Implementasi Metode Topsis Pada Sistem Pendukung Keputusan Pemilihan Paket Wisata Di Sumatera Utara

IMPLEMENTASI METODE TOPSIS PADA SISTEM PENDUKUNG
KEPUTUSAN PEMILIHAN PAKET

WISATA DI SUMATERA UTARA
SKRIPSI
YASSIR HARAHAP
061401055
PROGRAM STUDI S1-ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2012
1
2
PERSETUJUAN
Judul : IMPLEMENTASI METODE TOPSIS PADA SISTEM

PENDUKUNG KEPUTUSAN PEMILIHAN PAKET WISATA DI
SUMATERA UTARA
Kategori : SKRIPSI
Nama : YASSIR HARAHAP
Nomor Induk Mahasiswa : 061401055
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : Program Studi S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan,
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Handrizal, S.Si, M.CompSc Dian Rachmawati, S.Si, M.Kom

NIP. - NIP. 196209011988031002
Diketahui/Disetujui oleh
Departemen Program Studi S1- Ilmu Komputer FASILKOM-TI USU
Ketua,
Dr. Poltak Sihombing, M.Kom

NIP. 196203171991031001

3
PERNYATAAN
IMPLEMENTASI METODE TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN

PAKET WISATA
DI SUMATERA UTARA
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing disebutkan sumbernya.
Medan,
YASSIR HARAHAP
NIM 061401055

4
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT karena berkat rahmat dan
karunia-Nya skripsi ini berhasil diselesaikan dalam waktu yang telah ditetapkan.
Terima kasih penulis sampaikan kepada semua pihak yang telah membantu
penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung.
Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya
kepada:
1. Dekan Fasilkom-TI Bapak Prof. Dr. M. Zarlis, M.Sc.telah membimbing

penulisan dalam menjalani perkuliahan di Fasilkom-TI.
2. Ketua Program Studi S-1 Ilmu Komputer Bapak Dr. Poltak Sihombing,
M.Kom yang telah membimbing penulis dalam menjalani perkuliahan di
Fasilkom-TI.
3. Sekertaris Program Studi S-1 Ilmu Komputer Ibu Maya Silvi Lydia, B.Sc,
M.Sc, yang telah membimbing dan memberikan kepercayaan penuh kepada
penulis untuk menyelesaikan skripsi ini.
4. Dosen pembimbing Ibu Dian Rachmawati, S.Si, M.Kom dan Bapak Handrizal
S.si, M.CompSc yang telah membimbing dan memberikan kepercayaan penuh
kepada penulis untuk menyelesaikan skripsi ini.
5. Para dosen pengajar S-1 Ilmu Komputer yang telah membimbing penulis
dalam menjalani perkuliahan dan para pegawai/staff yang telah membantu
penulis menjalani masa perkuliahan di Ilmu Komputer.
6. Keluarga tercinta, ayahanda Indra Jaya Harahap dan ibunda Yanti Hafizah
yang telah memberikan dukungan dan motivasi kepada penulis sehingga
penulis dapat menyelesaikan skripsi ini dengan baik.
7. Para sahabat, Rekan-rekan mahasiswa S-1 Ilmu komputer khususnya Edwin

Prahakim S.Kom, Rifky Ashary Lubis S.Kom, M.Makmur Rashid Lubis
S.Kom, M. Januar Rambe S.Kom, Bang Izhari Ishak Aksa S.Kom, Eka Patma
Rahmansyah S.Kom dan Junior S-1 Ilmu Komputer yang telah membantu dan
memberi dukungan penulis dalam penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Untuk itu,
penulis sangat mengharapkan kritik dan saran guna penyempurnaan dimasa
mendatang.

5
Akhirnya penulis berharap semoga skripsi ini bermanfaat bagi pribadi dan para
pembaca.
Penulis
Yassir Harahap
061401055

6
ABSTRAK
Perjalanan wisata di Sumatera Utara sangat banyak, terkadang orang kesulitan untuk
memilih perjalanan wisata dengan budget tertentu dan lokasi yang akan di kunjungi. Untuk
mempermudah wisatawan dalam menentukan paket wisatra dapat mengunakan aplikasi ini.
Aplikasi ini dirancang dengan sistem pengambilan keputusan yang melibatkan beberapa
kriteria disebut Multiple Criteria Decision Making. Penelitian ini menggunakan metode
TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) yang berdasarkan
pada konsep yang mana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek
dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.
Dengan aplikasi ini wisatawan dapat menentukan paket wisata yang sesuai dengan
kebutuhan mereka. Oleh karena itu wisatawan lebih objektif dalam memilih perjalanan
wisatanya.
Kata kunci: Paket Wisata, Multiple Criteria Decision Making, TOPSIS

7

8
IMPLEMENTATION OF TOPSIS METHOD FOR DECISION SUPPORT SYSTEM ON TOUR

PACKAGE SELECTION
IN NORTH SUMATRA
ABSTRACT
There are so many travel destination in North Sumatera which make travellers difficult to
choose tour packages based on certain budget and location. To ease travelers in determining
tour packages they can use this application. This application is designed based on decision
support system involving multiple criteria. This research is using TOPSIS (Technique for Order
Preference by Similarity to Ideal Solution) method which based on the concept that the
selected alternative has not only the shortest distance from the positive ideal solution but
also the longest distance from the negative one. Using this application travelers can
determine tour packages in accordance with their needs. Hence tourists more objective in
choosing their tour. Therefore, travellers can be objectively choose their tour packages.
Keyword: Travel, Multiple Criteria Decision Making, TOPSIS

9
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xi
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metode Penelitian 3
1.7 Sistematika Penulisan 4
Bab 2 Tinjauan Teori 6

2.1. Sistem Pendukung Keputusan 6
2.1.1 Ciri-Ciri Sistem Pendukung Keputusan 7
2.1.2 Karakteristik dan Kemampuan Sistem Pendukung Keputusan 8
2.1.3 Keterbatasan Sistem Pendukung Keputusan 9
2.2 Technique For Order Preference by Similiarity to Ideal Solution
(TOPSIS) 9
2.2.1 Langkah-Langkah Metode TOPSIS 10
2.2.1.1 Membuat Matriks Keputusan yang Ternormalisasi 10
2.2.1.2 Membuat Matriks Keputusan yang Ternormalisasi
Terbobot 10
2.2.1.3 Menentukan Solusi Ideal Positif dan Solusi Ideal
Negatif 11
2.2.1.4 Menghitung Separasi 11
2.2.1.5 Menghitung Kedekatan Relatif Terhadap Solusi Ideal 12
2.2.1.6 Merangking Alternatif 12
2.3 Data Flow Diagram 12
2.3.1 Diagram Context 13
2.3.2 Diagram Level n / Data Flow Diagram Levelled 14
2.3.3 Data Flow Diagram Logis 16
2.3.4 Data Flow Diagram Fisik 16
2.4 Entity Relationship Diagram (ERD) 17
2.4.1 Konsep Dasar Model Entity Relationship 17
2.4.2 Konsep Dasar Model Entity 17
2.4.3 Atribut 18
2.4.4 Relationship 19

10
2.4.4.1 Derajat Relasi atau Kardinalitas 19
Bab 3 Analisis dan Perancangan Sistem 20

3.1 Analisis Permasalahan 20
3.2 Analisis Kebutuhan Sistem Pendukung Keputusan 20
3.2.1 Kebutuhan Fungsional 21
3.2.2 Kebutuhan Non Fungsional 21
3.3 Analisis Proses Perhitungan Metode TOPSIS 21
3.3.1 Penentuan Ranking Kecocokan Setiap Alternatif 23
3.3.2 Penentuan Bobot Preferensi Setiap Kriteria 25
3.3.3 Perhitungan Matriks Keputusan Ternormalisasi 26
3.3.4 Perhitungan Matriks Keputusan Ternormalisasi Terbobot 27
3.3.5 Penentuan Solusi Ideal Positif dan Solusi Ideal Negatif 27
3.3.6 Perhitungan Jarak antara Nilai Terbobot Setiap Alternatif 28
3.3.7 Perhitungan Kedekatan Setiap Alternatif Terhadap Solusi
Ideal 29
3.4 Flowchart Proses Perhitungan TOPSIS 31
3.5 Data Flow Diagram (DFD) 32
3.6 Entity Relationship Diagram (ERD) 35
3.7 Perancangan Antarmuka 38
3.7.1 Rancangan Halaman Utama 38
3.7.2 Rancangan Menu Kriteria 39
3.7.2 Rancangan Menu Data Paket 40
3.7.3 Rancangan Menu Tombol Proses 41
Bab 4 Implementasi dan Pengujian 43

4.1 Implementasi Metode TOPSIS 43
4.1.1 Penentuan Ranking Kecocokan 43
4.1.2 Matriks Keputusan Ternormalisasi 46
4.1.3 Matriks Keputusan Ternormalisasi Terbobot 47
4.1.4 Solusi Ideal Positif dan Negatif 48
4.1.5 Jarak antara Nilai Terbobot 50
4.1.6 Kedekatan Terhadap Solusi Ideal 50
4.2 Pengujian Aplikasi 51
4.2.1 Pengujian Halaman Utama 51
4.2.2 Pengujian Menu Kriteria 52
4.2.3 Pengujian Menu Data Paket 53
4.2.4 Pengujian Menu Proses Perhitungan TOPSIS 54
Bab 5 Penutup 57
5.1. Kesimpulan 57
5.2. Saran 57
Daftar Pustaka 58

11
DAFTAR TABEL
Halaman
2.1 Simbol-Simbol pada Data Flow Diagram 13

2.2 Simbol-Simbol Flowchart Program 20
3.1 Tabel Rangking Kecocokan dari Setiap Alternatif 27
3.2 Kamus Data DFD Level 0 33
3.5 Kamus Data ERD 37

12
DAFTAR GAMBAR
Halaman
2.1 Diagram Alir Proses Pengambilan Keputusan 6

3.1 Flowchart Proses Perhitungan TOPSIS 32
3.2 DFD Sistem Pengambilan Keputusan Wisata Level 0 33
3.3 DFD Sistem Pengambil Keputusan Wisata Level 1 34
3.4 DFD Sistem Pengambilan Keputusan Wisata Level 2 35
3.5 ERD Sistem Pengambilan Keputusan Paket Wisata 36
3.6 Rancangan Halaman Utama 39
3.7 Rancangan Menu Kriteria 40
3.8 Rancangan Menu Data Paket 41
3.9 Rancangan Menu Tombol Proses 1 42
4.1 Tampilan Halaman Utama 46
4.2 Tampilan Menu Kriteria 47
4.3 Tampilan Menu Data Paket 48
4.4 Tampilan Tombol Proses Perhitungan TOPSIS 1 49
4.7 Kode Program Deklarasi Variable Metode TOPSIS 52
4.8 Kode Program Penentuan Ranking Kecocokan 53
4.9 Kode Program Perhitungan Matriks Keputusan Ternormalisasi 55
4.10 Kode Program Matriks Keputusan Ternormalisasi Terbobot 57
4.11 Kode Program Penentuan Solusi Ideal Positif dan Negatif 58
4.12 Kode Program Perhitungan Jarak antara Nilai Terbobot 59
4.13 Kode Program Perhitungan Kedekatan Terhadap Solusi Ideal 60

13
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perjalanan wisata adalah serangkaian kegiatan yang meliputi penentuan daerah tujuan
wisata, persiapan keberangkatan, transportasi, akomodasi dan pemandu wisata. Dalam
hal ini maka fungsi dari biro perjalanan menjadi sangat diperlukan dalam memberikan
jasa penyusunan dan perencanaan wisata yang baik untuk mendukung kenyamanan
wisatawan dalam berwisata.
Dalam memilih dan menyusun perjalanan wisata tidaklah mudah. Terdapat

faktor-faktor yang perlu dipertimbangkan untuk melakukan pemilihan paket wisata
yang ditawarkan. Faktor-faktor tersebut antara lain biaya yang dikeluarkan untuk
wisata, lama perjalanan wisata, jenis objek wisata tersebut dan tipe wisata yang
dikunjungi pada paket wisata.
Pemilihan paket wisata termasuk dalam kriteria permasalahan multiple criteria

atau biasa disebut dengan Multiple Criteria Decision Making karena tersedianya lebih
dari satu pilihan untuk memenuhi kriteria tersebut. Cara penyelesaian permasalahan
seperti ini dapat menggunakan metode-metode pendukung keputusan. Salah satunya
adalah metode Technique for Order Preference by Similiarity to Ideal Solution
(TOPSIS).
TOPSIS didasarkan pada konsep yang mana alternatif terpilih yang terbaik
tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki
jarak terpanjang dari solusi ideal negatif[6]. Konsep TOPSIS ini dipilih karena banyak
digunakan pada beberapa model permasalahan Multiple Criteria Decision Making
untuk menyelesaikan masalah pengambilan keputusan secara praktis.
Maka dari itu, penulis termotivasi untuk mengangkat konsep dan
mengimplementasikan metode TOPSIS ke dalam perangkat lunak pendukung
keputusan untuk mendukung pengambilan keputusan permasalahan pemilihan paket

14
wisata, khususnya paket-paket wisata yang ada di Sumatera Utara. Penulis

mengharapkan, dengan menggunakan metode ini, maka calon-calon wisatawan dapat
terbantu dalam pengambilan keputusan memilih paket wisata yang diinginkannya.
1.2 Perumusan Masalah
Adapun rumusan masalah pada penelitian ini adalah bagaimana merancang dan
membangun sistem pendukung keputusan yang dapat membantu dan menjadi pemberi
rekomendasi dalam memilih paket wisata di Sumatera Utara dengan
mengimplementasikan metode TOPSIS.
1.3 Batasan Masalah
Agar pembahasan masalah tidak menyimpang dari tujuan penelitian ini, maka penulis
membuat suatu pembatasan masalah sebagai berikut:
1. Kriteria utama dalam pemilihan objek wisata adalah: jumlah budget wisatawan,
lama wisata yang diinginkan, jenis objek wisata yang dikunjungi dan tipe wisata.
2. Data paket wisata diambil dari beberapa travel yang menawarkan paket wisata di
Sumatera Utara. Sudah termasuk didalamnya harga, tempat tujuan wisata, serta
lama wisata.
3. Penelitian ini hanya menggunakan metode TOPSIS, dan tidak membandingkan
metode ini dengan metode pengambilan keputusan yang lain.
4. Bahasa pemrograman yang digunakan pada penelitian ini adalah Delphi 2010.
1.4 Tujuan Penelitian

Adapun tujuan penelitian ini adalah untuk dapat merancang dan membangun sebuah
sistem pendukung keputusan dalam pemilihan paket wisata di Sumatera Utara dengan
mengimplementasikan metode TOPSIS.
1.5 Manfaat Penelitian

15
Manfaat dalam penelitian ini adalah sebagai berikut:

1. Manfaat bagi penulis adalah dapat menambah wawasan penulis dalam melakukan
penelitian sistem pendukung keputusan.
2. Manfaat bagi bidang ilmu adalah dapat mengimplementasikan metode TOPSIS
dalam perangkat lunak sistem pendukung keputusan untuk menghasilkan sebuah
keputusan.
3. Manfaat bagi masyarakat khususnya para wisatawan adalah mampu mendapatkan
suatu hasil keputusan dari beragam paket wisata sesuai dengan pilihan yang
diinginkan.
1.6 Metode Penelitian
Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut:
1. Studi Kepustakaan
Memperoleh informasi dengan mengumpulkan, mempelajari dan membaca
berbagai referensi dari buku, jurnal, makalah dan tulisan ilmiah lainnya yang
berhubungan dengan penulisan tugas akhir ini.
2. Analisis
Pada tahap ini dilakukan analisis mengenai metode TOPSIS, pengumpulan data
paket wisata di Sumatera Utara dari beberapa travel agency dan menetapkan
kriteria-kriteria dalam memilih paket wisata.
3. Perancangan Perangkat Lunak

Menuangkan rancangan ke dalam diagram perancangan seperti Flowchart, Data
Flow Diagram (DFD), Entity Relationship Diagram, dan Interface Design
sehingga memberikan konsep yang jelas ketika melakukan implementasi,
melakukan persiapan terhadap bahan pendukung seperti perangkat lunak
pengembangan yang dibutuhkan, serta melakukan tinjauan ulang terhadap
keseluruhan rancangan sistem yang telah dibuat.

16
4. Implementasi dan Pengujian Sistem

Melakukan implementasi terhadap sistem yang telah dibangun, menguji-coba
sistem untuk mendapatkan hasil yang diharapkan dan melakukan perbaikan jika
sistem tidak bekerja sesuai dengan yang diharapkan
5. Dokumentasi
Melakukan penyusunan laporan hasil analisis, perancangan dan pembangunan
sistem, dan hasil pengujian sistem yang dituangkan dalam format penulisan
skripsi.
1.7 Sistematika Penulisan
Dalam penulisan ini, penulis membuat suatu sistematika yang bertujuan untuk
menggambarkan secara ringkas bab-bab yang mencakup hal-hal sebagai berikut:
BAB I PENDAHULUAN
Bab pendahuluan ini berisikan mengenai latar belakang masalah,
identifikasi masalah, pembatasan masalah tentang apa yang akan diberikan
didalam penulisan ini, maksud dan tujuan dari penulisan, metode penelitian
serta sistematika penulisan.
BAB II TINJAUAN TEORI

Bab ini menjelaskan tentang tinjauan teoritis yang meliputi teori sistem
pendukung keputusan, metode TOPSIS, teori pengembangan sistem, teori
Data Flow Diagram dan teori Entiti Relationship Diagram.
BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini menjelaskan tentang analisis dan perancangan sistem pendukung
keputusan pemilihan paket wisata dengan menggunakan metode TOPSIS
direpresentasikan dengan Data Flow Diagram, Entity Relationship
Diagram dan Interface Design yang nantinya akan dituangkan ke dalam
bahasa pemrograman.

17
BAB IV IMPLEMENTASI DAN PENGUJIAN

Bab ini menjelaskan implementasi dari hasil analisis dan perancangan
sistem, menguji sistem secara langsung dan menyimpulkan data yang
didapatkan dari hasil pengujian tersebut.
BAB V PENUTUP
Bab ini merupakan bab terakhir yang mencakup kesimpulan dan saran.

18
BAB 2
TINJAUAN TEORITIS
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) merupakan
suatu penerapan sistem informasi yang ditujukan untuk membantu pimpinan/individu
dalam proses pengambilan keputusan. SPK menggabungkan kemampuan komputer
dalam pelayanan interaktif dengan pengolahan data yang memanfaatkan model atau
aturan penyelesaian yang tidak terstruktur.
SPK didefinisikan sebagai sebuah sistem yang dimaksudkan untuk mendukung

para pengambil keputusan dalam situasi tertentu untuk memperluas kapabilitas
pengambilan keputusan mereka, namun tidak menggantikan penilaian mereka [10].
Salah satu aspek dalam SPK adalah keputusan itu sendiri. Keputusan merupakan
suatu pilihan dari berbagai macam alternatif yang diambil berdasarkan kriteria dan
alasan yang rasional. Proses pengambilan keputusan sering disebut juga sebagai
penyelesaian suatu masalah. Gambar 2.1 memperlihatkan proses pengambilan
keputusan atau penyelesaian masalah dengan diagram alir berikut ini.
Gambar 2.1 : Diagram Alir Proses Pengambilan Keputusan

Berdasarkan diagram tersebut dapat dijelaskan bahwa suatu keputusan diambil
berdasarkan alternatif yang ada dengan berpatokan pada kriteria yang telah
ditentukan.

19
Ada beberapa hal yang menjadi alasan digunakannya SPK, seperti keadaan
ekonomi yang tidak stabil, peningkatan persaingan dalam dunia bisnis, kebutuhan
akan informasi baru yang akurat, penyediaan informasi yang tepat waktu, dan usaha
untuk mengurangi biaya operasi.
Menurut Turban [10], proses pengambilan keputusan terdiri dari tiga fase
proses, yaitu:
a. Fase intelligence, fase dimana dilakukan pencarian kondisi-kondisi yang dapat
menghasilkan keputusan.
b. Fase design, fase untuk menemukan, mengembangkan dan menganalisis materi-
materi yang mungkin dikerjakan.
c. Fase choice, terjadi pemilihan dari materi-materi yang tersedia menjadi keputusan
akhir.
2.1.1 Ciri-Ciri SPK
Ciri-ciri dari SPK adalah sebagai berikut:

a. SPK ditujukan untuk membantu pengambilan keputusan yang kurang terstruktur
dan umumnya dihadapi oleh para manajer yang berada di tingkat puncak.
b. SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan data.
c. SPK memiliki fasilitas interaktif yang dapat mempermudah hubungan antara
manusia dengan komputer.
d. SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang
terjadi.
2.1.2 Karakteristik dan Kemampuan SPK

20
Menjelaskan beberapa karakteristik dan kemampuan yang dimiliki oleh SPK [10].
Antara lain:
a. Karakteristik SPK
1) Mendukung seluruh kegiatan organisasi
2) Mendukung beberapa keputusan yang saling berinteraksi
3) Dapat digunakan berulang kali dan bersifat konstan
4) Terdapat dua komponen utama, yaitu data dan model
5) Menggunakan data eksternal dan data internal
6) Memiliki kemampuan what-if analysis dan goal seeking analysis
7) Menggunakan model kuantitatif
b. Kemampuan SPK
1) Menunjang pembuatan keputusan manajemen dalam menangani masalah semi
terstruktur dan tidak terstruktur.
2) Membantu manajer pada berbagai tingkatan manajemen, mulai dari
manajemen tingkat atas sampai manajemen tingkat bawah
3) Menunjang pembuatan keputusan secara kelompok maupun perorangan
4) Menunjang pembuatan keputusan yang saling bergantung dan berurutan
5) Menunjang tahap-tahap pembuatan keputusan anatar lain intellegensi, desain,
choice dan implementation.
6) Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan
7) Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel
8) Kemudahan melakukan interaksi sistem
9) Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi
10) Mudah dikembangkan oleh pemakai akhir
11) Kemampuan pemodelan dan analisis pembuatan keputusan
12) Kemudahan melakukan pengaksesan berbagai sumber dan format data
2.1.3 Keterbatasan SPK

21
Disamping karakteristik dan kemampuan dari SPK, sistem ini juga memiliki beberapa
keterbatasan, seperti yang dikemukakan [3]. Keterbatasan itu antara lain:
a. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya
mencerminkan persoalan sebenarnya.
b. Kemampuan suatu SPK terbatas pada pembendahraan pengetahuan yang dimiliki
sistem.
c. Proses yang dapat dilakukan sistem bergantung pada perangkat lunak yang
digunakan.
d. SPK tidak memiliki intuisi seperti yang dimiliki manusia
2.2 Technique for Order Preference by Similiarity to Ideal Solution (TOPSIS)
Technique for Order Preference by Similiarity to Ideal Solution atau TOPSIS

diperkenalkan oleh Yoon dan Hwang pada tahun 1981. TOPSIS merupakan metode
pengambilan keputusan multikriteria dan 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 Eucledian
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

alternative dapat dicapai. Metode ini banyak digunakan untuk menyelesaikan
pengambilan keputusan. Hal ini disebabkan konsepnya yang sederhana, mudah
dipahami, komputasinya efisien dan memiliki kemampuan mengukur kinerja relatif
dari alternative keputusan.
2.2.1 Langkah-Langkah Metode TOPSIS

22
Metode TOPSIS mengikuti langkah-langkah sebagai berikut [7],[10],:

a. Membuat matriks keputusan yang ternormalisasi
b. Membuat matriks keputusan yang ternormalisasi terbobot
c. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif
d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif
dan matriks solusi ideal negative
e. Menentukan nilai preferensi untuk setiap alternative
2.2.1.1 Membuat Matriks Keputusan yang Ternormalisasi
Elemen rij hasil dari normalisasi matriks keputusan (decision matrix) R dengan metode
Euclidean Length of a vector adalah:
X ij
rij 
m
X
i 1
2
ij
Dimana:
rij = Hasil dari normalisasi matriks keputusan R
Xij = matriks keputusan
i = 1,2,3,…, m;
j = 1,2,3,…, n;
2.2.1.2 Membuat Matriks Keputusan yang Ternormalisasi Terbobot
Dengan bobot w  ( w 1 , w 2 ,  , w n ) , maka normalisasi bobot matriks v adalah:
 w 11 r11  w 1n r1n 
v      
 w m1 rm1  w nm rnm 
2.2.1.3 Menentukan Solusi Ideal Positif dan Solusi Ideal Negatif
Solusi ideal positif dinontasikan dengan A+ dan solusi ideal negatif dinotasikan
dengan A-, sebagai berikut:

23
Menentukan solusi ideal (+) dan (-)
   
A   max v ij | j  J min v ij | j  J ' , i  1,2,3,, m  v i , v 2 ,, v m 
   
A   max v ij | j  J min v ij | j  J ' , i  1,2,3,, m  v i , v 2 ,, v m 
Dimana :
v ij = elemen matriks v baris ke-i dan kolom ke-j
J = {j = 1,2,3,…,n dan j berhubungan dengan benefit criteria}

J ' = {j = 1,2,3,…,n dan j berhubungan dengan cost criteria}
2.2.1.4 Menghitung Separasi
Ukuran separasi (separation measure) merupakan pengukuran jarak dari suatu

alternatif ke solusi ideal positif dan solusi ideal negatif. Perhitungan matematisnya
adalah sebagai berikut:
Separation measure untuk solusi ideal positif
n
Si   (vj1
ij  v j ) 2 , dengan i = 1,2,3,…,n
Dimana :
Separation measure untuk solusi ideal negatif
n
Si   (vj1
ij  v j ) 2 , dengan i = 1,2,3,…,n

24
Dimana :
2.2.1.5 Menghitung Kedekatan Relatif Terhadap Solusi Ideal
Kedekatan relatif dari alternatif A+ dengan solusi ideal A- direpresentasikan dengan:
Si
Ci  , dengan 0 < C i < 1 dan i = 1,2,3,…,m
Si  Si
2.2.1.6 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 ideal negatif.
2.3 Data Flow Diagram
Data Flow Diagram (DFD) adalah representasi grafik dari sebuah sistem. Data Flow
Diagram menggambarkan komponen-komponen sebuah sistem, aliran-aliran data
dimana komponen tersebut dan asal, tujuan, dan penyimpanan dari data tersebut.
Penggunaan DFD bertujuan untuk dua hal utama, yaitu membuat dokumentasi
dari sistem yang sudah ada, atau menyusun dokumentasi untuk sistem yang baru.
Tabel 2.1 menunjukkan simbol yang digunakan pada DFD.
Tabel 2.1 Simbol-simbol pada Data Flow Diagram
No. Simbol Keterangan

25
1 Eksternal entity adalah kesatuan dari lingkungan

luar sistem yang dapat berupa orang, organisasi
atau sistem lainnya yang memberikan
input/output dari sistem.
2 Data Flow (arus data) mengalir di antara proses,
simpanan data, dan kesatuan luar. Arus data
sebaiknya diberi nama dengan jelas.
3 Proses adalah kegiatan atau kerja yang

dilakukan oleh orang lain, mesin, atau komputer
dari hasil suatu arus data yang masuk ke dalam
sistem.
4 Simpanan data adalah data yang dapat berupa

file / database.
Data Flow Diagram dapat digambarkan dalam Diagram Konteks dan Level n
dimana n menggambarkan level dan proses di setiap lingkaran. Tingkatan Data Flow
Diagram adalah sebagai berikut:
a) Diagram Konteks
b) Diagram Level – n
 DFD Logis
 DFD Fisik
2.3.1 Diagram Konteks
Diagram konteks adalah Data Flow Diagram tingkat atas (DFD Top Level), yaitu
diagram yang paling detail dari sebuah sistem yang menggambarkan aliran-aliran data
ke dalam dan ke luar entitas-entitas eksternal. Pada diagram konteks sistem
digambarkan dalam satu lingkaran yang berhubungan dengan entitas luar. Lingkaran
tersebut merepresentasikan keseluruhan proses dalam sistem.

26
Beberapa hal yang perlu diperhatikan dalam menggambarkan diagram context:

 Terminologi sistem, mencakup batas sistem yaitu batas antara daerah kepentingan
sistem, lingkungan sistem yaitu segala sesuatu yang berhubungan atau
mempengaruhi sistem tersebut, dan interface yaitu aliran yang menghubungkan
sistem dengan lingkungannya.
 Menggunakan satu simbol proses
 Nama/keterangan di simbol proses tersebut sesuai dengan fungsi sistem tersebut
 Antara entitas eksternal/terminator tidak diperbolehkan komunikasi langsung
 Jika terdapat terminator yang mempunyai banyak masukan dan keluaran,
diperbolehkan untuk digambarkan lebih dari satu untuk mencegah penggambaran
yang terlalu rumit
 Jika terminator mewakili individu sebaiknya diwakili oleh peran yang
dipermainkan individu tersebut
 Aliran data ke proses dan keluar sebagai output keterangan aliran datanya berbeda
2.3.2 Diagram Level n / Data Flow Diagram Levelled
Dalam diagram-n Data Flow Diagram dapat digunakan untuk menggambarkan

diagram fisik maupun diagram logis. Diagram Level-n merupakan hasil
pengembangan dari diagram konteks ke dalam komponen yang lebih detail disebut
dengan Top-Down Partitioning. Jika dilakukan pengembangan dengan benar, akan
didapatkan DFD yang seimbang.
Beberapa hal yang perlu diperhatikan dalam membuat DFD level-n adalah sebagai
berikut:
 Pemberian Nomor pada diagram level n dengan ketentuan sebagai berikut:
 Setiap penurunan ke level yang lebih rendah harus mampu merepresentasikan
proses tersebut dalam sepesifikasi proses yang jelas. Sehingga seandainya
belum cukup jelas maka seharusnya diturunkan ke level yang lebih rendah.
 Setiap penurunan harus dilakukan hanya jika perlu.
 Tidak semua bagian dari sistem harus diturunkan dengan jumlah level yang
sama karena yang kompleks bisa saja diturunkan, dan yang sederhana

27
mungkin tidak perlu diturunkan. Selain itu, karena tidak semua proses dalam
level yang sama punya derajat kompleksitas yang sama juga.
 Konfirmasikan DFD yang telah dibuat pada pemakai dengan cara top-down.
 Aliran data yang masuk dan keluar pada suatu proses di level n harus
berhubungan dengan aliran data yang masuk dan keluar pada level n+1.
Dimana level n+1 tersebut mendefinisikan sub-proses pada level n tersebut.
 Penyimpanan yang muncul pada level n harus didefinisikan kembali pada level
n+1, sedangkan penyimpanan yang muncul pada level n tidak harus muncul
pada level n-1 karena penyimpanan tersebut bersifat lokal.
 Ketika mulai menurunkan DFD dari level tertinggi, cobalah untuk
mengidentifikasi external events dimana sistem harus memberikan respon.
External events dalam hal ini berarti suatu kejadian yang berkaitan dengan
pengolahan data di luar sistem, dan menyebabkan sistem kita memberikan
respon.
 Jangan menghubungkan langsung antara satu penyimpanan dengan penyimpanan
lainnya (harus melalui proses).
 Jangan menghubungkan langsung dengan tempat penyimpanan data dengan entitas
eksternal / terminator (harus melalui proses), atau sebaliknya.
 Jangan membuat suatu proses menerima input tetapi tidak pernah mengeluarkan
output yang disebut dengan istilah “black hole”.
 Jangan membuat suatu tempat penyimpanan menerima input tetapi tidak pernah
digunakan untuk proses.
 Jangan membuat suatu hasil proses yang lengkap dengan data yang terbatas yang
disebut dengan istilah “magic process”.
 Jika terdapat terminator yang mempunyai banyak masukan dan keluaran,
diperbolehkan untuk digambarkan lebih dari satu sehingga mencegah
penggambaran yang terlalu rumit, dengan memberikan tanda asterik ( * ) atau
garis silang ( # ), begitu dengan bentuk penyimpanan.
 Aliran data ke proses dan keluar sebagai output keterangan aliran data berbeda.
2.3.3 Data Flow Diagram Logis

28
Data Flow Diagram logis Adalah representasi grafik dari sebuah sistem yang
menunjukkan proses-proses dalam sistem tersebut dan aliran-aliran data ke dalam dan
ke luar dari proses-proses tersebut. Kita menggunakan Data Flow Diagram logis
untuk membuat dokumentasi sebuah sistem informasi karena Data Flow Diagram
logis dapat mewakili logika tersebut, yaitu apa yang dilakukan oleh sistem tersebut,
tanpa perlu menspesifikasi dimana, bagaimana, dan oleh siapa proses-proses dalam
sistem tersebut dilakukan.
Keuntungan dari Data Flow Diagram logis dibandingkan dengan Data Flow
Diagram fisik adalah dapat memusatkan perhatian pada fungsi-fungsi yang dilakukan
sistem. Perlu diperhatikan di dalam pemberian Keterangan/ Label;
 Lingkaran-lingkaran (simbol proses) menjelaskan apa yang dilakukan sistem
Misal : Menerima Pembayaran, Mencatat Penjualan, Membandingkan kas dan
Daftar Penerimaan, Mempersiapkan Setoran, dll.
 Aliran-aliran data (simbol aliran data) menggambarkan sifat data.
Misal : Pembayaran (bukan “Cek”, “Kas”, “ Kartu Kredit”
Jurnal Penjualan (bukan “Buku Penjualan”), dll
2.3.4 Data Flow Diagram Fisik
Adalah representasi grafik dari sebuah sistem yang menunjukan entitas-entitas

internal dan eksternal dari sistem tersebut, dan aliran-aliran data ke dalam dan keluar
dari entitas-entitas tersebut. Entitas-entitas internal adalah personel, tempat (sebuah
bagian), atau mesin (misalnya, sebuah komputer) dalam sistem tersebut yang
mentransformasikan data. Maka DFD fisik tidak menunjukkan apa yang dilakukan,
tetapi menunjukkan dimana, bagaimana, dan oleh siapa proses-proses dalam sebuah
sistem dilakukan.
Perlu diperhatikan didalam memberikan keterangan di lingkaran-lingkaran

(simbol proses) dan aliran-aliran data (simbol aliran data) dalam DFD fisik
menggunakan label/keterangan dari kata benda untuk menunjukan bagaimana sistem
mentransmisikan data antara lingkaran-lingkaran tersebut.
Misal :

29
Aliran Data : Kas, Formulir 66W, Slip Setoran

Proses : Cleck Penjualan, Kasir, Pembukuan, dll.
2.4 Entity Relantionship Diagram (ERD)
Entity Relationship Diagram (ERD) merupakan ilustrasi grafis objek-objek (atau

entiti) dan atribut serta relasi antara keduanya. ERD merupakan relasi dari entiti dalam
sistem yang dibuat, relasinya :
2.4.1 Konsep Dasar Model Entity Relantionship
Model Entity Relationship diperkenalkan pertama kali oleh P.P. Chen pada tahun
1976. Model ini dirancang untuk menggambarkan persepsi dari pemakai dan berisi
obyek-obyek dasar yang disebut entity dan hubungan antar entitas-entitas tersebut
yang disebut relationship. Pada model ER ini semesta data yang ada dalam dunia
nyata ditransformasikan dengan memanfaatkan perangkat konseptual menjadik sebuah
diagram, yaitu diagram ER (Entity Relationship)
Diagram Entity-Relationship melengkapi penggambaran grafik dari struktur

logika . Dengan kata lain Diagram E-R menggambarkan arti dari aspek data seperti
bagaimana entitas-entitas, atribut-atribut dan relationship disajikan. Sebelum
membuat Diagram E-R , tentunya kita harus memahami betul data yang diperlukan
dan ruang lingkupnya. Di dalam pembuatan diagram E-R perlu diperhatikan
penentuan sesuatu konsep apakah merupakan suatu entity, atribut atau relationship.
2.4.2 Konsep Dasar Entity
Entity adalah obyek yang dapat dibedakan dengan yang lain dalam dunia
nyata. Entity dapat berupa obyek secara fisik seperti orang, rumah, atau kendaraan.
Entity dapat pula berupa obyek secara konsep seperti pekerjaan, perusahaan, dan
sebagainya. Tipe entity merupakan sekumpulan obyek dalam dunia nyata yang
mempunyai properti yang sama atau berasal dari entity yang sejenis. Terdapat dua tipe
Entity, Entity Kuat dan Entity Lemah. Entity kuat adalah entity yang keberadaanya

30
tidak tergantung pada entity lain, misalkan tipe entity pegawai atau cabang. Sedangkan
Entity Lemah keberadaanya tergantung pada entity lain, misalkan tipe entity
tanggungan, dimana keberadaannya tergantung dari pegawai .
Entity disajikan dalam bentuk persegi panjang, entity kuat disajikan dengan
perseg panjang dengan satu garis, sedangkan entity lemah disajikan dengan persegi
panjang double.
2.4.3 Atribut
Atribut adalah karakteristik dari entity atau relationship, yang menyediakan

penjelasan detail tentang entity atau relationship tersebut. Nilai Atribut merupakan
suatu data aktual atau informasi yang disimpan pada suatu atribut di dalam suatu
entity atau relationship. Atribut digambarkan dalam bentuk oval.
Jenis-jenis dari atribut adalah sebagai berikut:

 Key
Atribut yang digunakan untuk menentukan suatu entity secara unik.
 Atribut Simple
Atribut yang bernilai tunggal.
 Atribut Multivalue
Atribut yang memiliki sekelompok nilai untuk setiap instan entity.
 Atribut Composite
Suatu atribut yang terdiri dari beberapa atribut yang lebih kecil yang mempunyai arti
tertentu.
 Atribut Derivatif
Suatu atribut yang dihasilkan dari atribut yang lain.
2.4.4 Relationship

31
Relasi menunjukkan adanya hubungan diantara sejumlah entitas yang berasal dari
himpunan entitas yang berbeda.
2.4.4.1 Derajat Relasi atau Kardinalitas
Menunjukkan jumlah maksimum entitas yang dapat berelasi dengan entitas pada
himpunan entitas yang lain. Macam-macam kardinalitas adalah:
 Satu ke satu (one to one), Setiap anggota entitas A hanya boleh berhubungan
dengan satu anggota entitas B, begitu pula sebaliknya.
 Satu ke banyak (one to many), Setiap anggota entitas A dapat berhubungan
dengan lebih dari satu anggota entitas B tetapi tidak sebaliknya.
 Banyak ke banyak (many to many), Setiap entitas A dapat berhubungan
dengan banyak entitas himpunan entitas B dan demikian pula sebaliknya.
BAB 3

32
ANALISIS DAN PERANCANGAN SISTEM
Analisis sistem dalam penelitian ini akan dilakukan dalam beberapa tahap yakni analisis
permasalahan dan analisis kebutuhan sistem pendukung keputusan. Berikut akan dijelaskan
masing-masing analisis tersebut.
3.1 Analisis Permasalahan
Perjalanan wisata adalah serangkaian kegiatan yang meliputi penentuan daerah tujuan
wisata, persiapan keberangkatan, transportasi, akomodasi dan pemandu wisata. Dalam hal
ini maka fungsi dari biro perjalanan menjadi sangat diperlukan dalam memberikan jasa
penyusunan dan perencanaan wisata yang baik untuk mendukung kenyamanan wisatawan
dalam berwisata.
Dalam memilih dan menyusun perjalanan wisata tidaklah mudah. Terdapat faktor-
faktor yang perlu dipertimbangkan untuk melakukan pemilihan paket wisata yang
ditawarkan. Faktor-faktor tersebut antara lain biaya yang dikeluarkan untuk wisata, lama
perjalanan wisata, jenis objek wisata tersebut, tipe wisata yang dikunjungi dan jauh
perjalanan pada paket wisata. Dari berbagai analisis tersebut, maka penulis akan merancang
sebuah sistem yang dapat membantu dan menjadi pemberi rekomendasi dalam memilih
paket wisata di Sumatera Utara. Yang didalam sistem akan terdapat data harga, tempat
wisata, dan lama didaerah wisata.
3.2 Analisis Kebutuhan Sistem Pendukung Keputusan
Dari analisis permasalahan tersebut, penulis menentukan beberapa kebutuhan sistem yang
diperlukan untuk dapat memghadapi permasalahan tersebut. Kebutuhan sistem ini diuraikan
dalam dua bagian menjadi kebutuhan fungsional dan kebutuhan nono fungsional.
3.2.1 Kebutuhan Fungsional
Kebutuhan fungsional merupakan kebutuhan atas setiap aktivitas yang diperlukan ataupun
dilakukan oleh sistem. Adapun kebutuhan fungsional yang dimaksudkan adalah sebagai
berikut:

33
1. Sistem dapat menampilkan kelima kriteria pemilihan paket yang mana dijadikan sebagai
data masukan dari user untuk diproses selanjutnya oleh sistem.
2. Sistem dapat menampilkan dan mengubah nilai bobot dari setiap kriteria berdasarkan
kriteria mana yang dianggap lebih penting bagi user.
3. Sistem dapat memasukkan, mengubah, menghapus, dan menampilkan data dari setiap
paket wisata.
4. Sistem dapat menampilkan data keluaran dari setiap proses yang terdapat dalam
metode TOPSIS.
5. Sistem dapat mengurutkan hasil akhir dari data keluaran untuk memperlihatkan data
paket wisata yang menjadi solusi terbaik.
3.2.2 Kebutuhan Non Fungsional
Kebutuhan non fungsional adalah kebutuhan yang tidak secara langsung mempengaruhi
terhadap pengoperasian aplikasi ini. Adapun kebutuhan non fungsional yang dimaksudkan
adalah sebagai:
1. Performa
Aplikasi yang di bangun ini dapat memberi solusi tarif, biaya, lama hari, jenis wisata
dan tipe wisatawan dalam perjalanan objek wisata di sumatera utara.
2. Hemat Biaya
Aplikasi ini tidak membutuhkan perangkat tambahan misalnya : scanner, barcode
scanner dan lain lain. atau sistem pendukungdalam pengunaanya misalnya :
autocat,photoshop dan lain-lain.
3. Dokumentasi
Sistem ini dapat menyimpan data lokasi, harga tiap paket wisata, objek wisata,
perkiraan waktu dan tempat lokasi.
4. Control
Sistem ini dapat menulisakan pesan error jika user salah menginputkan data.
Misalnya: jika user tidak memasukin lama hari dan budger maka akan keluar pesan
error.
5. Permudah di gunakan

34
Sistem yang di bangun harus memiliki interface yang user friendly sehingga
memudahkan di gunakan user.
3.3 Analisis Proses Perhitungan Metode TOPSIS
Metode TOPSIS melakukan perhitungan pada semua kriteria-kriteria yang terdapat

dalam setiap alternatif. Setiap alternatif dalam hal ini adalah berupa sekumpulan data paket
wisata yang tersedia. Secara umum, metode TOPSIS mengurutkan alternatif-alternatif yang
ada berdasarkan kedekatannya dari solusi ideal positif maupun solusi ideal negatif. Maka
dari itu, alternatif yang terbaik adalah salah satu yang berjarak terpendek terhadap solusi
ideal positif dan berjarak terjauh dengan solusi ideal negatif.
Berikut proses perhitungan metode TOPSIS dengan menggunakan tiga contoh paket
wisata sebagai berikut:
 Paket wisata 3 hari / 2 malam, tipe paket adalah backpacker, jenis wisata adalah gunung,
lama hari adalah 3 hari, biaya per orang adalah Rp. 1.500.000, dan tujuan wisata adalah
Brastagi. Paket ini diberi inisial A1.
 Paket wisata 5 hari / 4 malam, tipe paket adalah backpacker, jenis wisata adalah laut,
lama hari adalah 5 hari, biaya per orang adalah Rp. 1.000.000, dan tujuan wisata adalah
Prapat. Paket ini diberi inisial A2.
 Paket wisata 6 hari, tipe paket adalah traveling, jenis wisata adalah culture, lama hari
adalah 6 hari, biaya per orang adalah Rp. 4.000.000, dan tujuan wisata adalah Medan-
Brastagi. Paket ini diberi inisial A3.
Kriteria utama dalam pemilihan objek wisata adalah:

 Tujuan wisata (C1)
 Tipe wisata (C2)
 Jenis wisata (C3)
 Lama hari (C4)
 Harga per orang (C5)

35
3.3.1 Penentuan Ranking Kecocokan Setiap Alternatif
Ranking kecocokan setiap alternatif pada setiap kriteria diberi dengan salah satu nilai seperti
berikut:
 Nilai 1 (buruk),
 Nilai 3 (cukup),
 Nilai 5 (bagus).
Pemberian ranking kecocokan tersebut berdasarkan pada data masukan yang berupa
nilai dari setiap kriteria yang diinginkan oleh user itu sendiri.
Penentuan ranking kecocokan dari setiap alternatif adalah sebagai berikut:
 Mula-mula setiap alternatif pada setiap kriteria diberi dengan nilai 3 sebagai nilai awal.
 Pada kriteria tujuan wisata, jika tujuan wisata yang dimasukkan oleh user memiliki
kesamaan dengan tujuan wisata dari paket wisata yang tersedia maka kriteria tujuan
wisata pada paket wisata tersebut diberi dengan nilai 5.
 Pada kriteria tipe wisata, jika tipe wisata yang dimasukkan oleh user memiliki kesamaan
dengan tipe wisata dari paket wisata yang tersedia maka kriteria tipe wisata pada paket
wisata tersebut diberi dengan nilai 5.
 Pada kriteria jenis wisata, jika jenis wisata yang dimasukkan oleh user memiliki kesamaan
dengan jenis wisata dari paket wisata yang tersedia maka kriteria jenis wisata pada paket
wisata tersebut diberi dengan nilai 5.
 Pada kriteria lama hari, jika lama hari yang dimasukkan oleh user sama dengan lama hari
dari paket wisata yang tersedia maka kriteria lama hari pada paket wisata tersebut diberi
dengan nilai 5, tetapi jika lama hari yang dimasukkan tersebut lebih kecil daripada lama
hari dari paket wisata yang tersedia maka kriteria lama hari pada paket wisata tersebut
diberi dengan nilai 1.
 Pada kriteria harga per orang, jika harga per orang yang dimasukkan oleh user sama
dengan harga per orang dari paket wisata yang tersedia maka kriteria harga per orang
pada paket wisata tersebut diberi dengan nilai 5, tetapi jika harga per orang yang

36
dimasukkan tersebut lebih kecil daripada harga per orang dari paket wisata yang tersedia
maka kriteria harga per orang pada paket wisata tersebut diberi dengan nilai 1.
Misalkan user memilih Brastagi sebagai tujuan wisata, backpacker sebagai tipe wisata,
gunung sebagai jenis wisata, melakukan 3 hari wisata dengan budget Rp. 2.000.000 per
orang.
Dari nilai kriteria yang dimasukkan oleh user tersebut, maka didapat ranking
kecocokan tiap alternatif seperti berikut:
 Alternatif-alternatif paket wisata dengan kriteria yang memiliki tujuan wisata ke Brastagi
mendapatkan ranking 5, sedangkan alternatif-alternatif paket wisata dengan kriteria
yang tidak memiliki tujuan wisata ke Brastagi mendapatkan ranking 3.
 Alternatif-alternatif paket wisata dengan kriteria yang memiliki backpacker sebagai tipe
wisata mendapatkan ranking 5, sedangkan alternatif-alternatif paket wisata dengan
kriteria yang memiliki travelling sebagai tipe wisata mendapatkan ranking 3.
 Alternatif-alternatif paket wisata dengan kriteria yang memiliki gunung sebagai jenis
wisata mendapatkan ranking 5, sedangkan alternatif-alternatif yang tidak memiliki
gunung sebagai jenis wisata mendapatkan ranking 3.
 Alternatif-alternatif paket wisata dengan kriteria yang memiliki lama wisata sebanyak 3
hari mendapatkan ranking 5. Alternatif paket wisata yang memiliki jumlah hari berwisata
lebih dari 3 mendapatkan ranking 1 dan alternatif paket wisata yang memiliki jumlah hari
berwisata kurang dari 3 mendapatkan ranking 3.
 Alternatif-alternatif paket wisata dengan kriteria yang memiliki harga paket wisata sesuai
dengan Rp. 2.000.000 per orang mendapatkan ranking 5. Alternatif paket wisata yang
memiliki harga paket wisata di bawah Rp. 2.000.000 per orang mendapatkan ranking 3
dan alternatif paket wisata yang memiliki harga paket wisata di atas Rp. 2.000.000 per
orang mendapatkan ranking 1.
Tabel berikut menunjukkan ranking kecocokan dari setiap alternatif pada setiap kriteria:

37
Tabel 3.1 Tabel rangking kecocokan dari Setiap alternatif

Alternatif Kriteria
C1 C2 C3 C4 C5
A1 5 5 5 5 3
A2 3 5 3 1 3
A3 5 3 3 1 1
3.3.2 Penentuan Bobot Preferensi Setiap Kriteria
Bobot preferensi pada setiap kriteria menentukan kriteria-kriteria mana yang menjadi
prioritas utama dibandingkan dengan kriteria lainnya. Nilai bobot preferensi ini berkisar
antara nilai 1 sampai 5, dimana semakin besar nilai bobotnya maka semakin tinggi
prioritasnya dibandingkan dengan kriteria lainnya yang memiliki nilai bobot yang lebih kecil.
Penentuan nilai bobot ini tergantung dari keputusan user dalam menentukan kriteria
mana yang lebih diutamakan dalam pemilihan paket wisata. Penentuan nilai bobot ini
berbeda dengan penentuan ranking kecocokan setiap alternatif. Dalam contoh ini, nilai
bobot setiap kriteria C1, C2, …, C5 diberi dengan nilai 5 untuk C1, 3 untuk C2, 5 untuk C3, 3
untuk C4, dan 5 untuk C5.
3.3.3 Perhitungan Matriks Keputusan Ternormalisasi
Perhitungan untuk memperoleh matriks keputusan ternormalisasi dengan menggunakan

persamaan dari Euclidean length of a vector adalah sebagai berikut:
Rumus Euclidean length of a vector:

X ij
rij 
m
X
i 1
2
ij
................................(i)
Perhitungan:
|X1| = √52 + 32 + 52 = 7,6811

38
X11 5
r11    0,6509
| X1 | 7,6811
X 21 3
r21    0,3906
| X1 | 7,6811
X 31 5
r31    0,6509
| X1 | 7,6811
Dari hasil perhitungan di atas didapatkan matriks keputusan ternormalisasi sebagai berikut:
0,6509 0,6509 0,7625 0,9623 0,6883
r  0,3906 0,6509 0,4574 0,1925 0,6883
0,6509 0,3906 0,4575 0,1925 0,2294
3.3.4 Perhitungan Matriks Keputusan Ternormalisasi Terbobot
Perhitungan untuk memperoleh matriks keputusan ternormalisasi terbobot dengan

menggunakan persamaan berikut:
yij  wi * rij ...............................(ii)
Matriks keputusan ternormalisasi terbobot didapatkan dari perkalian matriks r

dengan bobot preferensi tiap kriteria (5, 3, 5, 3, 5) didapat :
0,6509 0,6509 0,7625 0,9623 0,6883

y  0,3906 0,6509 0,4574 0,1925 0,6883 * (5, 3, 5, 3, 5)
0,6509 0,3906 0,4575 0,1925 0,2294
Dari hasil perhitungan di atas didapatkan matriks ternormalisasi terbobot sebagai berikut:

39
3,2547 1,9528 3,8125 2,8868 3,4412

y  1,9528 1,9528 2,2875 0,5774 3,4412
3,2547 1,1717 2,2875 0,5774 1,1471
3.3.5 Penentuan Solusi Ideal Positif dan Solusi Ideal Negatif
Penentuan untuk memperoleh solusi ideal positif dengan menggunakan persamaan sebagai
berikut:
A  ( y1 , y2 ,..., yn ) ...................(iii)
y1+= max {3,2547 ; 1,9528; 3,2547 }= 3,2547

y2+= max {1,9528; 1,9528; 1,1717}= 1.9528
y3+= max {3,8125; 2,2875; 2.2875}= 3,8125
y4+= max {2,8868; 0,5574; 0,5574}= 2,8868
y5+= min {3,4412; 3,4412; 1,1471}= 1,1471 (karena biaya)
Dari hasil penentuan di atas didapatkan solusi ideal positif sebagai berikut:
A+ = {3,2547; 1.9528; 3,8125; 2,8868; 1,1471}
Penentuan untuk memperoleh solusi ideal positif dengan menggunakan persamaan sebagai
berikut:
A  ( y1 , y2 ,..., yn ) ...................(iv)
y1- = min {3,2547 ; 1,9528; 3,2547 }= 1,9528

y2- = min {1,9528; 1,9528; 1,1717}= 1,1717
y3- = min {3,8125; 2,2875; 2.2875}= 2,2875
y4- = min {2,8868; 0,5574; 0,5574}= 0,5574
y5- = max {3,4412; 3,4412; 1,1471}= 3,4412 (karena biaya)
Dari hasil penentuan di atas didapatkan solusi ideal positif sebagai berikut:
A- = {1,9528; 1,1717; 2,2875; 0,5574; 3,4412}

40
3.3.6 Perhitungan Jarak antara Nilai Terbobot Setiap Alternatif
Perhitungan untuk memperoleh jarak antara nilai terbobot setiap alternatif terhadap solusi
ideal positif dengan menggunakan persamaan sebagai berikut:
m
Di  (y
j 1

i  yij ) 2 , i = 1, 2, …, m ...................................(v)
Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap
solusi ideal positif sebagai berikut:
(3,2547  3,2547 ) 2  (1,9528  1,9528) 2  (3,8125  3,8125) 2 

D1   2,2942
(2,8868  2,8868) 2  (3,4412  1,1471) 2
(1,9528  3,2547 ) 2  (1,9528  1,9528) 2  (2,2875  3,8125) 2 

D 2   3,8353
(0,5574  2,8868) 2  (3,4412  1,1471) 2
 (3,2547  3,2547 ) 2  (1,1717  1,9528) 2  (2,2875  3,8125) 2 

D 
3  2,8916
(0,5574  2,8868) 2  (1,1471  1,1471) 2
Perhitungan untuk memperoleh jarak antara nilai terbobot setiap alternatif terhadap solusi
ideal positif dengan menggunakan persamaan sebagai berikut:
m
Di  (yj 1

i  yij ) 2 , i = 1, 2, …, m........................(vi)
Dari persamaan di atas didapatkan jarak antara nilai terbobot setiap alternatif terhadap
solusi ideal positif sebagai berikut:
 (3,2547  1,9528) 2  (1,9528  1,1717 ) 2  (3,8125  2,2875) 2 

D 
1  3,1712
(2,8868  0,5574) 2  (3,4412  3,4412) 2
 (1,9528  1,9528) 2  (1,9528  1,1717 ) 2  (2,2875  2,2875) 2 

D 
2  0,7811
(0,5574  0,5574) 2  (3,4412  3,4412) 2

41
 (3,2547  1,9528) 2  (1,1717  1,1717 ) 2  (2,2875  2,2875) 2 

D 
3  2,6378
(0,5574  0,5574) 2  (1,1471  3,4412) 2
3.3.7 Perhitungan Kedekatan Setiap Alternatif Terhadap Solusi Ideal
Perhitungan untuk memperoleh kedekatan setiap alternatif terhadap solusi ideal dengan
menggunakan persamaan sebagai berikut:
Di
Vi   ..............................(vii)
Di  Di
Dari persamaan di atas didapatkan kedekatan setiap alternatif terhadap solusi ideal sebagai
berikut:
3,1712
V1   0,5802
3,1712  2,2942
0,7811
V2   0,1692
0,7811 3,8353
2,6378
V3   0,4770
2,6378  2,8916
Dari perhitungan yang ada di atas, maka hasil keputusan diperoleh dari nilai V (jarak
kedekatan setiap alternatif terhadap solusi ideal) yang terbesar. Nilai V yang terbesar adalah
nilai V1 sehingga paket wisata yang terpilih adalah paket wisata 3 hari / 2 malam (A1).

42
3.4 Flowchart Proses Perhitungan TOPSIS
Mulai
Memasukkan nilai
setiap kriteria
Melakukan ranking kecocokan

setiap alternatif pada setiap
kriteria yang dipilih
Membuat matriks
keputusan
ternormalisasi Menghitung jarak antar
nilai terbobot pada setiap
alternatif
Membuat matriks
keputusan ternormalisasi
berbobot
Menghitung kedekatan
setiap alternatif
Menghitung solusi ideal

positif dan solusi ideal
negatif
Mengurutkan alternatif
berdasarkan kedekatan setiap
43
Gambar 3.1 Flowchart Proses Perhitungan TOPSIS
3.5 Data Flow Diagram (DFD)
Diagram konteks adalah diagram yang menggambarkan masukan yang diterima oleh suatu
sistem dan keluaran yang dihasilkan dari sistem tersebut. Diagram konteks menjelaskan
proses perjalanan data dari satu atau beberapa sumber (source) untuk mencapai suatu
tujuan tertentu (destination), yang mana pada proses perjalanan data tersebut hanya
terdapat satu proses saja, yang di gambarkan dalam bentuk umum. Diagram konteks dibuat
untuk melihat gambaran sistem secara garis besar.
Input_Jenis
Input_Lokasi
Input_ Paket
Input_Jenis
0
Sistem
User Pengambil
Keputusan
WIsata
Data_Kriteria
Data_Informasi
Gambar 3.2 DFD Sistem Pengambil Keputusan Wisata Level 0
Penjelasan mengenai DFD sistem pengambilan keputusan wisata level 0 dapat di lihat dalam
table 3.2 seperti di bawah ini :
Tabel 3.2 Kamus data DFD Level 0

44
Nama Proses Input Keterangan Proses Output
Sistem Input_Jenis Pada proses ini, data akan di proses Data_Kriteria

Pengambilan Input_Paket sesuai dengan input yang di masukkan Data_Informasi
Keputusan Input_Lokasi dan mengeluarkan informasi yang
Wisata Input_Harga sudah di proses terlebih dahulu oleh
Input_Detail sistem
Pada proses ini dapat dilihat bahwa ketika user memasukkan data, maka data tersebut
langsung diproses oleh sistem pendukung keputusan paket wisata.
Data_Jenis
Data_Paket
Input_Jenis
Data_Lokasi
Input_Paket
1.0 Data_Harga
Input_Lokasi Data_kriteria
Penentuan Kriteria
Data_Kriteria
Input_Harga
Data_Kriteria
User
Data_Kriteria Data_Kriteria
2.0
Data_Paket
Penentuan Detail
Data_Informasi
Data_Informasi
Tabel 3.3 Kamus Data DFD Level 1

Penentuan Input_Jenis Pada proses ini, Data_Jenis yang di input Data_Kriteria
Kriteriaa Input_Paket akan mencari sesuai data yang ada di
Input_Lokasi dalam bank data
Input_Harga
Input_Detail

45
Penentuan Data_Kriteria Pada proses ini, Data_Detail yang di input Data_Informasi

Detail akan mencari sesuai data yang ada di
dalam bank data
Pada proses ini dapat dilihat bahwa ketika proses berlangsung data akan di- filter pada bank
data yang sudah tersedia.
2.1 Data_Kriteria
Data Bobot Data_Kriteria
Kriteria
Data_Kriteria
Data_Kriteria
2.2
User Perhitungan Data_Paket
Topsis
Data_Topsis
Data_Paket
Data_Informasi 2.2
Tampil Data
Tabel 3.4 Kamus Data DFD Level 2

Data Bobot Data_Kriteria Proses ini mencocokkan semua data yang Cek_Kriteria
kriteria di-input dengan bank data yang sudah
tersedia
Perhitungan Data_Kriteria Proses ini adalah perhitungan yang terjadi Cek_Paket
TOPSIS pada saat pemilihan data yang paling
utama sampai yang terakhir
Tampil data Data_Topsis Proses ini adalah penampilan data yang Cek_Informasi
sudah diproses

46
Pada proses ini dapat dilihat setiap data yg sudah di input oleh user akan dilihat kriteria yang
paling tepat dengan bank data yang sudah tersedia, dengan metode perhitungan TOPSIS.
3.6 Entity Relationship Diagram (ERD)

ERD adalah representasi grafik dari entity relationship model. Entity relationship model
sendiri adalah rincian yang merupakan representasi logika dari data pada suatu organisasi
atau area bisnis tertentu. Entity relationship model dibuat berdasarkan anggapan bahwa
dunia nyata terdiri dari koleksi objek-objek dasar yang dinamakan entitas (entity) serta
hubungan (relationship) antara entitas-entitas itu. Entitas adalah ’sesuatu’ atau ’objek’ pada
dunia nyata yang dapat dibedakan satu terhadap yang lainnya, yang bermanfaat bagi aplikasi
yang sedang dikembangkan.
Data_Kriteria Data_Paket
No_Kriteria (PK) Initial Paket (PK)
Bobot_Tipe Nama
Bobot_Lama Keterangan
Bobot_Jenis Tipe
Bobot_Harga Lama hari
Bobot_Tujuan Jenis
Harga
Tujuan
Rank_tipe
Rank_lama
Rank_jenis
Rank_harga
Rank_tujuan
Norm_tipe
Norm_lama
Norm_jenis
Norm_harga
Norm Tujuan
Nobo_tipe

47
Nobo_lama
Nobo_jenis
Nobo_harga
Nobo_tujuan
Amax_tipe
Amax_lama
Amax_jenis
Amax_harga
Amax_tujuan
Amin_tipe
Amin_lama
Amin_jenis
Amin_harga
Amin_tujuan
Dmax
Dmin
V
Gambar 3.5 ERD Sistem Pengambilan Keputusan Paket Wisata
Penjelasan mengenai ERD sistem pengambilan keputusan paket wisata dapat di lihat dalam
Tabel 3.5 Kamus Data ERD
Nama Tabel Jenis Data Tipe Data Keterangan

Data_Kriteria No_Kriteria (PK) Varchar Ini adalah tabel database kriteria, dimana
Bobot_Tipe Double tabel ini berfungsi untuk menyimpan
Bobot_Lama Double sementara permintaan dari user, dan data
Bobot_Jenis Double disini akan diproses ke tabel selanjutnya.
Bobot_Harga Double
Bobot_Tujuan Double
Double

48
Data_Paket Initial Paket (PK) Varchar Ini adalalah tabel database paket, dimana
Nama Varchar tabel ini berisikan data yang sudah di input
Keterangan Longtext terlebih dahulu, dan data yang ada disini akan
Tipe Varchar di proses dan dicocokkan ketika user meminta
Lama hari Varchar percocokan data dari tabel yang sebelumnya.
Jenis Varchar
Harga Double
Tujuan Varchar
Rank_tipe Int
Rank_lama Int
Rank_jenis Int
Rank_harga Int
Rank_tujuan Int
Norm_tipe Double
Norm_lama Double
Norm_jenis Double
Norm_harga Double
Norm Tujuan Double
Nobo_tipe Double
Nobo_lama Double
Nobo_jenis Double
Nobo_harga Double
Nobo_tujuan Double
Amax_tipe Double
Amax_lama Double
Amax_jenis Double
Amax_harga Double
Amax_tujuan Double
Amin_tipe Double
Amin_lama Double
Amin_jenis Double
Amin_harga Double
Amin_tujuan Double
Dmax Double

49
Dmin Double
V Double
3.7 Perancangan Antarmuka
Perancangan antarmuka menampilkan rancangan dari setiap halaman yang digunakan untuk
memperoleh gambaran tampilan aplikasi. Tampilan antarmuka dari sebuah aplikasi menjadi
alat komunikasi yang menghubungkan secara langsung antara sistem dengan user.
3.7.1 Rancangan Halaman Utama
Rancangan halaman utama merupakan tampilan utama dimana user akan memasukkan data
setiap kriteria ke dalam sistem. Terdapat tiga tombol dalam halaman ini yaitu “Kriteria”,
“Data Paket”, dan “Proses”.
Tombol “Kriteria” digunakan untuk menampilkan halaman lain yang berisi nilai bobot
dari setiap kriteria. Tombol “Data Paket” digunakan untuk menampilkan halaman lain yang
berisi kumpulan semua paket wisata. Sedangkan, tombol “Proses” digunakan untuk memulai
proses pengolahan data masukan dari kelima kriteria dalam perhitungan metode TOPSIS.
Sistem Pendukung Keputusan
Budget
Jenis Wisata
Lama Hari

50
Tipe Wisata
Tujuan Wisata
Proses
Kriteria Data Paket
Gambar 3.6 Rancangan Halaman Utama
3.7.2 Rancangan Menu Kriteria
Rancangan menu kriteria merupakan tampilan yang memperlihatkan nilai bobot dari setiap
kriteria. Pada halaman ini, terdapat dua tombol yaitu “Edit” dan “Save”.
Tombol “Edit” digunakan untuk melakukan perubahan terhadap nilai bobot dari
masing-masing kriteria sesuai dengan yang kebutuhan yang diinginkan oleh user. Sedangkan,
tombol “Save” digunakan untuk menyimpan hasil dari perubahan nilai dari masing-masing
kriteria.
Bobot Budget
Bobot Tipe
Bobot Jenis
Bobot Hari
Bobot Tujuan
Edit Save
Gambar 3.7 Rancangan Menu Kriteria

3.7.2 Rancangan Menu Data Paket
Rancangan menu data paket merupakan tampilan yang memperlihatkan sekumpulan data
paket yang ditawarkan dalam sistem ini. Terdapat tujuh tombol dalam halaman ini yaitu
“Mode Pencarian”, “Cari”, “Tambah”, “Simpan”, “Ubah”, “Hapus”, dan “Batal”.
Tombol “Mode Pencarian” digunakan untuk memasuki mode pencarian serta
mengaktifkan tombol “Cari” dan kolom-kolom yang tersedia untuk dapat memasukkan data

51
yang ingin dicari. Tombol “Cari” digunakan untuk memulai pencarian data paket berdasarkan
data yang dimasukkan. Tombol “Tambah” digunakan untuk memulai proses penambahan
data paket wisata yang baru. Tombol “Ubah” digunakan untuk memulai proses pengubahan
data paket wisata yang telah tersedia. Tombol “Simpan” digunakan untuk menyimpan hasil
dari data paket yang ditambahkan ataupun yang diubah. Tombol “Hapus” digunakan untuk
menghapus data paket yang tidak diperlukan lagi. Sedangkan, tombol “Batal” digunakan
untuk membatalkan proses penambahan ataupun pengubahan data paket wisata.
Tabel Data Paket
No. Paket Pencarian data Cari

Nama Paket
Tipe Paket Keterangan
Jenis Paket
Lama Hari
Bayar Per Orang Tambah Simpan
Tujuan Wisata
Ubah Batal
Hapus
Gambar 3.8 Rancangan Menu Data Paket

3.7.3 Rancangan Menu Tombol Proses
Rancangan menu ini merupakan tampilan untuk memperlihatkan hasil dari setiap
perhitungan metode TOPSIS yang sudah dilakukan oleh sistem, dimana terdapat sebanyak 7
tabel yaitu tabel paket wisata, tabel ranking alternatif, matriks keputusan ternomalisasi,
matriks keputusan ternomalisasi berbobot, solusi ideal positif dan solusi ideal negatif, jarak
antara nilai berbobot setiap alternatif, dan kedekatan setiap alternatif terhadap solusi ideal.
Tabel paket wisata memperlihatkan data dari setiap paket wisata yang terdapat
dalam sistem. Tabel ranking alternatif memperlihatkan hasil penentuan ranking setiap

52
kriteria dari masing-masing data paket terhadap nilai kriteria yang dimasukkan oleh user
pada halaman utama. Tabel dari matriks keputusan ternormalisasi memperlihatkan hasil
normalisasi dari perhitungan masing-masing kriteria paket wisata tersebut.
Tabel Paket Wisata
Tabel Ranking Alternatif
Matriks Keputusan Ternomalisasi
Gambar 3.9 Rancangan Menu Tombol Proses 1
Tabel dari matriks keputusan ternormalisasi terbobot memperlihatkan hasil

perhitungan dari hasil normalisasi yang didapat pada matriks keputusan ternormalisasi
dikalikan sesuai dengan masing-masing bobot kriteria. Tabel dari solusi ideal positif
memperlihatkan hasil penentuan nilai maksimum dari nilai-nilai yang terdapat dalam satu
kriteria yang sama. Demikian sebaliknya dengan tabel dari solusi ideal negatif
memperlihatkan hasil penentuan nilai minimum dari nilai-nilai yang terdapat dalam satu
kriteria yang sama. Tabel dari jarak antara nilai terbobot setiap alternatif memperlihatkan
hasil perhitungan antara nilai normalisasi terbobot dari setiap data paket dengan solusi ideal
positif maupun solusi ideal negatif sesuai dengan masing-masing kriteria.
Matriks Keputusan Ternomalisasi Terbobot

53
Solusi Ideal Positif dan Solusi Ideal Negatif
Jarak Antara Nilai Terbobot Setiap Alternatif
Tabel dari kedekatan setiap alternatif terhadap solusi ideal memperlihatkan hasil
akhir dari setiap alternatif melalui proses perhitungan jarak antara nilai terbobot setiap
alternatif solusi ideal positif dengan jarak antara nilai terbobot setiap alternatif solusi ideal
negatif pada masing-masing paket wisata. Hasil dari perhitungan tersebut diurut
berdasarkan dari nilai terbesar sampai terkecil.
Kedekatan Setiap Alternatif Terhadap Solusi Ideal
Keterangan

54
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Pada bab ini akan dijelaskan tentang implementasi dan pengujian dari aplikasi yang
telah dirancang pada bab 3. Implementasi ini dilakukan untuk mengetahui hasil dari
perangkat lunak yang dibangun dan pengujian dilakukan untuk melihat apakah setiap
proses yang ada berjalan dengan baik dan output yang dihasilkan sudah sesuai dengan
yang diharapkan.
4.1 Implementasi Metode TOPSIS
Tahap implementasi perangkat lunak merupakan kelanjutan dari tahap

perancangan, sehingga implementasi ini harus didasarkan pada perancangan yang
telah dilaksanakan sebelumnya.
Implementasi metode topsis di aplikasi ini ada 6 bagian adalah:
1. Penentuan Ranking kecocokan

2. Matriks Keputusan tenormalisasi
3. Matriks Keputusan ternormalisasi terbobot
4. Solusi Ideal Positif dan negatif
5. Jarak antara Nilai Terbobot
6. Solusi Ideal Positif dan negatif
4.1.1 Penentuan Ranking Kecocokan
Penentuan ranking kecocokan setiap alternatif berdasarkan pilihan kriteria yang

dimasukkan oleh user dapat dilihat pada Gambar 4.1

55
procedure TfrInputData.UpdateDefaultRank;
var a : string;
begin
// setiap data paket diisi dengan ranking setiap kriteria dengan
nilai 3
a := 'UPDATE data_paket SET rank_tipe = 3, rank_jenis = 3,
rank_lama = 3, rank_harga = 3, rank_tujuan = 3';
ADOConnection1.Execute(a);
end;
procedure TfrInputData.UpdateTipeMK;
var a : string;
begin
// setiap data paket yang mempunyai kesamaan tipe wisata dengan
yang dipilih pada menu utama diberi nilai tipe ranking dengan nilai 5
a := 'UPDATE data_paket SET rank_tipe = 5 WHERE tipe = ' +
''''+Trim(TipeWisataComboBox.Text)+'''';
end;
procedure TfrInputData.UpdateLamaMK;
var a : string;
begin
if Trim(HariText.Text) <> '' then
begin
// setiap data paket yang mempunyai kesamaan lama wisata dengan
yg dipilih pada menu utama maka diberi ranking lama hari bernilai 5
a := 'UPDATE data_paket SET rank_lama = 5 WHERE lama_hari = ' +
''''+Trim(HariText.Text)+'''';
// jika terdapat data paket dengan lama hari yang lebih besar
dari pada yang dipilih maka diberi ranking lama hari bernilai 1
a := 'UPDATE data_paket SET rank_lama = 1 WHERE lama_hari > ' +
''''+Trim(HariText.Text)+'''';
end;
end;
procedure TfrInputData.UpdateJenisMK;
var a : string;

56
begin
// setiap data paket yang mempunyai kesamaan jenis wisata dengan
yang dipilih pada menu utama maka ranking jenis wisata bernilai 5
a := 'UPDATE data_paket SET rank_jenis = 5 WHERE jenis = ' +
''''+Trim(JenisWisataComboBox.Text)+'''';
end;
procedure TfrInputData.UpdateBudgetMK;
var a : string;
begin
if Trim(BudgetText.Text) <> '' then
begin
// setiap data paket yang mempunyai kesamaan harga(budget) dengan
yg dipilih pada menu utama maka diberi ranking harga bernilai 5
a := 'UPDATE data_paket SET rank_harga = 5 WHERE harga = ' +
''''+Trim(BudgetText.Text)+'''';
// jika terdapat data paket dengan harga(budget) yang lebih besar
dari pada yang dipilih maka diberi ranking harga bernilai 1
a := 'UPDATE data_paket SET rank_harga = 1 WHERE harga > ' +
''''+Trim(BudgetText.Text)+'''';
end;
end;
procedure TfrInputData.UpdateTujuanMK;
var a : string;
b : string;
begin
if Trim(TujuanWisataText.Text) <> '' then
begin
b := '%'+Trim(TujuanWisataText.Text)+'%';
// setiap data paket yang mempunyai kesamaan tujuan wisata dengan
yg dipilih pada menu utama maka diberi ranking tujuan bernilai 5
a := 'UPDATE data_paket SET rank_tujuan = 5 WHERE tujuan LIKE ' +
''''+b+'''';
end;
end;
Gambar 4.1 Penentuan Ranking Kecocokan

57
4.1.2 Matriks Keputusan Ternormalisasi
Perhitungan matriks keputusan ternormalisasi dapat dilihat pada Gambar 4.2 berikut
ini.
query := 'SELECT * FROM data_paket';

QuerySQL(query);
i := 1;
while not (ADOQuery1.Eof) do
begin
// membuat "elemen2" yang diperlukan untuk perhitungan
normalisasi
list_initial[i] := ADOQuery1.FieldByName('initial_paket').Value;
list_tipe[i] :=
StrToFloat(ADOQuery1.FieldByName('rank_tipe').Value);
list_lama[i] :=
StrToFloat(ADOQuery1.FieldByName('rank_lama').Value);
list_jenis[i] :=
StrToFloat(ADOQuery1.FieldByName('rank_jenis').Value);
list_dana[i] :=
StrToFloat(ADOQuery1.FieldByName('rank_harga').Value);
list_tujuan[i] :=
StrToFloat(ADOQuery1.FieldByName('rank_tujuan').Value);
// perhitungan "jumlah kuadrat(sqr)" dari setiap kriteria untuk

setiap data paket
tot_rank_tipe := tot_rank_tipe + Sqr(list_tipe[i]);
tot_rank_lama := tot_rank_lama + Sqr(list_lama[i]);
tot_rank_jenis := tot_rank_jenis + Sqr(list_jenis[i]);
tot_rank_dana := tot_rank_dana + Sqr(list_dana[i]);
tot_rank_tujuan := tot_rank_tujuan + Sqr(list_tujuan[i]);
// peningkatan nilai i sebesar +1
Inc(i);
ADOQuery1.Next;
end;
// penentuan nilai "akar(sqrt)" dari perhitungan "jumlah kuadrat"
yang di atas
mean_tipe := Sqrt(tot_rank_tipe);
mean_lama := Sqrt(tot_rank_lama);

58
mean_jenis := Sqrt(tot_rank_jenis);
mean_dana := Sqrt(tot_rank_dana);
mean_tujuan := Sqrt(tot_rank_tujuan);
for j := 1 to i-1 do
begin
// hasil normalisasi didapat dari "elemen" dibagi dengan nilai
"akar" yang didapat di atas tadi
// penyimpanan hasil normalisasi
a := 'UPDATE data_paket SET '+
'norm_tipe =
'+''''+FloatToStr(list_tipe[j]/mean_tipe)+''''+', ' +
'norm_lama =
'+''''+FloatToStr(list_lama[j]/mean_lama)+''''+', ' +
'norm_jenis =
'+''''+FloatToStr(list_jenis[j]/mean_jenis)+''''+', ' +
'norm_harga =
'+''''+FloatToStr(list_dana[j]/mean_dana)+''''+', ' +
'norm_tujuan =
'+''''+FloatToStr(list_tujuan[j]/mean_tujuan)+''''+', ' +
' WHERE initial_paket = ' + ''''+list_initial[j]+'''';
end;
Gambar 4.2 Matriks Keputusan Ternormalisasi
4.1.3 Matriks Keputusan Ternormalisasi Terbobot
Perhitungan matriks keputusan ternormalisasi terbobot dapat dilihat pada Gambar 4.3
berikut ini.
// mengambil nilai "bobot" setiap kriteria dari data criteria

bobot_tipe :=
StrToFloat(ADOQueryKriteria.FieldByName('bobot_tipe').Value);
bobot_lama :=
StrToFloat(ADOQueryKriteria.FieldByName('bobot_lama').Value);
bobot_jenis :=
StrToFloat(ADOQueryKriteria.FieldByName('bobot_jenis').Value);
bobot_dana :=
StrToFloat(ADOQueryKriteria.FieldByName('bobot_harga').Value);

59
bobot_tujuan :=
StrToFloat(ADOQueryKriteria.FieldByName('bobot_tujuan').Value);
begin
// perhitungan nilai normalisasi berbobot (hasil dari normalisasi
dikali dengan nilai "bobot" masing2 kriteria yang bersangkutan)
nobo_tipe[j] := (list_tipe[j]/mean_tipe)*bobot_tipe;
nobo_lama[j] := (list_lama[j]/mean_lama)*bobot_lama;
nobo_jenis[j] := (list_jenis[j]/mean_jenis)*bobot_jenis;
nobo_dana[j] := (list_dana[j]/mean_dana)*bobot_dana;
nobo_tujuan[j] := (list_tujuan[j]/mean_tujuan)*bobot_tujuan;
// penyimpanan hasil normalisasi
'nobo_tipe = '+''''+FloatToStr(nobo_tipe[j])+''''+', ' +
'nobo_lama = '+''''+FloatToStr(nobo_lama[j])+''''+', ' +
'nobo_jenis = '+''''+FloatToStr(nobo_jenis[j])+''''+', ' +
'nobo_harga = '+''''+FloatToStr(nobo_dana[j])+''''+', ' +
'nobo_tujuan = '+''''+FloatToStr(nobo_tujuan[j])+''''+
' WHERE initial_paket = ' + ''''+list_initial[j]+'''';
end;
Gambar 4.3 Matriks Keputusan Ternormalisasi Terbobot
4.1.4 Solusi Ideal Positif dan Negatif
Penentuan Solusi Ideal Positif dan Solusi Ideal Negatif setiap alternatif dapat dilihat
pada Gambar 4.4 berikut ini.
// penentuan solusi ideal positif (amax) dari hasil perhitungan

normalisasi terbobot untuk setiap kriteria
// maksudnya adalah mencari nilai tertinggi setiap kriteria dari
beragam data paket
amax_tipe := FindMax(nobo_tipe, i-2);
amax_lama := FindMax(nobo_lama, i-2);
amax_jenis := FindMax(nobo_jenis, i-2);
amax_dana := FindMax(nobo_dana, i-2); // termasuk solusi ideal
negatif karena diasumsikan harga yang diinginkan wisatawan semakin
kecil dana-nya semakin bagus

60
amax_tujuan := FindMax(nobo_tujuan, i-2);
// penentuan solusi ideal negatif (amin) dari hasil perhitungan

normalisasi terbobot untuk setiap kriteria
// maksudnya adalah mencari nilai terendah setiap kriteria dari
beragam data paket
amin_tipe := FindMin(nobo_tipe, i-2);
amin_lama := FindMin(nobo_lama, i-2);
amin_jenis := FindMin(nobo_jenis, i-2);
amin_dana := FindMin(nobo_dana, i-2); // termasuk solusi ideal
positif
amin_tujuan := FindMin(nobo_tujuan, i-2);
begin
// penyimpanan nilai amax, amin ke dalam database
'amax_tipe = '+''''+FloatToStr(amax_tipe)+''''+', ' +
'amax_lama = '+''''+FloatToStr(amax_lama)+''''+', ' +
'amax_jenis = '+''''+FloatToStr(amax_jenis)+''''+', ' +
'amax_harga = '+''''+FloatToStr(amax_dana)+''''+', ' +
'amax_tujuan = '+''''+FloatToStr(amax_tujuan)+''''+', ' +
'amin_tipe = '+''''+FloatToStr(amin_tipe)+''''+', ' +
'amin_lama = '+''''+FloatToStr(amin_lama)+''''+', ' +
'amin_jenis = '+''''+FloatToStr(amin_jenis)+''''+', ' +
'amin_harga = '+''''+FloatToStr(amin_dana)+''''+', ' +
'amin_tujuan = '+''''+FloatToStr(amin_tujuan)+''''+', ' +
'WHERE initial_paket = ' + ''''+list_initial[j]+'''';
end;
Gambar 4.4 Penentuan Solusi Ideal Positif dan Negatif

61
4.1.5 Jarak antara Nilai Terbobot
Perhitungan jarak antara nilai terbobot pada setiap alternatif dapat dilihat pada
Gambar 4.5 berikut ini.
begin
// menghitung separation measure dari solusi positif (dmax) dan
negatif (dmin)
dmax[j] := Sqrt(Sqr(nobo_tipe[j]-amax_tipe)+Sqr(nobo_lama[j]-
amax_lama)+Sqr(nobo_jenis[j]-amax_jenis)+Sqr(nobo_dana[j]-
amin_dana)+Sqr(nobo_tujuan[j]-amax_tujuan));
dmin[j] := Sqrt(Sqr(nobo_tipe[j]-amin_tipe)+Sqr(nobo_lama[j]-
amin_lama)+Sqr(nobo_jenis[j]-amin_jenis)+Sqr(nobo_dana[j]-
amax_dana)+Sqr(nobo_tujuan[j]-amin_tujuan));
end;
begin
// penyimpanan nilai dmax, dmin ke dalam database
'dmax = '+''''+FloatToStr(dmax[j])+''''+', ' +
'dmin = '+''''+FloatToStr(dmin[j])+''''+', ' +
end;
Gambar 4.5 Perhitungan Jarak antara Nilai Terbobot
4.1.6 Kedekatan Terhadap Solusi Ideal
Perhitungan kedekatan setiap alternatif terhadap solusi ideal positif dan negatif dapat
dilihat pada Gambar 4.6
begin
// perhitungan kedekatan relatif dari solusi dmax dan dmin
v[j] := dmin[j]/(dmin[j]+dmax[j]);

62
end;
begin
// penyimpanan nilai amax, amin, dmax, dmin, dan v ke dalam
database
'v = '+''''+FloatToStr(v[j])+''''+' ' +
end;
Gambar 4.6 Perhitungan Kedekatan Terhadap Solusi Ideal
4.2 Pengujian Aplikasi
Tampilan aplikasi paket wisata di Sumatera Utara dengan mengimplementasikan

metode Technique for Order Preference by Similiarity to Ideal Solution atau TOPSIS
adalah sebagai berikut :
4.2.1 Pengujian Halaman Utama
Tampilan halaman utama merupakan tampilan pertama yang muncul ketika

menjalankan aplikasi ini. Pada halaman ini terdapat 3 tombol yaitu : tombol
“Process”, tombol “Criteria” dan tombol “Package Data” di mana tombol “Process”
berfungsi untuk melakukan proses perhitungan TOPSIS. Sedangkan tombol “Criteria”
berfungsi untuk mengisi bobot setiap kriteria yang diperlukan pada proses perhitungan
TOPSIS. Serta tombol “Package Data” berfungsi untuk mengubah data paket wisata
seperti menambah, menghapus, dan mengubah data paket wisata.

63
Gambar 4.7 Pengujian Halaman Utama
4.2.2 Pengujian Menu Kriteria
Tampilan menu kriteria merupakan tampilan dimana user dapat mengatur bobot setiap
pilihan. Dimana terdapat 5 bobot yaitu : bobot budget, bobot tipe, bobot jenis, bobot
hari dan bobot tujuan.
Gambar 4.8 Pengujian Menu Kriteria

64
4.2.3 Pengujian Menu Data Paket
Tampilan menu data paket merupakan tampilan untuk menampilkan dan memasukkan
data paket dari dan ke dalam bank data (database). Pada menu ini, user dapat
menambah, menghapus maupun mengubah data paket. Pada halaman ini terdapat
tombol “Search Mode” ini yang berguna untuk mencari secara manual data paket
yang sudah ada.
Gambar 4.9 Pengujian Menu Data Paket

65
4.2.4 Pengujian Menu Proses Perhitungan TOPSIS
Tampilan menu proses perhitungan TOPSIS merupakan tampilan untuk melihat hasil
dari perhitungan yang sudah dilakukan oleh sistem, dimana terdapat 7 tabel yang
terdiri dari tabel paket wisata, tabel rangking alternatif, matriks keputusan
ternomalisasi, matriks keputusan ternomalisasi berbobot, solusi ideal positif dan solusi
ideal negatif, jarak antara nilai berbobot setiap alternatif, dan kedekatan setiap
alternatif terhadap solusi ideal.
Gambar 4.10 Pengujian Proses Perhitungan TOPSIS 1
Pada gambar 4.10 terdapat tabel data paket, tabel ranking alternatif, dan tabel matriks
keputusan ternormalisasi.

66
Tabel data paket memperlihatkan semua data paket yang mana selanjutnya
diolah dengan metode TOPSIS untuk mendapatkan paket wisata yang sesuai dengan
pilihan kriteria yang dimasukkan oleh user. Tabel ranking alternatif memperlihatkan
ranking kriteria pada setiap alternatif terhadap pilihan kriteria yang dimasukkan oleh
user. Matriks keputusan ternormalisasi memperlihatkan hasil perhitungan dengan
persamaan Euclidean length of a vector.

Pada gambar 4.11 terdapat tabel matriks keputusan ternormalisasi terbobot, tabel
solusi ideal positif dan solusi ideal negatif, dan tabel jarak antara nilai terbobot setiap
alternatif.

67
Matriks keputusan ternormalisasi terbobot memperlihatkan hasil dari

perhitungan matriks keputusan ternormalisasi dikalikan dengan nilai setiap bobot dari
masing-masing kriteria. Tabel solusi ideal positif dan solusi ideal negatif
memperlihatkan nilai terbesar dan nilai terkecil pada masing-masing kriteria diambil
dari hasil matriks keputusan ternormalisasi terbobot. Nilai terbesar tersebut
dimasukkan sebagai solusi ideal positif. Sedangkan, nilai terkecil dimasukkan sebagai
solusi ideal negatif. Tabel jarak antara nilai terbobot setiap alternatif memperlihatkan
jarak terjauh dan terpendek untuk masing-masing paket wisata dihitung dari solusi
ideal positif dan solusi ideal negatif terhadap nilai dari nilai ternormalisasi terbobot
masing-masing paket wisata.

Pada gambar 4.12 terdapat tabel yang berisi kedekatan setiap alternatif terhadap solusi
ideal. Nilai kedekatan tersebut diurutkan dari yang terbesar sampai yang terkecil. Nilai
kedekatan terbesar menjadi solusi utama hasil pemilihan dari sejumlah paket wisata
tersebut.

68
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan pembahasan dan evaluasi dari bab-bab terdahulu, maka dapat ditarik
kesimpulan sebagai berikut :
1. Aplikasi ini dapat dipakai ketika kita mencari pilihan paket wisata yang sesuai dengan
kriteria yang kita inginkan. Dimana aplikasi ini mencari kriteria yang paling mendekati
dengan metode Technique for Order Preference by Similiarity to Ideal Solution (TOPSIS).
2. Dalam menentukan kriteria mana yang lebih diutamakan dibandingkan dengan kriteria
lainnya dalam pemilihan paket wisata dapat diatur dengan memberikan nilai bobot dari
masing-masing kriteria tersebut dimana makin besar nilai bobot dari suatu kriteria maka
kriteria tersebut lebih diutamakan dalam pemilihan paket wisata.
5.2 Saran
Adapun saran-saran untuk pengembangan selanjutnya adalah sebagai berikut:
1. Pengembangan ruang lingkup paket wisata tidak hanya mencakup wilayah Sumatera
Utara, misalnya paket wisata dalam seluruh wilayah Indonesia.
2. Sistem pengambilan keputusan paket wisata dapat dikembangkan dengan metode selain
dari TOPSIS untuk melakukan perbandingan keakuratan hasil yang diperoleh antara
setiap metode dalam mendukung proses pengambilan keputusan.

69
DAFTAR PUSTAKA
[1]. Atmaja, I Nyoman Giri Sasmita. 2008. Sistem Pendukung Keputusan Pemilihan Paket
Wisata Dan Reservasi Travel Dengan Metode AHP Dan Topsis Berbasis WEB.
[2]. Aisyah. 2012. Sistem Pendukung Keputusan Pemilihan Bidang Minat Menggunakan
Metode TOPSIS Studi Kasus Program Studi Teknik Informatika Universitas Diponegoro.
Fakultas Matematika dan Ilmu Pengetahuan Alam Departemen Ilmu Komputer
Universitas Diponegoro. Yogyakarta.
[3]. Daihani, Dadan Umar. 2001. Komputerisasi Pengambilan Keputusan. Jakarta: Elex Media
Komputindo.
[4]. Hartono, Jogiyanto. 1999. Analisis & Disain Sistem Informasi : Pendekatan terstruktur
teori dan praktek aplikasi bisnis. ANDI: Yogyakarta.
[5]. Hasan, I. 2002. Pokok – Pokok Materi Teori Pengambilan Keputusan. Ghalia Indonesia:
Jakarta
[6]. Kusumadewi, Sri. 2006. Fuzzy Multi Attribute Decision Making (Fuzzy MADM). Graha
Ilmu: Yogyakarta.
[7]. Miftakhul, Huda. 2010. Membuat Aplikasi Database dengan Java, MySQL, dan
Netbeans. Jakarta: PT. Elex Media Komputindo.
[9]. Setyawati, Endang dan Desi Triyani. 2011. Sistem Pendukung Keputusan Penerimaan
Beasiswa Menggunakan Metode TOPSIS di STMIK WUP. STMIK Widya Utama
Purwokerto. Purwokerto.
[10]. Turban, Efraim. 2005. Sistem Pendukung Keputusan dan Sistem Cerdas. Andi:
Yogyakarta.

Implementasi Metode Topsis Pada Sistem Pendukung Keputusan Pemilihan Paket Wisata Di Sumatera Utara

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Implementasi Metode Topsis Pada Sistem Pendukung Keputusan Pemilihan Paket Wisata Di Sumatera Utara

Diunggah oleh

Hak Cipta:

Format Tersedia

IMPLEMENTASI METODE TOPSIS PADA SISTEM PENDUKUNG

KEPUTUSAN PEMILIHAN PAKET

PROGRAM STUDI S1-ILMU KOMPUTER

Judul : IMPLEMENTASI METODE TOPSIS PADA SISTEM

Handrizal, S.Si, M.CompSc Dian Rachmawati, S.Si, M.Kom

Dr. Poltak Sihombing, M.Kom

UNIVERSITAS SUMATERA UTARA