METODE TOPSIS

(Technique For Others Reference by Similarity to

Ideal Solution)

Sardo P Sipayung, M.Kom

Pertemuan 9-10
Materi
• Pengertian Topsis
• Konsep Perhitungan Topsis
• Contoh Studi Kasus Menggunakan Topsis
Pengertian Topsis
 TOPSIS adalah salah satu metode pengambilan
keputusan multikriteria yang pertama kali
diperkenalkan oleh Yoon dan Hwang (1981)

 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 optimal.
Pengertian Topsis
 Solusi ideal positif didefinisikan sebagai jumlah dari seluruh
nilai terbaik yang dapat dicapai untuk setiap atribut,
sedangkan solusi negatif-ideal terdiri dari seluruh nilai
terburuk yang dicapai untuk setiap atribut.

 TOPSIS mempertimbangkan keduanya, jarak terhadap solusi

ideal positif dan jarak terhadap solusi ideal negatif dengan
mengambil kedekatan relatif terhadap solusi ideal positif.
Berdasarkan perbandingan terhadap jarak relatifnya, susunan
prioritas alternatif bisa dicapai.
KEUNGGULAN TOPSIS
 Metode TOPSIS memiliki beberapa kelebihan, diantaranya :
 Konsepnya yang sederhana dan mudah dipahami,
 Komputasinya efisien, dan
 Memiliki kemampuan untuk mengukur kinerja relatif dari
alternatif-alternatif keputusan dalam bentuk matematis yang
sederhana.
PROSEDUR METODE TOPSIS
 Secara umum, tahapan dalam metode TOPSIS sebagai
berikut :
1. Membangun Matriks Keputusan
2. Membuat matriks keputusan yang ternormalisasi.
3. Membuat matriks keputusan yang ternormalisasi terbobot.
4. Menentukan matriks solusi ideal positif & matriks solusi ideal negatif.
5. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal
positifm& matriks solusi ideal negatif.
6. Menentukan nilai preferensi untuk setiap alternatif
7. Melakukan Perankingan
Membangun Matriks Keputusan

Matriks keputusan X mengacu terhadap m alternatif yang akan

1
dievaluasi berdasarkan n kriteria. Matriks keputusan X dapat
dilihat sebagai berikut:

Keterangan :
(i = 1,2,3,….m) adalah
alternatif- alternatif yang
mungkin
(j = 1,2,3,….n) adalah atribut ,
dimana performansi alternatif
diukur
adalah performansi alternatif
dengan acuan atribut
Membuat matriks keputusan yang
ternormalisasi 2
TOPSIS membutuhkan rating kinerja setiap alternatif Ai
pada setiap kriteria xj yang ternormalisasi, yaitu :

Dengan i = 1, 2, 3, …, ., m; dan j = 1, 2, 3, … n
Keterangan :
adalah elemen dari matriks keputusan ternormalisasi
Membuat matriks keputusan
yang ternormalisasi terbobot
Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan
3
berdasarkan rating bobot ternormalisasi (yij). Dengan bobot wi =
( w1,w2 ,w3 , . . . ,wn ), dimana wi adalah bobot dari kriteria ke-j dan ∑
sebagai :

dengan i=1,2…,m dan j=1,2,…,n.

Keterangan:
yij adalah elemen dari matriks keputusan yang ternormalisai terbobot V,
wi adalah bobot kriteria ke-j
rij adalah elemen dari matriks keputusan yang ternormalisasi R.
 4
Menentukan
matriks solusi ideal positif &
matriks solusi ideal negatif
Solusi ideal positif dinotasikan A+ , sedangkan solusi ideal negatif
dinotasikan A-. Berikut ini adalah persamaan dari A+ dan A- :

Dengan

Keterangan:
yij adalah elemen dari matriks keputusan yang ternormalisasi terbobot y,
yj+ = ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif,
yj- = ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif
Menentukan jarak antara alternatif
Ai dengan solusi ideal positif
Jarak antara alternatif Ai
dengan solusi ideal positif
dirumuskan sebagai :
5
• Jarak antara alternatif Ai dengan
solusi ideal negatif dirumuskan
sebagai :

Keterangan:
Di+ adalah jarak alternative ke-I dari solusi ideal positif,
Di- adalah jarak alternative ke-I dari solusi ideal negatif,
yij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,
yj+ adalah elemen matriks solusi ideal positif,
yj- adalah elemen matriks solusi ideal negatif
Menentukan nilai preferensi
untuk setiap alternatif (Vi) 6
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai

lebih dipilih. :
Merangking Alternatif 7
Alternatif diurutkan dari nilai Vi terbesar ke
nilai terkecil. Alternatif dengan nilai Vi terbesar
merupakan solusi terbaik.
KEGUNAAN METODE TOPSIS
Metode TOPSIS adalah salah satu metode yang
digunakan untuk menyelesaikan masalah Multi Attribute
Decision Making(MADM). TOPSIS telah digunakan
dalam banyak aplikasi termasuk keputusan investasi
keuangan, perbandingan performansi dari perusahaan,
pebandingan dalam suatu industri khusus, pemilihan
sistem operasi,evaluasi pelanggan, dan perancangan
robot.
Contoh Studi Kasus
Dengan Menggunakan Metode Topsis

“ SD Asisi ingin melakukan sertifikasi terhadap beberapa guru di SD tersebut.

Calon guru tersebut adalah Pininta, Asriati, dan Richard. Bahan Pertimbangan
atau kriteria yang digunakan :
C1 = Masa kerja, C2 = Usia guru, C3 = Golongan, C4 = Beban kerja,C5 =
Tugas Tambahan , C6 = Prestasi

Tentukan guru yang akan mendapatkan sertifikasi! ”

PEMBAHASAN
 a. Menentukan Alternatif dan Kriteria
Alternatif disini ialah peserta Bahan Pertimbangan atau kriteria yang
sertifikasi misal : digunakan :
A1 = Pininta
A2 = Asriati C1 = Masa kerja
A3 = Richard C2 = Usia guru
C3 = Golongan
Dari kriteria di atas C4 = Beban kerja
ditentukan bobot kriteria sebagai
C5 = Tugas Tambahan
berikut :
C6 = Prestasi
Masa kerja =5
Usia guru= 3 Sehingga diperoleh
Golongan =4
Beban kerja =4 bobot kepentingan sebagai
Tugas tambahan = 4
Prestasi =2
berikut :
W = {5,3,4,4,4,2}
 b. Membuat Matriks Keputusan
Matriks keputusan ialah matriks nilai setiap kriteria yang dimiliki oleh
alternatif.Matriks keputusan daapat dilihat pada tabel 1 berikut ini :

Tabel 1 Tabel Matriks Keputusan

Alternatif/ Masa Usia Gol Beban Tugas Prestasi Keterangan :
kriteria Kerja guru Kerja Tambahan 1 = Sangat buruk
Pininta 4 4 5 3 3 2 2 = Buruk
Asriati 4 3 4 3 1 2 3 = Cukup
Richard 3 2 3 4 2 1 4 = Baik
5 = Sangat baik
 c. Membuat Tabel Ternormalisasi
Setelah membuat matriks keputusan maka selanjutnya mencari nilai bobot
pembagi untuk menentukan matriks ternormalisasi. Matriks keputusan ternormalisasi
dapat
dilihat pada tabel 2 dibawah ini:
Tabel 2 Tabel Keputusan beserta Bobot Pembagi
Alternatif/kriteria Masa Kerja Usia guru Gol Beban Kerja Tugas Prestasi
Tambahan

Pininta 4 4 5 3 3 2
Asriati 4 3 4 3 1 2
Richard 3 2 3 4 2 1
Nilai Pembagi 6,403 5,385 7,071 5,381 3,742 3
Contoh Perhitungan :
=
Untuk membuat matriks ternormalisasi setiap nilai kriteria dibagi
dengan bobot pembaginya. Berikut perhitungannya :
Dan seterusnya sampai didapat nilai matriks ternormalisasi
seperti tabel 3 berikut ini

Tabel 3 Tabel Matriks Ternormalisasi

Alternatif/ Masa Usia Gol Beban Tugas Prestasi
kriteria Kerja guru Kerja Tambahan

Pininta 0.625 0.743 0.70 0.514 0.802 0.667

Asriati 0.625 0.557 0.566 0.514 0.267 0.667
Richard 0.469 0.371 0.424 0.686 0.535 0.333
 d. Membuat matriks Normalisasi Berbobot
Pada langkah ini yang dilakukan adalah mengalikan setiap nilai
matriks ternomalisasi dengan bobot kepentingan (W) sehingga
dihasilkan seperti tabel 4 berikut ini :
Tabel 4 Tabel Matriks Normalisasi Berbobot
Alternatif Masa Usia Gol Beban Tugas Prestasi
/kriteria Kerja guru Kerja Tambahan

Pininta 3.12 2.23 2.83 2.06 3.21 1.33

Asriati 3.12 1.67 2.26 2.06 1.07 1.33
Richard 2.34 1.11 1.70 2.74 2.14 0.67
Contoh Perhitungan :
= =(5)(0.625) = 3.12
 e. Mencari nilai Max dan Min
Nilai max nilai tertinggi dari setiap kriteria pada matriks ternormalisasi terbobot,
sedangkan nilai min adalah nilai terendah dari setiap kriteria pada matriks terbobot.
Nilai max dan min dapat dilihat pada tabel 5 di bawah ini :

Tabel 5 Tabel keputusan beserta Nilai Max dan Min

Alternatif Masa Usia Gol Beban Tugas Prestasi
/kriteria Kerja guru Kerja Tambahan

Pininta 3.12 2.23 2.83 2.06 3.21 1.33

Asriati 3.12 1.67 2.26 2.06 1.07 1.33
Richard 2.34 1.11 1.70 2.74 2.14 0.67
Min 2.34 1.11 1.70 2.06 1.07 0.67
Max 3.12 2.23 2.83 2.74 3.21 1.33
 f. Mencari D+ dan D-
Nilai dari D+ dan D- digunakan untuk menentukan hasil yang akan
diperoleh oleh alternatif. Berikut perhitungannya :
Maka diperoleh nilai D+ dan D- pada tabel
6 berikut :
Tabel 6 Tabel Nilai D+ dan D
D+ D-
D1 0.69 2.85
D2 2.38 1.30
D3 2.17 1.27
 g. Mencari hasil (V)
Hasil merupakan nilai akhir dari setiap
kriteria berikut hasil dari setiap alternative
h. Melakukan Perangkingan
Alternative diurutkan dari nilai V terbesar ke
nilai terkecil. Alternatif dengan nilai V terbesar
merupakan solusi terbaik. Hasil yang didapat akan
dirangkingkan dan penentuan peserta sertifikasi guru
menggunakan dua cara yaitu dengan pemberian kuota
dimana urutan nilai yang sama dengan atau lebih besar
dari kuota yang diberikan peserta sertifikasi akan lulus
dan pemberian standar nilai dimana nilai yang lebih
besar dari standar nilai yang diberikan akan lulus.
Dilihat dari nilai V ini dapat dilihat bahwa V1
memiliki nilai terbesar, sehingga dapat
disimpulkan bahwa alternatif pertama yang akan
dipilih untuk sertifikasi guru , yaitu Pininta
dengan nilai kriteria tertinggi.
 KESIMPULAN
TOPSIS merupakan suatu bentuk metode pendukung keputusan yang
didasarkan pada konsep bahwa alternatif yang terbaik tidak hanya
memiliki jarak terpendek darisolusi ideal positif tetapi juga memiliki
jarak terpanjang dari solusi ideal negative. Konsep ini banyak digunakan
untuk menyelesaikan masalah keputusan secara praktis.

Konsepnya sederhana dan mudah dipahami, komputasinya efisien dan

memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-
alternatif keputusan dalam bentuk matematis yang sederhana.

Terkait dengan penerapan metode TOPSIS untuk penentuan peserta

sertifikasi guru, hasil akhir yang didapat pada tahapan-tahapan yang
dilakukan bahwa sistem yang dibuat telah mampu untuk menentukan
penetapan peserta sertifikasi guru berdasarkan kriteria-kriteria penilaian
yang ada.
Latihan Studi kasus Topsis
RM Pak Deo merupakan rumah makan terbesar yang ada di Tasikmalaya. Pak Deo 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 :

Medan, jumlah penduduk 2.4 juta, jumlah tempat wisata 59 , rumah makan pesaing : 30.
Siantar, jumlah penduduk 1.4 juta, jumlah tempat wisata 28, rumah makan pesaing : 28
Binjai, jumlah penduduk 0.2 juta, jumlah tempat wisata 22, rumah makan pesaing : 15
Sibolga., 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
Ganjar, 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 Kriteria :

Alternatif : -Jumlah penduduk

- Garut -Jumlah tempat wisata
- Ciamis -Rumah makan pesaing
- Ganjar
- 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

Terima Kasih…
Untuk lebih jelasnya kita bertemu pertemuan
berikutnya…

Sardo P Sipayung, M.Kom