TOPSIS Methods

Methode TOPSIS
TOPSIS (Technique For Others Reference by Similarity to Ideal Solution) adalah salah satu metode pengambilan keputusan multikriteria. 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: Page 1

Khoirul Anwar, S.T., M.T @STIMATA 12

TOPSIS Methods

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. Khoirul Anwar, S.T., M.T @STIMATA 12 Page 2

TOPSIS Methods
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.

STUDI KASUS
Departemen Akademik dan Kemahasiswaan STIMATA, menyeleksi beberapa tenaga Dosen untuk di studilanjutkan ke magister Teknik Informatika (M.Kom). Beasiswa ini diperuntukkan untuk dua tenaga Dosen. Jumlah pendaftar sampai pada tanggal terakhir terkumpul 6 Dosen. Proses pembuatan Sistem Pendukung Keputusan, untuk system yang berbantuan methode TOPSIS dapat dilakukan dengan tahapan-tahapan sebagai berikut: 1. Langkah Pertama Penentuan kriteria Nilai Test Potensial Akademik (TPA) Nilai Test Of English Foreig Language (TOEFL) IPK Sarjana Rekomendasi Wawancara

Pembuatan table, No 1 2 3 4 5 2. Kriteria dan Pembobotan KRITERIA C1 C2 C3 C4 C5 KETERANGAN TPA IPK TOEFL Rekomendasi Interview

Teknik pembobotan pada kriteria dapat dilakukan dengan berbagai macam cara dan metode yang absah. Tahapan ini dikenal dengan istilah pra-proses. Pemberian nilai bobot bias dilakukan dengan cara sederhana yaitu dengan memberikan nilai pada masing-masing criteria secara langsung berdasarkan persentasi nilai bobotnya. Sedangkan untuk yang lebih baik bisa digunakan Deterministik, Stokastik, dan fuzzy. Penggunaan fuzzy, sangat dianjurkan bila kriteria yang dipilih mempunyai sifat yang relative, misal Umur, Panas, Tinggi, Baik atau sifat lainnya. Contoh Data Pra-Proses Dalam kasus ini, data diperoleh dari bagian staff Akademik dan Kemahasiswaan. Data didokumentasikan dari data dosen. Calon Dini Samsul Sigit TPA 690 590 600 IPK 3,1 3,9 3,6 TOEFL 478 788 798 Rekom 7 6 8 Interview 4 10 7 Page 3

Khoirul Anwar, S.T., M.T @STIMATA 12

TOPSIS Methods
Calon Dwi Linda Andri TPA 620 700 650 IPK 3,8 2,8 4,0 TOEFL 540 650 500 Rekom 10 4 9 Interview 6 6 8

Pembobotan (W) Pemboboton masing-masing criteria ditentukan sebagai berikut: No 1 2 3 4 5 Total KRITERIA C1 C2 C3 C4 C5 Nilai bobot 0.30 0.15 0.30 0.10 0.15 1

Keterangan Nilai bobot ditentukan oleh internal tim seleksi, didasarkan pada urgensi kriteria terhadap system yang dibangun Diubah ke dalam matrik keputusan sebagai berikut: 3. Membangun normalized decision matrix

Langkah-langkah dalam membangun normalisasi matrik keputusan 1. Menghitung kuadrat tiap-tiap criteria 2. Menjumlahkan nilai kuadrat tiap criteria 3. Menghitung normalisasi tiap calon untuk masing-masing criteria Contoh a. Kuadrat untuk Calon yang bernama Dini Nilai TPA = 690 * 690 = 476100 IPK = 3.1 * 3.1 = 9.61 TOEFL = 478 * 478 = 228484 Rekom =7*7 = 49 Interview =4*4 = 16 TPA 476100 IPK 9,61 TOEFL 228484 Rekom 49 Interview 16

Khoirul Anwar, S.T., M.T @STIMATA 12

Page 4

TOPSIS Methods
Dengan cara yang sama, untuk masing-masing calon yang lain dapat dihitung normalisasi matrik keputusannya. Sehingga nilai kuadrat secara keseluruhan terlihat seperti tabel berikut ini, TPA 476100 348100 360000 384400 490000 422500 IPK 9,61 15,21 12,96 14,44 7,84 16,00 TOEFL 228484 620944 636804 291600 422500 250000 Rekom 49 36 64 100 16 81 Interview 16 100 49 36 36 64

b. Menjumlahkan kuadrat tiap kriteria TPA = 476100 + 348100 + 360000 + 384400 + 490000 + 4225000 = 2481100 Akar kuadrat untuk masing-masing kriteria adalah TPA = 2481100 = 1575.15 TPA 2481100 1575,15

Hasil lengkap akar kuadrat untuk masing-masing kriteria, sebagai berikut: IPK 76,06 8,72 ) TOEFL 2450332 1565,354 Rekom 346 18,60 Interview 301 17,34

Sum kuadrat Akar Kuadrat

c. Normalisasi Matrik Keputusan (

Tabel Normalisasi Matrik Keputusan R11 = X11 / akar kuadrat(C1) = 390 / 1575,15 = 0,43805 R21 = X21 / akar kuadrat(C1) = 590 / 1575,15 = 0,37457 Table lengkapnya adalah sebagai berikut: 0,43805 0,37457 0,38092 0,39361 0,4444 0,41266 0,355454 0,447184 0,412785 0,435718 0,321055 0,45865 0,305362 0,503401 0,509789 0,34497 0,415242 0,319417 0,376322 0,322562 0,430083 0,537603 0,215041 0,483843 0,230556 0,57639 0,403473 0,345834 0,345834 0,461112

Khoirul Anwar, S.T., M.T @STIMATA 12

Page 5

TOPSIS Methods
4. Weighted Normalized Decision Matrix Rumusan Vi = Wij * Rij Bobot untuk masing-masing kriteria adalah sebagai berikut TPA IPK TOEFL Rekom Interview 0,3 0,15 0,3 0,1 0,15 Sehingga V11 = W1 * R11 = 0,43805 * 0,30 = 0,13142 V12 = W2 * R11 = 0,35545 * 0,15 = 0,053318 V13 = W3 * R11 = 0,30536 * 0,30 = 0,091609 V14 = W4 * R11 = 0,37632 * 0,10 = 0,037632 V15 = W5 * R11 = 0,23055 * 0,15 = 0,034583 Calon Dini TPA 0,13142 IPK 0,053318 TOEFL 0,091609 Rekom 0,037632 Interview 0,034583

Sehingga Matrik Normalisasi Keputusan (Vij) secara lengkap sebagai berikut: 0,13142 0,11237 0,11427 0,11808 0,13332 0,12380 5. 0,053318 0,067078 0,061918 0,065358 0,048158 0,068798 0,091609 0,151020 0,152937 0,103491 0,124572 0,095825 0,037632 0,032256 0,043008 0,053760 0,021504 0,048384 0,034583 0,086459 0,060521 0,051875 0,051875 0,069167

Menentukan solusi ideal positif dan solusi ideal negatif. Nilai yang paling mendekati 1, maka dipilih sebagai ideal positif sedangkan yang paling mendekati nilai 0, maka dianggab sebagai ideal negative. Tabel berikut ini, menunjukkan ideal positif dan ideal negative. TPA IPK TOEFL Rekom Interview 0,1333 0,0688 0,152 0,0538 0,0865 0,1124 0,0533 0,092 0,0215 0,0346

Mak( Vj ) Min(Vj-) 6.

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

SDini+ = ((0,13142-0,1333)2 + (0,053318-0,0688)2 + (0,091609-0,151)2 + (0,037632-0,0538)2 + (0,0345830,0865)2)1/2 = 0,08202 Ssamsul+ Ssigit+ SDwi+ SLinda+ = 0,030086 = 0,034705 = 0,060822 = 0,058021 Page 6

Khoirul Anwar, S.T., M.T @STIMATA 12

TOPSIS Methods
SAndi+ = 0,058859

7.

Dan jarak terhadap solusi negatif-ideal didefinisikan sebagai:

SDini- = ((0,13142-0,1124)2 + (0,053318-0,0533)2 + (0,091609-0,0916)2 + (0,037632-0,0215)2 + (0,0345830,0346)2)1/2 = 0,024937 - = 0,080781 SSamsul SSigit- = 0,070530 SDwi= 0,040722 SLinda = 0,043008 SAndi- = 0,048016 8. Menghitung kedekatan relatif terhadap solusi ideal

Cdini+ Csamsul+ Csigit+ Cdwi+ Clinda+ Candri+ 9.

=(0,024937 / (0,082020+0,024937)) = 0,76684989 =(0,271379 / (0,030086+0,271369)) = 0,27136918 =(0,329786 / (0,034705+0,329786)) = 0,32978657 =(0,598975 / (0,060822+0,598976)) = 0,59897578 =(0,574296 / (0,058021+0,574298)) = 0,57429674 =(0,550724 / (0,058859+0,550725)) = 0,55072458

Perankingan Csamsul <Csigit <Candri <Clinda <Cdwi < Cdini

10. Kesimpulan Berdasarkan perankingan nilai, maka Dosen yang mendapat beasiswa studi lanjut adalah {Dini, Dwi}

Khoirul Anwar, S.T., M.T @STIMATA 12

Page 7