rij = {
� ax �
i � �
2.1
Keterangan:
r
ij
= Rating kinerja ternormalisasi Max x
ij
= Nilai maksimum dari setiap baris dan kolom Min x
ij
= Nilai minimum dari setiap baris dan kolom x
ij
= Baris dan kolom dari matriks Dimana r
ij
adalah rating kinerja ternormalisasi dari rating A
i
pada atribut C
j
; i=1, 2..,m dan j= 1,2,.....,n.
Nilai preferensi untuk setiap alternatif V
i
diberikan sebagai: �
=
∑ �
� =
2.2 Dimana nilai preferensi untuk setiap alternatifVi diberikan rumus sebagai berikut:
Keterangan:
v
i
= Nilai akhir dari alternatif w
j
= Bobot yang telah ditentukan r
ij
= Normalisasi matriks Nilai v
i
yang lebih besar mengindikasikan bahwa alternatif A
i
lebih terpilih.
2.2.3 Fungsi Model
Metode ini bisa digunakan pada atribut yang tidak memiliki nilai angka, seperti jaringan, audio, fitur, nilai investasi.
1. Pada dasarnya metode ini akan menormalisasi setiap atribut yang ada sehingga
mempunyai nilai dalam skala yang sama lalu akan memberi bobot dari atribut yang telah dinormalisasi.
2. Setelah itu mencari penjumlahan bobot dari rating kinerja pada alternatif pada
semua kriteria dan sub-kriteria calon pembeli, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah
alternatif agar dapat diperbandingkan dengan semua atribut.
jika j adalah atribut biaya cost
Jika j adalah atribut keuntungan benefit
2.2.4 Langkah Penyelesaian Metode
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan, yaitu C
i
. 2.
Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3.
Membuat matriks keputusan berdasarkan kriteria C
i
, 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 A
i
sebagai solusi Kusumadewi, 2006.
2.2.5 Keungulan Metode SAW Simple Additive Weighting Product.
Keunggulan dari metode Simple Additive Weighting SAW produk yaitu kemampuannya dalam melakukan penilaian secara lebih tepat karena didasarkan pada
nilai kriteria dan bobot tingkat kepentingan yang dibutuhkan. Dalam metode SAW Simple Additive Weighting juga dapat menyeleksi alternatif terbaik dari sejumlah
alternatif yang ada kemudian dilakukan proses perangkingan yang jumlah nilai bobot dari semua kriteria dijumlahkan setelah menentukan nilai bobot dari setiap kriteria.
Intinya bahwa pada metode SAW Simple Additive Weighting ini menentukan nilai bobot pada setiap kriteria untuk menentukan alternatif optimal.
2.3 PHP Profesional Home Page.
