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 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:

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).