Normalisasi Matriks Terbobot Matriks Solusi Ideal Positif dan Negatif

yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif.

5.5. Technique for Order Preference by Similarity to Ideal Solution

TOPSIS 5.5.1. Normalisasi Matriks TOPSIS membutuhkan Rating kinerja setiap alternatif A i pada setiap kriteria C i yang ternormalisasi. Rating kinerja ini didapatkan dari hasil perhitungan berikut: Tabel 5.44. Penilaian Alternatif Promosi A B C D E F G C1 0,01836 0,01625 0,00471 0,01839 0,05073 0,09271 0,04886 C2 0,06393 0,03528 0,05938 0,00336 0,04174 0,01272 0,03360 C3 0,06592 0,03298 0,02382 0,05521 0,01938 0,05040 0,00229

5.5.2. Normalisasi Matriks Terbobot

Setelah matriks ternormalisasi, maka dilakukan pembobotan terhadap normalisasi tersebut dengan cara sebagai berikut: yij = wirij Nilai Wi adalah nilai bobot kriteria alternatif promosi hasil pengolahan ANP pada Tabel 5.41. sehingga : Wi = 0.07263, 0.06669, 0.37345, 0.03818, 0.18301, 0.11360, 0.15243 Y 11 = W 1 .R 11 = 0.07263. 0,01836 = 0.00133 Y 12 = W 2 .R 12 = 0.06669. 0,01625 = 0.00108 Y 13 = W 3 .R 13 = 0.37345. 0,00471 = 0.00176 Universitas Sumatera Utara Demikian seterusnya, sehingga diperoleh matriks ternormalisasi terbobot Y seperti pada Tabel 5.45. Tabel 5.45. Matriks Ternormalisasi Terbobot A B C D E F G C1 0,00133 0,00108 0,00176 0,00070 0,00928 0,01053 0,00745 C2 0,00464 0,00235 0,02218 0,00013 0,00764 0,00144 0,00512 C3 0,00479 0,00220 0,00890 0,00211 0,00355 0,00573 0,00035

5.5.3. Matriks Solusi Ideal Positif dan Negatif

Solusi ideal positif A + dan solusi ideal negatif A - dapat ditentukan berdasarkan Rating bobot ternormalisasi y ij . Adapun solusi ideal positif A + dapat dihitung dengan cara sebagai berikut: Y 1 + = max {0,00133, 0,00464, 0,00479} = 0,00479 Y 2 + = max {0,00108, 0,00235, 0,00220} = 0,00235 Y 3 + = max {0,00176, 0,02218, 0,00890} = 0,02218 Rekapitulasi solusi ideal positif A + dapat dilihat pada Tabel 5.46. Tabel 5.46. Rekapitulasi Solusi Ideal Positif A + A B C D E F G C1 0,00133 0,00108 0,00176 0,00070 0,00928 0,01053 0,00745 C2 0,00464 0,00235 0,02218 0,00013 0,00764 0,00144 0,00512 C3 0,00479 0,00220 0,00890 0,00211 0,00355 0,00573 0,00035 Max 0,00479 0,00235 0,02218 0,00211 0,00928 0,01053 0,00745 Universitas Sumatera Utara Dari Tabel 5.46 diperoleh nilai A + yaitu {0,00479, 0,00235, 0,02218, 0,00211, 0,00928, 0,01053, 0,00745}. Sedangkan solusi ideal negatif A- dapat dihitung dengan cara sebagai berikut: Y 1 - = min {0,00133, 0,00464, 0,00479} = 0,00133 Y 2 - = min {0,00108, 0,00235, 0,00220} = 0,00108 Y 3 - = min {0,00176, 0,02218, 0,00890} = 0,00176 Rekapitulasi solusi ideal negatif A - dapat dilihat pada Tabel 5.47. Tabel 5.47. Rekapitulasi Solusi Ideal Negatif A - A B C D E F G C1 0,00133 0,00108 0,00176 0,00070 0,00928 0,01053 0,00745 C2 0,00464 0,00235 0,02218 0,00013 0,00764 0,00144 0,00512 C3 0,00479 0,00220 0,00890 0,00211 0,00355 0,00573 0,00035 Min 0,00133 0,00108 0,00176 0,00013 0,00355 0,00144 0,00035 Dari Tabel 5.47 diperoleh nilai A - yaitu {0,00133, 0,00108, 0,00176, 0,00013, 0,00355, 0,00144, 0,00035}

5.5.4. Jarak Antara Nilai Alternatif dengan Matriks Solusi Ideal Positif dan Negatif

Dokumen yang terkait

Implementasi Metode Preference Rangking Organizational Method For Enrichment Evaluation (Promethee)Untuk Penentuan Kinerja Dosen (Studi Kasus : Fakultas Farmasi USU)

7 42 182

Analisis Pemilihan Supplier Dengan Metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) di PT. Indo CafCo

12 57 78

Implementasi Algoritma K-Nearest Neighbor Dan Metode Topsis Dalam (Technique For Orders Preference By Similarity To Ideal Solution) Dalam Penentuan Mutu Beras Miskin (Studi Kasus: Bulog Aceh)

13 70 123

Studi Penerapan Metode Analytical Hierarchy Process (AHP) Dan Metode Technique For Order Preference By Similarity To Ideal Solution (TOPSIS) Untuk Peningkatan Kualitas Layanan Di Rumah Sakit Bina Kasih Medan-Sunggal

4 41 149

PENERAPAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) DALAM PEMILIHAN SUPPLIER: Studi Kasus PT. Industri Telekomunikasi Indonesia, Bandung.

9 32 31

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTWATCH MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS).

1 1 4

Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 1 38

BAB II GAMBARAN UMUM PERUSAHAAN - Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 0 11

BAB I PENDAHULUAN - Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 0 9

APLIKASI METODE ANP (ANALYTIC NETWORK PROCESS) DAN TOPSIS (TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) UNTUK PENGAMBILAN KEPUTUSAN ALTERNATIF PEMASARAN TERBAIK PADA HOTEL CITI INN MEDAN TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Da

1 2 17