SIMPLE ADDITIVE WEIGHTING

(SAW)
Kelompok 4 4IF-1

Muhammad Hafiz Ardiansyah – Rijal Azani – Rijki Muharam

Rahman Hidayat – Muhammad Rival
 PENJELASAN SAW

KONSEP DASAR
 Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut (Fishburn, 1967) (MacCrimmon, 1968).
 Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam
menghadapi situasi Multiple Attribute Decision Making (MADM).
 MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu.
 Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor
total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang
dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas
dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.
2
KELEBIHAN
METODE Kelebihan dari metode simple additive weighting
dibanding dengan model pengambil keputusan
SAW lainnya terletak pada kemampuannya untuk
melakukan penilaian secara lebih tepat karena
didasarkan pada nilai kriteria dan bobot preferensi
yang sudah ditentukan, selain itu SAW juga dapat
menyeleksi alternatif terbaik dari sejumlah alternatif
yang ada karena adanya proses perangkingan
setelah menentukan bobot untuk setiap atribut
(Kusumadewi, Harjoko, dan Wardoyo. 2006).

3
 LANGKAH-LANGKAH

Menentukan kriteria-kriteria yang akan

dijadikan acuan dalam pengambilan Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan
keputusan (C), normalisasi matriks sehingga diperoleh matriks ternormalisasi R.

Kriteria Normalisasi
1 3

2 4
Rating Ranking
Menentukan rating kecocokan setiap Hasil akhir diperoleh dari proses perankingan sehingga
alternatif pada setiap kriteria. diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik
(A) sebagai solusi

4
Contoh Kasus
Analisis Sistem Penentuan Penerimaan
Beasiswa Menggunakan Metode
Simple Additive Weighting
(Studi Kasus : IJF Rumah Zakat Pekanbaru)
 Langkah 1 - Kriteria
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam
pengambilan keputusan, yaitu C.

KRITERIA KETERANGAN ATRIBUT

NO NAMA C1 C2 C3 C4 C5 C1 Penghasilan orangtua COST

1 Andi 1400000 75 5 5 5 C2 Nilai Rapor BENEFIT

2 Budi 700000 85 4 3 4 C3 Tanggungan orangtua BENEFIT

3 Caca 900000 68 7 5 4 C4 Jumlah saudara BENEFIT

C5 Kelas COST

6
 Langkah 2 - Rating
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
Penghasilan Orang Tua (C1) Variabel Nilai Nilai (C2) Variabel Nilai
Sangat
C1 <= Rp. 500.000 0 C2 <= 60 Sangat Rendah 0
Rendah
Rp. 500.000 > C1 < RP. 1.000.000 Rendah 0,25
C2 > 61 - 70 Rendah 0,25 Kelas
Rp. 1.000.000 > C1 < Rp. Variabel Nilai
Sedang 0,5 (C5)
2.000.000 C2 > 71 - 80 Sedang 0,5
Rp. 2.000.000 > C1 < Rp. Sangat
Tinggi 0,75 C2 > 81 - 90 Tinggi 0,75 1-2 0
3.000.000 Rendah
Sangat
C1 >= 3.000.000 1 C2 > 90 Sangat Tinggi 1
Tinggi 3-4 Rendah 0,25

Jumlah Tanggungan Orang Jumlah Saudara 5-6 Sedang 0,5

Variabel Nilai Variabel Nilai
Tua (C3) Kandung (C4)
7-8 Tinggi 0,75
1 - 2 orang Sedikit 0,25 1 - 2 orang Sedikit 0,25 Sangat
>= 9 1
3 - 4 orang Sedang 0,5 3 - 4 orang Sedang 0,5 Tinggi

5 - 6 orang Banyak 0,75 5 - 6 orang Banyak 0,75

Sangat Sangat
>= 7 orang 1 >= 7 orang 1
Banyak Banyak 7
Persamaan 1
Normalisasi
Keterangan :
rij = nilai rating kinerja ternormalisasi .
xij = nilai atribut yang dimiliki dari setiap kriteria.
Maxi xij = nilai terbesar dari setiap kriteria.
Mini xij = nilai terkecil dari setia kriteria
Benefit = jika nilai terbesar adalah terbaik
Cost = jika nilai terkecil adalah terbaik.
8
 Langkah 3 – Cost & Benefit
Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut
biaya) sehingga diperoleh matriks ternormalisasi R.

COST
Untuk Penghasilan Orangtua termasuk ke
dalam atribut biaya (cost), karena semakin
kecil nilai maka dianggap semakin baik.
Jadi :
BENEFIT
Untuk nilai rata-rata raport termasuk ke dalam
artibut keuntungan (benefit), karena semakin
besar nilai maka dianggap semakin baik.
Jadi :

9
 Langkah 3 – Normalisasi R
Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi
matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut
keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.

Matriks R

10
Langkah 4 - Pembobotan
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector
bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A) sebagai solusi

0,8 C1 (Penghasilan Ortu) Tinggi (T)

0,75 C2 (Nilai Rapor) Cukup (C)

0,5 C3 (Tanggungan Ortu) Sedang (S)

0,5 C4 (Jumlah Saudara) Sedang (S)

0,75 C5 (Kelas) Cukup (C)

11
Persamaan 2
Perangkingan
Keterangan :
Vi = integral untuk setiap alternatif
Wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi

12
 Langkah 4 - Perankingan
Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R
dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A) sebagai
solusi

3.Andi 1.Budi 2.Caca

Nilai Integral V1 Nilai Integral V2 Nilai Integral V3

= (0,8)(0.5) + (0.75)(0.67) + (0.5)(0.75) = (0,8)(1) + (0.75)(1) + (0.5)(0.5) + = (0,8)(1) + (0.75)(0.33) + (0.5)(1) +
+ (0.5)(1) + (0.75)(0.5) (0.5)(0.67) + (0.75)(1) (0.5)(1) + (0.75)(1)

= 0,5 + 0.502 + 0.375 + 0.5 + 0.375 = 1 + 0.75 + 0.25 + 0.335 + 0.75 = 1 + 0.247 + 0.5 + 0.5 + 0.75

= 2,15 = 2,883333 = 2,8

13
 Thank You for
Your Attention!
Any Questions?

Theme Copyright : Vega - Jun Akizaki - http://thepopp.com

Sumber : http://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/1004/1049