METODE TOPSIS DALAM

SISTEM PENDUKUNG
KEPUTUSAN
“Studi kasusnya Rumah makan Pak Panjul
diTasikmalaya”
KELOMPOK II
MALIK ARDIANSYAH 19101140 1428
IRFAN AGUNG 191011402330
AHMAD FAJRI 191011404344
WIDIATI 191011402331
 Topsis pertama kali diperkenalkan oleh Yoon dan Hwang pada 1981.
Pada intinya, topsis akan mengurutkan alternatif terpilih berdasarkan jarak terdekat
dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang
geometris dengan menggunakan jarak Euclidean.
Atau bisa dikatakan dengan 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.
Secara umum ada beberapa tahapan dalam pehitungan topsis :

1.Menentukan kriteria & alternatif

2.Menentukan bobot prefensi untuk setiap kriteria
3.Membentuk matriks keputusan ternormalisasi
4.Mencari matriks ternormalisasi terbobot
5.Mencari matriks solusi ideal positif dan matriks solusi ideal negatif
6.Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan
negatif
7.Menentukan nilai preferensi untuk setiap alternatif
.
Contoh Studi kasus Topsis

RM Pak Panjul merupakan rumah makan terbesar yang ada di Tasikmalaya. Pak Panjul
ingin membuka cabang baru untuk memperluas usaha nya.
Beberapa kota yang menjadi pertimbangan : Garut, Ciamis, Banjar dan Pangandaran.

Sedangkan beberapa hal yang menjadi pertimbangan : jumlah penduduk, jumlah tempat
wisata, dan Rumah makan pesaing (yang dihitung rumah makan besar dengan omzet lebih
dari 10 juta perhari).

Jumlah penduduk dikelompokkan kedalam :

0 – 0.5 juta (kelompok 1), skor : 1
0.51 juta – 1 juta (kelompok 2), skor : 2
1.01 juta – 1.5 juta (kelompok 3), skor : 3
1.51 juta – 2 juta (kelompok 4), skor : 4
> 2.01 juta (kelompok 5), skor : 5
Jumlah rumah makan & jumlah tempat wisata dikelompokkan kedalam :
0 – 10 (kelompok 1), skor : 1
11 – 20 (kelompok 2), skor : 2
21 – 30 (kelompok 3), skor : 3
31 – 40 (kelompok 4), skor : 4
>40 (kelompok 5), skor : 5

RM Pak Panjul melakukan survey lokasi pada masing-masing kota dan mendapatkan hasil berikut :

Garut, jumlah penduduk 2.6 juta, jumlah tempat wisata 59 , rumah makan pesaing : 30.
Ciamis, jumlah penduduk 1.4 juta, jumlah tempat wisata 28, rumah makan pesaing : 28
Banjar, jumlah penduduk 0.2 juta, jumlah tempat wisata 22, rumah makan pesaing : 15
Pangandaran, jumlah penduduk 0.5 juta, jumlah tempat wisata 15, rumah makan pesaing : 25
Hasil survey berdasarkan skor :
Garut, jumlah penduduk 5, jumlah tempat wisata 5 , rumah makan pesaing : 3.
Ciamis, jumlah penduduk 3, jumlah tempat wisata 3, rumah makan pesaing : 3
Banjar, jumlah penduduk 1, jumlah tempat wisata 3, rumah makan pesaing : 2
Pangandaran, jumlah penduduk 1, jumlah tempat wisata 2, rumah makan pesaing : 3

Menentukan kriteria & alternative

Alternatif :
-Garut
-Ciamis
-Banjar
-Pangandaran
Kriteria :

-Jumlah penduduk
-Jumlah tempat wisata
-Rumah makan pesaing

Kriteria perlu ditentukan jenisnya, apakah termasuk kedalam benefit (keuntungan)

/ cost (kerugian).

Pada contoh diatas, maka yang termasuk benefit yaitu : jumlah penduduk dan
jumlah tempat wisata. Sedangkan yang termasuk ke dalam cost adalah rumah
makan pesaing.
Menentukan bobot prefensi untuk setiap kriteria

Bobot prefensi yang akan kita gunakan :

-Sangat Tidak Penting = 1

-Tidak Penting = 2
-Cukup Penting = 3
-Penting = 4
-Sangat Penting = 5

Bobot yang digunakan berkisar 1 – 5, yang artinya semakin kecil angka berarti semakin
tidak penting sedangkan semakin besar berarti semakin penting.
Bobot untuk setiap kriteria (diisi sesuai dengan asumsi / pertimbangan) :

-jumlah penduduk = penting = 4

-Jumlah tempat wisata = sangat penting = 5
-Rumah makan pesaing = cukup penting = 3

W = (4, 5, 3)
Membentuk matriks keputusan ternormalisasi
Sebelum membentuk matriks keputusan ternormalisasi, maka kita perlu membentuk
matriks keputusan dari nilai setiap atribut yang kita miliki.
Berikut hasilnya :
Selanjutnya kita hanya perlu mencari Nilai Rij, maka hasilnya sebagai berikut :

Nilai rij
Maka matriks keputusan nya menjadi :

Matriks keputusan ternormalisasi

Mencari matriks ternormalisasi terbobot
Matriks ternormalisasi terbobot didapat dari perkalian matriks ternormalisasi dengan
bobot tiap preferensi kriteria yang telah ditentukan sebelumnya. Kemudian dikali dengan
-1 jika kriteria bersifat cost.
Mencari matriks solusi ideal positif dan matriks solusi ideal negatif
Mencari solusi ideal positif (A+) dicari dari nilai maksimal normalisasi terbobot setiap
kriteria untuk alternatif benefit dan nilai minimal normalisasi terbobot setiap kritera untuk
alternatif cost.
Sedangkan solusi ideal negatif (A-) dicari dari nilai minimal normalisasi terbobot untuk
alternatif benefit dan nilai maksimal normalisasi terbobot setiap kriteria untuk alternatif cost.
Sederhananya :
A+ = (max, benefit) | (min, cost)
A- = (min, benefit) | (max, cost)
Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan negatif
Rumus yang digunakan untuk menghitung jarak dari alternatif ke solusi ideal postif (D+) & solusi ideal negatif
(D-) adalah :
Hasil perhitungan :

Hasil perhitungan jarak ke solusi ideal positif & negatif

 Menentukan nilai preferensi untuk setiap alternatif
Untuk menentukan nilai preferensi setiap alternatif dihitung dengan rumus :

Rumus untuk menghitung nilai preferensi untuk setiap alternatif

Hasil perhitungan :

Hasil perhitungan Topsis

 KESIMPULAN
Berdasarkan hasil dan pembahasan yang dilakukan , maka
dapat diambil kesimpulan bahwa rancangan Sistem Pendukung
Keputusan menggunakan metode TOPSIS dapat digunakan
untuk meperoleh informasi dan Pertimbangan- pertimbangan
sesuai dengan kriteria dan kebutuhannya.