Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian
diimplementasikan dalam proses pengambilan keputusan.
2.2. Simple Additive Weighting SAW
Simple Additive Weighting SAW sering juga dikenal dengan istilah metode penjumlahan terbobot, merupakan sebuah metode yang cukup terkenal dan sering
digunakan dalam Multiple Decision Making MADM.Setiap alternatif dikalikan dengan atribut untuk memperoleh nilai. Proses perhitungan dapat dinyatakan dalam
rumus 1 Venkata, 2007:
Keterangan: Pi
= Nilai SAW J
= Batas bawah perhitungan M
= Batas atas perhitungan = Bobot kriteria j
= Nilai alternatif i pada kriteria j
Banyak pendapat yang mengatakan bahwa metode SAW hanya bisa digunakan ketika keputusan yang dinyatakan dalam satu bentuk.Namun jika setiap elemen yang
ada dinormalisasi, maka metode SAW dapat digunakan pada semua jenis kriteria maupun alternatif. Dalam kasus tersebut, maka bentuk perhitungan akan menjadi
seperti rumus 2 Venkata, 2007:
Universitas Sumatera Utara
Keterangan: Pi
= Nilai SAW j
= Batas bawah perhitungan M
= Batas atas perhitungan = Bobot kriteria j
normal = Nilai kriteria dari alternatif pada baris i kolom j yang telah ternormalisasi.
Ketika normal mewakili nilai dari
yang telah dinormalisasi, alternatif dengan nilai Pi tertinggi akan dipilih sebagai alternatif terbaik. Kriteria yang
ada dapat berupa kriteria keuntungan maupun kerugian. Jika kriteria merupakan kriteria keuntungan, maka normalisasi dihitung dengan menggunakan rumus 3
Turban, et al. 2009:
Keterangan: normal = Nilai data baris i kolom j yang telah ternormalisai
k = Nilai alternatif i pada kriteria j
l = Nilai kriteria tertinggi dari alternatif
Namun jika kriteria yang akan dihitung merupakan kriteria kerugian nilai terendah merupakan nilai yang lebih baik, maka normalisai dihitung dengan
menggunakan rumus 4 Venkata, 2007:
Keterangan: normal = Nilai data baris i kolom j yang telah ternormalisasi
Universitas Sumatera Utara
l = Nilai kriteria terendah dari alternatif
k = Nilai alternatif i pada kriteria j
Langkah-langkah yang diperlukan untuk memperoleh nilai SAW dari alternatif yang ada adalah:
1. Masukkan nilai kriteria dari seluruh alternatif
2. Masukkan nilai bobot dari setiap kriteria
3. Normalisasi data dengan menggunakan rumus 3 jika kriteria yang
dihitung merupakan kriteria keuntungan dan dengan rumus 4 jika kriteria yang dihitung berupa kriteria kerugian.
4. Data ternormalisasi akan diperoleh
5. Hitung nilai SAW dengan menggunakan rumus 2
6. Nilai preferensi dari setiap alternatif diperoleh
Untuk lebih jelasnya, dapat dilihat pada Gambar 1.2 dibawah ini;
Universitas Sumatera Utara
Gambar 1.2 Flowchart Metode Simple Additive Weighting Diberikan contoh sebagai berikut.Terdapat sebuah permasalahan dalam
memilih alternatif yang terbaik antara A1, A2, dan A3. Sedangkan kriteria yang menentukan proses pemilihan adalah C1, C2, C3, dan C4. Nilai bobot kriteria dan
nilai kriteria dari masing-masing alternatif disajikan dalam Tabel 1.1 Siregar, M F F, 2014
Universitas Sumatera Utara
Tabel 1.1 Tabel Contoh Nilai SAW
Berdasarkan Tabel 1.1, dapat kita ketahui nilai bobot yang diberikan pada kriteria C1 adalah 0.3 atau 30, nilai bobot pada kriteria C2 adalah 0.3 atau 30,
nilai bobot pada kriteria C3 adalah 0.2 atau 20 dan nilai bobot pada kriteria C4 adalah 0.2 atau setara dengan 20. Dalam permasalahan ini, keseluruhan kriteria
merupakan kriteria keuntungan. Maka, selanjutnya data tersebut akan dinormalisasikan dengan rumus 3. Sehingga menjadi seperti Tabel 1.2.
Tabel 1.2 Tabel Hasil Normalisasi Nilai C1
C2 C3
C4 Alternatif
0.3 0.3
0.2 0.2
A1 1
1 0.857 0.5
A2 0.875 0.857 0.571
1 A3
0.75 0.857
1 0.5
Setelah proses normalisasi, maka langkah selanjutnya adalah menghitung nilai SAW dengan rumus 2.
Untuk alternatif A1, maka nilai SAW yang diperoleh adalah:
Untuk alternatif A2, maka nilai SAW yang diperoleh adalah:
Untuk alternatif A3, maka nilai SAW yang diperoleh adalah: C1
C2 C3
C4 Alternatif 0.3
0.3 0.2
0.2 A1
70 80
70 70
A2 70
70 70
60 A3
70 80
70 60
Universitas Sumatera Utara
Berdasarkan perhitungan diatas, maka alternatif dan
yang baik, dikarenakan nilai preferensi SAW dari alternatif
dan merupakan nilai yang
tertinggi dari ketiga alternatif yang ada, yaitu Primagama dan Adzkia.
2.3. Weighted Product Model WPM
