TOPSIS (Technique For Others Reference by Similarity to

Ideal Solution)
Tugas ini disusun Guna Memenuhi Tugas Mata Kuliah Sistem
Pendukung Keputusan
Dosen Pengampu: Nurochman,M.Kom

Disusun oleh :
Galih Setiawan N (07650041)
Wiwit Nuryanti (07650059)
Aini Zahra (08650027)
Wieda Muqoffa (08650041)
Ramini (08650054)
Reky Ansi Asita Hanani (08650061)
Faizal Rijal Susanto (08650072)
Jefri Adhitya W (08650076)
Yenny Azanti Suryaningsih (08650079)
Heri Setiawan (08650098)

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA
YOGYAKARTA

2011
I.

PENDAHULUAN DAN DEFINISI

Permasalahan pengambilan keputusan merupakan proses pencarian opsi
terbaik dari seluruh alternative fisibel. Multiple criteria decision making merupakan
bagian dari problem pengambilan keputusan yang relatif kompleks, yang
mengikutsertakan beberapa orang pengambil keputusan, dengan sejumlah berhingga
kriteria yang beragam yang harus dipertimbangkan, dan masing-masing kriteria itu
memiliki nilai bobot tertentu, dengan tujuan untuk mendapatkan solusi optimal atas
suatu permasalahan. Salah satu metode yang digunakan untuk menangani
permasalahan ini, adalah Technique for Order Performance by Similarity to Ideal
Solution (TOPSIS).
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang
pertama kali diperkenalkan oleh Yoon dan Hwang (1981). TOPSIS menggunakan
prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi
ideal positif dan jarak terpanjang (terjauh) dari solusi ideal negatif dari sudut pandang
geometris dengan menggunakan jarak Euclidean (jarak antara dua titik) 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.
TOPSIS banyak digunakan dengan alasan :
konsepnya sederhana dan mudah dipahami;
komputasinya efisien; dan
memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif
keputusan dalam bentuk matematis yang sederhana.
Metode TOPSIS didasarkan pada konsep bahwa alternatif terpilih yang terbaik
tidak hanya memiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki
jarak terpanjang dari solusi ideal negatif. Tahapan metode Topsis :
Membuat matriks keputusan yang ternormalisasi
Membuat matriks keputusan yang ternormalisasi terbobot
Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif
Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif
dan negatif

 Menentukan nilai preferensi untuk setiap alternatif

Kelebihan TOPSIS
konsepnya sederhana dan mudah dipahami;
komputasinya efisien; dan
memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif
keputusan dalam bentuk matematis yang sederhana.

Kekurangan TOPSIS
Harus adanya bobot yang dihitung menggunakan AHP untuk melanjutkan
hitungan data selanjutnya dengan memakai TOPSIS.

II.

ALGORITMA
Adapun langkah-langkah algoritma dari TOPSIS ini adalah sebagai berikut :

1. Rangking Tiap Alternatif

TOPSIS membutuhkan ranking kinerja setiap alternatif Ai pada setiap kriteria Cj
yang ternormalisasi yaitu :

dengan i=1,2,....m; dan j=1,2,......n;

2. Matriks keputusan ternormalisasi terbobot

dengan i=1,2,...,m dan j=1,2,...,n

3. Solusi Ideal Positif Dan Negatif
Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan
ranking bobot ternormalisasi (yij) sebagai berikut :

4. Jarak Dengan Solusi Ideal

5. Nilai Preferensi Untuk Setiap Alternatif

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :

i=1,2,...,m
Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih

III.

CONTOH KASUS DAN PENYELESAIAN

A. Permasalahan kasus I:

Suatu perusahaan ingin membangun gudang sebagai tempat menyimpan

sementara hasil produksinya. Ada 3 lokasi yang akan jadi alternatif yaitu
A1=Ngemplak, A2=Kalasan, A3=Kota Gede.
Ada 5 kriteria yang dijadikan acuan dalam pengambilan keputusan :
o C1= jarak dengan pasar terdekat (km)
o C2= kepadatan penduduk di sekitar lokasi (orang/km2)
o C3=jarak dari pabrik (km)
o C4= jarak dengan gudang yang sudah ada (km)
o C5= harga tanah untuk lokasi (x1000 Rp/m2)
Pembahasan :
Rangking Kecocokan
Ranking kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai
5, yaitu
o 1 = sangat buruk
o 2 = buruk
o 3 = cukup
o 4 = baik
o 5 = sangat baik
Tabel berikut menunjukkan ranking kecocokan dari setiap alternatif pada setiap
kriteria :

Bobot Preferensi dan Matriks Keputusan

Bobot preferensi untuk setiap kriteria C1, C2, C5 = (5, 3, 4, 4, 2)
Matrik keputusan yang dibentuk dari tabel ranking kecocokan :
4

Langkah hitungan TOPSIS :

1. Rangking tiap alternatif

Rumus

maka :

2. Matriks Keputusan Ternormalisasi Terbobot

Matriks keputusan ternormalisasi terbobot didapatkan dari perkalian matriks R
dengan bobot preferensi (5, 3, 4, 4, 2) didapat :

3. Solusi Ideal Positif :

y1+= max {2.8385 ; 2.1213; 3.5355}= 3.5355

y2+= max {1.8741; 1.4056; 0.8741}= 1.8741
y3+= max {2.9814; 2.3851; 1.1926}= 2.9814
y4+= max {2.9104; 1.9403; 1.9403}= 2.9104
y5+= min {1.2792; 1.2792; 0.8528}= 0.8528 (karena biaya)
A+ ={3.5355; 1.8741; 2.9814; 2.9104; 0.8528}
Solusi Ideal Negatif :
y1- = min {2.8385 ; 2.1213; 3.5355}= 2.1213
y2- = min {1.8741; 1.4056; 0.8741}= 0.8741
y3- = min {2.9814; 2.3851; 1.1926}= 1.1926
y4- = min {2.9104; 1.9403; 1.9403}= 1.9403
y5- = max {1.2792; 1.2792; 0.8528}= 1.2792 (karena biaya)
A- ={2.1213; 0.8741; 1.1926; 1.9403; 1.2792}
4. Jarak antara Nilai Terbobot Setiap Alternatif
Jarak antara Nilai Terbobot Setiap Alternatif terhadap Solusi Ideal Positif :
maka :

Jarak antara Nilai Terbobot Setiap Alternatif terhadap Solusi Ideal negatif :

maka :

5. Kedekatan setiap alternatif terhadap solusi ideal

Rumus

maka :

V1 = 2 .375
= 0.74207
2.375+0.8255
V2=
1.3055
= 0.3254
1.3055+2.7058
V3 =
0.772
0.772+2.267

= 0.254

Maka solusi yang didapat : dari nilai V (jarak kedekatan setiap alternatif terhadap
solusi ideal) diperoleh nilai V1 memiliki nilai terbesar, sehingga yang akan dipilih
sebagai lokasi untuk mendirikan gudang adalah kota Ngemplak.

B. Permasalahan kasus II:

Misalkan suatu universitas X ingin mengkontrak seorang profesor untuk
memberikan work shop tentang teknologi informasi. Sebuah komite yang terdiri
dari tiga orang pengambil keputusan (expert) masing-masing E1, E2, E3 telah
melakukan evaluasi awal, dan didapat tiga orang profesor A1, A2, dan A3 untuk
dimajukan pada tahap seleksi selanjutnya, guna dipilih satu diantara mereka yang
akan ditetapkan sebagai pemateri work shop di universitas tersebut. Kriteria yang
diajukan terhadap ketiga kandidat tersebut adalah :
a. Honor pemateri (C1)
b. Hasil penelitian dan publikasi (C2)
c. Keahlian dan pengalaman mengajar (C3)
d. Pengalaman praktis dalam industri teknologi informasi (C4)
e. Kedisiplinan dalam mengajar (C5)
Ketiga orang pengambil keputusan menetapkan nilai standar untuk masingmasing kriteria sebagai berikut : Tabel 1. Nilai standar yang ditetapkan oleh tiga
pengambil keputusan Kriteria Pengambil Keputusan :

C1

E1

E2

E3

0.87

0.97

0.97

C2

0.87

0.87

0.87

C3

0.7

0.87

0.7

C4

0.7

0.7

0.7

C5

0.87
0.87
0.87
Sedangkan dari hasil evaluasi tim pengambil keputusan terhadap ketiga kandidat
A1, A2, dan A3 didapat data sebagai berikut :
Tabel 2. Data nilai kandidat-kandidat untuk setiap kriterianya Kriteria Kandidat
pengambil keputusan :

C1

C2

C3

C4

C5

E1

E2

E3

A1

6 juta

8 juta

7 juta

A2

3 juta

4 juta

5 juta

A3

4 juta

5 juta

6 juta

A1

8.7

9.7

A2

9.7

9.7

9.7

A3

8.7

9.7

A1

8.7

8.7

A2

8.7

8.7

8.7

A3

8.7

9.7

A1

9.7

8.7

8.7

A2

8.7

8.7

8.7

A3

8.7

9.7

9.7

A1

A2

8.7

8.7

A3
8.7
8.7
8.7
Dari ketiga kandidat tersebut, alternatif manakah yang sebaiknya diambil untuk ditetapkan
menjadi
pemateri
work shop teknologi informasi di universitas
tersebut?
Berikut, adalah langkah-langkah untuk menentukan jawaban atas permasalahan di atas.
Berdasarkan Tabel 1, maka dapat ditentukan bobot untuk setiap kriteria, sebagai berikut :
Tabel 3. Bobot untuk setiap kriteria :

C1

C2

C3

C4

C5

Wj
0.937
0.87
0.757
0.7
0.87
dan berdasarkan tabel 2, dapat dikontruksi matriks keputusan berupa tabel berikut :
Tabel 4. Matriks Keputusan
Kandidat Kriteria :

C1

C2

C3

C4

C5

A1

7.8

7.467

9.033

A2

9.7

8.7

8.7

7.467

A3
5
8.467
8.467
9.367
Kemudian lakukan normalisasi matriks keputusan pada Tabel 4, dan didapat :

8.7

1. Rangking tiap alternatif

Kandidat Kriteria : Tabel 5. Normalisasi Matriks Keputusan

C1

C2

C3

C4

C5

A1

0.855

0.5181

0.5239

0.577

0.399

A2

0.4886

0.6443

0.6104

0.5557

0.597

A3

0.6108

0.5624

0.594

0.598

0.6956

2. Matriks Keputusan Ternormalisasi Terbobot

Tabel 6. Matriks Keputusan ternormalisasi terbobot

C1

C2

C3

C4

C5

v1j

0.8011

0.4507

0.3965

0.4039

0.3471

v2j

0.4578

0.5605

0.462

0.3885

0.51939

v3j
0.5723
0.4892
0.4496
0.4186
Berdasarkan matriks keputusan bobot normal, maka didapatkan :

3. Solusi Ideal Positif :

y1+= min {0.8011; 0.4578; 0.5723}= 0.4578 (karena biaya)
y2+= max {0.4507; 0.5605; 0.4892}= 0.5605
y3+= max {0.3965; 0.462; 0.4496}= 0.462
y4+= max {0.4039; 0.3885; 0.4186}= 0.4186
y5+= max {0.3471; 0.51939; 0.6051}= 0.6051
A+ ={0.4578; 0.5605; 0.462; 0.4186; 0.6051}
Solusi Ideal negatif :
y1- = max {0.8011; 0.4578; 0.5723}= 0.8011 (karena biaya)
y2- = min {0.4507; 0.5605; 0.4892}= 0.4507
y3- = min {0.3965; 0.462; 0.4496}= 0.3965
y4- = min {0.4039; 0.3885; 0.4186}= 0.3885
y5- = min {0.3471; 0.51939; 0.6051}= 0.3471
A- ={0.8011; 0.4507; 0.3965; 0.3885; 0.3471}

4. Jarak antara Nilai Terbobot Setiap Alternatif

Jarak dengan solusi ideal positif (D+) adalah :
D1+ =

0.1178 + 0.012 + 0.004 + 0.00021 + 0.0665

= 0.448

D2+ = 0 + 0 + 0 + 0.0009 + 0.0073 = 0.09055

D3+ = 0.013 + 0.005 + 0.00015 + 0 + 0 = 0.134
dan jarak dengan solusi ideal negatif (D-) sebagai berikut :
D1- =

0 + 0 + 0 + 0.00023 + 0 = 0.01516

0.6051

D2- =

0.1178 + 0.012 + 0,0042 + 0 + 0.029 = 0.4037

D3- = 0.0523 + 0.0014 + 0.0028 + 0.0009 + 0,066 = 0.2395

5. Kedekatan setiap alternatif terhadap solusi ideal (Vi), adalah
V1 = 0.01516
= 0.01516
0.01516 + 0.448
V2=
0.4037
= 0.8167
0.4037 + 0.09055
V3 =
0.2395
= 0.6412
0.2395 + 0.134
Sehingga didapat tingkat ranking dari ketiga alternatif adalah V2, sehingga dipilih professor A2
sebagai kandidat terbaik.

IV.

KESIMPULAN
Sebagai suatu usaha untuk mendapatkan solusi terbaik atas permasalahan multiple
criteria decision making dapat digunakan Technique for Order Performance by
Similarity to Ideal Solution, yang dalam implementasinya akan memunculkan
beberapa alternatif solusi berdasarkan hasil ranking kumulatif, yang kemudian dapat
dipilih satu solusi tertentu, berdasarkan kriteria tambahan dari pemegang kebijakan
(pimpinan). Kemudian, beberapa alternatif solusi tersebut dapat dijadikan referensi
tim pengambil keputusan untuk diajukan kepada pimpinan mereka, sehingga
pimpinan mereka dapat memilih satu solusi dari beberapa alternatif solusi yang ada,
dan diharapkan dapat diambil keputusan terbaik yang menguntungkan.

DAFTAR PUSTAKA

Kusumadewi, Sri, dkk. 2006. Fuzzy Multi Attribute Decision Making. Yogyakarta: Graha
Ilmu.
http://student.eepis-its.edu/~giant/DB2/db2_6TOPSIS.pdf (diakses 11 Mei 2011, 2011
jam 6:11)
http://w4hyuwidodo.wordpress.com/2010/07/07/sistem-pendukung-keputusan-denganmethode-topsis/ (diakses 11 Mei 2011, 2011 jam 6:15)
http://nzircui.wordpress.com/category/topsis/ (diakses 11 Mei 2011, 2011 jam 6:20)