Metode Simple Additive Weighting




Metode Simple Additive Weighting (SAW) 


Pengertian Metode SAW

Metode SAW (Simple Additive Weighting) merupakan model matematis yang dapat digunakan untuk mengambil keputusan dan juga merupakan salah satu dari beberapa metode yang digunakan untuk menyelesaikan masalah Fuzzy Multiple Attribute Decision Making (FMADM). Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Pahlevy. 2010). Metode ini membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Metode SAW sangat banyak memiliki kegunaan dalam implementasi di kehidupan masyarakat seperti melakukan penilaian suatu karyawan di perusahaan, pemilihan siswa berprestasi, rekomendasi pencari kerja terbaik, dsb. 


Langkah-Langkah Metode SAW
  1. Menentukan  kriteria-kriteria  yang  akan dijadikan  acuan dalam pengambilan keputusan.
  2. Menentukan  rating  kecocokan  setiap  alternatif  pada setiap kriteria. 
  3. Membuat  matriks  keputusan  berdasarkan  kriteria, kemudian  melakukan  normalisasi  matriks  berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan  ataupun  atribut  biaya)  sehingga  diperoleh matriks ternormalisasi. 
  4. Hasil  akhir  diperoleh  dari  proses  perankingan  yaitu penjumlahan  dari  perkalian  matriks  ternormalisasi dengan  vektor  bobot  sehingga  diperoleh  nilai  terbesar yang dipilih sebagai alternatif terbaik sebagai solusi.

Benefit & Cost

Benefit merupakan jenis atribut kriteria yang sifatnya menguntungkan bagi perhitungan, semakin besar nilainya semakin bagus, sedangkan Cost sebaliknya, semakin kecil nilainya semakin bagus.

Contoh IPK termasuk ke dalam kriteria Benefit, karena semakin tinggi nilai IPK nya peluang untuk mendapatkan beasiswa akan semakin besar. Sedangkan penghasilan orang tua termasuk ke dalam kriteria Cost, karena semakin besar penghasilan orang tua peluang mendapatkan beasiswa semakin kecil.

Kelebihan dan Kekurangan Metode SAW

Kelebihan :
  1. Menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif.
  2. Penilaian akan lebih tepat karena didasarkan pada nilai kriteria dari bobot preferensi yang sudah ditentukan
  3. Adanya perhitungan normalisasi matriks sesuai dengan nilai atribut (antara nilai benefit dan cost).
Kekurangan:
  1. Digunakan pada pembobotan lokal.
  2. Perhitungan dilakukan dengan menggunakan bilangan crisp maupun fuzzy.