2.

2 Algoritma Technique for Order of Preference by Similarity to

Ideal Solution (TOPSIS)
Pada tahun 1981, Yoon dan Hwang memperkenalkan algoritma TOPSIS,
yang digunakan untuk memecahkan masalah multikriteria. Dengan menggunakan
jarak, TOPSIS memberikan solusi dari sejumlah opsi dengan membandingkan
setiap opsi dengan opsi terbaik dan terburuk saat ini atau dapat dikatakan
membandingkan setiap alternatif yang dilihat berdasarkan kriteria pengambilan
keputusan untuk menghasilkan alternatif yang terbaik. Karena konsepnya yang
sederhana dan mudah dipahami, efisiensi komputasinya, dan kemampuan untuk
mengukur kinerja relatif dari alternatif keputusan dalam bentuk matematis yang
sederhana, TOPSIS digunakan secara luas [16].

2.3.1 Langkah – langkah Algoritma TOPSIS

Berikut langkah – langkah dari metode perhitungan algoritma TOPSIS [13]:
1. TOPSIS dimulai dengan pembuatan matriks keputusan X, yang sangat
mengacu pada m alternatif yang akan dinilai berdasarkan kriteria.

Dimana
ai (i=1,2,3,….,m) adalah alternatif-alternatif yang mungkin,
xj (j=1,2,3, …,n) adalah atribut dimana performansi alternatif diukur, x ij
adalah performansi alternatif ai dengan acuan atribute xj.
2. Membangun matriks keputusan yang ternormalisasi. Dengan rumus :

Dimana :
rij = Hasil ternormalisasi matriks keputusan X.
xij = Elemen dari matriks keputusan.
i = 1,2,3, …, n; j = 1,2,3, …, m;
3. Menghitung matriks keputusan yang ternormalisasi terbobot. Matriks ini
diperoleh dengan mengalikan nilai Xij dengan berat masing-masing kriteria
 Dimana :
Wij = bobot dari kriteria.
i = 1,2,3, …, n;
j = 1,2,3, …, m;
4. Identifikasi matriks solusi ideal positif (A+) dan matriks solusi ideal negatif
(A-). Dengan rumus :

Dimana :
𝐴+adalah solusi ideal positif
𝐴−adalah solusi ideal negatif
5. Menghitung jarak seperasi, S+ nilai dari solusi positif dan S- nilai dari solusi
negatif.

𝑛
𝑆𝐼+ = √∑ [𝑣𝑖𝑗 − 𝑣𝑗+ ]2
𝑗=1

Dimana :
𝑆𝐼 + adalah jarak alternatif ke-i dari solusi ideal positif,
𝑆𝐼 − adalah jarak alternatif ke-i dari solusi ideal negatif
𝑣𝑖𝑗 adalah elemen dari matriks keputusan yang ternormalisasi terbobot V
𝑣𝑗 + adalah elemen matriks solusi ideal positif
𝑣𝑗 − adalah elemen matriks solusi ideal negatif
6. Menghitung kedekatan relatif solusi ideal positif.

Dimana :
𝑐𝑖 + adalah kedekatan relatif dari alternatif ke-i terhadap solusi ideal positif
𝑠𝑖 + adalah jarak alternatif ke-i dari solusi ideal positif
𝑠𝑖 − adalah jarak alternatif ke-i dari solusi ideal negatif
7. Meranking alternatif
Alternatif diurutkan dari C+ terbesar ke terkecil dengan nilai C+ terbesar
adalah alternatif terbaik.
Dimana :
C+ adalah kedekatan relatif dari alternatif