MAKALAH SEMINAR MATEMATIIKA

ALGORITMA TOPSIS (Technique For Order

Preference by Similarity to Ideal Solution)

OLEH :
MADE KOJI SATYA NUGRAHA
NIM. 1413011097

DOSEN PEMBIMBING
Prof. Dr. I Made Candiasa, M.I.Komp.
NIP. 19601231 198601 1 004

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2017
 KATA PENGANTAR

Om Swastyastu
Puji syukur penulis panjatkan karena atas anugerah Ida Sang Hyang Widhi
Wasa/Tuhan yang Maha Esa, penulis dapat menyelesaikan makalah Mata Kuliah
Seminar yang berjudul Algoritma TOPSIS (Technique For Order Preference
by Similarity to Ideal Solution). Keberhasilan makalah ini tidak lepas pihak-
pihak yang terkait di dalamnya, sehingga makalah ini dapat diselesaikan.
Penulisan ini tidak akan berjalan dengan lancar tanpa adanya bantuan dari
beberapa pihak, untuk itu melalui kesempatan ini penulis mengucapkan terima
kasih kepada:

1. Prof. Dr. I Made Candiasa, M.I.Komp. selaku dosen pembimbing yang telah
membimbing penulis dalam penyusunan makalah,
2. Dr. I Gusti Ngurah Pujawan, M.Kes. selaku dosen pengampu mata kuliah
seminar,
3. Rekan-rekan mahasiswa Jurusan Pendidikan Matematika tahun 2017 yang
telah mendukung penulis dalam menyelesaikan makalah ini.

Penulis menyadari bahwa makalah ini jauh dari sempurna, walaupun

penulis telah berusaha maksimal dan memperoleh bantuan dari berbagai pihak.
Oleh karena itu, kritik dan saran dari pembaca untuk perbaikan makalah ini akan
sangat dihargai dan penulis tak lupa mengucapkan terima kasih. Akhir kata,
semoga makalah ini senantiasa bermanfaat bagi pembaca.

Om antih, antih, antih, Om

Singaraja, 2017

Penulis

iv
 DAFTAR ISI

HALAMAN JUDUL........................................................................................... i
LEMBAR PENGESAHAN ................................................................................ ii
SURAT PERNYATAAN.................................................................................... iii
KATA PENGANTAR ........................................................................................ iv
DAFTAR ISI ....................................................................................................... v
DAFTAR TABEL ............................................................................................... vi
ABSTRAK .......................................................................................................... vii
BAB I PENDAHULUAN
1.1 Latar Belakang ....................................................................................... 1
1.2 Rumusan Masalah .................................................................................. 2
1.3 Tujuan Penulisan .................................................................................... 3
1.4 Manfaat Penulisan .................................................................................. 3
1.5 Batasan Masalah ..................................................................................... 3
BAB II KAJIAN PUSTAKA
2.1 Logika Fuzzy ........................................................................................... 4
2.2 Metode MCDM (Multi Criteria Decision Making) ................................ 4
2.3 Sistem Pendukung Keputusan ................................................................. 6
BAB III PEMBAHASAN
3.1 Algoritma TOPSIS ................................................................................. 9
3.2 Penerapan Algoritma TOPSIS Untuk Pendukung Keputusan
Penerima Kredit di Perusahaan A .......................................................... 13
BAB IV PENUTUP
4.1 Kesimpulan ............................................................................................. 31
4.2 Saran ........................................................................................................ 31
DAFTAR PUSTAKA

v
 DAFTAR TABEL

Tabel 3.1 Kriteria Karakter ................................................................................. 14

Tabel 3.2 Uang Muka. ......................................................................................... 14
Tabel 3.3 Kemampuan ........................................................................................ 14
Tabel 3.4 Jaminan ............................................................................................... 15
Tabel 3.5 Kondisi ................................................................................................ 15
Tabel 3.6 Rating Kecocokan dari Setiap Alternatif pada Setiap Kriteria ........... 15
Tabel 3.7 Pemberian Bobot pada Masing-masing Kriteria ................................. 22
Tabel 3.8 Solusi Ideal ( ) Positif ...................................................................... 24
Tabel 3.9 Solusi Ideal ( ) Negatif .................................................................... 25
Tabel 3.9 Perankingan Nilai Preferensi .............................................................. 29

vi
 ABSTRAK
Algoritma TOPSIS (Technique For Order Preference by Similarity to
Ideal Solution)
Made Koji Satya Nugraha
1413011097
Pada zaman sekarang ini, metode-metode pemecahan masalah mulkriteria
telah digunakan secara luas di berbagai bidang. Metode yang dapat
digunakan untuk mengatasi permasalahan multikriteria adalah metode
TOPSIS (Technique For Order Preference by Similarity to Ideal
Solution). TOPSIS adalah salah satu metode pengambilan keputusan
multikriteria atau alternatif pilihan yang merupakan alternatif yang
mempunyai jarak terkecil dari solusi ideal positif dan jarak terbesar dari
solusi ideal negatif dari sudut pandang geometris dengan menggunakan
jarak Euclidean. Metode ini telah digunakan dalam banyak aplikasi
termasuk keputusan kredit mobil. Algoritma TOPSIS dalam pendukung
keputusan terhadap pemberian kredit mobil dengan lima kriteria yaitu
karakter (character), uang muka (capital), kemampuan (capacity),
jaminan (collateral), dan kondisi (condition). Algoritma ini digunakan
karena konsepnya yang sederhana dan mudah dipahami, komputasinya
efisien, serta memiliki kemampuan mengukur kinerja relatif dari dari
alternatif-alternatif keputusan

Kata kunci : Metode TOPSIS, Solusi Ideal Positif, Solusi Ideal

Negatif, Multikriteria.

vii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi dan ilmu pengetahuan pada saat ini sangatlah pesat.
Perkembangan ini dapat dilihat dengan munculnya ilmu-ilmu yang baru, semakin
bertambahnya cabang-cabang dari ilmu tertentu yang telah ada, serta ditemukannya
teori-teori ilmiah dalam berbagai bidang. Berkembangnya teknologi dan ilmu
pengetahuan ini tentunya membawa keuntungan dan kemudahan bagi kehidupan
manusia yaitu banyaknya permasalahan yang dapat diselesaikan dengan mudah dan
tentunya dapat membuat pekerjaan menjadi lebih ringan dan lebih efisien.
Ilmu pengetahuan diciptakan pastilah untuk menyelesaikan permasalahan yang ada
ataupun untuk memperingan suatu pekerjaan. Permasalahan yang saat ini sering terjadi
adalah kerumitan dalam menentukan sebuah keputusan dari banyak kriteria yang ada.
Sumber kerumitan masalah keputusan hanya karena faktor ketidakpastian atau
ketidaksempurnaan informasi saja. Namun masih terdapat penyebab lainnya seperti
faktor yang mempengaruhi terhadap pilihan-pilihan yang ada, dengan beragamnya
kriteria pemilihan dan juga nilai bobot dari masing-masing kriteria merupakan suatu
bentuk penyelesaian masalah yang sangat kompleks. Pada zaman sekarang ini, metode-
metode pemecahan masalah mulkriteria telah digunakan secara luas di berbagai bidang.
Setelah menetapkan tujuan masalah, kriteria-kriteria yang menjadi tolak ukur serta
alternatif-alternatif yang mungkin, para pembuat keputusan dapat menggunakan suatu
metode atau lebih untuk menyelesaikan masalah mereka. Adapun metode yang dapat
digunakan untuk mengatasi permasalahan multikriteria yaitu metode TOPSIS
(Technique For Order Preference by Similarity to Ideal Solution). TOPSIS
diperkenalkan pertama kali oleh Yoon dan Hwang pada tahun 1981 untuk digunakan
sebagai salah satu metode dalam memecahkan masalah multikriteria (Sachdeva, 2009).
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau
alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi
ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris
dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil

1
 dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif.
Maka dari itu, TOPSIS mempetimbangkan keduanya, jarak terhadap solusi ideal positif
dan jarak terhadap solusi ideal negatif secara bersamaan. Solusi ideal positif
didefinisikan sebagai jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap
atribut, sedangkan solusi ideal negatif terdiri dari seluruh nilai terburuk yang dicapai
untuk setiap atribut. Solusi optimal dalam metode TOPSIS didapat dengan menentukan
kedekatan relatif suatu altenatif terhadap solusi ideal positif. TOPSIS akan merangking
alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi
ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai
referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan.
Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif
bisa dicapai. Metode ini banyak digunakan untuk menyelesaikan pengambilan keputusan
secara praktis. Metode ini telah digunakan dalam banyak aplikasi termasuk keputusan
kredit mobil. Hal ini disebabkan karena konsepnya yang sederhana dan mudah
dipahami, komputasinya efisien, serta memiliki kemampuan mengukur kinerja relatif
dari dari alternatif-alternatif keputusan.
Berdasarkan latar belakang diatas, penulis pada kesempatan ini akan menyajikan
informasi tentang algoritma TOPSIS dan penerapan metode TOPSIS untuk pendukung
keputusan terhadap pemberian kredit mobil pada perusahaan A dalam suatu makalah
seminar yang berjudul Algoritma TOPSIS.
1.2 Rumusan Masalah
Berdasarkan pemaparan latar belatang diatas, maka dapat dirumuskan masalah yakni
sebagai berikut.
1) Bagaimanakah Algoritma TOPSIS?
2) Bagaimanakah penerapan Algoritma TOPSIS untuk pendukung keputusan terhadap
pemberian kredit mobil pada perusahaan A?
1.3 Tujuan Penulisan
Adapun tujuan penulisan makalah ini yaitu untuk mengetahui Algoritma TOPSIS
dan mengetahui bagaimana penerapan Algoritma TOPSIS untuk pendukung keputusan
terhadap pemberian kredit mobil pada perusahaan A.

2
1.4 Manfaat Penulisan
Adapun manfaat penulisan dari makalah ini adalah sebagai berikut.
a. Memberikan informasi kepada pembaca, mengenai Algoritma TOPSIS.
b. Memberikan informasi kepada pembaca, mengenai proses penerapan Algoritma
TOPSIS untuk pendukung keputusan terhadap pemberian kredit mobil pada
perusahaan A.
c. Sebagai referensi untuk mengembangkan mengenai penerapan Algoritma TOPSIS
dalam bidang ilmu lainnya.
1.5 Batasan Masalah
Adapun batasan masalah dari makalah ini adalah sebagai berikut.
a. Penulisan makalah seminar ini terbatas pada Algoritma TOPSIS.
b. Penulisan makalah ini terbatas pada proses penerapan Algoritma TOPSIS untuk
pendukung keputusan terhadap pemberian kredit mobil pada perusahaan A.

3
 BAB II
KAJIAN PUSTAKA

2.1 Logika Fuzzy

Logika adalah dasar pemikiran. Logika klasik berkaitan dengan proporsi yang
bisa bernilai benar (dengan nilai logika 1) atau salah (dengan nilai logika 0).
Proporsi adalah kalimat yang dinyatakan dalam suatu bahasa dan dapat
diekspresikan dalam bentuk umum : x adalah P, yang mana x adalah simbol dari
suatu subjek dan P merupakan predikat yang mencirikan sifat dari subjek tersebut.
Contohnya : pensil adalah alat tulis.

Logika Fuzzy merupakan perluasan logika klasik dan teori himpunan. Nilai
kebenarannya berupa variabel linguistic benar. Tidak seperti pada logika klasik
yang miliki dua nilai logika yaitu benar (1) dan salah (0), maka nilai kebenaran
sebuah pernyataan atau proporsi pada logika fuzzy berada pada range interval [0,1].
2.2 Metode MCDM (Multi Criteria Decision Making)
Zimmermann (dalam Kusumadewi dkk, 2006:69) mengemukakan bahwa
Multi criteria decision making (MDMC) adalah suatu metode pengambilan
keutusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan
beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan
atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan
tujuannya, MCDM dapat dibagi dua model: Multi Attribute Decision Making
(MADM) dan Multi Objective Decision Making (MODM).
Seringkali MADM dan MODM digunakan untuk menerangkan kelas atau
kategori yang sama. MADM digunakan untuk menyelesaikan masalah-masalah
dalam ruang diskrit. Oleh karena itu, pada MADM biasanya digunakan untuk
melakukan penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang
terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah
pada ruang kontinyu. Secara umum dapat dikatakan bahwa, MADM menyeleksi
alternatif terbaik dari sejumlah alternatif sedangkan MODM merancang alternatif
terbaik.

4
2.1.1 Klasifikasi Metode MCDM
Ada beberapa cara dalam mengklasifikasi metode MCDM. Menurut tipe
data yang digunakan, MCDM dapat dibagi berdasarkan tipe deterministic, stokastik
atau fuzzy. Menurut jumlah pengambil keputusan yang terlibat dalam proses
pengambil keputusan . MCDM dapat dibagi berdasarkan pengambil keputusan satu
orang, atau pengambil keputusan dalam bentuk grup (kelompok).
2.1.2 Klasifikasi Solusi MDCM
Yoon (dalam Kusumadewi, 2006:71) Masalah MDCM tidak selalu
memberikan solusi Unik, perbedaan tipe bisa jadi akan memberikan perbedaan
solusi.
a. Solusi ideal, kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu
kriteria yang nilainya akan dimaksimumkan (kategori nilai keuntungan), dan
kriteria yang nilainya kan diminimumkan (kategori kriteria biaya). Solusi ideal
kan memaksimumkan semua kriteria keuntungan dan meminimumkan semua
kriteria biaya.
b. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi
pareto-optimal. Solusi feasible MDCM dikatakan non-dominated jika tidak ada
solusi feasible yang lain akan menghasilkan perbaikan terhadap suatu atribut
tanpa menyebabkan degenerasi pada atribut lainnya.
c. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian
dari solusi-solusi feasible dimana setiap alternatif melampaui semua kriteria
yang diharapkan.
d. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated
yang paling banyak memuaskan pengambil keputusan.
2.1.3 MetodeMetode Penyelesaian Masalah MADM
Ada bebebrapa metode yang dapat digunakan untuk menyelesaikan masalah
MADM , antara lain:
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. Elimination and Choice Expressing Reality (ELECTRE)

5
 d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic hierarchy Process (AHP)
2.3 Sistem Pendukung Keputusan

Sistem pendukung keputusan (SPK) atau dikenal dengan Decision Support

System (DSS), pada tahun 1970-an sebagai pengganti istilah Management
Information System (MIS). Tetapi pada dasarnya SPK merupakan pengembangan
lebih lanjut dari MIS yang dirancang sedemikian rupa sehingga bersifat interaktif
dengan pemakainya. Maksud dan tujuan dari adanya SPK, yaitu untuk mendukung
pengambil keputusan memilih alternatif keputusan yang merupakan hasil
pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan
model-model pengambil keputusan serta untuk menyelesaikan masalah-masalah
bersifat terstruktur, semi terstruktur dan tidak terstruktur.

1) Pengertian Sistem

Kata sistem berasal dari bahasa latin (systma) dan bahasa Yunani (sustma).
Sistem adalah suatu kesatuan yang terdiri dari komponen atau elemen yang
dihubungkan bersama untuk memudahkan aliran informasi, materi atau energi untuk
mencapai suatu tujuan. Sistem juga merupakan kesatuan bagian-bagian yang saling
berhubungan yang berada dalam suatu wilayah serta memiliki item-item penggerak.
Sedangkan pengertian sistem menurut Kamus Bahasa Indonesia, Sistem adalah
perangkat unsur yang teratur saling berkaitan sehingga membentuk suatu totalitas.
Pengertian lain Sistem adalah susunan dari pandangan, teori, asas dan sebagainya.

2) Pengertian Keputusan

Keputusan (decision) yaitu pilihan dari dua atau lebih kemungkinan. Menurut
James A.F. Stoner menyatakan bahwa Keputusan ialah suatu pemilihan diantara
alternatif-alternatif. Dalam definisi ini mengandung tiga pengertian, yakni : (1) Ada
pilihan yang berdasarkan logika atau pertimbangan, (2) Ada beberapa sebuah alternatif
yang harus dan dipilih salah satu yang terbaik, (3) Ada tujuan yang ingin dicapai, dan
keputusan itu makin mendekatkan pada suatu tujuan tersebut. Menurut Prof.Dr.Prajudi
Atmosudirjo,SH. menyatakan bahwa keputusan ialah suatu pengakhiran dari proses

6
pemikiran tentang suatu masalah atau problema untuk menjawab suatu pertanyaan apa
yang harus diperbuat guna untuk mengatasi masalah tersebut, dengan menjatuhkan
sebuah pilihan pada suatu alternatif. Keputusan dapat dilihat pada kaitannya dengan
proses, yaitu bahwa suatu keputusan ialah keadaan akhir dari suatu proses yang lebih
dinamis yang disebut pengambilan keputusan. Dengan kata lain, keputusan merupakan
sebuah kesimpulan yang dicapai sesudah dilakukan pertimbangan, yang terjadi setelah
satu kemungkinan dipilih, sementara yang lain dikesampingkan.

3) Pengertian Sistem Pendukung Keputusan

Turban (2005) mendefinisikan pengambilan keputusan sebagai sebuah proses

memilih tindakan untuk mencapai suatu tujuan atau beberapa tujuan. Pengambilan
keputusan ini dilakukan dengan pendekatan sistematis terhadap permasalahan melalui
proses pengumpulan data menjadi informasi serta ditambah dengan faktor-faktor yang
perlu di pertimbangkan dalam pengambilan keputusan. Sistem Pendukung Keputusan
didefinisikan sebagai sistem berbasis computer yang terdiri dari tiga komponen yang
saling berinteraksi: sistem bahasa, system pengetahuan dan sistem pemrosesan
masalah. Pembuatan keputusan diperlukan pada semua tahap kegiatan administrasi
dan manajemen. Misalnya dalam tahap perencanaan diperlukan banyak kegiatan
pembuatan keputusan sepanjang proses perencanaan tersebut. Keputusan-keputusan
yang dibuat dalam proses perencanaan ditujukan kepada pemilihan alternatif program
dan prioritasnya. Dalam pembuatan keputusan tersebut dicakup kegiatan identifikasi
masalah, perumusan dan pemilihan alternatif keputusan berdasarkan perhitungan
konsekuensi dan berbagai dampak yang timbul. Begitu juga dalam tahap implementasi
atau operasional suatu organisasi, para manajer harus membuat banyak keputusan rutin
dalam rangka mengendalikan usaha sesuai dengan rencana dan kondisi yang berlaku.
Sedangkan dalam tahap pengawasan yang mencakup pemantauan, pemeriksaan dan
penilaian (evaluasi) terhadap hasil pelaksanaan kerja, juga banyak keputusan dibuat
dalam rangka koreksi terhadap penyimpangan yang terjadi agar hasil yang diperoleh
lebih sesuai dengan sasaran mutu, waktu dan penggunaan sumber daya yang efisien.

7
4) Karakteristik dan Kemampuan Sistem Pendukung Keputusan

Menurut Turban karekteristik Sistem Pendukung Keputusan adalah sebagai

berikut:

1. Sistem Pendukung Keputusan dirancang untuk membantu pengambilan keputusan

dalam memecahkan suatu masalah yang bersifat semi terstruktur atau sebaliknya.

2. Sistem Pendukung Keputusan dalam proses pengolahannya menkombinasikan

pengguna model-model anakisis dengan teknik pemasukan data konvensional serta
fungsi-fungsi pencari informasi.

3. Sistem Pendukung Keputusan dirancang untuk dapat digunakan dengan mudah oleh
orang-orang yang tidak memiliki dasar kemampuan mengoperasikan komputer. Oleh
karena itu, pendekatan yang digunakan biasanya model interaktif.

4. Dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi

yang tinggi, sehingga mudah disesuaikan dalam berbagai perubahan lingkungan
yang terjadi dan kebutuhan pemakai.

8
 BAB III

PEMBAHASAN

3.1 Algoritma TOPSIS

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau alternatif
pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi ideal positif
dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris dengan
menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil dari
solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif. Maka
dari itu, TOPSIS mempetimbangkan keduanya, jarak terhadap solusi ideal positif dan
jarak terhadap solusi ideal negatif secara bersamaan. Solusi optimal dalam metode
TOPSIS didapat dengan menentukan kedekatan relatif suatu altenatif terhadap solusi
ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai kedekatan
relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah
dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk
memilih solusi terbaik yang diinginkan.

2.2.1 Langkah-langkah Algoritma TOPSIS

Berikut adalah langkah-langkah dari Algoritma TOPSIS:

a. Membangun Sebuah Matriks Keputusan

Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi

berdasarkan n kriteria. Matriks keputusan X dapat dilihat sebagai berikut:

x1 x2 x3 x4 x5

a1 x11 x12 . . x1n

a 2 x 21 x 22 . . x 2n
X a3 . . . . x 3n

a4 . . . . .
a 5 x m1 x m 2 . . x mn

9
 Keterangan:

( ) adalah alternatif-alternatif yang mungkin,

( ) adalah atribut dimana performansi alternatif diukur,

adalah performansi alternatif dengan acuan atribut .

b. Membuat Matriks Keputusan yang Ternormalisasi

Persamaan yang digunakan untuk mentransformasikan setiap elemen

adalah:

xij
rij (2.2)

m
i 1
xij

dengan ; dan ;

Keterangan:

rij adalah elemen dari matriks keputusan yang ternormalisasi R,

xij adalah elemen dari matriks keputusan X

c. Membuat Matriks Keputusan yang Ternormalisasi Terbobot

Dengan bobot w j w1 , w2 , w3 ,..., wn dimana w j adalah bobot dari kriteria ke-j

dan , maka normalisasi bobot matriks V adalah:

v ij w j rij (2.3)

dengan ; dan ;

keterangan:

v ij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,

10
 w j adalah bobot kriteria ke-j

rij adalah elemen dari matriks keputusan yang ternormalisasi R.

d. Menentukan Matriks Solusi Ideal Positif dan Solusi Ideal Negatif.

Solusi ideal positif dinotasikan A , sedangkan solusi ideal negatif dinotasikan

A . Berikut ini adalah persamaan dari A dan A :

1) A max vij | j J , min vij | j J ' , i 1,2,3,..., m (2.4)

v1 , v2 , v3 ,..., vn

2) A min vij | j J , max vij | j J ' , i 1,2,3,..., m (2.5)

v1 , v2 , v3 ,..., vn

* +

* +

Keterangan:

v ij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,

v j ( j = 1, 2, 3, . . ., n ) adalah elemen matriks solusi ideal positif,

v j ( j = 1, 2, 3, . . ., n ) adalah elemen matriks solusi ideal negatif.

e. Menghitung Separasi

1) S adalah jarak alternatif dari solusi ideal positif didefinisikan sebagai:

v
n 2
Si j 1 j v ij dengan i = 1, 2, 3, . . . , m (2.6)

11
 2) S adalah jarak alternatif dari solusi ideal negatif didefinisikan sebagai:

v
n 2
Si j 1 ij vj , dengan i = 1, 2, 3, . . . , m (2.7)

Keterangan:

S i adalah jarak alternatif ke-i dari solusi ideal positif,

S i adalah jarak alternatif ke-i dari solusi ideal negatif,

v ij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,

v j adalah elemen matriks solusi ideal positif,

v j adalah elemen matriks solusi ideal negatif.

f. Menghitung Kedekatan Terhadap Solusi Ideal Positif.

Kedekatan relatif dari setiap alternatif dari setiap solusi ideal positif dapat
dihitung dengan menggunakan persamaan berikut:

si
c1 ,0 c1 1
s

(2.8)
i sj

Dengan i = 1, 2, 3, . . ., m

keterangan:

c1 adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal positif,

s i adalah jarak alternatif ke-i dari solusi ideal positif,

si adalah jarak alternatif ke-i dari ideal negatif.

12
 g. Merangkai Alternatif

Alternatif diurutkan dari nilai terbesar ke nilai terkecil. Alternatif

dengan nilai terbesar merupakan solusi terbaik.

3.2 Penerapan Algoritma TOPSIS Untuk Pendukung Keputusan Penerima Kredit

Mobil di Perusahaan A.

Salah satu jenis alat transportasi yang digemari oleh banyak orang saat ini adalah
mobil. Banyak orang ingin memiliki mobil dikarenakan lebih nyaman dan praktis
tentunya. Berdasarkan data dari Badan Pusat Statistik (BPS), pengguna mobil penumpang
di Indonesia pada tahun 2013 mencapai 11.484.514 unit mobil dan pertumbuhan
pengguna mobil mencapai 1 juta unit per tahunnya.

Untuk memiliki mobil saat ini, setiap orang memiliki banyak cara dan pilihan.
Salah satu cara yang banyak dilakukan banyak orang untuk memiliki mobil saat ini
adalah melalui kredit. Dalam menentukan pemohon kredit yang layak mendapatkan
kredit, perusahaan A tentunya menetapkan kriteria-kriteria pemohon kredit yang layak
diberikan kredit. Untuk memudahkan dalam menentukan pemohon kredit yang layak
mendapatkan kredit, Perusahaan A menerapkan Algoritma TOPSIS. Penerapan
Algoritma TOPSIS untuk pendukung keputusan terhadap pemberian kredit mobil pada
perusahaan A merupakan salah satu implementasi Algoritma TOPSIS dalam kehidupan
sehari-hari. Dalam menentukan kriteria pemohon kredit, Perusahaan A pemberi kredit ini
menggunakan data fiktif dengan prinsip 5c yaitu character, capital, capacity, collateral,
dan condition. Namun Perusaahaan A menjabarkan prinsip 5c itu menjadi lebih spesifik
lagi menjadi sebagai berikut.

a. Character/Karakter (C1)
b. Capital/Uang Muka (C2)
c. Capacity/Kemampuan (C3)
d. Collateral/Jaminan (C4)
e. Condition/Kondisi (C5)

13
 Langkah awal dari Algoritma TOPSIS adalah pemberian bobot dari masing-masing
kriteria.
Tabel 3.1 Kriteria Karakter
Kriteria Bobot
Pemohon
Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1

Tabel 3.2 Uang muka

Kriteria Pemohon Bobot

Dp > 30% dari harga 5
Dp 26%-30% dari harga 4
Dp 21%-25% dari harga 3
Dp 16%-20% dari harga 2
Dp < 15% dari harga 1

Tabel 3.3 Kemampuan

Kriteria Pemohon Bobot
Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1

14
 Tabel 3.4 Jaminan
Kriteria Bobot
Pemohon
Sertifikat tanah 5
BPKB Mobil 3
BPKB motor 1

Tabel 3.5 Kondisi

Kriteria Bobot
Pemohon
Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Sangat Kurang 1

Langkah selanjutnya adalah membuat tabel nilai alternatif disetiap kriteria, hal ini
dilakukan untuk melihat pemilihan alternatif dari setiap tabel karakter yang ada, yaitu
sebagai berikut.
Tabel 3.6 Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria
Alternatif C1 C2 C3 C4 C5
Koji 5 4 4 3 5
Bayu 4 2 3 3 1
Aldy 3 5 1 5 2
Djuarna 2 5 4 5 1
Wiyoga 3 4 4 3 4
Wira 5 3 4 3 3
Sudana 3 4 3 3 3
Levi 3 5 5 1 5
Agung F 3 4 3 3 5

15
 Dari tabel rating kecocokan alternatif pada tiap kriteria dapat membentuk matriks
kecocokan, yaitu sebagai berikut.

5 4 4 3 5

4 2 3 3 1
3 5 1 5 2

2 5 4 5 1
X 3 4 4 3 4
5 3 4 3 3

3 4 3 3 3
3 5 5 1 5

3 4 3 3 5
Untuk menentukan pilihan alternatif yang ada, maka langkah-langkah yang dilakukan
dalam metode TOPSIS adalah sebagai berikut.
1. Membuat Matriks Keputusan yang Ternormalisasi
xij
Rumus : rij

m
i 1
xij

Berdasarkan dari data di atas, matriks keputusan ternormalisasi diperoleh dari

perhitungan:
a) Untuk Kriteria 1 (C1)
x i1
ri1

m
i 1
x i1

m
xi1 x11 x 21 x31 x 41 x51 x 61 x 71 x81 x91
2 2 2 2 2 2 2 2 2 2
i 1

5 2 4 2 32 2 2 32 5 2 32 32 32
10,724
x11 5
r11 0,466
10,724
m
i 1
x11

x 21 4
r21 0,565
10,724
m
i 1
x 21

16
 x 31 3
r31 0,279
10,723
m
i 1
x 31

x 41 2
r41 0,187
10,723
m
i 1
x 41

x 51 3
r51 0,279
10,723
m
i 1
x 51

x 61 5
r61 0,466
10,724
m
i 1
x 61

x 71 3
r71 0,279
10,723
m
i 1
x 71

x81 3
r81 0,279
10,723
m
i 1
x81

x 91 3
r91 0,279
10,723
m
i 1
x 91

b) Untuk Kriteria 2 (C2)

xi 2
ri 2

m
i 1
xi 2

m
xi 2 x12 x 22 x 32 x 42 x 52 x 62 x 72 x82 x92
2 2 2 2 2 2 2 2 2 2
i 1

4 2 2 2 5 2 5 2 4 2 32 4 2 5 2 4 2
12,329
x12 4
r12 0,324
12,329
m
i 1 12
x

x 22 2
r22 0,162
12,329
m
i 1
x 22

x 32 5
r32 0,406
12,329
m
i 1
x 32

17
 x 42 5
r42 0,406
12,329
m
i 1
x 42

x 52 4
r52 0,324
12,329
m
i 1
x 52

x 62 3
r62 0,243
12,329
m
i 1
x 62

x 72 4
r72 0,324
12,329
m
i 1
x 72

x82 5
r82 0,406
12,329
m
i 1
x82

x 92 4
r92 0,324
12,329
m
i 1
x 92

c) Untuk kriteria 3 (C3)

xi3
ri 3

m
i 1
xi3

m
xi 3 x13 x23 x33 x43 x53 x63 x73 x83 x93
2 2 2 2 2 2 2 2 2 2
i 1

4 2 3 2 12 4 2 4 2 4 2 3 2 5 2 3 2
10,817
x13 4
r13 0,329
10,817
m
i 1
x13

x 23 3
r23 0,277
10,817
m
i 1
x 23

x 33 1
r33 0,092
10,817
m
i 1
x 33

x 43 4
r43 0,329
10,817
m
i 1
x 43

18
 x 53 4
r53 0,329
10,817
m
i 1
x 53

x 63 4
r63 0,329
10,817
m
i 1
x 63

x 73 3
r73 0,277
10,817
m
i 1
x 73

x83 5
r83 0,462
10,817
m
i 1
x83

x 93 3
r93 0,277
10,817
m
i 1
x 93

d) Untuk kriteria 4 (C4)

xi 4
ri 4

m
i 1
xi 4

m
xi 4 x14 x 24 x 34 x 44 x 54 x 64 x 74 x84 x94
2 2 2 2 2 2 2 2 2 2
i 1

3 2 3 2 5 2 5 2 3 2 3 2 3 2 12 3 2
10,247
x14 3
r14 0,293
10,247
m
i 1
x14

x 24 3
r24 0,293
10,247
m
i 1
x 24

x 34 5
r34 0,488
10,247
m
i 1
x 34

x 44 5
r44 0,488
10,247
m
i 1
x 44

x54 3
r54 0,293
10,247
m
i 1
x 54

19
 x 64 3
r64 0,293
10,247
m
i 1
x 64

x 74 3
r74 0,293
10,247
m
i 1
x 74

x84 1
r84 0,098
10,247
m
i 1
x84

x94 3
r94 0,293
10,247
m
i 1
x 94

e) Untuk Kriteria 5 (C5)

xi5
ri 5

m
i 1
xi5

m
xi 5 x15 x 25 x35 x 45 x 55 x 65 x 75 x85 x 95
2 2 2 2 2 2 2 2 2 2
i 1

5 2 12 2 2 12 4 2 3 2 3 2 5 2 5 2
10,724
x15 5
r15 0,466
10,724
m
i 1
x15

x 25 1
r25 0,093
10,724
m
i 1
x 25

x 35 2
r35 0,187
10,724
m
i 1
x 35

x 45 1
r45 0,093
10,724
m
i 1
x 45

x55 4
r55 0,373
10,724
m
i 1 55
x

20
 x 65 3
r65 0,279
10,724
m
i 1
x 65

x 75 3
r75 0,279
10,724
m
i 1
x 75

x85 5
r85 0,466
10,724
m
i 1
x85

x 95 5
r95 0,466
10,724
m
i 1
x 95

Maka diperoleh matriks keputusan ternormalisasi sebagai berikut.

r11 r12 r13 r14 r15

r21 r22 r23 r24 r25
r r32 r33 r34 r35
31
r41 r42 r43 r44 r45
R r51 r52 r53 r54 r55
r61 r62 r63 r64 r65

r71 r72 r73 r74 r75
r81 r82 r83 r84 r85

r91 r92 r93 r94 r95

0,466 0,324 0,369 0,293 0,466

0,373 0,162 0,277 0,293 0,093
0,279 0,406 0,092 0,488 0,187

0,187 0,406 0,369 0,488 0,093
R 0,279 0,324 0,369 0,293 0,373
0,466 0,243 0,369 0,293 0,279

0,279 0,324 0,277 0,293 0,279
0,279 0,406 0,462 0,098 0,466

0,279 0,324 0,277 0,293 0,466
2. Membuat Matris Keputusan yang Ternormalisasi Terbobot

Rumus : v ij w j rij

dengan ; dan ;

21
Bobot ( ) untuk masing-masing kriteria:
Tabel 3.7 Pemberian Bobot Pada Masing-masing Kriteria

Kriteria Pemohon Kredit Nilai Bobot

Karakter (C1) Baik 4

Uang Muka (C2) Dp > 30% dari harga 5
Kemampuan (C3) Baik 4
Jaminan (C4) BPKB Mobil 3
Kondisi (C5) Baik 4

Perhitugan matriks keputusan ternormalisasi terbobot adalah sebagai berikut.

a) Untuk Kriteria 1 (C1), diperoleh:
v11 w1 r11 4 0,466 1,865
v 21 w1 r21 4 0,373 1,492
v31 w1 r11 4 0,279 1,119

v 41 w1 r41 4 0,187 0,746

v51 w1 r51 4 0,279 1,119

v 61 w1 r61 4 0,466 1,865

v 71 w1 r71 4 0,279 1,119

v81 w1 r81 4 0,279 1,119

v91 w1 r91 4 0,279 1,119

b) Untuk Kriteria 2 (C2), diperoleh:

v12 w2 r12 5 0,324 1,622
v 22 w2 r22 5 0,162 0,811
v32 w2 r32 5 0,406 2,028

v 42 w2 r42 5 0,406 2,027

v52 w2 r52 5 0,324 1,622

v 62 w2 r62 5 0,243 1,217

v72 w2 r72 5 0,324 1,622

22
 v82 w2 r82 5 0,405 2,028

v92 w2 r92 5 0,324 1,622

c) Untuk Kriteria 3 (C3), diperoleh:

v13 w3 r13 4 0,369 1,479

v 23 w3 r23 4 0,277 1,109

v33 w3 r33 4 0,092 0,369

v 43 w3 r43 4 0,369 1,479

v53 w3 r53 4 0,369 1,479

v 63 w3 r63 4 0,369 1,479

v 73 w3 r73 4 0,277 1,109

v83 w3 r83 4 0,462 1,849

v93 w3 r93 4 0,277 1,109

d) Untuk Kriteria 4 (C4), diperoleh:

v14 w4 r14 3 0,293 0,878

v 24 w4 r24 3 0,293 0,878

v34 w4 r34 3 0,488 1,464

v 44 w4 r44 3 0,488 1,464

v54 w4 r54 3 0,293 0,878

v 64 w4 r64 3 0,293 0,878

v 74 w4 r74 3 0,293 0,878

v84 w4 r84 3 0,098 0,293

v94 w4 r94 3 0,293 0,878

e) Untuk Kriteria 5 (5), diperoleh:

v15 w5 r15 4 0,466 1,865

v 25 w5 r25 4 0,093 0,373

v35 w5 r35 4 0,187 0,746

v 45 w5 r45 4 0,093 0,373

23
 v55 w5 r55 4 0,373 1,492

v 65 w5 r65 4 0,279 1,119

v 75 w5 r75 4 0,279 1,119

v85 w5 r85 4 0,466 1,865

v95 w5 r95 4 0,466 1,865

Maka diperoleh matriks keputusan ternormalisasi terbobot sebagai berikut.

1,865 1,622 1,479 0,878 1,865

1,492 0,811 1,109 0,878 0,373
1,119 2,028 0,369 1,464 0,746

0,746 2,028 1,479 1,464 0,373
v 1,119 1,622 1,479 0,878 1,492
1,865 1,217 1,479 0,878 1,119

1,119 1,622 1,109 0,878 1,119
1,119 2,028 1,849 0,293 1,865

1,119 1,622 1,109 0,878 1865
3. Menentukan Matriks Solusi Ideal Positif dan Matriks Solusi Ideal Negatif.

Solusi ideal ( A ) positif adalah sebagai berikut.

Tabel 3.8 Solusi Ideal ( A ) Positif
Kemampuan Uang Muka Kemampuan Jaminan Kondisi
(C1) (C2) (C3) (C4) (C5)
Nilai Maksimum Maksimum Maksimum Maksimum Maksimum

Solusi Ideal positifnya sebagai berikut.

v1 Max1,865;1,492;1,119;0,746;1,119;1,865;1,119;1,119;1,119 1,865

v 2 Max(1,622;0,811;2,028;2,028;1,622;1,217;1,622;2,028;1,622) 2,028

v3 Max(1,479;1,109;0,369;1,479;1,479;1,479;1,109;1,849;1,109) 2,028

v 4 Max(0,878;0,878;1,464;1,464;0,878;0,878;0,878;0,293;0,878) 1,464

v5 Max(1,865;0,373;0,746;0,373;1,492;1,119;1,119;1,865;1,865) 1,865
Matriks solusi ideal positifnya sebagai berikut.

24
 A * +
Solusi ideal ( A ) negatif adalah sebagai berikut.
Tabel 3.9 Solusi Ideal ( A ) Negatif
Kemampuan Uang Muka Kemampuan Jaminan Kondisi
(C1) (C2) (C3) (C4) (C5)
Nilai Minimum Minimum Minimum Minimum Minimum

Solusi Ideal negatifnya sebagai berikut.

v1 Min(1,865;1,492;1,119;0,746;1,119;1,865;1,119;1,119;1,119) 0,746

v 2 Min(1,622;0,811;2,028;2,028;1,622;1,217;1,622;2,028;1,622) 0,811

v3 Min(1,479;1,109;0,369;1,479;1,479;1,479;1,109;1,849;1,109) 0,369

v 4 Min(0,878;0,878;1,464;1,464;0,878;0,878;0,878;0,293;0,878) 0,293

v5 Min(1,865;0,373;0,746;0,373;1,492;1,119;1,119;1,865;1,865) 0,373

Matriks solusi ideal negatifnya sebagai berikut.

A * +
4. Menentukan Jarak Antara Nilai Setiap Alternatif Dengan Matriks Solusi Ideal Positif dan
Matriks Solusi Ideal Negatif
a. Jarak Antara Nilai Setiap Alternatif Dengan Matriks Solusi Ideal Positif

v
n 2
Rumus: S i j 1 j v ij , dengan i = 1, 2, 3, . . . , m.

Jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dihitung:

S1 (1,865 1,865) 2 (2,028 1,622) 2 (1,849 1,479) 2 (1,464 0,878) 2 (1,865 1,865) 2

0,734

S 2 (1,865 1,492) 2 (2,028 0,811) 2 (1,849 1,119) 2 (1,464 1,109) 2 (1,865 0,373) 2

2,176

25

S 3 (1,865 1,119) 2 (2,028 2,028) 2 (1,849 0,369) 2 (1,464 1,464) 2 (1,865 0,746) 2

1,999

S 4 (1,865 0,746) 2 (2,028 2,028) 2 (1,849 1,479) 2 (1,464 1,464) 2 (1,865 0,373) 2

1,901

S 5 (1,865 1,119) 2 (2,028 1,622) 2 (1,849 1,479) 2 (1,464 0,878) 2 (1,865 1,492) 2

1,157

S 6 (1,865 1,865) 2 (2,028 1,217) 2 (1,849 1,479) 2 (1,464 0,878) 2 (1,865 1,119) 2

1,302

S 7 (1,865 1,119) 2 (2,028 1,622) 2 (1,849 1,479) 2 (1,464 0,878) 2 (1,865 1,119) 2

1,472

S 8 (1,865 1,119) 2 (2,028 2,028) 2 (1,849 1,849) 2 (1,464 0,293) 2 (1,865 1,865) 2

1,389

S 9 (1,865 1,119) 2 (2,028 1,622) 2 (1,849 1,109) 2 (1,464 1,109) 2 (1,865 1,865) 2

1,389

Jadi, jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positifnya adalah
sebagai berikut.

26
b. Jarak Antara Nilai Setiap Alternatif Dengan Matriks Solusi Ideal Negatif

v
n 2
Rumus: S i j 1 ij vj , dengan i = 1, 2, 3, . . . , m.

Jarak antara nilai setiap alternatif dengan matriks solusi ideal negatif dihitung sebagai
berikut.

S1 (1,865 0,746) 2 1,622 0,811 1,479 0,369 0,878 0,293 1,865 0,373
2 2 2 2

2,389

S 2 (1,492 0,746) 2 0,811 0,811 1,109 0,369 0,878 0,293 0,373 0,373
2 2 2 2

1,203

S 3 (1,119 0,746) 2 2,028 0,811 0,369 0,369 1,464 0,293 0,746 0,373
2 2 2 2

1,769

S 4 (0,746 0,746) 2 2,028 0,811 1,479 0,369 1,464 0,293 0,373 0,373
2 2 2 2

2,064

S 5 (1,119 0,746) 2 1,622 0,811 1,479 0,369 0,878 0,293 1,492 0,373
2 2 2 2

1,949

S 6 (1,865 0,746) 2 1,617 0,811 1,479 0,369 0,878 0,293 1,119 0,373
2 2 2 2

27
 1,883

S 7 (1,119 0,746) 2 1,622 0,811 1,109 0,369 0,878 0,293 1,119 0,373
2 2 2 2

1,498

S 8 (1,119 0,746) 2 2,028 0,811 1,849 0,369 0,293 0,293 1,865 0,373
2 2 2 2

2,456

S 9 (1,119 0,746) 2 1,622 0,811 1,109 0,369 0,878 0,293 1,865 0,373
2 2 2 2

1,978

Jadi, jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatifnya
adalah sebagai berikut.

5. Menentukan Nilai Preferensi Untuk Setiap Alternatif

Rumus: dengan i = 1, 2, 3, . . ., m
( )

Hasil perhitungan nilai preferensinya adalah sebagai berikut.

28
 ( ) ( )

( ) ( )

( ) ( )

( ) ( )

( ) ( )

( ) ( )

( ) ( )

( ) ( )

( ) ( )

6. Merangkai Alternatif

Alternatif diurutkan dari nilai terbesar ke nilai terkecil. Alternatif dengan nilai
terbesar merupakan solusi terbaik.

Tabel 3.9 Perankingan Nilai Preferensi

Pemohon Nilai
No. Ranking
Kredit Preferensi
1 Koji (C1) 0,765 1
2 Levi (C8) 0,634 2
3 Wiyoga (C5) 0,627 3
4 Agung F (C9) 0,609 4
5 Wira (C6) 0,591 5
6 Djuarna (C4) 0,520 6
7 Sudana (C7) 0,504 7
8 Aldy (C3) 0,469 8
9 Bayu (C2) 0,356 9

29
 Perankingan seperti pada Tabel 3.10 dapat memudahkan Perusahaan A untuk
menentukan pemohon kredit yang layak diberikan kredit.

30
 BAB IV

PENUTUP

4.1 Simpulan

Berdasarkan pembahasan pada bab sebelumnya, dapat disimpulkan hal-hal sebagai

berikut.

a. TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau

alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari
solusi ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang
geometris dengan menggunakan jarak Euclidean. Adapun langka-langkah dari
algoritma TOPSIS adalah membangun sebuah matriks keputusan, membuat matriks
keputusan yang ternormalisasi, membuat matriks keputusan yang ternormalisasi,
menentukan matriks solusi ideal positif dan solusi ideal negatif, menghitung
separasi, menghitung kedekatan terhadap solusi ideal positif, dan merangkai
alternatif.

b. Metode TOPSIS untuk pendukung keputusan pemberian kredit mobil dengan lima
kriteria yaitu karakter (character), uang muka (capital), kemampuan (capacity),
jaminan (collateral), dan kondisi (condition). Dengan menggunakan proses
Algoritma TOPSIS ini akan memudahkan pihak perusahaan A untuk menentukan
pemohon kredit yang layak diajukan permohonannya.

4.2 Saran
a. Pembahasan yang dikaji dalam seminar ini adalah bagaimana proses dari Algoritma
TOPSIS dan bagaimana penerapan Algoritma TOPSIS untuk pendukung keputusan
terhadap pemberian kredit mobil pada perusahaan A. Apabila pembaca ingin
mengkaji lebih lanjut tentang topik yang serupa, maka disarankan kembangkanlah
mengenai penerapan Algoritma TOPSIS dalam bidang ilmu lainnya.

31
 DAFTAR PUSTAKA

Arifah, P. 2014. Analisa dan Perancangan Sistem Pendukung Keputusan Pemilihan

Kendaraan Menggunakan Metode TOPSIS. Surabaya: Jurnal Teknologi
Informasi, Vol.5 No. 1.

Kusumadewi, Sri, dkk. 2006. Fuzzy Multi-tribute Decision making Fuzzy (Fuzzy-
MADM). Jakarta: Graha Ilmu 2006.

Munarman., Sidding, Akhmad. 2012. Sistem Pendukung Keputusan Menggunakan

Metode Technique for Order by Similarity to Ideal Solution (TOPSIS).
Bandung: Jurnas Sistem Informasi (JSI), Vol. 4, No.1.

Oktaputra, Wahyu., Noersasongko, Edi. 2014. Sistem Pendukung Keputusan

Kelayakan Pemberian Kredit Motor Menggunakan Metode Simple Additive
Weighting pada Perusahaan Leasing HD Finance. Semarang: Jurnal SPK
Kelayakan Pemberian Kredit.

Wati, Ratna. 2011. Sistem Kendali Cerdas. Yogyakarta: Graha Ilmu.