QUIZ ONLINE

Soal: Menggunakan Metode TOPSIS

Sebuah PTS di Kota Medan, akan memberikan beasiswa kepada 5 orang mahasiswanya. Adapun syarat pemberian beasiswa tersebut, yaitu harus memenuhi ketentuan berikut ini :

Syarat :
C1: Semester Aktif Perkuliahan (Attribut Keuntungan)
C2: IPK  (Attribut Keuntungan)
C3: Penghasilan Orang Tua  (Attribut Biaya)
C4: Aktif Berorganisasi (Attribut Keuntungan)

Untuk bobot W=[4,4,5,3]

Adapun mahasiswa yang menjadi alternatif dalam pemberian beasiswa yaitu :

No	Nama	C1	C2	C3	C4
1	Joko	VI	3.7	1.850.000	Aktif
2	Widodo	VI	3.5	1.500.000	Aktif
3	Simamora	IV	3.8	1.350.000	Tidak Aktif
4	Susilawati	II	3.9	1.650.000	Tidak Aktif
5	Dian	II	3.6	2.300.000	Aktif
6	Roma	IV	3.3	2.250.000	Aktif
7	Hendro	VIII	3.4	1.950.000	Aktif

Untuk pembobotan yang digunakan bisa mengacu pada bobot di bawah ini :

C1:Semester Aktif Perkuliahan
Semester II --> 1
Semester IV --> 2
Semester VI -->  3
Semester VIII -->  4

C2: IPK
IPK  3.00 - 3.249 --> 1
IPK  3.25 - 3.499 --> 2
IPK  3.50 - 3.749 --> 3
IPK  3.75 - 3.999 --> 4
IPK  4.00 --> 5
 
C3: Penghasilan Orang Tua 
1.000.000 --> 1
1.400.000 --> 2
1.800.000 --> 3
2.200.000 --> 4
2.600.000 --> 5

C4: Aktif Berorganisasi
Aktif --> 2
Tidak Aktif --> 1

Penyelesaian:

- X1 = √(3^2+3^2+ 2^2+1^2+1^2+2^2+4^2 )  = √44  = 6,633
R11 = 3/6,633=0,4522                  R51 = 1/6,633=0,1507
R21 = 3/6,633=0,4522                  R61 = 2/6,633=0,3015
R31 = 2/6,633=0,3015                  R71 = 4/6,633=0,6030
R41 = 1/6,633=0,1507

- X2 = √(3^2+3^2+ 4^2+4^2+3^2+2^2+2^2 )  = √67  = 8,185
R12 = 3/8,815=0,3665                  R52 = 3/8,815=0,3665   
R22 = 3/8,815=0,3665                  R62 = 2/8,815=0,2443   
R32 = 4/8,815=0,4886                  R72 = 2/8,815=0,2443
R42 = 4/8,815=0,4886

- X3 = √(3^2+2^2+ 1^2+2^2+4^2+4^2+3^2 )  = √59  = 7,681
R13 = 3/7,681=0,3905                  R53 = 2/7,681=0,5207
R23 = 2/7,681=0,2603                  R63 = 2/7,681=0,5207
R33 = 1/7,681=0,1301                  R73 = 3/7,681=0,3905                                            
R43 = 2/7,681=0,2603

- X4 = √(2^2+2^2+ 1^2+1^2+2^2+2^2+2)  = √22  = 4,690
R14 = 2/4,690=0,4264                  R54 =  2/4,690=0,4264
R24 = 2/4,690=0,4264                  R64 =  2/4,690=0,4264
R34 = 1/4,690=0,2132                  R74 =  2/4,690=0,4264                                            
R44 = 1/4,690=0,2132

0,4522             0,3665             0,3905             0,4264

0,4522             0,3665             0,2603             0,4264

0,3015             0,4886             0,1301             0,2132

R =      0,1507             0,4886             0,2603             0,2132

0,1507             0,3665             0,5207             0,4264

0,3015             0,2443             0,5207             0,4264

0,6030             0,2443             0,3905             0,4264 

y_ij = w_ij r_ij    w = [4,4,5,3]

y₁₁ = 4(0,4522) = 1,8090                     y₁₃ = 5(0,3905) = 1,9528        

y₂₁ = 4(0,4522) = 1,8090                     y₂₃ = 5(0,2603) = 1,3018

y₃₁ = 4(0,3015) = 1,2060                     y₃₃ = 5(0,1301) = 0,6509

y₄₁ = 4(0,1507) = 0,6030                     y₄₃ = 5(0,2603) = 1,3018

y₅₁ = 4(0,1507) = 0,6030                     y₅₃ = 5(0,5207) = 2,6037

y₆₁ = 4(0,3015) = 1,2060                     y₆₃ = 5(0,5207) = 2,6037

y₇₁ = 4(0,6030) = 2,4120                     y₇₃ = 5(0,3905) = 1,9528

           

y₁₂ = 4(0,3665) = 1,4660                     y₁₄ = 3(0,4264) = 1,2792        

y₂₂ = 4(0,3665) = 1,4660                     y₂₄ = 3(0,4264) = 1,2792

y₃₂ = 4(0,4886) = 1,9547                     y₃₄ = 3(0,2132) = 0,6396

y₄₂ = 4(0,4886) = 1,9547                     y₄₄ = 3(0,2132) = 0,6396

y₅₂ = 4(0,3665) = 1,4660                     y₅₄ = 3(0,4264) = 1,2792

y₆₂ = 4(0,2443) = 0,9773                     y₆₄ = 3(0,4264) = 1,2792

y₇₂ = 4(0,2443) = 0,9773                     y₇₄ = 3(0,4264) = 1,2792

1,8090             1,4660             1,9528             1,2792

1,8090             1,4660             1,3018             1,2792

1,2060             1,9547             0,6509             0,6396

R =      0,6030            1,9547             1,3018             0,6396

0,6030             1,4660             2,6037             1,2792

1,2060             0,9773             2,6037             1,2792

2,4120             0,9773             1,9528             1,2792

A⁺                                                                                                                 A^-

Y₁⁺ = max 2,4120                                 Y₁^- = min 0,6030

Y₂⁺ = max 1,9547                                 Y₂^- = min 0,9773

Y₃⁺ = min 0,6509                                  Y₃^- = max 2,6037

Y₄⁺ = max 1,2792                                 Y₄^- = min 0,6396

Di-=√(∑_(j=1)^n▒〖(y_ij- y_(i^+ ) 〗 )^2 )
       

D1-=√((1,8090-0,6030)^2+ (1,4660-0,9773)^2+(1,9528-2,6037)^2+ (1,2792-0,6396)^2  )
= √2,5261 = 1,5893

D2-=√((1,8090-0,6030)^2+ (1,4660-0,9773)^2+(1,3018-2,6037)^2+ (1,2792-0,6396)^2  )
= √3,7973 = 1,9486

D3-=√((1,2060-0,6030)^2+ (1,9547-0,9773)^2+(0,6509-2,6037)^2+ (0,6396-0,6396)^2  )
= √5,1324 = 2,2654

D4-=√((0,6030-0,6030+ (1,9547-0,9773)^2+(1,3018-2,6037)^2+ (0,6396-0,6396)^2  )
= √2,6501 = 1,6279


D5-=√((0,6030-0,6030)^2+ (1,4660-0,9773)^2+(2,6037-2,6037)^2+ (1,2792-0,6396)^2  )
= √0,6478 = 0,8049

D6-=√((1,2060-0,6030)^2+ (0,9773-0,9773)^2+(2,6037-2,6037)^2+ (1,2792-0,6396)^2  )
= √0,7727 = 0,8790

D7-=√((2,4120-0,6030)^2+ (0,9773-0,9773)^2+(1,9528-2,6037)^2+ (1,2792-0,6396)^2  )
= √4,1055= 2,0262


Di+ =√(∑_(j=1)^n▒〖(y_ij- y_(i^+ ) 〗 )^2 )
       
D1+=√((1,8090-0,6030)^2+ (1,4660-1,9547)^2+(1,9528-0,6509)^2+ (1,2792-1,2792)^2  )
= √2,2973 = 1,5157

D2+=√((1,8090-2,4120)^2+ (1,4660-1,9547)^2+(1,3018-0,6509)^2+ (1,2792-1,2792)^2  )
= √1,0261 = 1,0130

D3+=√((1,2060-2,4120)^2+ (1,9547-1,9547)^2+(0,6509-0,6509)^2+ (0,6396-1,2792)^2  )
= √1,8636 = 1,3651

D4+=√((0,6030-2,4120)^2+ (1,9547-1,9547)^2+(1,3018-0,6509)^2+ (0,6396-1,2792)^2  )
= √4,1055 = 2,0262

D5+=√((0,6030-2,4120)^2+ (1,4660-1,9547)^2+(2,6037-0,6509)^2+ (1,2792-1,2792)^2  )
= √7,3250 = 2,7064

D6+=√((1,2060-2,4120)^2+ (0,9773-1,9547)^2+(2,6037-0,6509)^2+ (1,2792-1,2792)^2  )
= √6,2233 = 2,4946

D7+=√((2,4120-2,4120)^2+ (0,9773-1,9547)^2+(1,9528-0,6509)^2+ (1,2792-1,2792)^2  )
= √2,6501 = 1,627

Vi = Di^-/Di^-+Di⁺

 

V1 = 1,5893/(1,5893+1,5157)=0,5118
V2 = 1,9486/(1,9486+1,0130)=0,6579
V3 = 2,2654/(2,2654+1,3651)=0,6239
V4 = 1,6279/(1,6279+2,0262)=0,4455
V5 = 0,8049/(0,8049+2,7064)=0,2292
V6 = 0,8790/(0,8790+2,4946)=0,2605
V7 = 2,0262/(2,0262+1,6279)=0,5544

    Berarti yang berhak mendapatkan Beasiswa yaitu V1, V2, V3, V4, dan  V7

Apa itu Sistem Pendukung Keputusan (SPK) ?

Sistem pendukung keputusan (Inggris: decision support systemsdisingkat DSS) adalah bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (manajemen pengetahuan)) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.DSS dapat juga dikatakan sebagai sistem komputer yang mengolahdata menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik

Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur .

Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa difinisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya oleh Man dan Watson yang memberikan definisi sebagai berikut, SPK merupakan suatu sistem yang interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur.

Tahapan Dalam Pengambilan Keputusan

1.Tahap  Pemahaman

 2.Tahap Perancangan 

3.Tahap Pemilihan

4.Tahap Penerapan

Karakteristik sistem pendukung keputusan adalah :

1. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi.
2. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari / interogasi informasi.
3. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
4. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi.

Dengan berbagai karakter khusus diatas, SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :

1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.

Di samping berbagai keuntungan dan manfaat seperti dikemukakan diatas, SPK juga memiliki beberapa keterbatasan, diantaranya adalah :

1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.
4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya.

Jadi secara dapat dikatakan bahwa SPK dapat memberikan manfaat bagi pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam proses pengambilan keputusan.

Komponen Sistem Pendukung Keputusan

Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu:

1. Subsistem pengelolaan data (database).
2. Subsistem pengelolaan model (modelbase).
3. Subsistem pengelolaan dialog (userinterface).

Tahapan SPK:

• Definisi masalah
• Pengumpulan data atau elemen informasi yang relevan
• pengolahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan
• menentukan alternatif-alternatif solusi (bisa dalam persentase)

Tujuan dari SPK:

• Membantu menyelesaikan masalah semi-terstruktur
• Mendukung manajer dalam mengambil keputusan
• Meningkatkan efektifitas bukan efisiensi pengambilan keputusan

Dalam pemrosesannya, SPK dapat menggunakan bantuan dari sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.

4 TAHAP PENGAMBILAN KEPUTUSAN

Menurut Simon (1960) ada beberapa tahap pengambilan keputusan, disebutkan olehnya proses pengambilan keputusan ada 4 tahapan yakni :

1. Intelligence : pengumpulan informasi untuk mengindetifikasikan permasalahan

2. Design : tahap perancangan solusi dalam bentuk alternative pemecahan masalah

3. Choice : tahap memilih dari solusi dari alternative-alternativeyang disediakan

4. Implementation : tahap melaksanakan keputusan dan melaporkan hasilnya

Dari 4 tahapan ini kita jadi mengetahui bahwa dalam mengambil keputusan paling tidak ada 4 tahapan yang harus kita lakukan sebelum pengambilan keputusan dilakukan. Pengambilan keputusan ini sangatlah penting dalam suatu manajemen, ini dikarenakan manajemen yang baiklah yang mampu bertanggung jawab atas setiap keputusan-keputusan yang telah ditetapkan oleh perusahaan atau organisasi, agar perusahaan atau organisasi tersebut mampu menjalankan proses dan fungsinya sesuai dengan tujuan awal perusahaan itu didirikan

Komponen SPK

Sistem Pendukung Keputusan memiliki tiga subsistem utama yang menentukan kapabilitas teknis SPK tersebut diantaranya sebagai berikut :

Subsistem manajemen basis data

Kemampuan yang dibutuhkan dari manajemen basis data dapat diringkas, sebagai berikut :

1. Kemampuan untuk mengkombinasikan berbagai variasi data melalui pengambilan keputusan dan ekstrasi data.
2. Kemampuan untuk menabahkan sumber data secara cepat dan mudah.
3. Kemampuan untuk menggambarkan struktur data logik sesuai dengan pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
4. Kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
5. Kemampuan untuk mengelola berbagai variasi data.

Subsistem manajemen basis model

Kemampuan yang dimiliki subsistem basis model diantaranya sebagai berikut :

1. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.
2. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan.
3. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog dan manajemen database (seperti mekanisme untuk menyimpan, membuat dialog, menghubungkan dan mengakses model).

Subsistem perangkat lunak penyelenggara dialog

Bennet mendefinisikan pemakai, terminal, dan sistem perangkat lunak sebagai komponen-komponen dari sistem dialog. Ia membagi subsistem dialog menjadi 3 bagian :

1. Bahasa aksi, meliputi apa yang dapat dugunakan oleh pemakai dalam berkomunikasi dengan sistem.
2. Bahasa tampilan atau presentasi, meliputi apa yang harus diketahui oleh pemakai.
3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai.

Kombinasi dari kemampuan-kemampuan diatas terdiri dari apa yang disebut gaya dialog, misalnya, yang meliputi pendekatan tanya jawab, bahasa perintah, menu-menu, dan mengisi tempat kosong.
Kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai atau sistem meliputi :

1. Kemampuan untuk menangani berbagai variasi gaya dialog, bahkan jika mungkin untuk mengkombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.
2. Kemampuan untuk mengakomodasi tindakan pemakai dengan berbagai peralatan masukan.
3. Kemampuan untuk menampilkan data dengan berbagai fariasi format dan peralatan keluaran.
4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui bisnis pengetahuan pemakai.

Keuntungan Sistem Pendukung Keputusan

Dengan berbagai karakter khusus yang dimiliki Sistem Pendukung Keputusan (SPK) dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :

1. SPK memperluas keampuan pengambil keputusan dalam memproses data/ informasi bagi pemakainya.
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama masalah yang sangat kompleks.
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.
4. Walaupun suatu SPK, mungkin saja tidak mampu memecahkan masalah yang dihadapioleh pengambil keputusan, namun ia dapat mengambil stimulan bagi pengambil keputusan dalam memahami persoalannya, karena mampu menyajikan berbagai alternatif pemecahan.

Metode Net Present Value (NPV)

Metode Net Present Value (NPV) merupakan metode penilaian investasi klasik yang sampai saat ini paling populer digunakan.
Rumus untuk menghitung NPV adalah :

di mana :

• Ct dimulai dari C1, C2, ... Cn dan merupakan net cash flow mulai dari tahun 1,2, ... sampai dengan tahun ke-k.
•  Co adalah initial cost atau biaya investasi yang diperlukan.
•  n adalah perkiraan umur projek.

Kriteria untuk menerima dan menolak rencana investasi dengan metode NPV adalah sebagai berikut :

•  Terima jika NPV > 0
•  Tolak jika NPV < 0
•  Kemungkinan diterima jika NPV = 0

NPV > 0 berarti projek tersebut dapat menciptakan cash inflow dengan persentase lebih besar dibandingkan oppurtunity cost modal yang ditanamkan. Apabila NPV = 0, projek kemungkinan dapat diterima karena
cash inflow yang akan diperoleh sama dengan oppurtunity cost dari modal yang ditanamkan.

Jadi semakin besar nilai NPV, semakin baik bagi projek tersebut untuk dilanjutkan.


sumber: http://mursids.blogspot.com/2011/03/metode-net-present-value-npv.html Diposkan oleh Dayat Java di 01.47 Tidak ada komentar:

Fuzzy Multiple Attribute Decision Making

Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. ( Kusumadewi, 2007).
Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. antara lain (Kusumadewi, 2006):
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)

SISTEM PENDUKUNG KEPUTUSAN DENGAN MENGGUNAKAN METODE TOPSIS

A.      Teknik Pemodelan

METODE TOPSIS (Technique For Others Reference by Similarity to Ideal Solution)

B.       Kategori

Kategori dari metode TOPSIS adalah kategori Multi-Criteria Decision Making (MCDM) yaitu teknik pengambilan keputusan dari beberapa pilihan alternatif yang ada ,khususnya MADC(Multi Attribute Decision Making).TOPSIS bertujuan untuk menentukan solusi ideal positif dan solusi ideal negatif. Solusi ideal positif memaksimalkan kriteria manfaat dan meminimalkan kriteria biaya, sedangkan solusi ideal negatif memaksimalkan kriteria biaya dan meminimalkan kriteria manfaat (Fan dan Cheng, 2009 : 4).

Kriteria manfaat merupakan kriteria dimana ketika nilai kriteria tersebut semakin besar maka semakin layak pula untuk dipilih. Sedangkan kriteria biaya merupakan kebalikan dari kriteria manfaat, semakin kecil nilai dari kriteria tersebut maka akan semakin layak untuk dipilih. Dalam metode TOPSIS, alternatif yang optimal adalah yang paling dekat dengan solusi ideal positif dan paling jauh dari solusi ideal negatif.

C.       Sejarah

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Kwangsun Yoon and Hwang Ching-Lai (1981).

·         Yoon, K., “System Selection by Multiple Attribute Decision Making,” Ph. D. Dissertation, Kansas State University, Manhattan, Kansas, 1980.

·         Yoon, K. and C. L. Hwang, “TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)- A Multiple Attribute Decision Making,” a paper to be published, 1980.

D.      Deskripsi Teknik Pemodelan

TOPSIS menggunakan prinsip bahwa alternatif yang terpilih tidak hanya mempunyai jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. 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 kedalam bentuk matematis yang sederhana (kusumadewi dkk. , 2006:88). Konsep fundamental dari metode ini adalah penentukan jarak Euclide terpendek dari solusi ideal positif dan jarak.

Langkah-langkah:

1)    Membangun normalized decision matrix. Elemen rij hasil dari normalisasi decision matrix R dengan metode Euclidean length  of a vector adalah:

 

2.) Membangun weighted normalized decision matrix. Dengan bobot W= (w1, w2,.....,wn), maka normalisasi bobot matriks V adalah:  

3) Menentukan solusi ideal dan solusi ideal negatif. Solusi ideal dinotasikan A*, sedangkan solusi ideal negatif dinotasikan A- 

 

 

  4)  Menghitung separasi .Si* adalah jarak (dalam pandangan Euclidean) alternatif dari solusi ideal didefinisikan sebagai:  

 

Dan jarak terhadap solusi negatif-ideal didefinisikan sebagai:

5) Menghitung kedekatan relatif terhadap solusi ideal

  

 

6) Merangking Alternatif .Alternatif dapat dirangking berdasarkan urutan Ci*. Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi negatif-ideal.  

Implementasi

Ø  Sistem Pendukung Keputusan Untuk Pemilihan Sistem Operasi dengan metode TOPSIS (Serkan Ballı and Serdar Korukoğlu,2009)

Ø  Sistem Pendukung Keputusan Untuk Pemilihan rencana strategi terbaik dalam Model BSC (Javad Dodangeh, Rosnah Bt Mohd Yusuff ,Javad Jassbi ,2010)

Ø  Sistem Pendukung Keputusan untuk menentukan peringkat siswa dalam pembelajaran TIK (Eka Risyana Pribadi,2010)

Ø  Pembuatan Peringkat Kabin Eksekutif ulang-alik Kereta Api menggunakan metode TOPSIS (lanjdono Josowidagdo,2003)

  Referensi

http://galerycatatan.blogspot.com/2013/05/sistem-pendukung-keputusan-dengan.html

http://jurnal.pdii.lipi.go.id/admin/jurnal/41032938.pdf

http://liyantanto.files.wordpress.com/2009/09/ahp-dan-topsis1.ppt

http://liyantanto.files.wordpress.com/2009/09/topsis-dan-entropy.ppt

http://repository.upi.edu/operator/upload/s_d0551_060046_chapter1(1).pdf

http://researcher.nsc.gov.tw/public/caroljoe/Data/02182133671.ppt

http://www.asr.org.tr/pdf/Vol14No2p119.pdf

http://www.jofamericanscience.org/journals/am-sci/am0603/18_2138_JAS_am0603_136_142.pdf