Dalam AHP ini, penilaian alternatif dapat dilakukan dengan metode langsung direct, yaitu metode yang digunakan
untuk memasukkan data kuantitatif. Biasanya nilai-nilai ini berasal dari sebuah analisis sebelumnya atau dari pengalaman
dan pengertian yang detail dari masalah keputusan tersebut. Jika si pengambil keputusan memiliki pengalaman atau
pemahaman yang besar mengenai masalah keputusan yang dihadapi, maka dia dapat langsung memasukkan pembobotan
dari setiap alternatif. 3. Penentuan Prioritas Synthesis of Priority
Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan pairwise comparisons. Nilai-nilai
perbandingan relatif kemudian diolah untuk menentukan peringkat alternatif dari seluruh alternatif.
Baik kriteria kualitatif, maupun kriteria kuantitatif, dapat dibandingkan sesuai dengan penilaian yang telah ditentukan
untuk menghasilkan bobot dan proritas. Bobot atau prioritas dihitung dengan manipulasi matriks atau melalui penyelesaian
persamaan matematik. Pertimbangan-pertimbangan
terhadap perbandingan
berpasangan disintesis untuk memperoleh keseluruhan prioritas melalui tahapan-tahapan berikut:
a. Kuadratkan matriks hasil perbandingan berpasangan. b. Hitung jumlah nilai dari setiap baris, kemudian
lakukan normalisasi matriks.
2.3 Technique for Order Preference by Similiarity to Ideal Solution TOPSIS
Metode Technique for Order Preference by Similiarity to Ideal Solution TOPSIS adalah salah satu metode pengambilan keputusan
multikriteria yang pertama kali diperkenalkan oleh Yonn dan Hwang 1981. Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak
terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif. TOPSIS memperhatikan baik jarak ke solusi ideal maupun jarak ke solusi
ideal negatif dengan mengambil hubungan kedekatan menuju solusi ideal. Dengan melakukan perbandingan pada keduanya, urutan pilihan dapat
ditentukan.[2] Secara umum, prosedur TOPSIS mengikuti langkah-langkah sebagai
berikut: a. Membuat matriks keputusan yang ternormalisasi;
b. Membuat matriks keputusan yang ternormalisasi terbobot; c. Menentukan matriks solusi ideal positif dan matriks solusi
ideal negatif; d. Menentukan jarak antara nilai setiap alternatif dengan
matriks solusi ideal positif dan matriks solusi ideal negatif; e. Menentukan nilai preferensi untuk setiap alternatif.
2.4 Hubungan TOPSIS dan AHP
Pada dasarnya metode TOPSIS tidak memiliki inputan yang spesifik, dalam menyelesaikan suatu kasus metode TOPSIS mengadaptasi
inputan dari metode lain, yang dimana dalam penelitian kali ini mengadaptasi dari metode AHP.
TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj yang ternormalisasi[6]
. . . . . . .1 dengan i=1,2,...,m; dan j=1,2,...,n
dimana : rij = matriks ternormalisasi [i][j]
xij = matriks keputusan [i][j] Solusi ideal positif A+dan solusi ideal negatif Adapat ditentukan
berdasarkan rating bobot ternormalisasi yij sebagai : yij = wi.rij ; dengan i=1,2,...,m; dan j=1,2,...,n
. . . . . . .2 dimana :
yij = matriks ternormalisasi terbobot [i][j] wi = vektor bobot[i] dari proses AHP
yj
+
= max yij, jika j adalah atribut keuntungan min yij, jika j adalah atribut biaya
yj
-
= min yij, jika j adalah atribut keuntungan max yij, jika j adalah atribut biaya
j = 1,2,...,n Jarak antara alternatif Ai dengan solusiideal positif :
. . . . . . 3 i=1,2,...,m
dimana : Di
+
= jarak alternatif Ai dengan solusi ideal positif yi
+
= solusi ideal positif[i] yij = matriks normalisasi terbobot[i][j]
Jarak antara alternatif Ai dengan solusi ideal negatif :
. . . . . . 4 i=1,2,...,m
dimana : Di
-
= jarak alternatif Ai dengan solusi ideal negatif yi
-
= solusi ideal positif[i] yij = matriks normalisasi terbobot[i][j]
Nilai preferensi untuk setiap alternatif Vi dapat dilihat pada rumus di bawah ini
. . . . . . . 5 dimana :
Vi = kedekatan tiap alternatif terhadap solusi ideal Di
+
= jarak alternatif Ai dengan solusi ideal positif Di
-
= jarak alternatif Ai dengan solusi ideal negatif Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih
dipilih.
2.5 Konsep Basis Data
