SISTEM PENDUKUNG KEPUTUSAN SEBAGAI ANALISIS PEMILIHAN REKANAN PENGADAAN BARANG DAN JASA DI POLITEKNIK NEGERI SEMARANG

Abstract

Dalam memilih kemitraan usaha / jasa dan pemasok hal dalam sebuah lembaga pendidikan adalah sangat sulit untuk dilakukan karena kebutuhan. Kebutuhan karakter universitas institusi sangat spesifik dan unik karena lembaga pendidikan dominan tidak perlu satu-satunya dan layanan tetapi juga mentransfer teknologi dan sesuatu yang dapat mengembangkan kualitas pendidikan. Pengadaan hal yang tidak riang untuk memasok kebutuhan pengguna tetapi juga untuk mentransfer pengetahuan dan ilmu pengetahuan. Lebih sering pengguna terjebak oleh kemitraan bagaimana mempersiapkan satu-satunya tetapi tidak untuk mentransfer pengetahuan, sehingga tujuan pengguna untuk mengembangkan mutu pendidikan tidak tercapai. Sistem Pendukung Keputusan (DSS) yang dikembangkan dalam penelitian dengan menghubungkan antara kualitas kriteria evaluasi prakualifikasi untuk bekerja etika yang dihasilkan. Evaluasi mencakup waktu etos kerja, etos biaya kerja, dan etika kualitas kerja. Model base dilakukan dengan mencari suatu formula yang dilakukan dengan menganalisis diskriminan untuk membedakan kelompok yang sukses dan penuh mereka bekerja. Evaluasi kriteria yang digunakan untuk merujuk melakukan prosedur teknik prakualifikasi dari pemerintah Indonesia menggunakan kriteria yang dikembangkan oleh Russel dan Holt, yang meliputi kriteria keuangan, pengalaman, etos kerja masa lalu dan manajemen dan organisasi. Output dari DSS dapat memprediksi etos kerja dan semacam kemitraan kerja dasar etika pada nilai indeks etos kerja yang digunakan. DSS berhasil memprediksi etika kemitraan kerja dengan tingkat akurat tertinggi.

PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN UNTUK PROSES KENAIKAN JABATAN DAN PERENCANAAN KARIR PADA PT. X

Andreas Handojo, Djoni H. Setiabudi, Rachma Yunita

Abstract

Fulfilling empty position on company often become complicated process because the candidate who can be placed in that position by matching between employee-profile and position-profile sometimes not well define. To minimize that problem, there should be a method such as decision support system which can analize employees who suitable with the available position.
This decision support system for profile matching process and gap analization is made based on company's data and rules which locate on PT.X. Profile Matching process is taken to recommend employees in Positioning and Carrier Planning based on three stages, which are Intelectual Capacity, Working Area and Attitude. The result of this process is represented ini rank of employees as recommendation for decision maker in deciding which employee is suitable for the position.This Software is using Microsoft Access 2000 for database and Borland Delphi 5.0 as compiller.
Form the result of this implementation system can be seen that this software can be very helpfull on decision support to profile matching in positioning and career planning on PT. X.


Abstract in Bahasa Indonesia :

Pengisian jabatan yang kosong pada proses kenaikan jabatan sering mengalami kesulitan karena pengajuan calon kandidat yang bisa menempati jabatan tersebut dengan cara pencocokan profil karyawan dan profil jabatan kurang terdefinisi dengan baik. Untuk meminimumkan kendala tersebut diperlukan suatu sistem pendukung keputusan yang dapat menganalisa beberapa karyawan yang sesuai dengan profil jabatan yang ada.
Sistem pendukung keputusan untuk proses profile matching dan analisis gap ini dibuat berdasarkan data dan norma-norma SDM yang terdapat di PT. X. Proses Profile Matching dilakukan untuk menentukan rekomendasi karyawan dalam Sistem Kenaikan Jabatan dan Perencanaan Karir berdasar pada 3 aspek yaitu Kapasitas Intelektual, Sikap Kerja dan Perilaku. Hasil dari proses ini berupa ranking karyawan sebagai rekomendasi bagi pengambil keputusan untuk memilih karyawan yang cocok pada jabatan yang kosong tersebut. Software ini dibuat dengan menggunakan Microsoft Access 2000 untuk database dan Borland Delphi 5 sebagai compiller-nya.
Dari hasil implementasi sistem, disimpulkan bahwa dengan penggunaan software ini dapat membantu proses pengambilan keputusan terhadap profile matching proses kenaikan jabatan dan perencanaan karir di PT. X.

Kata kunci: Sistem Pendukung Keputusan, Profile Matching, Kenaikan Jabatan, Perencanaan Karir, Analisis Gap, Sistem Informasi

Sistem Pendukung Keputusan dengan Methode TOPSIS

MeLangKah LeBih MaJu

Populer Post

• 

  Sistem Pendukung Keputusan dengan Methode TOPSIS

  TOPSIS ( Technique For Others Reference by Similarity to Ideal Solution ) adalah salah satu metode pengambilan keputusan multikriteria yang ...
• Mempercepat IDM

  Trik mempercepat IDM di atas menggunakan fasilitas Bottle neck. Analogi gampangnya adalah seperti ketika kita menuangkan air pada botol, s...
• 

  Mikrokontroler AT89C51

  Mikrokontroler adalah sebuah chip yang berfungsi sebagai pengontrol rangkaian elektronik dan umunya dapat menyimpan program didalamnya. Mik...
• 

  Pengertian Troubleshooting Komputer

  Dalam dunia komputer , segala sesuatu masalah yang berhubungan dengan komputer disebut Troubleshooting dan timbulnya masalah dalam komputer ...

About

Pengikut

Rabu, 18 April 2012

Sistem Pendukung Keputusan dengan Methode TOPSIS

TOPSIS (Technique For Others Reference by Similarity to Ideal Solution) adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang (1981). TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.

Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.

TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai.

Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan secara praktis. Hal ini disebabkan konsepnya sederhana dan mudah dipahami, komputasinya efisien,dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan.

PROSEDUR TOPSIS

• Menghitung separation measure
• Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan negatif
• Menentukan nilai preferensi untuk setiap alternatif
• Decision matrix D mengacu terhadap m alternatif yang akan dievaluasi berdasarkan n kriteria yang didefinisikan sebagai berikut:
• 

  Dengan xij menyatakan performansi dari perhitungan untuk alternatif ke-i terhadap atribut ke-j.

Langkah-langkah metode TOPSIS

1. Membangun normalized decision matrix

Elemen rij hasil dari normalisasi decision matrix R dengan metode Euclidean length of a vector adalah:

2. Membangun weighted normalized decision matrix

Dengan bobot W= (w1, w2,…..,wn), maka normalisasi bobot matriks V adalah  :

3. Menentukan solusi ideal dan solusi ideal negatif.

Solusi ideal dinotasikan A*, sedangkan solusi ideal negatif dinotasikan A- :

4. Menghitung separasi

Si* adalah jarak (dalam pandangan Euclidean) alternatif dari solusi ideal didefinisikan sebagai:

Dan jarak terhadap solusi negatif-ideal didefinisikan sebagai:

5.  Menghitung kedekatan relatif terhadap solusi ideal

6. Merangking Alternatif

Alternatif dapat dirangking berdasarkan urutan Ci*. Maka dari itu, alternatif   terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi negatif-ideal.

HUBUNGAN TOPSIS DAN AHP (Analytic Hierarchy Process)

Pada dasarnya TOPSIS tidak memiliki model inputan yang spesifik dalam penyelesaian suatu kasus, TOPSIS menggunakan model inputan adaptasi dari metode lain (ex. AHP,UTA,ELECTRE,TAGUCHI dll)

Dalam menyelesaikan suatu kasus multikriteria, AHP membandingkan tiap kriteria menggunakan matriks perbandingan berpasangan untuk setiap alternatif kemudian hasilnya adalah sebuah matriks keputusan yang menunjukkan skor setiap alternatif pada semua kriteria.

Alternatif terbaik adalah alternatif dengan skor tertinggi setelah dikalikan dengan vektor bobot • Sedangkan pada metode TOPSIS, matriks keputusan yang dihasilkan dari metode AHP merupakan modal awal/inputan awal dalam perhitungan selanjutnya.

Metode TOPSIS dalam Sistem Pendukung Keputusan (SPK)

Posted on March 20, 2014 by Neatia Techno (NERIMS) — Leave a comment

Metode TOPSIS

Metode  TOPSIS  adalah  salah  satu  metode  pengambilan  keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang  pada tahun 1981.  Metode  ini  merupakan  salah  satu  metode  yang  banyak  digunakan  untuk menyelesaikan pengambilan  keputusan  secara  praktis.  TOPSIS  memiliki  konsep dimana alternatif  yang terpilih merupakan alternatif terbaik  yang memiliki jarak terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif [4]. Semakin  banyaknya  faktor  yang  harus  dipertimbangkan  dalam  proses pengambilan  keputusan,  maka  semakin  relatif  sulit  juga  untuk  mengambil
keputusan  terhadap  suatu  permasalahan.  Apalagi  jika  upaya  pengambilan keputusan  dari  suatu  permasalahan  tertentu,  selain  mempertimbangkan  berbagai faktor/kriteria  yang  beragam,  juga  melibatkan  beberapa  orang  pengambil keputusan.  Permasalahan  yang  demikian  dikenal  dengan  permasalahan  multiple criteria decision making  (MCDM).  Dengan kata lain, MCDM juga dapat disebut sebagai  suatu  pengambilan  keputusan  untuk  memilih  alternatif  terbaik  dari sejumlah  alternatif  berdasarkan  beberapa  kriteria  tertentu.  Metode  TOPSISdigunakan  sebagai  suatu  upaya  untuk  menyelesaikan  permasalahan  multiple criteria  decision  making.  Hal  ini  disebabkan  konsepnya  sederhana  dan  mudah dipahami, komputasinya  efisien  dan  memiliki  kemampuan  untuk  mengukur kinerja relatif dari alternatif-alternatif keputusan.

Langkah-langkah Metode TOPSIS

Langkah-langkah yang dilakukan dalam menyelesaikan suatu permasalahan menggunakan metode TOPSIS adalah sebagai berikut [4]:

1. Menggambarkan  alternatif  (m)  dan  kriteria  (n)  ke  dalam  sebuah  matriks, dimana  Xij adalah  pengukuran  pilihan  dari  alternatif  ke-i  dan  kriteria  ke-j.Matriks ini dapat dilihat pada persamaan satu.
    
2. Membuat matriks R yaitu matriks keputusan ternormalisasi Setiap  normalisasi  dari  nilai  rij dapat  dilakukan  dengan  perhitungan menggunakan persamaan dua.
   
3. Membuat pembobotan pada matriks yang telah dinormalisasi Setelah dinormalisasi, setiap kolom pada matriks R dikalikan dengan bobotbobot (wj) untuk menghasilkan matriks pada persamaan tiga.
   
4. Menentukan nilai solusi ideal positif dan solusi ideal negatif. Solusi ideal dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Persamaan untuk menentukan solusi ideal dapat dilihat pada persamaan empat.
   
5. Menghitung separation measure. Separation measure ini merupakan
   pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal
   negatif.
   –  Perhitungan solusi ideal positif dapat dilihat pada persamaan lima :
   
   –  Perhitungan solusi ideal negatif dapat dilihat pada persamaan enam :
6. Menghitung  nilai  preferensi  untuk  setiap  alternatif. Untuk  menentukan ranking tiap-tiap alternatif yang ada maka perlu dihitung terlebih dahulu nilai preferensi  dari  tiap  alternatif.  Perhitungan  nilai  preferensi  dapat  dilihat melalui persamaan tujuh.
   Setelah  didapat  nilai  Ci+,  maka  alternatif  dapat  diranking  berdasarkan urutan  Ci+.  Dari  hasil  perankingan  ini  dapat  dilihat  alternatif  terbaik  yaitu alternatif yang memiliki jarak terpendek dari solusi ideal dan berjarak terjauh dari solusi ideal negatif.

Pengertian Metode AHP (Analytical Hierarcy Process)

Pengertian Metode AHP (Analytical Hierarcy Process)

20.31 De Marfuah 3 comments

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode AHP ini membantu memecahkan persoalan yang kompleks dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. (Saaty, 1993).

Proses hierarki adalah suatu model yang memberikan kesempatan bagi perorangan atau kelompok untuk membangun gagasan-gagasan dan mendefinisikan persoalan dengan cara membuat asumsi mereka masing-masing dan memperoleh pemecahan yang diinginkan darinya. Ada dua alasan utama untuk menyatakan suatu tindakan akan lebih baik dibanding tindakan lain. Alasan yang pertama adalah pengaruh-pengaruh tindakan tersebut kadang-kadang tidak dapat dibandingkan karena sutu ukuran atau bidang yang berbeda dan kedua, menyatakan bahwa pengaruh tindakan tersebut kadang-kadang saling bentrok, artinya perbaikan pengaruh tindakan tersebut yang satu dapat dicapai dengan pemburukan lainnya. Kedua alasan tersebut akan menyulitkan dalam membuat ekuivalensi antar pengaruh sehingga diperlukan suatu skala luwes yang disebut prioritas.

AHP didasarkan atas 3 aksioma utama yaitu  : 

1. Aksioma Resiprokal yaitu Aksioma ini menyatakan jika PC (EA,EB) adalah sebuah perbandingan berpasangan antara elemen A dan elemen B, dengan memperhitungkan C sebagai elemen parent, menunjukkan berapa kali lebih banyak properti yang dimiliki elemen A terhadap B, maka PC (EB,EA)= 1/ PC (EA,EB). Misalnya jika A 5 kali lebih besar daripada B, maka B=1/5 A. 
2. Aksioma Homogenitas yaitu Aksioma ini menyatakan bahwa elemen yang dibandingkan tidak berbeda terlalu jauh. Jika perbedaan terlalu besar, hasil yang didapatkan mengandung nilai kesalahan yang tinggi. Ketika hirarki dibangun, kita harus berusaha mengatur elemen-elemen agar elemen tersebut tidak menghasilkan hasil dengan akurasi rendah dan inkonsistensi tinggi.
3. Aksioma Ketergantungan  yaitu Aksioma ini menyatakan bahwa prioritas elemen dalam hirarki tidak bergantung pada elemen level di bawahnya. Aksioma ini membuat kita bisa menerapkan prinsip komposisi hirarki.

Kelebihannnya metode AHP antara lain :

1. Struktur yang berhierarki sebagai konskwensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam.
2. Memperhitungkan validitas sampai batas toleransi inkonsentrasi sebagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan.
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan.

Metode “pairwise comparison” AHP mempunyai kemampuan untuk memecahkan masalah yang diteliti multi obyek dan multi kriteria yang berdasar pada perbandingan preferensi dari tiap elemen dalam hierarki. Jadi model ini merupakan model yang komperehensif. Pembuat keputusan menetukan pilihan atas pasangan perbandingan yang sederhana, membengun semua prioritas untuk urutan alternatif. “ Pairwaise comparison” AHP mwenggunakan data yang ada bersifat kualitatif berdasarkan pada persepsi, pengalaman, intuisi sehigga dirasakan dan diamati, namun kelengkapan data numerik tidak menunjang untuk memodelkan secara kuantitatif.

Kelemahannya antara lain :

1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistic sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk

Langkah – Langkah: Contoh Perhitungan Metode AHP

Langkah – Langkah: Contoh Perhitungan Metode AHP. Cara perhitungan menghitung dengan menggunakan metode AHP sangat simpel. Panduang perhitungannya yaitu menggunakan persamaan matriks perbandingan berpasangan yang dikembangkan oleh saaty yaitu dengan menggunakan sekala perbandingan 1-9. Dengan skala tersebut, di lakukan perbandingan sehingga membentuk matriks yang berguna untuk mendapatkan nilai kuantitatif dari penilaian relatif pada setiap masalah atau kasus yang akan diselesaikan. Nah pada tutorial dan panduan kali ini Saya akan berikan contoh yang simpel saja supaya mudah di pahami dan dimengerti bagaimana cara menghitung metode ahp pada sebuah contoh kasus. Dan untuk penerapannya bisa diterapkan pada pengembagan aplikasi sistem pakar ataupun juga spk (sistem pendukung keputusan).
Baca juga:

1. 21 Kelebihan dan 4 kekurangan metode AHP
2. Penerapan metode AHP pada studi kasus

Artikel contoh perhitungan menggunakan metode ahp ini sengaja Saya buat agar teman-teman yang ingin belajar metode ini bisa memahami dengan mudah karena  contoh simpel yang Saya berikan. Kebanyakan contoh yang ada di internet menggunakan perhitungan pada contoh kasus yang kompleks, kadang sebagian dari teman-teman sulit untuk memahaminya.

Langkah-langkah perhitungan metode AHP

Berikut ini adalah langkah demi langkah yang harus Anda lakukan untuk menghitung penyelesaian dengan menggunakan metode AHP, namun sebelumnya tentukan dahulu tujuan atau goal permasalan kasus ( langkah awal), tentukan Kriteria dan alternatif, selanjutnya perhitungannya di mulai dengan langkah berikut ini:

1. Membuat matriks perbandingan kriteria dengan nilai yang telah di inputkan
2. Mencari bobot vektor prioritas, sebelum mencari nilai ini, Anda harus menjumlahkan setiap kolom sel pada kolom matriks di bagi dengan jumlah kolom pada setiap selnya.
3. Mencari lambda
4. Mencari Konsitensi Index (CI)
5. Mencari Konsistensi Rasio (CR), Tingkat konsistensi apabila nilai CR <0.1

Contoh kasus penyelesaian ahp

Misalnya Anda akan membangun sebuah sistem untuk merangking calon kepala desa terbaik pada suatu desa atau kelurahan. Dengan sistem tersebut Anda akan memberikan penilaian terhadap setiap varibel yang digunakan sebagai penilaian. Pada contoh studi kasus ini anggap calon kades yang akan Anda nilai ada 3 calon saja dan kriteria atau variabel penilaian 4 kriteria. Jangan banyak-banyak agar mudah memahami contoh perhitungan metode ahp secara manual ini. Nah yang harus Anda perhatikan adalah seperti langkah-langkah yang sudah dijelaskan diatas.
Penilaian diatas tidak  berdasarkan ketetapan nilai yang sudah ditentukan sebagai batas minimal nilai. Kadang ada juga penentuan minimal nilai yang sudah ditentukan oleh penilai. Untuk masalah ini berbeda teknik namun dasarnya sama.
Anggap saja kriteria yang akan digunakan untuk menilai sebabagi berikut:

1. Tanggung Jawab
2. Jujur
3. Disiplin
4. Kerja keras

Dan untuk calon kadesnya sebagai berikut:

1. Paijo
2. Paiman
3. Paino

(Maaf nama diatas adalah nama ilustrasi. Mohon maaf jika ada kesamaan nama dan gelar, semua hanyalah kebeteluan saja )
Selanjutnya penyusunan hierarki dengan berdasarkan kriteria dan alternatif diatas sebagai berikut:

perhitungan metode ahp

Selanjutnya Anda juga harus mengetahui beberapa rumus yang digunakan pada perhitungan metode ahp. Rumus-rumus ini bisa di konversi ke bahasa pemrograman PHP sehinnga menjadi script dan source code metode ahp sehinggap dapat digunakan untuk merancang sebuah sistem, bisa sistem pakar atau sistem pendukung keputusan menggunakan metode ahp pada prosesnya.
Rumus metode ahp:

Rumus Metode AHP

Selanjutnya Anda asumsikan nilai yang diberikan pada setiap calon kades pada masing-masing kriteria sebagai berikut:
1.Paijo

Kriteria	Nilai
Tanggung Jawab	7
Jujur	7
Disiplin	8
Kerja Keras	7

2.Paiman

Kriteria	Nilai
Tanggung Jawab	7
Jujur	7
Disiplin	7
Kerja Keras	7

3. Paino

Kriteria	Nilai
Tanggung Jawab	7
Jujur	7
Disiplin	8
Kerja Keras	8

Sistem Pendukung Keputusan (SPK) Menggunakan Metode SAW

Gudang ILMU

Monday, 24 March 2014

Sistem Pendukung Keputusan (SPK) Menggunakan Metode SAW

Metode SAW sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW (Simple Additive Weighting) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW dapat membantu dalam pengambilan keputusan suatu kasus, akan tetapi perhitungan dengan menggunakan metode SAW ini hanya yang menghasilkan nilai terbesar yang akan terpilih sebagai alternatif yang terbaik. Perhitungan akan sesuai dengan metode ini apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan. Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih singkat. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Keterangan :

 = nilai rating kinerja ternormalisasi

 = nilai atribut yang dimiliki dari setiap kriteria

 = nilai terbesar dari setiap kriteria

 = nilai terkecil dari setiap kriteria

benefit = jika nilai terbesar adalah terbaik

cost         = jika nilai terkecil adalah terbaik

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (V_i) diberikan sebagai:

Keterangan :

V_i   = rangking untuk setiap alternatif

w_j   = nilai bobot dari setiap kriteria

r_ij   = nilai rating kinerja ternormalisasi

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

Contoh:

- Sebuah perusahaan makanan ringan XYZ akan menginvestasikan sisa usahanya dalam satu tahun.

- Beberapa alternatif investasi telah akan diidentifikasi. Pemilihan alternatif terbaik ditujukan selain untuk keperluan investasi, juga dalam rangka meningkatkan kinerja perusahaan ke depan.

- Beberapa kriteria digunakan sebagai bahan pertimbangan untuk mengambil keputusan,yaitu:

C1=Harga, yaitu seberapa besar harga barang tersebut.

C2 =Nilai investasi 10 tahun ke depan, yaitu seberapa besar nilai investasi barang dalam jangka waktu 10 tahun ke depan.

C3 =Dayadukung terhadap produktivitas perusahaan, yaitu seberapa besar peranan barang dalam mendukung naiknya tingkat produktivitas perusahaan. 

Daya dukung diberi nilai: 1= kurangmendukung, 2 = cukup mendukung; dan 3 =sangat mendukung.

C4 =Prioritas kebutuhan, merupakan tingkat kepentingan (ke-mendesak-an) barang untuk dimiliki perusahaan. 

Prioritas diberi nilai:1=sangat berprioritas, 2 =berprioritas; dan 3 = cukupberprioritas.

C5 =Ketersediaan atau kemudahan, merupakan ketersediaan barang di pasaran. 

Ketersediaan diberi nilai:1= sulit diperoleh, 2 = cukup mudahdiperoleh; dan 3 =sangat mudah diperoleh.

- Dari pertama dan keempat kriteria tersebut, kriteria pertama dan keempat merupakan kriteria biaya, sedangkan kriteria kedua, ketiga, dan kelima merupakan kriteria keuntungan.

- Pengambil keputusan memberikan bobotuntuk setiap kriteria sebagai berikut:

C1 = 25%; C2 =15%; C3 = 30%;Â  C4 = 25; dan C5 = 5%.

- Ada empat alternatif yang diberikan, yaitu:

A1= Membeli mobil box untuk distribusi barang ke gudang;

A2 = Membeli tanah untuk membangun gudang baru;

A3 = Maintenance sarana teknologi informasi;

A4 = Pengembangan produk baru.

• Nilai setiap alternatif pada setiap kriteria adalah:

• Normalisasi

• Normalisasi

• Normalisasi

• Normalisasi

• Normalisasi

• Hasil Normalisasi

• Proses perangkingan dengan menggunakan bobot yang telah diberikan oleh pengambil keputusan :

• Hasil yang diperoleh adalah sebagai berikut

• Nilai terbesar ada pada V3, sehingga alternatif A3 adalah alternatif yang terpilih sebagai alternatif terbaik. Dengan kata lain, maintenance sarana teknologi indormasi akan terpilih sebagai solusi untuk investasi sisa usaha.

Simple Additive Weighting (SAW), dengan Flow Chart perhitungan seperti di bawah ini