Sistem Pendukung Keputusan Untuk Pengadaan Fasilitas Hotel Menggunakan Metode TOPSIS

dokumen-dokumen yang mirip
PEMILIHAN PERINGKAT TERBAIK FESTIVAL KOOR MENGGUNAKAN METODE TOPSIS

SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON ASISTEN PRAKTIKUM MENGGUNAKAN METODE SMART

SISTEM PENDUKUNG KEPUTUSAN ACCOUNT OFFICER BRIGUNA PRODUKTIF DENGAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT BANK RAKYAT INDONESIA (PESERO),

MAKALAH SISTEM BASIS DATA

DISTRIBUSI DUA PEUBAH ACAK

PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA FKIP UMN AL-WASHLIYAH MEDAN) ABSTRACT

BAB I PENDAHULUAN. dalam skala prioritas pembangunan nasional dan daerah di Indonesia

BAB I PENDAHULUAN. segi kuantitas dan kualitasnya. Penambahan jumlah konsumen yang tidak di ikuti

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT WISATA YOGYAKARTA MENGGUNAKAN METODE ELimination Et Choix Traduisant La RealitA (ELECTRE)

Kata Kunci : Fuzzy MADM, SAW, kriteria, beasiswa.

DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD

SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS

PEMILIHAN KRITERIA DALAM PEMBUATAN KARTU KREDIT DENGAN MENGGUNAKAN METODE FUZZY AHP

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

Abstract. Keywords: Scholarship, Fuzzy MADM, SAW, Criteria.

BAB II LANDASAN TEORI

PENGEMBANGAN SISTEM DETEKSI AWAL PENYAKIT KEWANITAAN DAN KANDUNGAN MENGGUNAKAN METODE DEMPSTER SHAFER

Multi-Attribute Decision Making

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM

FORM (FR) SATUAN ACARA PERKULIAHAN

Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD.

Kata Kunci: Guru, Decision support systems, MADM, SAW. 1. Pendahuluan

KAJIAN METODE ZILLMER, FULL PRELIMINARY TERM, DAN PREMIUM SUFFICIENCY DALAM MENENTUKAN CADANGAN PREMI PADA ASURANSI JIWA DWIGUNA

Sistem Informasi Manajemen Penjualan Pada Koperasi Pegawai Negeri Kantor

BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )

Andri Syafrianto Teknik Informatika STMIK El Rahma

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

Penerapan Metode Simpleks Untuk Optimalisasi Produksi Pada UKM Gerabah

IV. METODE PENELITIAN

Implementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna

BAB I PENDAHULUAN. pembangunan di bidang-bidang lain, seperti sosial, politik, dan budaya. perbedaan antara yang kaya dengan yang miskin.

Sistem Pendukung Keputusan Seleksi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting

Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi

SISTEM INFORMASI PENENTUAN PERINGKAT KARYAWAN MENGGUNAKAN METODE ELIMINATION ET CHOIX TRADUISANT LAREALITÉ (ELECTRE) DI PT TELKOM REGIONAL III

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

BAB III. METODE PENELITIAN. Tabel 1. Indikator/ Indikasi Penelitian

PEMBENTUKAN SEL-SEL MESIN UNTUK MENDAPATKAN PENGURANGAN JARAK DAN BIAYA MATERIAL HANDLING DENGAN METODE HEURISTIK DI PT. BENGKEL COKRO BERSAUDARA

JSIKA Vol. 5, No. 5. Tahun 2016 ISSN X

Rancang Bangun Sistem Informasi Perpustakaan Berbasis Web Pada SMPN 71 Jakarta

APLIKASI PEMESANAN PRODUK TIENS BERDASARKAN LOCATION BASED SERVICE BERBASIS ANDROID

SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

BAB II TINJAUAN PUSTAKA

Aplikasi Information Retrieval (IR) CATA Dengan Metode Generalized Vector Space Model

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG

IMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION

Model Penunjang Keputusan Untuk Seleksi Korps Sukarela PMI Dengan Metode Weighted Product

PERBANDINGAN NILAI RELIABILITAS DARI HASIL METODE SAW DAN METODE TOPSIS

Oleh : Tutut Maitanti*, Ema Utami**, Emha Taufiq Luthfi**

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

FUZZY MADM DALAM EVALUASI PROGRAM STUDI MENGGUNAKAN METODE SIMPLE ADDITIF WEIGHTING

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN OPERATOR TERBAIK MENGGUNAKAN METODE TOPSIS (STUDI KASUS: CBOC REGIONAL 1/ PT. TELEKOMUNIKASI, TBK.

MADM-TOOL : APLIKASI UJI SENSITIVITAS UNTUK MODEL MADM MENGGUNAKAN METODE SAW DAN TOPSIS.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN STAF PENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN)

Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting

IMPLEMENTASI LINEAR CONGRUENT METHOD (LCM) PADA GAME HANGAROO BERBASIS ANDROID

PEMETAAN MEDAN ELEKTROMAGNETIK PADA PEMUKIMAN PENDUDUK DI BAWAH JARINGAN SUTT 150 KV PLN WILAYAH KALIMANTAN BARAT

SIFAT-SIFAT OPERASI ARITMATIKA, DETERMINAN DAN INVERS PADA MATRIKS INTERVAL TUGAS AKHIR. Oleh : NURSUKAISIH

Multi atributte decision making (madm)

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMAAN BEASISWA BAGI MAHASISWA STMIK AMIKOM YOGYAKARTA SKRIPSI

Multi atributte decision making (madm) MCDM, MADM, SAW

BAB I PENDAHULUAN. daya nasional yang memberikan kesempatan bagi peningkatan demokrasi, dan

SELEKSI PENERIMAAN CALON KARYAWAN MENGGUNAKAN METODE TOPSIS

PENJUMLAHAN MOMENTUM SUDUT

PENDAHULUAN. melakukan kegiatan Praktek Kerja Lapangan (PKL) baik tingkat SMK/sederajat

SISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM

PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN ALGORITMA HEURISTIK RAJENDRAN UNTUK PENJADUALAN PRODUKSI JENIS FLOW SHOP

Gambar 1. Skema proses komunikasi dalam pembelajaran

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL

Penerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

Sistem Monitoring Proses Belajar Mengajar Menggunakan Model View Control

MATRIKS DALAM LABORATORIUM oleh : Sugata Pikatan

PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW

PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-SAW. Fera Tri Wulandari 1*, Setiya Nugroho 1

ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA

Model Sistem Informasi Pencatatan Pengembangan Bangunan Gedung

PETUNJUK UMUM Pengerjaan Soal Tahap Final Diponegoro Physics Competititon Tingkat SMA

Studi Eksperimen Pengaruh Alur Permukaan Sirip pada Sistem Pendingin Mesin Kendaraan Bermotor

SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN UKM /HMJ PENERIMA BANTUAN DANA TAKTIS DENGAN METODE ELECTRE DAN WEIGHTED PRODUCT

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN INTERNET SERVICE PROVIDER MENERAPKAN METODE ELIMINATION AND CHOICE TRANSLATION REALITY (ELECTRE)

ALJABAR MAX-PLUS BILANGAN KABUR (Fuzzy Number Max-Plus Algebra) INTISARI ABSTRACT

BAB 4. HASIL DAN PEMBAHASAN

PEMILIHAN JURUSAN SISWA SMA MENGGUNAKAN METODE PENDUKUNG KEPUTUSAN FUZZY MADM

PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TABLET

Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)

Analisis Pengaruh Pipa Kapiler yang Dililitkan pada Line Suction Terhadap Performansi Mesin Pendingin 1)

BAB I PENDAHULUAN. sumber untuk membiayai dirinya dan keluarganya, dan bagi tenaga kerja yang

Sistem Pendukung Keputusan Pemilihan Perguruan Tinggi Menggunakan Fuzzy Multi Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW)

KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM

SISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN SELEKSI DANA BANTUAN REHABILITASI BANGUNAN UNTUK SEKOLAH DASAR DI KABUPATEN PRINGSEWU

JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:

Rita Hamdani. STMIK Pelita Nusantara Medan Jalan Iskandar Muda No.1, Merdeka, Medan Baru, Sumatera Utara

SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW

Transkripsi:

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis Siste Pendukung Keputusan Untuk Pengadaan Fasilitas Hotel Menggunakan Metode TOPSIS Susi Hendartie a,*, Bau Surarso b, Beta oranita b a STMIK Palangka Raa Palangka Raa Kaliantan Tengah b Magister Siste Inforasi, Progra Pascasarjana Universitas Diponegoro, Searang, Indonesia Abstract The developent of hotel business to ake consuers ore critical to choose a hotel products and services. If the hotel facilities ore coplete, so interest of the consuer is higher to choose the hotel. This research stud intend to build a decision support sste for the procureent of hotel facilities with TOPSIS ethod. This ethod uses the si alternative for of the data; hotel roos (guest roo), karaoke, gift shop, a g, spa and travel corner (travel tour inforation) and data of soe criteria. This ethod was chosen because it is based on the best alternative concept, was not onl has the shortest distance fro the positive ideal solution, but also has the longest distance fro the negative ideal solution. TOPSIS calculations sstes have been done the coparison of final value using ecell calculation. Calculations that used in this research stud is siple and produces alternative hotel roos (guest roo) with the highest ranking as the ideal solution. TOPSIS ethod facilitates decision-akers in choosing the best alternative for the procureent of hotel facilities. Kewords : Decision support sste; Hotel facilities; TOPSIS. Pendahuluan Siste Pendukung Keputusan (SPK) sangat penting dala enjalankan sebuah bisnis, karena siste ini ebantu eberikan keputusan untuk enelesaikan asalah ang dihadapi pengabil keputusan dengan enggunakan inforasi ang interaktif. Keputusan erupakan kegiatan eilih suatu strategi atau tindakan dala peecahan asalah tersebut. Tindakan eilih strategi atau aksi ang diakini anajer akan eberikan solusi terbaik atau sesuatu itu disebut pengabilan keputusan. Tujuan dari keputusan adalah untuk encapai target atau aksi tertentu ang harus dilakukan (Kusrini, 007). Organisasi ang bergerak dibidang produksi aupun jasa, tidak lepas dari probleatika unsur anajeen pada uuna. Perubahan struktur pasar, produk, teknologi produksi, organisasi, dan ang lainna terus terjadi sehingga berpengaruh pada kebaksanaan anajeen ang dalankanna (Suradi dan Radhani,998). Selaa ini hotel dikenal sebagai perusahaan jasa sehingga setiap segala keputusan ang diabil adalah untuk seata eberikan pelaanan terbaik ang dapat eberikan kepuasan bagi konsuen. Disaping pelaanan ang baik dan berkualitas, fasilitas juga turut berperan serta dala enarik konsuen untuk enginap dihotel atau hana sebagai konsuen ang enggunakan beberapa fasilitas di hotel tersebut. Dengan berkebangna bisnis hotel ebuat konsuen lebih kritis untuk eilih produk dan jasa hotel, karena seakin lengkap fasilitas ang disediakan pihak hotel aka inat konsuen seakin tinggi untuk eilih hotel tersebut. Fasilitas ang biasana disediakan oleh hotel adalah kaar tidur untuk tau hotel (guestroos), restoran, ballroo, Meeting and Function roo, Valet service/laundr, gnasiu, tepat perawatan kecantikan, kola renang, bar dan banak lagi beraca fasilitas ang disediakan. Untuk eningkatkan pelaanan ang berupa fasilitas ang euaskan, dan enarik inat serta julah konsuen aka diperlukan adana suatu penelitian ang seksaa akan berbagai fasilitas hotel, sehingga dapat endukung pihak hotel engabil keputusan dala eilih fasilititas-fasilitas apa saja ang akan di adakan. Dengan banakna alternatif fasilitas hotel ang akan diadakan aka untuk ebantu peilihan fasilitas tersebut perlu adana indikator kriteria ang dapat eberikan penilaian dan rekoendasi fasilitas apa saja ang ang laak untuk diadakan, aitu dengan cara ebangun sebuah siste pendukung keputusan. Penelitian ini bertujuan untuk ebuat siste pendukung keputusan untuk pengadaan fasilitas hotel dengan etode TOPSIS (Technique for Order Preference b Siilarit to Ideal Solution). Siste ini dapat digunakan untuk ebantu dala eilih alternatif terbaik berdasarkan kriteria-kriteria ang telah ditentukan. Metode TOPSIS ini dipilih karena etode ini didasarkan pada konsep bahwa alternatif terpilih ang terbaik tidak hana eiliki jarak terpendek dari solusi ideal positif, naun juga eiliki jarak terpanjang dari solusi ideal negatif. Alaat e-ail : susihendartie5@ahoo.co.id

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis. Kerangka Teori.. MADM (Multi-Attribut Decision Making) Pada MADM tahap analisis dilakukan elalui dua langkah. Pertaa, endatangkan taksiran dari besaran ang potensial, keungkinan dan ketidakpastian ang berhubungan dengan dapak-dapak ang ungkin pada setiap alternatif. Kedua, eliputi peilihan dari preferensi pengabil keputusan untuk setiap nilai, dan ketidak pedulian terhadap resiko ang tibul (Bun, 00). Dengan deikian bisa dikatakan bahwa asalah Multiple Attribute Decision Making (MADM) adalah engevaluasi alternatif A i (i=,,..,) terhadap sekupulan kriteria C j (j =,,..,n), setiap kriteria saling tidak bergantung satu dengan ang lainna. Matriks keputusan (X) setiap alternatif terhadap setiap atribut atau kriteria (Kusuadewi, dkk. 006) diberikan sebagai: C C... C n A... n A X =... n (.)............... A... n Dengan erupakan rating kinerja alternatif ke i terhadap kriteria ke j, sehingga Matriks Keputusan (X), berisikan rating kinerja ( ). dengan ilai bobot ang enunjukkan tingkat kepentingan ; jika j j relatif setiap kriteria diberikan sebagai W: in ; jika j W = [w, w,..., w n ] (.) Matrik Keputusan dan bobot kriteria erupakan nilai utaa ang erepresentasikan preferensi absolut dari pengabil keputusan. Masalah MADM diakhiri dengan proses peratingan untuk endapatkan alternatif terbaik ang diperoleh berdasarkan nilai keseluruhan preferensi ang diberikan. Ada beberapa etode ang dapat digunakan untuk enelesaikan asalah Multiple Attribute Decision Making (MADM) antara lain: a. Siple Additive Weighting Methode (SAW) b. Weighted Product (WP) c. Electre d. Technique for order Preference b Siilarit to Ideal Solution (TOPSIS) e. Analtic Hierarch Process (AHP).. TOPSIS TOPSIS didasarkan pada konsep untuk alternatif terpilih ang terbaik tidak hana eiliki jarak terpendek dari solusi ideal positif, naun juga eiliki jarak terpanjang dari solusi ideal negatif. Konsep ini banak digunakan pada beberapa odel MADM untuk enelesaikan asalah keputusan secara praktis. Hai ini disebabkan karena konsepna sederhana dan udah dipahai, koputasina efisien dan eiliki keapuan untuk engukur kinerja relatif dari alternatif-alternatif keputusan dala bentuk ateatis ang sederhana (Jiang, et al., 00, Wei, 00), Yong, 006)). Secara uu, prosedur TOPSIS engikuti langkahlangkah (Kusuadewi, dkk. 006) sebagai berikut: a. Mebuat atriks keputusan ang ternoralisasi (R) TOPSIS ebutuhkan rating kinerja setiap alternatif A i pada setiap kriteria C j ang ternoralisasi dengan ruus : r = (.) i r, hasil perbandingan ternoralisasi ke dala suatu skala setiap alternatif pada setiap kriteria. dengan i=,,...; dan j=,,...n. b. Mebuat atriks keputusan ang ternoralisasi terbobot ang enghasilkan batrik (Y) dengan eleeneleenna adalah: = w j r, (.) dengan i =,... : j =,,..., n adalah rating bobot ternoralisasi setiap alternatif pada setiap kriteria. w j adalah nilai bobot ang enunjukkan tingkat kepentingan relatif setiap kriteria c. Menentukan atriks solusi ideal positif (A + ) dan atriks solusi ideal negatif (A - ) sebagai: A + =,,..., n ; (.5) A - =,..., n ; (.6) a (.7) in j a adalah kriteria keuntungan adalah kriteria ; jika j adalah kriteria biaa ; jika j adalah kriteria keuntungan biaa j =,,...n karena nilai ang diberikan pada setiap alternatif di setiap kriteria erupakan nilai kecocokan (nilai terbesar adalah terbaik) aka seua kriteria ang diberikan diasusikan sebagai kriteria keuntungan. d. Menentukan jarak antara nilai setiap alternatif dengan atriks solusi ideal positif dan atriks solusi ideal negatif S i = n j ( ) ; i Si adalah jarak antara nilai setiap alternatif dengan atiks solusi ideal positif S i = n j ( ) ; i S i adalah Jarak antara nilai setiap alternatif dengan atiks solusi ideal negatif e. Menentukan nilai preferensi untuk setiap alternatif (A i ) diruuskan sebagai berikut: Si A i = ; i =,,..., S i S i ilai A i ang lebih besar enunjukkan bahwa alternatif A i lebih dipilih.

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 5. Metodologi.. Analisa Kebutuhan Pada analisa kebutuhan ebahas beberapa kebutuhan sebagai sarat terkait dengan input, proses dan output. Kebutuhan input diperoleh dari hasil wawancara dengan pihak hotel sebagai pengabil keputusan. Analisa kebutuhan selengkapna elalui kerangka penelitian pada gabar : Start Persiapan (Pengupulan Data) Pengabil Keputusan LAPORA REKOMEDASI SOLUSI IDEAL Data Input Data Data Input Data F F F5 Input Matrik Keputusan ilai Rating Kecocokan Matrik Keputusan F ilai Rating kecocokan Input ilai Rating Kecocokan ilai Rating Kecocokan ilai Rating Kecocokan ilai Rating kecocokan ilai Bobot Input ilai Bobot ilai Bobot kriteria ilai Bobot F ilai Bobot kriteria Input Bobot ilai Bobot kriteria F6 Bobot, dan nilai ang digunakan Mebuat Rating Kecocokan setiap alternatif pada setiap kriteria Matrik Keputusan Proses Perhitungan Bobot kriteria Matrik Keputusan Mebuat Matrik Keputusan Bobot kriteria Menentukan nilai bobot kriteria untuk tingkat kepentingan setiap kriteria Rekoendasi Solusi Ideal Hasil F7 Hasil Mebuat Matrik keputusan ternoralisasi Mebuat Matrik Ternoralisasi Terbobot Gabar. DAD Level SPK untuk pengadaan fasilitas hotel Menentukan atrik solusi ideal positif (A+) dan solusi ideal negatif (A-) Meiliki Meiliki ilai bobot kriteria Menentukan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif dan solusi ideal negatif aa_alt Kode_alt aa_krit Kode_krit naa_bobotkriteria ilai Menentukan kedekatan setiap alternatif terhadap solusi ideal Meiliki ilai rating kecocokan Meiliki elakukan Laporan Rekoendasi dari solusi ideal alternatif fasilitas Finish naa_ratingkecocokan nilai Bobot Gabar. Kerangka Penelitian elakukan Kode_krit nilai. Mebuat Desain siste a) Mebuat DAD (Diagra Arus Data) ) Mebuat diagra konteks level 0 SPK untuk pengadaan fasilitas seperti gabar : Matrik Keputusan Kode_alt Data Kode_krit nilai Pengabil Keputusan Data ilai Rating Kecocokan 0.+ SPK Untuk Pengadaan Fasilitas Hotel Melakukan Hasil Melakukan nilai Kode_alt ilai Bobot Gabar. Entit Relationship Diagra LAPORA REKOMEDASI SOLUSI IDEAL Gabar. Diagra Konteks Level 0 SPK untuk Pengadaan Fasilitas Hotel ) Mebuat DAD Level SPK untuk Pengadaan Fasilitas Hotel, seperti gabar.. Hasil dan Pebahasan. Hasil Hasil perancangan siste pendukung keputusan dapat digunakan untuk pengadaan fasilitas hotel dengan etode TOPSIS.... Menu Hoe Pada enu hoe atau enu utaa terdapat enu input data, proses perhitungan, laporan dan eit:

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 6 Gabar 5. Menu Hoe.. Menu Input Data a. Menu Input Data Menu Input Data digunakan untuk easukan data alternatif fasilitas hotel, berupa alternatif; Kaar Tau (guest roos), Ruang Karaoke, Gift Shop, Tepat Kebugaran (G), Spa, Travel Corner (Inforasi Tur Wisata) ang ditandai dengan kode A sapai dengan A6. Menu input alternatif dilengkapi dengan tobol ADD ang digunakan untuk easukan dan enabah data alternatif, tobol RESET digunakan untuk enghapus data keseluruhan, tobol EDIT digunakan untuk eperbaiki data dan tobol DELETE untuk enghapus data satu persatu serta tobol Hoe untuk kebali ke Menu Utaa.... Menu Proses Perhitungan Setelah elakukan input data alternatif dan input data kriteria, selanjutna elakukan proses perhitungan pada data dengan enggunakan perhitungan perkalian antara Matrik Keputusan dengan Bobot. Untuk elakukan perhitungan pada enu ini alternatif, kriteria serta nilai rating kecocokan di asukkan pada enu Matrik Keputusan dan nilai bobot kriteria di asukkan pada enu Bobot keudian diperoleh hasil perhitungan berupa nilai preferensi ang dapat dilihat pada enu Hasil. a. Menu atrik keputusan Pada enu atrik keputusan untuk nilai di isi dengan sapai dengan 5, nilai ini diperoleh dari nilai rating kecocokan pada tabel disebelah kanan dengan asingasing nilai ewakili Sangat Buruk sapai dengan Sangat baik. Karena nilai ang diberikan pada setiap alternatif di setiap kriteria erupakan nilai kecocokan (nilai terbesar adalah terbaik) aka seua kriteria ang diberikan, di asusikan sebagai kriteria keuntungan. Setelah selesai elakukan input atrik keputusan keudian tekan tobol Hoe untuk kebali ke enu utaa Gabar 8. Menu atrik keputusan Gabar 6. Menu input data alternatif b. Menu Input Data Menu Input data kriteria digunakan untuk easukan data kriteria, berupa; ilai Investasi, Lokasi (ruang/tepat) fasilitas, Kebutuhan Konsuen dan Perlengkapan atau perabotan ang ditandai dengan kode C sapai dengan C. Menu input kriteria dilengkapi dengan tobol ADD ang digunakan untuk easukan dan enabah data kriteria, tobol RESET digunakan untuk enghapus data keseluruhan, tobol EDIT digunakan untuk eperbaiki data dan tobol DELETE untuk enghapus data satu persatu serta tobol Hoe untuk kebali ke Menu Utaa. b. Menu bobot kriteria Pada enu Bobot, untuk nilai di isi dengan sapai dengan 5, nilai ini diperoleh dari bobot kriteria pada tabel disebelah kanan dengan asing-asing nilai ewakili Sangat rendah sapai dengan Sangat Tinggi. ilai bobot untuk eberikan bobot kepentingan pada setiap kriteria ang engekpresikan kepentingan relatifna. Setelah selesai elakukan input bobot kriteria keudian tekan tobol Hoe untuk kebali ke enu utaa. Gabar 9. Menu bobot kriteria Gabar 7. Menu input data kriteria c. Menu hasil Pada enu Hasil enapilkan nilai preferensi dari perkalian Matrik Keputusan dengan Bobot, pada hasil ini terlihat nilai akhir dari asing-asing alternatif. Keudian untuk kebali keenu utaa tekan tobol hoe.

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 7 Gabar 0. Menu hasil.. Menu Laporan Setelah diperoleh hasil perhitungan aka selanjutna adalah enapilkan rekoendasi berupa solusi ideal alternatif untuk pengadaan fasilitas hotel dengan etode TOPSIS, pada penelitian ini alternatif ang terpilih adalah A aitu penabahan Kaar Tau (Guest Roos). Untuk enapilkan laporan dari hasil rekoendasi dapat enekan tobol PREVIEW dan untuk kebali keenu utaa dapat enekan tobol HOME Menu rekoendasi : Menu Preview Laporan : Gabar. Menu rekoendasi Gabar. Menu Preview laporan. Pebahasan Dala pebahasan ini dibahas bagaiana siste perhitungan secara ateatis dengan etode TOPSIS enggunakan Ecel ang bertujuan engetahui proses dala perhitungan TOPSIS sehingga enghasilkan nilai akhir dan rekoendasi fasilitas. Keudian elakukan perbandingan nilai akhir ang dihasil oleh siste dengan perhitungan enggunakan Ecel... Proses Perhitungan a. Mebuat Matrik Keputusan Pada pebahasan ini diulai dengan ebuat rating kecocokan dari setiap alternatif pada setiap kriteria dengan enggunakan MADM seperti tabel. Tabel. Rating kecocokan C C C C A 5 5 A A 5 A A 5 A 6 5 5 Karena nilai ang diberikan pada setiap alternatif di setiap kriteria erupakan nilai kecocokan (nilai terbesar adalah terbaik) aka seua kriteria ang diberikan di asusikan sebagai kriteria keuntungan Setelah ebuat rating kecocokan aka terbentuklah atrik keputusan. X = 5 5 5 5 5 Sehingga Matrik Keputusan berisikan rating kinerja ( ) dengan i (alternatif) = baris,,... dan j (kriteria) = kolo,,...n Keudian pengabil keputusan enentukan nilai bobot kriteria untuk ang enunjukkan tingkat kepentingan relatif setiap kriteria: W = [ ] b. Perhitungan dengan etode TOPSIS ) Mebuat atrik keputusan ternoralisasi (R). Langkah selanjutna untuk ebuat atrik keputusan ternoralisasi (R) adalah elakukan noralisasi terhadap rating kinerja dari atrik keputusan ( ) ang diulai dari elakukan perbandingan berpasangan disetiap kriteria j ( sapai dengan ) ang dihasilkan dari ang erupakan rating kinerja alternatif ke-i terhadap kriteria ke-j, nilai ini keudian di noralisasikan ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ), dengan enggunakan persaaan: r = i : Langkah a i Melakukan noralisasi nilai ang erupakan rating kinerja ke-i terhadap kriteria ke j, untuk i = i terhadap j = (... n ) dengan i = rating kinerja ke-i (baris) i penjulahan alternatif, baris sapai (i, i, i, i, i 5, i 6 ) terhadap nilai j = nilai kriteria kolo sapai n (untuk langkah enghitung nilai ) seperti ang diuraikan berikut ini :

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 8 i = terhadap j = adalah 5 ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = 5 terhadap j = adalah ( 5 ) i = 6 terhadap j = adalah ( 6 ) sehingga terbentuklah nilai aitu: 5,,,,, Langkah b : i Dari langkah a dilakukan penjulahan nilai i=.. terhadap seperti berikut: = 5 = 9.8999 Langkah c r = i Setelah diketahui nilai dan keudian dilakukan noralisasi nilai ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ) dengan uraian sebagai berikut: r = = 5 = 0.50507 9.8999 r = = = 0.006 9.8999 r = = = 0.006 9.8999 r = = = 0.00 9.8999 r 5 = 5 = = 0.006 9.8999 r 6 = 5 = = 0.006 9.8999 : Langkah a i Melakukan noralisasi nilai ang erupakan rating kinerja ke-i terhadap kriteria ke j, untuk i = j = (... n ) i terhadap dengan; i = rating kinerja ke-i (baris) penjulahan i alternatif, baris sapai (i, i, i, i, i 5, i 6 ) terhadap nilai j = nilai kriteria kolo sapai n (untuk langkah enghitung nilai ) seperti ang diuraikan berikut ini : i = terhadap j = adalah 5 ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = 5 terhadap j = adalah ( 5 ) i = 6 terhadap j = adalah 5 ( 6 ) sehingga terbentuklah nilai : 5,,,,, 5 Langkah b : i Dari langkah a dilakukan penjulahan nilai i=.. terhadap seperti berikut: = 5 5 = 9.7679 Langkah c r = i Setelah diketahui nilai dan keudian dilakukan noralisasi nilai ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ) dengan uraian: r = = 5 = 0.598 9.7679 = r = r = = r = = r 5 = 5 = r 6 = 6 = = 0.09 9.7679 = 0.059 9.7679 = 0.09 9.7679 = 0.0779 9.7679 5 = 0.598 9.7679 : Langkah a i Melakukan noralisasi nilai ang erupakan rating kinerja ke-i terhadap kriteria ke j, untuk i = j = (... n ) : i terhadap dengan i = rating kinerja ke-i (baris) penjulahan i alternatif, baris sapai (i, i, i, i, i 5, i 6 ) terhadap nilai j = nilai kriteria kolo sapai n (untuk langkah enghitung nilai ) seperti ang diuraikan berikut ini : i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah 5 ( ) i = terhadap j = adalah ( ) i = 5 terhadap j = adalah ( 5 ) i = 6 terhadap j = adalah ( 6 ) sehingga terbentuklah nilai aitu:,, 5,,, Langkah b : i Dari langkah a dilakukan penjulahan nilai i=.. terhadap seperti berikut: = 5 = 8.7796

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 9 Langkah c r = i : Setelah diketahui nilai dan keudian dilakukan noralisasi nilai ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ) dengan uraian sebagai berikut: r = = = 0.558 8.7796 = r = r = = r = = r 5 = 5 = r 6 = 6 = = 0.88 8.7796 5 = 0.56980 8.7796 = 0.88 8.7796 = 0.88 8.7796 = 0.88 8.7796 : Langkah a i Melakukan noralisasi nilai ang erupakan rating kinerja ke-i terhadap kriteria ke j, untuk i = j = (... n ) i terhadap Dengan i = rating kinerja ke-i (baris) penjulahan i alternatif, baris sapai (i, i, i, i, i 5, i 6 ) terhadap nilai j = nilai kriteria kolo sapai n (untuk langkah enghitung nilai ) seperti ang diuraikan berikut ini : i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = terhadap j = adalah ( ) i = 5 terhadap j = adalah ( 5 ) i = 6 terhadap j = adalah 5 ( 6 ) sehingga terbentuklah nilai aitu: = + ++++5 Langkah b : i Dari langkah a dilakukan penjulahan nilai i=.. terhadap seperti berikut: = 5 = 8.858 Langkah c r = i : Setelah diketahui nilai dan keudian dilakukan noralisasi nilai ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ) dengan uraian: r = = r = = r = = r = = r 5 = 5 = r 6 = 6 = = 0.555 8.858 = 0.570 8.858 = 0.70 8.858 = 0.555 8.858 = 0.555 8.858 5 = 0.5895 8.858 ilai ang telah dilakukan noralisasi ke dala suatu skala ang dapat diperbandingkan dari setiap alternatif pada setiap kriteria (r ) enghasilkan Matrik ternoralisasi (R). 0.50507 0.598 0.558 0.555 0.006 0.09 0.88 0.570 0.006 0.059 0.56980 0.70 R 0.00 0.09 0.88 0.555 0.006 0.0779 0.88 0.555 0.006 0.598 0.88 0.5895 ) Mebuat batriks keputusan ternoralisasi terbobot. Langkah selanjutna adalah elakukan perkalian atrik keputusan ternoralisasi dengan bobot kriteria ang berisikan bobot kepentingan setiap kriteria ang engekpresikan kepentingan relatifna sehingga enghasilkan batrik Y. 0.50507 0.598 0.558 0.555 0.006 0.09 0.88 0.570 0.006 0.059 0.56980 0.70 0.00 0.09 0.88 0.555 0.006 0.0779 0.88 0.555 0.006 0.598 0.88 0.5895.000.0595.675 0.7070.66.656.056 0.70.66 0.8078.7090 0.980 Y.8.656.056 0.7070.66.7.056 0.7070.66.0595.056.785 * = ) Menentukan atrik solusi ideal positif (A + ) dan atrik solusi ideal negatif (A - ). Pada solusi ideal positif ini ditentukan berdasarkan hasil terbesar (Ma) atrik keputusan ternoralisasi terbobot berdasarkan nilai ternoralisasi terbobot terhadap kriteria ditandai dengan untuk j = kriteria dari j sapai. Pada solusi ideal negatif ditentukan berdasarkan hasil terkecil (Min) atrik keputusan ternoralisasi terbobot berdasarkan nilai ternoralisasi terbobot terhadap kriteria ditandai dengan j untuk j = kriteria dari sapai. Karena nilai ang diberikan terhadap kriteria erupakan nilai kecocokan (nilai terbesar adalah terbaik) aka seua kriteria ang diberikan, di asusikan sebagai kriteria keuntungan

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 50 Uraian solusi ideal positif (A + ) enggunakan persaaan: A + = [,,..., n ] dengan a ; jika j adalah kriteria keuntungan j in ; jika j adalah kriteria biaa seperti berikut: = a[.000;.66;.66;.8;.66;.66] =.000 = a[.0595;.656; 0.8078;.656;.7;.0595] =.0595 = a[.675;.056;.7090;.056;.056;.056] =.7090 = a[0.7070; 0.70; 0.980; 0.7070; 0.7070;.785] =.785 A + = [.000 ;.0595;.7090;.785] Uraian solusi ideal negatif (A - ), enggunakan persaaan: A - = [,,..., n ]; dengan in j a ; jika j adalah kriteria keuntungan ; jika j adalah kriteria biaa seperti berikut ini: = in [.000;.66;.66;.8;.66;.66] =.8 = in [.0595;.656; 0.8078;.656;.7;.0595] = 0.8078 = in [.675;.056;.7090;.056;.056;.056] =.056 = in [0.7070; 0.70; 0.980; 0.7070; 0.7070;.785] = 0.70 A - = [.8; 0.8078;.056; 0.70] Dari atrik keputusan ternoralisasi terbobot berdasarkan nilai ternoralisasi terbobot pada setiap kriteria j aka dihasilkan atrik solusi ideal positif (A + ) dan atrik solusi ideal negatif (A - ) Tabel. Solusi ideal positif (A + ) dan negatif (A - ) A +.000.0595.7090.785 A -.8 0.8078.056 0.70 ) Menentukan jarak antara nilai terbobot setiap alternatif solusi ideal positif S i + dan negatif S i -. Untuk jarak antara nilai terbobot setiap alternatif terpilih ang terbaik eiliki jarak terpendek dari solusi ideal positif S i + : Untuk jarak antara nilai terbobot setiap alternatif terpilih ang terbaik eiliki jarak terpanjang terhadap solusi ideal negatif S i - : Jarak antara nilai terbobot setiap alternatif solusi ideal positif S i + dan negatif S i - Tabel. Jarak antara nilai terbobot positif dan negatif + S i - S i A 0.58.50 A.98 0.98 A.70 0.959 A.9 0.8595 A 5.559 0.68 A 6 0.79.766 sehingga untuk alternatif terpilih ang terbaik eiliki jarak terpendek dari solusi ideal positif S + i adalah S + = 0.58. Untuk alternatif terpilih ang terbaik eiliki - jarak terpanjang dari solusi ideal negatif S i - adalah S =.50 5) Menentukan kedekatan setiap alternatif terhadap solusi ideal Untuk nilai preferensi ang lebih besar enunjukkan alternatif fasilitas hotel ang lebih dipilih, dengan S enggunakan persaaan: A i = i S S i i.50 A 0.7 0.58.50 0.98 A 0.55.98 0.98 0.959 A 0.0.70 0.959 0.8595 A 0.0990.9 0.8595 0.68 A5 0.9.559 0.68.766 A6 0.6508 0.79.766 Dari perhitungan diperoleh nilai preferensi untuk A i untuk kedekatan setiap alternatif terhadap solusi ideal ang diranking berdasarkan nilai tertinggi. A = 0.7

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 5 A 6 = 0.6508 A = 0.55 A = 0.0 A = 0.0990 A 5 = 0.9 Dari nilai preferensi A i ini dapat dilihat bahwa A eiliki nilai ranking terbesar, sehingga dapat disipulkan bahwa alternatif A atau alternatif Kaar Tau (guest roos) ang akan dipilih.... Pengujian hasil akhir Langkah terakhir adalah elakukan pengujian terhadap hasil akhir ang dihasilkan siste, pengujian ini dilakukan dengan elakukan pencocokan nilai dari hasil akhir antara siste aplikasi Visual Basic 6 dengan perhitungan Ecel. a. Hasil akhir dari perhitungan ateatis etode TOPSIS enggunakan Aplikasi Visual Bascic 6 dapat dilihat pada tabel dengan nilai hasil enggunakan bilangan pecahan 5 digit dibelakang koa. Tabel. Hasil Akhir Aplikasi Visual Basic 6 Hasil A 0.765560 A 0.5556609 A 0.9958586579 A 0.09909575679 A 5 0.90776 A 6 0.6508055877 b. Hasil akhir dari perhitungan ateatis etode TOPSIS enggunakan Ecel dapat dilihat pada tabel dengan nilai hasil enggunakan bilangan pecahan 5 digit dibelakang koa. Tabel 5. Hasil perhitungan Ecel Hasil A 0.7 A 0.55 A 0.0 A 0.0990 A 5 0.9 A 6 0.6508 c. Pada perhitungan ateatis etode TOPSIS dilakukan pengujian nilai akhir antara siste dengan Ecel, dengan cara encocokan nilai akhir. Tabel 6. Kecocokan ilai Akhir Alternati f Visual Basic 6 Ecel A 0.765 560 0.7 Kecocokan ilai Kecocokan nilai A terdapat pada angka pertaa aitu 0 dan lia angka dibelakang koa aitu 7 Alternati f A A A5 Visual Basic 6 Ecel 0.9958 586579 0.0 0.0990957 5679 0.0990 0.90 776 0.9 Kecocokan ilai Kecocokan nilai A terdapat pada angka pertaa aitu 0 dan tiga angka dibelakang koa aitu dan ketidak cocokan pada nilai keepat dan nilai kelia dibelakang koa Kecocokan nilai A terdapat pada angka pertaa aitu 0 dan lia angka dibelakang koa aitu 0990 Kecocokan nilai A 5 terdapat pada angka pertaa aitu 0 dan lia angka dibelakang koa aitu 9 Kecocokan nilai A 5 terdapat pada 0.650805 angka pertaa A6 5877 0.6508 aitu 0 dan lia angka dibelakang koa aitu 6508 Perhitungan ateatis dengan enggunakan etode TOPSIS telah dilakukan pengujian dengan elakukan pencocokan nilai akhir antara siste dengan Ecel. Dengan hasil A terdapat ketidak cocokan nilai pada nilai keepat dan kelia di belakang koa. 5. Kesipulan Proses pada siste pendukung keputusan untuk pengadaan fasilitas hotel dengan etode TOPSIS dilakukan dengan enggunakan perhitungan secara ateatis enggunakan Ecel ang bertujuan untuk enghasilkan nilai akhir dan rekoendasi fasilitas. Selanjutna, dilakukan perbandingan nilai akhir untuk enapilkan rekoendasi berupa solusi ideal alternatif untuk pengadaan fasilitas hotel. Untuk enapilkan laporan dari hasil rekoendasi dapat enekan tobol PREVIEW dan untuk kebali keenu utaa dapat enekan tobol HOME Daftar Pustaka Bun, H.S., Lee, K.H., 00. A decision support sste for the selection of a rapid prototping process using the odified TOPSIS ethod. Int J Adv Manuf Technol, 6: 8 7. Jiang, J., Chen, YW., Tang D.W., Chen Y.W., 00. TOPSIS with Belief Structure for Group Belief Multiple Criteria Decision Making. International Journal of Autoation and Coputing, 7 (), 59-6.

Jurnal Siste Inforasi Bisnis 0(0) On-line : http://ejournal.undip.ac.id/inde.php/jsinbis 5 Kusrini, 007. Konsep dan Aplikasi Siste Pendukung Keputusan. Andi Offset, Yogakarta. Kusuadewi, S., Hartati, S., Harjoko, A, Wardoo, R., 006. Fuzz ulti-attribute Decision Making (Fuzz MADM). Graha Ilu, Yogakarta. Suradi, K., Radhani, A., 998. Siste Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Ipleentasi Konsep Pengabilan Keputusan. PT Reaja Rosdakara, Bandung. Wei, Gui-Wu., 00. Etension of TOPSIS ethod for -tuple linguistic ultiple attribute group decision aking with incoplete weight inforation. Knowl Inf Sst 5: 6-6. Yong, D., 006. Plant location selection based on fuzz TOPSIS. Int. J. Adv. Manuf.. Technol, : 89-8.