Contoh Perhitungan SPK Metode 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 KriteriaNama KriteriaAtributBobot
C1Penghasilan Orang Tuacost25
C2Semesterbenefit20
C3Tanggungan Orang Tuabenefit15
C4Saudara Kandungbenefit10
C5Nilaibenefit30

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 KriteriaNama KriteriaCripsNilai
C1Penghasilan Orang Tua<= Rp 1.000.00020
C1Penghasilan Orang Tua<= Rp 1.500.00040
C1Penghasilan Orang Tua<= Rp 3.000.00060
C1Penghasilan Orang Tua<= Rp 4.500.00080
C1Penghasilan Orang Tua> Rp 4.500.000100
C2SemesterSemester 420
C2SemesterSemester 540
C2SemesterSemester 660
C2SemesterSemester 780
C2SemesterSemester 8100
C3Tanggungan Orang Tua1 Orang20
C3Tanggungan Orang Tua2 Orang40
C3Tanggungan Orang Tua3 Orang60
C3Tanggungan Orang Tua4 Orang80
C3Tanggungan Orang Tua> 4 Orang100
C4Saudara Kandung1 Orang20
C4Saudara Kandung2 Orang40
C4Saudara Kandung3 Orang60
C4Saudara Kandung4 Orang80
C4Saudara Kandung> 4 Orang100
C5Nilai< 2,7520
C5Nilai< 340
C5Nilai< 3,2560
C5Nilai< 3,580
C5Nilai>= 3,5100

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 AlternatifNama AlternatifKeterangan
A1Davolio
A2Fuller
A3Leverling
A4Peacock

4. Data Nilai Alternatif

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

C1C2C3C4C5
A1<= Rp 4.500.000Semester 41 Orang1 Orang< 2,75
A2<= Rp 1.500.000Semester 52 Orang2 Orang< 3
A3<= Rp 3.000.000Semester 63 Orang3 Orang>= 3,5
A4<= Rp 4.500.000Semester 74 Orang4 Orang< 3,5
A5<= Rp 1.500.000Semester 42 Orang3 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:

C1C2C3C4C5
A18020202020
A24040404040
A360606060100
A48080808080
A540204060100

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:

C1C2C3C4C5
A10.50.250.250.250.2
A210.50.50.50.4
A30.6670.750.750.751
A40.51110.8
A510.250.50.751

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:

C1C2C3C4C5TotalRank
Bobot2520151030
A10.50.250.250.250.229.755
A210.50.50.50.459.54
A30.6670.750.750.75180.41672
A40.51110.881.51
A510.250.50.751753

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

67 thoughts on “Contoh Perhitungan SPK Metode SAW

    • 7 Mei 2017 pada 12:33 am
      Permalink

      Excel sudah saya kirim ke email, trims.

      Balas
    • 9 Juni 2017 pada 8:00 am
      Permalink

      Untuk GAP masih belum tersedia. Segera mungkin akan kami posting untuk GAP. Trims

      Balas
  • 11 Juni 2017 pada 2:37 pm
    Permalink

    kalo pengaplikasiannya ke exel macro gimana ya bang?

    Balas
    • 11 Juni 2017 pada 9:28 pm
      Permalink

      Kalau makro belum tersedia, mungkin postingan berikutnya saya usahakan. Kalau hanya sekedar mencari hasil, tidak usah pake macro, hanya rumus excel biasa.

      Balas
    • 13 Juni 2017 pada 1:14 am
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
    • 14 Juni 2017 pada 3:25 pm
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
    • 17 Juni 2017 pada 2:49 pm
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
    • 30 Juni 2017 pada 7:23 pm
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
    • 2 Juli 2017 pada 10:09 pm
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
  • 8 Juli 2017 pada 10:59 am
    Permalink

    Terimakasih gan sangat membantu,
    Ada contoh programnya juga ga gan ?
    Klo ada ane minta source code nya ya gan
    Dikirim ke rinaldi.tunnisia@gmail.com

    Balas
    • 12 Juli 2017 pada 11:26 pm
      Permalink

      Perhitungan dalam excel sudah saya kirim. Trims. . .

      Balas
  • 11 Agustus 2017 pada 6:32 pm
    Permalink

    assalamualaikum, mau tanya referensi nya dari mana ya?

    Balas
    • 12 Agustus 2017 pada 7:53 am
      Permalink

      walaikum salam, referensi dari berbagai jurnal di internet.

      Balas
  • 15 Oktober 2017 pada 11:25 pm
    Permalink

    assalamualaikum pak
    bisa saya minta perhitungan dengan menggunakan excel nya pak
    emailkan saja mmirzaf69@gmail.com
    terimakasih

    Balas
  • 1 Januari 2018 pada 11:06 am
    Permalink

    kalai boleh saya sedikit koreksi, karena sama2 belajar.
    untuk proses prhitungan akhirnya. itu kan mengalikan masing2 bobot dengan nilai hasil normalisasi,
    lah bobot yang ada itukn menunjukan nilai persen (%), harusnya ktika mengalikan nilai persen harus dibikin desimal dlu.
    ex untuk
    A1= (0,5*0,25)+(0,25*0,20)+(0,25*0,15)+(0,25*0,10)+(0,2*0,30) = 0,2975
    atau boleh kaya gni
    A1 =(0,5*25)+(0,25*20)+(0,25*15)+(0,25*10)+(0,2*30) = 29,75/100 = 0,2975

    Balas
    • 1 Januari 2018 pada 7:59 pm
      Permalink

      Terimakasih atas koreksinya.

      Balas
  • 15 Februari 2018 pada 10:44 pm
    Permalink

    gan itu angka bobot di data kriteria dapatnya darimana ya ?
    saya masih bingung

    Balas
    • 16 Februari 2018 pada 8:37 pm
      Permalink

      Itu memang isi sendiri, bobot itu menandakan seberapa penting kriteria itu, semakin besar semakin penting. Biasanya total bobot kriteria 1 atau 100 kalau pake persen.

      Balas
      • 17 Februari 2018 pada 6:55 pm
        Permalink

        oke gan, mulai paham saya
        thanks penjelasannya 😀

        Balas
      • 7 November 2018 pada 1:03 pm
        Permalink

        untuk total bobotnya ketika dijumlahkan harus 100 kah?

        Balas
        • 7 November 2018 pada 1:33 pm
          Permalink

          Untuk total bobot bebas, tergantung skala penilaian yang diinginkan. Jika ingin total hasil terbesar bernilai 100, maka total bobot harus 100.

          Balas
          • 11 Januari 2021 pada 5:20 pm
            Permalink

            apa total tersebut ada ketentuannya ka? atau bersifat bebas berapa aja

          • 11 Januari 2021 pada 6:20 pm
            Permalink

            Betul bebas, tergantung si pengambil keputusan saja, kalau mau skalanya 100, totalnya harus 100. Ada kadang menggunakan skala 1 jadi total semua bobot kriteria 1.

  • 8 Agustus 2018 pada 4:31 pm
    Permalink

    MAAF tapi bukan nya yg lebih tinggi itu A4 yah?

    Balas
    • 13 Agustus 2018 pada 4:12 pm
      Permalink

      Betul, memang A4 yang paling tinggi dan ranking 1.

      Balas
  • 19 Januari 2019 pada 10:47 am
    Permalink

    itu hasilnya A4 atau A3 gan yang bener? di tablenya yang besar A4 tapi agan bilang A3 yang jadi ranking 1

    Balas
  • 22 Agustus 2020 pada 11:48 pm
    Permalink

    boleh minta file excelnya gan?
    buat tugas akhir

    Balas
  • 15 Oktober 2020 pada 7:05 pm
    Permalink

    Gan, mau tanya biasanya perhitungan SAW ini ditaruh pada format php atau pada file js ya. Maaf kalau nanya soalnya ane baru belajar SAW, jadi maklum hehe

    Balas
    • 15 Oktober 2020 pada 7:10 pm
      Permalink

      Ditaruh dalam format php saja.

      Balas
  • 3 Desember 2020 pada 1:04 am
    Permalink

    Bang boleh liat file excelnya gak? saya ingin membuat perbandingan dengan yg saya buat bang. Mohon bantuannya bang.
    email saya : novitasary133@gmail.com

    Balas
  • 11 Desember 2020 pada 10:58 am
    Permalink

    Pak saya boleh minta excel nya juga engga untuk di pelajari untuk bahan tugas akhir
    ke muchlisjr34@gmail.com
    Sebelum nya terimakasih pak admin

    Balas
    • 11 Desember 2020 pada 9:28 pm
      Permalink

      Sudah saya email.

      Balas
  • 3 Januari 2021 pada 11:29 pm
    Permalink

    Terimakasih banyak untuk pembahasannya, sangat jelas dan mudah dipahami. Semoga sehat selalu.

    Balas
    • 14 Januari 2021 pada 8:11 am
      Permalink

      Sudah saya kirim.

      Balas

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

This site uses Akismet to reduce spam. Learn how your comment data is processed.