Aplikasi SPK Metode Topsis Berbasis Web

Aplikasi SPK Metode Topsis – TOPSIS singkatan dari Technique for Order of Preference by Similarity to Ideal Solution.

TOPSIS adalah metode analisis keputusan multi-kriteria, yang pada awalnya dikembangkan oleh Ching-Lai Hwang dan Yoon pada tahun 1981 dengan perkembangan lebih lanjut oleh Yoon pada tahun 1987, dan Hwang, Lai dan Liu pada tahun 1993. TOPSIS didasarkan pada konsep bahwa alternatif yang dipilih harus memiliki jarak geometris terpendek dari solusi ideal positif (PIS) dan jarak geometris terpanjang dari solusi ideal negatif (NIS).

TOPSIS membandingkan sekumpulan alternatif berdasarkan kriteria yang telah ditentukan sebelumnya.

Contoh : kita ingin membandingkan beberapa perusahaan dan mencari tahu mana yang memiliki keuangan terkuat. Perusahaan-perusahaan ini adalah kumpulan alternatif. Untuk memutuskan mana yang terkuat, kita perlu menggunakan beberapa metrik. Dalam hal ini kita dapat menggunakan beberapa indikator yang berasal dari laporan keuangan seperti misalnya ROA (return on asset), ROE (return on equity), DR (debt ratio), atau CG (capital gearing). Indikator ini akan membentuk kumpulan kriteria.

Logika misterius TOPSIS didasarkan pada konsep bahwa alternatif yang dipilih harus memiliki jarak geometris terpendek dari solusi terbaik dan jarak geometris terpanjang dari solusi terburuk.

Metodologi tersebut memungkinkan untuk menemukan trade-off antara kriteria ketika kinerja yang buruk di satu kriteria dapat dibatalkan oleh kinerja yang baik di kriteria lain. Ini memberikan bentuk pemodelan yang cukup komprehensif karena kami tidak mengecualikan solusi alternatif berdasarkan ambang yang telah ditentukan sebelumnya.

TOPSIS algorithm

Secara umum, seluruh proses TOPSIS dapat diringkas dalam 7 langkah:

1.
Buat matriks yang terdiri dari M alternatif dan N kriteria. Matriks ini biasanya disebut “matriks evaluasi”.

As an example: M will be the number of our companies, while N, the number of metrics (ROA, ROE, DR, CG).

2.
Normalisasi matriks evaluasi:

Each metric j for each company i is normalized to be in between 0 and 1. The higher its value the better the metric.

3.
Hitung matriks keputusan ternormalisasi berbobot. Penting untuk dicatat bahwa setiap kriteria harus memiliki bobotnya sendiri sehingga semuanya berjumlah 1. Bobot dapat diturunkan secara acak (tidak disarankan) atau berdasarkan pengetahuan ahli (standar industri).

After we assign a weight to each financial metric, we need to normalize those so that these sum up to 1. Then we need to multiply each normalized metric from step 2 by corresponding normalized weight.

4.
Tentukan alternatif terbaik dan terburuk untuk setiap kriteria:

We want to find the maximum and minimum value of each financial metric among all companies.

5.
Hitung jarak Euclidean antara alternatif target dan alternatif terbaik / terburuk:

This is a calculation of the geometric distance between the value of each financial metric for a given company i and the best/worst value of such a metric among all companies.

6.
Untuk setiap alternatif hitung kesamaan dengan alternatif terburuk. Hasilnya adalah skor TOPSIS.

We compute a score for each company that is based on distances obtained in a step before.

7.
Beri peringkat alternatif menurut skor TOPSIS dengan urutan menurun.

The company with metrics closest to the best will obtain the highest score and therefore will be at the top of our ranking.

Dan… selesai. Kita memperoleh sekumpulan alternatif yang diperingkat berdasarkan kriteria yang ditentukan!

Screenshot Aplikasi TOPSIS berbasis web

spk metode topsis
Halaman dashboard Aplikasi SPK Metode Topsis
spk metode topsis
spk metode topsis
Hasil hitungan TOSIS yang disederhanakan. Hitungan detail dapat ditampilkan dengan klik masing-masing tahapan TOPSIS.