Algoritma Optimasi Keputusan Topsis

Bingung ? cara membuat keputusan terbaik berdasarkan banyak kriteria penilaian ? harus memulai penilain kriteria darimana? tidak mengerti membuat skala penilaian setiap kriteria? Mau tau tips langkah-langkah membuat keputusan ideal berdasarkan nilai solusi ideal multi kriteria ? Penasaran, silahkan ikuti tips membuat keputusan terbaik dengan menggunakan Algoritma optimasi keputusan topsis.

Awal Mula  Algoritma Topsis
Metode Topsis merupakan salah satu metode pengambilan keputusan multi kriteria(Multiple Criteria Decission Making). Pada tahun 1981 metode topsis diperkenalkan oleh Yoon and Wang. Topsis digunakan sebagai pendukung keputusan dengan tujuan mendapatkan solusi terbaik dari pertimbangan keragaman kriteria-kriteria.

Tujuan dan Manfaat  Penggunaan Algoritma Topsis

Metode algoritma topsis marupakan salah satu metode mendapatkan solusi terbaik atas permasalahan multiple criteria decision making dapat digunakan TOPSIS( Technique For Others Reference by Similarity to Ideal Solution), yang dalam implementasinya akan memunculkan beberapa alternatif solusi berdasarkan hasil rangking kumulatif, kemudian dapat dipilih satu solusi tertentu, berdasarkan kriteria tambahan dari pemegang kebijaan . kemudian, beberapa alternatif solusi tersebut dapat dijadikan referensi tim pengambil keputusan untuk diajukan kepada pimpinan. Sehingga, pemimpin dapat memilih satu solusi dari beberapa alternatif solusi yang ada, dan diharapkan dapat mengambil keputusan terbaik yang menguntungkan.

Mekanisme Proses Perhitungan Topsis

Perhitungan Topsis dilakukan dengan memberikan bobot penilaian pada masing-masing kriteria sesuai skala prioritas kriteria.
5 Tahapan Metode TOPSIS

1. Membuat matriks keputusan ternormalisasi
2. Membuat matriks keputusan ternormalisasi berbobot
3. Menentukan matriks solusi ideal positif dan matrik solusi ideal negatif
4. Menentukan jarak antar nilai alternatif dengan matrik solusi ideal positif dan negatif
5. Menentukan nilai preferensi setiap alternatif

Algoritma Topsis, memiliki prinsip alternatif terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang dari solusi ideal negatif dari sudut geometris dengan menggunakan jarak Euclidean sebagai cara menentukan keadaan relatif dari suatu alternatif dengan solusi optimal.

Solusi ideal positif topsis adalah jumlah seluruh nilai kriteria terbaik setiap atribut, sedangkan solusi ideal negatif topsis terdiri dari seluruh nilai terburuk dari setiap atribut. Topsis mempertimbang jarak antara solusi ideal posistif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif.

Metode Topsis didasarkan pada konsep bahwa alternatif terpilih terbaik hanya memiliki jarak terpendek dari solusi ideal positif tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Proses perhitungan bobot kriteria Topsis dilakukan dengan menggunakan pembobotan Algoritma AHP sebelum melakukan perhitungan metode Topsis. Metode perhitungan Topsis mempunyai algoritma yang saling berurutan untuk mendapatkan solusi ideal.

Langkah-langkah Algortima Topsis

1. Perhitungan Rangking tiap alternatif keriteria
2. Perhitungan matrik keputusan ternormalisasi terbobot
3. Menghitung solusi ideal positif dan negatif : solusi ideal posistif A+ dan solusi ideal negatif A- ditentukan berdasarkan rangking bobot ternormalisaisi
4. Perhitungan jarak solusi ideal, Jarak adalah alternatif Ai dengan solusi ideal positif dan jarak Ai dengan solusi ideal negatif
5. Perhitungan Nilai preferensi setiap alternatif 

Mengenal Bisnis Intelijen

Apa tujuan kinerja spesifik bisnis? apakah  bisnis memiliki tujuan pangsa pasar ? apakah optimasi biaya dibutuhkan untuk mencapai target bisnis? Bagaimana cara mengukur kinerja bisnis? Seberapa sering pengukuran kinerja  bisnis dilakukan ? seberapa cepat  mendeteksi dan merespon kecepatan perubahan  pasar pada bisnis yang dikelola? Bagaimana mengukur strategi tujuan dan penentuan kebijakan bisnis? 

Membuat  keputusan bisnis lebih baik dengan alat analisis berkinerja tinggi  bisnis intelijen (Bussines Intelligence).

Definisi Bisnis Intelijen (BI)  adalah aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisis dan akses data untuk membantu pengguna perusahaan membuat keputusan bisnis yang lebih baik.

rumus algoritma regresi linier sederhana data mining

Fungsi Prediksi Data mining

Fungsi Prediksi merupakan bagian dari fungsi minor data mining. Prediksi adalah suatu cara untuk mencari kemungkinan hasil dari suatu hal pada masa akan datang. Pada teknologi data mining,metode peramalan digunakan sebagai alat bantu memprediksi kemungkinan akan datang berdasarkan bukti-bukti temuan pada data.proses prediksi berhubungan erat dengan perhitungan matematik dan statistik.

Langkah prediksi dapat dilakukan menggunakan perhitungan rumus regresi linier matematika. Ada 2 jenis rumus regresi sebagai langkah proses analisis prediksi yaitu, regresi linear sederhana dan regresi linear berganda. Cara membaca hubungan korelasi data hipotesis hasil analisis prediksi dilakukan melalui analisis statistik. Contoh proses prediksi data mining kali ini dilakukan dengan menggunakan regresi linier sederhana