Institutional Repository | Satya Wacana Christian University: Penggunaan TOPSIS dalam Pemilihan Layanan Internet Provider

Penggunaan TOPSIS Dalam Pemilihan Layanan Internet Provider

  

Artikel Ilmiah

Peneliti :

Ari Adam Farensa (672014219)

  

Prof. Ir. Danny Manongga, M.Sc., Ph.D.

  

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

Januari 2018

  

Penggunaan TOPSIS Dalam

Pemilihan Layanan Internet Provider

Artikel Ilmiah

  

Diajukan kepada

Fakultas Teknologi Informasi

untuk memperoleh Gelar Sarjana Komputer

  

Peneliti:

Ari Adam Farensa (672014219)

Prof. Ir. Danny Manongga, M.Sc., Ph.D.

  

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

Januari 2018

  

Penggunaan TOPSIS Dalam

Pemilihan Layanan Internet Provider

_{1) 2)}

Ari adam Farensa, Danny Manongga

  

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

_{1) 2)}

Jl. Dr. O. Notohamidjojo, Salatiga 50714, Indonesia

Email: 672014219@student.uksw.edu, danny.manongga@staff.uksw.edu

Abstract

  

Most of the people use the internet every day. To be able to access information over the

internet required the services of internet service. Internet service providers compete get

the customers through different service offerings. So most consumers confused when will

choose internet service. Based on the issue of special calculation required in selecting an

internet service that is using the calculation algorithm TOPSIS. This algorithm of multi

criteria so that it can be used for different service criteria. The data taken from the detailed

questionnaire that involves 50 respondents Faculty of Informatics Engineering SWCU and

calculated by weighting the criteria of respondens. The results of this research useful to

facilitate the selection of a person in an internet service provider.

  Keywords : Analysis Of An Internet Service Provider, TOPSIS.

  

Abstrak

Sebagian besar masyarakat menggunakan internet setiap harinya. Untuk dapat mengakses

informasi melalui internet dibutuhkan jasa layanan internet. Penyedia layanan internet

berlomba mendapatkan pelanggannya melalui penawaran jasa berbeda. Sehingga sebagian

besar konsumen bingung ketika memilih layanan internet. Berdasarkan masalah tersebut

dibutuhkan perhitungan khusus dalam memilih layanan internet yaitu menggunakan

perhitungan algoritma TOPSIS. Algoritma ini multi kriteria sehingga dapat digunakan

untuk kriteria jasa yang berbeda. Data diambil dari kuisioner yang melibatkan 50

responden Fakultas Teknologi Informasi UKSW dan dihitung dengan bobot kriteria yang

didapat dari responden. Hasil penelitian ini bermanfaat untuk memudahkan seseorang

dalam pemilihan layanan internet provider. ₁₎ Kata kunci : Analisis Layanan Internet Provider, TOPSIS.

  

Mahasiswa Fakultas Teknologi Informasi Program Studi Teknik Informatika, Universitas Kristen

₂₎ Satya Wacana Salatiga. Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.

  1. Pendahuluan Perkembangan teknologi tiap hari semakin meningkat, di samping perkembangan teknologi

  diikuti juga dengan perkembangan jaringan internet yang juga meningkat. Untuk menggunakan internet dibutuhkan handphone yang berkoneksi internet.

  Sebagian besar orang memiliki handphone, dan jika ingin mengakses internet membutuhkan layanan internet. Tidak terkecuali sebagian besar mahasiswa FTI UKSW yang memiliki

  

handphone dan menggunakan internet untuk mengerjakan tugas, sosial media, game ataupun lain

halnya. Untuk menggunakan layanan internet ada penyedia layanan tersebut yaitu provider.

Provider menawarkan jasa berbeda di pasaran yaitu dari segi kualitas sinyal, brand dan harga.

  Banyaknya kriteria tersebut sebagian orang bingung memilih apa. Sehingga dibutuhkan cara khusus perhitungan menggunakan algoritma multikriteria yaitu TOPSIS.

  Algoritma TOPSIS (Technique For Order Preference by Similarity to Ideal Solution), salah satu algoritma multikriteria. Dalam membandingkan kriteria –kriteria yang ada, algoritma ini menggunakan solusi dengan menghitung jarak, yaitu jarak alternatif terbaik dan jarak alternatif terburuk . Konsep algoritma ini adalah alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terjauh dari solusi ideal negatif. Sehingga algoritma ini menghitung mana layanan internet yang tepat dari berbagai macam kriteria yang berbeda-beda dari layanan internet.

  Berdasarkan latar belakang tersebut, maka dilakukan penelitian yang membahas mengenai Pengunaan TOPSIS Dalam Pemilihan Layanan Internet Provider.

  2. Tinjauan Pustaka

  Penelitian berjudul Implementasi Algoritma Topsis Pada Pemilihan Rumah Hunian Di Provinsi dan Kabupaten Gorontalo. Penelitian ini meneliti tentang pemilihan rumah hunian yang memiliki berbagai macam kriteria tipe rumah, harga, ukuran tanah, fasilitas air, fasilitas listrik, fasilitas senitasi. Hasil dari penelitian ini adalah mempermudah dalam pemlihan rumah hunian di Gorontalo. Sehingga diperlukan algoritma multikriteria yaitu TOPSIS [1].

  Penelitian yang berjudul Sistem Pendukung Keputusan Pemilihan Layanan Internet Service

  

Provider Menggunakan Metode Weighted Product (Studi kasus : STMIK AKBA) penelitian ini

  memilih ISP dalam sebuah perguruan tinggi di Makassar. Hasil penelitian ini perguruan tinggi agar dapat memilih dengan tepat yaitu dengan menggunakan algoritma dan tidak dengan cara klasik yaitu memilih keputusan setelah ada saran dan masukan. Penelitian ini menggunakan kriteria kredibilitas ISP, bandwidth, biaya/harga, Jumlah grapari/layanan, keamanan memblokir situs tertentu, keamanan memblokir virus, jaminan koneksi tidak terputus, kesesuaian harga dan kualitas layanan, syarat berlangganan, layanan service/dukungan teknis, kecepatan download dan

  upload , kekuatan signal [2].

  Penelitian berikutnya adalah Sistem Pendukung Keputusan Menggunakan Metode TOPSIS. Penelitian tersebut menjelaskan tentang sejarah metode ini, proses dalam metode TOPSIS dan bagaimana cara menggunakan atau menghitung dengan metode TOPSIS. Hasil dari penelitian ini adalah mengetahui alur algoritma tersebut. Penelitian mencontohkan dalam bentuk sistem pendukung keputusan peserta sertifikasi guru [3].

  Penelitian lain yang dilakukan adalah A New Car Selection in The Market Using TOPSIS

  

Technique . Penelitian ini memilih mobil di India banyak jenis mobil dan harga yang berbeda. Hasil

  dari penelitian ini bertujuan memilih mobil dalam pasaran mobil dengan menggunakan algoritma TOPSIS. Karena algoritma bisa menggunakan banyak atribut atau kriteria [4].

  Penelitian berikutnya adalah Sistem Pendukung Keputusan Pemilihan Kendaraan Bermotor Dengan Menggunakan Metode Technique For Order Preference By Similarity To Ideal Solution. Penelitian ini diangkat karena transportasi merupakan kebutuhan mutlak dalam kehidupan sehari- hari khususnya kendaraan bermotor. Oleh karena itu produsen sepeda motor berlomba untuk memproduksi sepeda motor, tentunya dengan keunggulan dan kelebihan yang berbeda. Hasil dari penelitian ini membantu konsumen dan perusahaan dalam keputusan pemilihan sepeda motor [5].

  Penelitian berjudul Sistem Pendukung Keputusan Dalam Menentukan Pembelian Jenis Mobil Dengan Menggunakan Metode TOPSIS. Penelitian ini meneliti tentang berkembangnya industri otomotif di Indonesia semakin meningkat, sehingga banyak kriteria mobil yang berbeda. Hasil dari penelitian ini konsumen memilih kendaraan yang tepat sesuai kebutuhan dan dana yang dimiliki konsumen, maka dibutuhkan penganalisaan [6].

  Penelitian berikutnya adalah Sistem Pendukung Keputusan Pembelian Perangkat Komputer Dengan Metode Topsis. Teknologi informasi dan komputer berperan penting dalam kehidupan masyarakat. Seluruh aspek kegiatan kehidupan masyarakat tidak lepas dari dukungan teknologi komputer. Hasil dari Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan untuk pembelian perangkat komputer yang dapat membantu perusahaan dalam menentukan prioritas pembelian barang [7].

  Perbedaan penelitian ini dengan penelitian terdahulu sebagai contoh penelitian berjudul “Implementasi Algoritma Topsis Pada Pemilihan Rumah Hunian” yaitu studi kasus berbeda selain itu penelitian ini sampel skor kriteria dari alternatif diambil dari data primer atau diisi langsung dari responden melalui kuisioner. Sedangkan penelitian terdahulu pengambilan sampel diambil dari data sekunder.

  Berdasarkan latar belakang tersebut, maka dilakukan penilitian yang membahas mengenai Pengunaan TOPSIS Dalam Pemilihan Layanan Internet Provider. Metode yang digunakan dalam penelitian ini adalah TOPSIS. Algoritma TOPSIS (Technique

  

For Order Preference by Similarity to Ideal Solution ) merupakan salah satu algoritma

multikriteria. Algoritma ini diperkenalkan pertama kali oleh Yoon dan Hwang pada tahun 1981.

  Karena TOPSIS multikriteria sehingga semakin banyak kriteria yang ada dalam pengambilan

• – keputusan, semakin sulit juga menentukan suatu keputusan. Dalam membandingkan kriteria kriteria yang ada, algoritma ini menggunakan solusi dengan menghitung jarak, yaitu jarak alternatif terbaik dan jarak alternatif terburuk. TOPSIS memiliki konsep pengambilan keputusan dengan mencari jarak terdekat dari alternatif terbaik dan jarak terjauh dari alterntif terburuk. Sehingga pengambilan keputusan lebih efektif dengan konsep tersebut.

Langkah –langkah metode TOPSIS, dijelas sebagai berikut : Membangun tabel matriks keputusan.

• Matriks keputusan X mengacu terhadap m dan n. m adalah alternatif yang dievaluasi berdasarkan n adalah kriteria. Matriks X dapat dilihat pada Rumus 1.

  . .

  1

  2

  3 . .

  1

  11

  21

  31

  1 . .

  2

  12

  22

  32

  2 . .

  3

  13

  23

  33

  3 = . . . . . . .

  . . . . . . .

  [ . . ]

  1

  2

  3 Rumus 1 Tabel Matriks Membuat matriks keputusan yang ternormalisasi.

• Persamaan yang digunakan untuk mentransformasikan elemen pada xij terlihat pada Rumus 2 :

  =

  2

√∑

  =1

Rumus 2 Normalisasi Elemen Matriks

  dengan i = 1, 2, 3, . . . , m; dan j = 1, 2, 3, . . . , n; Keterangan: rij adalah elmen dari tabel matriks keputusan yang ternormalisasi R, xij adalah elemen . dari matriks keputusan X yang belum ternormalisi Membuat matriks keputusan yang ternormalisasi terbobot.

• Dengan bobot wj = (w1, w2, w3, . . . , wn ), dimana wj adalah bobot dari n atau kriteria ke-j dan ∑ = 1 = 1, maka normalisasi bobot matriks V terlihat pada pada Rumus 3.

  

=

.

  

Rumus 3 Matriks Ternormalisasi Terbobot

  Keterangan: vij adalah elemen dari matriks keputusan yang ternormalisai terbobot V, wj adalah bobot kriteria ke j adalah elemen dari tabel matriks keputusan yang ternormalisasi R.

• Menentukan solusi ideal positif variabel A+, sedangkan solusi ideal negatif variabel A-. Rumus dari A+ dan A- terlihat pada Rumus 4 dan Rumus 5.

  Menentukan matriks solusi ideal positif dan ideal negatif.

• + ′

  = {(max | € ), (min | € ), = 1,2,3, . . . , }

  1

  2

  3 Rumus 4 Solusi Ideal Positif

− ′

= {(min | € ), (max | € ), = 1,2,3, . . . , } = − − − −

  = + + + + , , , . . . ,

  , , , . . . ,

  1

  2

  3 Rumus 5 Solusi Ideal Negatif J = {j = 1, 2, 3,..., n dan J merupakan himpunan kriteria keuntungan (benefit criteria)}.

  Keterangan: vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, vj+ (j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal positif, vj- = ( j = 1, 2, 3, . . . , n ) adalah elemen matriks solusi ideal negatif.

• Menghitung separasi.
• S+ adalah jarak alternatif dari solusi ideal positif didefenisikan terlihat pada Rumus 6.
• 2 +

  =1

Rumus 6 Separasi Ideal Positif

-S- adalah jarak alternatif dari solusi ideal negatif didefenisikan terlihat pada Rumus 7.

  , dengan i = 1, 2, 3, . . . , m ( − ) = √∑

  − −

  

2

, dengan i = 1, 2, 3, . . . , m ( − )

  = √∑ =1

  

Rumus 7 Separasi Ideal Negatif

  Keterangan: si+ adalah jarak alternatif ke-I dari solusi ideal positif, si- adalah jarak alternatif ke-I dari solusi ideal negatif, vij adalah elemen dari matriks keputusan yang ternormalisasi terbobot V, vj+ adalah elemen matriks solusi ideal positif, vj- adalah elemen matriks solusi ideal negatif.

• Kedekatan relatif dari setiap alternatif terhadap solusi ideal positif dapat dihitung dengan menggunakan persamaan terlihat pada Rumus 8.

  Menghitung kedekaan terhadap solusi ideal positif.

  −

  

= , 0 ≤ ≤ 1

− +

  ( ) + Rumus 8 Kedekatan Solusi Ideal Positif

  Dengan keterangan i = 1 ,2 , 3, . . . , m

  Keterangan: ci+ adalah kedekatan relatif dari alternatif ke-I tehadap solusi ideal positif, si+ adalah jarak alternatif ke-I dari solusi ideal positif, si- adalah jarak alternatif ke-I dari solusi ideal negatif.

• Alternatif diurutkan dari nilai ci+ terbesar ke nilai ci+ terkecil. Ci+ terbesar dijadikan nilai solusi terbaik 3.

  Memilih alternatif.

Metode Penelitian

  Pada penelitian ini, dilakukan beberapa tahapan penelitian yang secara garis besar terbagi ke dalam lima tahapan, yaitu : 1) Penentuan sempel. 2) Pengambilan sempel. 3) Pengumpulan data. 4) Pengolahan data. 5) Analisisi data.

  Penentuan Sempel Pengambilan Sempel

  Pengumpulan Data Pengoolahan Data

  Analisis Data

  

Gambar 1 Tahap Penelitian

  Tahap penelitian Gambar 1 dapat dijelaskan sebagai berikut : 1) Tahap pertama : Penentuan Sampel, menentukan populasi. Populasi adalah sekelompok orang, kejadian atau segala sesuatu yang mempunyai karakteristik tertentu [9]. Populasi di sini adalah 50 mahasiswa FTI UKSW. 2) Tahap kedua: Pengambilan sempel, teknik pengambilan sampel yang digunakan adalah non sampling, yaitu cara pengambilan sampel dimana tidak semua anggota populasi

  probability

  memiliki kesempatan yang sama untuk dipilih menjadi sampel penelitian [9]. 3) Tahap ketiga: Pengumpulan data, teknik pengumpulan sempel yang digunakan adalah kuisioner. Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya [10]. 4) Tahap keempat: Pengolahan data, teknik pengolahan data adalah analisis kuantitatif. Analisis kuantitatif adalah analisis yang digunakan terhadap data yang berwujud dalam angka

• –angka. 5) Tahap kelima: Analisis data, analisis data menggunakan uji reliabilitas, uji validalitas dan selanjutnya data dianalisis menggunakan algoritma TOPSIS.

  Analisis dalam penelitian ini menggunakan metode TOPSIS, disesuaikan dengan karakteristik objek penelitian sehingga proses analisis dapat dilakukan secara lebih mudah dengan hasil yang akurat. Semua kriteria pada penelitan diberi nilai dari 1 – 5, dimana nilai 1 merupaka nilai terendah, dan nilai 5 merupakan nilai tertinggi, seperti yang terlihat pada Tabel 1.

  

Tabel 1 Keterangan Niali TOPSIS

Deskripsi Nilai Sangat Setuju 5 Setuju 4 Kurang Setuju 3 Tidak Setuju 2 Sangat Tidak Setuju 1

  Skor Aktual adalah jawaban seluruh responden atas kuesioner yang telah diajukan. Skor ideal adalah skor atau bobot tertinggi atau semua responden diasumsikan memilih jawaban dengan skor tertinggi [10]. Berikut ini skor aktual dalam penelitiantian.

  

Tabel 2 Skor Aktual

No Jumlah skor Kriteria 1 0% -19.99% sts 2 20%-39.99% ts 3 40%-59.99% ks 4 60%-79.99% s 5 80%-100% ss

  Kriteria yang pertama adalah kulaitas sinyal. Faktor ini menyangkut tentang kualitas sinyal

  

provider yang dipakai responden. Kualitas sinyal meliputi sinyal dapat dijangkau dimanapun,

  sinyal provider stabil seperti pada Tabel 3 sampai Tabel 10. Jika indikator sangat setuju bernilai 5, jika setuju 4 dan seterusnya.

  

Tabel 3 Kriteria Kualitas Sinyal Simpati

No Indikator Skor ss s ks ts sts

  1. Sinyal provider selalu stabil tidak naik turun 2 7 5 1

  2. Kecepatan download di siang hari tidak berbeda dengan 7 7 1 malam hari

  3. Kecepatan upload di siang hari tidak berbeda dengan malam hari 9 4 2

  4. Cuaca tidak mempengaruhi kualitas sinyal 1 6 6 2

  Perhitungan indeks tanggapan reponden menggunakan skala likert mengenai kualitas sinyal adalah sebagai berikut: Indikator 1

  = (((2*5) + (7*4) + (5*3) + (1*2))/75)*100

  =73.33 Indikator 2

  = (((7*4) + (7*3) + (1*2))/75)*100 =68

  Indikator 3 = (((9*4) + (4*3) + (3*2))/75)*100 =69.33

  Indikator 4 = (((1*5) + (6*4) + (6*3) + (2*2))/75)*100 =68

  Nilai indeks = (73.33+68+69.33+68)/4 = 69.66 (s)

  Cara yang sama dapat digunakan untuk menentukan atau menghitung kolom indeks pada alternatif

• –alternatif berikutnya.

Pengujian validitas dilakukan dengan menggunakan metode analisis korelasi. Perhitungan dilakukan dengan bantuan software atau program SPSS. Nilai signifikansi yang berada di bawah 0,05 menunjukkan sebagai item yang valid. Pengujian validitas selengkapnya dapat dilihat pada Tabel 4.

  

Tabel 4 Pengujian Validitas

_{r r} No Indikator hitung tabel Keterangan

  1 Kualitas sinyal Indikator 1 0.413 0.281 Valid Indikator 2 0.390 0.281 Valid Indikator 3 0.554 0.281 Valid Indikator 4 0.437 0.281 Valid

  2 Harga Indikator 1 0.796 0.281 Valid Indikator 2 0.794 0.281 Valid Indikator 3 0.479 0.281 Valid Indikator 4 0.405 0.281 Valid

  3 Brand Indikator 1 0.584 0.281 Valid Indikator 2 0.479 0.281 Valid Indikator 3 0.635 0.281 Valid Indikator 4 0.635 0.281 Valid Indikator 5 0.663 0.281 Valid

  Tabel 4 menunjukkan semua indikator yang digunakan untuk mengukur variabel-variabel yang digunakan dalam penelitian mempunyai nilai korelasi yang lebih besar dari 0,281. Dari hasil validitas tersebut menunjukkan bahwa semua indikator dalam penelitian tersebut adalah valid.

  Pengujian reliabilitas dalam penelitian ini menggunakan dengan rumus Cronbach Alpha dengan perhitungan dilakukan dengan bantuan aplikasi SPSS. Hasil pengujian reliabilitas untuk masing - masing variabel yang diringkas pada Tabel 28 berikut ini:

  

Tabel 5 Reliabilitas

Variabel Alpha Keterangan Kualitas sinyal 0.607 Reliabel Harga 0.779 Reliabel Brand 0.745 Reliabel

  Hasil uji reliabilitas tersebut menunjukkan bahwa semua variabel-variabel mempunyai koefisien Alpha yang cukup besar yaitu diatas > 0,6. Sehingga dapat dikatakan semua konsep pengukur masing-masing variabel dari kuesioner adalah reliabel yang berarti bahwa kuesioner yang digunakan dalam penelitian ini merupakan kuesioner yang handal.

  Berikut merupakan kriteria

• –kriteria penilaian atau xij yaitu x1,x2, dan x3 dimana, x1 adalah kualitas sinyal, x2 adalah kriteria harga dan x3 adalah kriteria brand. Sedangkan a1, a2, a3, a4, a5, a6, a7, a8 merupakan alternatif atau j wilayah yang dijadikan sebagai objek penilaian dimana, a1 adalah alternatif simpati, a2 adalah alternatif three, a3 adalah alternatif im3, a4 adalah alternatif mentari, a5 adalah alternatif XL, a6 adalah alternatif smartfreen, a7 adalah alternatif axis, a8 adalah alternatif as.
• Berikut ini merupakan tabel matriks dari data yang telah diperoleh dari responden. An atau a1 merupakan alternatif

  Matriks keputusan

• – alternatif yang dipilih. Sedangkan xn atau x1 adalah kriteria - kriteria pada alternatif. 69.66 merupakan indeks atau skor kriteria kualitas sinyal pada alternatif telkomsel.

  

Tabel 6 Matriks Keputusan

x1 x2 x3

a1 69.66 73.33 85.06

a2 62.66 71.66 74.13

a3 56.66 69.16 72.66

a4 63.75 71.25 72 a5 70 79 79.2 a6 55 67.5 78 a7 72.5 85 80 a8 70 90 100

• Menentukan pembagi untuk Xij, dijelaskan sebagai berikut :

  2

  2 Variabel merupakan indeks kriteria alternatif yang sudah ternormalisasi.

  =

√∑

=1

  Nilai 0.377039591 pada kolom x1 dan baris a1 didapat dengan cara membagi nilai indeks belum ternormalisasi dengan nilai pembagi untuk Xij, contoh perhitungan sebagai berikut.

  

Tabel 8 Matrik Ternormalisai

x1 x2 x3 a1 0.377039591 0.340080348 0.373190169 a2 0.339151605 0.332335439 0.325236154 a3 0.306676188 0.320741263 0.318786711 a4 0.345051306 0.330433994 0.315891043 a5 0.378879865 0.366375937 0.347480148 a6 0.297691323 0.313042731 0.342215297 a7 0.392411289 0.394201958 0.350990048 a8 0.378879865 0.417390308 0.43873756

  =184.7551334

  = √34134.46

  2

  2

  2

  2

  2

  2

  2

  = √(69.66)

  Variabel Xij adalah nilai indeks kriteria pada alternatif. Nilai 184.7551334 didapat dengan cara mengkuadratkan semua indeks pada kolom x1 kemudian di jumlahkan semua lalu di cari akar, seperti pada contoh berikut.

  

Tabel 7 Pembagi Untuk Xij

x1 x2 x3 184.7551334 215.6255147 227.9266902

• (62.66)
• (56.66)
• (63.75)
• (70)
• (55)
• (72.5)
• (70)
• Matriks yang ternormalisasi, dijelaskan pada Tabel 8 :

  I11 = 69.66/184.7551334= 0.377039591 I12 = 73.33/215.6255147= 0.340080348 I13 = 85.06/227.9266902= 0.373190169

• Tabel 9 Matriks Ternormalisasi Terbobot

  Matriks keputusan ternormalisasi yang terbobot, dijelaskan sebagai berikut :

  x1 x2 x3 Bobot 5 4 3

a1 1.885197957 1.36032139 1.119570507

a2 1.695758025 1.329341754 0.975708461

a3 1.53338094 1.282965053 0.956360134

a4 1.725256529 1.321735975 0.94767313

a5 1.894399325 1.465503748 1.042440443

a6 1.488456613 1.252170924 1.026645891

a7 1.962056444 1.57680783 1.052970145

a8 1.894399325 1.669561232 1.316212681

  Nilai 1.885197957 pada kolom x1 dan baris 1a didapat dari perhitungan nilai indeks baris x1 dan a1 yang ternormalisasi atau seperti pada Tabel 9 dikalikan bobot masing-masing kriteria. Bobot didapat dari pendapat responden. Contoh sebagai berikut.

  = 0.377039591x 5 = 1.885197957 .

  Variabel merupakan indeks kriteria pada alternatif yang ternormalisasi dan terbobot Solusi ideal positif dan negatif, dijelaskan sebagai berikut :

• _{A+ x1 x2 x3}

  

Tabel 10 Solusi Ideal Positif dan Negatif

_A- 1.962056444 1.252170924 1.316212681 1.488456613 1.669561232 0.94767313

  Variabel A+ merupakan pemilihan solusi ideal positif pada matriks. Sedangkan variabel A- merupakan pemilihan solusi ideal negatif pada matriks. Nilai 1.962056444 dari solusi ideal positif dari masing kriteria pada tabel keputusan ternormalisasi dan terbobot seperti pada Tabel 10. Begitu sebaliknya juga pada solusi ideal negatif.

• Jarak antara nilai alternatif dengan matriks solusi ideal positif dan negatif, dijelaskan sebagai berikut :

  Tabel 11 Jarak Solusi Ideal Positif dan Negatif

S+ S-

a1 0.237216979 0.531584125 a2 0.439105124 0.399385964 a3 0.56053976 0.389294573 a4 0.443548077 0.420780952 a5 0.353609414 0.464122598 a6 0.555108752 0.424795676 a7 0.417954248 0.493950863 a8 0.422838214 0.548279934 Nilai S+ adalah jarak solusi ideal positif pada alternatif –alternatif yang dipilih.

  sedangkan S- kebaliakan dari S+ yaitu jarak solusi ideal negatif pada alternatif

• –alternatif yang dipilih pada Tabel 11 diperoleh dari perhitungan rumus jarak alternatif solusi ideal positif dan negatif seperti yang terlihat pada Rumus 6 dan Rumus 7.
• ), dijelaskan sebagai berikut :
• Menentukan nilai preferensi pada setiap alternatif (

  Tabel 12 Prefrensi Kriteria

• a1 0.691445579

  a2 0.476315097

  a3 0.409855234

  a4 0.486829596

  a5 0.567572984

  a6 0.433507252

  a7 0.541669146

  a8 0.56458623

• merupakan kedekatan relatif dari setiap alternatif terhadap solusi ideal positif. Hasil dari Nilai 0691445579 diperoleh dari nilai sparasi jarak solusi ideal negatif dibagi dengan hasil penambahan sparasi jarak alternatif positif dan jarak alternatif negatif seperti pada Rumus 8. Tabel 12 merupakan hasil akhir dari pembahasan menunjukkan bahwa nilai tertinggi yaitu pada alternatif SIMPATI. Sehingga alternatif SIMPATI menjadi pilihan atau rekomendasi untuk pemilihan layanan internet.

  Variabel

  ≥ 1.885197957 ^{< 1.885197957} ≥1.36032139 ≥1.119570507 ≥0.691445579 ^{< 1.36032139 <1.119570507} ≤ 0.691445579

• ^{- Three - IM3 - Mentari - Smartfren -XL -AXIS}

  

Gambar 2 Pemilihan Layanan Internet

  Berdasarkan Gambar 2 dapat dijelaskan bahwa pemilihan layanan internet pertama yaitu penentuan alternatif yang digunakan. Kedua, kriteria yang ditentukan yaitu kualitas alternatif yang tidak lolos dalam pemilihan kriteria kualitas yaitu three, im3, mentari dan smartfreen. Ketiga, yaitu kriteria harga pada pemilihan ini semua kriteria lolos. Keempat yaitu kriteria brand disini alternatif yang tidak lolos yaitu xl dan axis. Kelima menentukan prefensi alternatif dan diambil prefensi yang paling tinggi yaitu simpati. Sehingga simpati menjadi pilihan layanan internet.

  

Customer

Pemilihan

Kriteria

  

Sinyal

Harga Brand

  Prefrensi _Alternatif Simpati ^-AS Berdasarkan penelitian yang telah dilakukan, dimulai dari pengumpulan data, pengujian dan analisis maka dapat diambil kesimpulan bahwa penggunaan algoritma TOPSIS dalam pemilihan layanan internet provider dapat untuk mengelola atau menentukan alternatif

• – alternatif berdasarkan kriteria kualitas sinyal, harga dan brand sehingga dapat memberikan keputusan responden atau customer untuk menentukan layanan internet. Penggunaan TOPSIS (Technique

  For Order Preference by Similarity to Ideal Solution ) juga membantu mengurangi kesalahan

  sebagian besar costumer dalam pemilihan layanan internet. Sehingga customer lebih tepat atau efisien dalam menentukan layanan internet provider yang sesuai dengan kriteria keinginan dari .

  customer 6.

Daftar Pustaka

  [1] Handayani. 2016. Implementasi Algoritma Topsis Pada Pemilihan Rumah Hunian Di Provinsi Dan Kabupaten Gorontalo, Gorontalo : Universitas Muhammadiyah Gorontalo. [2] Sulehu. 2015. Sistem Pendukung Keputusan Pemilihan Layanan Internet Service Provider Menggunakan Metode Weighted Product, Makassar : STMIK AKBA. [3] Sandy, Dyah, Angelina & Sari. 2015. Sistem Pendukung Keputusan Metode TOPSIS, Jakarta : STT PLN. [4] Srikrisnha, Sreenivasulu, & Vani. 2014. A New Car Selection in the Market using TOPSIS Technique, India : Sri Venkaeswara University. [5] Pardede. 2013. Sistem Pendukung Keputusan Pemilihan Kendaraan Bermotor Dengan

  Menggunakan Metode Technique For Order Preference By Similarity To Ideal Solution, Medan : STMIK Budi Darma Medan. [6] Hastuti. 2013. Sistem Pendukung Keputusan Dalam Menentukan Pembelian Jenis Mobil Dengan Menggunakan Metode Topsis, Medan : STMIK Budidarma Medan. [7] Benning, Astuti & Khairina. 2015. Sistem Pendukung Keputusan Pembelian Perangkat Komputer Dengan Metode Topsis, Samarinda : Universitas Mulawarman. [8] Nazaruddin. 2014. Modul Pembelajaran SPSS, Jakarta : Pusat Data dan Statistik Pendidikan Kementerian Pendidikan dan Kebudayaan Republik Indonesia . [9] Hasibuan. 2007. Metodologi Penelitian Dalam Bidang Ilmu Komputer dan Teknologi Informasi, Depok : Universitas Indonesia. [10] Sugiyono. 2009. Metode Penelitian Pendidikan, Pendekatan Kuantitatif, Kualitatif, dan R&D, Bandung : Alfabeta.