c. Subsistem manajemen pengetahuan Sebagai pendukung sembarang subsistem yang lain atau sebagai suatu
komponen yang bebas. Subsistem ini berisi data item yang diproses untuk menghasilkan pemahaman, pengalaman, kumpulan pelajaran dan keahlian.
d. Susbsistem antar muka pengguna Merupakan fasilitas yang mampu mengintegrasikan sistem terpasang dengan
pengguna secara interaktif. Melalui sistem dialog ini sistem diartikulasikan sehingga dapat berkomunikasi dengan sistem yang dirancang atau pengguna
dapat berkomunikasi dengan sistem pendukung keputusan dan memerintah sistem pendukung keputusan melalui sistem ini.
2.2 Simple Addiptive Weighting SAW
Metode 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. Metode SAW membutuhkan proses normalisasi matriks keputusan X ke suatu skala yang dapat diperbandingkan dengan semua rating
alternatif yang ada [4].
Formula untuk melakukan normalisasi tersebut adalah sebagai berikut :
Di mana : : Rating kinerja ternormalisasi
Max : Nilai maksimum dari setiap baris dan kolom
Universitas Sumatera Utara
Min : Nilai minimum dari setiap baris dan kolom.
: Baris dan kolom dari matriks
adalah rating kinerja ternormalisasi dari alternatif pada atribut
; i = 1,2,...,m dan j = 1,2,...,n.
Nilai preferensi untuk setiap alternatif diberikan sebagai [2]:
Di mana : : Nilai akhir dari alternatif
: Bobot yang telah ditentukan : Normalisasi matriks
Nilai yang lebih besar mengindikasikan bahwa alternatif lebih terpilih.
Langkah Penyelesaian SAW : a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu . b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
c. Membuat matriks keputusan berdasarkan kriteria , kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut sehingga diperoleh matriks ternormalisasi R. d. 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.
Universitas Sumatera Utara
Metode ini merupakan metode yang paling dikenal dan paling banyak digunakan orang dalam menghadapi situasi MADM multiple attribute decision making. Metode
ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara
rating yang dapat dibandingkan lintas atribut dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi yang artinya telah melewati proses normalisasi
sebelumnya [1].
2.3 Metode PROMETHEE Preference Ranking Organization Methods for
