Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT Penentuan Bibit Kelapa Sawit Unggul Dengan Metode ARAS Dan TOPSIS Sitti Nur Alam1*.
Rolly Yesputra2.
Arridha Zikra Syah3.
Parini3.
Andi Ernawati4 1Fakultas Ilmu Komputer.
Program Studi Sistem Informasi.
Universitas Yapis Papua.
Indonesia 2Fakultas Ilmu Komputer.
Program Studi Sistem Komputer.
Universitas Royal.
Kisaran.
Indonesia 3,Fakultas Ilmu Komputer.
Program Studi Sistem Informasi.
Universitas Royal.
Kisaran.
Indonesia 4Prodi Teknologi Informasi dan Komunikasi.
Sekolah tinggi ilmu Kesehatan As Syifa - Kisaran Email: 1* azkadzar@gmail.
com, 2rollyyp1@gmail.
com, 3azsyra@gmail.
com, 4parini.
royal@gmail.
com, 5aernawati296@gmail.
Email Coressponding Author: azkadzar@gmail.
AbstrakOe Era Industri 4.
0 membuka peluang besar untuk meningkatkan produksi, efisiensi, dan kelestarian industri kelapa sawit.
Permasalahan yang dihadapi petani ialah Petani seringkali terhambat oleh keterbatasan pengetahuan dan ketiadaan panduan dalam memilih bibit karena bibit merupkan faktor penting dalam mendukung hasil yang memuaskan.
penelitian ini dilakukan guna membantu para pertani yang kesulitan dalam memilih bibit sawit yang dapat menjadi masalah bagi petani dikemudian hari.
Penelitian ini menggunakan metode ARAS dan TOPSIS untuk mengevaluasi bibit berdasarkan kriteria-kriteria yang telah diidentifikasi dan dianalisis, untuk menilai 10 jenis bibit unggul berdasarkan 5 kriteria: potensi minyak, ketahanan hama, harga bibit, masa tanam produktif, dan biaya perawatan.
Penelitian ini diharapkan dapat membantu petani kelapa sawit dalam meningkatkan produktivitas dan keuntungan mereka, serta mendukung kelestarian industri kelapa sawit di era Industri 4.
Metode ARAS dan TOPSIS terbukti efektif dalam membantu petani memilih bibit kelapa sawit unggul.
dari hasil penelitian yang dilakukan dengan metode ARAS dan TOPSIS bibit VIM 1 direkomendasikan sebagai pilihan terbaik berdasarkan poin yang Kata Kunci: Sistem Pendukung Keputusan.
ARAS.
TOPSIS.
Pemilihan bibit unggul,Industri 4.
0,Analisa bibit unggul.
AbstractOe The Industrial Era 4.
0 opens up great opportunities to increase production, efficiency and sustainability of the palm oil industry.
The problem faced by farmers is that farmers are often hampered by limited knowledge and lack of guidance in choosing plant seeds.
Because seeds are an important factor in supporting satisfactory results.
This research was carried out to help farmers who have difficulty in choosing oil palm seeds which could become a problem for farmers in the future.
This research uses the ARAS and TOPSIS methods to evaluate seeds based on criteria that have been identified and analyzed, to assess 10 types of superior seeds based on 5 criteria: oil potential, pest resistance, seed price, productive planting period, and maintenance costs.
It is hoped that this research can help oil palm farmers increase their productivity and profits, as well as support the sustainability of the palm oil industry in the Industry 4.
0 era.
The ARAS and TOPSIS methods have proven to be effective in helping farmers choose superior oil palm seeds.
From the results of research conducted using the ARAS and TOPSIS methods.
VIM 1 seeds were recommended as the best choice based on the points obtained.
Keywords: Decision Support Systems.
ARAS.
TOPSIS.
Selection of superior seeds.
Industry 4.
Analysis of superior seeds.
PENDAHULUAN
Revolusi Industri 4.
0 bukan sekadar perubahan, tetapi sebuah lompatan besar .
Bagi dunia pertanian, ini adalah kesempatan emas untuk meningkatkan produktivitas, efisiensi, dan keberlanjutan.
Dengan kerja sama dan komitmen bersama, kita dapat memastikan bahwa Revolusi Industri 4.
0 atau teknologi informasi mengantarkan sektor pertanian menuju masa depan yang lebih cerah dan berlimpah .
begitu juga dengan industri pertanian terutama kelapa sawit yang mengalami peningkatan Indonesia menduduki posisi puncak sebagai negara penghasil minyak kelapa sawit terbesar di dunia.
, sang primadona para pertani belakangan ini di antara tumbuhan lain, bukan sekadar tanaman biasa.
Ia menjelma menjadi bintang dalam dunia usaha bahan pertanian komersial, berperan penting dalam produksi minyak sawit yang mendunia .
maka dari itu penentuan bibit kelapa sawit menjadi faktor penting guna mencapai hasil yang maksimal.
Memilih bibit kelapa sawit unggul bagaikan meletakkan batu pertama dalam membangun kebun sawit yang kokoh dan berlimpah.
Bibit unggul ini bukan sekadar tanaman biasa, melainkan kunci utama dalam mewujudkan panen yang memuaskan .
Dalam upaya untuk memberikan solusi yang efektif, penelitian ini menggunakan dua metode utama dalam SPK untuk pemilihan bibit kelapa sawit, yakni rangkaian Additive Ratio Assessment (ARAS) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Kedua metode ini digunakan karena memiliki kemampuan untuk mengintegrasikan berbagai kriteria dan memberikan hasil yang komprehensif serta dapat diandalkan.
Pada penelitian sebelumnya dilakukan oleh Anita Santi.
Herlinah.
Nasrullah.
Abdul Jalil,.
Dengan judul penelitian AuSistem pendukung keputusan pemilihan bibit kelapa saeit unggul menggunakan metode TOPSIS pada Trinyty Palmas PlantationAy.
penelitian ini dapat menbantu pihak perusahaan dalam memilih bibit unggul .
dari hasil penelitian tersebut dihasilkan sebuah sistem penunjanng keputusan untuk menentukan bibit unggul pada PT.
TRINITY PALMAS PLANTATION dapat diselesesaikan dengan menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Sistem Pendukung Keputusan Menentukan Harvesters Buah Kelapa Sawit Terbaik Pada PT.
PP London Sumatera Indonesia Tbk.
Sei Merah Estate Menggunakan Metode ARASAy.
penelitian ini dilakukan oleh Anita Putri Ramadhani Maha.
Syaifuddin.
Moch Iswan Peranginangin .
dari hasil penelitian yang dilakukan dihasilkan sistem pendukung keputusan yang membantu pihak pengambil keputusan menentukan harvesters buah kelapa sawit terbaik berdsaasarkan hasil perankingan menggunakan metode Additive Ratio Assessment (ARAS).
Permasalahan yang dihadapi petani ialah Petani seringkali terhambat oleh keterbatasan pengetahuan dan ketiadaan panduan dalam memilih bibit tanaman.
Hal ini berakibat pada kualitas bibit yang tidak optimal, sehingga tanaman yang dihasilkan kurang produktif di masa depan.
Penelitian ini dilakukan dapat memberikan rekomendasi para petani untuk menemukan bibit kelapa sawit unggul yang dapat meningkatkan produktivitas dan kualitas panen.
dikarenakan masih banyak para petani yang tidak mengetahui bagaimana menilai bibit yang ungul untuk menghasilkan produktivitas dimasa yang akan datang .
Penelitian ini menggunakan metode ARAS dan TOPSIS untuk mengevaluasi bibit berdasarkan kriteria-kriteria yang telah diidentifikasi dan seperti tingkat masa produktif, ketahanan hama penyakit, dan produktivitas, harga bibit , serta biaya perawatan .
Data Copyright A 2025 Author.
Page 483 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT terkait kriteria ini akan dikumpulkan dari berbagai sumber terpercaya, seperti penelitian ilmiah, data statistik, dan pengalaman praktisi .
Hasil evaluasi dari kedua metode kemudian akan dibandingkan untuk mendapatkan rekomendasi bibit kelapa sawit Temuan ini selanjutnya akan digunakan oleh para petani sebagai bahan rujuakan dalam menentukan benih unggul yang tepat untuk kondisi lahan dan tujuan mereka, sehingga tercapai kebun sawit yang kokoh, berlimpah, dan berkelanjutan.
Penelitian ini menawarkan solusi inovatif untuk membantu petani kelapa sawit dalam memilih bibit unggul dan mencapai kebun sawit yang kokoh, berlimpah, dan berkelanjutan.
Perpaduan sains, teknologi, dan data menjadi kunci utama dalam mewujudkan masa depan cerah bagi industri kelapa sawit Indonesia.
METODOLOGI PENELITIAN
1 Tahapan Penelitian Metodologi penelitian bagaikan peta yang menuntun peneliti dalam perjalanannya mencari pengetahuan .
Sebelum melangkah ke dunia penelitian, penting untuk memahami metodologi penelitian.
Metodologi bagaikan peta yang menuntun peneliti dalam perjalanannya mencari pengetahuan.
Peta ini berisi tahapan-tahapan yang harus dilalui untuk mendapatkan metodologi yang tepat, sehingga penelitian dapat dilakukan secara terukur dan analisis permasalahan menjadi lebih mudah .
Berikut ini adalah tahapan Aetahapannya:
Survey literatur : Tahap pertama ini menyelami lautan literatur dan informasi yang relevan dengan topik penelitian Identifikasi masalah : tahap ini mengidentifikasi masalah yang ingin dipecahkan atau pertanyaan yang ingin dijawab melalui Studi pustaka : mempelajari literatur-literatur berupa buku dan karya ilmiah yang berhubungan dengan dengan motode ARAS dan TOPSIS Hipotesis : Peniliti memiliki hiopotesis awal:
Kelapa sawit yang dievaluasi dengan metode ARAS dan TOPSIS berdasarkan kriteria tingkat masa produktif, ketahanan hama penyakit, produktivitas, harga bibit, dan biaya perawatan akan menghasilkan rekomendasi yang berbeda.
Rekomendasi bibit kelapa sawit unggul dari SPK akan lebih unggul dibandingkan dengan pemilihan bibit secara konvensional oleh petani.
Penerapan SPK dengan metode ARAS dan TOPSIS dapat meningkatkan adopsi teknologi oleh para petani dalam memilih bibit kelapa sawit.
Penerapan metode metode Additive Ratio Assessment (ARAS) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
Penarikan kesimpulan dari hasil perhitungan yang dilakukan dengan metode ARAS dan TOPSIS.
2 Sistem pendukung keputusan (SPK) Sistem Pendukung Keputusan adalah alat ampuh untuk membantu penunjang keputusan yang lebih baik.
Dengan memanfaatkan Sistem Pendukung Keputusan, kita dapat membuat keputusan yang lebih objektif, efisien, dan konsisten, sehingga mencapai hasil yang optimal .
Sistem pendukung keputusan diibaratkan sebagai asisten cerdas yang dapat membantumu dalam mengambil keputusan.
Sistem ini dirancang khusus untuk menganalisis informasi, memberikan saran, dan membantu memilih solusi terbaik dari berbagai alternatif yang tersedia .
3 Metode ARAS ARAS merupakan metode untuk memberikan peringkat pada beberapa alternatif berdasarkan beberapa kriteria.
mengevaluasi alternatif dengan menghitung rasio antara keuntungan dengan biaya, kemudian menentukan peringkat alternatif berdasarkan rasio ini .
Metode ARAS menggunakan nilai utilitas (K.
tertinggi untuk menentukan alternatif terbaik pada pemilihan benih .
tahapan proses perangkingan menggunakan metode ARAS,:
pembentukan matriks keputusan x01 U x0J U x0N X= x11 U xij U xjn n1 U xmj U xmn ] Dimana:
m = Menunjukkan banyaknya pilihan atau solusi yang tersedia dalam suatu pengambilan keputusan.
n = Menunjukkan faktor yang digunakan untuk menilai alternatif.
Xij = erupakan skor atau nilai yang diberikan pada alternatif i berdasarkan kriteria j.
X0j = Merupakan nilai terbaik atau ideal yang ingin dicapai untuk setiap kriteria.
menentukan nilai optimal kriteria j (X0 .
ycoycaycu X0j = 1 .
Xij untuk Benefit ycoycnycu X0j = Xij untuk Cost tahap selanjutnya penormalisasian matriks keputusan pada setiap kriteria kalau kriteria bernilai benefit:
Copyright A 2025 Author.
Page 484 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT ycUycnyc Xij =Ocyco ycUycnyc Xij adalah nilai normasilasi ycn=0 Jikalau kriteria bernilai cost terbagi menjadi dua tahap:
Tahap 1:
Xij = Xij Tahap 2:
Xij Rij = Ocyco Xij ycn=0 berikutnya menetapkan bobot matriks yang telah dinormalisasi :
D = .
mXn = rij.
Dimana: Wj = Bobot berikutnya menetapkan fungsi optimalisasi (S.
Si = Ocn j= 1 dij : .
= 1, 2, .
m : j = 1, 2, .
, .
Nilai Maksimal (Si Tingg.
: Menunjukkan bahwa alternatif tersebut memiliki kualitas terbaik dan paling memenuhi kriteria pengambilan keputusan.
Nilai Minimal (Si Renda.
: Menunjukkan bahwa alternatif tersebut memiliki kualitas terburuk dan paling tidak memenuhi kriteria pengambilan keputusan.
Tahap berikutnya menentukan tingkatan peringkat tertinggi dari alternatif ycIycn Ki = ycI0 Dimana nilai Si dan S0 merupakan nilai kriteria optimalitas, di peroleh dari persamaan yang sudah jelas.
Alternatif dengan nilai K yang paling tinggi akan menghasilkan peringkat yang paling tinggi dan berurutan secara berkesinambungan, sehingga menghasilkan perangkingan yang akurat.
4 Metode TOPSIS TOPSIS merupakan rangkaian cerdas untuk menentukan alternatif terbaik dalam pengambilan keputusan multikriteria.
Metode ini mengantarkan kita pada alternatif yang optimal dengan mempertimbangkan kriteria yang ada .
Metode ini digunakan untuk mengevaluasi alternatif dengan membandingkan jarak dari solusi ideal positif dan solusi negatif ideal .
Tahapan melakukan perangkingan dengan metode TOPSIS ::
Menentukan kriteria dan sifat ,Memberikan niai kriteria yang menjadi pedoman pengambilan keputusan.
Menetqpkan rating kecocokan alternatif pada kriteria sesuai dengan penilaian berdasarkan performa benih .
Membuat matriks keputusan ternomrmalisasi.
ycUycnyc Rij = Ocyco ycUycnyc^2 ycn=1 Dimanan nilai i = nilai m menampilkan jumlah alternatif yang dievaluasi, dan nilai Xij menapilkan rating kecocokan alternatif ke-i terhadap kriteria ke-j.
Nilai matriks yang telah ternormalisasi (R) dikalikan dengan nilai bobot (W) menghasilkan matriks keputusan ternormalisasi terbobot (Y):
Yij = Wi .
Matriks solusi ideal positif (A ) dan Negatif (A-) Solusi Ideal Positif A Untuk menhitung persamaan yang dipakai untuk menentukan solusi ideal positif adalah:
A = (Y 1.
Y 2.
Y 3,A.
Y .
Solusi Ideal Negatif A Untuk menghitung persamaan yang dipakai untuk menentukan solusi ideal negatif ialah:
A = (Y-1.
Y-2.
Y-3,A.
Y-.
menentukan jarak nilai setiap alternatif menggunakan matriks solusi ideal positif dan negatif :
Di = ocycuyc=1.
cycn Oe ycycnyc )2 Menentukan Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan :
yayaOe = ocycuyc=1( ycycnyc Oe ycycnOe )2 Selanjutnya menentukan nilai preferensi dari setiap alternatif yang telah dihitung Nilai preferensi untuk setiap alternatif (V.
diberikan sebagai:
yaOe Vi = yaOe ya ya ya ya Copyright A 2025 Author.
Page 485 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT Nilai Vi yang lebih paling besar menunjukkan bahwa alternatif Ai tersebut yang akan dipilih.
5 Bibit unggul Benih atau bibit unggul merupakan benih tanaman yang telah melalui proses seleksi dan pengujian yang ketat untuk memastikan kualitas dan sifat unggulnya.
benih unggul memiliki keistimewahan seperti hasil panen yang tinggi,ketahanan terhadap hama dan penyakit ,serta memiliki kemampuan beradaptasidengan kondisi lingkungan yang menantang.
penggunaan benih unggul dapat meningkatkan produktivitas tanamandan menghasilkan kualitas yang lebih baik.
HASIL DAN PEMBAHASAN
1 Perhitungan metode ARAS Penetapan Alternatif Dalam penelitian ini, digunakan 10 alternatif bibit unggul yang akan di nilai dan analisis.
Pemilihan sepuluh alternatif ini bertujuan untuk memberikan gambaran yang luas dan representatif mengenabibit klelapa sawit mana yang terbaik.
Data alternatif tersebut dapat dilihat pada tabel 1 sebagai berikut:
Tabel 1 data alternatif
KODE VARIETAS
Dura Deli
Tenera lae
PB 26
DTP 1
VIM 1
MK 621
KW 1
ANDAN 9
Dami Mas A10 Madu Penetapan Ktriteria Dalam penelitian ini, terdapat lima kriteria data yang menjadi fokus utama evaluasi.
Data kriteria mencakup potensi minyak , ketahanan hama, harga bibit, umur tanam produktif dan biaya perawatan sehingga menjadi ketepatan dalam pemilihan bibit Data kriteria tersebut dapat dilihat pada tabel 2 sebagai berikut:
Tabel 2 Data kriteria
Kode
Nama Potensi minyak yang dihasilkan Ketahanan Hama
Harga Bibit Umur Tanam produktif
Biaya perawatan Atribut
Benefit
Benefit
Cost
Benefit
Cost
Bobot
0,15
O,2
Dari data yang sudah dimulai ,selanjutnya menentukan rating kecocokan seperti tabel dibawah ini:
Tabel 3 tabel kriteria Nama Sangat Baik Baik Cukup Baik Buruk Sangat Buruk Selanjutnya menentukan rating kecocokan alternatif pada setiap kriteria.
berikut rating kecocokannya:
Copyright A 2025 Author.
Page 486 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT Tabel 4 rating kecocokan Alternatif
A10
sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik cukup baik sangat baik cukup baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik sangat baik cukup baik sangat baik cukup baik sangat baik sangat baik sangat baik Tabel 5 rating kecocokan Alternatif
A10
Perhitunhgan Metode ARAS Tabel 6.
Merumuskan matriks keputusan Alternatif
A10
penormalisasian matriks keputusan pada setiap kriteria R0.
1 = 54 = 0,0926
R1.
1 = 54 = 0,0741
R2.
= 0,0926
R3.
1= 54 = 0,0926
Copyright A 2025 Author.
Page 487 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT Dari perhitungan dapat diperoleh Matriks keputusan telah dinormalisasi:
0,0926
0,0741
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,1163
0,0698
0,0465
0,1163
0,0930
0,0930
0,0930
0,0930
0,0930
0,0930
0,0930
0,1325
0,1325
0,0993
0,0795
0,0795
0,0795
0,0795
0,0795
0,0795
0,0795
0,0795
0,0926
0,0741
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,0926
0,1190
0,0893
0,1190
0,0714
0,0893
0,1190
0,0714
0,0893
0,0714
0,0714
0,0893
Menetapkan bobot matriks yang telah dinormalisasikan dengan terhadap bobot kriteria.
D0.
1 = rij.
wj = 0,0926 * 03 = 0,0278 D1.
1 = rij.
wj = 0,0741* 03 = 0,0222 D2.
1 = rij.
wj = 0,0926 * 03 = 0,0278 D3.
1 = rij.
wj = 0,0926 * 03 = 0,0278 Dari perhitungan di atas diperoleh matriks sebagai berikut ini:
0,02778
0,02222
0,02778
0,02778
0,02778
0,02778
0,02778
0,02778
0,02778
0,02778
0,02778
0,02326
0,01395
0,00930
0,02326
0,01860
0,01860
0,01860
0,01860
0,01860
0,01860
0,01860
0,01987
0,01987
0,01490
0,01192
0,01192
0,01192
0,01192
0,01192
0,01192
0,01192
0,01192
0,01852
0,01481
0,01852
0,01852
0,01852
0,01852
0,01852
0,01852
0,01852
0,01852
0,01852
0,02381
0,01786
0,02381
0,01429
0,01786
0,02381
0,01429
0,01786
0,01429
0,01429
0,01786
tahap selanjutnya memberikan nilai S, dengan menjumlahkan nilai kriteria setiap alternatif.
S0 = 0,0278 0,02326 0,01987 0,01852 0,02381 = 0,1132
S1 = 0,0222 0,01395 0,01987 0,01481 0,01786= 0,0887
S2 = 0,0278 0,00930 0,01490 0,01852 0,02381 = 0,0943
S3 = 0,0278 0,02326 0,01192 0,01852 0,01429= 0,0958
Menentukan peringkat tertinggi dari alternatif.
K1=
0,0887
0,1132
= 0,7835
0,0943
K2= 0,1132 = 0,8329
0,0958
K3= 0,1132 = 0,8457
Alternatif Tabel 7.
Menentukan peringkat tertinggi 0,1132 0,0887 0,0943 0,0958 0,0947 0,1006 0,7835 0,8329 0,8457 0,8362 0,8887 Copyright A 2025 Author.
Page 488 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT A10
0,0911
0,0947
0,0911
0,0911
0,0947
0,8046
0,8362
0,8046
0,8046
0,8362
Hasil perhitungan yang dilakaukan ddiatas dapat diperoleh hasil tabel tingkatan peringkat dari setiap alternatif sebagai berikut Tabel 8 peringkat dari setiap alternatif
VARIETAS
Dura Deli
Tenera lae
PB 26
DTP 1
VIM 1
MK 621
KW 1
ANDAN 9
Dami Mas Madu
RANK
Dari hasil perangkingan yang dilakukan pada 10 jenis bibit kelapa sawit,nilai ki tertinggi di peroleh VIM 1 dengan nilai 0,8887, dan nilai terendah dura deli dengan nilai 0,7835.
2 Perhitungan metode TOPSIS langkah pertama membuat matriks keputusan ternormalisasi:
R1,1 = 15,52417 = 0,257663
R2,1 = 15,52417 = 0,322078
R3,1 = 15,52417 = 0,322078
Nilai matriks r dari hasil perhitungan di atas 0,257663 0,322078 0,322078 0,322078 0,322078 0,322078 0,322078 0,322078 0,322078 0,322078 0,244949 0,163299 0,408248 0,326599 0,326599 0,326599 0,326599 0,326599 0,326599 0,326599 0,266667 0,333333 0,333333 0,333333 0,333333 0,333333 0,333333 0,333333 0,333333 0,257663
0,322078
0,322078
0,322078
0,322078
0,322078
0,322078
0,322078
0,322078
0,322078
0,2965
0,222375
0,370625
0,2965
0,222375
0,370625
0,2965
0,370625
0,370625
0,2965
Nilai dari setiap data yang telah ternormalisasi (R) selanjutnya dikalikan dengan nilai bobot (W) sehingga menghasilkan mendapatkan matriks keputusan ternormalisasi terbobot.
0,077299
0,096623
0,096623
0,096623
0,096623
0,04899
0,03266
0,08165
0,06532
0,06532
0,03
0,04
0,05
0,05
0,05
0,051533
0,064416
0,064416
0,064416
0,064416
0,0593
0,044475
0,074125
0,0593
0,044475
Copyright A 2025 Author.
Page 489 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT 0,096623 0,096623 0,096623 0,096623 0,096623 0,06532 0,06532 0,06532 0,06532 0,06532 0,05 0,05 0,05 0,05 0,05 0,064416 0,064416 0,064416 0,064416 0,064416 0,074125 0,0593 0,074125 0,074125 0,0593 Menentukan Matriks solusi ideal positif (A ) dan Negatif (A-) matriks ideal solusi positif (A ) .
,096623 0,08165 0,03 0,064416 0,044.
matriks ideal solusi positif (A-) .
,077299 0,03266 0,05 0,051533 0,074.
Menentukan jarak nilai setiap alternatif dengan matriks solusi ideal positif dan negatif.
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:
Di = ocycuyc=1.
cycn Oe ycycnyc )2 Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai:
yayaOe = ocycuyc=1( ycycnyc Oe ycycnOe )2 Dari perhitungan yang dilakukan berikut ini jarak matriks solusi ideal positif dan negatifnya:
Tabel 9 jarak matriks solusi positif dan negatif
D10
0,04273
0,05
0,035765
0,029773
0,02582
0,039317
0,029773
0,039317
0,039317
0,029773
D1D2D3D4D5D6D7D8D9D10-
0,029773
0,038968
0,054216
0,04273
0,049852
0,040076
0,04273
0,040076
0,040076
0,04273
Menilai preferensi dari setiap alternatif.
dimana nilai Vi yang paling tinggi menunjukkan bahwa alternatif Ai tersebut yang menjadi dipilihan terbaik.
0,029773
V1 = 0,072503 = 0,410646
0,038968
V2 = 0,088968 = 0,438003
0,054216
V3 = 0,089981 = 0,60253
Dari hasil perhitungan di atas dapat dilakukan perangkingan dimana nilai Vi tertinggi menjadi pilihan terbaiknya.
Tabel 10.
perangkingan alternatif Varietas 0,410646 0,438003 0,60253 0,589354 0,658791 0,504783 0,589354 Rank Copyright A 2025 Author.
Page 490 Jurnal BIT is licensed under a Creative Commons Attribution 4.
0 International License Bulletin of Information Technology (BIT) Vol 6.
No 4.
Desember 2025.
Hal.
483 - 491
ISSN 2722-0524 .
edia onlin.
DOI 10.
47065/bit.
https://journal.
org/index.
php/BIT V10
0,504783
0,504783
0,589354
Dari perangkingan dengan metode TOPSIS rangking tertinggi diperoleh oleh VIM1 dengan nilai 0,658791,dan nilai terendah diperoleh oleh Dura Deli dengan nilai 0,410646.
2 Pembahasan Metode ARAS telah sukses dalam menentukan bibit sawit unggul terbaik dari 10 alternatif yang tersedia.
VIM 1 (A.
keluar sebagai pemenang dengan nilai kesamaan tertinggi, menunjukkan kinerja terbaiknya secara keseluruhan.
Dura Deli (A.
dan PB 26 (A.
menempati posisi kedua dan ketiga dengan nilai kesamaan yang mendekati VIM 1 (A.
, menandakan bahwa kedua alternatif ini juga merupakan pilihan yang patut dipertimbangkan.
Peringkat untuk alternatif lainnya dapat diinterpretasikan dengan cara yang sama, memberikan gambaran menyeluruh tentang performa bibit sawit yang dianalisis.
Metode TOPSIS telah berhasil menentukan bibit sawit unggul terbaik dari 10 alternatif yang dianalisis.
VIM 1 (A.
keluar sebagai pemenang dengan nilai preferensi tertinggi, menunjukkan bahwa alternatif ini memiliki kinerja terbaik secara keseluruhan.
DTP 1 (A.
dan PB 26 (A.
menempati posisi kedua dan ketiga, menunjukkan bahwa kedua alternatif ini juga merupakan pilihan yang patut KESIMPULAN.
Setelah melalui proses evaluasi menyeluruh menggunakan metode ARAS dan TOPSIS.
VIM 1 (A.
terpilih sebagai bibit sawit unggul terbaik dari 10 alternatif yang dianalisis.
Keunggulan VIM 1 (A.
:Metode ARAS: VIM 1 (A.
meraih nilai kesamaan tertinggi, menunjukkan kinerja yang unggul secara keseluruhan.
Metode TOPSIS: VIM 1 (A.
memiliki nilai preferensi tertinggi, menegaskan performa terbaiknya.
Meskipun VIM 1 (A.
DPT 1(A.
dan PB 26 (A.
patut dipertimbangkan Kedua alternatif ini menunjukkan nilai kesamaan dan preferensi yang mendekati VIM 1 (A.
Meskipun VIM 1 (A.
merupakan pilihan utama, pertimbangkan faktor lain seperti ketersediaan bibit, harga, dan kecocokan dengan kondisi lingkungan setempat sebelum mengambil keputusan akhir.
Kedua metode.
ARAS dan TOPSIS, secara konsisten menunjukkan VIM 1 (A.
sebagai bibit sawit unggul terbaik.
Kinerja VIM 1 (A.
yang luar biasa dalam hal kesamaan dan preferensi menjadikannya pilihan yang tepat untuk meningkatkan produktivitas kebun sawit.
REFERENCES