Sebelum saya
menuliskan tulisan inti dari post saya ini mungkin saya harus mengaku jika
tulisan ini saya tulis untuk keperluan tugas kuliah saya. Jujur sebenarnya saya
belum terlalu mengerti dengan metode SAW (Simple Additive Weighting) ini, jadi
jika ada yang tidak setuju dengan konten tulisan saya mohon koreksinya.
Metode SAW
membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada. Metode ini
merupakan metode yang paling terkenal dan paling banyak digunakan dalam
menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri
merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu.
Masih dari
blog yang sama ada beberapa tahapan untuk menyelesaikan suatu kasus menggunakan
metode SAW ini.
1.
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu Ci.
2.
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3.
Membuat matriks keputusan berdasarkan kriteria(Ci), 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 (Ai)sebagai solusi.
Agar lebih
jelas tentang pengimplementasian algoritma tersebut lebih baik kita belajar
dengan studi kasus, karena saya beranggapan jika studi kasus akan lebh mudah
menjawab semua teori yang sulit dimengerti.
Seorang
perusahaan akan melakukan rekrutmen kerja terhadap 5 calon pekerja untuk posisi
operator mesin. Posisi yang saat ini luang hanya ada 2 posisi. Nah dengan
metode SAW kita diharuskan menentukan calon pekerja tersebut.
Sebelum kita
dibingungkan oleh itungan matematika kita tentukan dulu mana yang menjadi
kriteria benefit dan kriteria cost
Kriteria
benefit-nya adalah
-
Pengalaman kerja (saya simbolkan C1)
-
Pendidikan (C2)
-
Usia (C3)
Sedangkan
kriteria cost-nya adalah
-
Status perkawinan (C4)
-
Alamat (C5)
Kriteria dan
Pembobotan
Teknik
pembobotan pada criteria dapat dilakukan dengan beragai macam cara dan metode
yang abash. Pase ini dikenal dengan istilah pra-proses. Namun bisa juga dengan
cara secara sederhana dengan memberikan nilai pada masing-masing secara langsung
berdasarkan persentasi nilai bobotnya. Se dangkan untuk yang lebih lebih baik
bisa digunakan fuzzy logic. Penggunaan Fuzzy logic, sangat dianjurkan bila
kritieria yang dipilih mempunyai sifat yang relative, misal Umur, Panas,
Tinggi, Baik atau sifat lainnya.
Di tahap ini
kita mengisi bobot nilai dari suatu alternatif dengan kriteria yang telah
dijabarkan tadi. Perlu diketahui nilai maksimal dari pembobotan ini adalah ‘1’
Calon Pegawai
|
kriteria
|
C1
|
C2
|
C3
|
C4
|
C5
|
A1
|
0,5
|
1
|
0,7
|
0,7
|
0,8
|
A2
|
0,8
|
0,7
|
1
|
0,5
|
1
|
A3
|
1
|
0,3
|
0,4
|
0,7
|
1
|
A4
|
0,2
|
1
|
0,5
|
0,9
|
0,7
|
A5
|
1
|
0,7
|
0,4
|
0,7
|
1
|
Pembobotan
(w)
Pembobotan
ini ialah pembobotan tiap-tiap kriteria. Berdasarkan pemahaman saya pembobotan
ini ialah pembobotan atas suatu kriteria. Jadi jika kita memilih istri maka
berdasarkan agama dan wajah maka kita harus mengutamakan agama maka agama kita
beri bobot lebih tinggi daripada wajah. Bingung kan! Saya juga bingung
sebenarnya hehehehe J
Kriteria
|
Bobot
|
C1
|
0,3
|
C2
|
0,2
|
C3
|
0,2
|
C4
|
0,15
|
C5
|
0,15
|
Total
|
1
|
Tabel
pertama (pembobotan alternatif terhadap kriteria) kita ubah kedalam bentuk
matriks. Nah dibawah ini penampakannya.
0,5
|
1
|
0,7
|
0,7
|
0,8
|
0,8
|
0,7
|
1
|
0,5
|
1
|
1
|
0,3
|
0,4
|
0,7
|
1
|
0,2
|
1
|
0,5
|
0,9
|
0,7
|
1
|
0,7
|
0,4
|
0,7
|
1
|
Sampai tahap
ini saya sarankan anda mulai membaca doa agar tidak kebingungan nantinya
hehehehe
Pertama kita
ingat-ingat kembali kriteria benefitnya yaitu (C1, C2 dan C3). Untuk normalisai
nilai, jika faktor kriteria benefit digunakanan rumusan
Rii
= ( Xij / max{Xij})
Dari kolom
C1 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C1 dibagi oleh
nilai maksimal kolom C1
R11 = 0,5 /
1 = 0,5
R21 = 0,8 /
1 = 0,8
R31 = 1 / 1
= 1
R41 = 0,2 /
1 = 0,2
R51 = 1 / 1
= 1
Dari kolom
C2 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C2 dibagi oleh
nilai maksimal kolom C2
R12 = 1 / 1
= 1
R22 = 0,7/ 1
= 0,7
R32 = 0,3 /
1 = 0,3
R42 = 1 / 1
= 1
R52 = 0,7 /
1 = 0,7
Dari kolom
C3 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom C3 dibagi oleh
nilai maksimal kolom C3
R13 = 0,7 /
1 = 0,7
R23 = 1/ 1 =
1
R33 = 0,4 /
1 = 0,4
R43 = 0,5 /
1 = 0,5
R53 = 0,4 /
1 = 0,4
Nah sekarang
ingat-ingat kembali kriteria costnya yaitu (C4 dan C5). Untuk normalisai nilai,
jika faktor kriteria cost digunakanan rumusan
Rii
= (min{Xij} /Xij)
Dari kolom
C4 nilai minimalnya adalah ‘0,5’ , maka tiap baris dari kolom C5 menjadi
penyebut dari nilai maksimal kolom C5
R14 = 0,5/
0,7 = 0,714
R24 = 0,5 /
0,5 = 1
R34 = 0,5 /
0,7 = 0,714
R44 = 0,5 /
0,9 = 0,556
R54 = 0,5 /
0,7 = 0,714
Dari kolom
C5 nilai minimalnya adalah ‘0,7’ , maka tiap baris dari kolom C5 menyadi
penyebut dari nilai maksimal kolom C5
R15= 0,7/
0,8 = 0,875
R25 = 0,7 /
1= 0,7
R35 = 0,7 /
1= 0,7
R45 = 0,7 /
0,7 = 1
R55= 0,7/ 1=
0,7
Masukan
semua hasil penghitungan tersebut kedalam tabel yang kali ini disebut tabel
faktor ternormalisasi
0,5
|
1
|
0,7
|
0,714
|
0,875
|
0,8
|
0,7
|
1
|
1
|
0,7
|
1
|
0,3
|
0,4
|
0,714
|
0,7
|
0,2
|
1
|
0,5
|
0,556
|
1
|
1
|
0,7
|
0,4
|
0,714
|
0,7
|
Setelah
mendapat tabel seperti itu barulah kita mengalikan setiap kolom di tabel
tersebut dengan bbot kriteria yang telah kita deklarasikan sebelumnya. Yah kalo
di internet-internet sih rumusnya kayak gini.
Nah tambah
bingung atau tambah jelas sodara-sodara kalo masih bingung liat aja itung
itungan ane dibawah ini.
A1 =
(0,5 * 0,3) + (1 * 0,2) + (0,7 * 0,2 ) + (0, 714 * 0,15) + (0, 875 * 0,15)
A1 = 0,72835
A2 =
(0,8 * 0,3) + (0,7 * 0,2) + ( 1* 0,2 ) + ( 1 * 0,15) + (0,7 * 0,15)
A2 =
0,835
A3 =
(1 * 0,3) + ( 0,3* 0,2) + ( 0,4 * 0,2 ) + (0,714 * 0,15) + (0,7 * 0,15)
A3 = 0,6521
A4 =
(0,2 * 0,3) + ( 1 * 0,2) + ( 0,5* 0,2 ) + (0,556 * 0,15) + ( 1*
0,15)
A4 =
0,5934
A5 = (
1 * 0,3) + ( 0,7 * 0,2) + (0,4 * 0,2 ) + (0,714 * 0,15) + ( 0,7 * 0,15)
A5 =
0,7321
Nah dari
perbandingan nilai akhir maka didapatkan nilai sebagai berikut.
A1 =
0,72835
A2 =
0,835
A3 =
0,6521
A4 =
0,5934
A5 = 0,7321
Maka
alternatif yang memiliki nilai tertinggi dan bisa dipilih adalah alternatif A2
dengan nilai 0,835 dan alternatif A5 dengan nilai 0,7321.
Wah cukup
panjang juga perhitungan tulisan saya kali ini. Jika ada yang kurang berkenan
mohon maaf ya pemirsa. Saranya ditunggu jika ada kesalahan atau koreksia dari
teman-teman. Wassalam.