Simple Additive Weighting (SAW)

Metode Simple Additive Weighting (SAW) merupakan metode MADM yang paling sederhana dan paling banyak digunakan. Metode ini juga metode yang paling mudah untuk diaplikasikan, karena mempunyai algoritma yang tidak terlalu rumit. Metode SAW sering juga dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

fomula SAWGambar 1: Formula untuk mencari normalisasi

Dimana :
rij: Rating kinerja ternormalisasi
Maximum: Nilai maksimum dari setiap baris dan kolom
Minimum: Nilai minimum dari setiap baris dan kolom
Xij: Baris dan kolom dari matriks Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,…,m dan j=1,2,…,n.
Nilai preferensi untuk setiap alternative (Vi) diberikan sebagai:

formula_preverensiGambar 2: Formula untuk mencari nilai preverensi

Vi : Nilai Akhir Alternative
Wi : Bobot yang telah ditentukan
Rij : Normalisasi matriks Nilai Vi yang lebih besar mengindikasikan bahwa alternatif ai lebih terpilih.

Daftar Bacaan:

Kusumadewi, Sri, dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Yogyakarta : Graha Ilmu.

Add a Comment

Your email address will not be published. Required fields are marked *