Fuzzy SAW

Fuzzy SAW: Contoh Perhitungan dan Perangkingan

Diterbitkan 05 July 2022

Metode Fuzzy SAW

Contoh perhitungan Sistem Pendukung Keputusan (SPK) metode Fuzzy Simple Additive Weighting (SAW).

Untuk memahami dasar normalisasi dan pembobotan sebelum pendekatan fuzzy, lihat metode SAW. Sebagai pembanding metode SPK lain, lihat juga Fuzzy AHP dan TOPSIS.

Daftar Isi

Menyiapkan Data

Data Kriteria

Berikut adalah data kriteria penilaian.

Kode Nama Atribut Bobot
C1 Penjualan Produk Merek benefit 0.1
C2 Sales Revenue benefit 0.3
C3 Distribution Development benefit 0.2
C4 Ketidakhadiran cost 0.25
C5 Keluhan Toko benefit 0.15

Atribut benefit artinya, semakin besar nilainya semakin bagus, sedangkan atribut cost artinya semakin kecil nilainya semakin bagus.

Data Crisp

Crisp merupakan pilihan nilai setiap kriteria. Crisp dalam kriteria bisa sama, bisa berbeda. Dalam kasus ini, crisp dibuat sama untuk setiap kriteria. Setiap crisp memiliki 3 nilai himpunan fuzzy yaitu Low (L), Medium (M), dan High (U).

Masing-masing nilai fuzzy untuk crisp sebagai berikut.

Kode L M U
SK 0.1 0.1 0.25
K 0.1 0.25 0.5
C 0.25 0.5 0.75
B 0.5 0.75 1
SB 0.75 1 1

Data Nilai Alternatif

Berikut adalah contoh data penilaian alternatif untuk masing-masing kriteria.

Kode Nama Penjualan Produk Merek Sales Revenue Distribution Development Ketidakhadiran Keluhan Toko
A1 Hanna B K C B SK
A2 Laurence C B K SK C
A3 Elizabeth B K K B SB
A4 Victoria C C C B B
A5 Patricio C B SB B C

Perhitungan Fuzzy SAW

Menampilkan Nilai Alternatif Dalam LMU

Tahap ini menampilkan nilai alternatif dalam bentuk LMU sesuai data crisp. Hasilnya sebagai berikut.

Kode C1 C2 C3 C4 C5
L M U L M U L M U L M U L M U
A1 0.5 0.75 1 0.1 0.25 0.5 0.25 0.5 0.75 0.5 0.75 1 0.1 0.1 0.25
A2 0.25 0.5 0.75 0.5 0.75 1 0.1 0.25 0.5 0.1 0.1 0.25 0.25 0.5 0.75
A3 0.5 0.75 1 0.1 0.25 0.5 0.1 0.25 0.5 0.5 0.75 1 0.75 1 1
A4 0.25 0.5 0.75 0.25 0.5 0.75 0.25 0.5 0.75 0.5 0.75 1 0.5 0.75 1
A5 0.25 0.5 0.75 0.5 0.75 1 0.75 1 1 0.5 0.75 1 0.25 0.5 0.75

Menghitung Nilai Min & Max

Tahap ini adalah mencari nilai terkecil (min) dan nilai terbesar (max) dari LMU setiap nilai alternatif pada setiap kriteria. Perhitungannya seperti berikut.

  • Kriteria Penjualan Produk Merek
    • Max nilai L : max(0.5, 0.25, 0.5, 0.25, 0.25) = 0.5 Min nilai L : min(0.5, 0.25, 0.5, 0.25, 0.25) = 0.25
    • Max nilai M : max(0.75, 0.5, 0.75, 0.5, 0.5) = 0.75 Min nilai M : min(0.75, 0.5, 0.75, 0.5, 0.5) = 0.5
    • Max nilai U : max(1, 0.75, 1, 0.75, 0.75) = 1 Min nilai U : min(1, 0.75, 1, 0.75, 0.75) = 0.75
  • Kriteria Sales Revenue
    • Max nilai L : max(0.1, 0.5, 0.1, 0.25, 0.5) = 0.5 Min nilai L : min(0.1, 0.5, 0.1, 0.25, 0.5) = 0.1
    • Max nilai M : max(0.25, 0.75, 0.25, 0.5, 0.75) = 0.75 Min nilai M : min(0.25, 0.75, 0.25, 0.5, 0.75) = 0.25
    • Max nilai U : max(0.5, 1, 0.5, 0.75, 1) = 1 Min nilai U : min(0.5, 1, 0.5, 0.75, 1) = 0.5
  • Kriteria Distribution Development
    • Max nilai L : max(0.25, 0.1, 0.1, 0.25, 0.75) = 0.75 Min nilai L : min(0.25, 0.1, 0.1, 0.25, 0.75) = 0.1
    • Max nilai M : max(0.5, 0.25, 0.25, 0.5, 1) = 1 Min nilai M : min(0.5, 0.25, 0.25, 0.5, 1) = 0.25
    • Max nilai U : max(0.75, 0.5, 0.5, 0.75, 1) = 1 Min nilai U : min(0.75, 0.5, 0.5, 0.75, 1) = 0.5
  • Kriteria Ketidakhadiran
    • Max nilai L : max(0.5, 0.1, 0.5, 0.5, 0.5) = 0.5 Min nilai L : min(0.5, 0.1, 0.5, 0.5, 0.5) = 0.1
    • Max nilai M : max(0.75, 0.1, 0.75, 0.75, 0.75) = 0.75 Min nilai M : min(0.75, 0.1, 0.75, 0.75, 0.75) = 0.1
    • Max nilai U : max(1, 0.25, 1, 1, 1) = 1 Min nilai U : min(1, 0.25, 1, 1, 1) = 0.25
  • Kriteria Keluhan Toko
    • Max nilai L : max(0.1, 0.25, 0.75, 0.5, 0.25) = 0.75 Min nilai L : min(0.1, 0.25, 0.75, 0.5, 0.25) = 0.1
    • Max nilai M : max(0.1, 0.5, 1, 0.75, 0.5) = 1 Min nilai M : min(0.1, 0.5, 1, 0.75, 0.5) = 0.1
    • Max nilai U : max(0.25, 0.75, 1, 1, 0.75) = 1 Min nilai U : min(0.25, 0.75, 1, 1, 0.75) = 0.25

Hasilnya seperti berikut.

Kode C1 C2 C3 C4 C5
L M U L M U L M U L M U L M U
Min 0.25 0.5 0.75 0.1 0.25 0.5 0.1 0.25 0.5 0.1 0.1 0.25 0.1 0.1 0.25
Max 0.5 0.75 1 0.5 0.75 1 0.75 1 1 0.5 0.75 1 0.75 1 1

Normalisasi

Rumus normalisasi metode SAW adalah:

$$ r_{ij}= \begin{cases} \frac{x_{ij}}{\text{max } x_{ij}} \text{ jika benefit } \\ \frac{\text{min } x_{ij}}{x_{ij}}\text{ jika cost } \end{cases} $$

Untuk metode fuzzy SAW dengan LMU, maka LMU dibandingkan dengan max(U) untuk benefit dan min (L) untuk cost. Detail seperti berikut.

  • Alternatif A1 (Hanna)
    • Kriteria Penjualan Produk Merek
      • Karena benefit, maka rij = A1_C1_L / max_C1_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A1_C1_M / max_C1_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A1_C1_U / max_C1_U = 1 / 1 = 1
    • Kriteria Sales Revenue
      • Karena benefit, maka rij = A1_C2_L / max_C2_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A1_C2_M / max_C2_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A1_C2_U / max_C2_U = 0.5 / 1 = 0.5
    • Kriteria Distribution Development
      • Karena benefit, maka rij = A1_C3_L / max_C3_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A1_C3_M / max_C3_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A1_C3_U / max_C3_U = 0.75 / 1 = 0.75
    • Kriteria Ketidakhadiran
      • Karena cost, maka rij = min_C4_L / A1_C4_L = 0.1 / 0.5 = 0.2
      • Karena cost, maka rij = min_C4_L / A1_C4_M = 0.1 / 0.75 = 0.1333
      • Karena cost, maka rij = min_C4_L / A1_C4_U = 0.1 / 1 = 0.1
    • Kriteria Keluhan Toko
      • Karena benefit, maka rij = A1_C5_L / max_C5_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A1_C5_M / max_C5_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A1_C5_U / max_C5_U = 0.25 / 1 = 0.25
  • Alternatif A2 (Laurence)
    • Kriteria Penjualan Produk Merek
      • Karena benefit, maka rij = A2_C1_L / max_C1_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A2_C1_M / max_C1_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A2_C1_U / max_C1_U = 0.75 / 1 = 0.75
    • Kriteria Sales Revenue
      • Karena benefit, maka rij = A2_C2_L / max_C2_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A2_C2_M / max_C2_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A2_C2_U / max_C2_U = 1 / 1 = 1
    • Kriteria Distribution Development
      • Karena benefit, maka rij = A2_C3_L / max_C3_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A2_C3_M / max_C3_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A2_C3_U / max_C3_U = 0.5 / 1 = 0.5
    • Kriteria Ketidakhadiran
      • Karena cost, maka rij = min_C4_L / A2_C4_L = 0.1 / 0.1 = 1
      • Karena cost, maka rij = min_C4_L / A2_C4_M = 0.1 / 0.1 = 1
      • Karena cost, maka rij = min_C4_L / A2_C4_U = 0.1 / 0.25 = 0.4
    • Kriteria Keluhan Toko
      • Karena benefit, maka rij = A2_C5_L / max_C5_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A2_C5_M / max_C5_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A2_C5_U / max_C5_U = 0.75 / 1 = 0.75
  • Alternatif A3 (Elizabeth)
    • Kriteria Penjualan Produk Merek
      • Karena benefit, maka rij = A3_C1_L / max_C1_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A3_C1_M / max_C1_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A3_C1_U / max_C1_U = 1 / 1 = 1
    • Kriteria Sales Revenue
      • Karena benefit, maka rij = A3_C2_L / max_C2_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A3_C2_M / max_C2_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A3_C2_U / max_C2_U = 0.5 / 1 = 0.5
    • Kriteria Distribution Development
      • Karena benefit, maka rij = A3_C3_L / max_C3_U = 0.1 / 1 = 0.1
      • Karena benefit, maka rij = A3_C3_M / max_C3_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A3_C3_U / max_C3_U = 0.5 / 1 = 0.5
    • Kriteria Ketidakhadiran
      • Karena cost, maka rij = min_C4_L / A3_C4_L = 0.1 / 0.5 = 0.2
      • Karena cost, maka rij = min_C4_L / A3_C4_M = 0.1 / 0.75 = 0.1333
      • Karena cost, maka rij = min_C4_L / A3_C4_U = 0.1 / 1 = 0.1
    • Kriteria Keluhan Toko
      • Karena benefit, maka rij = A3_C5_L / max_C5_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A3_C5_M / max_C5_U = 1 / 1 = 1
      • Karena benefit, maka rij = A3_C5_U / max_C5_U = 1 / 1 = 1
  • Alternatif A4 (Victoria)
    • Kriteria Penjualan Produk Merek
      • Karena benefit, maka rij = A4_C1_L / max_C1_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A4_C1_M / max_C1_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A4_C1_U / max_C1_U = 0.75 / 1 = 0.75
    • Kriteria Sales Revenue
      • Karena benefit, maka rij = A4_C2_L / max_C2_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A4_C2_M / max_C2_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A4_C2_U / max_C2_U = 0.75 / 1 = 0.75
    • Kriteria Distribution Development
      • Karena benefit, maka rij = A4_C3_L / max_C3_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A4_C3_M / max_C3_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A4_C3_U / max_C3_U = 0.75 / 1 = 0.75
    • Kriteria Ketidakhadiran
      • Karena cost, maka rij = min_C4_L / A4_C4_L = 0.1 / 0.5 = 0.2
      • Karena cost, maka rij = min_C4_L / A4_C4_M = 0.1 / 0.75 = 0.1333
      • Karena cost, maka rij = min_C4_L / A4_C4_U = 0.1 / 1 = 0.1
    • Kriteria Keluhan Toko
      • Karena benefit, maka rij = A4_C5_L / max_C5_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A4_C5_M / max_C5_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A4_C5_U / max_C5_U = 1 / 1 = 1
  • Alternatif A5 (Patricio)
    • Kriteria Penjualan Produk Merek
      • Karena benefit, maka rij = A5_C1_L / max_C1_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A5_C1_M / max_C1_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A5_C1_U / max_C1_U = 0.75 / 1 = 0.75
    • Kriteria Sales Revenue
      • Karena benefit, maka rij = A5_C2_L / max_C2_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A5_C2_M / max_C2_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A5_C2_U / max_C2_U = 1 / 1 = 1
    • Kriteria Distribution Development
      • Karena benefit, maka rij = A5_C3_L / max_C3_U = 0.75 / 1 = 0.75
      • Karena benefit, maka rij = A5_C3_M / max_C3_U = 1 / 1 = 1
      • Karena benefit, maka rij = A5_C3_U / max_C3_U = 1 / 1 = 1
    • Kriteria Ketidakhadiran
      • Karena cost, maka rij = min_C4_L / A5_C4_L = 0.1 / 0.5 = 0.2
      • Karena cost, maka rij = min_C4_L / A5_C4_M = 0.1 / 0.75 = 0.1333
      • Karena cost, maka rij = min_C4_L / A5_C4_U = 0.1 / 1 = 0.1
    • Kriteria Keluhan Toko
      • Karena benefit, maka rij = A5_C5_L / max_C5_U = 0.25 / 1 = 0.25
      • Karena benefit, maka rij = A5_C5_M / max_C5_U = 0.5 / 1 = 0.5
      • Karena benefit, maka rij = A5_C5_U / max_C5_U = 0.75 / 1 = 0.75

Hasilnya seperti berikut.

Kode C1 C2 C3 C4 C5
L M U L M U L M U L M U L M U
A1 0.5 0.75 1 0.1 0.25 0.5 0.25 0.5 0.75 0.2 0.1333 0.1 0.1 0.1 0.25
A2 0.25 0.5 0.75 0.5 0.75 1 0.1 0.25 0.5 1 1 0.4 0.25 0.5 0.75
A3 0.5 0.75 1 0.1 0.25 0.5 0.1 0.25 0.5 0.2 0.1333 0.1 0.75 1 1
A4 0.25 0.5 0.75 0.25 0.5 0.75 0.25 0.5 0.75 0.2 0.1333 0.1 0.5 0.75 1
A5 0.25 0.5 0.75 0.5 0.75 1 0.75 1 1 0.2 0.1333 0.1 0.25 0.5 0.75

Normalisasi Terbobot

Normalisasi terbobot diperoleh dengan mengalikan normalisasi dengan bobot kriteria. Perhitungannya sebagai berikut

  • Alternatif A1 Hanna
    • Kriteria C1 Penjualan Produk Merek
      • L = 0.5 * 0.1 = 0.05
      • M = 0.75 * 0.1 = 0.075
      • U = 1 * 0.1 = 0.1
    • Kriteria C2 Sales Revenue
      • L = 0.1 * 0.3 = 0.03
      • M = 0.25 * 0.3 = 0.075
      • U = 0.5 * 0.3 = 0.15
    • Kriteria C3 Distribution Development
      • L = 0.25 * 0.2 = 0.05
      • M = 0.5 * 0.2 = 0.1
      • U = 0.75 * 0.2 = 0.15
    • Kriteria C4 Ketidakhadiran
      • L = 0.2 * 0.25 = 0.05
      • M = 0.1333 * 0.25 = 0.0333
      • U = 0.1 * 0.25 = 0.025
    • Kriteria C5 Keluhan Toko
      • L = 0.1 * 0.15 = 0.015
      • M = 0.1 * 0.15 = 0.015
      • U = 0.25 * 0.15 = 0.0375
  • Alternatif A2 Laurence
    • Kriteria C1 Penjualan Produk Merek
      • L = 0.25 * 0.1 = 0.025
      • M = 0.5 * 0.1 = 0.05
      • U = 0.75 * 0.1 = 0.075
    • Kriteria C2 Sales Revenue
      • L = 0.5 * 0.3 = 0.15
      • M = 0.75 * 0.3 = 0.225
      • U = 1 * 0.3 = 0.3
    • Kriteria C3 Distribution Development
      • L = 0.1 * 0.2 = 0.02
      • M = 0.25 * 0.2 = 0.05
      • U = 0.5 * 0.2 = 0.1
    • Kriteria C4 Ketidakhadiran
      • L = 1 * 0.25 = 0.25
      • M = 1 * 0.25 = 0.25
      • U = 0.4 * 0.25 = 0.1
    • Kriteria C5 Keluhan Toko
      • L = 0.25 * 0.15 = 0.0375
      • M = 0.5 * 0.15 = 0.075
      • U = 0.75 * 0.15 = 0.1125
  • Alternatif A3 Elizabeth
    • Kriteria C1 Penjualan Produk Merek
      • L = 0.5 * 0.1 = 0.05
      • M = 0.75 * 0.1 = 0.075
      • U = 1 * 0.1 = 0.1
    • Kriteria C2 Sales Revenue
      • L = 0.1 * 0.3 = 0.03
      • M = 0.25 * 0.3 = 0.075
      • U = 0.5 * 0.3 = 0.15
    • Kriteria C3 Distribution Development
      • L = 0.1 * 0.2 = 0.02
      • M = 0.25 * 0.2 = 0.05
      • U = 0.5 * 0.2 = 0.1
    • Kriteria C4 Ketidakhadiran
      • L = 0.2 * 0.25 = 0.05
      • M = 0.1333 * 0.25 = 0.0333
      • U = 0.1 * 0.25 = 0.025
    • Kriteria C5 Keluhan Toko
      • L = 0.75 * 0.15 = 0.1125
      • M = 1 * 0.15 = 0.15
      • U = 1 * 0.15 = 0.15
  • Alternatif A4 Victoria
    • Kriteria C1 Penjualan Produk Merek
      • L = 0.25 * 0.1 = 0.025
      • M = 0.5 * 0.1 = 0.05
      • U = 0.75 * 0.1 = 0.075
    • Kriteria C2 Sales Revenue
      • L = 0.25 * 0.3 = 0.075
      • M = 0.5 * 0.3 = 0.15
      • U = 0.75 * 0.3 = 0.225
    • Kriteria C3 Distribution Development
      • L = 0.25 * 0.2 = 0.05
      • M = 0.5 * 0.2 = 0.1
      • U = 0.75 * 0.2 = 0.15
    • Kriteria C4 Ketidakhadiran
      • L = 0.2 * 0.25 = 0.05
      • M = 0.1333 * 0.25 = 0.0333
      • U = 0.1 * 0.25 = 0.025
    • Kriteria C5 Keluhan Toko
      • L = 0.5 * 0.15 = 0.075
      • M = 0.75 * 0.15 = 0.1125
      • U = 1 * 0.15 = 0.15
  • Alternatif A5 Patricio
    • Kriteria C1 Penjualan Produk Merek
      • L = 0.25 * 0.1 = 0.025
      • M = 0.5 * 0.1 = 0.05
      • U = 0.75 * 0.1 = 0.075
    • Kriteria C2 Sales Revenue
      • L = 0.5 * 0.3 = 0.15
      • M = 0.75 * 0.3 = 0.225
      • U = 1 * 0.3 = 0.3
    • Kriteria C3 Distribution Development
      • L = 0.75 * 0.2 = 0.15
      • M = 1 * 0.2 = 0.2
      • U = 1 * 0.2 = 0.2
    • Kriteria C4 Ketidakhadiran
      • L = 0.2 * 0.25 = 0.05
      • M = 0.1333 * 0.25 = 0.0333
      • U = 0.1 * 0.25 = 0.025
    • Kriteria C5 Keluhan Toko
      • L = 0.25 * 0.15 = 0.0375
      • M = 0.5 * 0.15 = 0.075
      • U = 0.75 * 0.15 = 0.1125

Hasilnya seperti berikut.

Kode C1 C2 C3 C4 C5
L M U L M U L M U L M U L M U
A1 0.05 0.075 0.1 0.03 0.075 0.15 0.05 0.1 0.15 0.05 0.0333 0.025 0.015 0.015 0.0375
A2 0.025 0.05 0.075 0.15 0.225 0.3 0.02 0.05 0.1 0.25 0.25 0.1 0.0375 0.075 0.1125
A3 0.05 0.075 0.1 0.03 0.075 0.15 0.02 0.05 0.1 0.05 0.0333 0.025 0.1125 0.15 0.15
A4 0.025 0.05 0.075 0.075 0.15 0.225 0.05 0.1 0.15 0.05 0.0333 0.025 0.075 0.1125 0.15
A5 0.025 0.05 0.075 0.15 0.225 0.3 0.15 0.2 0.2 0.05 0.0333 0.025 0.0375 0.075 0.1125

Rata-Rata LMU Terbobot

Tahap ini adalah menghitung rata-rata LMU dari setiap nilai alternatif setiap kriteria normalisasi terbobot. Langkahnya sebagai berikut.

  • Alternatif A1 Hanna
    • Kriteria C1 Penjualan Produk Merek = avg(0.05, 0.075, 0.1) = (0.05, 0.075, 0.1) / 3 = 0.075
    • Kriteria C2 Sales Revenue = avg(0.03, 0.075, 0.15) = (0.03, 0.075, 0.15) / 3 = 0.085
    • Kriteria C3 Distribution Development = avg(0.05, 0.1, 0.15) = (0.05, 0.1, 0.15) / 3 = 0.1
    • Kriteria C4 Ketidakhadiran = avg(0.05, 0.0333, 0.025) = (0.05, 0.0333, 0.025) / 3 = 0.0361
    • Kriteria C5 Keluhan Toko = avg(0.015, 0.015, 0.0375) = (0.015, 0.015, 0.0375) / 3 = 0.0225
  • Alternatif A2 Laurence
    • Kriteria C1 Penjualan Produk Merek = avg(0.025, 0.05, 0.075) = (0.025, 0.05, 0.075) / 3 = 0.05
    • Kriteria C2 Sales Revenue = avg(0.15, 0.225, 0.3) = (0.15, 0.225, 0.3) / 3 = 0.225
    • Kriteria C3 Distribution Development = avg(0.02, 0.05, 0.1) = (0.02, 0.05, 0.1) / 3 = 0.0567
    • Kriteria C4 Ketidakhadiran = avg(0.25, 0.25, 0.1) = (0.25, 0.25, 0.1) / 3 = 0.2
    • Kriteria C5 Keluhan Toko = avg(0.0375, 0.075, 0.1125) = (0.0375, 0.075, 0.1125) / 3 = 0.075
  • Alternatif A3 Elizabeth
    • Kriteria C1 Penjualan Produk Merek = avg(0.05, 0.075, 0.1) = (0.05, 0.075, 0.1) / 3 = 0.075
    • Kriteria C2 Sales Revenue = avg(0.03, 0.075, 0.15) = (0.03, 0.075, 0.15) / 3 = 0.085
    • Kriteria C3 Distribution Development = avg(0.02, 0.05, 0.1) = (0.02, 0.05, 0.1) / 3 = 0.0567
    • Kriteria C4 Ketidakhadiran = avg(0.05, 0.0333, 0.025) = (0.05, 0.0333, 0.025) / 3 = 0.0361
    • Kriteria C5 Keluhan Toko = avg(0.1125, 0.15, 0.15) = (0.1125, 0.15, 0.15) / 3 = 0.1375
  • Alternatif A4 Victoria
    • Kriteria C1 Penjualan Produk Merek = avg(0.025, 0.05, 0.075) = (0.025, 0.05, 0.075) / 3 = 0.05
    • Kriteria C2 Sales Revenue = avg(0.075, 0.15, 0.225) = (0.075, 0.15, 0.225) / 3 = 0.15
    • Kriteria C3 Distribution Development = avg(0.05, 0.1, 0.15) = (0.05, 0.1, 0.15) / 3 = 0.1
    • Kriteria C4 Ketidakhadiran = avg(0.05, 0.0333, 0.025) = (0.05, 0.0333, 0.025) / 3 = 0.0361
    • Kriteria C5 Keluhan Toko = avg(0.075, 0.1125, 0.15) = (0.075, 0.1125, 0.15) / 3 = 0.1125
  • Alternatif A5 Patricio
    • Kriteria C1 Penjualan Produk Merek = avg(0.025, 0.05, 0.075) = (0.025, 0.05, 0.075) / 3 = 0.05
    • Kriteria C2 Sales Revenue = avg(0.15, 0.225, 0.3) = (0.15, 0.225, 0.3) / 3 = 0.225
    • Kriteria C3 Distribution Development = avg(0.15, 0.2, 0.2) = (0.15, 0.2, 0.2) / 3 = 0.1833
    • Kriteria C4 Ketidakhadiran = avg(0.05, 0.0333, 0.025) = (0.05, 0.0333, 0.025) / 3 = 0.0361
    • Kriteria C5 Keluhan Toko = avg(0.0375, 0.075, 0.1125) = (0.0375, 0.075, 0.1125) / 3 = 0.075

Hasilnya seperti berikut.

Kode C1 C2 C3 C4 C5
A1 0.075 0.085 0.1 0.0361 0.0225
A2 0.05 0.225 0.0567 0.2 0.075
A3 0.075 0.085 0.0567 0.0361 0.1375
A4 0.05 0.15 0.1 0.0361 0.1125
A5 0.05 0.225 0.1833 0.0361 0.075

Mencari Total Alternatif

Tahap ini adalah menjumlahkan nilai rata-rata setiap alternatif. Langkahnya sebagai berikut.

  • Alternatif A1 Hanna = 0.075 + 0.085 + 0.1 + 0.0361 + 0.0225 = 0.3186
  • Alternatif A2 Laurence = 0.05 + 0.225 + 0.0567 + 0.2 + 0.075 = 0.6067
  • Alternatif A3 Elizabeth = 0.075 + 0.085 + 0.0567 + 0.0361 + 0.1375 = 0.3903
  • Alternatif A4 Victoria = 0.05 + 0.15 + 0.1 + 0.0361 + 0.1125 = 0.4486
  • Alternatif A5 Patricio = 0.05 + 0.225 + 0.1833 + 0.0361 + 0.075 = 0.5694

Alternatif kemudian dirangking berdasarkan total terbesar, hasilnya seperti berikut.

Rank Kode Nama Total
1 A2 Laurence 0.6067
2 A5 Patricio 0.5694
3 A4 Victoria 0.4486
4 A3 Elizabeth 0.3903
5 A1 Hanna 0.3186

Berdasarkan perhitungan, maka alternatif yang terpilih adalah Laurence dengan total nilai 0.6067.

Hasil tersebut berasal dari proses Fuzzy SAW pada data contoh di atas. Untuk membandingkan mekanisme perangkingannya dengan metode lain, pelajari SAW, Fuzzy AHP, dan TOPSIS.

Source Code Metode Fuzzy SAW

Berikut adalah beberapa source-code yang menggunakan metode Fuzzy SAW baik berbasis web maupun desktop.

Ada yang Ditanyakan?

Jika masih ada kesulitan atau kekeliruan tentang metode di atas, silakan hubungi kami melalui halaman Kontak.

Perhitungan Excel tersedia melalui halaman Download, sedangkan aplikasi terkait dapat dilihat pada halaman Daftar Source Code.

Donasi digunakan untuk biaya server dan mendukung pembuatan tutorial metode atau algoritma lainnya.

Lihat semua

Komentar

Belum ada komentar.

Tulis Komentar

Komentar pengunjung diperiksa sebelum ditampilkan.

Pencarian

Produk populer

Source Code Sistem Pakar Metode Certainty Factor C Sharp (C#) Source Code Sistem Pakar Metode Certainty Factor C Sharp (C#)
Source Code Sistem Informasi Umrah Haji PHP Source Code Sistem Informasi Umrah Haji PHP
Source Code SPK Metode AHP Codeigniter + Crisp Source Code SPK Metode AHP Codeigniter + Crisp
Source Code SPK Rekomendasi Metode AHP PHP Source Code SPK Rekomendasi Metode AHP PHP
Source Code SPK Metode Fuzzy AHP PHP Source Code SPK Metode Fuzzy AHP PHP