistem pendukung keputusan yang
diimplementasikan dengan metode Simple Additive
Weighting (SAW) dapat memberikan rekomendasi
perbaikan jalan sebagai data perbantuan perencanaan
Total
oleh Dinas Pekerjaan Umum Bina Marga Kabupaten
Respo
nden
Kubu Raya.
2. Aspek admin, karyawan, dan pimpinan pada aplikasi
1 sistem pendukung keputusan dianggap baik, dimana
persentase untuk aspek admin sebesar 93,75%,
persentase untuk aspek karyawan sebesar 93,75% dan
persentase untuk aspek pimpinan sebesar 100%.
1
DAFTAR PUSTAKA
1
[1] Akhirina, Tri Yani. (2016). Sistem Pendukung Keputusan
Pemilihan Mitra Jasa Pengiriman Barang Menggunakan
Metode Simple Additive Weighting (SAW). Jurnal Edukasi
dan Penelitian Informatika (JEPIN) Vol 2 No. 1. (2016)
[2] Indonesia, P. R. (2004). Undang-Undang Nomor 38
Tahun 2004 Tentang Jalan. Jakarta: Sekretariat Negara
Indonesia.
[3] Susanto, A. (2000). Sistem Informasi Manajemen :Konsep
& Pengembangannya. Bandung: Lingga Jaya.
[4] Jogiyanto. (2005). Analisis dan Desain Sistem Informasi.
Yogyakarta: Penerbit Andi.
[5] Oetomo, B. S. (2006). Perencanaan dan Pembangunan
Sistem Informasi.Yogyakarta: Hal 3- Bab 2.
[6] Little, J. D. (1970). Models And Managers : The Concept
of a Decision Calculus. Management Science
[7] Kusumadewi, S. (2006). Fuzzy Multi Attribute Decision
Making. Yogyakarta: Graha Ilmu
[8] Zarlis. (2007). Pemodelan Algoritma Gerakan Berdimensi
: Satu Tinjauan Metode Komputasi dalam Fisika.
[9] Jogiyanto, Hartono, 2005. Analisis & Desain Sistem
Informasi Pendekatan Terstruktur Teori dan Praktek
Aplikasi Bisnis. Andi Yogyakarta
[10] Roger S.Pressman, P.D.(2010). Rekayasa Perangkat
Lunak: Pendekatan Praktisi. Yogyakarta : Andi.
37 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016
PENERAPAN METODE SIMPLE ADDITIVE WEIGHT (SAW)
DALAM SISTEM PENDUKUNG KEPUTUSAN PROMOSI
KENAIKAN JABATAN
Frieyadie
Program Studi Manajemen Informatika
AMIK BSI Jakarta
Jl. RS. Fatmawati No. 24 Pondok Labu, Jakarta Selatan
frieyadie@bsi.ac.id
Abstract  HR management of a company greatly
affect many aspects of determining the success of
the work of the company. One very important
process in the Human Resources Department
(HRD) a company or entity that is the promotion of
a promotion. In general, the promotion was given
on the recommendation boss or work unit each
based on the old work, the performance
assessment and assessment of the behavior of an
employee in performing their duties. For that it is
necessary appraisal data processing employees
who can help facilitate a supervisor and the human
resources department to take a decision relating to
the promotion of an employee promotions.
Currently the company employee appraisal data
processing is still performed with computerized
excel, so the greater the risk of inputting errors
given the number of employees very much and and
it takes a relatively long time. It is also still often
confusing information regarding the movement of
formation of employees. The method used in
determining promotion This promotion is Simple
Additive Weight (SAW). Where this method is a
weighted counting method or methods that
provide certain criteria are weighted so that each
value of the sum of the weights of the obtained
results will be the final decision. Judging from the
managerial aspects of the assessment can be
developed with other criteria in accordance with
the company's needs. Calculations using Simple
Additive Weight, with reference to the criteria of
employment, performance evaluation, and
assessment of employee behavior, then elect an
employee who will get promotion.
Intisari  Manajemen SDM dari perusahaan
sangat mempengaruhi banyak aspek penentu
keberhasilan kerja perusahaan. Salah satu proses
yang sangat penting dalam Departemen Sumber
Daya Manusia (SDM) suatu perusahaan atau
badan yang promosi promosi. Secara umum,
promosi itu diberikan pada bos rekomendasi atau
unit kerja masing-masing berdasarkan pekerjaan
lama, penilaian kinerja dan penilaian perilaku
karyawan dalam melaksanakan tugasnya. Untuk
itu maka diperlukan penilaian karyawan
ISSN 1978-1946 | Penerapan Metode Simple…
pengolahan data yang dapat membantu
memfasilitasi pengawas dan departemen sumber
daya manusia untuk mengambil keputusan yang
berkaitan dengan promosi dari promosi
karyawan. Saat ini pengolahan data penilaian
karyawan perusahaan masih dilakukan dengan
komputerisasi excel, sehingga semakin besar
risiko kesalahan memasukkan mengingat jumlah
karyawan sangat banyak dan dan dibutuhkan
waktu yang relatif lama. Hal ini juga masih sering
membingungkan informasi mengenai pergerakan
pembentukan karyawan. Metode yang digunakan
dalam menentukan promosi Promosi ini Simple
Additive Weight (SAW). Di mana metode ini
adalah metode penghitungan tertimbang atau
metode yang menyediakan kriteria tertentu yang
berbobot sehingga setiap nilai jumlah dari bobot
dari hasil yang diperoleh akan menjadi
keputusan akhir. Dilihat dari aspek manajerial
penilaian dapat dikembangkan dengan kriteria
lain sesuai dengan kebutuhan perusahaan.
Perhitungan menggunakan Simple Additive
Berat, dengan mengacu pada kriteria pekerjaan,
evaluasi kinerja, dan penilaian perilaku
karyawan, kemudian memilih seorang karyawan
yang akan mendapatkan promosi.
Kata Kunci: HRD, Job promotion, Simple Additive
Weight
PENDAHULUAN
SDM dari suatu perusahaan sangat
mempengaruhi banyak aspek penentu
keberhasilan kerja dari perusahaan tersebut.
Salah satu proses yang sangat penting dalam
Human Resources Departement (HRD) sebuah
perusahaan atau badan usaha yaitu proses
promosi kenaikan jabatan. Menurut (Asnawati
dan Kanedi, 2012) Persaingan para karyawan
yang semakin ketat membuat sebuah keputusan
kenaikan pangkat semakin sulit untuk
diputuskan, terutama jika ada beberapa
karyawan yang memiiki kemampuan yang tidak
jauh berbeda. Pengambilan keputusan yang tidak
adil dapat menimbulkan dampak buruk bagi
suatu perusahaan. Hal ini dapat menurunkan
 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016
tingkat kinerja para karyawan pada perusahaan
tersebut. Untuk itu diperlukan pengambilan
keputusan yang tepat dan cermat untuk
menentukan kenaikan pangkat para karyawan.
Pada umumnya promosi jabatan diberikan atas
rekomendasi atasan atau unit kerja masing-
masing berdasarkan lama bekerja, penilaian
kinerja dan penilaian perilaku seorang karyawan
dalam menjalankan tugasnya. Untuk itu maka
diperlukan pengolahan data penilaian karyawan
yang dapat membantu mempermudah seorang
atasan dan bagian HRD untuk mengambil sebuah
keputusan yang berkaitan dengan promosi
kenaikan jabatan seorang karyawan. Saat ini
pengolahan data penilaian karyawan
diperusahaan tersebut masih dilakukan dengan
komputerisasi excel, sehingga besar
kemungkinan terjadinya kesalahan penginputan
mengingat jumlah karyawan yang sangat banyak
dan dan dibutuhkan waktu yang relatif lama.
Selain itu juga masih sering terjadi informasi
yang simpang siur mengenai pergerakan formasi
karyawan. Metode yang digunakan dalam
menentukan promosi kenaikan jabatan ini adalah
Simple Additive Weight (SAW). Dimana metode
ini merupakan metode pembilangan terbobot
atau metode yang memberikan kriteria-kriteria
tertentu yang memiliki bobot nilai masing masing
sehingga dari hasil penjumlahan bobot tersebut
akan diperoleh hasil yang menjadi keputusan
akhirnya. Penyelesaian masalah menggunakan
metode Simple Additive Weighting (SAW) untuk
menjabarkan bobot-bobot yang sesuai dengan
kriteria yang pantas kenaikan Jabatan
menggunakan cara manual sehingga
membutuhkan banyak waktu untuk menentukan
dengan banyak bobot yang dibutuhkan dalam
penentuan karyawan yang berhak Kenaikan
Jabatan sesuai dengan kemampuan dan bidang
masing-masing karyawan (Silalahi, 2013).
Adapun tujuan penulisan ilmiah ini, adalah: 1)
Sebagai salah satu alternatif untuk membantu
seorang pimpinan dalam menentukan keputusan
terkait promosi kenaikan jabatan seorang
karyawan untuk posisi tertentu sesuai dengan
syarat dan kebutuhan perusahaan. 2) Melakukan
penilaian dari setiap kriteria untuk pemilihan
karyawan. 3) Merancang suatu Sistem
Pendukung Keputusan untuk Kenaikan Jabatan
untuk mendapatkan karyawan yang memenuhi
syarat dan kriteria jabatan tertentu dengan cepat
dan sesuai dengan kebutuhan perusahaan.
BAHAN DAN METODE
Sistem Pendukung Keputusan
Menurut (Kusrini, 2007) “Sistem merupakan
kumpulan elemen yang saling berkaitan yang
ISSN 1978-1946 | Penerapan Metode Simple…
38
bertanggung jawab memproses masukan (input)
sehingga menghasilkan keluaran (output).”
Menurut Davis dalam Hartono (2013:120)
mengemukakan bahwa Terdapat dua model
pengambilan keputusan, yaitu model sistem
tertutup dan model sistem terbuka.
a. Model Sistem Tertutup
Model sistem tertutup dilandasi asumsi
bahwa keputusan dapat diambil tanpa campur
tangan dari lingkungan (luar) sistem, karena
sistem pengambilan keputusan tidak dipengaruhi
oleh lingkungan. Dalam hal ini sistem
pengambilan keputusan dianggap:
1) Mengetahui semua alternatif tindakan
untuk menanggapi permasalahan dengan
segala konsekuensinya.
2) Memiliki metode untuk menyusun
alternatif-alternatif sesuai prioritasnya.
3) Dapat memilih/menetapkan alternatif
yang paling menguntungkan, misalnya
dari segi laba, manfaat, dan lain-lain.
b. Model Sistem Terbuka
Model sistem terbuka dilandasi asumsi
bahwa sistem pengambilan keputusan dan
lingkungan memiliki hubungan saling pengaruh.
Keputusan yang diambil akan berdampak
terhadap lingkungan dan sebaliknya lingkungan
juga berpengaruh terhadap sistem pengambilan
keputusan. Dalam hal ini sistem pengambilan
keputusan dianggap:
1) Hanya mengetahui sebagian saja dari
alternatif-alternatif untuk menangani
permasalahan dengan segala
konsekuensinya.
2) Hanya dapat menyajikan sejumlah
alternatif yang baik untuk menangani
permasalahan, tetapi tidak dapat
memilih/menetapkan alternatif yang
paling menguntungkan.
3) Sekadar mempersilakan pemilihan
alternatif terbaik untuk dilakukan oleh
pijak diluar sisten sesuai dengan
aspirasinya.
Metode Simple Additive Weight (SAW),
Menurut Fishburn dan MacCrimmon dalam
(Munthe, 2013) mengemukakan bahwa Metode
Simple Additive Weight (SAW), sering juga dikenal
dengan istilah metode penjumlahan terbobot.
Konsep dasar metode Simple Additive Weight
(SAW) adalah mencari penjumlahan terbobot
dari rating kinerja pada setiap alternatif pada
semua atribut.
Menurut (Asnawati dan Kanedi, 2012)
“Kriteria penilaian dapat ditentukan sendiri
sesuai dengan kebutuhan perusahaan.”
39 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016

Xij
Jika j adalah atribut keuntungan (benefit) terbesar yang dipilih sebagai alternatis
Max Xij terbaik (Ai) sebagi solusi.
Rij = …..… (1)
Min Xij HASIL DAN PEMBAHASAN
Xij
Jika j adalah atribut biaya (cost)

Berikut penjabaran hasil penelitian berisi

Dimana : paparan hasil analisis keputusan promosi
Rij = Rating kinerja ternormalisasi menggunakan metode Simple Additive Weight
Maxij = Nilai maksimum dari setiap baris dan (SAW)
kolom
Minij = Nilai minimum dari setiap baris dan 1. Struktur Simple Additive Weight
kolom Berikut struktur Simple Additive Weight
Xij = Baris dan kolom dari matriks keputusan yang akan digunakan dalam penelitian
Dengan Rij adalah rating kinerja ternormalisasi ini:
dari alternatif Ai pada atribut Cj; i =1,2,…m dan j
= 1,2,…,n. Memilih Karyawan Yang
Akan Dipromosikan
Kenaikan Jabatan

……… (2) Kriteria Masa Kerja

Penilaian Penilaian
Kinerja Perilaku

Nilai Vi yang lebih besar mengindikasikan bahwa

Alternatif K1 K2 K3 K4 K5
alternatif Ai lebih terpilih.
Dimana :
Vi = Nilai akhir dari alternatif Sumber: Hasil olahan (2016)
Wi = Bobot yang telah ditentukan
Rij = Normalisasi matriks Gambar 1. Struktur Hirarki Alternatif Penentuan
Promosi Kenaikan Jabatan Karyawan
Nilai yang lebih besar mengindikasikan
bahwa alternatif lebih terpilih. Menurut 2. Penentuan Kriteria Metode Simple
(Nofriansyah, 2014) Metode Simple Additive Additive Weight
Weighting (SAW) disarankan untuk Untuk melakukan pengambilan keputusan
menyelesaikan masalah penyeleksian dalam ini terdapat obyek yang akan dibahas atau goal,
sistem pengambilan keputusan multi proses. kriteria dan alternatif. Berikut adalah kriteria-
Metode Simple Additive Weight (SAW) kriteria yang dibutuhkan untuk mengukur dan
merupakan metode yang banyak digunakan menilai siapa yang akan terseleksi untuk
dalam pengambilan keputusan yang memiliki mendapatkan promosi kenaikan jabatan, antara
banyak atribut. lain:
Menurut Fishburn dan MacCrimmon dalam
(Munthe, 2013) Ada beberapa langkah dalam a. Masa Kerja
penyelesaian metode Simple Additive Weight Indikator yang digunakan dalam penentuan
(SAW) adalah sebagai berikut: promosi kenaikan jabatan berdasarkan kriteria
1. Menentukan kriteria-kriteria yang dijadikan masa kerja dimana dinilai atau dilihat dari
acuan dalam pendukung keputusan yaitu Ci. seberapa lama seorang karyawan sudah bekerja
2. Menentukan rating kecocokan setiap dalam perusahaan.
alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan Tabel 1. Kriteria Masa Kerja
kriteria (Ci). Kriteria Range Bobot
4. Kemudian melakukan normalisasi matriks Masa Kerja 2 Tahun 0,2
berdasarkan persamaan yang disesuaikan 3 Tahun 0,4
dengan jenis atribut (atribut keuntungan 4 Tahun 0,6
maupun atribut biaya) sehingga diperoleh
5 Tahun 0,8
matriks ternormalisasi R.
>5 Tahun 1
5. Hasil akhir diperoleh dari proses
Sumber : Data olahan (2015 )
perangkingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan
vector bobot sehingga diperoleh nilai

ISSN 1978-1946 | Penerapan Metode Simple…

 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016 40

b. Penilaian Kinerja mendukung pencapaian target

Indikator yang digunakan dalam perusahaan.
menentukan promosi kenaikan jabatan
berdasarkan penilaian kinerja atau pencapaian Tabel 3. Penilaian Perilaku
target karyawan dalam menyelesaikan Kriteria Range Skala Bobot
pekerjaannya. Nilai
Penilai- Perilaku yang 1 0,2
Tabel 2. Penilaian Kinerja an ditunjukkan
Kriteria Range Skala Bobot Perilaku <40% (Tidak
Nilai Baik)
Perilaku yang 2 0,3
Penilaian <60% (Tidak 1 0,2
ditunjukkan 40%
Pencapaian Baik) - <60% (Perlu
Target Perbaikan)
60% - <75% 2 0,3
Kinerja Perilaku yang 3 0,5
(Perlu
Karyawan ditunjukkan 60%
Perbaikan)
- <80% (Baik)
75% - <90% 3 0,5
Perilaku yang 4 0,7
(Baik) ditunjukkan 80%
90% - < 105% 4 0,7 - <100% (Lebih
(Lebih Baik) Baik)
105% - <120% 5 0,8 Perilaku yang 5 0,8
(Sangat Baik) ditunjukkan 80%
>120% 6 1 - <100% dan
(Istimewa) menjadi panutan
(Sangat Baik)
Sumber : Data olahan (2015 )
Perilaku yang 6 1
ditunjukkan 80%
c. Perilaku - <100% dan
Indikator yang digunakan dalam panutan serta
menentukan promosi kenaikan jabatan agen perubahan
berdasarkan perilaku yang terdiri dari : (Istimewa)
1) Integritas Sumber : Data olahan (2015 )
Integritas yaitu berhubungan dengan
kejujuran, dapat dipercaya dan senantiasa Ditentukan berdasarkan persyaratan utama atau
memegang teguh etika profesi dan bisnis. kriteria-kriteria diatas, selanjutnya bobot
2) Profesionalisme preferensi (W)sebagai berikut:
Profesional adalah seorang karyawan W1 = Masa Kerja (25%) = 0,25
bekerja secara optimal atas dasar W2 = Penilaian Kinerja (50%) = 0,50
kompetensi terbaik dengan penuh W3 = Penilaian Perilaku (25%) = 0,25
tanggung jawab.
3) Kerjasama Dalam penentuan promosi kenaikan jabatan
Cara bekerjasama dan saling mendukung dengan metode Simple Additive Weight (SAW)
dan bersinergi dalam mencapai target/ berdasarkan kriteria-kriteria diatas maka
tujuan perusahaan antar sesama rekan diperoleh data sebagai berikut:
kerja yang lain.
4) Kreatif Tabel 4. Nilai dari masing-masing kriteria
Kreatif adalah selalu berusaha mencari Kriteria
cara-cara baru untuk memberikan solusi No Nama Masa Penilaian
Perilaku
terbaik. Kerja Kinerja
5) Mengutamakan Pelayanan Kepada Chairani
1 4 Tahun 5,30 4,92
Pelanggan (Kepuasan Pelanggan) Syifa
Kepuasan pelanggan yaitu tanggap Rafida
2 3 tahun 4,80 5,00
Raudina
terhadap kebutuhan pelanggan dengan
Teguh
senantiasa menjadikan pelanggan sebagai 3 2 Tahun 4,90 4,83
Purnomo
mitra utama yang saling menguntungkan. Wahyu
6) Berorientasi Pada Tujuan 4 2 Tahun 5,07 4,83
Guntoro
Cara karyawan untuk selalu bekerja secara Siska
efektif, efisien dan tuntas untuk 5 2 Tahun 4,68 4,83
Febrina
memberikan hasil yang optimal dalam Sumber : Data olahan (2015)

ISSN 1978-1946 | Penerapan Metode Simple…

41 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016

3. Penentuan Rating Kecocokan Setiap

Alternatif Dengan Setiap Kriteria a. Untuk Kriteria Masa Kerja
Dalam penentuan rating kecocokan maka
nilai dari masing-masing kriteria dimasukkan
kedalam tabel rating kecocokan yang telah
disesuaikan dengan nilai dari tabel kriteria. Maka
tabel rating kecocokan dapat dilihat sebagai
berikut:

Tabel 5. Rating Kecocokan

Kriteria
No Nama Masa Penilaian
Perilaku
Kerja Kinerja
Chairani
1 0,6 0,8 0,8
Syifa
Rafida
2 0,4 0,8 0,8
Raudina
Teguh
3 0,2 0,8 0,8
Purnomo
Wahyu
4 0,2 0,8 0,8
Guntoro
Siska Maka untuk R11 memiliki nilai 1, R21 memiliki nilai
5 0,2 0,8 0,8
Febrina 0,6667 kemudian untuk R31, R41, dan R51 memiliki
Sumber : Data olahan (2015) nilai yang sama yaitu 0,3333.

4. Membuat Matriks Keputusan b. Untuk Kriteria Penilaian Kinerja

Berdasarkan Kriteria (Ci)
Nilai dari hasil tabel kecocokan kemudian
dibuat kedalam bentuk matriks sebagai berikut:

Maka R12, R22, R32, R42, dan R52 memiliki nilai R

yang sama sebab semua angka pada kolom
tersebut memiliki nilai yang sama.
5. Normalisasi Matriks Jadi, R12=R22=R32=R42=R52=1
Membuat Normalisasi Matriks berdasarkan
persamaan yang disesuaikan dengan jenis atribut c. Untuk Kriteria Perilaku
(atribut keuntungan maupun atribut biaya)
sehingga diperoleh matriks ternormalisasi R.

Tabel 6. Penentuan Benefit atau Cost

Kriteria Benefit Cost

Masa Kerja Ѵ -
Penilaian Kinerja Ѵ - Maka R13, R23, R33, R43, dan R53 memiliki nilai R
yang sama sebab semua angka pada kolom
Perilaku Ѵ - tersebut memiliki nilai yang sama.
Sumber : Data olahan (2015) Jadi, R13=R23=R33=R43=R53=1
Dari perhitungan diatas diperoleh matriks R
Menentukan nilai R dengan rumus sebagai sebagai berikut:
berikut:

…………………………… (3)

ISSN 1978-1946 | Penerapan Metode Simple…

 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016 42

6. Menentukan Rangking uc Use Case Diagram SDM

Untuk mencari nilai dari masing-masing Login SDM

«include»
Olah Data Karyaw an

karyawan yang akan mendapat promosi jabatan,

«include»
berikut proses menentukan rangking:
Olah Data Alternatif
Karyaw an
Menentukan nilai V1 sampai dengan V4 adalah
«include»
sebagai berikut: «include»

V1 = (0,25*1)+(0,50*1)+(0,25*1) = 1 SDM
Olah Data Bagian
V2 = (0,25*0,6667)+(0,50*1)+(0,25*1)
= 0,916675
V3 = (0,25*0,3333)+(0,50*1)+(0,25*1)
Olah Data Jabatan
= 0,833325
V4 = (0,25*0,3333)+(0,50*1)+(0,25*1)
= 0,833325
Sumber : Data olahan (2015)
V5 = (0,25*0,3333)+(0,50*1)+(0,25*1)
= 0,833325
Gambar 2. Perancangan Use Case Diagram SDM
Dari hasil perhitungan nilai Vi dari setiap
b. Perancangan Use Case Diagram Ruang
karyawan yang akan mendapatkan promosi
Manager Bagian
kenaikan jabatan maka dapat dibuatkan tabel uc Use Case Diagram Manaj er

penentuan rangking sebagai berikut:

Mengelola Data
Login Manaj er Alternatif Karyaw an
«include» Penilaian «include»

Tabel 7. Penentuan Rangking «include»

Persentase
No Nama Nilai Rangking «include»
Mengelola Data
Pertanyaan
(%)
«include»
Chairani Manaj er Bagian
1 1 100% 1
Syifa Mengelola Data
Kriteria
Rafida
2 0,916675 92% 2
Raudina
Menampilkan Profile
Teguh Manaj er Bagian

3 0,833325 83% 3
Purnomo
Wahyu Sumber : Data olahan (2015)
4 0,833325 83% 4
Guntoro
Siska Gambar 3. Perancangan Use Case Diagram Ruang
5 0,833325 83% 5
Febrina
Manager Bagian
Sumber : Data olahan (2015)
c. Perancangan Use Case Diagram Staff
Dari penentuan prioritas usulan promosi
kenaikan jabatan dengan menggunakan metode uc Use Case Diagram Karyaw an

Simple Additive Weight maka yang layak

mendapatkan promosi kenaikan jabatan adalah Login Karyaw an
karyawan bernama Chairani Syifa yang memiliki
nilai 1.
«include»

7. Desain Sistem Karyaw an

Berikut desain sistem pendukung keputusan

«extend»
promosi kenaikan jabatan. Melihat Hasil
Penilaian
Cetak Hasil
Penillaian

a. Perancangan Use Case Diagram SDM

Sumber : Data olahan (2015)

Gambar 3. Perancangan Use Case Diagram Ruang

Karyawan

8. Desain Database
Berikut desain database dengan
menggunakan Entity Relationship Diagram (ERD)

ISSN 1978-1946 | Penerapan Metode Simple…

43 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016

almt_kry no_telp

tgl_lhr username

tmp_lhr
password nik
nm_alt_kry
nm_kry
kdjab
no_alt_kry kdbag
nik

1 1 1 Alternatif
punya Karyawan pilih
Karyawan
1
1
1 1

Jabatan punya pilih punya

idpenilaian
1
1 M
tglpenilaian
kdjab nmjab
Bagian Penilaian Tahun
penilaian

no_alt_kry
M

kdbag nmbag idpertanyaan

isi
idpenilaian
M
nilai
1 M
Kriteria pilih Pertanyaan

nm_kriteria no_kriteria
idpertanyaan

nmpertanyaan no_kriteria

Sumber : Data olahan (2015)

Gambar 4. Perancangan Database

9. Desain Rancangan Layar b. Rancangan Masukan Nilai Kriteria

a. Rancangan Login

Sumber : Data olahan (2015)

Gambar 5. Login Form

Sumber : Data olahan (2015)

Gambar 6. Rancangan Masukan Nilai Kriteria

ISSN 1978-1946 | Penerapan Metode Simple…

 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016
c. Rancangan Keluaran Nilai Akhir
Sumber : Data olahan (2015)
Gambar 7. Rancangan Keluaran Nilai Akhir
KESIMPULAN
Kesimpulan pembahasan penelitian adalah
sebagai berikut:
1. Dari aspek manajerial penilaian dapat
dikembangkan dengan kriteria-kriteria yang
lain sesuai dengan kebutuhan perusahaan.
2. Dari perhitungan dengan menggunakan
metode Simple Additive Weight, dengan
acuan kriteria masa kerja, penilaian kinerja,
dan penilaian perilaku karyawan, maka
terpilih seorang karyawan yang akan
mendapatkan promosi jabatan, yaitu
karyawan bernama Chairani Syifa.
3. Dari Hasil Analisis perhitungan dengan
menggunakan metode Simple Additive Weight
dan dari hasil kuisioner penilaian karyawan
yang terdiri dari kriteria masa kerja,
penilaian kinerja, dan penilaian perilaku,
karyawan bernama Chairani Syifa
mendapatkan nilai sempurna dengan
persentase 100%. Dengan rincian penilaian
masa kerja selama 4 tahun mendapatkan
nilai bobot 0,6 , penilaian kinerja sebesar
5,30 mendapatkan bobot 0,8, dan penilaian
perilaku 4,92 mendapatkan nilai bobot 0,8.
4. Dengan demikian untuk mendapatkan
promosi jabatan seorang karyawan tidak
hanya dilihat dari segi seberapa lamanya
karyawan tersebut bekerja tetapi juga harus
memiliki kinerja dan perilaku yang baik.
KESIMPULAN
Kesimpulan pembahasan penelitian adalah
sebagai berikut:
1. Dari aspek manajerial penilaian dapat
dikembangkan dengan kriteria-kriteria yang
lain sesuai dengan kebutuhan perusahaan.
2. Dari perhitungan dengan menggunakan
metode Simple Additive Weight, dengan
acuan kriteria masa kerja, penilaian kinerja,
dan penilaian perilaku karyawan, maka
terpilih seorang karyawan yang akan
ISSN 1978-1946 | Penerapan Metode Simple…
44
mendapatkan promosi jabatan, yaitu
karyawan bernama Chairani Syifa.
3. Dari Hasil Analisis perhitungan dengan
menggunakan metode Simple Additive
Weight dan dari hasil kuisioner penilaian
karyawan yang terdiri dari kriteria masa
kerja, penilaian kinerja, dan penilaian
perilaku, karyawan bernama Chairani Syifa
mendapatkan nilai sempurna dengan
persentase 100%. Dengan rincian penilaian
masa kerja selama 4 tahun mendapatkan
nilai bobot 0,6 , penilaian kinerja sebesar
5,30 mendapatkan bobot 0,8, dan penilaian
perilaku 4,92 mendapatkan nilai bobot 0,8.
4. Dengan demikian untuk mendapatkan
promosi jabatan seorang karyawan tidak
hanya dilihat dari segi seberapa lamanya
karyawan tersebut bekerja tetapi juga harus
memiliki kinerja dan perilaku yang baik.
REFERENSI
Asnawati, Indra Kanedi. 2012. Sistem Pendukung
Keputusan Kenaikan Pangkat Karyawan
Perseroan Terbatas Pelayaran Kumafa
Lagun Marina Bengkulu. ISSN: 1858-2680.
Bengkulu: Jurnal Media Infotama Vol.8, No. 1
Februari 2012: 118-137
Badriyah, Mila. 2015. Manajemen Sumber Daya
Manusia. Bandung: Pustaka Setia.
Hamidi. 2007. Metode Penelitian dan Teori
Komunikasi. UMM Press: Malang.
Hartono, Bambang. 2013. Sistem Informasi
Manajemen Berbasis Komputer. Jakarta:
Rineka Cipta.
Kusrini. 2007. Konsep dan Aplikasi Sistem
Pendukung Keputusan. Yogyakarta: Andy
Offset.
Munthe, Hotmaria Ginting. 2013. Sistem
Pendukung Keputusan Penentuan Prioritas
Usulan Sertifikasi Guru Dengan Metode
Simple Additive Weighting. ISSN: 2301-9425.
Medan: Pelita Informatika Budi Darma Vol
IV, No. 2 Agustus 2013: 52-58
Nofriansyah, Dicky. 2014. Konsep Data Mining VS
Sistem Pendukung Keputusan. Yogyakarta:
Deepublish.
Rinaldi, M. Arfan. 2013. Sistem Pendukung
Keputusan Pemilihan Trainer (Staf
Pengajar) Menggunakan Metode Metode
Simple Additive Weighting (SAW) (Studi
Kasus: Primagama English Johor). ISSN:
2301-9425. Medan: Pelita Informatika Budi
Darma Vol V, No. 1 November 2013: 98-102
Silalahi, M. Sulaiman. Sistem Pendukung
Keputusan Kenaikan Jabatan Dengan
Menggunakan Metode Simple Additive
Weighting (SAW) (Studi Kasus: Gapeksindo
Medan). ISSN: 2301-9425. Medan: Pelita
45 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016

Informatika Budi Darma Vol V, No. 1

November 2013: 15-20
Sugiyono. 2009. Metode Penelitian Kuantitatif
dan Kualitatif dan R&D. Bandung: Alfabeta

BIODATA PENULIS

Frieyadie, M.Kom. Jakarta 5

Juli 1974. Lulusan DIII-MI
Universitas. Gunadarma tahun
1996, Lulusan S1 Jurusan
Manajemen Informatika
STMIK Jayakarta, Lulusan
Pascasarjana Ilmu Komputer
STMIK Nusa Mandiri. Pernah
bekerja di Sempati Air,
sebagai Verifikasi Data Entri, Dosen BSI dan Nusa
Mandiri. Pernah melakukan penelitian
diantaranya Perancangan Sistem Informasi
Customer Complaint Pada PT. Astra
Internatioinal Daihatsu Berbasis Web Dengan
Menggunakan Model Rapid Application
Development (2013). Penerapan Rapid
Application Development Model Pada
Perancangan dan Kajian Sistem Informasi
Penjalan Berbasis Web (2015).

ISSN 1978-1946 | Penerapan Metode Simple…