Simple Additive Weighting 📖 Wikipedia

Metode Simple Additive Weighting (SAW) merupakan salah satu teknik atau metode yang digunakan dalam sistem pendukung keputusan.^[1] Metode ini digunakan untuk memilih alternatif terbaik dari beberapa pilihan dengan mempertimbangkan sejumlah kriteria yang telah ditentukan. Metode Simple Additive Weighting sering disebut sebagai metode penjumlahan terbobot. Metode ini merupakan salah satu teknik dari Fuzzy Multiple Attribute Decision Making (FMADM) dalam pengambilan keputusan yang melibatkan banyak alternatif tidak pasti (fuzzy). SAW bekerja dengan cara menghitung total nilai terbobot dari setiap alternatif pada semua kriteria yang telah ditentukan.^[2] Nilai akhir dari setiap alternatif didapatkan dengan menjumlahkan hasil perkalian antara nilai alternatif pada setiap kriteria dengan bobot yang telah ditentukan. ^[3]

Dalam metode SAW, ada dua jenis kriteria utama, yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost).^[4] Berikut ini adalah langkah-langkah umum dalam perhitungan menggunakan metode SAW:^[5][6]

1. Identifikasi Alternatif (Ai). Menentukan semua opsi atau pilihan yang akan dievaluasi.
2. Penentuan Kriteria (Cj). Mendefinisikan kriteria yang akan digunakan sebagai dasar penilaian.
3. Pemberian Bobot (W). Menetapkan tingkat kepentingan relatif dari setiap kriteria.
4. Evaluasi Nilai. Menilai sejauh mana setiap alternatif memenuhi setiap kriteria.
5. Pembentukan Matriks Keputusan (X). Menggabungkan nilai kecocokan dari setiap alternatif (Ai) terhadap setiap kriteria (Cj).
6. Normalisasi Matriks Keputusan (X). Mengubah nilai-nilai dalam matriks menjadi skala yang sama untuk memudahkan perbandingan. Normalisasi dapat dilakukan dengan rumus berikut. Untuk kriteria keuntungan (benefit): ${\displaystyle r_{ij}=\left\{{\frac {X_{ij}}{MaxX_{ij}}}\right\}}$ Untuk kriteria biaya (cost): ${\displaystyle r_{ij}=\left\{{\frac {MinX_{ij}}{X_{ij}}}\right\}}$
7. Hitung nilai preferensi (Vi):Hitung nilai akhir untuk setiap alternatif berdasarkan bobot dan nilai yang telah dinormalisasi dengan rumus berikut: ${\displaystyle V_{i}=\textstyle \sum _{j=1}^{n}\displaystyle W_{j}r_{ij}}$

Kelebihan dari metode SAW ini antara lain:

1. Penilaian lebih akurat karena mempertimbangkan bobot setiap kriteria.^[7]
2. Memungkinkan pemilihan alternatif terbaik melalui proses perangkingan yang memungkinkan untuk mengurutkan alternatif dari yang terbaik hingga yang terburuk.^[8]
3. SAW memungkinkan evaluasi multi-kriteria yang akurat dan relevan.^[9]

Kekurangan dari metode SAW ini antara lain:

1. Hanya dapat digunakan pada pembobotan lokal saja.
2. Tidak memperhitungkan interaksi antar kriteria, SAW menganggap setiap kriteria berdiri sendiri-sendiri.^[10]
3. Perubahan kecil dalam skala penilaian bisa menyebabkan perubahan besar dalam hasil akhir.