Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2985-9735 Perbandingan Analisis Metode Saw Dan Topsis (Studi Kasus Percetaka.
Pamuji Setiawan Prodi Manajemen Informatika Fakultas Ilmu Komputer.
Institut Bakti Nusantara.
Lampung E-mail : pamujisetiawan991@gmail.
Abstrak In the analysis of decision making on problems based on subjective personal analysis without using a particular method, there is usually a high error rate so this will endanger decision making which will lead to regret.
There are several types of methods and one of them is the Decision Support System (DSS) method which can be used for the decision making process, but there are 2 methods that are often used in analyzing the decision making process, namely the Simple Additive Weighting (SAW) method and Technique For Others Referencean by Similarity to Ideal Solution (TOPSIS).
To find out the best name between the two methods, several weighting changes were made and the test results showed similarities in the decision making .
roblem solvin.
The purpose of this research is whether decision making can use one of the SAW or TOPSIS From this, it can result in a ranking of the 2 methods that produce the best solutions, which will determine strategic locations to increase the turnover of printing businesses (MSME.
Keywords: DSS.
SAW.
TOPSIS.
UMKM.
Abstrak Di Dalam analisis pengambilan keputusan terhadap masalah berdasarkan sebuah analisa pribadi yang subjektif tanpa menggunakan metode tertentu, biasanya memiliki tingkat kesalahan yang tinggi sehingga hal ini akan membahayakan pengambilan keputusan yang berujung pada penyesalan.
Ada beberapa macam metode dan salah satunya adalah metode Decision Support System (DSS) yang dapat digunakan untuk proses pengambilan keputusan, namun ada 2 metode yang sering dipakai dalam melakukan analisis proses pengambilan keputusan yaitu metode Simple Additive Weighting (SAW) dan Technique For Others Referencean by Similarity to Ideal Solution (TOPSIS).
dalam mengetahui nama yang terbaik diantara 2 metode tersebut, maka dilakukan beberapa perubahan pembobotan dan hasil pengujian diperoleh kesamaan apakah dalam proses pengembilan keputusan .
emecahan masala.
Tujuan dari penelitian ini adalah apakah pengambilan keputusan dapat menggunakan salah satu metode SAW atau TOPSIS.
dari hal tersebut dapat mengahasilkan Perangkingan 2 metode yang menghasilkan solusi terbaik akan menentukan lokasi yang strategis untuk meningkatkan omzet usaha percetakan (UMKM).
Kata Kunci: DSS.
SAW.
TOPSIS.
UMKM.
This work is licensed under Creative Commons Attribution License 4.
0 CC-BY International license PENDAHULUAN Dalam mengambil keputusan terhadap suatu masalah haruslah tepat sasaran, karena hal ini berkaitan dengan tindakan yang akan dilakukan.
Apalagi masalah tersebut terkait dengan kemajuan suatu organisasi atau perusahaan yang melibatkan banyak pihak, sehingga kesalahan yang timbul berdampak pada mundurnya .
perusahaan tersebut (Universitas Dharma Andalas dkk.
, 2.
Karena itu perlu suatu teknik atau metode dalam mengambil keputusan.
Perusahaan yang gagal biasanya muncul dari keputusan yang lemah karena keputusan yang diambil hanya berdasarkan persepsi pimpinan tanpa melakukan sebuah kajian mendalam pada masalah yang ada.
Beberapa metode yang banyak digunakan dalam pengambilan keputusan pada hal yang berkaitan dengan multiple attribute decision making (MADM) diantaranya: simple additive weighting (SAW), weighted product (WP).
TOPSIS dan analytic hierarchy process (AHP), namun 2 metode yang sering digunakan yakni SAW dan TOPSIS dalam pengabilan keputusan oleh pihak manajemen.
Sehingga perlu mendalami 2 metode tersebut agar diketahui metode yang lebih baik dalam pengambilan suatu keputusan.
Pelaksanaan 2 metode tersebut dilakukan pada salah satu usaha percetakan di kota Metro Lampung (Fitriady, t.
) dan (Afidah Rozi Anti, t.
Adapun rumusan masalah sebagai berikut: bagaimana pemanfaatan metode SAW dan TOPSIS dalam mengatasi kasus semi terstruktur dan bagaimana mencari model yang lebih baik apakah SAW atau TOPSIS dalam pengambilan keputusan usaha percetakan.
Sehingga tujuan yang diharapkan adalah menghasilkan solusi yang tepat dengan model SAW dan TOPSIS dan mengetahui perbandingan model yang terbaik dalam menyelesaikan suatu kasus percetakan semi terstruktur.
(Putri, t.
Menurut (Modul Sistem Penunjang Keputusan.
pdf, t.
) Sistem pendukung keputusan merupakan suatu sistem komputer yang berisi 3 komponen interaksi, yaitu: sistem bahasa .
ekanisme komunikasi antara pengguna dengan komponen lain dalam DSS), sistem pengetahuan .
udang pengetahuan dari domain permasalahan yang berupa data atau prosedu.
, dan sistem pemrosesan masalah .
ubungan antara 2 komponen yang berisi 1 atau lebih kapabilitas dalam memanipulasi masalah yang dibutuhkan dalam pengambilan keputusa.
Menurut (Rina Candra Noor Santi, 2.
Sistem Pendukung Keputusan merupakan sebuah sistem yang menyediakan kemampuan dalam penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur.
Jurnal Sistem Informasi Dan InformatikaAe JISKA Vol.
03 No.
1 Januari 2025 Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2985-9735 Multi-Attribute Decision Making (MADM) Menurut (Mailasari, 2.
dan (Munadi dkk.
, 2.
memberikan batasan tentang adanya beberapa fitur umum yang akan digunakan dalam MADM, yaitu: .
Alternatif, adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.
Atribut, sering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan.
Meskipun pada kebanyakan kriteria bersifat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan.
Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.
Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria.
W = .
1, w2, .
, w.
Pada MADM akan dicari bobot kepentingan dari setiap kriteria.
Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xij, yang merepresentasikan rating dari alternatif Ai .
=1,2,.
terhadap kriteria Cj .
=1,2,.
Masalah MADM adalah mengevaluasi m alternatif Ai .
=1,2,.
terhadap sekumpulan atribut atau kriteria Cj .
=1,2,.
, dimana setiap atribut saling tidak bergantung satu dengan yang lainnya.
Kriteria atau atribut dapat dibagi menjadi dua kategori, yaitu: .
Kriteria keuntungan adalah kriteria yang nilainya akan dimaksimumkan, misalnya: keuntungan.
IPK .
ntuk kasus pemilihan mahasiswa berprestas.
, dll.
Kriteria biaya adalah kriteria yang nilainya akan diminimumkan, misalnya: harga produk yang akan dibeli, biaya produksi, dan lainnya.
Pada MADM, matriks keputusan setiap alternatif terhadap setiap atribut.
X, diberikan sebagai:
Gambar 2 menunjukkan xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j.
Rating kinerja (X), dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan.
Masalah MADM diakhiri dengan proses perankingan untuk mendapatkan alternatif terbaik yang diperoleh Berdasarkan nilai keseluruhan preferensi yang diberikan.
Umumnya akan dicari solusi ideal.
Pada solusi ideal akan memaksimumkan semua kriteria keuntungan dan meminimumkan semua kriteria biaya.
METODE PENELITIAN
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM, antara lain:
Simple Additive Weighting (SAW), .
Weighted Product (WP), .
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), dan .
Analytic Hierarchy Process (AHP), namun SAW dan TOPSIS merupakan metode yang paling mudah dan banyak digunakan dalam suatu proses pengambilan keputusan.
Metode Simple Additive Weighting (SAW) Menurut (Henri Aprianti, 2.
Metode Simple Additive Weighting (SAW) Simple Additive Weighting (SAW) merupakan metode penjumlahan terbobot.
Konsep dasar Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada suatu kriteria.
Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matrix keputusan (X) kesuatu skala yang dapat diperbandingkan dengan semua ranting alternatif yang ada dan Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan terbobot (Jufri & Hamka, 2.
Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.
(Darmawan dkk.
, 2.
Jurnal Sistem Informasi Dan InformatikaAe JISKA Vol.
03 No.
1 Januari 2025 Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2985-9735 rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj.
i=1,2,.
,m dan j=1,2,.
,n.
Nilai preferensi untuk setiap alternatif (V.
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Metode Topsis Menurut (Trise Putra dkk.
, 2.
Topsis adalah 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.
Namun, alternatif yang mempunyai jarak terkecil dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal negatif.
(Lauryn dkk.
, 2.
Adapun langkah-langkah penyelesaian masalah MADM dengan TOPSIS yakni membuat matriks keputusan yang ternormalisasi.
Membuat matriks keputusan yang ternormalisasi terbobot (Talan & Sari, 2.
Menentukan matriks solusi ideal positif & matriks solusi ideal negatif.
Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif & matriks solusi ideal negatif.
Menentukan nilai preferensi untuk setiap alternatif.
TOPSIS membutuhkan rating kinerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi sesuai formula 3.
Solusi ideal positif A dan solusi ideal negatif A- dapat ditentukan berdasarkan rating bobot ternormalisasi .
dapat dilihat pada formula 4.
Untuk Jarak antara alternatif Ai dengan solusi ideal positif yang ditunjukkan pada Dan Jarak antara alternatif Ai dengan solusi ideal negatif ditunjukkan pada formula 6.
Adapun nilai preferensi untuk setiap alternatif (V.
ditunjukkan pada formula 7 .
Hasil dan Pembahasan Menentukan kriteria dan memberikan keterangan sifat benefit atau cost Kriteria Tabel 1 Kriteria dan Sifat Kriteria Keterangan Jarak antara percetakan yang ada .
Taksiran .
Jarak dengan pusat keramaian .
Sewa Tempat lokasi (Rp / Bula.
Benefit/Cost Benefit Benefit Benefit Cost Pada Tabel 1 menunjukkan keuntungan .
karena memberikan peluang besar dalam menambah omzet, sementara biaya akan keluar dengan sewa tempat Jurnal Sistem Informasi Dan InformatikaAe JISKA Vol.
03 No.
1 Januari 2025 Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2985-9735 Penyelesaian dengan Simple Additive Weighting ( SAW) Pada penyelesaian metode SAW normalisasi dilakukan pada matriks X, menjadi matriks R.
Yang diilustrasikan sesuai Tabel 3.
Tabel 3 Normalisasi X ke R
Alternatif
Nilai di Setiap Kriteria
0,78
0,67
0,60
0,67
1,00
1,00
1,00
1,00
1,11
0,44
0,80
0,73
Normalisasi pada Tabel 3 dilakukan dengan mencari nilai maksimal .
ila benefi.
Nilai maksimal tersebut dijadikan pembagi dari semua nilai pada kriteria yang sama.
Begitupun bila alternatifnya adalah biaya .
atau nilai minimum, maka nilai tersebut menjadi pembagi pada kriteria yang sama.
Sehingga nilai preferensi setiap alternatif sesuai ilustrasi Tabel 4.
KODE
Tabel 4 Nilai preferensi
NILAI
RANGKING
0,667
1,000
0,704
NIlai Preferensi diperoleh dari nilai pembobotan tiap kriteria dikalikan dengan nilai normalisasi tiap alternatif, dan kriteria yang sama Alternatif
Tabel 2 Nilai Alternatif
Nilai di Setiap Kriteria
0,35
0,45
0,15
0,25
Tabel 2 menunjukkan Alternatif A1 =Tamalanrea.
A2 = Antang dan A3 =BTP.
Nilai bobot W1 =15,W2 =35.
W3=25, dan W4=25.
Penyelesaian dengan TOPSIS Terlebih dahulu melakukan normalisasi terhadap matriks X, menjadi matriks R yang ditunjukkan padaTabel 5.
Alternatif
Tabel 5 Normlisasi nilai R
Nilai Disetiap Kriteria
0,461566331
0,520265982
0,424264069
0,593442426
0,780398973
0,707106781
0,659380473
0,346843988
0,565685425
0,661581416
0,441054277
0,606449631
Nilai Normalisasi pada Tabel 5 diperoleh dengan membagi tiap kriteria alternative dengan total krteria (An / ycNycuycycayco ycoycycnycyceycycnyc.
Langkah selanjutnya adalah mencari matriks Y yang dilustrasikan sesuai Tabel 6.
Alternatif
Tabel 6 Normalisasi nilai Y
Nilai Disetiap Kriteria
9,231326628
15,60797945
14,8492424
11,86884852
23,41196918
24,74873734
13,18760947
10,40531963
19,79898987
9,923721236
6,615814157
9,096744466
Nilai Normalisasi Y diperoleh dengan mengalikan nilai matriks R dengan bobotnya (W) .
Selanjutnya menentukan Solusi Ideal Positif (A ) dan Solusi Ideal Negatif (A-) Jurnal Sistem Informasi Dan InformatikaAe JISKA Vol.
03 No.
1 Januari 2025 Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis Solusi Ideal Positif
Kode
Tabel 7 Sosial Ideal Positif dan Negatif
Solusi Ideal Negatif
Nilai Kode
13,18761
23,41197
24,74874
6,61581
E-ISSN : 2985-9735
Nilai 9,23133 10,40532 14,84924 9,09674 Tabel 7 diiperoleh dari memilih nilai max (A ) yang tertinggi dan (A-) merupakan nilai yang terendah dari seluruh alternatif yang ada.
Langkah berikutnya adalah menentukan jarak alternatif terhadap solusi ideal positif (D ) dan solusi ideal negatif (D-).
Tabel 8 Solusi Ideal Positif dan Negatif Jarak Alternatif terhadap solusi Ideal Positif Jarak Alternatif terhadap solusi Ideal Negatif Kode Nilai Kode Nilai 13,6197 5,2680 1,3188 16,7417 14,1361 9,1346 Tabel 8 diperoleh dengan memindahkan dan mengatur MAX dan nilai MIN.
Langkah terakhir yakni mencari nilai preferensi tiap alternatif yang diilustrasikan pada Tabel 9.
KODE
Tabel 9 Nilai preferensi
NILAI
RANGKING
0,278910471
0,926980764
0,392538212
Nilai preferensi diperoleh dari jumlah seluruh nilai solusi ideal dibagi dengan ycycuycycayco ycuycnycoycaycn ycAyaycU ycycuycycayco ycuycnycoycaycn ycAycnycu Perbandingan SAW dengan TOPSIS Untuk mengetahui metode yang baik, maka dilakukan perubahan pembobotan.
Yang diilustrasikan pada Tabel 10 berikut:
Tabel 10 Pemberian Bobot Nilai Bobot Lama 1 Nilai Bobot Baru 2 Kode bobot Nilai Bobot Baru 3 Langkah selanjutnya dilakukan proses perangkingan.
Sehingga diperoleh nilai yang sama pada tiap-tiap pembobotan seperti ilustrasi Tabel 11 berikut:
Kode Bobot Tabel 11 Perangkingan metode SAW dan TOPSIS Rangking SAW Rangking TOPSIS Tabel 11 menunjukkan ada kesamaan penggunaan metode SAW dan TOPSIS untuk pengambilan suatu Jurnal Sistem Informasi Dan InformatikaAe JISKA Vol.
03 No.
1 Januari 2025 Jurnal Sistem Informasi Dan Informatika Vol.
3 No.
2 Januari 2025 Hal.
http://jurnal.
id/index.
php/jteksis E-ISSN : 2985-9735 Kesimpulan Berdasarkan dari hasil pembahasan dan beberapa proses pengujian, maka disimpulkan:
ue Alternatif yang mengantarkan perusahaan meningkatkan omzet adalah dengan memilih lokasi yang dapat mengutamakan untuk mengembangkan usahanya.
ue Berdasarkan pengamatan menggunakan model SAW dan TOPSIS dengan melakukan pergantian bobot maka kami melihat bahwa kedua model tersebut memiliki kesamaan dalam proses pemecahan masalah.
Adapun saran penelitian ini adalah:
ue Dapat dijadikan acuan dan pedoman untuk memilih lokasi yang strategi dalam pengembangan usaha ue Menggunakan metode pengambilan keputusan yang lain dan membandingkannya dengan metode SAW dan TOPSIS.
Ucapan Terima Kasih Penulis mengucapkan terima kasih kepada semua mitra yang membantu atas kelancaran pelaksanaan penelitian dan penulisan artikel AuPerbandingan Analisis Metode SAW dan TOPSIS .
tudi kasus Percetaka.
Ay Semoga artikel ini dapat menambah wawasan bagi setiap pembacanya.
DAFTAR PUSTAKA