Perhitungan

Metode TOPSIS

/ by | 2 Komentar pada Metode TOPSIS

Metode TOPSIS

The Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) adalah metode analisis keputusan multi-kriteria, yang pada awalnya dikembangkan oleh Ching-Lai Hwang dan Yoon pada tahun 1981 dengan perkembangan lebih lanjut oleh Yoon pada tahun 1987, dan Hwang, Lai dan Liu pada tahun 1993. TOPSIS didasarkan pada konsep bahwa alternatif yang dipilih harus memiliki jarak geometris terpendek dari solusi ideal positif (SIP) dan jarak geometris terpanjang dari solusi ideal negatif (SIN).

Daftar Isi

Metode TOPSIS

Langkah 1: Matriks Evaluasi

Buat matriks evaluasi yang terdiri dari m alternatif dan n kriteria, dengan perpotongan setiap alternatif dan kriteria yang diberikan sebagai x_{ij}, oleh karena itu kita memiliki matriks (x_{ij})_{mxn}.

Langkah 2: Normalisasi

Matriks (x_{ij})_{mxn} kemudian dinormalisasikan menjadi matriks

R=(r_{ij})_{mxn} menggunakan metode normalisasi

r_{ij} =\frac{x_{ij}}{\sum_{k=1}^{m}}x^2_{kj}, \: \: \: i=1, 2, 3, m, \: \: \: j=1,2,3,n

Langkah 3: Normalisasi Terbobot

Hitung matriks keputusan ternormalisasi berbobot

t_{ij}=r_{ij}.w_j, \: \: \: 1, 2, ..., m, \: \: \: 1, 2, ..., n

Dimana W_j=\sum_{k=1}^{n}W_k, j=1,2,...,n sehingga \sum_{i=1}^{n}w_i=1 dan W_j adalah bobot asli yang diberikan terhadap kriteria v_j, j=1,2,...,n

Langkah 4: Solusi Ideal

Menentukan alternatif terburuk A_w dan alternatif terbaik A_b :

A_w=\left \{ \left \langle max(t_{ij}|i=1,2,..,m)|j\in J_- \right \rangle, \left \langle min(t_{ij}|i=1,2,..,m)|j\in J_+ \right \rangle \right \} \equiv \left \{ t_{wj}|j=1,2,...,n \right \}

A_b=\left \{ \left \langle min(t_{ij}|i=1,2,..,m)|j\in J_- \right \rangle, \left \langle max(t_{ij}|i=1,2,..,m)|j\in J_+ \right \rangle \right \} \equiv \left \{ t_{bj}|j=1,2,...,n \right \}

dimana,

J_+= \left \{j=1,2,...,n \right \} untuk kriteria benefit

J_-= \left \{j=1,2,...,n \right \} untuk kriteria cost

Langkah 5: Jarak Solusi Ideal

Hitung jarak L2 antara alternatif target i dan kondisi terburuk A_w

d_{iw}=\sqrt{\sum_{j=1}^{n}(t_{ij}-t_{wj})^2}, \: \: \: i=1,2,...,m,

dan jarak antara alternatif target i dan kondisi terbaik A_b

d_{ib}=\sqrt{\sum_{j=1}^{n}(t_{ij}-t_{wb})^2}, \: \: \: i=1,2,...,m,

di mana d_{iw} dan d_{ib} adalah jarak normal L2 dari alternatif target i ke yang terburuk dan terbaik kondisi masing-masing.

Langkah 6: Nilai Preferensi

Hitung kesamaan dengan kondisi terburuk:

s_{iw}=d_{iw}/(d_{iw}+d_{ib}), \: \: \: 0 \leq s_{iw} \leq 1, \: \: \: i=1,2,...,m.

s_{iw}=1 jika dan hanya jika solusi alternatif memiliki kondisi terbaik; dan

s_{iw}=0 jika dan hanya jika solusi alternatif memiliki kondisi terburuk.

Langkah 7: Perangkingan

Beri peringkat berdasarkan s_{iw} (i=1,2,...,m) .

Contoh Kasus Perhitungan TOPSIS

#01 Matriks Evaluasi

Berikut adalah contoh data penilaian alternatif untuk masing-masing kriteria.

Kode Nama Tanggungan IPK Semester Penghasilan Orang Tua
A1 Maria 5 3 3 2
A2 Ana 5 5 3 5
A3 Antonio 1 2 3 1
A4 Thomas 3 3 1 3
A5 Christina 4 5 3 2

Data kriteria ada empat sebagai berikut.

Kode Nama Atribut Bobot
C1 Tanggungan benefit 3
C2 IPK benefit 2
C3 Semester benefit 2
C4 Penghasilan Orang Tua cost 3

#02 Normalisasi

Tahap pertama normalisasi adalah mengkuadratkan masing-masing nilai matriks x_{ij}

Kode C1 C2 C3 C4
A1 5*5=25 3*3=9 3*3=9 2*2=4
A2 5*5=25 5*5=25 3*3=9 5*5=25
A3 1*1=1 2*2=4 3*3=9 1*1=1
A4 3*3=9 3*3=9 1*1=1 3*3=9
A5 4*4=16 5*5=25 3*3=9 2*2=4

Tahap kedua normalisasi adalah mencari akar dari total nilai kuadrat setiap kriteria.

Kode Perhitungan Hasil
C1 \sqrt{25+25+1+9+16} 8.7178
C2 \sqrt{9+25+4+9+25} 8.4853
C3 \sqrt{9+9+9+1+9} 6.0828
C4 \sqrt{4+25+1+9+4} 6.5574

Tahap ketiga normalisasi adalah membagi setiap elemen matriks x_{ij} dengan hasil tabel di atas.

Kode C1 C2 C3 C4
A1 5 / 8.7178 = 0.5735 3 / 8.4853 = 0.3536 3 / 6.0828 = 0.4932 2 / 6.5574 = 0.305
A2 5 / 8.7178 = 0.5735 5 / 8.4853 = 0.5893 3 / 6.0828 = 0.4932 5 / 6.5574 = 0.7625
A3 1 / 8.7178 = 0.1147 2 / 8.4853 = 0.2357 3 / 6.0828 = 0.4932 1 / 6.5574 = 0.1525
A4 3 / 8.7178 = 0.3441 3 / 8.4853 = 0.3536 1 / 6.0828 = 0.1644 3 / 6.5574 = 0.4575
A5 4 / 8.7178 = 0.4588 5 / 8.4853 = 0.5893 3 / 6.0828 = 0.4932 2 / 6.5574 = 0.305

#03 Normalisasi Terbobot

Tahap pertama dalam menghitung normalisasi terbobot adalah dengan membagi masing-masing bobot kriteria dengan total bobot kriteria

Kode Perhitungan Bobot
C1 3 / (3+2+2+3) 0.3
C2 2 / (3+2+2+3) 0.2
C3 2 / (3+2+2+3) 0.2
C4 3 / (3+2+2+3) 0.3

Tahap kedua adalah mengalikan matriks normalisasi dengan bobot normal di atas.

Kode C1 C2 C3 C4
A1 0.5735 * 0.3 = 0.1721 0.3536 * 0.2 = 0.0707 0.4932 * 0.2 = 0.0986 0.305 * 0.3 = 0.0915
A2 0.5735 * 0.3 = 0.1721 0.5893 * 0.2 = 0.1179 0.4932 * 0.2 = 0.0986 0.7625 * 0.3 = 0.2287
A3 0.1147 * 0.3 = 0.0344 0.2357 * 0.2 = 0.0471 0.4932 * 0.2 = 0.0986 0.1525 * 0.3 = 0.0457
A4 0.3441 * 0.3 = 0.1032 0.3536 * 0.2 = 0.0707 0.1644 * 0.2 = 0.0329 0.4575 * 0.3 = 0.1372
A5 0.4588 * 0.3 = 0.1376 0.5893 * 0.2 = 0.1179 0.4932 * 0.2 = 0.0986 0.305 * 0.3 = 0.0915

#04 Solusi Ideal

Perhitungan solusi ideal sesuai dengan atribut masing-masing kriteria yaitu:

  1. Kriteria Tanggungan (benefit)
    Solusi Ideal Positif = max(0.1721, 0.1721, 0.0344, 0.1032, 0.1376) = 0.1721
    Solusi Ideal Negatif = min(0.1721, 0.1721, 0.0344, 0.1032, 0.1376) = 0.0344
  2. Kriteria IPK (benefit)
    Solusi Ideal Positif = max(0.0707, 0.1179, 0.0471, 0.0707, 0.1179) = 0.1179
    Solusi Ideal Negatif = min(0.0707, 0.1179, 0.0471, 0.0707, 0.1179) = 0.0471
  3. Kriteria Semester (benefit)
    Solusi Ideal Positif = max(0.0986, 0.0986, 0.0986, 0.0329, 0.0986) = 0.0986
    Solusi Ideal Negatif = min(0.0986, 0.0986, 0.0986, 0.0329, 0.0986) = 0.0329
  4. Kriteria Penghasilan Orang Tua (cost)
    Solusi Ideal Positif = min(0.0915, 0.2287, 0.0457, 0.1372, 0.0915) = 0.0457
    Solusi Ideal Negatif = max(0.0915, 0.2287, 0.0457, 0.1372, 0.0915) = 0.2287

#05 Jarak Solusi Ideal

Tahap pertama dalam menghitung jarak solusi ideal adalah dengan mengkuadratkan selisih matriks normalisasi terbobot dengan solusi ideal positif dan negatif:

Jarak Solusi Ideal Positif

Kode C1 C2 C3 C4
A1 (0.1721 - 0.1721)^2 = 0 (0.0707 - 0.1179)^2 = 0.0022 (0.0986 - 0.0986)^2 = 0 (0.0915 - 0.0457)^2 = 0.0021
A2 (0.1721 - 0.1721)^2 = 0 (0.1179 - 0.1179)^2 = 0 (0.0986 - 0.0986)^2 = 0 (0.2287 - 0.0457)^2 = 0.0335
A3 (0.0344 - 0.1721)^2 = 0.0189 (0.0471 - 0.1179)^2 = 0.005 (0.0986 - 0.0986)^2 = 0 (0.0457 - 0.0457)^2 = 0
A4 (0.1032 - 0.1721)^2 = 0.0047 (0.0707 - 0.1179)^2 = 0.0022 (0.0329 - 0.0986)^2 = 0.0043 (0.1372 - 0.0457)^2 = 0.0084
A5 (0.1376 - 0.1721)^2 = 0.0012 (0.1179 - 0.1179)^2 = 0 (0.0986 - 0.0986)^2 = 0 (0.0915 - 0.0457)^2 = 0.0021

Jarak Solusi Ideal Negatif

Kode C1 C2 C3 C4
A1 (0.1721 - 0.0344)^2 = 0.0189 (0.0707 - 0.0471)^2 = 0.0006 (0.0986 - 0.0329)^2 = 0.0043 (0.0915 - 0.2287)^2 = 0.0188
A2 (0.1721 - 0.0344)^2 = 0.0189 (0.1179 - 0.0471)^2 = 0.005 (0.0986 - 0.0329)^2 = 0.0043 (0.2287 - 0.2287)^2 = 0
A3 (0.0344 - 0.0344)^2 = 0 (0.0471 - 0.0471)^2 = 0 (0.0986 - 0.0329)^2 = 0.0043 (0.0457 - 0.2287)^2 = 0.0335
A4 (0.1032 - 0.0344)^2 = 0.0047 (0.0707 - 0.0471)^2 = 0.0006 (0.0329 - 0.0329)^2 = 0 (0.1372 - 0.2287)^2 = 0.0084
A5 (0.1376 - 0.0344)^2 = 0.0107 (0.1179 - 0.0471)^2 = 0.005 (0.0986 - 0.0329)^2 = 0.0043 (0.0915 - 0.2287)^2 = 0.0188

Tahap kedua adalah dalam menghitung jarak solusi ideal adalah mengakarkan total nilai tabel di atas (positif dan nehatif) untuk setiap alternatif. Hasil dan perhitungannya bisa dilihat di tabel berikut:

Kode Positif Negatif
A1 \sqrt{0+0.0022+0+0.0021} = 0.0657 \sqrt{0.0189+0.0006+0.0043+0.0188} = 0.2066
A2 \sqrt{0+0+0+0.0335} = 0.183 \sqrt{0.0189+0.005+0.0043+0} = 0.1681
A3 \sqrt{0.0189+0.005+0+0} = 0.1547 \sqrt{0+0+0.0043+0.0335} = 0.1945
A4 \sqrt{0.0047+0.0022+0.0043+0.0084} = 0.1402 \sqrt{0.0047+0.0006+0+0.0084} = 0.1169
A5 \sqrt{0.0012+0+0+0.0021} = 0.0572 \sqrt{0.0107+0.005+0.0043+0.0188} = 0.197

#06 Nilai Preferensi

Perhitungan nilai preferensi berdasarkan jarak solusi ideal positif dan negatif, yaitu:

Kode Perhitungan Hasil
A1 0.2066/( 0.2066 + 0.0657) 0.7587
A2 0.1681/( 0.1681 + 0.183) 0.4788
A3 0.1945/( 0.1945 + 0.1547) 0.5569
A4 0.1169/( 0.1169 + 0.1402) 0.4547
A5 0.197/( 0.197 + 0.0572) 0.7749

#07 Perangkingan

Perangkingan berdasarkan nilai preferensi yang terbesar.

Rank Kode Nama Preferensi
1 A5 Christina 0.7749
2 A1 Maria 0.7587
3 A3 Antonio 0.5569
4 A2 Ana 0.4788
5 A4 Thomas 0.4547

Berdasarkan perhitungan metode TOPSIS di atas, maka alternatif yang terpilih adalah Christina dengan total nilai 0.7749

Perhitungan TOPSIS dengan Microsoft Excel

Buat data matriks evaluasi di sel A2:E7.

TOPSIS Excel Matriks Evaluasi

Buat rumus =B3^2 di sel B11 untuk mengkuadratkan matriks evaluasi.

TOPSIS Excel Kuadrat Matriks Evaluasi

Buat rumus =B3/SQRT(SUM(B$11:B$15)) di sel B19 untuk mencari normalisasi

TOPSIS Excel Normalisasi

Isikan bobot kriteria di sel B27:E27. Buat rumus =B19*B$27/SUM($B$27:$E$27) di sel B28 untuk mencari normalisasi terbobot.

TOPSIS Excel Normalisasi Terbobot

Max di cell B33 isi dengan rumus =MAX(B28:B32). Min di cell B34 isi dengan rumus =MIN(B28:B32)

Isikan atribut kriteria di sel B38:E38. Buat rumus =IF(B38="benefit";B33;B34) di sel B39 untuk mencari solusi ideal positif. Buat rumus =IF(B38="cost";B33;B34) di sel B40 untuk mencari solusi ideal negatif.

TOPSIS Excel Jarak Solusi Ideal

Buat rumus =(B28-B$39)^2 di sel B44 untuk menghitung matriks solusi ideal positif.

TOPSIS Excel Matriks Solusi Ideal Positif

Buat rumus =(B28-B$40)^2 di sel B52 untuk menghitung matriks solusi ideal negatif.

TOPSIS Excel Matriks Solusi Ideal Negatif

Buat rumus =SQRT(SUM(B44:E44)) di sel B60 untuk menghitung total jarak positif. Buat rumus =SQRT(SUM(B52:E52)) di sel C60 untuk menghitung total jarak negatif. Buat rumus =C60/(B60+C60) di sel D60 untuk menghitung nilai preferensi. Buat rumus =RANK(D60;$D$60:$D$64) di sel E60 untuk menentukan peringkat.

TOPSIS Excel Matriks Solusi Ideal Negatif

Database TOPSIS

Kita perlu tiga tabel untuk membuat database TOPSIS yaitu: Alternatif, Kriteria, dan Nilai.

Tabel Alternatif tb_alternatif

Struktur tabel:

Atribut Tipe Ket
kode_alternatif varchar(16) Primary Key
nama_alternatif varchar(255)

Sintaks SQL:

CREATE TABLE tb_alternatif (
    kode_alternatif varchar(16) NOT NULL,
    nama_alternatif varchar(255) DEFAULT NULL,
    PRIMARY KEY (kode_alternatif)
)

Tabel Kriteria tb_kriteria

Struktur tabel:

Atribut Tipe Ket
kode_kriteria varchar(16) Primary Key
nama_kriteria varchar(255)
atribut varchar(16)
bobot double

Sintaks SQL:

CREATE TABLE tb_kriteria (
    kode_kriteria varchar(16) NOT NULL,
    nama_kriteria varchar(255) DEFAULT NULL,
    atribut varchar(16) DEFAULT NULL,
    bobot double DEFAULT NULL,
    PRIMARY KEY (kode_kriteria)
)

Tabel Nilai tb_rel_alternatif

Struktur tabel:

Atribut Tipe Ket
kode_alternatif varchar(16)
kode_kriteria varchar(16)
nilai double

Sintaks SQL:

CREATE TABLE tb_rel_alternatif (
    kode_alternatif varchar(16) DEFAULT NULL,
    kode_kriteria varchar(16) DEFAULT NULL,
    nilai double DEFAULT NULL
)

Entity Relationship Diagram

TOPSIS Entity Relationship Diagram

tb_alternatif berelasi one to many ke tb_rel_alternatif, begitu juga tb_kriteria berelasi one to many ke tb_rel_alternatif.

Source Code Metode TOPSIS

Berikut adalah beberapa source-code yang menggunakan metode TOPSIS baik berbasis web maupun desktop.

Referensi

  1. https://en.wikipedia.org/wiki/TOPSIS

2 Comments on “Metode TOPSIS”

  • rizqi

    says:

    =IF(B38=”benefit”;B33;B34) kenapa punya saya g bisa ya? saat mau menuliskan

    • rizqi

      says:

      maaf tidak jadi bertanya, excel saya versi baru jadi beda penulisan rumus

Leave a Comment

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.

To top