Anda di halaman 1dari 19

1.

Pendahuluan

Pengambilan keputusan merupakan salah satu masalah yang dihadapi setiap


hari. Banyak pertimbangan yang harus dipikirkan untuk mendapat keputusan yang
terbaik dan terkadang banyaknya pilihan yang tersedia juga dapat membuat kita
lebih sulit dalam mengambil keputusan tersebut. Seiring dengan perkembangan
teknologi, maka pemanfaatan teknologi informasi dapat digunakan guna
mempermudah manusia dalam hal pengambilan suatu keputusan.
Penerimaan asisten dosen pada Fakultas Teknologi Informasi UKSW
merupakan salah satu contoh kasus dalam hal pengambilan keputusan tersebut.
Dosen yang menjadi koordinator suatu mata kuliah akan melakukan seleksi
penerimaan asisten terhadap mahasiswa yang telah mendaftar menjadi calon
asisten. Dalam proses seleksi tersebut para dosen biasanya melakukan wawancara
dan atau tes kepada para calon asisten tersebut. Hasil dari wawancara maupun tes
tersebut yang menjadi bahan pertimbangan para dosen untuk menentukan siapa
saja yang akan diterima menjadi asisten. Akan tetapi peranan teknologi informasi
sendiri terkadang hanya digunakan untuk memberikan pengumuman seputar
penerimaan asisten, belum sampai digunakan pada proses pemilihan asisten
tersbut.
Berdasarkan permasalahan tersebut, peranan teknologi informasi diharapkan
dapat digunakan untuk membantu para dosen dalam melakukan proses
penerimaan asisten dosen, sehingga dapat mempercepat proses dan dapat
menghasilkan keputusan terbaik tentang siapa saja asisten yang diterima. Metode
TOPSIS adalah salah satu metode dalam hal pengambilan keputusan multi kriteria
yang dapat digunakan untuk permasalahan tersebut. Oleh karena itu dalam
penelitian ini akan dibangun aplikasi “Sistem Pendukung Keputusan Penerimaan
Asisten Dosen pada Fakultas Teknologi Informasi UKSW Menggunakan Metode
TOPSIS” untuk membantu para dosen dalam hal proses penerimaan asisten.

2. Tinjauan Pustaka

Penelitian mengenai penggunaan metode TOPSIS telah banyak digunakan.


Salah satunya adalah penelitian dengan judul Penerapan Metode TOPSIS Untuk
Pemberian Bonus Karyawan Berprestasi Pada PT. Deltomed Laboratories. Dalam
penelitian tersebut metode TOPSIS yang merupakan metode multi kriteria
digunakan untuk membantu bagian HRD pada PT. Deltomed Laboratories dalam
menentukan karyawan mana yang layak untuk mendapatkan bonus dengan
memberi penilaian berdasarkan kriteria-kriteria tertentu. Pemberian bonus
karyawan ini didasarkan pada beberapa kriteria yaitu: prestasi kerja (tanggung
jawab, kualitas pekerjaan dan kecakapan kerja), kedisiplinan kerja (kedatangan
dan ketepatan waktu), dan prilaku kerja (kerjasama, keuletan, kejujuran, loyalitas,
moral dan perilaku). Dalam penelitian ini, hasil akhir berupa laporan ranking para
karyawan yang dihitung menggunakan metode TOPSIS, di mana karyawan
dengan ranking atau nilai tertinggi adalah karyawan yang berhak mendapat
bonus[1].

2
Penelitian lain yang membahas tentang penggunaan metode TOPSIS yaitu
penelitian dengan judul Penerapan Metode TOPSIS Untuk Sistem Penerimaan
Karyawan di Biro Psikologi Untag [2]. Penelitian ini dilatarbelakangi oleh
permasalahan yang ada di Biro Psikologi UNTAG pada saat pelaksanaan dan
perhitungan hasil test psikologi yang membutuhkan banyak waktu dan
memungkinkan terjadinya kesalahan perhitungan. Kendala lain yang dihadapi
yaitu pada saat menentukan ranking karyawan. Dalam penelitian ini, dibangun
aplikasi tes psikologi IST (Intelligenz Strukture Test), SOV (Study of Value) dan
MMPI (Minnesota Multiphasic Personality Inventory) dimana hasil dari tes ini
akan digunakan sebagai inputan dalam aplikasi penerapan metode TOPSIS untuk
menentukan ranking pelamar sehingga nantinya dapat membantu Biro Psikologi
UNTAG untuk meningkatkan produktivitas karyawannya[2].
Perbedaan dengan penelitian terdahulu yaitu bahwa penelitian yang berjudul
Penerapan Metode TOPSIS Untuk Pemberian Bonus Karyawan Berprestasi Pada
PT. Deltomed Laboratories diterapkan untuk sistem pemberian bonus bagi
karyawan berprestasi dan pada penelitian Penerapan Metode TOPSIS Untuk
Sistem Penerimaan Karyawan di Biro Psikologi Untag, metode TOPSIS
digunakan untuk perankingan karyawan berdasarkan hasil tes psikologi.
Sedangkan pada penelitian yang sekarang ini sistem akan diterapkan pada bidang
akademis untuk proses penerimaan asisten dosen pada Fakultas Teknologi
Informasi UKSW.

Sistem Pendukung Keputusan


Pengambilan keputusan adalah sebuah proses memilih tindakan (di antara
berbagai alternatif) untuk mencapai suatu tujuan atau beberapa tujuan [3].
Pengambilan suatu keputusan merupakan salah satu masalah dasar yang dihadapai
oleh manusia setiap saat. Permasalahan terjadi ketika keputusan yang telah
diambil ternyata tidak memenuhi tujuan yang sudah ditetapkan. Tidak jarang juga
keputusan yang telah diambil justru mendatangkan kerugian. Dalam hal ini
manusia perlu sesuatu yang dapat membantu mereka dalam pengambilan
keputusan tersebut, sehingga keputusan yang nantinya akan diambil merupakan
solusi terbaik dari berbagai alternatif yang ada.
Sistem pendukung keputusan atau decision support system (DSS) pertama
kali diperkenalkan oleh Scott Morton pada awal tahun 1970-an. Ia mendefinisikan
DSS sebagai “sistem berbasis komputer interaktif, yang membantu para
pengambil keputusan untuk menggunakan data dan berbagai model untuk
memecahkan masalah-masalah tidak terstruktur. Definisi klasik lainnya untuk
DSS diajukan oleh Keen dan Morton pada tahun 1978, yaitu sistem pendukung
keputusan (DSS) memadukan sumber daya intelektual dari individu dengan
kapabilitas komputer untuk meningkatkan kualitas keputusan. DSS adalah sistem
pendukung berbasis komputer bagi para pengambil keputusan manajemen yang
menangani masalah-masalah tidak terstruktur [3].

Metode TOPSIS
Metode TOPSIS adalah salah satu metode pengambilan keputusan
multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang pada tahun

3
1981. Metode ini merupakan salah satu metode yang banyak digunakan untuk
menyelesaikan pengambilan keputusan secara praktis. TOPSIS memiliki konsep
dimana alternatif yang terpilih merupakan alternatif terbaik yang memiliki jarak
terpendek dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif [4].
Semakin banyaknya faktor yang harus dipertimbangkan dalam proses
pengambilan keputusan, maka semakin relatif sulit juga untuk mengambil
keputusan terhadap suatu permasalahan. Apalagi jika upaya pengambilan
keputusan dari suatu permasalahan tertentu, selain mempertimbangkan berbagai
faktor/kriteria yang beragam, juga melibatkan beberapa orang pengambil
keputusan. Permasalahan yang demikian dikenal dengan permasalahan multiple
criteria decision making (MCDM). Dengan kata lain, MCDM juga dapat disebut
sebagai suatu pengambilan keputusan untuk memilih alternatif terbaik dari
sejumlah alternatif berdasarkan beberapa kriteria tertentu. Metode TOPSIS
digunakan sebagai suatu upaya untuk menyelesaikan permasalahan multiple
criteria decision making. Hal ini disebabkan konsepnya sederhana dan mudah
dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur
kinerja relatif dari alternatif-alternatif keputusan.

Langkah-langkah Metode TOPSIS


Langkah-langkah yang dilakukan dalam menyelesaikan suatu permasalahan
menggunakan metode TOPSIS adalah sebagai berikut [4]:
1. Menggambarkan alternatif (m) dan kriteria (n) ke dalam sebuah matriks,
dimana Xij adalah pengukuran pilihan dari alternatif ke-i dan kriteria ke-j.
Matriks ini dapat dilihat pada persamaan satu.

(1)

2. Membuat matriks R yaitu matriks keputusan ternormalisasi


Setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan
menggunakan persamaan dua.
Xij
rij = (2)
m

 Xij
2

i 1

3. Membuat pembobotan pada matriks yang telah dinormalisasi


Setelah dinormalisasi, setiap kolom pada matriks R dikalikan dengan bobot-
bobot (wj) untuk menghasilkan matriks pada persamaan tiga.
w1r11 w1r12 wnr1n
w2r21 … … (3)
wjrm1 wjrm2 wjrmn

4
4. Menentukan nilai solusi ideal positif dan solusi ideal negatif. Solusi ideal
dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Persamaan
untuk menentukan solusi ideal dapat dilihat pada persamaan empat.

A+ = {(max Vij | j € J), (min Vij | j € J’),


i=1,2,3,...,m}={V1+, V2+,...,Vn+} (4)
A- = {(min Vij | j € J), (max Vij | j € J’),
i=1,2,3,...,m}={V1-, V2-,...,Vn-}
J = {j=1,2,3,...,n dan j merupakan benefit criteria}
J’ = {j=1,2,3,...,n dan j merupakan cost criteria}

5. Menghitung separation measure. Separation measure ini merupakan


pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal
negatif.
- Perhitungan solusi ideal positif dapat dilihat pada persamaan lima:

Si + (Vij – Vj+) 2 (5)


i=1

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

- Perhitungan solusi ideal negatif dapat dilihat pada persamaan enam:


Si –
2
(Vij – Vj ) 2 (6)
i=1

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

6. Menghitung nilai preferensi untuk setiap alternatif. Untuk menentukan


ranking tiap-tiap alternatif yang ada maka perlu dihitung terlebih dahulu nilai
preferensi dari tiap alternatif. Perhitungan nilai preferensi dapat dilihat
melalui persamaan tujuh.

Si –
Ci + (7)

Si+ + Si
Dimana 0 < Ci+ < 1 dan i=1,2,3,...,m

Setelah didapat nilai Ci+, maka alternatif dapat diranking berdasarkan


urutan Ci+. Dari hasil perankingan ini dapat dilihat alternatif terbaik yaitu

5
alternatif yang memiliki jarak terpendek dari solusi ideal dan berjarak terjauh dari
solusi ideal negatif.

3. Metode Perancangan

Metode yang digunakan untuk perancangan sistem ini adalah metode


waterfall. Penggunaan metode ini karena lebih mudah untuk diterapkan, lebih
mudah dijabarkan dan lebih mudah dipahami [5]. Metode waterfall ini terdiri dari
lima tahapan utama yaitu requirements, design, implementation, verification dan
maintenance.

Requirements

Design

Implementation

Verification

Maintenance

Gambar 1 Metode Waterfall

Tahapan pertama pada metode waterfall ini adalah tahap requirements. Pada
tahap ini dilakukan pengumpulan data maupun informasi yang diperlukan dalam
pembuatan program. pengumpulan data dilakukan melalui wawancara terhadap
dosen koordinator matakuliah untuk mengetahui gambaran tentang penerimaan
asisten dosen dan juga kriteria apa saja yang digunakan sebagai penilaian dalam
proses penerimaan asisten dosen.
Setelah data maupun informasi yang diperlukan terkumpul, tahapan
selanjutnya adalah mendesain program yang akan dibuat. Desain program ini
meliputi rancangan tampilan program dan proses yang akan dilakukan di
dalamnya. Hasil dari desain ini kemudian akan diimplementasikan ke dalam
bentuk program dengan bahasa pemrograman yang telah ditentukan sebelumnya.
Program yang telah selesai dibuat kemudian akan diujicobakan pada tahap
verification untuk melihat apakah program telah berjalan dengan baik dan telah
sesuai dengan kebutuhan dan perancangan sebelumnya.
Proses terakhir yaitu proses maintenance yang merupakan proses untuk
pemeliharaan program yang telah dibuat, termasuk juga proses pengembangan
atau update jika ada fitur-fitur baru yang perlu ditambahkan.

6
Analisa Data
Sistem penerimaan asisten dosen ini diimplementasikan menggunakan
metode TOPSIS. Kriteria yang digunakan untuk penilaian terhadap masing-
masing calon asisten yaitu kemampuan mengajar, penguasaan materi, penguasaan
kelas, nilai, indeks prestasi kumulatif (IPK), pengalaman, motivasi, kerjasama,
tanggung jawab dan disiplin. Kriteria yang digunakan ini merupakan benefit
criteria, di mana semakin tinggi penilaian terhadap kriteria tersebut maka hasilnya
akan semakin baik. Kriteria penilaian untuk para calon asisten ini didapat
berdasarkan hasil wawancara terhadap beberapa dosen yang pernah menjadi
koordinator suatu matakuliah praktikum.
Pemberian nilai untuk setiap calon asisten pada masing-masing kriteria,
kecuali kriteria IPK dan pengalaman, dimulai dari satu sampai dengan empat
dengan rincian sebagai berikut:
- 4 = sangat baik
- 3 = baik
- 2 = cukup
- 1 = kurang
Kriteria nilai juga memiliki penilaian antara satu sampai dengan empat dengan
rincian sebagai berikut:
- Nilai A = 4
- Nilai AB = 3
- Nilai B = 2
- Nilai BC = 1
Penilaian terhadap kriteria pengalaman terdiri dua nilai yaitu satu dan dua,
dimana satu untuk calon asisten yang belum pernah menjadi asisten dan nilai dua
untuk yang sudah pernah menjadi asisten. Sedangkan pada kriteria IPK, nilai yang
dimasukkan adalah sesuai dengan IPK yang dimiliki oleh calon asisten tersebut.

Perancangan Sistem
Pada perancangan sistem ini akan digunakan alat bantu berupa UML
(Unified Modeling Language). Penggunaan UML didasarkan bahwa sistem yang
dibuat menggunakan konsep OOP (Object Oriented Programming).

Diagram Use Case

Ganti Password
Penilaian

Maintenance Data Registrasi Asisten


Admin User

Perhitungan

Laporan

Gambar 2 Diagram Use Case

7
Diagram use case pada Gambar 2 menjelaskan ada dua aktor utama dalam
sistem yaitu aktor sebagai admin dan user. Proses untuk ganti password, registrasi
asisten dan mengakses laporan dapat dilakukan oleh kedua aktor yang ada. Proses
lain yang dilakukan oleh admin yaitu proses maintenance data. Sedangkan pada
aktor user, proses lain yang dapat dikerjakan yaitu melakukan penilaian dan
perhitungan untuk para calon asisten.

Activity Diagram
Activity diagram terdiri dari dua bagian, yaitu Activity diagram untuk admin
dan Activity diagram untuk user/dosen. Activity diagram untuk admin ditunjukkan
pada Gambar 3. Proses diawali dengan login ke dalam sistem terlebih dahulu. Jika
login gagal maka admin diharuskan untuk mengulang proses login agar dapat
masuk ke dalam sistem. Setelah login berhasil, maka admin dapat melakukan
proses dalam sistem yaitu melakukan maintenance data, registrasi calon asisten,
mengganti password dan mengakses laporan.

Maintenance
Data
Registrasi
Login Sukses? calon asisten LogOut
Ganti
Password

tidak Laporan

Gambar 3 Activity Diagram Admin

Activity diagram untuk user/dosen ditunjukkan pada Gambar 4. User


memiki proses yang hampir serupa dengan admin, dimulai dengan proses login
untuk dapat masuk ke dalam sistem. Pada proses login ini nantinya akan
dibedakan peran apa saja yang dapat dilakukan di dalam sistem.
Registrasi
calon asisten
Penilaian calon
asisten

Login Sukses? Perhitungan LogOut


TOPSIS
Laporan
tidak
Ganti
Password

Gambar 4 Activity Diagram User

Sequence Diagram
Pada sequence diagram digambarkan urut-urutan proses secara umum yang
dilakukan baik oleh admin maupun user.

8
Maintenance Registrasi Laporan Password
: Admin : Login : Database

Login

Maintenance Data

Simpan Data

Input Data Registrasi

Simpan data registrasi

Menampilkan Laporan

Melihat laporan

Mengganti password

Menyimpan password

Logout

Gambar 5 Sequence Diagram Admin

Gambar 5 menunjukkan sequence diagram untuk admin. Admin melakukan


proses maintenance data, registrasi dan ganti password. Hasilnya kemudian akan
disimpan ke dalam database. Proses laporan kemudian dapat diakses jika user
dosen telah melakukan perhitungan dan menyimpan data ke dalam database.

Registrasi Penilaian Perhitungan Laporan Password


: User : Login : Database

Login

Input Data Registrasi

Simpan Data Registrasi

Menampilkan data registrasi

Melakukan Penilaian

Menyimpan hasil penilaian

Memberikan data penilaian

Melakukan perhitungan

menyimpan hasil perhitungan

Menampilkan laporan

Melihat laporan

Mengganti password

Menyimpan password

Logout

Gambar 6 Sequence Diagram User

9
Sequence diagram untuk user ditunjukkan pada Gambar 6. User melakukan
login terlebih dahulu, kemudian dapat melakukan registrasi calon asisten jika
masih ada data calon asisten yang belum masuk ke dalam registrasi. Setelah
proses registrasi user dapat melakukan penilaian untuk para calon asisten. Hasil
penilaian ini akan di bawa ke proses perhitungan untuk mengetahui hasil akhir
dan ranking calon asisten. Setelah selesai dengan proses penilaian dan
perhitungan makan data akan disimpan ke dalam database.

Class Diagram
Selanjutnya menggambarkan class diagram untuk sistem yang dibuat. Class
diagram dapat dilihat pada Gambar 7.

Gambar 7 Class Diagram

Class diagram pada Gambar 7 menunjukkan aktor dan kelas yang terlibat di
dalam sistem, beserta atribut serta operasi-operasi yang terjadi pada masing-
masing kelas.

Perancangan Basis Data


Perancangan basis data dilakukan dengan menggunakan entity relationship
diagram (ERD). ERD sendiri juga digunakan untuk menunjukkan hubungan antar
entitas yang ada dalam basis data. Hasil perancangan ERD dapat dilihat pada
Gambar 6.

10
Mahasiswa

\/

Mendaftar
matakuliah

V
/\
memiliki l< assisten >0 memilih l< user

Gambar 8 Entity Relationship Diagram (ERD)

Setiap entitas yang ada memiliki atribut masing-masing. Atribut yang ada
pada tiap entitas dapat dilihat pada kamus data berikut ini.
Kamus data:
Mahasiswa={NIM, nama}
Matakuliah={matakuliahID, name}
User={userID, rUserTypeID, name, username, password}
assisten={asistenID, NIM, matakuliahID, registerUserID, registerDatetime, tahun,
semester, nilai_TOPSIS, penilaianUserID, penilaianDateTime,
kemampuanMengajar, penguasaanMateri, nilai, ipk, penguasaanKelas,
pengalaman, motivasi, kerjasama, disiplin, tanggungJawab}

4. Hasil dan Pembahasan

Setelah langkah perancangan dan desain selesai, maka tahap selanjutnya


adalah implementasi. Tahap ini merupakan penerapan hasil rancangan sistem ke
dalam bentuk program melalui proses koding. Tampilan awal pada aplikasi ini
berupa halaman login seperti yang terlihat pada Gambar 9.

Gambar 9 Halaman Login

User pada aplikasi ini dibagi menjadi dua peran, yaitu user admin dan user
dosen. Pembagian peran tersebut disesuaikan dengan tingkat kepentingan tiap

11
user, dimana user admin dan user dosen memiliki peran yang berbeda dalam
sistem.

Gambar 10 Halaman Utama

Gambar 10 menunjukkan tampilan setelah berhasil login yaitu halaman


utama. Pada halaman ini terdapat empat menu utama yaitu menu master, action,
report dan logout. Pada menu master terdapat empat menu yaitu user, mahasiswa,
matakuliah dan kriteria. Menu user, mahasiswa dan matakuliah hanya dapat
diakses oleh admin untuk melakukan proses maintenance data yaitu menambah
data, mengubah data maupun menghapus data.
Gambar 11 memperlihatkan contoh tampilan menu user yang digunakan
untuk menambah, mengubah maupun menghapus data yang ada di dalamnya.
Tombol New User digunakan jika ingin menambahkan user baru ke dalam sistem.

Gambar 11 Tampilan Menu User

12
Menu lain pada master adalah menu kriteria yang digunakan untuk
menyimpan nilai bobot masing-masing kriteria. Menu ini dapat diakses baik oleh
admin maupun dosen.
Selanjutnya daftar para mahasiswa yang telah mendaftar sebagai calon
asisten akan disimpan ke dalam aplikasi melalui menu registrasi. Menu ini juga
dapat diakses oleh admin dan dosen. Tampilan untuk menu registrasi ditunjukkan
pada Gambar 12.

Gambar 12 Tampilan Menu Registrasi

Daftar calon asisten ini kemudian akan dibawa ke tahap penilaian. Dosen
akan melakukan penilaian terhadap calon asisten untuk tiap-tiap kriterianya.
Tampilan menu penilaian ditunjukkan pada Gambar 13.

Gambar 13 Tampilan Menu Penilaian

13
Setelah selesai melakukan penilaian, maka data akan disimpan ke dalam
database. Hasil dari penilaian inilah yang kemudian akan menjadi matriks
alternatif dan kriteria, yaitu matriks awal yang akan digunakan dalam proses
perhitungan TOPSIS.

Kode Program 1 Penyimpanan Hasil Penilaian

Public Shared Function ucPenilaian_saveClicked(ByVal KM As String, ByVal PM As


String, ByVal nilai As String, ByVal IPK As String, ByVal PK As String, ByVal
pengalaman As String, ByVal motivasi As String, ByVal kerjasama As String,
ByVal disiplin As String, ByVal TJ As String) As Byte

Assisten.Update(curUserID, KM, PM, convertNilai(nilai), IPK, PK,


pengalaman, motivasi, kerjasama, disiplin, TJ)

Return Assisten.Err_Code
End Function

Kode Program 1 merupakan fungsi yang digunakan untuk menyimpan hasil


penilaian ke dalam database. Kriteria nilai pada aplikasi ditunjukkan
menggunakan huruf, yaitu untuk nilai A, AB, B dan BC. Oleh karena itu, untuk
dapat disimpan ke dalam database harus dikonversi terlebih dahulu (convertNilai
(nilai)) ke dalam bentuk penilaian angka dimana nilai A bernilai empat, AB
bernilai tiga, B bernilai dua dan BC bernilai satu.

Perhitungan TOPSIS
Setelah proses penilaian selesai, hasil dari penilaian akan dihitung untuk
mendapatkan ranking nilai dari para calon asisten. Bobot pada setiap kriteria
diperlukan untuk dapat melakukan perhitungan menggunankan metode TOPSIS.
Tabel 1 Bobot Kriteria

Kriteria Bobot
kemampuan Mengajar (k1) 0,14
penguasaan Materi (k2) 0,14
Nilai (k3) 0,11
Ipk (k4) 0,11
penguasaan Kelas (k5) 0,11
kerja sama (k6) 0,11
Motivasi (k7) 0,08
Disiplin (k8) 0,08
tanggung jawab (k9) 0,06
Pengalaman (k10) 0,06
Total 1

Pemberian bobot ini dilakukan secara manual, dimana pembobotan kriteria


penilaian didapat berdasarkan hasil wawancara yang telah dilakukan terhadap

14
beberapa dosen yang pernah menjadi koordinator mata kuliah atau yang pernah
melakukan penerimaan asisten dosen.
1. Menggambarkan matriks alternatif dan kriteria. Nilai pada matriks alternatif
dan kriteria ini didapat dari hasil penilaian kepada tiap-tiap alternatif yang
ada. Penilaian kriteria untuk setiap alternatif dapat dilakukan melalui
wawancara ataupun tes yang dilakukan oleh dosen koordinator yang
bersangkutan. Dalam perhitungan ini dicontohkan terdapat lima alternatif
yang masing-masing diberi nama AltSatu, AltDua, AltTiga, AltEmpat dan
AltLima. Matriks ini kemudian dapat juga dituliskan ke dalam bentuk tabel
seperti pada Tabel 2.
Tabel 2 Alternatif dan Kriteria

kriteria AltSatu AltDua AltTiga AltEmpat AltLima


k1 4 3 4 4 4
k2 4 4 4 4 3
k3 3 4 4 2 3
k4 3,04 3,12 3,31 3,07 3,18
k5 3 3 3 4 4
k6 4 3 4 4 3
k7 4 4 3 3 4
k8 3 4 3 3 4
k9 4 4 4 4 3
k10 2 2 1 2 2

2. Membuat matriks keputusan ternormalisasi. Untuk membuat matriks


keputusan ternormalisasi, nilai pada Tabel 2 harus dikuadratkan terlebih
dahulu, kemudian dihitung akar jumlah untuk tiap-tiap barisnya.

Tabel 3 Nilai Kuadrat dan Hasil Akar

AltSatu AltDua AltTiga AltEmpat AltLima total hasil akar


1 16 9 16 16 16 73 8,544004
2 16 16 16 16 9 73 8,544004
3 9 16 16 4 9 54 7,348469
4 9,2416 9,7344 10,9561 9,4249 10,1124 49,4694 7,033449
5 9 9 9 16 16 59 7,681146
6 16 9 16 16 9 66 8,124038
7 16 16 9 9 16 66 8,124038
8 9 16 9 9 16 59 7,681146
9 16 16 16 16 9 73 8,544004
10 4 4 1 4 4 17 4,123106

Hasil akar pada Tabel 3 kemudian digunakan untuk membagi nilai-nilai


pada Tabel 2 untuk menghasilkan matriks keputusan ternormalisasi.

15
Tabel 4 Matrik Keputusan Ternormalisasi

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,468165 0,351123 0,468165 0,468165 0,468165
2 0,468165 0,468165 0,468165 0,468165 0,351123
3 0,408248 0,544331 0,544331 0,272166 0,408248
4 0,432220 0,443595 0,470608 0,436486 0,452125
R= 5 0,390567 0,390567 0,390567 0,520756 0,520756
6 0,492366 0,369274 0,492366 0,492366 0,369274
7 0,492366 0,492366 0,369274 0,369274 0,492366
8 0,390567 0,520756 0,390567 0,390567 0,520756
9 0,468165 0,468165 0,468165 0,468165 0,351123
10 0,485071 0,485071 0,242536 0,485071 0,485071

Penjelasan Tabel 4 nilai X11 = 0,468165 diperoleh dari nilai X11 pada Tabel 3
= 4 dibagi dengan hasil akar untuk baris pertama = 8,544004.
Rij = 4/8,544004
= 0,468165

3. Membuat matriks keputusan ternormalisasi terbobot. Matriks ini diperoleh


dengan mengalikan matriks yang telah dinormalisasi (Tabel 4) dengan bobot
masing-masing kriteria.

Tabel 5 Matriks Keputusan Ternormalisasi Terbobot

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,065543 0,049157 0,065543 0,065543 0,065543
2 0,065543 0,065543 0,065543 0,065543 0,049157
3 0,044907 0,059876 0,059876 0,029938 0,044907
4 0,047544 0,048795 0,051767 0,048013 0,049734
V= 5 0,042962 0,042962 0,042962 0,057283 0,057283
6 0,054160 0,040620 0,054160 0,054160 0,040620
7 0,039389 0,039389 0,029542 0,029542 0,039389
8 0,031245 0,041660 0,031245 0,031245 0,041660
9 0,028090 0,028090 0,028090 0,028090 0,021067
10 0,029104 0,029104 0,014552 0,029104 0,029104

4. Menentukan solusi ideal positif (A+) dan solusi ideal negatif (A-).

Tabel 6 Solusi Ideal Positif dan Solusi Ideal Negatif

A+ A-
1 0,065543 0,049157
2 0,065543 0,049157
3 0,059876 0,029938

16
4 0,051767 0,047544
5 0,057283 0,042962
6 0,054160 0,040620
7 0,039389 0,029542
8 0,041660 0,031245
9 0,028090 0,021067
10 0,029104 0,014552

Nilai solusi ideal positif adalah nilai maksimum tiap-tiap baris, sedangkan
nilai solusi ideal negatif adalah nilai minimum tiap-tiap baris dari nilai yang ada
pada Tabel 5.

5. Mengitung separation measure. Separation measure ini merupakan


pengukuran jarak dari suatu alternatif ke solusi ideal positif (S+) dan solusi
ideal negatif (S-). Langkah pertama untuk menghitung separation measure
solusi ideal positif yaitu dengan mengurangi nilai Tabel 5 dengan nilai solusi
ideal positif yang hasilnya dinyatakan pada Tabel 7.
Tabel 7 Matriks Keputusan Ternormalisasi Terbobot Dikurangi A+

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,000000 -0,016386 0,000000 0,000000 0,000000
2 0,000000 0,000000 0,000000 0,000000 -0,016386
3 -0,014969 0,000000 0,000000 -0,029938 -0,014969
4 -0,004223 -0,002972 0,000000 -0,003753 -0,002033
5 -0,014321 -0,014321 -0,014321 0,000000 0,000000
6 0,000000 -0,013540 0,000000 0,000000 -0,013540
7 0,000000 0,000000 -0,009847 -0,009847 0,000000
8 -0,010415 0,000000 -0,010415 -0,010415 0,000000
9 0,000000 0,000000 0,000000 0,000000 -0,007022
10 0,000000 0,000000 -0,014552 0,000000 0,000000

Nilai pada Tabel 7 akan dikuadratkan dan dijumlahkan perkolom. Hasil dari
penjumlahan itu kemudian diakarkuadrat untuk menghasilkan separation measure
untuk solusi ideal positif (S+).

Tabel 8 Separation Measure Solusi Ideal Positif

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,000000 0,000268 0,000000 0,000000 0,000000
2 0,000000 0,000000 0,000000 0,000000 0,000268
3 0,000224 0,000000 0,000000 0,000896 0,000224
4 0,000018 0,000009 0,000000 0,000014 0,000004
5 0,000205 0,000205 0,000205 0,000000 0,000000

17
6 0,000000 0,000183 0,000000 0,000000 0,000183
7 0,000000 0,000000 0,000097 0,000097 0,000000
8 0,000108 0,000000 0,000108 0,000108 0,000000
9 0,000000 0,000000 0,000000 0,000000 0,000049
10 0,000000 0,000000 0,000212 0,000000 0,000000
total 0,000555 0,000666 0,000622 0,001116 0,000729
akar (S*) 0,023568 0,025802 0,024946 0,033404 0,027006
S1+ S2+ S3+ S4+ S5+

Sedangkan untuk mendapatkan nilai separation measure solusi ideal positif,


dilakukan cara yang hampir sama. Hanya saja nilai pada Tabel 5 dikurangi dengan
nilai solusi ideal negatif (A-) yang hasilnya dinyatakan dalam Tabel 9.
Tabel 9 Matriks Keputusan Ternormalisasi Terbobot Dikurangi A-

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,016386 0,000000 0,016386 0,016386 0,016386
2 0,016386 0,016386 0,016386 0,016386 0,000000
3 0,014969 0,029938 0,029938 0,000000 0,014969
4 0,000000 0,001251 0,004223 0,000469 0,002190
5 0,000000 0,000000 0,000000 0,014321 0,014321
6 0,013540 0,000000 0,013540 0,013540 0,000000
7 0,009847 0,009847 0,000000 0,000000 0,009847
8 0,000000 0,010415 0,000000 0,000000 0,010415
9 0,007022 0,007022 0,007022 0,007022 0,000000
10 0,014552 0,014552 0,000000 0,014552 0,014552

Nilai pada Tabel 9 lalu akan dikuadratkan dan dijumlahkan tiap kolomnya.
Hasil dari penjumlahan itu kemudian diakarkuadrat untuk menghasilkan
separation measure solusi ideal negatif (S-) yang dinyatakan pada Tabel 10.
Tabel 10 Separation Measure Solusi Ideal Negatif

AltSatu AltDua AltTiga AltEmpat AltLima


1 0,000268 0,000000 0,000268 0,000268 0,000268
2 0,000268 0,000268 0,000268 0,000268 0,000000
3 0,000224 0,000896 0,000896 0,000000 0,000224
4 0,000000 0,000002 0,000018 0,000000 0,000005
5 0,000000 0,000000 0,000000 0,000205 0,000205
6 0,000183 0,000000 0,000183 0,000183 0,000000
7 0,000097 0,000097 0,000000 0,000000 0,000097
8 0,000000 0,000108 0,000000 0,000000 0,000108
9 0,000049 0,000049 0,000049 0,000049 0,000000
10 0,000212 0,000212 0,000000 0,000212 0,000212
total 0,001302 0,001633 0,001684 0,001187 0,001120

18
akar (S-) 0,036089 0,040409 0,041034 0,034449 0,033461
S1– S2– S3– S4– S5–

6. Menghitung nilai preferensi tiap alternatif (Ci) yang digunakan untuk


menentukan ranking dari tiap-tiap alternatif.
Tabel 11 Nilai Preferensi dan Ranking

AltSatu AltDua AltTiga AltEmpat AltLima


nil pref 0,6049411 0,6103062 0,6219156 0,5076972 0,5533738
ranking 3 2 1 5 4

Nilai preferensi pada Tabel 11 diperoleh dengan cara membagi nilai separation
measure solusi ideal negatif dengan jumlah dari separation measure solusi ideal
positif dan separation measure solusi ideal negatif. Contohnya adalah untuk
alternatif 1:

S1 –
= 0,036089
C1
0,023568+0,036089
S1+ + S1–

= 0,6049411

Hasil dari proses perhitungan ini kemudian diujikan pada program untuk
mengetahui apakah proses perhitungan pada program dapat berjalan dengan baik.
Hasil perhitungan pada program dapat dilihat pada Gambar 14.

Gambar 14 Hasil Perhitungan

19
Berdasarkan hasil perhitungan pada Tabel 11, maka dapat dilihat bahwa
proses perhitungan pada program dapat berjalan dengan baik, walaupun terdapat
sedikit perbedaan pada angka di belakang tanda koma. Hal ini dikarenakan
perhitungan secara manual dilakukan dengan proses pembulatan hingga enam
angka. Sebagai contoh adalah nilai akhir dari alternatif AltSatu, dimana pada
aplikasi mendapatkan nilai 0,6049411296 dan hasil pada Tabel 11 menunjukkan
nilai 0,6049411.

5. Simpulan

Berdasarkan hasil dan pembahasan yang telah dilakukan, implementasi


metode TOPSIS dapat berjalan dengan baik untuk memberikan hasil berupa
ranking calon asisten. Sistem yang telah dibuat ini dapat dipakai untuk membantu
dosen dalam proses penerimaan asisten. Hasil akhir dari sistem yang berupa hasil
perhitungan menggunakan metode TOPSIS juga dapat digunakan sebagai bahan
pertimbangan dosen dalam menentukan nama-nama asisten yang akan diterima.
Program yang telah dibuat kemudian perlu dilakukan maintenance salah
satunya dengan melakukan pengembangan program. pengembangan program ini
dapat dilakukan salah satunya dengan menambahkan fitur baru. Fitur baru yang
kemudian dapat ditambahkan ke dalam aplikasi ini yaitu dapat memberikan
gambaran jadwal kuliah dari para calon asisten, sehingga dosen dapat melakukan
pembagian jadwal mengajar kepada asisten yang terpilih.

6. Daftar Pustaka

[1] Pujiastuti, Novita, 2010. Skripsi: Penerapan Metode TOPSIS Untuk


Pemberian Bonus Karyawan Berprestasi Pada PT. Deltomed
Laboratories. Salatiga: Fakultas Teknologi Informasi UKSW.
[2] Rumate, Agung L., 2009, Penerapan Metode TOPSIS Untuk Sistem
Penerimaan Karyawan di Biro Psikologi Untag, Dokumentasi Online:
http://digilib.stikom.edu/detil.php?id=599 (Diakses tanggal 15 Februari
2011)
[3] Turban, Efraim, dkk., 2005, Decision Support and Intelligent System Edisi
7, Yogyakarta: Andi.
[4] Hwang, Ching-Lai, and Yoon K, 1981, Multiple Attribute Decision
Making, Method and Application, A State-of-the-Art Survey, Berlin,
Heidelberg, New York: Spinger-Verlag.
[5] Pressman, Rogger S. 2001. Software Engineering: A Practitioner’s
Approach, 5th/6th Edition. McGraw-Hill International Editions.

20