Mengenal Lebih Jauh tentang Metode SAW dalam Sistem Pendukung Keputusan

Dalam era informasi digital yang terus berkembang saat ini, pengambilan keputusan yang efektif sangat penting untuk keberhasilan suatu organisasi. 

Salah satu pendekatan yang digunakan untuk mendukung proses pengambilan keputusan adalah Metode Simple Additive Weighting (SAW).

Metode SAW merupakan salah satu metode yang paling umum digunakan dalam sistem pendukung keputusan (SPK) karena kesederhanaannya dan kemampuannya untuk memberikan hasil yang mudah dimengerti. 

Pengertian Metode SAW? 

Metode Simple Additive Weighting (SAW) adalah salah satu teknik yang digunakan dalam analisis keputusan multi-kriteria. 

Tujuannya adalah untuk membantu pengambil keputusan dalam memilih alternatif terbaik dari sekumpulan opsi yang tersedia, berdasarkan serangkaian kriteria yang telah ditentukan sebelumnya.

Metode SAW adalah salah satu teknik dalam sistem pendukung keputusan yang menggunakan pendekatan penjumlahan bobot untuk mengevaluasi alternatif yang ada. 

Dalam proses ini, kita memberikan bobot pada setiap kriteria yang relevan untuk kemudian dijumlahkan sehingga alternatif yang paling optimal dapat diidentifikasi.

Sejarah Terciptanya Metode SAW 

Metode Simple Additive Weighting (SAW) dikembangkan oleh Charnes, Cooper, dan Rhodes pada tahun 1970-an. Awalnya, metode ini digunakan dalam bidang manajemen operasional untuk membantu perusahaan dalam pengambilan keputusan terkait alokasi sumber daya. 

Pada perkembangannya, Metode SAW mulai diadopsi dalam berbagai bidang, termasuk sistem pendukung keputusan, ekonomi, teknik industri, dan lain-lain. 

Kemudian, metode ini menjadi populer karena kesederhanaannya dalam penggunaan dan kemampuannya dalam memberikan hasil yang dapat dipahami dengan mudah. 

Seiring waktu, Metode SAW terus berkembang dan diadaptasi dalam berbagai konteks pengambilan keputusan, baik di tingkat akademis maupun praktis. 

Saat ini, metode ini tetap menjadi salah satu pendekatan yang relevan dan efektif dalam analisis keputusan multi-kriteria.

Bagaimana Metode SAW Bekerja?

Pertama, kita harus mengidentifikasi kriteria-kriteria yang relevan terkait dengan pengambilan keputusan. 

Misalnya, jika kita ingin memilih vendor untuk suatu proyek, kriteria-kriteria seperti harga, kualitas produk atau layanan, dan keandalan mungkin menjadi pertimbangan penting. 

Kedua, kita memberikan bobot pada masing-masing kriteria tersebut berdasarkan tingkat kepentingannya. Bobot ini mencerminkan seberapa pentingnya kriteria tersebut dalam pengambilan keputusan. 

Misalnya, jika harga dianggap lebih penting daripada keandalan, maka kita akan memberikan bobot yang lebih tinggi pada kriteria harga. 

Ketiga, setelah kita memberikan bobot pada semua kriteria, langkah berikutnya adalah melakukan normalisasi nilai. 

Normalisasi dilakukan untuk mengubah nilai kriteria ke dalam skala yang sama atau standar, sehingga memudahkan dalam proses perhitungan selanjutnya. 

Keempat, kita menghitung nilai untuk setiap alternatif dengan mengalikan nilai kriteria dengan bobot yang telah ditetapkan dan kemudian menjumlahkannya. 

Alternatif dengan nilai total tertinggi setelah perhitungan akan dianggap sebagai alternatif yang paling optimal sesuai dengan kriteria yang telah ditentukan. 

Langkah-Langkah Metode SAW

Metode SAW melibatkan langkah-langkah sebagai berikut:

1. Penentuan Kriteria: Identifikasi kriteria-kriteria yang relevan dan penting dalam pengambilan keputusan.
2. Normalisasi Matriks Keputusan: Lakukan normalisasi pada matriks keputusan untuk memperoleh nilai yang seragam dalam rentang tertentu, sehingga dapat menghindari bias akibat skala yang berbeda-beda pada setiap kriteria.
3. Penentuan Bobot Kriteria: Berikan bobot untuk setiap kriteria berdasarkan tingkat kepentingannya. Bobot ini dapat diberikan secara subjektif berdasarkan penilaian stakeholder atau menggunakan metode analisis tertentu seperti Analytical Hierarchy Process (AHP).
4. Perhitungan Terbobot: Hitung nilai terbobot untuk setiap alternatif dengan mengalikan nilai matriks keputusan yang telah dinormalisasi dengan bobot kriteria yang bersangkutan.
5. Penjumlahan Nilai Terbobot: Jumlahkan nilai terbobot untuk setiap alternatif. Alternatif dengan nilai total tertinggi dianggap sebagai alternatif terbaik atau pilihan optimal berdasarkan kriteria yang dipertimbangkan.

Kelebihan Metode SAW

Metode SAW memiliki beberapa kelebihan, antara lain:

• Sederhana dan Mudah Dimengerti: Metode ini relatif mudah untuk diimplementasikan dan dipahami.
• Fleksibilitas dalam Penentuan Bobot: Memungkinkan pengguna untuk menyesuaikan bobot kriteria berdasarkan preferensi dan kebutuhan spesifik.
• Proses Komputasi yang Efisien: Proses perhitungan SAW cenderung cepat dan efisien, bahkan untuk jumlah alternatif yang besar.

Keterbatasan Metode SAW

Namun, metode SAW juga memiliki beberapa keterbatasan, seperti:

• Sensitivitas terhadap Bobot Kriteria: Hasil akhir dari metode SAW dapat dipengaruhi oleh bobot yang diberikan pada setiap kriteria. Bobot yang salah dapat menghasilkan hasil yang bias.
• Tidak Memperhitungkan Interaksi antar Kriteria Metode SAW menganggap setiap kriteria bersifat independen dan tidak mempertimbangkan interaksi di antara mereka.

Rumus Metode SAW

Rumus untuk menghitung total skor (\(V_i\)) dari setiap alternatif (\(i\)) dalam Metode SAW adalah sebagai berikut:

\( V_i = \sum_{j=1}^{n} w_j \times x_{ij} \)

di mana:

• \( V_i \) = Total skor untuk alternatif \( i \)
• \( w_j \) = Bobot untuk kriteria \( j \) (dengan \( j = 1, 2, \dots, n \))
• \( x_{ij} \) = Nilai normalisasi kriteria \( j \) pada alternatif \( i \)

1. Contoh Perhitungan Nilai Preferensi (V) dengan Metode SAW

Misalnya, kita memiliki 3 kriteria (harga, performa, dan kualitas kamera) dengan bobot:

• Bobot Harga = 0.4
• Bobot Kulatias Kamera = 0.3
• Bobot Kapasistas Baterai = 0.3

Untuk menghitung nilai preferensi (V) dari alternatif A, kita terlebih dahulu normalisasi nilai alternatif terhadap setiap kriteria:

• Nilai Normalisasi Harga A =
  
  \( \frac{{Harga_A - \text{Nilai Minimum Harga}}}{{\text{Nilai Maksimum Harga} - \text{Nilai Minimum Harga}}} \)


• Nilai Normalisasi Kualitas Kamera A =
  
  \( \frac{{kualitas\_Kamera_A - \text{Nilai Minimum Kualitas Kamera}}}{{\text{Nilai Maksimum Kualitas Kamera} - \text{Nilai Minimum Kualitas Kamera}}} \)


• Nilai Normalisasi Kapasitas Baterai A =
  
  \( \frac{{Kapasitas\_Baterai_A - \text{Nilai Minimum Kapasitas Baterai}}}{{\text{Nilai Maksimum Kapasitas Baterai} - \text{Nilai Minimum Kapisitas Baterai}}} \)

Setelah itu, kita dapat menghitung nilai preferensi (V) untuk alternatif A dengan rumus:

\( V_A = ( \text{Nilai Normalisasi Harga A} \times 0.4) + (\text{Nilai Normalisasi Performa A} \times 0.3) + (\text{Nilai Normalisasi Kualitas Kamera A} \times 0.3) \)

Nilai preferensi (V) yang lebih tinggi menunjukkan alternatif yang lebih diinginkan berdasarkan kriteria yang telah ditetapkan.

Contoh Kasus Penerapan Metode SAW

Misalkan kita memiliki kasus pemilihan smartphone berdasarkan kriteria harga, kualitas kamera, dan kapasitas baterai. Berikut adalah data untuk beberapa alternatif smartphone (A, B, C) dan bobot untuk setiap kriteria:

Cara Penyelesaian Contoh Kasus

Kriteria yang Digunakan:

• Harga (w1) = 0.4
• Kualitas Kamera (w2) = 0.3
• Kapasitas Baterai (w3) = 0.3

Data Alternatif (Smartphone):

Alternatif A: 

• Harga = Rp 4.000.000
• Kualitas Kamera = 8
• Kapasitas Baterai = 4000 mAh

• Harga = Rp 5.000.000
• Kualitas Kamera = 9
• Kapasitas Baterai = 4500 mAh

• Harga = Rp 4.500.000
• Kualitas Kamera = 7
• Kapasitas Baterai = 5000 mAh

Setelah kita menentukan data alternatif dari smartphone A, B dan C, langkah selanjutnya adalah kita akan masuk kedalam proses perhitungan menggunakan metode SAW

Langkah 1: Normalisasi Nilai Kriteria

• Normalisasi Harga:

Nilai Minimum (harga): Rp 4.000.000
Nilai Maksimum (harga): Rp 5.000.000

• Alternatif A: \( \frac{4.000.000 - 4.000.000}{5.000.000 - 4.000.000} = 0 \)
• Alternatif B: \( \frac{5.000.000 - 4.000.000}{5.000.000 - 4.000.000} = 1 \)
• Alternatif C: \( \frac{4.500.000 - 4.000.000}{5.000.000 - 4.000.000} = 0.5 \)
• Normalisasi Kualitas Kamera:

Nilai Minimum (kualitas kamera): 7
Nilai Maksimum (kualitas kamera): 9
• Alternatif A: \( \frac{8 - 7}{9 - 7} = 0.5 \)
• Alternatif B: \( \frac{9 - 7}{9 - 7} = 1 \)
• Alternatif C: \( \frac{7 - 7}{9 - 7} = 0 \)
• Normalisasi Kapasitas Baterai:

Nilai Minimum: 4000 mAh
Nilai Maksimum: 5000 mAh

• Alternatif A: \( \frac{4000 - 4000}{5000 - 4000} = 0 \)
• Alternatif B: \( \frac{4500 - 4000}{5000 - 4000} = 0.5 \)
• Alternatif C: \( \frac{5000 - 4000}{5000 - 4000} = 1 \)

Langkah 2: Perhitungan Total Skor (V)

• Perhitungan Total Skor Alternatif A:
\[ V_A = (0.4 \times 0) + (0.3 \times 0.5) + (0.3 \times 0) = 0.15 \]
• Perhitungan Total Skor Alternatif B:
\[ V_B = (0.4 \times 1) + (0.3 \times 1) + (0.3 \times 0.5) = 0.70 \]
• Perhitungan Total Skor Alternatif C:
\[ V_C = (0.4 \times 0.5) + (0.3 \times 0) + (0.3 \times 1) = 0.40 \]

Langkah 3: Hasil Pemilihan Smartphone Terbaik

Berdasarkan perhitungan Metode SAW, smartphone terbaik adalah:

1. Smartphone B dengan Total Skor = 0.70
2. Smartphone C dengan Total Skor = 0.40
3. Smartphone A dengan Total Skor = 0.15

Dengan demikian, berdasarkan hasil perhitungan menggunakan Metode SAW, smartphone terbaik untuk dipilih adalah Smartphone B karena memiliki total skor tertinggi, diikuti oleh Smartphone C dan Smartphone A.

Kesimpulan

Dalam sistem pendukung keputusan, metode SAW memberikan pendekatan yang sederhana namun efektif untuk menyelesaikan masalah pengambilan keputusan dengan banyak kriteria. 

Meskipun memiliki keterbatasan tertentu, metode ini tetap menjadi salah satu teknik yang populer digunakan karena kemudahan implementasinya dan kemampuannya untuk memberikan pemahaman yang lebih baik terhadap prioritas kriteria dalam pengambilan keputusan.