SIMPLE ADDITIVE

WEIGHTING ( SAW )
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.
Simple Additive Weighting (SAW)
 Formula untuk melakukan normalisasi tersebut
adalah sebagai berikut:

 x ij
 jika j adalah atribut keuntungan (benefit)
 Max
i
x ij

rij  
 Min x ij
 i jika j adalah atribut biaya (cost)
 x ij

dengan rij adalah rating kinerja ternormalisasi

dari alternatif Ai pada atribut Cj; i=1,2,...,m dan
j=1,2,...,n.
Simple Additive Weighting (SAW)
 Nilai preferensi untuk setiap alternatif (Vi)
diberikan sebagai:
n
Vi   w j rij
j1

 Nilai Vi yang lebih besar mengindikasikan bahwa

alternatif Ai lebih terpilih.
 Simple Additive Weighting (SAW)
 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
Simple Additive Weighting (SAW)
 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.
Simple Additive Weighting (SAW)
 Tabel nilai alternatif di setiap kriteria:

Kriteria
Alternatif
C1 C2 C3 C4
Indra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80
Simple Additive Weighting (SAW)
 Normalisasi:
70 70
r11    0,82
max70;50;85;82;75;62 85
70 50
r21    0,59
max70;50;85;82;75;62 85
50 50
r12    0,67
max50;60;55;70;75;50 75
60 60
r22    0,80
max50;60;55;70;75;50 75
dst
Simple Additive Weighting (SAW)
 Hasil normalisasi:

0,82 0,67 0,94 0,71

0,59 0,80 0,96 0,82

 1 0,73 0,94 0,88
R 
0,96 0,93 0,76 1 
0,88 1 1 0,87 
 
0,73 0,67 0,88 0,94
Simple Additive Weighting (SAW)
 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:
V1  (0,35)(0,82)  (0,25)(0,67)  (0,25)(0,94)  (0,15)(0,71)  0,796
V 2  (0,35)(0,59)  (0,25)(0,80)  (0,25)(0,96)  (0,15)(0,82)  0,770
V 3  (0,35)(1,00)  (0,25)(0,73)  (0,25)(0,94)  (0,15)(0,88)  0,900
V 4  (0,35)(0,96)  (0,25)(0,93)  (0,25)(0,76)  (0,15)(1,00)  0,909
V 5  (0,35)(0,88)  (0,25)(1,00)  (0,25)(1,00)  (0,15)(0,87)  0,939
V 6  (0,35)(0,73)  (0,25)(0,67)  (0,25)(0,88)  (0,15)(0,94)  0,784
Simple Additive Weighting (SAW)
 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.
Simple Additive Weighting (SAW)
 Contoh-2:
 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.
Simple Additive Weighting (SAW)
 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.
Simple Additive Weighting (SAW)
 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, merupakan tingkat
kepentingan (ke-mendesak-an) barang untuk
dimiliki perusahaan. Prioritas diberi nilai: 1 =
sangat berprioritas, 2 = berprioritas; dan 3 = cukup
berprioritas.
Simple Additive Weighting (SAW)
 C5 = Ketersediaan atau kemudahan, merupakan
ketersediaan barang di pasaran. Ketersediaan diberi
nilai: 1 = sulit diperoleh, 2 = cukup mudah diperoleh;
dan 3 = sangat mudah diperoleh.
 Dari pertama dan keempat kriteria tersebut,
kriteria pertama dan keempat merupakan
kriteria biaya, sedangkan kriteria kedua, ketiga,
dan kelima merupakan kriteria keuntungan.
 Pengambil keputusan memberikan bobot untuk
setiap kriteria sebagai berikut: C1 = 25%; C2 =
15%; C3 = 30%; C4 = 25; dan C5 = 5%.
Simple Additive Weighting (SAW)
 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.
Simple Additive Weighting (SAW)
 Nilai setiap alternatif pada setiap kriteria:

Kriteria

Alternatif C1 C2
C3 C4 C5
(juta Rp) (%)

A1 150 15 2 2 3
A2 500 200 2 3 2
A3 200 10 3 1 3
A4 350 100 3 1 2
Simple Additive Weighting (SAW)
 Normalisasi:
min150;500;200;350 150
r11   1
150 150
15 15
r21    0,075
max15;200;10;100 200
2 2
r35    0,667
max2;2;3;3 3
min{2;3;1;1} 1
r45    0,5
2 2

 dst
Simple Additive Weighting (SAW)
 Hasil normalisasi:

 1 0,08 0,67 0,50 1 

0,30 1 0,67 0,33 0,67 
R 
0,75 0,05 1 1 1 
 
0,43 0,50 1 1 0,67
Simple Additive Weighting (SAW)
 Proses perankingan dengan menggunakan bobot yang
telah diberikan oleh pengambil keputusan:
w = [0,25 0,15 0,30 0,25 0,05]
 Hasil yang diperoleh adalah sebagai berikut:
V1  (0,25)(1)  (0,15)(0,08)  (0,3)(0,67)  (0,25)(0,5)  (0,05)(1)  0,638
V 2  (0,25)(0,3)  (0,15)(1)  (0,3)(0,67)  (0,25)(0,33)  (0,05)(0,67)  0,542
V 3  (0,25)(0,75)  (0,15)(0,05)  (0,3)(1)  (0,25)(1)  (0,05)(1)  0,795
V 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, maintenance sarana teknologi informasi akan
terpilih sebagai solusi untuk investasi sisa usaha