SlideShare a Scribd company logo
1 of 38
Download to read offline
Teknik Informatika UHO Kendari
2016
Materi:
 Metode Technique for Order of Preference
by Similarity to Ideal Solution (TOPSIS)
 Contoh penerapan metode TOPSIS pada
kasus penentuan guru berprestasi.
Materi Kuliah Kelas Ekstensi JurusanTeknik Informatika UHO Kendari
Technique for Order of
Preference by Similarity to Ideal
Solution (TOPSIS) merupakan
metode yang cukup populer
dan telah dipergunakan secara
luas dalam bidang SPK
Penemu MetodeTOPSIS
TOPSIS adalah salah satu metode pengambilan keputusan
multikriteria yang pertama kali diperkenalkan oleh Yoon dan
Hwang (1981)
TOPSIS didasarkan pada konsep
dimana alternatif terpilih yang terbaik
tidak hanya memiliki jarak terpendek
dari solusi ideal positif, namun juga
memiliki jarak terpanjang dari solusi
ideal negatif (Kusumadewi, 2006:87).
TOPSIS menggunakan prinsip bahwa
alternatif yang terpilih harus mempunyai
jarak terdekat dari solusi ideal positif dan
terjauh dari solusi ideal negatif dengan
menggunakan jarak Euclidean untuk
menentukan kedekatan relatif dari suatu
alternatif dengan solusi optimal.
Technique for Order of Preference by Similarity to
Ideal Solution (TOPSIS)
AlgoritmaTOPSIS
disertai Contoh
Contoh Kasus sederhana:
Pemilihan Guru Berprestasi
Pemilihan Guru Berprestasi
 Menjelang bulan Mei setiap tahunnya selalu diadakan kompetisi antar
guru se-Indonesia dalam Pemilihan Guru Berprestasi mulai dari
tingkat sekolah, kecamatan, kabupaten, provinsi dan final di tingkat
nasional.
 Guru berprestasi dalam pelaksanaan pembelajaran merupakan guru yang
mampu melaksanakan tugas pokok dan fungsinya (Tupoksi) dengan baik
dalam pelaksanaan pembelajaran yang terdiri atas serangkaia kegiatan.
 Pemilihan Guru Berprestasi menjadi ajang kompetisi positif antar peserta
dalam meningkatkan kompetensi dan profesionalisme mereka.
 Oleh karena itu, dengan menerapkan metode TOPSIS, diharapkan dapat
memberikan solusi berupa sistem pengambilan keputusan yang bisa
digunakan secara efektif dan efesien.
Kriteria 1:
Portofolio Guru
Dalam mengukur prestasi guru, portofolio merupakan komponen
yang paling penting. Portofolio guru merupakan suatu kumpulan dari
pekerjaan yang dihasilkan oleh seorang guru, yang didesain untuk
menggambarkan talenta/prestasi yang dimilikinya.
Kriteria 2:
Tes Tertulis
Tes Tertulis merupakan tes/ujian dalam bentuk tertulis mengenai
materi-materi tertentu sesuai dengan bidang ilmu seorang guru.
Kriteria 3:
Tes Kepribadian
Tes Kepribadian merupakan tes yang dilakukan untuk mengetahui
kepribadian atau kecenderungan seorang guru.
Kriteria 4:
Tes Wawancara
Kriteria 5:
Makalah
Dalam penentuan guru berpestasi, biasanya akan dilakukan penilaian
mengenai makalah PTK (Penelitian Tindakan Kelas) yang telah
disusun oleh guru.
Diketahui bahwa bobot tiap Kriteria adalah
sebagai berikut:
Kriteria portofolio
tes
tertulis
tes
kepribadian
wawancara
membuat
makalah
Kepentingan atau Bobot 5 4 2 3 3
kepentingan
1 Sangat Rendah
2 Rendah
3 Cukup
4 Tinggi
5 Sangat Tinggi
ALTERNATIF
1. Pak A 2. Ibu B
3. Ibu C 4. Pak D
Misalnya tersedia
4 Alternatif
Langkah 1: Buat sebuah
matriks xij yang terdiri atas
m alternatif dan n kriteria.
Matriks ini berisi bobot/grade dari masing-masing
alternatif terhadap tiap kriteria yang ada.
Menentukan grade dari masing-masing alternatif
terhadap kriteria sehingga terbentuk matriks xij
Alternatif/
Kriteria portofolio
tes
tertulis
tes
kepribadian wawancara
membuat
makalah
Bapak A 3 3 4 3 2
Ibu B 4 4 5 2 2
Ibu C 3 3 4 3 4
Bapak D 5 3 5 2 3
grade
1 sangat buruk
2 buruk
3 cukup
4 baik
5 sangat baik
Contoh: Ibu C memiliki nilai “cukup” dari hasil wawancara, makalah yang dibuat
oleh Bapak A diberi nilai “buruk”, hasil tes tertulis Ibu B dinilai “baik”, dst..
Langkah 2: Hitung Normalized
Decision Matrix (Matriks
KeputusanTernormalisasi)
Matriks ternormalisasi dapat dihitung dengan:

 m
i
ij
ij
ij
x
x
r
1
2
dengan i =1, 2,..., m dan j = 1, 2, ..., n.
Alternatif/
Kriteria portofolio
tes
tertulis
tes
kepribadian wawancara
membuat
makalah
Bapak A 3 3 4 3 2
Ibu B 4 4 5 2 2
Ibu C 3 3 4 3 4
Bapak D 5 3 5 2 3
Contoh:
diketahui matriks x(1,1) = 3.
pembagi diperoleh dengan:
sehingga matriks ternormalisasinya adalah: 3/7.6811 = 0.3906
6811.75343 2222

Pembagi 7.6811 6.5574 9.0554 5.0990 5.7446
Tabel Keputusan Ternormalisasi
Alternatif/
Kriteria portofolio tes tertulis
tes
kepribadian wawancara
membuat
makalah
Bapak A 0.3906 0.4575 0.4417 0.5883 0.3482
Ibu B 0.5208 0.6100 0.5522 0.3922 0.3482
Ibu C 0.3906 0.4575 0.4417 0.5883 0.6963
Bapak D 0.6509 0.4575 0.5522 0.3922 0.5222
sehingga diperoleh tabel hasil keputusan ternormalisasi sebagai berikut:
Langkah 3: Hitung weighted
normalized decision matrix
(matriks keputusan
ternormalisasi dan terbobot)
Nilai bobot ternormalisasi dapat dihitung
dengan:
Tabel Keputusan Ternormalisasi dan Terbobot
Alternatif/
Kriteria portofolio tes tertulis
tes
kepribadian wawancara
membuat
makalah
Bapak A 0.0781 0.1144 0.2209 0.1961 0.1161
Ibu B 0.1042 0.1525 0.2761 0.1307 0.1161
Ibu C 0.0781 0.1144 0.2209 0.1961 0.2321
Bapak D 0.1302 0.1144 0.2761 0.1307 0.1741
Langkah 4:Tentukan solusi
ideal positif (A* ) dan solusi
ideal negatif (A- ).
A* merupakan solusi ideal positif yang diharapkan,
sedangkan A- merupakan solusi ideal negatif. Makin kecil
nilai A* dan makin besar nilai A- nya, maka makin besar
kemungkinan sebuah alternatif untuk terpilih
Hasil perhitungan Solusi Ideal Positif dan Solusi Ideal
Negatif
Alternatif/
Kriteria
portofolio tes tertulis
tes
kepribadian
wawancara
membuat
makalah
A* 0.1302 0.1525 0.2761 0.1961 0.2321
A- 0.0781 0.1144 0.2209 0.1307 0.1161
Langkah 5: Menghitung besar
jarak (separation measure)
menggunakan perhitungan
jarak Euclidean.
Rumus untuk memperoleh nilai separation measure
untuk solusi ideal positif S*
i dan nilai separation measure
untuk solusi ideal negatif S-
i adalah sebagai berikut:
Sehingga diperoleh nilai separation measure
S*
i dan S-
i adalah :
S* S-
0.1438 0.0654
0.1357 0.0720
0.0849 0.1332
0.0954 0.0955
Langkah 6: Hitung kedekatan
relatif (relative closeness)
terhadap solusi yang paling
ideal.
Rumus untuk menghitung kedekatan relatif
(relative closeness) terhadap solusi yang paling
ideal:
Hasil Perhitungan Kedekatakan Relatif (Relative
Closeness)
Alternatif RC Ranking
Bapak A 0.3125 4
Ibu B 0.3465 3
Ibu C 0.6106 1
Bapak D 0.5005 2
Langkah 7: Merangking
alternatif berdasarkan nilai
RC*
i.
Hasil Akhir
Semakin besar RC, maka
semakin tinggi rangkingnya.
Oleh karena itu, Ibu C
terpilih sebagai Guru paling
berprestasi dengan nilai RC
tertinggi sebesar 0.6106.
Ibu C sebagai
Guru Berprestasi
Contoh perhitungan dalam bentuk
spreadsheet dapat diakses di laman :
https://docs.google.com/spreadsheets/
d/12UUdFwSBcBxj1JV1CAOEqPSlpdiSj
60zpTr_y2O4LLg/edit#gid=245058786
TERIMA KASIH
Daftar Pustaka
 Feng-Yi Wu dan Chung-Chu Chuang.The Optimal Relationship between
Buyer and Seller Obtained UsingTOPSIS Method. ICIIM. 2013
 https://en.wikipedia.org/wiki/TOPSIS
 Gambar: google image

More Related Content

What's hot

Materi 3 Finite State Automata
Materi 3   Finite State AutomataMateri 3   Finite State Automata
Materi 3 Finite State Automataahmad haidaroh
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomialMarwaElshi
 
ringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitasringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitasGina Safitri
 
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)Nabil Muhammad Firdaus
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasiPerum Perumnas
 
Teknik analisis data kuantitatif dan kualitatif
Teknik analisis data kuantitatif dan kualitatifTeknik analisis data kuantitatif dan kualitatif
Teknik analisis data kuantitatif dan kualitatifNastiti Rahajeng
 
Pertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-aiPertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-aiwillyhayon
 
Uji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiUji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiRosmaiyadi Snt
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitassilvia kuswanti
 
Jenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataJenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataFirman Marine
 
uji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - ratauji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - rataRatih Ramadhani
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihoodririn12
 

What's hot (20)

Materi 3 Finite State Automata
Materi 3   Finite State AutomataMateri 3   Finite State Automata
Materi 3 Finite State Automata
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomial
 
Pertemuan 5
Pertemuan 5Pertemuan 5
Pertemuan 5
 
ringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitasringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitas
 
03 jenis jenis+data
03 jenis jenis+data03 jenis jenis+data
03 jenis jenis+data
 
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)
Algoritma dan Pemrograman C++ (Pseudocode & Flowchart)
 
TEKNIK ENKRIPSI DAN DEKRIPSI HILL CIPHER
TEKNIK ENKRIPSI DAN DEKRIPSI HILL CIPHERTEKNIK ENKRIPSI DAN DEKRIPSI HILL CIPHER
TEKNIK ENKRIPSI DAN DEKRIPSI HILL CIPHER
 
SLIDE KE:5 NFA
SLIDE KE:5 NFASLIDE KE:5 NFA
SLIDE KE:5 NFA
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasi
 
Statistika Probabilitas
Statistika ProbabilitasStatistika Probabilitas
Statistika Probabilitas
 
Teknik analisis data kuantitatif dan kualitatif
Teknik analisis data kuantitatif dan kualitatifTeknik analisis data kuantitatif dan kualitatif
Teknik analisis data kuantitatif dan kualitatif
 
Pertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-aiPertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-ai
 
Uji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiUji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasi
 
Penelitian kualitatif
Penelitian kualitatifPenelitian kualitatif
Penelitian kualitatif
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
Jenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataJenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan data
 
uji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - ratauji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - rata
 
Jaringan hebb
Jaringan hebbJaringan hebb
Jaringan hebb
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihood
 

Viewers also liked

Dasar dasar periklanan
Dasar dasar periklananDasar dasar periklanan
Dasar dasar periklananqhoha
 
Future of radio for today generation
Future of radio for today generationFuture of radio for today generation
Future of radio for today generationHemat Dwi Nuryanto
 
content & pipe
content & pipecontent & pipe
content & pipeMila
 
Rating Measurement & TV Program Development
Rating Measurement & TV Program DevelopmentRating Measurement & TV Program Development
Rating Measurement & TV Program DevelopmentMila
 
Pemasaran program tv dan radio
Pemasaran program tv dan radioPemasaran program tv dan radio
Pemasaran program tv dan radioArya Dillah
 
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)Mutmainnah Muchtar
 

Viewers also liked (7)

Dasar dasar periklanan
Dasar dasar periklananDasar dasar periklanan
Dasar dasar periklanan
 
Future of radio for today generation
Future of radio for today generationFuture of radio for today generation
Future of radio for today generation
 
content & pipe
content & pipecontent & pipe
content & pipe
 
Rating Measurement & TV Program Development
Rating Measurement & TV Program DevelopmentRating Measurement & TV Program Development
Rating Measurement & TV Program Development
 
Pemasaran program tv dan radio
Pemasaran program tv dan radioPemasaran program tv dan radio
Pemasaran program tv dan radio
 
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)
Materi kuliah ebusiness (e-marketing) IT-UHO (pert6-7)
 
Strategi Marketing Radio dan Televisi Lokal
Strategi Marketing Radio dan Televisi LokalStrategi Marketing Radio dan Televisi Lokal
Strategi Marketing Radio dan Televisi Lokal
 

Similar to Kuliah SPK : Metode TOPSIS

Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptFernandaSuryaIllahi
 
Metode penelitian 5+6
Metode penelitian 5+6Metode penelitian 5+6
Metode penelitian 5+6anugrahwati
 
Evaluasi Belajar KB 3.pdf
Evaluasi Belajar KB 3.pdfEvaluasi Belajar KB 3.pdf
Evaluasi Belajar KB 3.pdftawakal17
 
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdf
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdfKELOMPOK 4 EVALUASI PEMBELAJARAN.pdf
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdfBasahbasahproject
 
analisis-butir-soal (2).ppt
analisis-butir-soal (2).pptanalisis-butir-soal (2).ppt
analisis-butir-soal (2).pptesilraja
 
Analisis Butir Soal Pilihan Ganda Dan Essay.pptx
Analisis Butir Soal Pilihan Ganda Dan Essay.pptxAnalisis Butir Soal Pilihan Ganda Dan Essay.pptx
Analisis Butir Soal Pilihan Ganda Dan Essay.pptxRohmatulFikri
 
Tes objektif dan pengembangan tes objektif
Tes objektif dan pengembangan tes objektifTes objektif dan pengembangan tes objektif
Tes objektif dan pengembangan tes objektifmafia_konoha
 
Tugas Ruang kolaborasi Modul 3.1.pptx
Tugas Ruang kolaborasi Modul 3.1.pptxTugas Ruang kolaborasi Modul 3.1.pptx
Tugas Ruang kolaborasi Modul 3.1.pptxAgungNugroho883817
 
PTT Kelompok 5 28 mei 2023.pptx
PTT Kelompok 5 28 mei 2023.pptxPTT Kelompok 5 28 mei 2023.pptx
PTT Kelompok 5 28 mei 2023.pptxChrodtianTian
 
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptx
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptxtugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptx
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptxarfinah36
 
Evaluasi Pembelajaran
Evaluasi PembelajaranEvaluasi Pembelajaran
Evaluasi PembelajaranIbnu Fajar
 
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptxSalahiyahSalahiyah
 
Paradigma yang digunakan rasa keadilan lawan rasa kasihan
Paradigma yang digunakan rasa keadilan lawan rasa kasihanParadigma yang digunakan rasa keadilan lawan rasa kasihan
Paradigma yang digunakan rasa keadilan lawan rasa kasihanni5448
 
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)widyani siregar
 
Analisis soal secara manual
Analisis soal secara manualAnalisis soal secara manual
Analisis soal secara manualAbu Abdirrahman
 
Sidang skripsi muji
Sidang skripsi mujiSidang skripsi muji
Sidang skripsi mujiGE CENTRE
 
Makalah analisis soal pg
Makalah analisis soal pgMakalah analisis soal pg
Makalah analisis soal pgAfrina Astuti
 
Pk kondisi tdk pasti
Pk kondisi tdk pastiPk kondisi tdk pasti
Pk kondisi tdk pastiaridom07
 

Similar to Kuliah SPK : Metode TOPSIS (20)

Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .ppt
 
Metode penelitian 5+6
Metode penelitian 5+6Metode penelitian 5+6
Metode penelitian 5+6
 
Sesi 3.ppt
Sesi 3.pptSesi 3.ppt
Sesi 3.ppt
 
Evaluasi Belajar KB 3.pdf
Evaluasi Belajar KB 3.pdfEvaluasi Belajar KB 3.pdf
Evaluasi Belajar KB 3.pdf
 
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdf
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdfKELOMPOK 4 EVALUASI PEMBELAJARAN.pdf
KELOMPOK 4 EVALUASI PEMBELAJARAN.pdf
 
analisis-butir-soal (2).ppt
analisis-butir-soal (2).pptanalisis-butir-soal (2).ppt
analisis-butir-soal (2).ppt
 
Analisis Butir Soal Pilihan Ganda Dan Essay.pptx
Analisis Butir Soal Pilihan Ganda Dan Essay.pptxAnalisis Butir Soal Pilihan Ganda Dan Essay.pptx
Analisis Butir Soal Pilihan Ganda Dan Essay.pptx
 
Tes objektif dan pengembangan tes objektif
Tes objektif dan pengembangan tes objektifTes objektif dan pengembangan tes objektif
Tes objektif dan pengembangan tes objektif
 
Tugas Ruang kolaborasi Modul 3.1.pptx
Tugas Ruang kolaborasi Modul 3.1.pptxTugas Ruang kolaborasi Modul 3.1.pptx
Tugas Ruang kolaborasi Modul 3.1.pptx
 
PTT Kelompok 5 28 mei 2023.pptx
PTT Kelompok 5 28 mei 2023.pptxPTT Kelompok 5 28 mei 2023.pptx
PTT Kelompok 5 28 mei 2023.pptx
 
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptx
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptxtugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptx
tugasruangkolaborasimodul3-221024220911-a8790f48 (1).pptx
 
Evaluasi Pembelajaran
Evaluasi PembelajaranEvaluasi Pembelajaran
Evaluasi Pembelajaran
 
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx
3.1 a.5 Ruang Kolaborasi Modul 3.1_.pptx
 
Paradigma yang digunakan rasa keadilan lawan rasa kasihan
Paradigma yang digunakan rasa keadilan lawan rasa kasihanParadigma yang digunakan rasa keadilan lawan rasa kasihan
Paradigma yang digunakan rasa keadilan lawan rasa kasihan
 
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)
Pengembangan evaluasi hasil belajar jenis tes (pmm 4 semester iv stambuk 2015)
 
Analisis soal secara manual
Analisis soal secara manualAnalisis soal secara manual
Analisis soal secara manual
 
Sidang skripsi muji
Sidang skripsi mujiSidang skripsi muji
Sidang skripsi muji
 
Makalah analisis soal pg
Makalah analisis soal pgMakalah analisis soal pg
Makalah analisis soal pg
 
Pk kondisi tdk pasti
Pk kondisi tdk pastiPk kondisi tdk pasti
Pk kondisi tdk pasti
 
Decision Analysis
Decision AnalysisDecision Analysis
Decision Analysis
 

More from Mutmainnah Muchtar

Kuliah SPK: Metode AHP (Analytical Hierarchy Process)
Kuliah SPK: Metode AHP (Analytical Hierarchy Process)Kuliah SPK: Metode AHP (Analytical Hierarchy Process)
Kuliah SPK: Metode AHP (Analytical Hierarchy Process)Mutmainnah Muchtar
 
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)Mutmainnah Muchtar
 
Manajemen Komunikasi Proyek Perangkat Lunak
Manajemen Komunikasi Proyek Perangkat LunakManajemen Komunikasi Proyek Perangkat Lunak
Manajemen Komunikasi Proyek Perangkat LunakMutmainnah Muchtar
 
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen Risiko
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen RisikoManajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen Risiko
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen RisikoMutmainnah Muchtar
 
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)Mutmainnah Muchtar
 
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)Mutmainnah Muchtar
 

More from Mutmainnah Muchtar (6)

Kuliah SPK: Metode AHP (Analytical Hierarchy Process)
Kuliah SPK: Metode AHP (Analytical Hierarchy Process)Kuliah SPK: Metode AHP (Analytical Hierarchy Process)
Kuliah SPK: Metode AHP (Analytical Hierarchy Process)
 
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)
Kuliah Sistem Pendukung Keputusan: GITEWS (Kelas Ekstensi, IT UHO)
 
Manajemen Komunikasi Proyek Perangkat Lunak
Manajemen Komunikasi Proyek Perangkat LunakManajemen Komunikasi Proyek Perangkat Lunak
Manajemen Komunikasi Proyek Perangkat Lunak
 
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen Risiko
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen RisikoManajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen Risiko
Manajemen Proyek Perangkat Lunak (Pert9-10) : Manajemen Risiko
 
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)
Materi kuliah ebusiness (e-payment) IT-UHO (pert4-5)
 
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)
Kuliah elektronik bisnis (e-business) IT-UHO (pert2-3)
 

Recently uploaded

Metode numerik Bidang Teknik Sipil perencanaan.pdf
Metode numerik Bidang Teknik Sipil perencanaan.pdfMetode numerik Bidang Teknik Sipil perencanaan.pdf
Metode numerik Bidang Teknik Sipil perencanaan.pdfArvinThamsir1
 
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdf
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdfMODUL AJAR PENGANTAR SURVEY PEMETAAN.pdf
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdfihsan386426
 
Strategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di IndonesiaStrategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di IndonesiaRenaYunita2
 
10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppttaniaalda710
 
MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++FujiAdam
 
Manual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptxManual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptxRemigius1984
 
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdfAnonymous6yIobha8QY
 
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdfTEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdfYogiCahyoPurnomo
 

Recently uploaded (8)

Metode numerik Bidang Teknik Sipil perencanaan.pdf
Metode numerik Bidang Teknik Sipil perencanaan.pdfMetode numerik Bidang Teknik Sipil perencanaan.pdf
Metode numerik Bidang Teknik Sipil perencanaan.pdf
 
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdf
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdfMODUL AJAR PENGANTAR SURVEY PEMETAAN.pdf
MODUL AJAR PENGANTAR SURVEY PEMETAAN.pdf
 
Strategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di IndonesiaStrategi Pengembangan Agribisnis di Indonesia
Strategi Pengembangan Agribisnis di Indonesia
 
10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt10.-Programable-Logic-Controller (1).ppt
10.-Programable-Logic-Controller (1).ppt
 
MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++MAteri:Penggunaan fungsi pada pemrograman c++
MAteri:Penggunaan fungsi pada pemrograman c++
 
Manual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptxManual Desain Perkerasan jalan 2017 FINAL.pptx
Manual Desain Perkerasan jalan 2017 FINAL.pptx
 
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf
4. GWTJWRYJJJJJJJJJJJJJJJJJJWJSNJYSRR.pdf
 
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdfTEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
TEKNIS TES TULIS REKRUTMEN PAMSIMAS 2024.pdf
 

Kuliah SPK : Metode TOPSIS

  • 1. Teknik Informatika UHO Kendari 2016
  • 2. Materi:  Metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS)  Contoh penerapan metode TOPSIS pada kasus penentuan guru berprestasi. Materi Kuliah Kelas Ekstensi JurusanTeknik Informatika UHO Kendari
  • 3. Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) merupakan metode yang cukup populer dan telah dipergunakan secara luas dalam bidang SPK
  • 4. Penemu MetodeTOPSIS TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang (1981) TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif (Kusumadewi, 2006:87).
  • 5. TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS)
  • 8. Pemilihan Guru Berprestasi  Menjelang bulan Mei setiap tahunnya selalu diadakan kompetisi antar guru se-Indonesia dalam Pemilihan Guru Berprestasi mulai dari tingkat sekolah, kecamatan, kabupaten, provinsi dan final di tingkat nasional.  Guru berprestasi dalam pelaksanaan pembelajaran merupakan guru yang mampu melaksanakan tugas pokok dan fungsinya (Tupoksi) dengan baik dalam pelaksanaan pembelajaran yang terdiri atas serangkaia kegiatan.  Pemilihan Guru Berprestasi menjadi ajang kompetisi positif antar peserta dalam meningkatkan kompetensi dan profesionalisme mereka.  Oleh karena itu, dengan menerapkan metode TOPSIS, diharapkan dapat memberikan solusi berupa sistem pengambilan keputusan yang bisa digunakan secara efektif dan efesien.
  • 9. Kriteria 1: Portofolio Guru Dalam mengukur prestasi guru, portofolio merupakan komponen yang paling penting. Portofolio guru merupakan suatu kumpulan dari pekerjaan yang dihasilkan oleh seorang guru, yang didesain untuk menggambarkan talenta/prestasi yang dimilikinya.
  • 10. Kriteria 2: Tes Tertulis Tes Tertulis merupakan tes/ujian dalam bentuk tertulis mengenai materi-materi tertentu sesuai dengan bidang ilmu seorang guru.
  • 11. Kriteria 3: Tes Kepribadian Tes Kepribadian merupakan tes yang dilakukan untuk mengetahui kepribadian atau kecenderungan seorang guru.
  • 13. Kriteria 5: Makalah Dalam penentuan guru berpestasi, biasanya akan dilakukan penilaian mengenai makalah PTK (Penelitian Tindakan Kelas) yang telah disusun oleh guru.
  • 14. Diketahui bahwa bobot tiap Kriteria adalah sebagai berikut: Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah Kepentingan atau Bobot 5 4 2 3 3 kepentingan 1 Sangat Rendah 2 Rendah 3 Cukup 4 Tinggi 5 Sangat Tinggi
  • 15. ALTERNATIF 1. Pak A 2. Ibu B 3. Ibu C 4. Pak D Misalnya tersedia 4 Alternatif
  • 16. Langkah 1: Buat sebuah matriks xij yang terdiri atas m alternatif dan n kriteria. Matriks ini berisi bobot/grade dari masing-masing alternatif terhadap tiap kriteria yang ada.
  • 17. Menentukan grade dari masing-masing alternatif terhadap kriteria sehingga terbentuk matriks xij Alternatif/ Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah Bapak A 3 3 4 3 2 Ibu B 4 4 5 2 2 Ibu C 3 3 4 3 4 Bapak D 5 3 5 2 3 grade 1 sangat buruk 2 buruk 3 cukup 4 baik 5 sangat baik Contoh: Ibu C memiliki nilai “cukup” dari hasil wawancara, makalah yang dibuat oleh Bapak A diberi nilai “buruk”, hasil tes tertulis Ibu B dinilai “baik”, dst..
  • 18. Langkah 2: Hitung Normalized Decision Matrix (Matriks KeputusanTernormalisasi)
  • 19. Matriks ternormalisasi dapat dihitung dengan:   m i ij ij ij x x r 1 2 dengan i =1, 2,..., m dan j = 1, 2, ..., n.
  • 20. Alternatif/ Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah Bapak A 3 3 4 3 2 Ibu B 4 4 5 2 2 Ibu C 3 3 4 3 4 Bapak D 5 3 5 2 3 Contoh: diketahui matriks x(1,1) = 3. pembagi diperoleh dengan: sehingga matriks ternormalisasinya adalah: 3/7.6811 = 0.3906 6811.75343 2222  Pembagi 7.6811 6.5574 9.0554 5.0990 5.7446
  • 21. Tabel Keputusan Ternormalisasi Alternatif/ Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah Bapak A 0.3906 0.4575 0.4417 0.5883 0.3482 Ibu B 0.5208 0.6100 0.5522 0.3922 0.3482 Ibu C 0.3906 0.4575 0.4417 0.5883 0.6963 Bapak D 0.6509 0.4575 0.5522 0.3922 0.5222 sehingga diperoleh tabel hasil keputusan ternormalisasi sebagai berikut:
  • 22. Langkah 3: Hitung weighted normalized decision matrix (matriks keputusan ternormalisasi dan terbobot)
  • 23. Nilai bobot ternormalisasi dapat dihitung dengan:
  • 24. Tabel Keputusan Ternormalisasi dan Terbobot Alternatif/ Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah Bapak A 0.0781 0.1144 0.2209 0.1961 0.1161 Ibu B 0.1042 0.1525 0.2761 0.1307 0.1161 Ibu C 0.0781 0.1144 0.2209 0.1961 0.2321 Bapak D 0.1302 0.1144 0.2761 0.1307 0.1741
  • 25. Langkah 4:Tentukan solusi ideal positif (A* ) dan solusi ideal negatif (A- ).
  • 26. A* merupakan solusi ideal positif yang diharapkan, sedangkan A- merupakan solusi ideal negatif. Makin kecil nilai A* dan makin besar nilai A- nya, maka makin besar kemungkinan sebuah alternatif untuk terpilih
  • 27. Hasil perhitungan Solusi Ideal Positif dan Solusi Ideal Negatif Alternatif/ Kriteria portofolio tes tertulis tes kepribadian wawancara membuat makalah A* 0.1302 0.1525 0.2761 0.1961 0.2321 A- 0.0781 0.1144 0.2209 0.1307 0.1161
  • 28. Langkah 5: Menghitung besar jarak (separation measure) menggunakan perhitungan jarak Euclidean.
  • 29. Rumus untuk memperoleh nilai separation measure untuk solusi ideal positif S* i dan nilai separation measure untuk solusi ideal negatif S- i adalah sebagai berikut:
  • 30. Sehingga diperoleh nilai separation measure S* i dan S- i adalah : S* S- 0.1438 0.0654 0.1357 0.0720 0.0849 0.1332 0.0954 0.0955
  • 31. Langkah 6: Hitung kedekatan relatif (relative closeness) terhadap solusi yang paling ideal.
  • 32. Rumus untuk menghitung kedekatan relatif (relative closeness) terhadap solusi yang paling ideal:
  • 33. Hasil Perhitungan Kedekatakan Relatif (Relative Closeness) Alternatif RC Ranking Bapak A 0.3125 4 Ibu B 0.3465 3 Ibu C 0.6106 1 Bapak D 0.5005 2
  • 34. Langkah 7: Merangking alternatif berdasarkan nilai RC* i.
  • 35. Hasil Akhir Semakin besar RC, maka semakin tinggi rangkingnya. Oleh karena itu, Ibu C terpilih sebagai Guru paling berprestasi dengan nilai RC tertinggi sebesar 0.6106. Ibu C sebagai Guru Berprestasi
  • 36. Contoh perhitungan dalam bentuk spreadsheet dapat diakses di laman : https://docs.google.com/spreadsheets/ d/12UUdFwSBcBxj1JV1CAOEqPSlpdiSj 60zpTr_y2O4LLg/edit#gid=245058786
  • 38. Daftar Pustaka  Feng-Yi Wu dan Chung-Chu Chuang.The Optimal Relationship between Buyer and Seller Obtained UsingTOPSIS Method. ICIIM. 2013  https://en.wikipedia.org/wiki/TOPSIS  Gambar: google image