Sistem Pendukung Keputusan Pemilihan Drone Terbaik

Untuk Pemantauan Proyek dengan Menggunakan Metode Topsis

Muhammad Raufal1, Ilham Sahputra2

Program Studi Sistem Informasi, Fakultas Teknik, Universitas Malikussaleh
E-mail: 1muhammad.210180190@mhs.unimal.ac.id, 2ilham.sahputra@unimal.ac.id

Abstrak
Drone umumnya dilengkapi dengan kamera dan sensor yang dapat digunakan untuk melakukan
berbagai macam tugas terutama untuk keperluan proyek, dan untuk mengevaluasi drone yang cocok,
maka digunakan sistem pendukung keputusan untuk memilih drone terbaik dalam pemantauan proyek
salah satunya dengan menggunakan metode TOPSIS. Metode ini digunakan untuk menghitung bobot dari
kriteria-kriteria yang dipilih dan memberikan ranking pada drone yang tersedia. Sistem ini dirancang
untuk membantu para pengambil keputusan dalam memilih drone yang tepat untuk pemantauan proyek
sehingga dapat meningkatkan efisiensi dan efektivitas pekerjaan. Hasil pengujian sistem menunjukkan
bahwa metode TOPSIS dapat digunakan sebagai alat bantu dalam memilih drone terbaik untuk
pemantauan proyek.
Kata Kunci: Drone; Kamera; Sensor; Sistem pendukung keputusan; TOPSIS; Bobot; Ranking; Pemantauan proyek.

Abstract
Drones are generally equipped with cameras and sensors that can be used for various tasks, especially for project
purposes, and to evaluate the suitable drone, a decision support system is used to select the best drone for project
monitoring, one of which is using the TOPSIS method. This method is used to calculate the weights of selected
criteria and provide rankings for available drones. The system is designed to assist decision-makers in choosing the
right drone for project monitoring, thereby improving work efficiency and effectiveness. The system testing results
show that the TOPSIS method can be used as a tool to select the best drone for project monitoring.
Keywords: Drone; Camera; Sensor; Decision support system; TOPSIS; Weight; Rank; Project monitoring

1. PENDAHULUAN
Pada era digitalisasi seperti sekarang ini, teknologi drone telah menjadi alat
yang semakin populer dalam banyak bidang, termasuk dalam pemantauan proyek.
Dalam hal ini, pemilihan drone yang tepat menjadi kunci utama dalam
memastikan keberhasilan dari pemantauan proyek tersebut. Oleh karena itu,
dibutuhkan sebuah sistem pendukung keputusan yang mampu membantu
pengambilan keputusan dalam memilih drone terbaik untuk pemantauan proyek.
Pemantauan proyek dengan menggunakan drone memiliki beberapa
keuntungan, di antaranya adalah mempercepat pengumpulan data, mengurangi
risiko keselamatan kerja, dan meningkatkan akurasi data. Namun, pemilihan drone
yang tepat dan sesuai dengan kebutuhan pemantauan proyek juga sangat penting
untuk mendapatkan hasil yang optimal. Oleh karena itu, penggunaan sistem
pendukung keputusan dalam pemilihan drone terbaik sangat diperlukan agar
dapat memilih drone yang sesuai agar pemantauan proyek lebih efisien dan efektif.
Metode Topsis merupakan salah satu metode yang digunakan untuk
mengatasi permasalahan pemilihan drone terbaik dalam pemantauan proyek.
 Metode Topsis adalah salah satu metode sistem pendukung keputusan yang sering
digunakan untuk membandingkan beberapa alternatif yang memiliki beberapa
kriteria. Metode ini akan memberikan hasil peringkat untuk setiap alternatif
berdasarkan kriteria yang telah ditentukan.
Dalam jurnal ini, akan dibahas tentang pengembangan sistem pendukung
keputusan pemilihan drone terbaik untuk pemantauan proyek dengan
menggunakan metode Topsis. Penelitian ini bertujuan untuk membantu
pengambilan keputusan dalam memilih drone terbaik berdasarkan kriteria-kriteria
yang telah ditetapkan, sehingga diharapkan dapat membantu meningkatkan
efisiensi dan efektivitas pemantauan proyek

2. METODE PENELITIAN
2.1. Sistem Pendukung Keputusan
Sistem pendukung keputusan (SPK) adalah sebuah sistem yang
dirancang untuk membantu pengambilan keputusan dengan menyediakan
informasi dan analisis yang terstruktur dan sistematis. SPK memiliki peran
yang sangat penting dalam membantu memecahkan masalah yang kompleks,
karena dengan menggunakan sistem ini, keputusan dapat diambil secara
objektif dan akurat berdasarkan data yang tersedia. SPK juga memungkinkan
pengambil keputusan untuk mengevaluasi alternatif dan konsekuensi dari
setiap keputusan yang diambil.
Dalam pengembangannya, SPK memiliki beberapa komponen penting,
seperti input, proses, dan output. Input pada SPK dapat berupa data mentah,
kriteria, preferensi, dan informasi lain yang relevan. Proses pada SPK
dilakukan dengan menggunakan teknik analisis dan metode perhitungan yang
sesuai dengan kondisi masalah yang dihadapi. Output dari SPK adalah sebuah
rekomendasi keputusan berdasarkan hasil analisis dan perhitungan yang telah
dilakukan.
Dalam aplikasinya, SPK dapat digunakan dalam berbagai bidang,
seperti bisnis, manajemen, keuangan, kesehatan, dan lain sebagainya. Beberapa
contoh aplikasi SPK adalah dalam pemilihan karyawan terbaik, pemilihan
vendor terbaik, pemilihan investasi yang tepat, dan sebagainya. Dalam hal ini,
SPK dapat membantu pengambil keputusan untuk membuat keputusan yang
lebih efektif dan efisien, serta dapat mengurangi risiko kesalahan dalam
pengambilan keputusan. Oleh karena itu, penggunaan SPK telah menjadi
sebuah kebutuhan dalam dunia bisnis dan manajemen modern, terutama
dalam menghadapi persaingan yang semakin ketat dan kompleks.
2.2. Metode Topsis (Technique for Order of Preference by Similarity to Ideal
Solution)
Metode Topsis (Technique for Order Preference by Similarity to Ideal
Solution) adalah salah satu metode dalam sistem pendukung keputusan yang
digunakan untuk membandingkan beberapa alternatif yang memiliki
beberapa kriteria. Metode ini dikembangkan oleh Hwang dan Yoon pada
tahun 1981.
Tujuan dari metode ini adalah untuk menentukan alternatif terbaik
berdasarkan kriteria yang telah ditentukan. Metode Topsis dilakukan dengan
menghitung jarak antara setiap alternatif dengan solusi ideal positif dan solusi
ideal negatif. Solusi ideal positif adalah alternatif dengan nilai kriteria terbaik,
sedangkan solusi ideal negatif adalah alternatif dengan nilai kriteria terburuk.
Setelah itu, dilakukan perhitungan bobot terhadap setiap kriteria yang
kemudian dijumlahkan dan diberikan peringkat berdasarkan hasil
perhitungan tersebut. Dengan menggunakan metode Topsis, pengambil
keputusan dapat memilih alternatif yang paling mendekati solusi ideal positif
dan paling jauh dari solusi ideal negatif sehingga dapat diambil keputusan
yang tepat dan efektif.

Langkah dan Rumus Penyelesaian Metode TOPSIS

Berikut langkah beserta rumusnya.

1. Membangun normalized decision matrix

Elemen Rij hasil dari normalisasi decision matrix R dengan
metode Euclidean length of a vector adalah:

dengan i=1,2,3, …m; dan j=1,2,3 … n

2. Membangun weighted normalized decision matrix

Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan
berdasarkan rating bobot ternormalisasi (Yij) sebagai:

dengan i=1,2,3, … m dan j=1,2,3, … n

 3. Menentukan matriks solusi ideal dan matriks solusi ideal negatif
Solusi ideal positif (A+) dihitung berdasarkan:

Solusi ideal negatif (A- ) dihitung berdasarkan:

4. Menentukan jarak antara nilai setiap alternatif dengan matriks

solusi ideal positif dan matrik ideal negatif.
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan
sebagai:

Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan

sebagai:

5. Menentukan nilai preferensi untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dihitung
berdasarkan rumus:

Nilai preferensi untuk setiap alternatif merupakan hasil akhir dari

perhitungan metode TOPSIS, semakin tinggi nilai nya maka
alternatif tersebut merukan alternatif yang diinginkan.

3. HASIL PENELITIAN DAN PEMBAHASAN

Pada Sistem Pendukung Keputusan Pemilihan Drone untuk Pemantauan Proyek,
maka Drone memiliki jenis, kriteria, dan bobot yang akan di seleksi untuk
pemenuhan kebutuhan Proyek.
 Tabel Alternatif, Kriteria & Bobot
ALTERNATIF KRITERIA Bobot
1.) Drone 1 : DJI Phantom 4 Pro (A1) 1.) Harga (C1) 1.) C1 = 4
2.) Drone 2 : DJI Mavic 2 Pro (A2) 2.) Jarak Operasi (C2) 2.) C2 = 5
3.) Drone 3 : DJI mini (A3) 3.) Kualitas Kamera (C3) 3.) C3 = 4
4.) Drone 4 : FIMI X8 (A4) 4.) Kestabilan Terbang (C4) 4.) C4 = 4
5.) Drone 5 : FIMI X2 (A5) 5.) Kapasitas Baterai (C5) 5.) C5 = 3

C3
ALTERNATIF / KRITERIA C1 (jt) C2 (km) (menit) C4 C5 (mAh)
C/B COST BENEFIT BENEFIT BENEFIT BENEFIT
A1 16 10 34 5 3500
A2 20 9 40 5 7100
A3 27 8 31 4 3200
A4 30 7 28 4 4800
A5 8 10 31 3 2250

1. Membangun normalized decision matrix

Elemen Rij hasil dari normalisasi decision matrix R dengan
metode Euclidean length of a vector adalah:

0,330125046 0,503792722 0,460047918 0,524142418 0,348258706

0,412656307 0,45341345 0,541232844 0,524142418 0,706467662
0,557086015 0,403034177 0,419455454 0,419313935 0,31840796
0,618984461 0,352654905 0,378862991 0,419313935 0,47761194
0,165062523 0,503792722 0,419455454 0,314485451 0,223880597

2. Membangun weighted normalized decision matrix

Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan
berdasarkan rating bobot ternormalisasi (Yij) sebagai:
 1,320500183 2,518963609 1,84019167 2,096569673 1,044776119

1,650625228 2,267067248 2,164931377 2,096569673 2,119402985

2,228344058 2,015170887 1,677821817 1,677255739 0,955223881

2,475937842 1,763274527 1,515451964 1,677255739 1,432835821

0,660250091 2,518963609 1,677821817 1,257941804 0,671641791

3. Menentukan matriks solusi ideal dan matriks solusi ideal negatif

Solusi ideal positif (A+) dihitung berdasarkan:

Solusi ideal negatif (A- ) dihitung berdasarkan:

Mencari Solusi Ideal Positif (MAX) dan Solusi Negatif (MIN)

MAX 0,66025 2,518964 2,164931 2,09657 1,432836

MIN 2,475938 1,763275 1,515452 1,257942 0,671642

4. Menentukan jarak antara nilai solusi ideal positif dan matrik ideal
negatif.
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan
sebagai:

Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan

sebagai:
 ALTERNATIF D+ D-
A1 0,831851 1,689403
A2 1,231125 2,038647
A3 1,831376 0,638249
A4 2,113158 0,869046
A5 1,232878 1,973361

5 . Menentukan nilai preferensi untuk setiap alternatif

Kedekatan setiap alternatif terhadap solusi ideal dihitung
berdasarkan rumus:

Mencari Nilai Preferensi (V)

ALTERNATIF V RANK
A1 0,670065 1
A2 0,623483 2
A3 0,25844 5
A4 0,291411 4
A5 0,615475 3

4. SIMPULAN
Dari hasil perhitungan tersebut, dapat disimpulkan bahwa drone terbaik untuk
pemantauan proyek adalah alternatif A1, yang memiliki nilai preferensi tertinggi
yaitu 0,670065. Selanjutnya, alternatif A2 dengan nilai preferensi 0,623483
menempati posisi kedua, diikuti oleh alternatif A5 dengan nilai preferensi 0,615475.
Sedangkan, alternatif A4 dengan nilai preferensi 0,291411 dan alternatif A3 dengan
nilai preferensi 0,25844 menempati posisi terakhir.

Dengan demikian, hasil perhitungan menggunakan metode Topsis pada pemilihan

drone terbaik untuk pemantauan proyek dapat membantu pengambilan keputusan
dengan lebih efektif dan efisien, sehingga diharapkan dapat meningkatkan kualitas
pemantauan proyek secara keseluruhan.
 DAFTAR PUSTAKA

Arslan, V., & Şahin, E. (2021). A decision support system for selection of drone usage
areas in forestry: A case study in Istanbul. Journal of Forestry Faculty, 22(1), 53-
65.
Ceylan, R., & Guney, Y. (2020). A decision-making model for selecting the most
suitable drone in environmental monitoring studies. Environmental Monitoring
and Assessment, 192(1), 1-17.
Chen, Y. L., Wu, C. H., & Chiu, Y. C. (2019). A decision support system for selecting the
best drone technology in agricultural applications using a hybrid model of
fuzzy DEMATEL and fuzzy ANP. IEEE Access, 7, 101010-101025.
Dezfouli, M. A., & Shafieezadeh, A. (2019). A comprehensive decision support system
for drone selection in agriculture using an extended MULTIMOORA method.
Journal of Cleaner Production, 234, 383-396.
Hu, Y., & Chen, Z. (2019). A decision-making model for selecting drone technology in
industrial inspection. Robotics and Computer-Integrated Manufacturing, 56, 42-
53.
Huang, G. Q., & Zhang, X. (2018). A comprehensive decision support system for
unmanned aerial vehicle selection in logistics. Transportation Research Part E:
Logistics and Transportation Review, 109, 111-128.
Ozdemir, S., & Demirkan, H. (2020). An integrated decision support system for drone
selection in search and rescue operations. Journal of Intelligent & Fuzzy
Systems, 39(3), 4151-4162.
Seyedmohammadi, S., & Tavana, M. (2020). A hybrid fuzzy MCDM approach for
drone selection in disaster management. Information Sciences, 507, 62-80.