Simple additive weighting: Perbedaan revisi

Simple Additive Weighting</p> <p>Merupakan metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria (Kusumadewi et al., 2006). Metode SAW membutuhkan proses normalisasi matrik keputusan ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. 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. Adapun langkah penyelesaian dalam menggunakannya adalah: 1. Menentukan alternatif, yaitu Ai. 2. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj. 3. Memberikan nilai rating kecocokan setiap alternatif Jurnal Sistem Informasi Bisnis 02(2012) On-line : http://ejournal.undip.ac.id/index.php/jsinbis 69 pada setiap kriteria. 4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria. 5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. 6. Membuat matrik keputusan yang dibentuk dari tabel rating kecocokan dari setiap alternatif pada setiap kriteria. Nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n. 7. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternomalisasi (rij) dari alternatif Ai pada kriteria Cj. Keterangan : a. Dikatakan kriteria keuntungan apabila nilai memberikan keuntungan bagi pengambil keputusan, sebaliknya kriteria biaya apabila menimbulkan biaya bagi pengambil keputusan. b. Apabila berupa kriteria keuntungan maka nilai dibagi dengan nilai dari setiap kolom, sedangkan untuk kriteria biaya, nilai dari setiap kolom dibagi dengan nilai 8. Hasil dari nilai rating kinerja ternomalisasi (rij) membentuk matrik ternormalisasi (R) 9. Hasil akhir nilai preferensi (Vi ) diperoleh dari penjumlahan dari perkalian elemen baris matrik ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik (W). Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik (Kusumadewi et al., 2006).</p> </div> </div>