Penjelasan Metode Simple Additive Weighting (SAW) Lanjutan

Penjelasan Metode Simple Additive Weighting (SAW) Lanjutan

1. Metode Simple Additive
Weighting (SAW ) Lanjutan
S H E V T I A R B E K T I A R M A N , M . K O M

2. Metode SimpleAdditiveWeighting(SAW)

3. AlgortimaPenyelesaian Metode SAW
Langkah 1:
•Menentukan kriteria
C
j;j=1, 2, …, m.
Langkah 2:
•Menentukan bobot masing-masing kriteria
W
j;j=1, 2, …, m. Note: σ�
�=1

4. AlgortimaPenyelesaian Metode SAW
Langkah 3:
•Melakukan normalisasi matriks keputusan dengan melakukan proses perbandingan pada semua nilai
alternative yang ada








=
(cost) biayaatribut adalah j jika
x
xMin
(benefit) keuntunganatribut adalah j jika
xMax
x
r
ij
ij
i
ij
i
ij
ij
Ket:
r
ij= Nilai rating kinerja ternormalisasi
x
ij= Nilai atribut yang dimiliki dari setiap kriteria
Max x
ij= Nilai terbesar dari setiap kriteria
Min x
ij=Nilai terkecil dari setiap kriteria
Benefit = jika nilai terbesar adalah terbaik
Cost = jika nilai terkecil adalah terbaik
Ket:
V
i= Raking untuk setiap alternatif
W
j= Nilai bobot dari setiap kriteria
Langkah 4:
•Menghitung nilai preferensi untuk setiap alternatif
V
i=෍
�=1
??????
??????
�∗??????
��

5. CONTOH 3

6. Contoh 3:
Sebuah perusahaan makanan ringan XYZ akan menginvestasikan sisa usahanya dalam satu tahun.
Beberapa alternatif investasi telah akan diidentifikasi.
Pemilihan alternatif terbaik ditujukan selain untuk keperluan investasi, juga dalam rangka meningkatkan kinerja
perusahaan ke depan.
Ada empat alternatif yang diberikan, yaitu:
•A1=Membeli mobil box untuk distribusi barang ke gudang;
•A2=Membeli tanah untuk membangun gudang baru;
•A3 = Maintenance sarana teknologi informasi;
•A4=Pengembangan produk baru.

7. Contoh 3:
Beberapa kriteria digunakan sebagai bahan pertimbangan untuk mengambil keputusan, yaitu:
C1 = Harga,
•Yaitu seberapa besar harga barang tersebut.
C2 = Nilai investasi 10 tahun ke depan,
•Yaitu seberapa besar nilai investasi barang dalam jangka waktu 10 tahun ke depan.
C3 = Daya dukung terhadap produktivitas perusahaan ,
•Yaitu seberapa besar peranan barang dalam mendukung naiknya tingkat produktivitas perusahaan.
•Daya dukung diberi nilai: 1 = kurang mendukung, 2 = cukup mendukung; dan 3 = sangat mendukung.
C4 = Prioritas kebutuhan,
•Merupakantingkat kepentingan (ke-mendesak-an) barang untuk dimiliki perusahaan.
•Prioritas diberi nilai: 1 = sangat berprioritas, 2 = berprioritas; dan 3 = cukup berprioritas.
C5 = Ketersediaan atau kemudahan ,
•Merupakanketersediaan barang di pasaran.
•Ketersediaan diberi nilai: 1 = sulit diperoleh, 2 = cukup mudah diperoleh; dan 3 = sangat mudah diperoleh.

8. Contoh 3:
Dari pertama dan keempat kriteria tersebut, kriteria pertama dan keempat merupakan
kriteria cost, sedangkan kriteria kedua, ketiga, dan kelima merupakan kriteria benefit.
Pengambil keputusan memberikan bobotuntuk setiap kriteria sebagai berikut:
•C1 = 25%;
•C2 = 15%;
•C3 = 30%;
•C4 = 25%; dan
•C5 = 5%.

9. Contoh 3:
Nilai setiap alternatif pada setiap kriteria:
Alternatif
Kriteria
C1 (juta Rp)C2 (%) C3 C4 C5
A1 150 15 2 2 3
A2 500 200 2 3 2
A3 200 10 3 1 3
A4 350 100 3 1 2

10. Contoh 3:
??????
11=
min150;500;200;350
150
=
150
150
=1
??????
21=
2
max2;2;3;3
=
2
3
=0,667
??????
31=
min150;500;200;350
200
=
150
200
=0,75
??????
21=
min150;500;200;350
500
=
150
500
=0,3
??????
41=
min150;500;200;350
350
=
150
350
=0,43
??????
22=
2
max2;2;3;3
=
2
3
=0,667
??????
32=
3
max2;2;3;3
=
3
3
=1
??????
42=
3
max2;2;3;3
=
3
3
=1
Melakukan normalisasimatriks
dst

11. Contoh 3:
Hasil normalisasi:
??????=
10,080,670,501
0,3010,670,330,67
0,750,051 1 1
0,430,501 10,67
??????=
??????
11??????
21??????
31??????
41??????
51
??????
21??????
22??????
32??????
42??????
52
??????
31??????
32??????
33??????
43??????
53
??????
41??????
42??????
43??????
44??????
54

12. Contoh 3:
�
1=(0,25)(1)+(0,15)(0,08)+(0,3)(0,67)+(0,25)(0,5)+(0,05)(1)=0,638
�
2=(0,25)(0,3)+(0,15)(1)+(0,3)(0,67)+(0,25)(0,33)+(0,05)(0,67)=0,542
�
3=(0,25)(0,75)+(0,15)(0,05)+(0,3)(1)+(0,25)(1)+(0,05)(1)=0,795
�
4=(0,25)(0,43)+(0,15)(0,5)+(0,3)(1)+(0,25)(1)+(0,05)(0,67)=0,766
Nilai terbesar ada pada V3 sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik.
Dengan kata lain, maintenancesarana teknologi informasi akan terpilih sebagai solusi untuk investasi sisa usaha.
Proses perankingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan:
•w = [0,250,150,300,250,05]
Menghitung nilai preferensi

13. CONTOH 4

14. Data Crips
Data Crips
❑Datayang digunakan untuk mengelompokkan nilai dari setiap attribut.
❑Sifatnyaopsional boleh ada atau boleh tidak.
❑Kalau ada maka attributakan dinormalisasikanmenggunakan data crips, kalau tidak maka attributakan langsung
dihitung.
ContohPada penentuan beasiswa:
❑Kategoripenghasilan orang tua.
Biasanya penghasilan orang tua akan dikelompokkan ke dalam beberapa kelompok seperti :
oKelompok 1. penghasilan <= 1.000.000
oKelompok 2. penghasilan 1.000.000 –3.000.000
oKelompok 3. penghasilan 3.000.000 –5.000.000
oKelompok 4. penghasilan 5.000.000 –7.000.000
oLelompok5. penghasilan >= 7.000.000

15. Contoh 4
DindoSarwono (2020) tentang Sistem Pendukung Keputusan Penerima Program Subsidi RASTRA Dengan Metode Simple Additive
Weighting(SAW).
•Program Subsidi Rastra (Beras Rakyat Sejahtera) adalah bagian dari Sistem Ketahana Pangan Nasional, program ini diadakan untuk
mencapai kemandirian dan kedaulatan pangan. Program Rastra (Beras Rakyat Sejahtera) merupakan program dari Presiden tentang
kebijakan perberasannasional.
•Presiden memberi arahan kepada Mentri dan Kepala Lembaga non Kementrian, Gubernur, dan Bupati/Walikota di Indonesia untuk upaya
peningkatan pedapatan para petani, Ketahanan pangan, pengembangan ekonomi pedesaan dan stabilitas ekonomi nasional. Perum
BULOG secara khusus diperintahkan untuk menyediakan dan menyalurkan beras bersubsidi bagi masyarakat berpenghasilan rendah, d an
penyediaan beras mengutamakan pengadaan beras/gabah dari para petani di Indonesia .
•Di Kelurahan Blumbang, Kecamatan Tawangmangumerupakan tempat pendistribusian Program Subsidi Rastra (Beras Rakyat Sejahtera)
untuk keluarga miskin, Program tersebut mencakup kriteria seperti berikut: penghasilan perbulan, pekerjaan, jumlah tanggungan
keluarga, kondisi rumah, kendaraan yang dimiliki, dan jumlah tagihan listrik perbulan, cakupan tersebut digunakan untuk menetukan
bobot dari setiap kriteria dalam penerimaan subsidi Rastra.
•Dalam menetukan penerima program subsidi Rastra masih menggunakan penilaian secara subjektif. Penilaian calon penerima program
tersebut masih menggunakan cara manual dan belum adanya komputerisasi dalam menentukan penerima Program Subsidi Rastra.
Dengan demikian dalam pendistribusian Program Subsidi Rastrayang ditujukan kepada warga masyarakat yang berpenghasilan rendah
atau miskin yang tidak tepat sasaran. Sehingga diperlukan sebuah Sistem Pendukung Keputusan yang dapat mengatasi masalah tersebut,
dan sistem ini berguna untuk memudahkan pengambilan keputusan yang terkait dengan masalah calon penerima Program Rastra untuk
warga masyarakat berpenghasilan rendah, sehingga akan didapatkan keluarga yang paling layak diberi Rastra.

16. Contoh 4
ProgramsubsidiRastra(BerasRakyatSejahtera)merupakanprogramdaripresidenuntuk
upayapeningkatanpendapatanparapetani,ketahananpangan,pengebanganekonomi
pedesaandanstabilitasekonominasionalyangbertujuanuntukmembatu masyarakat
berpenghasilanrendah.
DalampendistribusianProgramSubsidiRastradiKelurahanBlumbangmasihterjadi
permasalahanakibatnyaprogramtersebuttidaktepatsasaran,untukmengatasimasalah
tersebutmakadiperlukansebuahaplikasikomputeryangdapatmembantumengambilsebuah
keputusanyangtepat.
SubjekdalampenelitianiniadalahaplikasiSistemPendukungKeputusanPenerimaProgram
SubsidiRastradenganMetodeSimpleAdditiveWeighting(SAW).MetodeSAWdikenaldengan
istilahmetodepenjumlahanberbobot,dengankonsepmencaripenjumlahanterbobotdari
ratingkinerjapadasetiapalternatif.

17. Contoh 4
Tabel Kriteria dan Bobot Sampeldata:
Alternatif Variabel
Atmo A1
Giyanto A2
Giyo A3
Jurnadi A4
Widodo A5

18. Contoh 4
Kriteria Penghasilanper Bulan
Tabel Bobot Kriteria
Penghasilan Orang Tua (X) Bobot
< 500.000 5
500.000 –1.000.000 4
1.100.000 -2.000.000 3
2.100.000 -3.000.000 2
>3.000.000 1
Kriteria Pekerjaan
Pekerjaan Bobot
Buruh 5
Petani 4
Pedagang 3
PNS 2
Pengusaha 1

19. Contoh 4
Kriteria Jumlah Tanggungan keluarga
Jumlah Tanggungan keluarga Bobot
>8 orang 5
6-7 orang 4
5-6 orang 3
3-4 orang 2
1-2 orang 1
Kriteria Kondisi Rumah dinding dan lantai
Kondisi Rumah dinding dan lantai Bobot
Papan & Tanah 5
Papan & Plester 4
Tembok & Tanah 3
Tembok & Plester 2
Tembok & Kramik 1
Tabel Bobot Kriteria

20. Contoh 4
Kriteria Kendaraan yang dimiliki
Kendaraan yang dimiliki Bobot
Tidak Punya 4
Sepeda 3
Sepedamotor 2
Mobil 1
Kriteria Tagihan Listrik per Bulan
Tagihan Listrik per Bulan Bobot
< RP. 20.000 5
RP. 20.000 -Rp. 40.000 4
RP. 40.000 -Rp. 60.000 3
RP. 60.000 -Rp. 80.000 2
P. 60.000 -Rp. 80.000 1
Tabel Bobot Kriteria

21. Contoh 4
Rating Kecocokan:Sampeldata:

22. Matriks keputusan X :
Langkah 1: Pembuatan Matriks keputusan
&#3627408459;=
4
4
53231
43132
5
3
3
55232
4
2
3
2
211
112

23. normalisasi matriks x:
??????
11=
4
max4;4;5;3;3
=
4
5
=0,8 ??????
12=
5
max5;4;5;4;2
=
5
5
=1
??????
31=
5
max4;4;5;3;3
=
5
5
=1
??????
21=
4
max4;4;5;3;3
=
4
5
=0,8
??????
41=
3
max4;4;5;3;3
=
3
5
=0,6
??????
22=
4
max5;4;5;4;2
=
4
5
=0,8
??????
32=
5
max5;4;5;4;2
=
5
5
=1
??????
42=
4
max5;4;5;4;2
=
4
5
=0,8
dst
??????
51=
3
max4;4;5;3;3
=
3
5
=0,6 ??????
52=
2
max5;4;5;4;2
=
2
5
=0,4
??????
13=
3
max3;3;5;3;2
=
3
5
=0,6
??????
23=
3
max3;3;5;3;2
=
3
5
=0,6
??????
33=
5
max3;3;5;3;2
=
5
5
=1
??????
43=
3
max3;3;5;3;2
=
3
5
=0,6
??????
53=
2
max3;3;5;3;2
=
2
5
=0,4

24. Contoh 4
Hasil matriks ternormalisasi
&#3627408459;=
0,8
0,8
10,6110,5
0,80,60,511
1
0,6
0,6
11 111
0,8
0,4
0,6
0,4
10,30,5
0,50,31

25. Contoh 3:
Nilai terbesar ada pada V3 sehingga alternatif Giyoadalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, Penerima Program
Subsidi RASTRA di Kelurahan Blumbangadalah Giyo.
Hasil penelitian bahwa aplikasi Sistem Pendukung KeputusanPenerima Program Subsidi Rastra dapat membantu mengambil keputusan yang tepat
dalam pendistribusian program Subsidi Rastra, sehingga program tersebut dapat terditribusi dengantepat sasaran dan tidak ada kecurangan.
Dan vektor bobot:
Nilai Preferensi
&#3627408457;1=60.8+51+40.6+31+21+10.5=17.72
&#3627408457;2=(6)(0.8)+(5)(0.8)+(4)(0.6)+(3)(0.5)+(2)(1)+(1)(1)=15.7
&#3627408457;3=(6)(1)+(5)(1)+(4)(1)+(3)(1)+(2)(1)+(1)(1)=21
&#3627408457;4=(6)(0.6)+(5)(0.8)+(4)(0.6)+(3)(1)+(2)(0.3)+(1)(0.5)=14.1667
&#3627408457;5=(6)(0.6)+(5)(0.4)+(4)(0.4)+(3)(0.5)+(2)(0.3)+(1)(1)=10.3667
&#3627408458;=[654321]
No Nama Hasil
1 Atmo 17,7
2 Giyanto 15,7
3 Giyo 21
4 Jurnadi 14,1667
5 Widodo 10,3667

26. TERIMA KASIH