17 - dss-saw

DSS dan Metode SAW

Ringkasan

Decision Support System (DSS) / Sistem Pendukung Keputusan (SPK) adalah sistem berbasis komputer yang membantu manusia/organisasi mengambil keputusan memakai data, model, dan metode analisis — bukan menggantikan pengambil keputusan, melainkan memberi informasi, analisis, dan rekomendasi yang terstruktur. Metode yang dibahas BKPM: SAW (dikerjakan penuh lewat dua contoh), plus AHP, TOPSIS, WP, MOORA, SMART, Profile Matching, PROMETHEE (disebut saja). Alur SAW: Alternatif → Kriteria → Bobot → Normalisasi → Nilai akhir → Ranking.

---

Konsep Kunci

1. Komponen utama SPK

Komponen	Fungsi
Data	Menyimpan data untuk pengambilan keputusan
Model/Metode	Mengolah dan menganalisis data
Basis Pengetahuan	Menyimpan aturan / informasi pendukung
User Interface	Media interaksi pengguna–sistem
Pengguna / Decision Maker	Tetap menentukan keputusan akhir

2. Benefit vs cost

• Benefit: makin besar makin baik (misal nilai investasi, daya dukung). Normalisasi: $r_{ij}=\frac{x_{ij}}{{\max }_i{x}_{ij}}$.
• Cost: makin kecil makin baik (misal harga). Normalisasi: $r_{ij}=\frac{{\min }_i{x}_{ij}}{x_{ij}}$.
• Salah menetapkan jenis = ranking terbalik; ini titik paling rawan.

3. Alur 5 tahap SAW (BKPM)

1. Tentukan alternatif dan kriteria.
2. Tentukan bobot tiap kriteria + jenisnya (benefit/cost).
3. Normalisasi matriks keputusan $\to r_{ij}$ (rumus di atas; $r_{ij}$ = rating ternormalisasi alternatif $A_i$ pada atribut $C_j$).
4. Hitung nilai preferensi: $V_i={\sum }_j{w}_j{r}_{ij}$.
5. Ranking: $V_i$ terbesar = alternatif terpilih.

Transclude of excalidraw/flowchart-saw-ranking.excalidraw

4. Keterbatasan

Hasil sangat bergantung pada ketepatan penentuan kriteria, bobot, jenis benefit/cost, dan kualitas data. Bobot subjektif pengambil keputusan langsung menggeser pemenang.

---

Contoh (dengan perhitungan)

Contoh 1 — Kepala UPT TIK (semua benefit, $6\times 4$)

Kriteria: C1 wawasan SI, C2 praktik jaringan, C3 kepribadian, C4 agama. Bobot $w=[0,35;0,25;0,25;0,15]$. Alternatif: A1 Indra, A2 Roni, A3 Putri, A4 Dani, A5 Ratna, A6 Mira.

Matriks (C1–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]. Maks kolom: 85, 75, 85, 85.

Normalisasi (contoh Indra): $r=[70/85;50/75;80/85;60/85]=[0,8235;0,6667;0,9412;0,7059]$.

Nilai preferensi (hitung ulang terverifikasi):

• V1 Indra $=0,35(0,8235)+0,25(0,6667)+0,25(0,9412)+0,15(0,7059)=0,7961$
• V2 Roni $=0,7706$
• V3 Putri $=0,9010$
• V4 Dani $=0,9122$
• V5 Ratna $=0,35(0,8824)+0,25(1)+0,25(1)+0,15(0,8706)=0,9394$ ← pemenang
• V6 Mira $=0,7837$

Contoh 2 — Investasi SIP ($4\times 5$, campuran)

Alternatif: A1 mobil box, A2 tanah gudang, A3 maintenance TI, A4 produk baru. Bobot $w=[0,25;0,15;0,30;0,25;0,05]$. Jenis: C1 harga = cost; C2 nilai investasi = benefit; C3 daya dukung = benefit; C4 prioritas (1 sangat → 3 cukup) = cost; C5 ketersediaan = benefit.

Data: A1 [150, 15, 2, 2, 3]; A2 [500, 200, 2, 3, 2]; A3 [200, 10, 3, 1, 3]; A4 [350, 100, 3, 1, 2]. Min C1 $=150$, maks C2 $=200$, maks C3 $=3$, min C4 $=1$, maks C5 $=3$.

Normalisasi (contoh A3): $r=[150/200;10/200;3/3;1/1;3/3]=[0,75;0,05;1;1;1]$.

Nilai preferensi:

• V1 $=0,25(1)+0,15(0,075)+0,30(0,6667)+0,25(0,5)+0,05(1)=0,6362$
• V2 $=0,5417$
• V3 $=0,25(0,75)+0,15(0,05)+0,30(1)+0,25(1)+0,05(1)=0,795$ ← pemenang (maintenance TI)
• V4 $=0,7655$

---

Keterkaitan

• Mandiri terhadap dua halaman fuzzy (tidak ada prasyarat hitungan fuzzy).
• Jembatan konseptual: output tegas FIS (misal FIS Tsukamoto–Sugeno) dapat menjadi salah satu kriteria/skor input DSS; DSS menggabungkan banyak kriteria berbobot menjadi ranking.