Metode SAW

Metode Simple Additive Weighting (SAW)

- Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot.

- Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967)(MacCrimmon, 1968).

- Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.


- Formula untuk melakukan normalisasi tersebut adalah sebagai berikut:

dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.

- Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:

- Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

Contoh-1:
Suatu institusi perguruan tinggi akan memilih seorang
karyawannya untuk dipromosikan sebagai kepala unit sistem
informasi.
Ada empat kriteria yang digunakan untuk melakukan penilaian,
yaitu:
C1 = tes pengetahuan (wawasan) sistem informasi
C2 = praktek instalasi jaringan
C3 = tes kepribadian
C4 = tes pengetahuan agama

Pengambil keputusan memberikan bobot untuk setiap kriteria
sebagai berikut: C1 = 35%; C2 = 25%; C3 = 25%; dan C4 =
15%.
Ada enam orang karyawan yang menjadi kandidat (alternatif)
untuk dipromosikan sebagai kepala unit, yaitu:
A1 = Indra,
A2 = Roni,
A3 = Putri,
A4 = Dani,
A5 = Ratna, dan
A6 = Mira.

Tabel nilai alternatif di setiap kriteria:

Hasil normalisasi:

Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan: w = [0,35 0,25 0,25 0,15]
Hasil yang diperoleh adalah sebagai berikut:

- Nilai terbesar ada pada V5 sehingga alternatif A5 adalah alternatif yang terpilih sebagai alternatif terbaik.

- Dengan kata lain, Ratna akan terpilih sebagai kepala unit sistem informasi

Read more: http://edi-ismanto.blogspot.com/2012/04/metode-simple-additive-weighting-saw.html#ixzz34inTi8A5