Dokumen tersebut membahas tentang sistem pendukung keputusan dan metode Simple Additive Weighting (SAW) untuk melakukan perangkingan alternatif berdasarkan kriteria tertentu. Metode ini melibatkan penentuan bobot untuk setiap kriteria, penilaian skor setiap alternatif, normalisasi data, dan perhitungan nilai preferensi untuk mendapatkan alternatif terpilih. Contoh kasus yang diberikan adalah pemberian beasiswa kepada mahasiswa dan pen

1. DECISION SUPPORT
SYSTEMS
I Gede Iwan Sudipa

2. SAW
Masih ingat ?
Simple Additive
Weighting

3. LATIHAN

4. Kampus ABC akan memberikan beasiswa kepada
mahasiswa, Kriteria yang digunakan dalam seleksi
pemberian beasiswa yaitu :
Kriteria Jenis
Atribut/Kriteria
Bobot
IPK Benefit 25%
Prestasi Akademik Benefit 30%
Keaktifan Organisasi Benefit 20%
Jumlah Gaji Orangtua Cost 15%
Jumlah Tanggungan
Orangtua
Benefit 10%
Proses seleksi dilakukan untuk mencari
alternatif terbaik penerima beasiswa

5. Tabel Penilaian Prestasi Akademik
Kriteria indikator Skala
Nilai
Prestasi
Akademik yang
dimiliki
Juara 1 dalam kejuaraan 4
Juara 2 dalam Kejuaraan 3
Juara 3 dalam kejuaraan 2
Hanya berpartisipasi 1

6. Kriteria Indikator Skala Nilai
Keaktifan
Organisasi
Pernah menjadi ketua
dalam organisasi
4
Pernah menjadi wakil
dalam organisasi
3
Pernah menjadi
bendahara atau sekretaris
dalam organisasi
2
Pernah menjadi anggota
dalam organisasi
1
Tabel Penilaian Keaktifan Organisasi

7. Kriteria Skala Skala Nilai
Penghasilan
orangtua
<500.000 1
500.000 - <1000.000 2
1000.000 - <2000.000 3
2000.000 - <2500.000 4
≥ 2500.000 5
Tabel Penilaian Jumlah Penghasilan Orangtua

8. Data Mahasiswa
Nama
Mahasiswa
IPK Prestasi
Akademik
Keaktifan
Organisasi
Jumlah
Penghasila
n Orang
Tua
Jumlah
Tanggung
an Orang
Tua
Syaifudin 3.4 Juara 1
Pemrograman
Web
Wakil
Ketua BEM
1000.000 3
Nina 3.14 Juara 3 Artikel
Ilmiah
Anggota
BEM
1500.000 1
Dian 3.09 Juara 2 Tari Sekretaris
BEM
600.000 4
Andi 3.14 Juara 3 Bulu
Tangkis
Anggota
BEM
700.000 3
Novan 3.15 Juara 3 Clash
Royal
Bendahara
BEM
900.000 3

9. • Lakukan pemodelan hirarki untuk kasus
pemberian beasiswa
• Lakukan Perhitungan dengan metode SAW
untuk mencari alternatif terbaik

10. Contoh : Penentuan Kepala UPT Sistem
Informasi
• Alternatif mana yang akan dijadikan kepala UPT untuk
meningkatkan kinerja dan produktivitas ?
• Alternatif mana yang akan dijadikan Kepala UPT
berdasarkan kriteria yang digunakan?
• Jika tugasnya adalah menentukan alternatif kepala
upt spesifikasi tertentu, metode mana yang akan
bisa menunjukkan alternatif tersebut?

11. Simple Additive Weighting (SAW)
• Formula untuk melakukan normalisasi tersebut adalah
sebagai berikut:
dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai
pada atribut Cj; i=1,2,...,m dan j=1,2,...,n.










(cost)biayaatributadalahjjika
x
xMin
(benefit)keuntunganatributadalahjjika
xMax
x
r
ij
ij
i
ij
i
ij
ij

12. Simple Additive Weighting (SAW)
• Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
• Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai
lebih terpilih.


n
j
ijji rwV
1

13. Langkah-langkah penyelesaian
Simple Additive Weighting (SAW)
• Menentukan kriteria-kriteria dan alternatif yang akan dijadikan
acuan dalam pengambilan keputusan.
• Menentukan bobot untuk setiap alternatif
• Membuat Matriks/tabel Keputusan.
• Menentukan rating kecocokan setiap alternatif pada setiap
kriteria.
• Matriks keputusan merupakan matriks terdiri dari kriteria dari
tiap alternatif terlebih dahulu membentuk perbandingan
berpasangan setiap alternatif disetiap kriteria (Xij).
• Melakukan normalisasi matriks.
• Menghitung hasil akhir

14. Menentukan
Kriteria dan
alternatif
14
Ada empat kriteria yang digunakan untuk melakukan
penilaian, yaitu:
C1 = tes pengetahuan (wawasan) sistem
informasi
C2 = praktek instalasi jaringan
C3 = tes sehat rohani
C4 = tes sehat jasmani
Kandidat (alternatif) untuk dipromosikan sebagai kepala upt, yaitu:
A1 = Indra,
A2 = Roni,
A3 = Putri,
A4 = Dani,
A5 = Ratna, dan
A6 = Mira.

15. Simple Additive Weighting (SAW)
Pengambil keputusan memberikan
bobot untuk setiap kriteria sebagai
berikut:
– C1 = 35%;
– C2 = 25%;
– C3 = 25%;
– C4 = 15%.

16. Tabel KeputusanRating kecocokan setiap alternatif pada setiap kriteria
Altern
atif
Kriteria
C1 C2 C3 C4
Indra 70 50 80 60
Roni 50 60 82 70
Putri 85 55 80 75
Dani 82 70 65 85
Ratna 75 75 85 74
Mira 62 50 75 80

17. Simple Additive Weighting (SAW)
Normalisasi:
dst
 
82,0
85
70
62;75;82;85;50;70max
70
r11 
 
59,0
85
50
62;75;82;85;50;70max
70
r21 
 
67,0
75
50
50;75;70;55;60;50max
50
r12 
 
80,0
75
60
50;75;70;55;60;50max
60
r22 

18. Matriks
Ternorm
alisasi
Hasil Normalisasi:





















94,088,067,073,0
87,01188,0
176,093,096,0
88,094,073,01
82,096,080,059,0
71,094,067,082,0
R

19. Simple Additive Weighting (SAW)
– Proses perankingan dengan menggunakan bobot
yang telah diberikan oleh pengambil keputusan: w =
[0,35 0,25 0,25 0,15]
Hasil yang diperoleh adalah sebagai berikut:
796,0)71,0)(15,0()94,0)(25,0()67,0)(25,0()82,0)(35,0(V1 
770,0)82,0)(15,0()96,0)(25,0()80,0)(25,0()59,0)(35,0(V2 
900,0)88,0)(15,0()94,0)(25,0()73,0)(25,0()00,1)(35,0(V3 
909,0)00,1)(15,0()76,0)(25,0()93,0)(25,0()96,0)(35,0(V4 
939,0)87,0)(15,0()00,1)(25,0()00,1)(25,0()88,0)(35,0(5 V
784,0)94,0)(15,0()88,0)(25,0()67,0)(25,0()73,0)(35,0(V6 

20. Nilai terbesar ada pada V5 dengan nilai
0,939, sehingga alternatif A5 adalah
alternatif yang terpilih sebagai alternatif
terbaik.
Dengan kata lain, Ratna akan terpilih
sebagai kepala upt sistem informasi.

21. Nilai terbesar ada pada V1 dengan nilai
0,977 sehingga alternatif A3 adalah
alternatif yang terpilih sebagai alternatif
terbaik.
Dengan kata lain, Dian akan terpilih sebagai
penerima beasiswa.

25. RANK ORDER
CENTROID

26. RANK ORDER
CENTROID
Model pemberian bobot yang didasarkan
atas tingkat prioritas kriteria

27. RANK ORDER
CENTROID
Wj =
1
K 𝑖=𝑗
K
(
1
𝑖
)
Keterangan:
• Wj = nilai pembobotan atribut ke-j
• K = jumlah atribut
• i = nilai urutan prioritas atribut

28. • W1 = (1 +
1
2
+
1
3
+ … +
1
𝑘
)/K
• W2 = (0 +
1
2
+
1
3
+ … +
1
𝑘
)/K
• Wj = (0 + … + 0 +
1
𝑘
)/K
• Secara umum jika K adalah jumlah kriteria,
maka nilai bobot kriteria ke-j dirumuskan
dengan mengalikan 1/K dengan jumlah total
1/i, dimana i = 1,2,3..,j,
RANK ORDER
CENTROID

29. • Terdapat urutan prioritas tingkat kejuaraan
yaitu tingkat internasional, nasional, propinsi,
lokal, antar kampung.
• Lakukan perhitungan bobot untuk setiap
tingkat dengan model ROC !

30. Urutan prioritas
tingkat kejuaraan
Bobot
Internasional
W1 =
1
5
x (
1
1
+
1
2
+
1
3
+
1
4
+
1
5
) = 0,45667
Nasional
W2 =
1
5
x (0 +
1
2
+
1
3
+
1
4
+
1
5
) = 0,25667
Propinsi
W3 =
1
5
x (0 + 0 +
1
3
+
1
4
+
1
5
) = 0,15667
Lokal
W4 =
1
5
x (0 + 0 + 0 +
1
4
+
1
5
) = 0,09
Antar kampung
W5 =
1
5
x (0 + 0 + 0 + 0 +
1
5
) = 0,04

31. Masih Ingat dengan Kasus Pemberian Beasiswa ??
Kriteria Jenis
Atribut/Kriteria
Bobot
IPK Benefit ?
Prestasi Akademik Benefit ?
Keaktifan Organisasi Benefit ?
Jumlah Gaji Orangtua Cost ?
Jumlah Tanggungan
Orangtua
Benefit ?
Hitunglah bobot kriteria dengan model ROC

32. Penentuan bobot kriteria penentuan
beasiswa dengan model ROC
Urutan prioritas
kriteria
Bobot
IPK
W1 =
1
5
x (
1
1
+
1
2
+
1
3
+
1
4
+
1
5
) = 0,45667
Prestasi Akademik
W2 =
1
5
x (0 +
1
2
+
1
3
+
1
4
+
1
5
) = 0,25667
Keaktifan Organisasi
W3 =
1
5
x (0 + 0 +
1
3
+
1
4
+
1
5
) = 0,15667
Jumlah Gaji
Orangtua
W4 =
1
5
x (0 + 0 + 0 +
1
4
+
1
5
) = 0,09
Jumlah Tanggungan
Orang Tua
W5 =
1
5
x (0 + 0 + 0 + 0 +
1
5
) = 0,04

33. Contoh : Penentuan Kepala UPT
Sistem Informasi
Ada empat kriteria yang digunakanuntuk melakukanpenilaian,yaitu:
• C1 = tes pengetahuan (wawasan)sistem informasi
• C2 = praktek instalasijaringan
• C3 = tes sehat rohani
• C4 = tes sehat jasmani
Coba lakukan perhitungan bobot
dengan model ROC!

34. Penentuan bobot kriteria penentuan
kepala UPT Sistem Informasi dengan
model ROC
Urutan prioritas
kriteria
Bobot
Tes Pengetahuan
W1 =
1
4
x (
1
1
+
1
2
+
1
3
+
1
4
) = 0,520833
Praktek Instalasi
Jaringan
W2 =
1
4
x (0 +
1
2
+
1
3
+
1
4
) = 0,270833
Tes Sehat Rohani
W3 =
1
4
x (0 + 0 +
1
3
+
1
4
) = 0,145833
Tes Sehat Jasmani
W4 =
1
4
x (0 + 0 + 0 +
1
4
) = 0,0625