2. SPK membantu pengambil keputusan dalam hal penghematan waktu yang
dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat
diandalkan.
Namun demikian, SPK tidak mutlak untuk membuat keputusan akhir. SPK hanya berfungsi sebagai alat bantu bagi pengambil keputusan, karena keputusan final
kembali kepada pengambil keputusan. Jadi secara umum, SPK dibangun untuk memberi beberapa alternatif kepada
para pengambil keputusan, dimana alternatif tersebut akan digunakan sebagai pertimbangan untuk membantu dalam menyelesaikan masalah.
2.2 Multiple Criteria Decision Making
Multiple Criteria Decision Making MCDMadalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan
beberapa kriteria tertentu Kusumadewi, 2007. Kriteria biasanya berupa ukuran- ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan.
Berdasarkan tujuannya, MCDM dapat dibagi menjadi dua model yaitu : Multi Attribute Decision Making MADM dan Multi Objective Decision Making MODM.
MADM menyeleksi alternatif terbaik dari sejumlah alternatif, sedangkan MODM merancang alternatif terbaik.
Dalam MCDM, pemilihan kriteria adalah hal yang sangat penting. Pemilihan kriteria sangat mempengaruhi hasil keputusan. Kriteria yang baikrelevan akan menghasilkan
keputusan yang benarvalid. Berikut adalah sifat-sifat yang harus diperhatikan dalam memilih kriteria pada setiap persoalan pengambilan keputusan Suryadi, 1998 :
Universitas Sumatera Utara
1. Lengkap, sehingga dapat mencakup seluruh aspek penting dalam persoalan
tersebut. Suatu set kriteria disebut lengkap apabila set ini dapat menunjukkan seberapa jauh seluruh tujuan dapat dicapai.
2. Operasional, sehingga dapat digunakan dalam analisis. Sifat operasional ini
mencakup beberapa pengertian, antara lain adalah bahwa kumpulan kriteria ini harus mempunyai arti bagi pengambil keputusan, sehingga ia dapat benar-
benar menghayati implikasinya terhadap alternatif yang ada. Selain itu, jika tujuan pengambilan keputusan ini harus dapat digunakan sebagai sarana untuk
meyakinkan pihak lain, maka kumpulan kriteria ini harus dapat digunakan sebagai sarana untuk memberikan penjelasan atau untuk berkomunikasi.
Operasional ini juga mencakup sifat dapat diukur. Pada dasarnya sifat dapat diukur ini adalah untuk:
a Memperoleh distribusi kemungkinan dari tingkat pencapaian kriteria
yang mungkin diperoleh untuk keputusan dalam ketidakpastian. b
Mengungkapkan preferensi pengambil keputusan atas pencapaian kriteria.
3. Tidak berlebihan, sehingga menghindarkan perhitungan berulang. Dalam
menentukan set kriteria, jangan sampai terdapat kriteria yang pada dasarnya mengandung pengertian yang sama.
4. Minimum, agar lebih mengkomprehensifkan persoalan. Dalam menentukan
sejumlah kriteria perlu sedapat mungkin mengusahakan agar jumlah kriterianya sesedikit mungkin. Karena semakin banyak kriteria maka semakin
sukar pula untuk dapat menghayati persoalan dengan baik, dan jumlah perhitungan yang diperlukan dalam analisis akan meningkat dengan cepat.
2.2.1 TOPSIS Technique For Order Preference by Similarity to Ideal Solution
Metode pengambilan keputusan multi kriteria telah banyak digunakan para pengambil keputusan untuk membantu menyelesaikan masalah. Ada beberapa metode
pengambilan keputusan multikriteria, salah satu nya adalah TOPSIS. TOPSIS diperkenalkan pertama kali oleh Yoon dan Hwang pada tahun 1981. TOPSIS
didasarkan pada konsep dimana alternatif terpilih yang terbaik memiliki jarak
Universitas Sumatera Utara
terpendek dengan solusi ideal positif dan jarak terjauh dengan solusi ideal negatif Kusumadewi, 2007. TOPSIS banyak digunakan untuk menyelesaikan masalah Multi
Criteria Decision Making secara praktis, karena konsepnya yang sederhana dan mudah dipahami, komputasi yang efisien, dan memiliki kemampuan mengukur kinerja relatif
dari alternatif – alternatif keputusan dalam bentuk matematis yang sederhana
Kusumadewi, 2007. Beberapa masalah yang dapat diselesaikan dengan TOPSIS antara lain, keputusan analisis investasi, penyeleksian penerimaan karyawan, analisis
kelayakan penerima kredit, dan masalah lainnya.
2.2.1.1 Langkah-Langkah TOPSIS
Berikut langkah-langkah penyelesaian masalah dengan metode TOPSIS : 1.
Membuat matriks keputusan Matriks Keputusan X merupakan m alternatif yang dievaluasi berdasarkan i
kriteria. Matriks keputusan ditunjukkan pada gambar 2.1.
C
1
C
2
C
3
C
n
[ ]
Gambar 2.1 Matriks Keputusan
dimana : a
i
i = 1, 2, 3, . . . ., m adalah alternatif yang ada. c
j
j = 1, 2, 3, . . . ., n adalah kriteria. adalah performansi alternatif a
i
terhadap atribut c
j
.
2. Membuat matriks keputusan ternormalisasi
Elemen-elemen pada matriks keputusan X akan dinormalisasikan untuk mendapatkan matriks keputusan ternormalisasi R dengan persamaan 2.1
berikut : a
1
a
2
a
3
a
n
Universitas Sumatera Utara
dimana : i = 1, 2, 3, . . . ., m; j = 1, 2, 3, . . . ., n; adalah elemen matriks keputusan ternormalisasi R.
adalah elemen matriks keputusan X.
3. Membuat matriks keputusan ternormalisasi terbobot
Matriks Keputusan Ternormalisasi Terbobot dihasilkan dengan mengalikan setiap elemen dari matriks keputusan ternormalisasi R dengan matriks bobot
preferensi W.
W = w
1
, w
2
, w
3
, . . . , w
n
2.2 dimana : i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n.
adalah elemen dari matriks keputusan ternormalisasi terbobot Y. w
j
adalah bobot dari kriteria ke-j. r
ij
adalah elemen dari matriks keputusan yang ternormalisasi R.
4. Membuat matriks solusi ideal positif dan solusi ideal negatif
Matriks solusi ideal positif A
+
dan solusi ideal negatif A
-
ditentukan dengan persamaan :
{ }
= {
} 2.3
{ }
= {
} 2.1
Universitas Sumatera Utara
dimana : adalah elemen matriks ternormalisasi terbobot
adalah elemen solusi ideal positif adalah elemen solusi ideal negatif
5. Menghitung Separation Measure
Separation Measure untuk solusi ideal positif dan solusi ideal negatif
dapat dihitung dengan persamaan berikut :
√∑
2.4
√∑
dimana : adalah separation measure untuk solusi ideal positif
adalah elemen matriks ternormalisasi terbobot adalah elemen matriks solusi ideal positif
adalah elemen matriks solusi ideal negatif
6. Menghitung nilai preferensi
Nilai preferensi atau kedekatan relatif dari tiap alternatif terhadap solusi ideal positif dapat dihitung dengan persamaan :
2.5 dengan i = 1, 2, 3, . . ., m
dimana : adalah nilai preferensi
Universitas Sumatera Utara
adalah separation measure solusi ideal positif adalah separation measure solusi ideal negatif
Alternatif dengan nilai preferensi terbesar adalah alternatif yang akan dipilih sebagai hasil keputusan.
2.3 Investasi Tanah
