SAW pertama kali diperkenalkan oleh (Fishburn, 1967)(MacCrimmon, 1968).
Metode Simple Additive Weighting (SAW) disebut juga metode penjumlahan terbobot. Metode ini banyak digunakan dalam menghadapi situasi Multiple Attribute/Criteria Decision Making (MADM/MCDM) dimana harus dicari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
SAW berdasar pada konsep mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (kriteria). Metode SAW memerlukan proses normalisasi matrik keputusan ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada.
Pada permasalahan multikriteria seringkali terjadi konflik antar kriteria berdasarkan persepsi tiap pengambil keputusan. SAW mengharuskan pembuat keputusan menentukan bobot bagi setiap kriteria (preferensi). SAW mengenal dua jenis kriteria yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria adalah saat pemilihan kriteria untuk pengambilan keputusan.
Berikut langkah-langkah atau prosedur untuk menentukan SAW :
- Menetapkan alternatif
- Menentukan atribut atau kriteria yang akan dijadikan acuan dalam pengambilan keputusan.
- Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria. Pemberian nilai rating dapat dibantu dengan pemodelan menggunakan tabel rating kecocokan
- Menentukan bobot preferensi atau tingkat kepentingan dari setiap kriteria.
- Setelah tabel rating kecocokan siap, lalu membuat matrik keputusan yang dibentuk dari tabel rating kecocokan dari setiap alternatif pada setiap kriteria
- Melakukan normalisasi matrik keputusan.
- Hasil dari nilai rating kinerja ternormalisasi akan membentuk matrik ternormalisasi.
- Hasil akhir nilai preferensi diperoleh dari: penjumlahan dari perkalian elemen baris ternormalisasi dengan bobot preferensi yang bersesuaian elemen kolom matrik.
Selanjutnya yaitu metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). Metode ini dikembangkan oleh Hwang dan Yune pada tahun 1981.
TOPSIS didasarkan pada konsep dimana alternative terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negative. Prosedur TOPSIS sebagai berikut:
- Membuat matriks keputusan ternormalisasi
- Membuat matriks keputusan ternormalisasi terbobot
- Menentukan matrik solusi ideal positif dan matrik solusi ideal negative
- Menentukan jarak antara nilai setiap alternative dengan matriks solusi ideal positif dan matriks solusi ideal negative
- Â Menentukan nilai preferensi untuk setiap alternative
Jadi, kesimpulannya yaitu metode SAW digunakan untuk tahap pembobotan sedangkan metode TOPSIS digunakan untuk proses perangkingan. Dalam menggunakan metode ini, perlu diperhatikan sample data nya agar lebih mudah dalam menentukan kriterianya.
