Perbandingan Metode Profile Matching dan Topsis Dalam Sistem Pendukung Keputusan Untuk Menentukan Tempat Gym Terbaik di Kota Medan

BAB 2
LANDASAN TEORI

2.1.

Sistem Pendukung Keputusan

Sistem adalah sekelompok unsur yang berhubungan erat satu dengan lainnya, yang
berfungsi bersama-sama untuk mencapai tujuan tertentu.(Syahfitri . 2013).
Pada tahun 1970-an Michael S. Scott Morton pertama kali memperkenalkan Sistem
Pendukung Keputusan, merupakan sistem informasi berbasis komputer interakfif,
yang membantu para pengambil keputusan untuk menggunakan data dan berbagai
model untuk memecahkan masalah-masalah tidak terstruktur. Pada proses
pengambilan data dan pengolahan data dalam Sistem Pendukung Keputusan diperoleh
hasil yang bersifat alternatif dan tidak diharuskan untuk mengikutinya. Sistem
pendukung keputusan yang merupakan penerapan dari system informasi ditujukan
hanya sebagai sebuah alat untuk membantu pengguna dalam mengambil keputusan.
Sistem pendukung keputusan tidak dimaksudkan untuk menggantikan fungsi
pengambil keputusan dalam membuat keputusan, melainkan hanyalah sebagai alat
bantu pengambil keputusan dalam melaksanakan tugasnya. Sistem pendukung
keputusan menurut Gorry Dan Scout Morton adalah sistem berbasis komputer

interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan
berbagai model untuk memecahkan masalah-masalah tidak terstruktur.( Susanti,
Winiarti, 2013). Saat ini, pengambilan keputusan dirasa lebih sulit karena kebutuhan
akan kecepatan dalam pengambilan keputusan terus meningkat. kelebihan informasi
merupakan masalah umum yang menyebabkan penyimpangan informasi. Sisi yang
positif dalam permasalahan ini adalah harus adanya suatu penekanan lebih besar
terhadap proses pengambilan keputusan. Dalam suatu pengambilan keputusan yang
kompleks dibutuhkan suatu pendukung keputusan yang bersifat komputerisasi, yang
menyediakan bukti yang dirancang sebaik mungkin sesuai dengan penyimpanan data
sistem komputer yang membantu pengambilan keputusan agar dapat mendorong dan

Universitas Sumatera Utara

6

meningkatkan kualitas suatu keputusan serta meningkatkan daya guna dan tepat guna
dalam proses pengambilan keputusan. ( Power. J, Daniel. 2009)

2.2.

Gym

Gym adalah kegiatan olahraga pembentukan otot-otot tubuh/fisik yang dilakukan
secara rutin dan berkala, yang bertujuan untuk menjaga fitalitas tubuh dan berlatih
disiplin.fitnes adalah aktivitas angkatangkat besi yang hanya dilakukan oleh pria
berusia muda yang ingin membesarkan badan. Definisi kata Gym itu sendiri adalah
"kebugaran" atau Gym juga berarti "lebih dari sekedar sehat". Latihan ( beban dan
aerobic ) hanyalah salah satu elemen dari gaya hidup Gym. Dan gaya hidup Gym
pada dasarnya adalah gaya hidup yang melibatkan kegiatan ataupun aktivitas yang
membuat orang menjadi lebih bugar dan jarang sakit..(Kusumasari, D.W. 2013)

2.3.

Metode Profile Matching

Penelitian ini menggunakan metode Profile matching, Profile matching merupakan
suatu metode penelitian yang dapat digunakan pada sistem pendukung keputusan,
proses penilaian kompetensi dilakukan dengan membandingkan antara satu profil nilai
(nilai kebutuhan kompetensi) dengan beberapa profil nilai kompetensi lainnya,
sehingga dapat diketahui hasil dari selisih kebutuhan kompetensi yang dibutuhkan,

selisih dari kompetensi disebut gap, dimana gap yang semakin kecil memiliki nilai
yang semakin tinggi. Pencocokan profil ( profile matching ) adalah sebuah mekanisme
pengmbilan keputusan dengan mengamsusikan bahwa terdapat tingkat variabel
predictor yang ideal yang harus dimiliki oleh pelamar, bukannya tingkat minimal yang
harus dipenuhi atau dilewati. Dalam pencocokan profil, dilakukan identifikasi
terhadap kelompok karyawan yang baik maupun buruk.

Universitas Sumatera Utara

7

Proses perhitungan profile matching terdiri atas beberapa proses yaitu Pemetaan Gap,
Penentuan Bobot Nilai Gap, Perhitungan Core factor dan Secondary factor.
Tahapan dalam profile matching yaitu :
1. Menentukan kriteria dengan nilai bobot kriteria, untuk nilai bobot criteria
nantinya akan dihitung pada proses terakhir setelah didapatkan nilai dari tiap
kriteria.
2. Penentuan core dan secondary faktor beserta parameter nilai subkriteria yang
digunakan sebagai nilai kompetensi.
3. Perhitungan gap kompetensi yaitu proses pencocokan profil nilai bidan dengan

profil nilai desa yang menghasilkan nilai gap dari kompetensi.
4. Penggabungan subkriteria core dan secondary factor untuk memperoleh
perhitungan nilai total kriteria.
5. Tahapan terakhir dari profil matching yaitu melakukan perhitungan pada
semua nilai total kriteria dan bobot kriteria, untuk menghasilkan perangkingan
dari

nilai

kompetensi.

Profile

Matching

adalah

sebuah

mekanisme

pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat
minimal yang harus dipenuhi atau dilewati.
Langkah-langkah dalam penyelesaian perhitungan dengan menggunakan metode
Profile Matching yaitu :
1. Aspek-aspek penilaian.
Langkah pertama yang harus dilakukan yaitu menentukan aspek-aspek penilaian.
2. Pemetaan GAP kompetensi.
GAP kompetensi adalah perbedaan antara kriteria yang dimiliki seseorang
dengan kriteria yang diinginkan. Rumus untuk mencari GAP kompetensi yaitu :
GAP = Nilai Profil Konsumen – Nilai Minimal
3. Pembobotan GAP kompetensi
Apabila pemetaan GAP sudah selesai dilakukan, maka hasil dari pemetaan
tersebut diberi bobot nilai sesuai dengan patokan tabel bobot nilai GAP. Seperti
yang terlihat pada table 1.1

Universitas Sumatera Utara

8

Tabel 2.1. Bobot Nilai
Bobot

Keterangan

no

selisih

1

O

5

Tidak ada selisih

2

1

4,5

Kompetensi individu kelebihan 1 tingkat/level

3

-1

4

Kompetensi individu kekurangan 1 tingkat/lelvel

4

2

3,5

Kompetensi individu kelebihan 2 tingkat/level

5

-2

3

Kompetensi individu kekurangan 2 tingkat/level

6

3

2,5

Kompetensi individu kelebihan 3 tingkat/level

7

-3

2

Kompetensi individu kekurangan 3 tingkat/level

8

4

1,5

Kompetensi individu kelebihan 4 tingkat/level

9

-4

1

Kompetensi individu kekurangan 4 tingkat/level

nilai

4. Perhitungan dan pengelompokkan Core dan Secondary factor Setelah bobot nilai
GAP ditentukan, maka dibagi menjadi 2 kelompok yaitu Core Factor dan
Secondary factor.
Rumus untuk menghitung Core Factor yaitu sebagai berikut :

��� =

∑��(�����)
∑��

Keterangan :
NCF

= Nilai rata-rata core factor.

NC (aspek)

= Jumlah total nilai core factor.

IC

= Jumlah item core factor.

Sedangkan rumus untuk menghitung secondary factor yaitu sebagai berikut:

Keterangan :
NSF

��� =

∑ ��(�����)
∑��

= Nilai rata-rata secondary factor.

Universitas Sumatera Utara

9

NC(aspek)

= Jumlah total nilai Secondary factor.

IC

= Jumlah item secondary factor.

5. Perhitungan Nilai Total
Untuk menghitung nilai total, rumus yang digunakan yaitu :
(x)%NCF(aspek) + (x)%NSF(aspek) = Ntotal(aspek)

Keterangan :
NCF(aspek)

= nilai rata-rata core factor.

NSF(aspek)

= nilai rata-rata secondary factor.

N(aspek)

= nilai total dari aspek

(x)%

= nilai persen yang diinputkan

6. Perhitungan Nilai Rangking
Untuk

menentukan

perankingan

mengacu

pada

hasil

perhitungan

menggunakan rumus sebagai berikut :
Rangking = (x)% Ns
Keterangan :
Ns

= Nilai aspek

(x)%

= Nilai persen yang diinputkan

(Islami, 2015)

2.4.

Metode TOPSIS
TOPSIS adalah salah satu metode pengambilan keputusan multikriteria atau

alternatif pilihan yang merupakan alternatif yang mempunyai jarak terkecil dari solusi
ideal positif dan jarak terbesar dari solusi ideal negatif dari sudut pandang geometris
dengan menggunakan jarak Euclidean. Namun, alternatif yang mempunyai jarak terkecil
dari solusi ideal positif, tidak harus mempunyai jarak terbesar dari solusi ideal
negatif.Maka dari itu, TOPSIS mempetimbangkan keduanya, jarak terhadap solusi ideal

Universitas Sumatera Utara

10

positif dan jarak terhadap solusi ideal negatif secara bersamaan.Solusi optimal dalam
metode TOPSIS didapat dengan menentukan kedekatan relatif suatu altenatif terhadap
solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai
kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang
telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk
memilih solusi terbaik yang diinginkan.(Harahap F. K. 2013)

2.4.1.Kegunaan Metode TOPSIS

TOPSIS telah digunakan dalam banyak aplikasi termasuk keputusan investasi
keuangan, perbandingan performansi dari perusahaan, pebandingan dalam suatu
industri khusus, pemilihan sistem operasi, evaluasi pelanggan, dan perancangan robot.
(Harahap F. K. 2013)

2.4.2. Langkah-langkah Metode TOPSIS
Berikut adalah langkah-langkah dari metode TOPSIS
:
1. Membangun sebuah matriks keputusan.
Matriks keputusan X mengacu terhadap m alternatif yang akan dievaluasi
berdasarkan n kriteria. Matriks keputusan Xdapat dilihat sebagai berikut :

Universitas Sumatera Utara

11

keterangan:
ai( i = 1, 2, 3, . . . , m ) adalah alternatif-alternatif yang mungkin,
xj (j = 1, 2, 3, . . . ,n ) adalah atribut dimana performansi alternatif diukur,
xijadalah performansi alternatif ai dengan acuan atribut xj.
2. Membuat matriks keputusan yang ternormalisasi.
Persamaan yang digunakan untuk mentransformasikan setiap elemen xijadalah:

dengani = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n;
keterangan:

rijadalah elemen dari matriks keputusan yang ternormalisasi R,
xijadalah elemen dari matriks keputusan X.

3. Membuat matriks keputusan yang ternormalisasi tebobot.
Dengan bobot wj = ( w1, w2 , w3 , . . . , wn ), dimana wj adalah bobot dari
kriteria ke-j dan ∑��=1 �� = 1 , maka normalisasi bobot matriks V adalah :
vij = wj rij

Dengan i = 1, 2, 3, . . . ,m; dan j = 1, 2, 3, . . . , n.
Keterangan:

Universitas Sumatera Utara

12

vijadalah elemen dari matriks keputusan yang ternormalisai terbobot V,
wjadalah bobot kriteria ke-j
rijadalah elemen dari matriks keputusan yang ternormalisasi R.
4. Menentukan matriks solusi ideal positif dan solusi ideal negatif. Solusi ideal

positif dinotasikan A+, sedangkan solusi ideal negatif dinotasikan A-. Berikut
ini adalah persamaan dari A+ dan A- :
a. A+

= {( maxvij | j∈J ), ( min vij | j∈J’ ), i = 1, 2, 3, …, m)

= { �1− , �2− , �3− , … , ��−}

b. A-

= {( minvij | j∈J ), ( max vij | j∈J’ ), i = 1, 2, 3, …, m)

= { �1− , �2− , �3− , … , ��−}

J = { j = 1, 2, 3, … n dan J merupakan himpunan kriteria keuntungan ( benefit
criteria)}.
J’ = { j = 1, 2, 3, … n dan J’ merupakan himpunan kriteria biaya (costcriteria)
Keterangan:
vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V,
��+( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif,

��−= ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif.

5. Menghitung separasi
a.S+adalah jarak alternative dari solusi ideal positif didefenisikan sebagai:
��+ =�∑��=1(��� − � + )2 , dengan i = 1, 2, 3, . . . ,m
�

Universitas Sumatera Utara

13

b. S-adalah jarak alternative dari solusi ideal negatif didefenisikan sebagai:
��−=�∑��=1(��� − ��− )2 , dengan i = 1, 2, 3, . . . ,m
keterangan:

��+adalah jarak alternative ke-I dari solusi ideal positif,

��−adalah jarak alternative ke-I dari solusi ideal negatif,

vijadalah elemen dari matriks keputusan yang ternormalisasi terbobot V,

��+adalah elemen matriks solusi ideal positif,

��−adalah elemen matriks solusi ideal negative

6. Menghitung kedekatan terhadap solusi ideal positif.
Kedekatan relatif dari setiap alternative terhadap solusi ideal positif dapat
dihitung dengan menggunakan persamaan berikut:

dengani = 1 ,2 , 3, . . . , m
keterangan :
��+adalah kedekatan relatif dari alternative ke-I tehadap solusi ideal positif,

��+adalah jarak alternatif ke-I dari solusi ideal positif,

��−adalah jarak alternative ke-I dari solusi ideal negatif.

7. Merangking aternatif.

Alternative diurutkan dari nilai C+ terbear ke nilai terkecil.Alternatif dengan
nilai C+ terbesar merupakan solusi terbaik.(Harahap F. K. 2013)

Universitas Sumatera Utara