1
ANALISIS PERBANDINGAN METODE GABUNGAN AHP DAN TOPSIS
DENGAN METODE TOPSIS
Annisa Arfani Yusuf ¹, Moh. Hidayat Koniyo², Dian Novian³ INTISARI
Sistem Pendukung Keputusan memiliki banyak metode yang digunakan untuk menyelesaikan permasalahan mengenai pemilihan keputusan oleh para pembuat keputusan. Penelitian ini membandingkan dua metode sistem pendukung keputusan yakni metode gabungan AHP-TOPSIS dan metode TOPSIS. Studi kasus yang digunakan dalam penelitian ini adalah Penyeleksian Penerima Beasiswa PPA dan BBM di Fakultas Teknik Universitas Negeri Gorontalo dan diimplementasikan dalam bentuk aplikasi. Metode penelitian yang digunakan adalah metode R&D model ADDIE, dimana tahapan yang dilakukan adalah Analysis, Design, Development,
Implementation, dan Evaluation. Kriteria yang digunakan adalah IPK (Indeks Prestasi Kumulatif), semester,
prestasi, jumlah penghasilan orang tua, keadaan keluarga, penerima beasiswa pemerintah, usia, status orang tua, tanggungan orang tua, kuliah bersaudara, jalur masuk, dan jenjang mahasiswa. Aplikasi yang dihasilkan dapat menampilkan hasil akhir dari metode TOPSIS dan metode TOPSIS. Hasil dari pengujian metode AHP-TOPSIS dan AHP-TOPSIS menghasilkan nilai akurasi 100% untuk metode AHP-AHP-TOPSIS dan 73,075% untuk metode TOPSIS, dengan menggunakan uji sample terhadap 25 data mahasiswa. Perbedaan mendasar terletak pada pemberian bobot, dimana metode TOPSIS memiliki subjektifitas yang tinggi, sementara metode AHP-TOPSIS mengukur konsistensi bobot terlebih dahulu. Sehingga diperoleh bahwa metode yang lebih akurat adalah metode AHP-TOPSIS.
Kata Kunci: Sistem Pendukung Keputusan, Metode AHP-TOPSIS, Metode TOPSIS, Beasiswa PPA dan BBM
ABSTRACT
Decision Support Systems have many methods to solve the problems concerning the selection decision by decision makers. This study compared two methods of decision support systems which combined of AHP-TOPSIS method and TOPSIS method. The case studies used in this study were scholarship Selection of PPA and BBM at the Faculty of Engineering, Universitas Negeri Gorontalo and implemented in the software form. The research method used is R & D model of ADDIE where the steps are Analysis, Design, Development, Implementation, and Evaluation. The criterias are GPA (Grade Point Average), semester, achievement, parents income, family circumstances, government scholarship recipients, age, parental status, dependent parents, siblings in college, acceptance paths, and student levels. The application can display the final results of AHP-TOPSIS method and TOPSIS method. Results of testing TOPSIS method and TOPSIS produced 100% accuracy values on AHP-TOPSIS and 73.075% on AHP-TOPSIS method by using a test sample of 25 students. The fundamental difference lied in the points which the TOPSIS method has a high subjectivity for points, while the AHP-TOPSIS method measure the consistency of points for the first place. It can be known that the most accurate method is AHP-TOPSIS method.
Keywords: Decision Support System, AHP-TOPSIS Method, TOPSIS Method, PPA and BBM Scholarship
¹ Annisa Arfani Yusuf, Mahasiswa Teknik Informatika Universitas Negeri Gorontalo ²Moh. Hidayat Koniyo, ST., M.Kom,. Dosen Teknik Informatika Universitas Negeri Gorontalo ³Dian Novian, S.Kom., MT,. Dosen Teknik Informatika Universitas Negeri Gorontalo
2
PENGANTAR
Sistem Pendukung Keputusan (SPK) memiliki banyak metode untuk menentukan keputusan terbaik, salah satu metode yang digunakan pada sistem pengambilan keputusan ialah metode gabungan Analytical Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) yang merupakan penggunaan dari metode TOPSIS. Metode gabungan AHP-TOPSIS pernah digunakan oleh Manurung (2010) yakni Sistem Pendukung Keputusan Seleksi Penerima Beasiswa dengan Metode AHP dan TOPSIS (Studi Kasus: FMIPA USU). Metode tersebut dianggap dapat memecahkan permasalahan penerimaan beasiswa di Fakultas MIPA USU. Namun apakah metode gabungan lebih akurat dan efektif dibandingkan dengan TOPSIS?
Berdasarkan kasus di atas maka penulis berinisiatif membandingkan metode antara metode gabungan AHP dan TOPSIS dengan metode TOPSIS menggunakan studi kasus Penerimaan Beasiswa Peningkatan Prestasi Akademik (PPA) dan Bantuan Belajar Mahasiswa (BBM) di Fakultas Teknik Universitas Negeri Gorontalo (UNG). Tujuannya ialah untuk mengetahui apakah hasil yang diberikan dari perbandingan kedua metode tersebut sama atau mengalami hasil yang berbeda, serta mengetahui metode manakah yang mampu memberikan informasi yang lebih akurat.
TINJAUAN PUSTAKA
Pengertian Sistem Pendukung Keputusan
Berdasarkan dari pendapat beberapa ahli dapat disimpulkan bahwa Sistem Pendukung Keputusan atau Decision Support System merupakan sistem berbasis model yang menggunakan komputer untuk mengolah data, nilai, pengetahuan, dan informasi yang digunakan oleh para pembuat keputusan sebagai alat bantu dalam menghasilkan keputusan.
Analytical Hierarchy Process (AHP)
Metode AHP dikembangkan oleh Dr. Thomas L. Saaty dari Wharton School of Bussines pada tahun 1970-an untuk mengorganisasikan informasi dan judgement dalam memilih alternatif yang disukai (Marimin, 2004). Pada dasarnya proses pengambilan keputusan menggunakan metode AHP adalah memilih suatu alternatif. Peralatan utama
3
AHP adalah sebuah hierarki fungsional dengan input utamanya persepsi manusia. Prosedur atau langkah-langkah dalam metode AHP meliputi (Kusrini, 2007):
a. Mengidentifikasi masalah dan menentukan solusi yang diinginkan, lalu menyusun hierarki dari permasalahan yang dihadapi.
b. Menentukan prioritas elemen
1) Membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai kriteria yang diberikan.
2) Matriks perbandingan berpasangan diisi menggunakan bilangan untuk merepresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya.
c. Sintesis
Hal-hal yang dilakukan dalam langkah ini adalah :
1) Menjumlahkan nilai-nilai dari setiap kolom pada matriks
2) Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks.
3) Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata.
d. Mengukur Konsistensi
Dalam membuat keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Hal-hal yang dilakukan dalam langkah ini adalah:
1) Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya. 2) Jumlahkan setiap baris.
3) Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan.
4) Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada, hasilnya disebut maks.
e. Menghitung Consistency Indeks CI dengan rumus:
CI =
...………(1) Dimana n = banyaknya elemen.
4
f. Hitung Rasio Konsistensi/Consistency Ratio (CR) dengan rumus:
CR
=
………(2) Dimana : CR = Consistency RatioCI = Consistency Indeks
IR = Indeks Random Consistency
g. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data judgment harus diperbaiki. Namun jika rasio konsistensi (CI/IR) kurang atau sama dengan 0,1, maka hasil perhitungan bisa dinyatakan benar. Daftar Indeks Random Konsistensi (IR) bisa dilihat pada Tabel 1.
Tabel 1 Daftar Indeks Random Konsistensi (IR)
Ukuran
Matriks 1,2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nilai IR 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 1,57 1,59
Technique for Others Preference by Similarity to Ideal Solution (TOPSIS)
Metode TOPSIS pertama kali diperkenalkan oleh Hwang dan Yoon tahun 1981, dengan gagasan utamanya datang dari konsep kompromi solusi yakni alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif (solusi optimal) dan memiliki jarak terjauh dari solusi ideal negatif (solusi non-optimal). Jadi memilih yang terbaik dari pemilahan, akan menjadi alternatif yang terbaik (Tzeng, 2011).
Prosedur pengerjaan metode TOPSIS adalah sebagai berikut (Manurung, 2010): 1. Normalisasi matriks keputusan
Setiap elemen pada matriks D dinormalisasikan untuk mendapatkan matriks normalisasi R. Setiap normalisasi dari nilai dapat dilakukan dengan perhitungan sebagai berikut:
=
………(4)
Untuk i=1,2,3,…,m; j=1,2,3,…,n
2. Pembobotan pada matriks yang telah dinormalisasikan
Diberikan bobot W = (w1,w2,…,wn), sehingga weighted normalized matrix V dapat dihasilkan sebagai berikut:
5 V = ⋯ ⋮ ⋱ ⋮ ⋯ ………(5)
Dengan i=1,2,3,…,m dan j=1,2,3…,n
3. Menentukan solusi ideal positif dan solusi ideal negatif
Solusi ideal positif dinotasikan dengan dan solusi ideal negatif dinotasikan dengan , sebagai berikut :
Menentukan Solusi Ideal (+) & (-)
= {(max | j ϵ J)(min | j ϵ J’), I = 1,2,3,…m} = { , ,… } ..(6) = {(max | j ϵ J)(min | j ϵ J’), I = 1,2,3,…m} = { , ,… } ..(7) Dimana:
= elemen matriks V baris ke-i dan kolom ke-j
J = {j= 1,2,3,…,n dan j berhubung dengan benefit criteria} J’ = {j= 1,2,3,….n dan j berhubung dengan cost criteria} 4. Menghitung Separation Measure
Separation measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. Perhitungan matematisnya adalah sebagai berikut:
Separation measure untuk solusi ideal positif
= ∑ ( − )² , dengan i=1,2,3,…n ………(8)
Separation measure untuk solusi ideal negatif
= ∑ ( − )² , dengan i=1,2,3,…n ………(9)
5. Menghitung kedekatan relative dengan ideal positif
Kedekatan relative dari alternatif dengan solusi ideal direpresentasikan dengan: =
, dengan 0 < < 1 dan i=1,2,3,…m ………(10) 6. Mengurutkan Pilihan
Alternatif dapat dirangking berdasarkan urutan . Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi ideal negatif.
6
Perhitungan Akurasi
Perhitungan akurasi dilakukan agar dapat dinilai dalam bentuk angka dan presentase menggunakan rumus akurasi umum, yakni (Abidin, 2012):
Akurasi =
………(11)
Kriteria Penerima Beasiswa PPA dan BBM
Kriteria penerima beasiswa PPA dan BBM terdiri dari 12 kriteria yakni IPK, semester, prestasi, jumlah penghasilan orang tua, keadaan keluarga, penerima beasiswa pemerintah, usia, status orang tua, tanggungan orang tua, kuliah bersaudara, jalur masuk, dan jenjang mahasiswa. Pada beasiswa PPA, urutan prioritas kriteria dimulai dari IPK, semester, prestasi, dan jumlah penghasilan orang tua. Sementara urutan prioritas kriteria pada beasiswa BBM dimulai dari jumlah penghasilan orang tua, prestasi, dan semester. Kemudian dilanjutkan dengan urutan keadaan keluarga hingga jenjang mahasiswa untuk beasiswa PPA dan BBM.
Masing-masing kriteria memiliki nilai range dan nilai konversi yang digunakan pada proses perhitungan. Konversi berfungsi untuk mengkonversasi data-data mahasiswa menjadi nilai-nilai yang lebih mudah untuk diproses pada proses perhitungan mendapatkan nilai akhir. Nilai konversi kriteria dapat dilihat pada Tabel 2.
Tabel 2 Data Konversi Kriteria Penerima Beasiswa PPA dan BBM
Simbol Nama Data Data Awal Data Konversi
C1 IPK PPA < 3.00 0 3.00 - 3.50 3 3.51 - 4.00 5 BBM < 2.50 0 2.50 – 3.25 3 3.25 – 4.00 5 C2 Semester PPA 2 1 4 3 6 5 BBM 6 1 8 5 C3 Prestasi Sedikit 1 Sedang 3 Banyak 5 C4 Jumlah Penghasilan > 8.000.000 1 > 2.000.000 - <= 8.000.000 3 <= 2.000.000 5
7
Sejahtera 3
Miskin 5
C6 Penerima Beasiswa Pemerintah
Penerima 0
Bukan Penerima 5
C7 Kriteria Usia
>= 23 tahun 0
16 - 22 tahun 5
C8 Status Orang Tua
Lengkap 1
Yatim / Piatu 3
Yatim Piatu 5
C9 Tanggungan Orang Tua
1 – 2 anak 1 3 – 4 anak 3 >= 5 anak 5 C10 Kuliah Bersaudara Tidak Bersaudara 1 Bersaudara 5 C11 Jalur Masuk Non Reguler 0 Reguler 5 C12 Jenjang Mahasiswa D3 1 S1 5 Keterangan Angka:
0 = Tidak Ada/ Tidak Dihitung 1 = Sangat Rendah 2 = Rendah 3 = Cukup 4 = Tinggi 5 = Sangat Tinggi CARA PENELITIAN
Metode penelitian yang digunakan pada penelitian ini adalah metode R&D Model ADDIE. Tahapannya dapat dilihat pada Gambar 1.
8
Berikut ini merupakan penjelasan dari tahapan yang dilakukan oleh penulis (Yusuf, 2013):
a. Analysis (Analisis)
Pada tahap ini penulis melakukan analisis tentang metode AHP-TOPSIS melalui penelitian Manurung (2010), kemudian melakukan analisis perbandingan terhadap metode TOPSIS menggunakan studi kasus penyeleksian penerima beasiswa PPA dan BBM Fakultas Teknik UNG. Selain itu penulis juga mengumpulkan data-data AHP, TOPSIS, AHP dan TOPSIS, syarat dan kriteria calon penerima beasiswa PPA dan BBM, serta data mahasiswa Fakultas Teknik UNG yang masih aktif.
Pada proses AHP-TOPSIS yang terlebih dahulu dilakukan adalah melakukan perhitungan AHP terlebih dahulu untuk mendapatkan nilai bobot dari tiap kriteria hingga pengujian konsistensinya, kemudian dilanjutkan dengan pengerjaan metode TOPSIS untuk mendapatkan rangking penerima beasiswa. Setelah mengerjakan AHP-TOPSIS, penulis mengerjakan proses TOPSIS. Pada pengerjaan tiap metode, penulis menganalisis setiap hasiln akhirnya, kemudian membandingkan hasil akhirnya dan dianalisa metode manakah yang memiliki tingkat akurasi yang tinggi.
b. Design (Perancangan)
Sistem pengerjaan metode gabungan AHP dan TOPSIS dengan metode TOPSIS diterapkan dalam bentuk aplikasi, sehingga pada tahapan ini dilakukan design atau perancangan dari sistem yang akan dibuat. Perancangan sistem dibuat dalam bentuk Data Flow Diagram (DFD), Entity Relationship Diagram (ERD), dan perancangan interface input dan output sistem.
c. Development (Pengembangan)
Rancangan yang telah dilakukan sebelumnya kemudian diterapkan atau dikembangkan pada tahap ini dalam bentuk coding, sehingga tahap ini ialah melakukan pembuatan software mengenai sistem yang telah dirancang sebelumnya.
d. Implementation (Implementasi)
Pada tahap ini sistem atau aplikasi yang telah dibuat diterapkan kemudian diuji coba, terutama uji coba terhadap metode AHP-TOPSIS dan metode TOPSIS dengan menggunakan aplikasi yang telah dibuat. Implementasi dilakukan dengan memasukkan sampel data mahasiswa Fakultas Teknik UNG.
9
e. Evaluation (Evaluasi)
Setelah melakukan percobaan, penulis melakukan evaluasi terhadap metode yang telah diuji dengan menggunakan sistem untuk menentukan hasil dari perbandingan metode gabungan AHP dan TOPSIS dengan metode TOPSIS. Evaluasi juga dilakukan terhadap sistem atau aplikasi yang telah dibuat. Jika pada tahap evaluasi masih terjadi kesalahan pada sistem atau perhitungan metode, maka dari tahap evaluasi dapat kembali ke tahap analisis, atau desain, atau pengembangan, atau implementasi. Setelah melakukan perbaikan pada tahap yang ditinjau dari tahap evaluasi, maka langsung dapat kembali ke tahap evaluasi.
HASIL DAN PEMBAHASAN
Berikut pada Tabel 3 merupakan data mahasiswa yang diseleksi dan diuji pada implementasi Tabel 3 Data Mahasiswa yang Diseleksi
No Nama C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
10001 NURISDAYANTI
BULANGO 3 6 SEDANG 6000000 KAYA
Bukan
Penerima 17 LENGKAP 2 Tidak Reguler S1 10002 BRIAN DAMITI 3 6 SEDANG 2000000 MISKIN Bukan
Penerima 20
YATIM/
PIATU 2 Tidak Reguler S1 10003 RUDI WIYONO 3.14 6 SEDANG 4000000 SEJAHTERA Bukan
Penerima 20 LENGKAP 2 Tidak Reguler S1 10004 ARISTY YACUB
ESSING 3.14 6 SEDANG 4000000 SEJAHTERA
Bukan
Penerima 17 LENGKAP 2 Tidak Reguler S1 10005 MIRNAWATI 2.57 6 SEDANG 6000000 KAYA Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10006 TITIN HARDIYANTI. S.
LAUNA 2.71 6 SEDANG 4000000 SEJAHTERA
Bukan
Penerima 18 LENGKAP 3 Tidak Reguler S1 10007 ALI HASYMI HUSAIN 3 6 SEDANG 6000000 KAYA Bukan
Penerima 18 LENGKAP 3 Tidak Reguler S1 10008 FANDLI SUPANDI 3.29 6 SEDANG 13000000 KAYA Bukan
Penerima 17 LENGKAP 3 Tidak Reguler S1 10009 NOVA PUSPITA KASIM 3.14 6 SEDANG 4000000 SEJAHTERA Bukan
Penerima 18 LENGKAP 3 Tidak Reguler S1 10010 MUH. RIFNANJAR 3 6 SEDANG 2000000 MISKIN Bukan
Penerima 17 LENGKAP 3 Tidak Reguler S1 10011 ISMAIL H. MADJADI 0.6 6 SEDANG 4000000 SEJAHTERA Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10012 FAJRIN ISMAIL 3.14 6 SEDANG 4000000 SEJAHTERA Bukan
Penerima 17 LENGKAP 2 Tidak Reguler S1 10013 ABDUL RAHMAN
SALEH 0 6 SEDANG 2000000 MISKIN
Bukan
Penerima 17 LENGKAP 2 Tidak Reguler S1 10014 ASWIR MANOPPO 1.71 6 SEDANG 6000000 KAYA Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10015 ALESSANDRO
LIBUNELO 2.14 6 SEDANG 2000000 MISKIN
Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10016 KASMIYATI
MOOLANGGATO 0 6 SEDANG 4000000 SEJAHTERA
Bukan Penerima 19
YATIM/
PIATU 4 Tidak Reguler S1 10017 SUTRISNO ISKANDAR 0 6 SEDANG 2000000 MISKIN Bukan
Penerima 19 LENGKAP 4 Tidak Reguler S1 10018 SUKRIMAN KAMBA 2.14 6 SEDANG 6000000 KAYA Bukan
Penerima 18 LENGKAP 4 Tidak Reguler S1 10019
QIBTIYAQH PUTRI ISLAMIYAH
FRANTIGO
1.86 6 SEDANG 8000000 KAYA Bukan
Penerima 19 LENGKAP 2 Tidak Reguler S1 10020 ERWIN KURNIAWAN 3.14 6 SEDANG 4000000 SEJAHTERA Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10021 MUHAMAD FAHRUL
REZA NAUE 3.57 6 SEDANG 6000000 KAYA
Bukan
Penerima 18 LENGKAP 2 Tidak Reguler S1 10022 ANDRI NATSIR
ANTULE 1.57 6 SEDANG 10000000 KAYA
Bukan
Penerima 19 LENGKAP 2 Tidak Reguler S1 10023 ZAINAL DUNGGIO 3.14 6 SEDANG 2000000 MISKIN Bukan
Penerima 17 LENGKAP 2 Tidak Reguler S1 10024 MUHAMMAD YUSUF 3.14 6 SEDANG 6000000 KAYA Bukan
Penerima 18 LENGKAP 3 Tidak Reguler S1 10025 MARYAM M BADOE 3.14 6 SEDANG 2000000 MISKIN Bukan
10
Hasil Perbandingan Metode AHP-TOPSIS dan Metode TOPSIS Beasiswa PPA
Hasil perbandingan metode AHP-TOPSIS dan metode TOPSIS beasiswa PPA dapat dilihat pada Gambar 2.
Gambar 2 Hasil Perbandingan Metode AHP-TOPSIS dan Metode TOPSIS Beasiswa PPA
Hasil Perbandingan Metode AHP-TOPSIS dan Metode TOPSIS Beasiswa BBM
Hasil perbandingan metode AHP-TOPSIS dan metode TOPSIS Beasiswa BBM dapat dilihat pada Gambar 3.
Gambar 3 Hasil Perbandingan Metode AHP-TOPSIS dan Metode TOPSIS Beasiswa BBM
Hasil akhir pada penerima beasiswa PPA relatif sama, namun perbedaan yang menonjol adalah peringkat Muhammad Fahrul Reza (Fahrul) pada metode AHP-TOPSIS dan metode TOPSIS, dimana pada metode AHP-TOPSIS Fahrul menempati peringkat pertama sedangkan
11
pada metode TOPSIS Fahrul menempati peringkat kelima. Hal ini disebabkan Fahrul memiliki nilai IPK tertinggi yakni 5 sementara nilai jumlah penghasilan orang tua yang dimilikinya bernilai 3 sedangkan Brian, Rifnanjar, Zainal, dan Maryam memiliki nilai IPK 3 dan jumlah penghasilan orang tua 5. Untuk data yang lebih lengkap dapat dilihat pada Yusuf (2013). Pada studi kasus beasiswa PPA, dapat dikatakan metode AHP-TOPSIS lebih akurat karena beasiswa PPA memiliki prioritas utama pada IPK sementara jumlah penghasilan orang tua menempati prioritas ketiga. Jadi sudah seharusnya peringkat teratas diraih oleh mahasiswa yang nilai IPK nya tinggi.
Sementara itu hasil akhir pada beasiswa BBM juga relatif sama, namun perbedaan sekali lagi terlihat pada posisi Fahrul yang berbeda pada metode AHP-TOPSIS dan metode TOPSIS. Pada metode AHP-TOPSIS Fahrul menempati peringkat kelima, sementara pada metode TOPSIS Fahrul menempati peringkat ketujuh. Pertukaran posisi terjadi pada Fahrul dan Titin juga Nova. Nilai jumlah penghasilan orang tua yang dimiliki Fahrul sama dengan nilai jumlah penghasilan orang tua yang dimiliki Titin dan Nova yakni 3. Hal yang membedakan Titin dan Nova dengan Fahrul ialah karena Fahrul memiliki nilai IPK tertinggi yakni 5 sementara Titin dan Nova memiliki nilai 3, nilai keadaan keluarga yang dimiliki oleh Titin dan Nova adalah 3 sementara Fahrul memiliki nilai 1, dan nilai tanggungan orang tua yang dimiliki Titin dan Nova adalah 3 sedangkan Fahrul memiliki nilai 1. Untuk data yang lebih lengkap dapat dilihat pada Yusuf (2013). Pada studi kasus beasiswa BBM, dapat dikatakan metode AHP-TOPSIS lebih akurat karena kriteria IPK pada beasiswa BBM menempati prioritas ketiga, sementara kriteria keadaan keluarga menempati urutan prioritas kelima dan tanggungan orang tua menempati urutan kesembilan. Sehingga Fahrul lebih berhak mendapatkan peringkat lebih atas dibandingkan dengan Titin dan Nova.
Hasil dari perhitungan akurasi metode AHP-TOPSIS dan metode TOPSIS berdasarkan data pada Tabel 3 untuk beasiswa PPA adalah 100% dan 64,29%, sementara untuk beasiswa BBM adalah 100% dan 81,25%. Sehingga rata-rata dari nilai akurasi untuk metode AHP-TOPSIS adalah 100% dan untuk metode AHP-TOPSIS adalah 73,075% (Yusuf, 2013).
Berdasarkan hasil analisa diatas dapat dikatakan bahwa penilaian bobot pada metode TOPSIS memiliki subjektifitas yang tinggi, sehingga pembuat keputusan bisa menentukan nilai bobot sesuai dengan kehendak pembuat keputusan tanpa memperhatikan dan menimbangkan konsistensi dari nilai bobot itu sendiri. Lain halnya dengan metode AHP-TOPSIS, bobot yang dihasilkan dari perhitungan AHP-TOPSIS dihasilkan dari nilai skala perbandingan yang
12
diinput oleh pembuat keputusan atau user kemudian diproses lalu dinilai apakah nilai skala perbandingan yang diinput konsisten atau tidak konsisten. Jika bobot yang dihasilkan tidak konsisten, maka bobot yang telah dihasilkan dari inputan nilai skala perbandingan tidak layak untuk dijadikan nilai bobot dalam membuat keputusan. Sehingga metode AHP-TOPSIS lebih akurat dibandingkan dengan metode TOPSIS yang nilai bobotnya memiliki subjektifitas yang tinggi.
KESIMPULAN
1. Hasil nilai akurasi terhadap sample 25 mahasiswa Sistem Informasi Fakultas Teknik UNG semester 6 tahun 2012-2013 yang didapatkan oleh metode AHP-TOPSIS mencapai 100%, sementara metode TOPSIS mencapai 73,075% .
2. Hal yang mendasari letak perbedaan hasil metode AHP-TOPSIS dan metode TOPSIS adalah pemberian nilai bobot. Pada metode AHP-TOPSIS, bobot dihasilkan dari angka yang diinput pada matriks perbandingan berpasangan untuk membandingkan setiap kriteria menggunakan nilai skala perbandingan Saaty (Yusuf, 2013). Kemudian nilai tersebut diproses hingga mendapatkan nilai bobot kriteria. Setelah itu nilai bobot kriteria diuji konsistensinya sehingga dapat dilihat apakah bobot yang dihasilkan konsisten atau tidak, jika nilai tidak konsisten maka bobot yang dihasilkan tidak layak. Sementara pada metode TOPSIS, bobot yang digunakan dalam proses perhitungan TOPSIS memiliki subjektifitas yang tinggi, dimana pembuat keputusan dapat mengisi nilai bobot dengan mudah tanpa mempertimbangkan nilai tersebut konsisten atau tidak. Sehingga perhitungan yang dihasilkan dari metode TOPSIS bisa menjadi tidak konsisten jika bobot yang diinput juga tidak konsisten.
3. Hasil akhir yang diberikan relatif sama, namun setelah dianalisa hasil yang diberikan oleh metode AHP-TOPSIS dan metode TOPSIS berdasarkan urutan prioritas kriteria dan analisis hasil data yang benar dan yang salah, hingga mendapatkan nilai akurasi berdasarkan sample 25 mahasiswa yang diuji, maka dapat disimpulkan bahwa metode AHP-TOPSIS lebih akurat dibandingkan metode TOPSIS.
13
DAFTAR PUSTAKA
Abidin, Taufik. 2012. Accuracy Measure Precision, Recall & F-Measure. Bahan Kuliah Data Mining http://www.informatika.unsyiah.ac.id/tfa/dm/dm-accuracy-measure.pdf
(diakses 26 Juli 2013).
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: ANDI.
Manurung, Pangeran. 2010. Sistem Pendukung Keputusan Seleksi Penerima Beasiswa dengan Metode AHP dan TOPSIS (Studi Kasus: FMIPA USU). Dari Skripsi Departemen Ilmu
Komputer Universitas Sumatera Utara.
http://helpmeups.files.wordpress.com/2012/08/modul-dewa89s-ahp-dan-topsis-pemilihan-beasiswa.pdf (diakses 11 Februari 2013).
Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta: Grasindo.
Prasetyo, Zuhdan. 2012. Kuliah Umum pada Dosen Pembimbing Tesis dan Mahasiswa Magister Pendidikan Sains Program Pascasarjana Universitas Negeri Sebelas Maret, Surakarta. Bahan Ajar http://staff.uny.ac.id/sites/default/files/lain-lain/zuhdan-kun-
prasetyo-med-dr-prof/KULIAH%20UMUM%20Research%20and%20Development.pdf (diakses 17 Juli
2013).
Tzeng, Gwo-Hshiung., dan Huang, Jih-Jeng. 2011. Multiple Attribute Decision Making Methods and Applications. Boca Raton: CRC Press.
Yusuf, Annisa. 2013. Analisis Perbandingan Metode Gabungan AHP dan TOPSIS dengan Metode TOPSIS. Skripsi. Fakultas Teknik Universitas Negeri Gorontalo.
