Contoh Perhitungan SPK Metode SAW

Perhitungan SAW

Contoh perhitungan sistem pendukung keputusan pemberian beasiswa dengan menggunakan metode Simple  Additive Weghting SAW. Metode SAW digunakan untuk membandingkan setiap  alternatif terhadap kriteria tertentu.

Data yang dibutuhkan untuk Metode SAW

Sebelum melakukan proses perhitungan, kita perlu menyiapkan data-data sebagai berikut:

1. Data Kriteria

Data Kriteria yang berisi kode, nama, atribut, bobot. Bobot kriteria menentukan seberapa penting kriteria tersebut. Atribut kriteria terdiri dari benefit atau cost, dimana benefit artinya semakin besar nilainya semakin bagus, sedangkan cost semakin kecil nilainya semakin bagus.

Berikut adalah contoh data kriteria spk metode saw pemberian beasiswa

Kode Kriteria Nama Kriteria Atribut Bobot
C1 Penghasilan Orang Tua cost 25
C2 Semester benefit 20
C3 Tanggungan Orang Tua benefit 15
C4 Saudara Kandung benefit 10
C5 Nilai benefit 30

Dari 5 kriteria tersebut hanya penghasilan orang tua yang menjadi atribut cost, karena semakin besar penghasilan orang tua, maka semakin kecil kesempatan terpilih.

2. Data Crips

Data Crips (nilai kriteria) yang berisi kode kriteira, keterangan, bobot. Crips bersifat optional yaitu sebagai pembatas dari nilai setiap kriteria. Misal jika kriterianya adalah penghasilan, maka cripsnya adalah:

  • <= Rp 1.000.000 (bobot : 1)
  • > Rp 1.000.000 dan <= Rp 2.000.000 (bobot: 2)
  • > Rp 2.000.000 dan <= Rp 5.000.000 (bobot: 3), dan seterusnya.

Setiap crips memiliki bobot masing-masing seperti di dalam kurung di atas. Jika anda tidak menggunakan crips, maka nilai gajinya langsung yang akan diproses dalam perhitungan SAW. Sedangkan jika anda menggunakan crips, maka bobotnya itu yang akan digunakan untuk perhitungan SAW. Tentunya keduanya bisa digunakan, tergantung kebutuhan dan keinginan anda.

Perhatikan dalam pemberian bobot untuk setiap crips. Pemberian bobot juga berpengaruh terhadap atribut dari kriteria. Jangan sampe terbalik dalam pemberian bobot terutama yang ber atribut “cost”. Misal dalam pemberian kredit, kriteria penghasilan merupakan ” benefit”  ( semakin besar semakin bagus)  pada pemberian bobot crips tersebut sudah sesuai.

Misal dalam kasus SPK pemberian beasiswa, tentunya kriteria penghasilan akan menjadi “cost“ (semakin kecil semakin bagus), dan pemberian bobot crips juga diatas  sudah sesuai. Jangan anda memberikan nilai bobot seperti berikut:

  • <= Rp 1.000.000 (bobot : 3)
  • > Rp 1.000.000 dan <= Rp 2.000.000 (bobot: 1)
  • > Rp 2.000.000 dan <= Rp 5.000.000 (bobot: 1), dan seterusnya

Dari bobot diatas kalau sesuai pemikiran memang benar yaitu semakin kecil semakin bagus. Tetapi karena di kriteria anda sudah membuat atribut penghasilan menjadi cost, maka di pemberian nilai crips tidak usah dibalik lagi.

Sehingga kesimpulannya jika anda menganggap suatu atribut itu cost, anda boleh mengisikannya atribut cost di kriteria, atau membalik bobotnya di data crips (tidak keduanya).

Kode Kriteria Nama Kriteria Crips Nilai
C1 Penghasilan Orang Tua <= Rp 1.000.000 20
C1 Penghasilan Orang Tua <= Rp 1.500.000 40
C1 Penghasilan Orang Tua <= Rp 3.000.000 60
C1 Penghasilan Orang Tua <= Rp 4.500.000 80
C1 Penghasilan Orang Tua > Rp 4.500.000 100
C2 Semester Semester 4 20
C2 Semester Semester 5 40
C2 Semester Semester 6 60
C2 Semester Semester 7 80
C2 Semester Semester 8 100
C3 Tanggungan Orang Tua 1 Orang 20
C3 Tanggungan Orang Tua 2 Orang 40
C3 Tanggungan Orang Tua 3 Orang 60
C3 Tanggungan Orang Tua 4 Orang 80
C3 Tanggungan Orang Tua > 4 Orang 100
C4 Saudara Kandung 1 Orang 20
C4 Saudara Kandung 2 Orang 40
C4 Saudara Kandung 3 Orang 60
C4 Saudara Kandung 4 Orang 80
C4 Saudara Kandung > 4 Orang 100
C5 Nilai < 2,75 20
C5 Nilai < 3 40
C5 Nilai < 3,25 60
C5 Nilai < 3,5 80
C5 Nilai >= 3,5 100

3. Data Alternatif

Data Alternatif merupakan alternatif yang akan dihitung nilainya dan dipilih sebagai alternatif terbaik. Data alternatif biasanya berisi kode dan nama. Hal lainnya bisa menyesuaikan dengan studi kasus. Misal kalau studi kasusnya adalah pemberian kredit, maka data alternatif adalah data calon yang mengajukan kredit.

Kode Alternatif Nama Alternatif Keterangan
A1 Davolio
A2 Fuller
A3 Leverling
A4 Peacock

4. Data Nilai Alternatif

Nilai Alternatif mencatat nilai setiap alternatif berdasarkan semua data kriteria. Berikut contoh nilai alternatif dari calon penerima beasiswa:

C1 C2 C3 C4 C5
A1 <= Rp 4.500.000 Semester 4 1 Orang 1 Orang < 2,75
A2 <= Rp 1.500.000 Semester 5 2 Orang 2 Orang < 3
A3 <= Rp 3.000.000 Semester 6 3 Orang 3 Orang >= 3,5
A4 <= Rp 4.500.000 Semester 7 4 Orang 4 Orang < 3,5
A5 <= Rp 1.500.000 Semester 4 2 Orang 3 Orang >= 3,5

Perhitungan SAW

Setelah menyiapkan data, sekarang waktunya melakukan perhitungan SAW yang kita bagi menjadi 3 langkah yaitu:

1. Tahap Analisa

Pada tahap ini anda mengubah nilai pada alternatif sesuai bobot pada data crips, sehingga diperoleh data seperti tabel berikut:

C1 C2 C3 C4 C5
A1 80 20 20 20 20
A2 40 40 40 40 40
A3 60 60 60 60 100
A4 80 80 80 80 80
A5 40 20 40 60 100

2. Tahap Normalisasi

Untuk melakukan normalisasi tabel pada tahap analisa, kita perlu memahami rumus berikut:

Normalisasi SAW

Penjelasan:

  • benefit, setiap elemen matriks dibagi dengan max dari baris matriks
  • cost, min dari kolom matriks dibagi dengan setiap elemen matriks.

Misal untuk kriteria C1, karena cost, maka kita cari min (80, 40, 60, 80, 40) = 40. Sehingga untuk:
A1 = 40 / 80 = 0.5
A2 = 40 / 40 = 1
A3 = 40 / 60 = 0.667
A4 = 40 / 80 = 0.5
A5 = 40 / 80 = 1

Misal untuk kriteria C2, karena benefit, maka kita cari max (20, 40, 60, 80, 20) = 80. Sehingga untuk:
A1 = 20/ 80 = 0.25
A2 = 40 / 80 = 0.5
A3 = 60/ 80 = 0.75
A4 = 80/ 80 = 1
A5 = 20 / 80 = 0.25

Begitu juga untuk kriteria C3, C4 dan C5 sehingga hasilnya adalah:

C1 C2 C3 C4 C5
A1 0.5 0.25 0.25 0.25 0.2
A2 1 0.5 0.5 0.5 0.4
A3 0.667 0.75 0.75 0.75 1
A4 0.5 1 1 1 0.8
A5 1 0.25 0.5 0.75 1

3. Tahap Perangkingan

Pada tahap perangkingan, kita mengalikan bobot kriteria dengan setiap baris matriks nilai normalisasi. Contoh untuk alternatif A1

A1 = (0.5 * 25) + (0.25 * 20) + (0.25 * 15) + (0.25 * 10) + (0.2 * 30) = 29,75

dimana 0.5, 0.25, 0.25, 0.25, 0.2 ada hasil normalisasi dari alternatif A1, dan 25, 20, 15, 10, 30 adalah bobot dari masing masing kriteria.

Sehingga jika dilakukan hal yang sama untuk alternatif yang lain hasilnya akan seperti berikut:

C1 C2 C3 C4 C5 Total Rank
Bobot 25 20 15 10 30
A1 0.5 0.25 0.25 0.25 0.2 29.75 5
A2 1 0.5 0.5 0.5 0.4 59.5 4
A3 0.667 0.75 0.75 0.75 1 80.4167 2
A4 0.5 1 1 1 0.8 81.5 1
A5 1 0.25 0.5 0.75 1 75 3

Dari hasil perangkingan dapat dilihat alternatif A3 mendapat nilai terbesar yaitu 80.417sehingga menjadi rank 1 (alternatif terbaik).

Be the first to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan.


*