Pengertian Metode Simple Additive Weighting (SAW)

 

 Metode SAW adalah Salah satu metode yang digunakan untuk menyelesaikan masalah dari Fuzzy Multiple Attribute Decision Making ( FMADM ) adalah metode Simple Additive Weighting (SAW) yaitu suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.

Definisi 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 (Pahlevy. 2010). Metode ini 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 (Kusumadewi, Harjoko, dan Wardoyo. 2006):

Dimana:

rij = rating kinerja ternormalisasi dari alternatif Ai (i=,2,…,m) Maxi= nilai maksimum dari setiap baris dan kolom.

Mini= nilai minimum dari setiap baris dan kolom. xij= baris dan kolom dari matriks.

Formula untuk mencari nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai( Kusumadewi, Harjoko, dan Wardoyo.2006):

Dimana:

Vi= Nilai akhir dari alternatif Wi= Bobot yang telah ditentukan

rij= Normalisasi matriks.

Nilai Vi yang lebih besar mengindikasikan bahwa aternatif Ai lebih terpilih.

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 R.
4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik sebagai solusi (Henry. 2009).

Kelebihan Metode SAW

Kelebihan dari metode simple additive weighting dibanding dengan model pengambil keputusan 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).