Simple Additive Weighting: Pendekatan Dasar dalam Pengambilan Keputusan Berbasis Multi-Kriteria

Dalam dunia pengambilan keputusan, seringkali kita dihadapkan pada situasi di mana harus memilih alternatif terbaik dari sekian banyak opsi yang tersedia. Ketika keputusan tersebut melibatkan banyak kriteria atau faktor yang harus dipertimbangkan secara bersamaan, metode-metode pengambilan keputusan berbasis multi-kriteria (Multi-Criteria Decision Making / MCDM) menjadi sangat penting. Salah satu metode MCDM yang paling sederhana dan banyak digunakan adalah Simple Additive Weighting.

Simple Additive Weighting, juga dikenal sebagai metode penjumlahan terbobot, adalah teknik pengambilan keputusan yang sederhana dan intuitif. Metode ini mengasumsikan bahwa setiap alternatif dievaluasi berdasarkan sejumlah kriteria, dan setiap kriteria memiliki bobot tertentu yang mencerminkan tingkat kepentingannya. Kemudian, nilai dari setiap alternatif dihitung dengan menjumlahkan hasil perkalian antara nilai kriteria dan bobotnya.

Secara formal, rumus dasar Simple Additive Weighting adalah:

Nilai Alternatif Ai​=j=1∑n​wj​×rij​

Di mana:

$r_{ij}$rij​ adalah nilai dari alternatif ke-i pada kriteria ke-j, biasanya telah dinormalisasi agar dapat dibandingkan secara langsung.

$A_i$Ai​ adalah alternatif ke-i,

$w_j$wj​ adalah bobot dari kriteria ke-j, dengan ${\sum }_{j=1}^n{w}_j=1$∑j=1n​wj​=1,

Alternatif dengan nilai total tertinggi biasanya dianggap sebagai pilihan terbaik.

1. Identifikasi Alternatif dan Kriteria Tentukan semua opsi yang akan dievaluasi dan kriteria yang relevan. Misalnya, dalam memilih laptop, kriteria bisa meliputi harga, kecepatan prosesor, kapasitas RAM, dan daya tahan baterai.
2. Penentuan Bobot Kriteria Berikan bobot pada setiap kriteria berdasarkan tingkat kepentingannya. Bobot ini biasanya diberikan dalam bentuk angka antara 0 dan 1, yang kemudian dijormalisasi sehingga totalnya sama dengan 1.
3. Normalisasi Nilai Alternatif Karena nilai dari berbagai kriteria bisa berbeda satuan dan skala, perlu dilakukan normalisasi agar semuanya berada dalam rentang yang sama, umumnya 0 hingga 1. Ada dua jenis normalisasi:
   Karena nilai dari berbagai kriteria bisa berbeda satuan dan skala, perlu dilakukan normalisasi agar semuanya berada dalam rentang yang sama, umumnya 0 hingga 1. Ada dua jenis normalisasi:
   Untuk atribut yang bersifat benefit (mendapatkan semakin besar semakin baik):$$r_{ij}=\frac{x_{ij}}{\underset{i}{\max }{x}_{ij}}$$Untuk atribut yang bersifat cost (mendapatkan semakin kecil semakin baik):$$r_{ij}=\frac{\underset{i}{\min }{x}_{ij}}{x_{ij}}$$​​Di mana $x_{ij}$xij​ adalah nilai asli dari alternatif ke-i pada kriteria ke-j.
4. Perhitungan Nilai Total Alternatif Hitung nilai setiap alternatif dengan menjumlahkan hasil perkalian antara nilai normalisasi dan bobotnya.
5. Pengambilan Keputusan Alternatif dengan nilai tertinggi dianggap sebagai pilihan terbaik.

Misalkan sebuah perusahaan ingin memilih vendor bahan bangunan dari tiga alternatif (Vendor A, B, dan C). Kriteria yang dipertimbangkan adalah harga (cost), kualitas (benefit), dan waktu pengiriman (benefit). Bobot yang diberikan adalah:

• Harga: 0,4
• Kualitas: 0,3
• Waktu Pengiriman: 0,3

Data nilai asli (semua dalam satuan yang relevan):

Langkah-langkah:

1. Normalisasi:
   Harga (cost): semakin kecil lebih baik$$r_{ij}=\frac{\min x_{ij}}{x_{ij}}$$​​Kualitas dan Waktu Pengiriman (benefit): semakin besar lebih baik$$r_{ij}=\frac{x_{ij}}{\max x_{ij}}$$​​Hasil normalisasi:

2. Perhitungan nilai total:

Nilaii​=(wharga​×rharga​)+(wkualitas​×rkualitas​)+(wwaktu​×rwaktu​)

• Vendor A:$$0.4\times 0.9+0.3\times 0.8889+0.3\times 1=0.36+0.2667+0.3=0.9267$$
• Vendor B:$$0.4\times 1+0.3\times 0.7778+0.3\times 0.8333=0.4+0.2333+0.25=0.8833$$
• Vendor C:$$0.4\times 0.8182+0.3\times 1+0.3\times 1=0.3273+0.3+0.3=0.9273$$

Hasil akhir: Vendor C memiliki nilai tertinggi (0.9273), sehingga dipilih sebagai vendor terbaik.

Kelebihan:

• Sederhana dan mudah dipahami.
• Cepat dalam proses perhitungan.
• Mudah diimplementasikan dalam perangkat lunak.

Kekurangan:

• Mengasumsikan bahwa kriteria saling independen dan tidak ada interaksi.
• Tidak mempertimbangkan ketidakseimbangan atau ketidakpastian nilai.
• Hasil sangat bergantung pada bobot yang diberikan, yang bisa subjektif.

Simple Additive Weighting merupakan salah satu metode pengambilan keputusan multi-kriteria yang paling dasar dan efektif dalam berbagai situasi. Dengan proses yang sederhana—mengnormalisasi data, memberi bobot, dan menjumlahkan hasilnya—metode ini memungkinkan pengambil keputusan untuk mendapatkan solusi yang objektif dan transparan. Meski memiliki keterbatasan, namun tetap menjadi pilihan utama dalam banyak aplikasi, terutama saat kebutuhan akan kecepatan dan kemudahan implementasi menjadi prioritas.

Referensi

• Yoon, K.P. and Hwang, C.-L. (1995) Multiple Attribute Decision Making: An Introduction. Vol. 104, Sage Publications, Thousand Oaks, CA.
• Wang, Y., & Elhag, T. M. S. (2006). Fuzzy TOPSIS Method Based on Alpha Level Sets with an Application to Bridge Risk Assessment. Expert Systems with Applications, 31, 309-319.

Saatnya mengaplikasikan metode ini dalam berbagai pengambilan keputusan untuk mendapatkan hasil yang lebih objektif dan terstruktur.

Jika Anda ingin mendapatkan inspirasi dunia dan inspirasi spiritual lainnya, jangan ragu untuk mengunjungi website hasanah.info. Bersama-sama, kita bisa menjalani hidup yang penuh berkah dan hasanah fiddunya wal akhirah

#Simple Additive Weighting