SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JENIS KOPI

ARABIKA MENGGUNAKAN METODE TOPSIS

NASKAH PUBLIKASI

diajukan oleh
Arif Permadi
15.11.9146

kepada
FAKULTAS ILMU KOMPUTER
UNIVERSITAS AMIKOM YOGYAKARTA
YOGYAKARTA
2019
 SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JENIS KOPI ARABIKA
MENGGUNAKAN METODE TOPSIS

Arif Permadi1), Ike Verawati2)

1),2)
Informatika Universitas AMIKOM Yogyakarta
Jl Ringroad Utara, Condongcatur, Depok, Sleman, Yogyakarta Indonesia 55283
Email : arif.permadi@students.amikom.ac.id1), ikeverawati@amikom.ac.id2)

pemecahan suatu masalah maupun kemampuan

Abstract - Arabica coffee is one type of coffee that is popular
in Indonesia. The taste character in coffee is very diverse
with many determinants of each taste produced. Choosing
the type of coffee in brewing coffee is very influential on the
taste produced. But if the customer wants the taste produced,
there is no right solution in determining the type of coffee
that is right for the taste chosen, because it still uses the
manual method by only asking for advice from a Barista.
Then a decision support system was built to
determine the type of the Arabica coffee. In building a
decision support system, the TOPSIS method is used
(Technique for Order of Preference by Similarity to Ideal
Solution). This method was chosen because it has the ability
to find the most ideal solutions and needs of existing
problems, by calculating the value of each criterion.
The TOPSIS method that is applied to the decision
support system is very appropriate. From all test data it
produces an accuracy of 100% of manual calculations that
have been done.
Keywords - Arabica Coffee, TOPSIS, Decision Support System.
1. Pendahuluan
Varietas kopi di Indonesia yang paling banyak adalah yang
berjenis Arabika. Selain memiliki varietas kopi yang banyak,
Arabika juga memiliki kandungan rasa dan aroma yang
beragam. Kopi juga memiliki banyak cita rasa tergantung
pada proses pengolahannya.
Berdasarkan banyaknya variabel penentu rasa pada proses
menyeduh kopi, dibutuhkan sebuah sistem yang dapat
mengambil keputusan dalam memilih jenis kopi yang tepat
sesuai dengan keinginan rasa.
Membangun sebuah sistem pendukung keputusan yang
berbasis website dalam membantu menentukan jenis kopi
yang sesuai, dengan menggunakan metode TOPSIS. Metode
yang digunakan dalam sistem pengambil keputusan
menentukan jenis kopi ini dengan menggunakan metode
Technique for Order of Preference by Similarity to Ideal
Solution (TOPSIS).
Sistem pendukung keputusan (SPK) atau disebut Decision
Support System (DSS) merupakan sebuah sistem informasi
berbasis komputer yang dapat memberikan kemampuan dalam
pengkomunikasian untuk masalah semi-terstruktur [1]. Sistem
pendukung keputusan merupakan sebuah sistem yang
interaktif, dengan kemampuan dalam membantu pengambilan
keputusan melalui penggunaan data model – model keputusan
untuk memecahkan masalah [2].
Technique for Order Preference by Similarity to Ideal
Solution (TOPSIS) adalah salah satu metode pengambil
keputusan multi kriteria yang pertama kali diperkenalkan oleh
Yoon dan Hwang (1981) [3]. TOPSIS merupakan sebuah
metode yang sering digunakan untuk sistem pendukung
keputusan, metode TOPSIS ini didasarkan pada konsep
dimana alternatif terpilih yang terbaik harus memiliki jarak
terpendek dari solusi ideal positif, dan juga memiliki jarak
terpanjang dari solusi ideal negatif dari sudut pandang
geometris [4], dengan menggunakan jarak Euclidean untuk
menentukan kedekatan relatif dari suatu alternatif dengan
solusi optimal [5].
Pengujian sistem bertujuan untuk mengetahui bagaimana
akurasi pada metode TOPSIS. Pengujian dilakukan dengan
menggunakan metode K-Fold Cross Validatio. Validasi silang
dan bootstrapping merupakan metode dalam memperkirakan
generalisasi error berdasarkan resampling. Metode k-fold
cross validation membagi sebuah himpunan contoh secara
acak menjadi k subset yang saling bebas. Dilakukan
pengulangan sebanyak k-kali untuk pelatihan dan pengujian
[6]. Dengan melakukan perbandingan hasil dari perhitungan
metode TOPSIS secara manual dengan hasil dari perhitungan
sistem.
2. Pembahasan
2.1 Tahapan TOPSIS
Pada tahapan TOPSIS, secara umum berupa prosedur
problem solving yang memberikan dukungan sis tematis bagi
masalah perencanaan dan pengambilan keputusan yang
kompleks dan untuk meningkatkan kualitas hasil keputusan.
Secara umum proses atau langkah metode TOPSIS dijelaskan
pada Gambar 1.

1
 Tabel 1. Tabel Alternatif
Alternatif (A)
A1 Gayo M ontain
A2 M andheling
A3 Lintong
A4 M angkuraja
A5 Preanger
A6 Java
A7 Toraja
A8 Kalosi
A9 Kintamani
A10 Flores
A11 Baliem

2.1.2 Menentukan Kriteria

Kriteria digunakan sebagai acuan dalam pengambilan
keputusan indikator pertanyan, data ini diperoleh dari setiap
karakteristik kopi, tingkat roasting atau penyangraian, tingkat
gilingan, serta tingkatan suhu air da rasio air pada kopi, yang
terakhir adalah karakter rasa dalam pengolahan kopi. Kriteria
ditandai dengan C1 sampai dengan C10, dapat dilihat pada
Tabel 2.
Tabel 2. Tabel Kriteria
Kriteria (C)
ID Nama
C1 Flavor
C2 Aroma
C3 Body
C4 Acidity
C5 Bitterness
C6 Roasting
C7 Grind Size
C8 Suhu Air (℃)
C9 Rasio Air : Kopi
C10 Been Process
2.1.3 Pembobotan Kriteria
Kriteria – kriteria yang telah ditentukan selanjutnya akan
diberikan nilai untuk melakukan pembobotan. Pembobotan
berfungsi sebagai nilai kepentingan yang akan diproses pada
setiap alternatif. Tabel pembobotan dapat dilihat pada Tabel 3.
Tabel 3. Pembobotan Kriteria
Gambar 1. Tahapan TOPSIS Kriteria (C)
2.1.1 Menentukan Alternatif ID Nama Kriteria Atribut Bobot
Menentukan alternatif, pada proses menentukan alternatif. C1 Flavor Benefit 4
Alernatif akan menjadi sebuah hasil akhir yang dipilih dalam C2 Aroma Benefit 4
menentukan jenis kopi dengan menggunakan sistem
pengambil keputusan. Kopi Arabika yang ditandai dengan A1 C3 Body Cost 2
sampai dengan A11 dapat dilihat pada Tabel 1 C4 Acidity Benefit 4

2
 C5 Bitterness Cost 2 2.1.7 Solusi Ideal Positif
C6 Roasting Cost 5 Solusi ideal positif merupakan nilai optimum maksimum
C7 Grind Size Cost 2 atau terbesar dari suatu krieria untuk beberpa nilai alternatif
solusi dalam satu kriteria. Maka untuk solusi ideal positif
C8 Suhu Air (℃) Cost 3
adalah sebagai berikut:
C9 Rasio Air:Kopi Cost 2
C10 Been Process Benefit 3

2.1.4 Matriks Keputusan

Langkah pertama adalah membuat matriks keputusan (X)
dengan mengkonversi data dari Matriks bobot (W) adalah
nilai bobot dari masing – masing kriteria dari. Yang
selanjutnya dilakukan proses sesuai dengantahapan TOPSIS.

2.1.5 Membuat Matriks Keputusan Ternormalisasi

Setelah matriks keputusan dibuat, langkah selanjutnya
adalah membuat matriks keputusan yang ternormalisasi (R)
yang berfungsi untuk mengecilkan range data.
Mentransformasikan setiap elemen dengan menggunakan
persamaan sebagai berikut:

; 2.1.8 Solusi Ideal Negatif

Solusi ideal negatif merupakan nilai optimum minimum
; atau terkecil dari suatu kriteria untuk beberapa nilai alternatif
solusi dalam satu kriteria. Maka untuk solusi ideal negatif
. adalah sebagai berikut:
2.1.6 Matriks Normalisasi Terbobot
Langkah selanjutnya yaitu nilai dari masing – masing data
ternormalisasi (R) kemudian dikalikan dengan bobot (w)
untuk mendapatkan matriks keputusan ternormalisasi terbobot
(V). Sampel yang diambil tetap sama .
;
;
.

3
 2.1.11 Nilai Preferensi
Perhitungan nilai preferensi (Vi ), yaitu menentukan
alternatif yang memiliki nilai terbesar, untuk contoh data ke-1
dapat dihitung nilai Vi sebagai berikut:

2.1.9 Jarak Solusi Ideal Positif 2.1.12 Perangkingan

Jarak solusi ideal positif (D+) merupakan jarak Euclidean Dari hasil perhitungan nilai preverensi, dapat diurutkan
antara nilai alternatif dengan nilai solusi ideal positif untuk hasilnya dari yang terbesar sampai yang terkecil. Dimana nilai
setiap kriteria. Sebagai contoh, data yang digunakan adalah preferensi dari alternatif yang terbesar merupakan alternatif
jarak solusi ideal untuk alternatif ke-1 (D+1 ). terbaik dari data yang ada, dan juga merupakan alternatif
terpilih, sedangkan alternatif dengan nilai optimasi terendah
adalah yang terburuk dari data yang ada. Dari data yang ada,
dapat diurutkan dari yang terbesar sampai yang terkecil,
ditunjukkan pada Tabel 4.
Tabel 4. Perangkingan
ID Vi Rank
A1 0.747460058 2
A2 0.629361127 4
A3 0.664348055 3
A4 0.450628765 9
A5 0.325172009 10
A6 0.453636848 8
A7 0.765872137 1
A8 0.480912286 7
2.1.10 Jarak Solusi Ideal Negatif
A9 0.525253354 5
Jarak solusi ideal negatif (D-) merupakan jaak Euclidean
A10 0.525253354 5
antara nilai alternative dengan nilai solusi ideal negative untuk
setiap kriteria. Untuk contoh data yang digunakan adalah jarak A11 0.251166025 11
solusi ideal untuk alternatif ke-1 (D-1 ).
2.2 K-Fold Cross Validation
Akurasi sistem merupakan langkah yang digunakan untuk
menganalisa hasil dari sistem dengan hasil perhitungan
manual (data acuan).
Hasil menunjukkan nilai yang berbeda antara perhitungan
manual dengan hasil perhitungan sistem. Sedangkan untuk
hasil rangking atau urutan nilai, memberikan hasil yang sama.
Dari penelitian ini akurasi keputusan dihitung dari jumlah
keputusan yang tepat dibagi dengan jumlah data yang diuji..

4
 Pendukung Keputusan untuk Rekomendasi Kelulusan
Sidang Skripsi Menggunakan Metode AHP-TOPSIS,"
Jurnal Teknologi dan Sistem Komputer, vol. 6, no. 1, pp.
1-6, 2018.
Dapat disimpulkan bahwa akurasi penilaian dalam [6] A. N. Pramudhita, H. Suyono and E. Yudaningtyas,
menentukan jenis kopi Arabika mendapatkan akurasi sebesar "Penggunaan Algoritma Multi Criteria Decision Making
100%. dengan Metode TOPSIS dalam Penempatan Karyawan,"
Jurnal EECCIS, vol. 9, no. 1, pp. 91-94, 2015.
3. Penutup
3.1 Kesimpulan Biodata Penulis
Setelah melalui setiap tahapan pengujian pada sistem
Arif Permadi, memperoleh gelar Sarjana (S.Kom) Program
pendukung keputusan menentukan jenis kopi Arabika
Studi Informatika Universitas AMIKOM Yogyakarta, lulus
menggunakan metode TOPSIS, maka dapat diambil
tahun 2019.
kesimpulan sebagai berikut:
Ike Verawati, memperoleh gelar Sarjana Komputer (S.Kom),
1. Berdasarkan hasil analisis yang telah dilakukan, dapat
Jurusan Sistem Informasi STMIK AMIKOM Yogyakarta,
disimpulkan bahwa implementasi metode TOPSIS dapat
lulus tahun 2011. Memperoleh gelar Magister Komputer
membantu menentukan jenis kopi yang sesuai. Dengan
(M.Kom) Program Pasca Sarjana Magister Teknik
melakukan perhitungan matriks pada setiap alternatif
Informatika STMIK AMIKOM Yogyakarta, Lulus tahun
yang selanjutnya dilakukan pembobotan pada setiap
2014. Saat ini menjadi Dosen di Universitas AMIKOM
kriteria alternatif, sehingga didapat nilai ideal terbaik
Yogyakarta, pada Program Studi Informatika.
dengan akurasi 100%.
2. Pada penilitian ini implementasi metode TOPSIS
dilakukan dengan menghitung setiap persamaan nilai
matriks dan pembobotan dari setiap kriteria kopi.
3.2 Saran
Saran dapat dituliskan pada bagian paling akhir. Tentang
hal-hal yang belum dikerjakan oleh penulis (peneliti), semoga
bisa disempurnakan oleh peneliti selanjutnya.
Beberapa saran yang dapat diberikan penulis untuk
penelitian ini adalah sebagai berikut:
1. Sistem pendukung keputusan ini dapat dikembangkan
dengan menggabungkan lebih dari s atu metode untuk
mendapatkan pembobotan yang lebih akurat.
2. Penambahan ruang lingkup secara lebih lanjut, misalnya
dengan menambah nilai kriteria untuk melaukan
pembobotan.

Daftar Pustaka

[1] M. Marbun and B. Sinaga, Buku Ajar Sistem Pendukung

Keputusan Penilaian Hasil Belajar Dengan Metode
TOPSIS, Medan: CV.Rudang Mayang, 2018.
[2] A. Prasstyawan, A. Suyatno and I. F. Astuti, "Sistem
Pendukung Keputusan Pemilihan Motherboard
Menggunakan Metode Technique for Other Reference by
Similarity to Ideal Solution (TOPSIS)," Jurnal
Informatika Mulawarman, vol. 9, no. 2, pp. 41-45, 2014.
[3] S. Kusumadewi, S. Hartati, A. Harjoko and R. Wardoyo,
Fuzzy Multi Attribute Decision Making (Fuzzy MADM),
Yogyakarta: Graha Ilmu, 2006.
[4] H. Winata, Marsono and A. H. Nasyuha, "Sistem
Pendukung Keputusan Untuk Menentuka Kelayakan
Penerima Bantuan Siswa Miskin (BSM) Pada SD Negeri 8
Bintang Menggunakan Metode TOPSIS," Jurnal
SAINTIKOM, vol. 17, pp. 195-205, 2018.
[5] D. R. Sari, A. P. Windarto, D. Hartama and S. , "Sis tem