Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No.

2, Bulan Desember 2015

PENERAPAN FUZZY TOPSIS UNTUK SELEKSI PENERIMA

BANTUAN KEMISKINAN
Ni Kadek Sukerti
STMIK STIKOM Bali
Jl. Raya Puputan Renon No. 86 Denpasar-Bali, 0361-244445
e-mail: dektisamuh@gmail.com

ABSTRACT

Some factors that cause mis target of poor relief are inacurate criteria of poor citizen as
well as inexactly method that make error in manual calculation. Fuzzy Technique for
Order Preference by Similarity to Ideal Solution Method (Fuzzy TOPSIS) is used to select
the receiver of poor relief in order to make alternative ranking to compare. It’s
implementation is by using excel and matlab with ten alternative (village) which is will
compare based on their criteria and subcriteria. The criteria that will be use is the look of
their house, family (card) member, ownership of house land, and their work for living,
monthly revenue, and level of education. The output of this method is total preference point
of all criteria. The highest point will be priority to have poor relief. Its validation will be
done by comparing the result of Fuzzy TOPSIS through Ms. Excel and Matlab and have
the same results. The last decision will be at the stakeholder and this Fozzy TOPSIS results
can be used to decision making acceleration. The data that used can be from related
official and by library investigation.

Key word: Information System, Fuzzy TOPSIS, Poor Relief, Ranking.

ABSTRAK

Beberapa faktor penyebab penerima bantuan kemiskinan tidak tepat sasaran antara lain
tidak jelasnya kriteria warga miskin serta pemilihan metode yang tidak tepat yang
mengakibatkan kesalahan dalam penghitungan secara manual. Metode Fuzzy Technique for
Order Preference by Similarity to Ideal Solution (Fuzzy TOPSIS) digunakan untuk
menyeleksi penerima bantuan dengan tujuan melakukan perankingan dari semua alternatif
yang akan dibandingkan. Implementasinya menggunakan excel dan matlab dengan sepuluh
alternatif (desa) yang akan dibandingkan berdasarkan kriteria dan subkriteria masing-
masing. Kriteria yang dipakai antara lain tampilan fisik rumah tinggal kk, kepemilikan
lahan rumah, tetap/tidaknya pekerjaan, besaran penghasilan kk perbulan dan tingkat
pendidikan. Output dari metode ini berupa nilai preferensi total dari semua kriteria. Nilai
tertinggi akan mendapatkan prioritas untuk menerima bantuan kemiskinan. Validasi
dilakukan dengan membandingkan hasil akhir Fuzzy TOPSIS menggunakan Ms. Excel dan
Matlab dan menghasilkan hasil yang sama. Keputusan akhir tetap berada ditangan
pengambil keputusan dan hasil perhitungan bisa digunakan untuk mempercepat proses
pengambilan keputusan. Data yang dipakai didapat melalui dinas terkait serta melalui
penelusuran informasi kepustakaan.

Kata kunci :Bantuan Kemiskinan, Fuzzy TOPSIS, Perankingan, Sistem Informasi

Informatics and Business Institute Darmajaya 127

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

1. PENDAHULUAN pengambilan keputusan. Banyaknya

Pemerintah daerah Bali selama ini telah masyarakat yang harus di data dan dengan
mengupayakan berbagai program untuk variabel yang berbeda sehingga dalam
mengentaskan kemiskinan, diantaranya perhitungan secara manual akan
adalah : Program Inpres Desa Tertinggal menimbulkan hasil yang tidak konsisten
(IDT), Program Kelompok Usaha dan dapat dipertanggungjawabkan.
Bersama (KUBE), Program Subsidi Seiring dengan perkembangan ilmu
Langsung Tunai (SLT), Kelompok Belajar teknologi, pemanfaatan komputer di
Usaha (KBU), Kredit Usaha Keluarga berbagai bidang merupakan keharusan.
Sejahtera (KUKESRA), Program Usaha Sistem informasi berbasis komputer
Peningkatan Pendapatan Keluarga (Computer Based Information System)
Sejahtera (UPPKS), Program yang salah satunya adalah Sistem
Pengembangan Kecamatan (PPK), Pengambilan Keputusan (Decisin Support
Program Nasional Pemberdayaan System) adalah suatu sistem informasi
Masyarakat - Program Penanggulangan komputer yang interaktif yang dapat
Kemiskinan Perkotaan (PNPM-P2KP) dan memberikan alternatif solusi bagi pembuat
Program Community Based Development keputusan. Suatu sistem yang dapat
(CBD) dengan harapan jumlah keluarga memberikan rekomendasi sebagai bahan
miskin yang ada sekarang dapat berkurang pertimbangan untuk pengambilan
dan terjadi peningkatan kesejahteraan keputusan secara tepat dibuat.
hidup masyarakat dari tahun ke tahun. Dalam penelitian ini dibatasi bagaimana
Dengan banyaknya program kemiskinan menentukan desa penerima bantuan
yang disediakan pemerintah, tetapi jumlah kemiskinan, berdasarkan nilai total tiap
masyarakat miskin malah semakin desa dari proses perhitungan semua
meningkat. Hal ini disebabkan karena kriteria dengan menggunakan metode
target penerima bantuan kemiskinan tidak Fuzzy TOPSIS.
tepat sasaran. Adapun beberapa factor Beberapa studi/penelitian yang telah
penyebabnya antara lain tidak jelasnya dilakukan berkenaan dengan peramalan
kriteria warga miskin yang ditentukan time series yang menjadi referensi dalam
serta tidak menggunakan metode pasti penulisan penelitian ini, diantaranya
dalam proses penerapannya sehingga penelitian oleh:
pengambil keputusan tidak memiliki 1. Menentukan desa penerima bantuan
alternatif yang lain sebagai acuan dalam program community based development

128 Informatics and Business Institute Darmajaya

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

(CBD) Bali Sejahtera menggunakan adalah jarak dengan ibukota kecamatan,

metode TOPSIS [1]. Dengan memakai kepadatan penduduk disekitar lokasi,
data desa di semua kecamatan di pengembangan sarana lingkungan,
Kabupaten Klungkung dan kriteria pengembangan prasarana lingkungan,
kemiskinan dari pihak CBD Bali aksesibilitas masyarakat dan harga
Sejahtera. Output dari implementasi tanah.
menghasilkan pemeringkatan dari
1.1 Teori Himpunan Fuzzy
alternatif (desa) yang dibandingkan.
Teori himpunan fuzzy merupakan
2. Perancangan Sistem Pendukung
kerangka matematis yang digunakan untuk
Keputusan Penilaian Prestasi Dosen
mempresentasikan ketidakpastian,
Berdasarkan Penelitian dan Pengabdian
ketidakjelasan, ketidaktepatan, kekurangan
Masyarakat [2] Dalam penelitian ini
informasi, dan kebenaran parsial [5]. Pada
dirancang sebuah Sistem Pendukung
teori himpunan fuzzy, komponen utama
Keputusan untuk menilai prestasi dosen
yang sangat berpengaruh adalah fungsi
berdasarkan penelitian dan pengabdian
keanggotaan. Fungsi keanggotaan
pada masyarakat. Dalam proses
mempresentasikan derajat kedekatan suatu
penentuan prestasi dosen digunakan
objek terhadap atribut tertentu sedangkan
beberapa kriteria yaitu penelitian,
pada teori probabilitas lebih pada
pemakalah, penulis jurnal dan
penggunaan frekuensi relative [6]. Adapun
pengabdian pada masyarakat. Metode
alasan logika digunakan antara lain:
yang digunakan yaitu AHP.
1. konsep logika fuzzy mudah dimengerti
3. Implementasi Metode Fuzzy TOPSIS
karena konsep matematis yang
untuk Seleksi Penerimaan Karyawan
mendasari penalaran fuzzy sangat
[3]. Penelitian ini mengusulkan metode
sederhana dan mudah dimengerti.
TOPSIS untuk seleksi penerimaan
2. Logika fuzzy sangat fleksibel.
calon karyawan, yang selanjutnya hasil
3. Logika fuzzy memiliki toleransi
dari proses sistem ini akan
terhadap data yang tidak tepat.
dibandingkan dengan metode WPM
4. Dapat membangun dan
(Weighted Product Model).
mengaplikasikan pengalaman-
4. Aplikasi Metode TOPSIS Fuzzy Dalam
pengalaman para pakar secara langsung
Menentukan Prioritas Kawasan
tanpa harus melalui proses pelatihan.
Perumahan Di Kecamatan Percut Sei
Tuan [4]. Kriteria yang digunakan

Informatics and Business Institute Darmajaya 129

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

5. Dapat bekerjasama dengan teknik- Bobot adalah variabel linguistik dapat

teknik kendali secara konvensional. dinilai dengan: sangat rendah, rendah,
6. Logika fuzzy didasarkan pada bahasa sedang, tinggi, sangat tinggi, dan
alami. sebagainya. Nilai linguistik juga dapat
Fungsi keanggotaan (membership direpresentasikan dengan bilangan fuzzy.
function) adalah suatu kurva yang Setelah didapatkan nilai bobot untuk
menunjukkan pemetaan titik-titik input masing-masing kriteria, kemudian
data ke dalam nilai keanggotaannya. Saah dilakukan perhitungan dengan
satu cara yang dapat digunakan untuk menggunakan metode TOPSIS. Pada
mendapatkan nilai keanggotaan adalah penelitian ini menggunakan fuzzy TOPSIS
dengan melalui pendekatan fungsi. Kurva bilangan triangular fuzzy seperti pada
segitiga pada dasarnya merupakan gambar 2. untuk merepresentasikan nilai
gabungan antara 2 garis (linier) serta untuk setiap kriteria dari masing-masing
ditandai oleh adanya tiga parameter (a, b, alternative yang akan dipilih.
c) yang menentukan koordinat x dari tiga
sudut.

Gambar 2. Bilangan fuzzy untuk penilaian

kriteria
Gambar 1. Grafik fungsi keanggotaan
pada representasi kurva segitiga 1.2 Fuzzy Multi-Attribut Decision Making
(FMADM)
Fungsi keanggotaan ditunjukkan pada Metode Fuzzy MADM TOPSIS
persamaan di bawah: merupakan salah satu metode fuzzy multi
atribut untuk pengambilan keputusan.
Permasalahan alternative yang
mengandung ketidakpastian dan
Variabel linguistik adalah variabel yang ketidakkonsistenan yang disebabkan
merepresentasikan situasi yang sangat beberapa hal antara lain informasi yang
kompleks atau tidak dapat dijelaskan tidak dapat dihitung, informasi yang tidak
dengan ekspresi kuantitatif konvensional. lengkap, informasi yang tidak jelas dan
pengabaian parsial [7]. Untuk mengatasi
130 Informatics and Business Institute Darmajaya
Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

situasi tersebut digunakanlah metode 1.3 Technique for Order Preference by

Similarity to Ideal Solution (TOPSIS)
Fuzzy MCDM yang dapat diklasifikasikan
menjadi dua model Fuzzy Multi-Objective TOPSIS menurut Hwang dan Zeleny
Decision Making (FMODM) dan Fuzzy didasarkan pada konsep dimana alternatif
Multi-Attribut Decision Making terpilih yang baik tidak hanya memiliki
(FMADM) [8]. Pada FMADM, alternatif- jarak terpendek dari solusi ideal positif,
alternatif sudah diketahui dan ditentukan namun juga memiliki jarak terpanjang dari
sebelumnya. Pengambil keputusan harus solusi ideal negatif [10]. Konsep ini
menentukan prioritas atau ranking banyak digunakan pada beberapa model
berdasarkan kriteria yang diberikan. MADM untuk menyelesaikan masalah
Secara umum, FMADM memiliki suatu keputusan secara praktis. Hal ini
tujuan tertentu, yang dapat disebabkan karena konsepnya sederhana
diklasifikasikan dalam dua tipe, yaitu dan mudah dipahami, komputasinya
menyeleksi alternatif dengan kriteria efisien, dan memiliki kemampuan untuk
dengan ciri-ciri terbaik [9] dan mengukur kinerja relatif dari alternatif-
mengklasifikasikan alternatif berdasarkan alternatif keputusan dalam bentuk
peran tertentu. Penyelesaian masalah matematis yang sederhana. Secara umum,
FMADM dapat dilakukan dengan prosedur TOPSIS mengikuti langkah-
beberapa tahap, antara lain: langkah sebagai berikut:
1. Membuat rating pada setiap alternatif 1. Menentukan matrik keputusan yang
berdasarkan agregasi derajat kecocokan ternormalisasi
pada semua kriteria. 2. Menghitung matrik keputusan yang
2. Merangking semua alternatif untuk ternormalisasi terbobot
mendapatkan alternatif terbaik. Dengan 3. Menghitung matrik solusi ideal positif
menggunakan Defuzzy atau melalui dan matrik solusi ideal negatif
relasi preferensi fuzzy. 4. Menghitung jarak antara nilai setiap
Terdapat dua model FMADM yaitu model alternatif dengan matrik solusi ideal
yang diperkenalkan oleh Yager positif dan matrik solusi ideal negatif
merupakan bentuk standar dari fuzzy 5. Menghitung nilai preferensi untuk
MADM dan model yang diperkenalkan setiap alternatif
oleh Baas dan Kwakernaak. 6. Nilai preferensi terbesar menunjukkan
bahwa alternatif tersebut memiliki
peluang terbesar untuk dipilih.

Informatics and Business Institute Darmajaya 131

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

TOPSIS membutuhkan rating kinerja Nilai preferensi untuk setiap alternative

setiap alternative pada setiap kriteria yang ditunjukkan pada persamaan 6.
ternormalisasi. Ditunjukkan pada Vi = (6)
persamaan 1.

(1) 2. METODE PENELITIAN

2.1 Model Konseptual

Solusi ideal positif dan solusi ideal negatif Penentuan penerima bantuan
dapat ditentukan berdasarkan rating bobot kemiskinan pada penelitian ini
ternormalisasi, ditunjukkan pada mengunakan Fuzzy TOPSIS yang akan di
persamaan (2) dan (3) implementasikan menggunakan excel dan
yij = wj (2) matlab sebagai pembanding output. Hasil
A+ = ( , , ..., ) (3) implementasi berupa nilai preferesi tiap
A- = ( , , ..., ) alternatif terhadap keseluruhan subkriteria
Dengan syarat : untuk tiap kriteria. Alternatif penerima

= bantuan kemiskinan dengan nilai

preferensi terbesarlah yang akan di-
= prioritaskan sebagai calon penerima
bantuan. Beberapa kriteria dengan
subkriteria yang digunakan sebagai dasar
Jarak antara alternative dengan solusi ideal
penilaian sehingga didapatkan nilai
positif dirumuskan pada persamaan 4.
tertentu untuk melakukan perangkingan
terhadap tiap alternatif. Sistem pengambil
= (4) keputusan dengan metode ini hanyalah
sebagai salah satu referensi yang dapat
Jarak antara alternative dengan solusi ideal membantu dalam pengambil keputusan
negative dirumuskan pada persamaan 5. dengan cepat dan terbaik.

2.2 Sistematika Penelitian

= (5)
Penelitian yang dilaksanakan terdiri
dari beberapa tahapan yang ditunjukkan
pada gambar 3.

132 Informatics and Business Institute Darmajaya

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

Gambar 3. Sistematika Penelitian

Penjelasan sistematika penelitian adalah TOPSIS Outputnya berupa

sebagai berikut : pemeringkatan setiap alternatif yang
1. Pengumpulan data melalui penelusuran akan diseleksi. alternatif yang
informasi kepustakaan yang terkait mempunyai nilai preferensi terbesar
dengan penelitian ini. adalah yang layak mendapatkan
2. Wawancara dan observasi, mencari dan bantuan kemiskinan.
mengumpulkan data yang ada 6. Penulisan laporan penelitian serta
relevansinya dengan penelitian. kesimpulan dan saran terhadap hasil
3. Analisa dilakukan dengan menentukan penelitian berdasarkan output yang
alternatif yang akan diseleksi, kriteria telah dihasilkan.
yang akan digunakan, subkriteria dari
3. HASIL DAN PEMBAHASAN
kriteria yang akan dipakai, dan
menentukan bobot dari setiap kriteria 3.1 Analisa Hasil
Kriteria KK miskin sebagai dasar
menggunakan Fuzzy dilanjutkan
kriteria acuan dalam penentuan KK miskin
dengan menghitung menggunakan
calon peserta program. Kriteria dibawah
TOPSIS.
merupakan kriteria dasar/acuan program:
4. Implementasi adalah tahap
Tampilan fisik rumah tinggal KK,
penterjemahan semua variable yang
Kepemilikan lahan rumah, Tetap/tidaknya
akan digunakan dengan TOPSIS ke
pekerjaan, Besaran penghasilan KK
dalam software Excel dan Matlab untuk
perbulan dan Tingkat pendidikan
memudahkan perhitungan.
ditunjukkan pada tabel 1. Data internal
5. Uji coba (Testing) adalah tahap dimana
adalah data yang berasal dari dalam
hasil perhitungan dengan Fuzzy

Informatics and Business Institute Darmajaya 133

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

organisasi, untuk mendukung sistem miskin, Nilai bobot tiap kriteria, Nilai
pendukung keputusan. Adapun yang preferensi tiap subkriteria dan Sifat tiap
tergolong dalam data internal dalam subkriteria.
permasalahan ini adalah : Kriteria KK

Tabel 1. Sifat dari Subkriteria

Data eksternal adalah data yang subkriteria tiap desa pakraman

berasal dari luar organisasi tetapi ditunjukkan pada tabel 2.
mempengaruhi sistem pendukung
keputusan. Adapun yang termasuk data
eksternal dalam permasalahan ini adalah
data peserta sebagai alternative yang akan
menerima bantuan dan data nilai
Tabel 2. Data desa pakraman di kecamatan Nusa Penida tahun 2012 (data diolah)

134 Informatics and Business Institute Darmajaya

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

Semua data akan diimplementasikan Menghitung jarak alternatif dengan matrik

menggunakan metode fuzzy TOPSIS solusi ideal positif dan matriks solusi ideal
untuk semua kriteria dan subkriteria negatif, Menghitung nilai preferensi dan
dengan langkah sebagai berikut : Konversi langkah selanjutnya adalah menentukan
data fuzzy, Menentukan matrik kinerja, rangking dengan acuan nilai preferensi
Menghitung matrik ternormalisasi, terbesar adalah yang layak menerima
Menghitung matrik ternormalisasi bantuan ditunjukkan dengan flowchart
terbobot, Menghitung matrik solusi ideal pada gambar 4.
positif dan matrik solusi ideal negatif,

Gambar 4. Flowchart Fuzzy TOPSIS

3.2 Proses Perhitungan menggunakan (tabel 2.) dan sifat dari tiap kriteria seperti
Fuzzy TOPSIS
tabel 3. Terdapat lima kriteria dengan
3.2.1 Proses Konversi Data ke dalam bilangan fuzzy (linguistic) untuk setiap
Fuzzy
subkriterianya.
Sebelum memulai proses perhitungan,
terlebih dahulu menentukan pembobotan
berdasarkan data yang telah diperoleh

Informatics and Business Institute Darmajaya 135

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

Tabel 3. Pembobotan kriteria dan subkriteria

Keterangan bilangan linguistic di atas melalui tabel 4 untuk ke sepuluh (desa

adalah TB (tidak baik), CB (cukup baik), pakraman) sebagai alternative yang akan
B (baik), SB (sangat baik), SK (sangat dirangking dengan lima kriteria.
kurang), K (kurang), C (cukup), CT
(cukup tinggi), T (tinggi), dan ST (sangat
tinggi). Konversi ke bilangan linguistic
untuk semua subkriteria ditunjukkan

136 Informatics and Business Institute Darmajaya

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

Tabel 4. Konversi data ke bilangan Fuzzy

3.2.2 Proses Perhitungan dengan TOPSIS solusi ideal negatif berdasarkan persamaan
Langkah selanjutnya adalah 3 yang ditunjukkan pada tabel 6.
melakukan perhitungan dengan metode Tabel 6. Hasil perhitungan solusi ideal
positif dan negatif
TOPSIS agar memperoleh output berupa
nilai preferensi untuk semua kriteria untuk
setiap alternative yang akan dibandingkan.
Matrik ternormalisasi terbobot untuk
semua subkriteria ditunjukkna pada tabel
5. berdasarkan persamaan 2.
Tabel 5. Hasil perhitungan matrik
ternormalisasi terbobot

Untuk menentukan jarak antara alternatif

dengan solusi ideal positif maupun negatif
ditunjukkan pada tabel 7 dan dihitung
berdasarkan persamaan 4 dan 5.

Perhitungan dilanjutkan dengan

menentukan matrik solusi ideal positif dan
Informatics and Business Institute Darmajaya 137
Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

Tabel 7. Hasil perhitungan jarak antar 3.2.3 Validasi

alternatif
Hal terpenting dalam validasi hasil
penelitian ini adalah melakukan pengujian
terhadap modul yang berfungsi melakukan
perhitungan untuk metode TOPSIS.
Validasi adalah bagian dari evaluasi yang
berhubungan dengan kinerja sistem.
Secara sederhana dinyatakan bahwa
validasi adalah sebuah proses untuk
Proses perhitungan terakhir adalah
membangun sebuah right system, yaitu
menentukan nilai preferensi total untuk
sistem yang mempunyai kinerja dalam
setiap alternatif untuk semua kriteria
keakurasian yang dapat diterima
ditunjukkan pada tabel 8 dengan
(acceptable). Validasi pada penelitian ini
menggunakan persamaan 6.
yaitu membandingkan hasil akhir Fuzzy

Tabel 8. Hasil perhitungan nilai preferensi TOPSIS menggunakan Ms. Excel dan
Matlab yang ternyata menghasilkan hasil
yang sama dan ditunjukkan pada tabel 10.

Tabel 10. Perbandingan hasil perhitungan

Ms. Excel dengan Matlab

Hasil pemeringkatan berdasarkan

tingginya nilai preferensi ditunjukkan pada
tabel 9.
Tabel 9. Hasil pemeringkatan semua
alternatif

Berdasarkan hasil keseluruhan proses

perhitungan didapatkan dari kesepuluh
alternatif yang akan dibandingkan secara
berturut nilai total preferensi dari besar ke
kecil didapatkan bahwa alternatif A8 (desa

138 Informatics and Business Institute Darmajaya

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

pakraman batumadeg) memiliki nilai spesifik sehingga penerima bantuan

terbesar, diikuti dengan A6 (desa tepat sasaran demi kesuksesan
pakraman bungamekar) dan seterusnya. program kemiskinan dari pemerintah.
Sehingga desa pakraman batumadeg (A8) 6. Hasil proses perhitungan seleksi
akan mendapatkan prioritas yang paling penerima bantuan kemiskinan bisa
tinggi diantara alternatif yang lain untuk diterima atau dinyatakan valid, hal ini
memperoleh bantuan kemiskinan. didasarkan atas perbandingan hasil
4. SIMPULAN perhitungan dengan perangkat lunak

Hasil dari penelitian penerapan fuzzy Ms. Excel dan Matlab yang secara

TOPSIS untuk seleksi penerima bantuan umum menunjukkan nilai yang sama.

kemiskinan menghasilkan beberapa

DAFTAR PUSTAKA
kesimpulan antara lain:
[1]. Sukerti, N.K. 2010. Sistem Pendukung
1. Data yang digunakan dalam penelitian
Keputusan Penentuan Desa Penerima
ini bersifat kuantitatif dari BPS
Bantuan Program Community Based
Kabupaten klungkung .
Development (CBD) Bali Sejahtera
2. Fuzzy Topsis digunakan dalam proses
Menggunakan Metode TOPSIS. Tesis
perankingan ini karena metoda ini
Magister Ilmu Komputer Program
merupakan bagian dari MADM (Multi
Pascasarjana. Universitas Gadjah
Attribut Decision Making) untuk
Mada. Yogyakarta.
menentukan alternatif terbaik.
[2]. Sri Eniyati dan Rina Candra Noor
3. Hasil akhir berupa nilai preferensi
Santi. Perancangan Sistem
total pada penelitian ini dipengaruhi
Pendukung Keputusan Penilaian
oleh bobot kriteria, bobot subkriteria
Prestasi Dosen Berdasarkan
yang digunakan.
Penelitian dan Pengabdian
4. Desa penerima bantuan/prioritas yaitu
Masyarakat. Jurnal Teknologi
desa Batumadeg dengan memperoleh
Informasi DINAMIK Volume XV,
nilai preferensi total terbesar yaitu
No.2, 2010.
3,88 sesuai dengan situasi di lapangan
[3]. S. Lestari dan W. Priyodiprodjo.
karena memang desa tersebut jumlah
Implementasi Metode Fuzzy TOPSIS
masyarakat miskinnya paling tinggi
untuk Seleksi Penerimaan Karyawan.
diantara desa yang lainnya.
IJCCS. Vol.5 No.2, 2011.
5. Kriteria yang digunakan bisa
ditambahkan agar proses seleksi lebih

Informatics and Business Institute Darmajaya 139

Ni Kadek Sukerti Jurnal Informatika, Vol. 15, No. 2, Bulan Desember 2015

[4]. Meliya Ningrum, Sutarman,

Rachmad. 2012. Aplikasi Metode
TOPSIS Fuzzy Dalam Menentukan
Prioritas Kawasan Perumahan Di
Kecamatan Percut Sei Tuan Sitepu.
Saintia Matematika. Vol 1. 101–115.
[5]. Tettamanzi, A. dan Tomassini, M.
2001. Soft Computing Integrating
Evolutionary, Neural And Fuzzy
System. Springer-Verlag. Berlin.
[6]. Ross, Timothy J. 2005. Fuzzy Logic
With Engineering Applications. Edisi
ke-2. John Wiley & Sons Inc. Inggris.
[7]. Chen,C.B., dan Klein. An Efficient
Approach To Solving Fuzzy Madm
Problems. Fuzzy Sets And Systems,
Vol 88. 51-67.
[8]. Ribeiro, R.A. 1996. Fuzzy Multiple
Attribute Decision Making : A Review
And New Preference Elicitation
Technigues. Fuzzy Sets And Systems,
Vol 78, 155-181.
[9]. Simoes-Marques,M., Ribeiro, R.A.,
dan Gamiero-Marques, A. 2000. A
Fuzzy Decision Support System For
Equipment Repair Under Battle
Conditions. Fuzzy Sets And Systems.
Vol 115. 141-157.
[10]. Kusumadewi, S., Hartati, S.,
Harjoko, A., Wardoyo, R., 2006,
Fuzzy Multi Atribut Decision Making
(FMADM), Graha Ilmu, Yogyakarta.

140 Informatics and Business Institute Darmajaya