Sistem Penunjang Keputusan [Simple Additive Weighting]
Download as PPTX, PDF1 like4,049 views
Dokumen tersebut menjelaskan tentang metode pengambilan keputusan multi-kriteria Simple Additive Weighting (SAW). SAW digunakan untuk menentukan alternatif terbaik berdasarkan beberapa kriteria dengan menghitung penjumlahan bobot kinerja setiap alternatif pada seluruh kriteria. Langkah-langkah SAW meliputi pendefinisian kriteria, penentuan nilai alternatif, pembuatan matriks keputusan, normalisasi matriks,
![Sistem Penunjang Keputusan [Simple Additive Weighting]](https://image.slidesharecdn.com/6-190616170419/85/Sistem-Penunjang-Keputusan-Simple-Additive-Weighting-49-320.jpg)
Sistem Penunjang Keputusan [Simple Additive Weighting]
- 1. SIMPLE ADDITIVE WEIGHTING Furqon Mauladani S.Kom., M.MT. SISTEM PENUNJANG KEPUTUSAN 6
- 3. SIMPLE ADDITIVE WEIGHTING (SAW) Metode multi-criteria decision making yang menghitung penjumlahan bobot dari kinerja disetiap alternatif pada semua kriteria yang dimiliki.
- 4. APA ITU MULTI- CRITERIA DECISION MAKING?
- 5. MULTI-CRITERIA DECISION MAKING (MCDM) Metode mencari alternatif optimal berdasarkan kriteria tertentu dari beberapa alternatif. Simple Additive Weighting (SAW), Weighted Product (WP), TOPSIS, Analytic Hierarchical Process (AHP).
- 6. STRUKTUR HIRARKI MULTI-CRITERIA DECISION MAKING
- 7. TUJUAN Apa yang ingin dilakukan kedepan oleh seorang pengambil keputusan pada masalah keputusan yang spesifik.
- 8. CONTOH TUJUAN No Tujuan 1 Mencari laptop untuk desain grafis yang sesuai kualitas dan harga 2 Membeli rumah untuk berkeluarga 3 Memperkerjakan karyawan baru sesuai job requirement
- 9. KRITERIA Karakteristik, komponen, spesifikasi atau atribut milik suatu alternatif.
- 10. CONTOH KRITERIA Alternatif Kriteria Laptop Harga, CPU, RAM, Size, VGA, Hardisk, Bluetooth, Operating System. Rumah Luas tanah, luas bangunan, lantai, jumlah kamar, jarak tempat ibadah, harga. Calon Karyawan Tes tulis, tes wawancara, pengalaman, pendidikan, umur, nego gaji.
- 12. KRITERIA: ATRIBUT Tipe dari kriteria, apakah bersifat keuntungan (benefit) atau biaya (cost).
- 13. CONTOH ATRIBUT Kriteria Penjelasan Atribut C1 Tes tulis Benefit C2 Tes wawancara Benefit C3 Pengalaman Benefit C4 Pendidikan Benefit C5 Umur Cost C6 Nego gaji Cost
- 14. KRITERIA: BOBOT Seberapa besar kepentingan suatu kriteria dibandingkan kriteria yang lain.
- 15. CONTOH BOBOT Kriteria Penjelasan Atribut Bobot C1 Tes tulis Benefit 2 C2 Tes wawancara Benefit 3 C3 Pengalaman Benefit 2 C4 Pendidikan Benefit 1 C5 Umur Cost 1 C6 Nego gaji Cost 3
- 16. KRITERIA: RATING Pengelompokkan suatu kriteria menjadi skala yang memiliki bobot masing-masing.
- 17. CONTOH RATING Pendidikan (C4) Bobot SMA/SMK 1 Diploma 2 Sarjana 3 Magister 4 Doktor 5
- 18. ATURAN KRITERIA LAINNYA Kriteria yang mengandung nilai harus memiliki satuan yang sama (misalnya kapasitas hardisk ada yang 1TB dan 500GB). Kriteria yang tidak mengandung nilai harus menggunakan rating. Sedangkan untuk kriteria yang berisi bilangan, maka tidak diharuskan menggunakan rating.
- 19. ALTERNATIF Sebuah tindakan atau strategi yang dapat dipilih oleh seorang pengambil keputusan.
- 20. CONTOH ALTERNATIF Tujuan Alternatif Mencari laptop untuk desain grafis yang sesuai kualitas dan harga Macbook Air, ASUS Zenbook, Dell Inspiron, HP Pavilion Membeli rumah untuk berkeluarga Rumah A, Rumah B, Rumah Rumah D Memperkerjakan karyawan baru sesuai job requirement Charles, Gilbert, Nina, Shirley
- 21. APA SAJA LANGKAH DALAM SIMPLE ADDITIVE WEIGHTING?
- 22. 5 LANGKAH DALAM SIMPLE ADDITIVE WEIGHTING (1) 1. Mendefinisikan beberapa kriteria (atribut, bobot, rating) yang akan dijadikan acuan dalam pengambilan keputusan. 2. Menentukan nilai disetiap kriteria yang dimiliki setiap alternatif. Nilai bisa mengacu pada rating yang sudah didefinisikan. 3. Membuat matriks keputusan. 4. Melakukan normalisasi matriks berdasarkan rumus sesuai dengan atributnya (biaya atau keuntungan).
- 23. 5 LANGKAH DALAM SIMPLE ADDITIVE WEIGHTING (2) 5. Melakukan penjumlahan dari perkalian matriks ternormalisasi dengan bobot kriteria sehingga diperoleh solusi alternatif terbaik berdasarkan peringkat terbesar.
- 24. STUDI KASUS 1 MEMILIH LAPTOP
- 25. STUDI KASUS 1: MEMILIH LAPTOP (1) IT Manager ingin melakukan pembelian laptop untuk keperluan dinas kantor. Kriteria dan bobot kriterianya yang digunakan dalam pemilihan laptop adalah Harga (4), CPU (3), RAM (2), Size (5), VGA (3), Hardisk (3), Bluetooth (1), Operating System (5).
- 26. STUDI KASUS 1: MEMILIH LAPTOP (2) Untuk rating kriteria CPU: Jika processor-nya Intel Core i5, maka bobotnya adalah 3. Jika processor-nya Intel Core i3, maka bobotnya adalah 2. Jika processor-nya Intel Atom/Celeron, maka bobotnya adalah 1.
- 27. STUDI KASUS 1: MEMILIH LAPTOP (3) Sedangkan jika VGA-nya AMD atau NVidia, maka bobotnya adalah 2, dan selain dari itu bobotnya 1. Untuk operating system dan bluetooth, bobotnya 2 jika ada, dan bobotnya 1 jika tidak ada.
- 28. STUDI KASUS 1: MEMILIH LAPTOP (4) Laptop Harga CPU RAM Size VGA HDD Blue- tooth OS Dell Inspiron 15 3576 7.06 jt Core i5 4GB 15” Intel HD 1TB No DOS HP 14- bs002TX 5.95 jt Core i3 4GB 14” AMD 1TB Yes DOS Asus E203MA 3.61 jt Intel N4000 2GB 11” Intel HD 500GB No Win 10 Berikut ini adalah daftar untuk laptop pilihan.
- 29. STUDI KASUS 1: MEMILIH LAPTOP (5) Pertanyaannya adalah laptop manakah yang akan dibeli menggunakan metode Simple Additive Weighting (SAW)?
- 30. 1. MENDEFINISIKAN KRITERIA (1) Kriteria Penjelasan Atribut Bobot C1 Harga Cost 4 C2 CPU Benefit 3 C3 RAM Benefit 2 C4 Size Benefit 5 C5 VGA Benefit 3 C6 Hardisk Benefit 3 C7 Bluetooth Benefit 1 C8 Operating System Benefit 5 Nilai bobot untuk tingkat kepentingan kriteria diatas adalah 𝑊 = 4 3 2 5 3 3 1 5
- 31. 1. MENDEFINISIKAN KRITERIA (2) CPU (C2) Bobot Intel Atom/Cerelon 1 Intel Core i3 2 Intel Core i5 3 VGA (C5) Bobot Intel HD 1 AMD/Nvidia 2 Bluetooth (C7) Bobot No 1 Yes 2 OS (C8) Bobot DOS 1 Win 10 2 Berikut ini adalah rating untuk kriteria tertentu.
- 32. 2. MENENTUKAN NILAI DISETIAP KRITERIA YANG DIMILIKI SETIAP ALTERNATIF Alternatif C1 (juta) C2 C3 C4 C5 C6 C7 C8 A1 7.06 3 4 15 1 1000 1 1 A2 5.95 2 4 14 2 1000 2 1 A3 3.61 1 2 11 1 500 1 2 Menentukan nilai disetiap kriteria pada semua alternatif. Untuk kriteria yang kualitatif/tidak bernilai, nilainya ditentukan sesuai rating yang sudah didefinisikan.
- 33. 3. MEMBUAT MATRIKS KEPUTUSAN (1) Menyusun matriks 𝑋 berukuran 𝑚 × 𝑛 yang berisikan elemen 𝑥𝑖𝑗 yang mempresentasikan nilai dari alternatif 𝐴𝑖 = 𝑖 = 1, 2, … , 𝑚 terhadap kriteria 𝐶𝑗 = 𝑗 = 1, 2, … , 𝑛 . mn2m1m n22221 n11211 xxx xxx xxx X
- 34. 3. MEMBUAT MATRIKS KEPUTUSAN (2) 𝑋 = 7.06 3 4 5.95 2 4 3.61 1 2 15 1 1000 14 2 1000 11 1 500 1 1 2 1 1 2 Matriks keputusan yang dibuat dapat dilihat dibawah.
- 35. 4. MELAKUKAN NORMALISASI MATRIKS (1) Dimana: 𝑥𝑖𝑗 = nilai yang dimiliki dari setiap kriteria. 𝑀𝑎𝑥𝑖 𝑥𝑖𝑗 = nilai terbesar dari setiap kriteria 𝑖 (dipakai untuk kriteria benefit). 𝑟𝑖𝑗 = 𝑥𝑖𝑗 𝑀𝑎𝑥𝑖 𝑥𝑖𝑗 𝑀𝑖𝑛𝑖 𝑥𝑖𝑗 𝑥𝑖𝑗
- 36. 4. MELAKUKAN NORMALISASI MATRIKS (2) Dimana (Lanjutan): 𝑀𝑖𝑛𝑖 𝑥𝑖𝑗 = nilai terkecil dari setiap kriteria 𝑖 (dipakai untuk kriteria cost). 𝑟𝑖𝑗 = 𝑥𝑖𝑗 𝑀𝑎𝑥𝑖 𝑥𝑖𝑗 𝑀𝑖𝑛𝑖 𝑥𝑖𝑗 𝑥𝑖𝑗
- 37. 4. MELAKUKAN NORMALISASI MATRIKS (3) ALTERNATIF A1 𝑟12 = 3 𝑀𝑎𝑥 3, 2, 1 = 3 3 = 1 𝑟11 = 𝑀𝑖𝑛 7.06, 5.95, 3.61 7.06 = 3.61 7.06 = 0.51 𝑟13 = 4 𝑀𝑎𝑥 4, 4, 2 = 4 4 = 1 𝑟14 = 15 𝑀𝑎𝑥 15, 14, 11 = 15 15 = 1 𝑟15 = 1 𝑀𝑎𝑥 1, 2, 1 = 1 2 = 0,5 𝑟16 = 1000 𝑀𝑎𝑥 1000, 1000, 500 = 1000 1000 = 1 𝑟17 = 1 𝑀𝑎𝑥 1, 2, 1 = 1 2 = 0.5 𝑟18 = 1 𝑀𝑎𝑥 1, 1, 2 = 1 2 = 0.5
- 38. 4. MELAKUKAN NORMALISASI MATRIKS (4) ALTERNATIF A2 𝑟22 = 2 𝑀𝑎𝑥 3, 2, 1 = 2 3 = 0.67 𝑟21 = 𝑀𝑖𝑛 7.06, 5.95, 3.61 5.95 = 3.61 5.95 = 0.61 𝑟23 = 4 𝑀𝑎𝑥 4, 4, 2 = 4 4 = 1 𝑟24 = 14 𝑀𝑎𝑥 15, 14, 11 = 14 15 = 0.93 𝑟25 = 2 𝑀𝑎𝑥 1, 2, 1 = 2 2 = 1 𝑟26 = 1000 𝑀𝑎𝑥 1000, 1000, 500 = 1000 1000 = 1 𝑟27 = 2 𝑀𝑎𝑥 1, 2, 1 = 2 2 = 1 𝑟28 = 1 𝑀𝑎𝑥 1, 1, 2 = 1 2 = 0.5
- 39. 4. MELAKUKAN NORMALISASI MATRIKS (5) ALTERNATIF A3 𝑟32 = 1 𝑀𝑎𝑥 3, 2, 1 = 1 3 = 0.33 𝑟31 = 𝑀𝑖𝑛 7.06, 5.95, 3.61 3.61 = 3.61 3.61 = 1 𝑟33 = 2 𝑀𝑎𝑥 4, 4, 2 = 2 4 = 0.5 𝑟34 = 11 𝑀𝑎𝑥 15, 14, 11 = 11 15 = 0.73 𝑟35 = 1 𝑀𝑎𝑥 1, 2, 1 = 1 2 = 0.5 𝑟36 = 500 𝑀𝑎𝑥 1000, 1000, 500 = 500 1000 = 0.5 𝑟37 = 1 𝑀𝑎𝑥 1, 2, 1 = 1 2 = 0.5 𝑟38 = 2 𝑀𝑎𝑥 1, 1, 2 = 2 2 = 1
- 40. 4. MELAKUKAN NORMALISASI MATRIKS (6) 𝑅 = 0.51 1 1 0.61 0.67 1 1 0.33 0.5 1 0.5 1 0.93 1 1 0.73 0.5 0.5 0.5 0.5 1 0.5 0.5 1 Matriks yang sudah ternormalisasi dapat dilihat dibawah.
- 41. 5. MELAKUKAN PENJUMLAHAN DARI PERKALIAN MATRIKS TERNORMALISASI DENGAN BOBOT KRITERIA (1) Dimana: 𝑉𝑖 = nilai preferensi untuk setiap alternatif. 𝑤𝑖 = nilai bobot kepentingan untuk setiap kriteria. 𝑟𝑖𝑗= nilai rating dari matriks ternormalisasi. 𝑉𝑖 = 𝑗=1 𝑛 𝑤𝑖 𝑟𝑖𝑗
- 42. 𝑉1 = 4 × 0.51 + 3 × 1 + 2 × 1 + 5 × 1 + 3 × 0.5 + 3 × 1 + 1 × 0.5 + 5 × 0.5 𝑉2 = 4 × 0.61 + 3 × 0.67 + 2 × 1 + 5 × 0.93 + 3 × 1 + 3 × 1 + 1 × 1 + 5 × 0.5 𝑉3 = 4 × 1 + 3 × 0.33 + 2 × 0.5 + 5 × 0.73 + 3 × 0.5 + 3 × 0.5 + 1 × 0.5 + 5 × 1 5. MELAKUKAN PENJUMLAHAN DARI PERKALIAN MATRIKS TERNORMALISASI DENGAN BOBOT KRITERIA (2)
- 43. 𝑉1 = 2.05 + 3 + 2 + 5 + 1.5 + 3 + 0.5 + 2.5 = 19.5 𝑉2 = 2.43 + 2 + 2 + 4.67 + 3 + 3 + 1 + 2.5 = 𝟐𝟎. 𝟔 𝑉3 = 4 + 1 + 1 + 3.67 + 1.5 + 1.5 + 0.5 + 5 = 18.2 5. MELAKUKAN PENJUMLAHAN DARI PERKALIAN MATRIKS TERNORMALISASI DENGAN BOBOT KRITERIA (3)
- 44. Nilai peringkat terbesar ada pada 𝑉2 . Jadi alternatif 𝐴2 yang merupakan laptop HP 14- bs002TX merupakan solusi alternatif terbaik untuk dipilih. 5. MELAKUKAN PENJUMLAHAN DARI PERKALIAN MATRIKS TERNORMALISASI DENGAN BOBOT KRITERIA (4)
- 45. STUDI KASUS 2 MENENTUKAN KENAIKAN GAJI
- 46. STUDI KASUS 2: MENENTUKAN KENAIKAN GAJI (1) HRD di PT. Dynamia Utama akan menentukan satu karyawan yang menerima kenaikan gaji. Kriteria dan bobot kriterianya yang digunakan adalah Prestasi (35), Kedisiplinan (25), Perilaku (25), dan Lama Bekerja (15). Semua rating untuk kriteria adalah very bad (1), bad (2), enough (3), good (4) dan very good (5).
- 47. STUDI KASUS 2: MENENTUKAN KENAIKAN GAJI (2) Kayawan Prestasi Kedisiplinan Perilaku Lama Bekerja Beti Enough Good Good Very Bad Emilia Bad Good Good Very Good Reinhard Enough Good Good Bad Wilhelm Good Bad Enough Enough Berikut ini merupakan tabel hasil penilaian karyawan berdasarkan penilaian oleh HRD, manager dan supervisor.
- 48. STUDI KASUS 2: MENENTUKAN KENAIKAN GAJI (3) Pertanyaannya adalah siapakah yang berhak mendapatkan kenaikan gaji menggunakan metode Simple Additive Weighting (SAW)?
- 50. DAFTAR PUSTAKA Khairul & M. Simaremare & A. P. U. Siahaan (2016) "Decision Support System in Selecting The Appropriate Laptop Using Simple Additive Weighting“, International Journal of Recent Trends in Engineering and Research, Vol. 2, No. 12, hal. 215-222. Sahir, Syafrida H. & R. Rosmawati & K. Minan (2017), ”Simple Additive Weighting Method to Determining Employee Salary Increase Rate”, International Journal of Scientific Research in Science and Technology, Vol. 3, hal. 42-48. Saintika, Yudha (2018), Manajemen Model, Lecture Handout: Decision Support System, Institut Teknologi Telkom Purwokerto, Purwokerto. Siahaan, M. D. L. & Elviwani & A. B. Surbakti & A. H. Lubis & A. P. U. Siahaan (2017), ”Implementation of Simple Additive Weighting Algorithm in Particular Instance”, International Journal of Scientific Research in Science and Technology, Vol. 3, hal. 442- 447.