Journal

May 2023

Sistem Pendukung Keputusan Pemilihan Lokasi Pembangunan

Rumah Dengan Menggunakan Metode TOPSIS
Tiara Minda Arifa

Sistem Informasi, Fakultas Teknik, Universitas Malikussaleh

e-mail: tiaramindaarifa@gmail.com

Abstract – Demi mendapatkan suatu lokasi yang ideal untuk mendirikan suatu bangunan ,maka dibutuhkan
sistem pendukung keputusan untuk membantu menentukan lokasi pembangunan yang terbaik untuk mendirikan
bangunan rumah. Salah satu metode yang dapat digunakan untuk menyelesaikan permaslahan dalam pemilihan
lokasi pembangunan rumah adalah metode TOPSIS (Technique for Orders Preference by Similarity to Ideal
Solution) yang merupakan metode pengambilan keputusan multi kriteria yang menggunakan prinsip bahwa
alternatif yang terpilih harus mempunyai jarak terdekat dengan solusi ideal negatif dan jarak terjauh dengan
solusi ideal positif, dikarenakan semakin dekat lokasi pembangunan dengan kota maka harga semakin tinggi,
dan semakin jauh lokasi pembangunan dengan kota maka harga akan semakin murah. Langkah-langkah yang
digunakan dalam metode TOPSIS adalah proses perhitungan matriks normalisasi, proses perhitungan matriks
normalisasi terbobot, proses penentuan solusi ideal positif dan solusi ideal negatif, proses perhitungan jarak
pisah setiap alternatif terhadap solusi ideal, dan proses perhitungan nilai preferensi setiap alternatif. Hasil dari
proses perhitungan metode TOPSIS adalah berupa informasi pemilihan lokasi grosir pulsa yang paling
mendekati pilihan yang diinginkan perusahaan.

Key Word: Sistem Pendukung Keputusan, Lokasi Pembangunan, TOPSIS

I. PENDAHULUAN terhadap alternatif terpilih. Dimana alternatif terpilih

1.1. Latar belakang
Rumah adalah sebuah bangunan yang
mempunyai fungsi tempat tinggal dan berkumpul
suatu keluarga. Rumah juga merupakan tempat
seluruh anggota anggota keluarga berdiam dan
melakukan aktivitas yang menjadi rutinitas sehari-
hari penghuni rumah. Memiliki rumah merupakan
dambaan setiap orang, kebutuhan akan sebuah
rumah sama pentingnya dengan kebutuhan sandang
maupun kebutuhan pangan. Rumah merupakan
tempat untuk berteduh atau berlindung dari panas,
hujan dan hawa dingin, tempat untuk beristieahat,
serta tempat berkumpul anggota keluarga. Itulah
sebabnya memperoleh sebuah rumah harus
direncanakan dengan baik, pada dasarnya rumah
merupakan jantung kehidupan yang semestinya tepat
menjadi sumber kedamaian sumber inspirasi dan
sumber energi bagi pemiliknya, Ketika rumah diberi
predikat sebagai sumber kehidupan, tidak ada tempat
yang menggairahkan selain Kembali ke rumah dan
berkumpul Bersama anggota keluarga.
Oleh karena itu dibutuhkan suatu sistem
pendukung keputusan pemilihan lokasi
pembangunan dengan harpan akan mendapatkan
hasil pemilihan yang terbaik. Penelitian ini akan
membahas suatu sistem pendukung keputusan yang
diharapkan dapat membantu dalam pemilihan lokasi
pembangunan. Hasil yang diberikan oleh sistem
sebagai pendukung keputusan dapat memberikan
suatu alternatif pemecahan masalah yang ada,
sehingga keputusan yang dibuat menjadi lebih baik.
Metode yang dipakai dalam pengambilan
keputusan pemilihan lokasi pembangunan ini adalah
Technique for Order Preference by Similarity to
Ideal Solution (TOPSIS). Hal ini di karenakan
metode TOPSIS mampu melakukan perangkingan
8 p-ISSN 1410-5063, e-ISSN: 2579-3500
yang terbaik tidak hanya memiliki jarak terpendek
dari solusi ideal positif, tetapi juga memiliki jarak
terpanjang dari solusi ideal negatif. Solusi ideal
positif diartikan solusi yang memaksimalkan atribut
keuntungan (profit) dan meminimalkan atribut biaya
(cost), sedangkan solusi ideal negatif diartikan
dengan solusi yang meminimalkan atribut
keuntungan(profit) dan memaksimalkan biaya
(cost). Selain itu metode TOPSIS mempunyai
konsep yang sederhana dan mudah dipahami,
komputasinya efisien dan mempunyai
kemampuanuntuk mengukur kinerja relatif
dari alternatif-alternatif keputusan
Menurut Ridaini (2014:34) “TOPSIS
menggunakan prinsip bahwa alternatif yang terpilih
harus mempunyai jarak terdekat dari solusi ideal
positif dan terjauh dari solusi ideal negatif dari sudut
pandang geometris dengan menggunakan jarak
Euclidean untuk menentukan kedekatan relatif dari
suatu alternatif dengan solusi ideal, Metode yang
digunakan dalam system pendukung keputusan
skripsi ini adalah TOPSIS meskipun dengan alur
algoritma yang sederhana tetapi dapat menjadi
bahan solusi terhadap permasalahan dalam
menentukan objek lokasi”.
1.2. Tujuan Penelitian
Tujuan sistem pendukung keputusan ini
adalah untuk menghasilkan pemilihan pembangunan
rumah menggunakan metode Technique for Order
Preference by Similarityto Ideal Solution (TOPSIS)
1.3. Batasan Masalah
Dengan maksud agar pembahasan dan
penganalisaan dapat dilakukan dan tercapai sesuai
dengan tujuan, maka perlu adanya pembatasan

masalah. Batasan-batasan tersebut adalah:
1. Data yang akan digunakan adalah data
sekunder dari 5 lokasi yang ada di daerah
Lokasi C1, Lokasi C2, Lokasi C3, Lokasi C4,
Lokasi C5.
2. Kriteria yang digunakan untuk pemilihan
perumahan adalah Luas tanah, luas bangunan,
lantai bangunan, harga tanah, harga bangunan,
jarak ke kota.
3. Metode yang digunakan adalah Technique for
Order Preference by Similarity to Ideal
Solution (TOPSIS).
1.4. Manfaat Penelitian
Manfaat penelitian ini adalah :
1. Membantu dalam mencari dan
menentukan pilihan lokasi
pembangunan rumah yang sesuai
dengan keinginan.
2. Dapat menjadi acuan bagi para pemilih
bangunan rumah untuk memberikan
yang terbaik, baik harga maupun
fasilitas.
3. Memudahkan dalam mencari lokasi
pembangunan rumah.
II. TINJAUAN PUSTAKA
2.1. Sistem Pendukung Keputusan
Sistem penunjang keputusan adalah sistem
interaktif berbantuan komputer yang mendukung
pemakai dalam kemudahan akses terhadap data dan
model keputusan dalam upaya membantu proses
pengambilan keputusan yang efektif dalam memecahkan
masalah yang bersifat semi terstruktur dan tidak
terstruktur, karena itu harus mampu.
1. Ditambahataudikembangkan.
2. Mendukung analisis data dan model desisi.
3. Berorientasi pada masa yang akan datang.
4. Digunakan dalam waktu yang tidak terjadwal.
Sistem pendukung keputusan (SPK) merupakan
sistem informasi interaktif yang menyediakan informasi,
pemodelan, dan pemanipulasian data. Sistem ini
digunakan untuk membantu pengambilan keputusan
dalam situasi yang semiterstruktur dan situasi yang tidak
terstruktur [10, 18]. Dari pengertian diatas, dapat diambil
kesimpulan bahwa Sistem Penunjang Keputusan (SPK)
adalah suatu system informasi berbasis komputer yang
melakukan pendekatan untuk menghasilkan berbagai
alternative keputusan untuk membantu pihak tertentu
dalam menangani permasalahan dengan menggunakan
data dan model.Suatu SPK hanya memberikan alternative
keputusan dan selanjutnya diserahkan kepada user untuk
mengambil keputusan.
Pengambilan keputusan merupakan hasil
suatu proses pemilihan dari berbagai alternative
tindakan yang mungkin dipilih dengan mekanisme
tertentu, dengan tujuan untuk menghasilkan keputusan
yang terbaik. Dimana proses keputusan secara
bertahap, sistematik, konsisten dan dalam setiap
langkah sejak awal telah mengikut sertakan semua
pihak, akan memberikan hasil yang baik. SPK
p-ISSN 1410-5063, e-ISSN: 2579-3500
Journal
May 2023
merupakan suatu system interaktif yang mendukung
keputusan dalam proses pengambilan keputusan
melalui alternatif–alternatif yang diperoleh dari hasil
pengolahan data, informasi dan rancangan model.
2.2. Metode Technique for Order Preference by
Similarityto Ideal Solution (TOPSIS).
Topsis adalah metode pengambilan keputusan
multi kriteria dengan dasar alternatif yang dipilih
memiliki jarak terdekat dengan solusi ideal positif dan
memiliki jarak terjauh dari solusi ideal negatif. Namun,
alternatif yang mempunyai jarak terkecil dari solusi
ideal positif, tidak harus mempunyai jarak terbesar dari
solusi ideal negatif.
2.3. Langkah Metode Topsis.
Berikut adalah langkah-langkah dari metode
topsis [2] :
1. Rangking Tiap Alternatif Topsis
membutuhkan ranking kinerja setiap alternatif
Ai pada setiap kriteria Cj yang ternormalisasi
yaitu :
dengan i = 1, 2, 3, . . , m; dan j = 1, 2, 3, . . , n;
2. Matriks keputusan ternormalisasi tebobot.
𝑌𝑖𝑗 = wi.ri……(2)
dengan i = 1, 2,. . . , m; dan j = 1, 2, . . . , n.
3. Solusi Ideal Positif Dan Negatif Solusi ideal
positif A+ dan solusi ideal negatif A- dapat
ditentukan berdasarkan ranking bobot
ternormalisasi (yij) sebagai berikut.
4. Jarak Dengan Solusi Ideal Jarak adalah
alternatif dengan solusi ideal positif
dirumuskan sebagai :
Jarak adalah alternatif Ai dengan solusi ideal
negatif dirumuskan sebagai :
5. Nilai Preferensi Untuk Setiap Alternatif Nilai
preferensi untuk setiap alternatif (Vi)
diberikan sebagai :
Nilai Vi yang lebih besar menunjukkan bahwa
alternatif Ai lebih dipilih.
.
III. HASIL DAN PEMBAHASAN
Pada bagian pembahasan ini dijelaskan secara
umum bagaimana cara menghitung perbandingan
konsistensi kriteria penilaian dan perbandingan
9
 Journal
May 2023

konsistensi lokasi pembangunan pulsa terhadap

kriteria yang dinilai dengan menggunakan metode
TOPSIS secara keseluruhan. 3.3. Membentuk matriks keputusan
Dari beberapa lokasi yang telah ditentukan, berdasarkan nilai preferensi setiap kriteria
manajemen perusahaan dapat menggunakan metode terhadap semua alternatif :
TOPSIS sebagai pendukung keputusan untuk A1 A2 A3 A4 A5 A6
menentukan lokasi pembangunan rumah yang tepat.
Adapun hasil perhitungan dengan menggunakan C1 144 90 2 54 230 7,7
metode TOPSIS dan telah dilakukan penulis adalah C2
sebagai berikut :
120 81 2 42 180 12
C3 150 126 1 58 230 6,1
C4 100 72 3 40 200 13,3
3.1. Menentukan Kriteria yang akan C5
dipertimbangkan 130 80 3 45 210 5,2
Dalam melakukan pengambilan keputusan, tentunya
harus memiliki berbagai kriteria-kriteria yang Setelah membentuk matriks keputusan, langkah
nantinya digunakan sebagai bahan pertimbangan dan selanjutnya adalah menormalisasikan nilai matriks
harus keterkaitan dengan kasus yang diangkat. keputusan sebagai berikut :
Adapun kriteria-kriteria yang digunakan dalam
proses pemilihan lokasi grosir pulsa dengan
menggunakan metode TOPSIS antara lain:
a. Kriteria 1 : Luas Tanah
b. Kriteria 2 : Luas Bangunan Dengan i=1,2,.... m dan j=1,2....n; Dimana ;
𝑟𝑖𝑗 = Ranking kinerja alternatif ke – i pada kriteria ke
c. Kriteria 3 : Lantai Bangunan
– j 𝑥𝑖𝑗 = Alternatif ke – i pada kriteria ke – j
d. Kriteria 4 : Harga Tanah
e. Kriteria 5 : Harga Bangunan √∑ 𝑥𝑖𝑗 𝑚 = Akar hasil penjumlahan dari
f. Kriteria 6 : Jarak Ke Kota pemangkatan tiap – tiap. Alternatif pada satu kriteria
Dan adapun Alternatif yang akan dipilih sebagai dari rumus diatas, maka dapat dihitung nilai dari tiap-
lokasi pendirian grosir pulsa adalah sebagai berikut : tiap alternatif terhadap masing-masing kriteria
a. Alternatif 1 : C1 sebagai berikut :
b. Alternatif 2 : C2
c. Alternatif 3 : C3 X1=√1442 + 1202 + 1502 + 1002 + 1302
d. Alternatif 4 : C4 = 290,7507524
e. Alternatif 5 : C5
144
r11 = = 2,019102447
290,7507524
3.2. Menyususun bobot preferensi untuk setiap
120
kriteria r21 = = 2,422922936
290,7507524
Setelah menentukan kriteria penilaian, lalu
menentukan nilai bobot preferensi dari tiap-tiap 150
kriteria berdasarkan tingkat kepentingan antara kriteria r31 = = 1,938338349
290,7507524
yang satu dengan kriteria yang lainnya. Nilai
perbandingan tingkat kepentingan antara kriteria yang 100
r41 = = 2,907507524
satu dengan kriteria yang lainnya dapat dinyatakan 290,7507524

dengan pernyataan sebagai berikut: 130

a. Tidak penting = 10 r51 = = 2,236544249
290,7507524
b. Cukup penting = 20
c. Penting = 30
Dari pernyataan diatas, maka dapat disimpulkan X2=√902 + 812 + 1262 + 722 + 802
bahwa nilai preferensi terdiri dari bilangan dari 10 = 205,2340128
sampai 30, semakin tinggi nilai preferensi suatu
kriteria, maka semakin tinggi nilai preferensi suatu 90
kriteria, maka semakin tinggi tingkat kepentingan r12 = = 2,28037792
205,2340128
kriteria tersebut dalam menarik sebuah keputusan.
Nilai preferensi dari tiap-tiap kriteriaa ditentukan 81
r22 = = 2,533753244
205,2340128
sebagai berikut:
a. Luas Tanah : 30 126
b. Luas Bangunan : 30 r32 = = 1,628841371
205,2340128
c. Lantai Bangunan : 30
d. Harga Tanah : 10 72
r42 = = 2,8504724
e. Harga Bangunan : 10 205,2340128
f. Jarak ke kota : 10
80
W = ( 30 ; 30 ; 10 ; 10 ; 10 ) r52 = = 2,56542516
205,2340128
10 p-ISSN 1410-5063, e-ISSN: 2579-3500
 Journal
May 2023

6,1
r36 = = 3,455984998
21,08150848

X3=√22 + 22 + 12 + 32 + 32 13,3
= 5,196152423 r46 = = 1,585075826
21,08150848

2 5,2
r13 = = 2,598076211 r56 = = 4,054136247
5,196152423 21,08150848

2
r23 = = 2,598076211 Sehingga diperoleh nilai (R) sebagai berikut :
5,196152423

1
r33 = = 5,196152423 2,019102447 2,28037792 2,598076211 2,000428623 2,049943519 2,737858245
290,7507524
2,422922936 2,533753244 2,598076211 2,571979659 2,619372274 1,756792374

3 R 1,938338349 1,628841371 5,196152423 1,862468029 2,049943519 3,455984998

r43 = = 1,732050808
5,196152423 2,907507524 2,8504724 1,732050808 2,700578642 2,357435047 1,585075826

2,236544249 2,56542516 1,732050808 2,400514348 2,245176235 4,054136247

3
r53 = = 2,236544249
5,196152423

3.4. Membentuk matriks keputusan

X4=√542 + 422 + 582 + 402 + 452 berdasarkan nilai preferensi setiap kriteria
= 108,0231457 terhadap semua alternatif :

54 dikalikan dengan nilai preferensi pada setiap kriteria:

r14 = = 2,000428623
108,0231457

42
𝑦11 = 𝑤1 x 𝑟11 = 3,0 x 2,019102447 = 0,605730734
r24 = = 2,571979659 𝑦21 = 𝑤1 x 𝑟21 = 3,0 x 2,422922936 = 0,726876881
108,0231457
𝑦31 = 𝑤1 x 𝑟31 = 3,0 x 1,938338349 = 0,581501505
r34 =
58
= 1,862468029 𝑦41 = 𝑤1 x 𝑟41 = 3,0 x 2,907507524 = 0,872252257
108,0231457 𝑦51 = 𝑤1 x 𝑟51 = 3,0 x 2,236544249 = 0,670963275
40
r44 = = 2,700578642 𝑦12 = 𝑤2 x 𝑟12 = 3,0 x 2,28037792 = 0,684113376
108,0231457
𝑦22 = 𝑤2 x 𝑟22 = 3,0 x 2,533753244 = 0,760125973
r54 =
45
= 2,400514348 𝑦32 = 𝑤2 x 𝑟32 = 3,0 x 1,628841371 = 0,488652411
108,0231457 𝑦42 = 𝑤2 x 𝑟42 = 3,0 x 2,8504724 = 0,85514172
𝑦52 = 𝑤2 x 𝑟52 = 3,0 x 2,56542516 = 0,769627548

X5=√2302 + 1802 + 2302 + 2002 + 2102 𝑦13 = 𝑤3 x 𝑟13 = 0,1 2,598076211 = 0,259807621
= 471,4870094 𝑦23 = 𝑤3 x 𝑟23 = 0,1 x 2,598076211 = 0,259807621
𝑦33 = 𝑤3 x 𝑟33 = 0,1 x 5,196152423 = 0,519615242
230
r15 =
471,4870094
= 2,049943519 𝑦43 = 𝑤3 x 𝑟43 = 0,1 x 1,732050808 = 0,173205081
𝑦53 = 𝑤3 x 𝑟53 = 0,1 x 1,732050808 = 0,173205081
180
r25 = = 2,619372274
471,4870094 𝑦14 = 𝑤4 x 𝑟14 = 0,1 x 2,000428623 = 0,200042862
𝑦24 = 𝑤4 x 𝑟24 = 0,1 x 2,571979659 = 0,257197966
230
r35 = = 2,049943519 𝑦34 = 𝑤4 x 𝑟34 = 0,1 x 1,862468029 = 0,186246803
471,4870094
𝑦44 = 𝑤4 x 𝑟44 = 0,1 x 2,700578642 = 0,270057864
200 𝑦54 = 𝑤4 x 𝑟54 = 0,1 x 2,400514348 = 0,240051435
r45 = = 2,357435047
471,4870094
𝑦15 = 𝑤5 x 𝑟15 = 0,1 x 2,049943519 = 0,204994352
210
r55 = = 2,245176235 𝑦25 = 𝑤5 x 𝑟25 = 0,1 x 2,619372274 = 0,261937227
471,4870094
𝑦35 = 𝑤5 x 𝑟35 = 0,1 x 2,049943519 = 0,204994352
𝑦45 = 𝑤5 x 𝑟45 = 0,1 x 2,357435047 = 0,235743505
X6=√7,72 + 122 + 6,12 + 13,32 + 5,22 𝑦55 = 𝑤5 x 𝑟55 = 0,1 x 2,245176235 = 0,224517624
= 21,08150848
𝑦16 = 𝑤5 x 𝑟15 = 0,1 x 2,737858245 = 0,273785824
𝑦26 = 𝑤5 x 𝑟25 = 0,1 x 1,756792374 = 0,175679237
7,7 𝑦36 = 𝑤5 x 𝑟35 = 0,1 x 3,455984998 = 0,3455985
r16 = = 2,737858245
21,08150848 𝑦46 = 𝑤5 x 𝑟45 = 0,1 x 1,585075826 = 0,158507583
𝑦56 = 𝑤5 x 𝑟55 = 0,1 x 4,054136247 = 0,405413625
12
r26 = = 1,756792374
21,08150848

p-ISSN 1410-5063, e-ISSN: 2579-3500 11

 Journal
May 2023

Sehingga diperoleh matriks Y : D2+

0,605730734 0,684113376 0,259807621 0,200042862 0,204994352 0,273785824 =√(0,726876881 −0,872252257)2 + (0,760125973-
0,726876881 0,760125973 0,259807621 0,257197966 0,261937227 0,175679237 0,85514172)2 + (0,259807621-0,519615242)2 +
Y 0,581501505 0,488652411 0,519615242 0,186246803 0,204994352 0,3455985 (0,257197966-0,270057864)2 + (0,261937227-
0,872252257 0,85514172 0,173205081 0,270057864 0,235743505 0,158507583
0,204994352)2 + (0,175679237-0,158507583)2
=0,325934681.
0,670963275 0,769627548 0,173205081 0,240051435 0,224517624 0,405413625

3.4. Menentukan matriks ideal positif 𝐴 + dan D3+

matriks ideal negatif 𝐴 − =√(0,581501505 −0,872252257)2 + (0,488652411-
Menentukan matriks ideal positif 𝐴 + 0,85514172)2 + (0,519615242-0,519615242)2 +
Y+1 = max { 0,605730734; 0,726876881; 0,581501505: (0,186246803-0,270057864)2 + (0,204994352-
0,872252257 ; 0,670963275} 0,204994352)2 + (0,3455985-0,158507583)2
= 0,872252257 =0,503838689.
Y+2 = max { 0,684113376; 0,760125973; 0,488652411:
0,85514172; 0,769627548} D4+
= 0,85514172 =√(0,872252257 −0,872252257)2 + (0,85514172-
Y+3 = max { 0,259807621; 0,259807621; 0,519615242; 0,85514172)2 + (0,173205081-0,519615242)2 +
0,173205081; 0,173205081} (0,270057864-0,270057864)2 + (0,235743505-
= 0,519615242 0,204994352)2 + (0,158507583-0,158507583)2
Y+4 = max { 0,200042862; 0,257197966; 0,186246803: =0,357728674.
0,270057864; 0,240051435}
= 0,186246803 D5+
Y+5 = max { 0,204994352; 0,261937227; 0,204994352: =√(0,670963275 −0,872252257)2 + (0,769627548-
0,235743505; 0,224517624} 0,85514172)2 + (0,173205081-0,519615242)2 +
= 0,204994352 (0,240051435-0,270057864)2 + (0,224517624-
Y+6 = max { 0,273785824; 0,175679237; 0,3455985: 0,204994352)2 + (0,405413625-0,158507583)2
0,158507583; 0,405413625} =0,481735008.
= 0,158507583
3.6. Menentukan jarak antara nilai terbobot
Menentukan matriks ideal negatif 𝐴 – setiap alternatif terhadap solusi ideal negatif :
Y−1 = max { 0,605730734; 0,726876881; 0,581501505:
0,872252257 ; 0,670963275} D1−
= 0,581501505
=√(0,605730734 −0,581501505)2 + (0,684113376-
Y−2 = max { 0,684113376; 0,760125973; 0,488652411:
0,85514172; 0,769627548} 0,488652411)2 + (0,259807621-0,173205081)2 +
= 0,488652411
(0,200042862-0, 0,270057864)2 + (0,204994352-
0,261937227)2 + (0,273785824-0,405413625)2
Y−3 = max { 0,259807621; 0,259807621; 0,519615242;
=0,267885262.
0,173205081; 0,173205081}
= 0,173205081
D2−
Y−4 = max { 0,200042862; 0,257197966; 0,186246803:
0,270057864; 0,240051435} =√(0,726876881 −0,581501505)2 + (0,760125973-
= 0,270057864 0,488652411)2 + (0,259807621-0,173205081)2 +
Y−5 = max { 0,204994352; 0,261937227; 0,204994352: (0,257197966-0, 0,270057864)2 + (0,261937227-
0,235743505; 0,224517624} 0,261937227)2 + (0,175679237-0,405413625)2
= 0,261937227 =0,394049693.
Y−6 = max { 0,273785824; 0,175679237; 0,3455985:
0,158507583; 0,405413625} D3−
= 0,405413625 =√(0,581501505 −0,581501505)2 + (0,488652411-
0,488652411)2 + (0,519615242-0,173205081)2 +
3.5. Menentukan jarak antara nilai terbobot (0,186246803-0, 0,270057864)2 + (0,204994352-
setiap alternatif terhadap solusi ideal positif : 0,261937227)2 + (0,3455985-0,405413625)2
=0,365847829.
D1+
=√(0,605730734 −0,872252257)2 + (0,684113376- D4−
0,85514172)2 + (0,259807621-0,519615242)2 + =√(0,872252257 −0,581501505)2 + (0,85514172-
(0,200042862-0,270057864)2 + (0,204994352- 0,488652411)2 + (0,173205081-0,173205081)2 +
0,204994352)2 + (0,273785824-0,158507583)2 (0,270057864-0, 0,270057864)2 + (0,235743505-
=0,425750891. 0,261937227)2 + (0,158507583-0,405413625)2
=0,529621674.

12 p-ISSN 1410-5063, e-ISSN: 2579-3500

 Journal
May 2023

=√(0,670963275 −0,581501505)2 + (0,769627548- berlaku, pelaksanaan rencana dan adanya

0,488652411)2 + (0,173205081-0,173205081)2 + evaluasi yang diadakan dengan cara
(0,257197966-0, 0,270057864)2 + (0,224517624- menganalisa dan mengawasi pelaksanaan
0,261937227)2 + (0,405413625-0,405413625)2 rencana,sehinggan pada saat pelaksanaan
=0,298749139. rencana dapat menghasilkan sebuah laporan
yang dipakai untuk mengukur kemungkinan
3.7. Menentukan nilai preferensi untuk setiap penyimpangan rencana sekaligus mengkur
alternatif hasil yang telah dicapai.
2. Aspek Sistem
0,267885262 Dalam penelitian menggunakan metode
V1= = 0,386204296 TOPSIS ini diharapkan dapat
0,425750891+0,267885262
dimplementasikan kedalam suatu perangkat
0,394049693
V2= = 0,547303118 lunak yang lebih userfriendly, dimana user
0,325934681+0,394049693
dapat lebih mudah menggunakannya atau
0,365847829 menambahkan metode lain sehingga dapat
V3= = 0,420666322 mendapatkan hasil yang akurat.
0,503838689+0,365847829
3. Aspek Penelitian
0,529621674 Dalam memecahkan masalah multikriteria
V4= = 0,596857459
0,357728674+0,529621674 yang seperti penulis bahas dalam penelitian
ini, metode TOPSIS bukan satu-satunya
0,298749139
V5= = 0,386204296 metode pengambilan keputusan yang dapat
0,481735008+0,298749139
digunakan, alangkah baiknya jika dilakukan
Dari hasil perhitungan secara manual di atas, alternatif ujicoba perbandingan dengan metode yang
dengan kode C4 yang memiliki nilai preferensi lain untuk mendukung keputusan yang lebih
tertinggi dengan nilai preferensi 0,596857459, lebih efektif.
tinggi dibandingkan dengan alternatif C1 dengan nilai
0,386204296 dan alternatif C2 dengan nilai REFERENSI
0,547303118 dan alternatif C3 dengan nilai
0,420666322 begitu juga dengan alternatif C5 dengan Kristiana Titin. (2018). Sistem Pendukung
nilai 0,386204296. Sehingga lokasi pembangunan Keputusan Dengan Menggunakan Metode
yang paling sesuai adalah alternatif C4 karena paling TOPSIS Untuk Pemilihan Lokasi
sesuai dengan kriteria. Pendirian Grosir Pulsa. Parafigma. Vol
XX.
IV. KESIMPULAN Putra Dede W T. Susi. Ganda. Eva. (2020). Metode
Berdasarkan maksud dan tujuan penelitian, Topsis Dalam Sistem Pendukung
pengolahan data, dan analisa yang telah dilakukan Keputusan Pemilihan Objek Wisata.
oleh penulis, maka dapat ditarik kesimpulan Jurnal Teknotif. Vol 8
sebagai berikut :
1. Metode TOPSIS yang merupakan metode
sistem pendukung keputusan yang dapat
memecahkan berbagai masalah dalam
pengambilan keputusan multikriteria
2. Hasil perhitungan metode TOPSIS yang
didapatkan secara manual yang dilakukan
penulis dapat membantu dalam
memecahkan masalah pemilihan lokasi
pembangunan rumah.
3. Hasil analisis dari perhitungan metode
TOPSIS menyatakan bahwa alternatif yang
terpilih dan paling sesuai dengan kriteria,
karena wilayah tersebut mempunyai nilai
tertinggi dari 5 (lima) aspek kriteria yang
ditentukan.

5.1. Saran
Berdasarkan hasil penelitian yang dilakukan,
maka dapat diusulkan beberapa saran yang penulis
bagi menjadi 3 (tiga) aspek:
1. Aspek Manajerial
Bagi manajemen perusahaan diperlukan
persiapan rencana yang lebih matang, baik
dalam perancangan strategi umum yang
p-ISSN 1410-5063, e-ISSN: 2579-3500 13
Journal
May 2023

14 p-ISSN 1410-5063, e-ISSN: 2579-3500