E-ISSN : 2655-8238

Jurnal Teknologi Dan Sistem Informasi Bisnis

P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

Optimalisasi Preferensi Mahasiswa Dalam Pemilihan Laptop

Menggunakan Metode TOPSIS

Vivie Zuliani Erikasaria, Zulaehab, Tyanshi Firli Maharanic, Wafha Zahra Mulqiyad, Abdul Halim
Anshore
a,b,c,d,e
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Pelita Bangsa,
email : viviezuliani@[Link], zulaeha168@[Link], firlymaharani27@[Link], zwafha@[Link],
abdulhalimanshor@[Link]

Submitted: 11-12-2024, Reviewed: 22-12-2024, Accepted 08-01-2025

[Link]

Abstract
Students face challenges in choosing a laptop that suits their needs and budget due to the many features and specifications
available in the market. To meet the needs of students, especially at Pelita Bangsa University, this research will analyze and
develop a decision support system to select the right laptop. The preference ranking technique with similarity to the ideal
solution (TOPSIS) method is used to evaluate and rank laptops based on important criteria such as price, performance,
storage capacity, and portability. The results showed that the LENOVO THINKPAD E14 laptop brand became the top
recommendation from the 15 laptop brands selected. It is expected that this system can assist students in making decisions
about purchasing laptops that are more suitable for their academic needs and in accordance with their preferences .
Keywords: Decision Support System, Laptop, Student, TOPSIS.

Abstrak
Mahasiswa menghadapi tantangan dalam memilih laptop yang sesuai dengan kebutuhan dan anggaran karena banyaknya
fitur dan spesifikasi yang tersedia di pasaran. Untuk memenuhi kebutuhan mahasiswa, khususnya di Universitas Pelita
Bangsa, penelitian ini akan menganalisis dan mengembangkan sistem pendukung keputusan untuk memilih laptop yang
tepat. Metode preference ranking technique with similarity to the ideal solution (TOPSIS) digunakan untuk mengevaluasi
dan merangking laptop berdasarkan kriteria penting seperti harga, performa, kapasitas penyimpanan, dan portabilitas. Hasil
penelitian menunjukkan bahwa merek laptop LENOVO THINKPAD E14 menjadi rekomendasi teratas dari 15 merek laptop
yang dipilih. Diharapkan sistem ini dapat membantu mahasiswa dalam mengambil keputusan pembelian laptop yang lebih
sesuai dengan kebutuhan akademik dan sesuai dengan preferensi mereka.
Keywords: Sistem Pendukung Keputusan, Laptop, Mahasiswa, TOPSIS.

This work is licensed under Creative Commons Attribution License 4.0 CC-BY International license

PENDAHULUAN pengambilan keputusan tidak selalu bergantung

Penggunaan laptop di dunia modern sangat pada satu pihak dan harus memuaskan semua pihak.
meningkat untuk tujuan pendidikan, pekerjaan, dan Selain itu, pengambilan keputusan terkadang
bahkan streaming. Hal ini membawa perubahan memiliki banyak tujuan yang berbeda, yang bisa
signifikan dalam dunia teknologi, terutama dalam bertentangan satu sama lain [5]. Sistem pendukung
hal masyarakat. Oleh karena itu, mahasiswa keputusan juga dapat membantu menyelesaikan
bersaing untuk mendapatkan laptop yang paling masalah pengambilan keputusan yang dianggap
bagus dan paling murah [1]. Dengan banyaknya subjektif oleh masyarakat jika memiliki data yang
merek laptop yang tersedia dengan kualitas dan akurat [6].
harga yang terjangkau, masyarakat menghadapi SPK dapat dibuat dengan menggunakan kriteria
kesulitan untuk memilih [2]. Kesalahan dalam yang relevan dengan kebutuhan siswa untuk
memilih laptop dapat menyebabkan penggunaan memungkinkan evaluasi. Salah satu metode yang
perangkat kurang efisien, yang dapat mempengaruhi dapat digunakan dalam metode SPK adalah
produktivitas dan efektivitas dalam kegiatan Technique for Order of Preference by Similarity to
akademik [3]. Ideal Solution (TOPSIS), yang memungkinkan
Dalam hal ini, sistem pendukung keputusan pengambilan keputusan yang lebih efisien dengan
(SPK) dapat membantu mahasiswa dalam pemilihan melakukan perbandingkan pilihan pada setiap
laptop melalui pengunaan data dan model-model kriteria yang sesuai dengan solusi ideal, seperti
keputusan untuk memecahkan masalah-masalah memberikan pemahaman yang menyeluruh tentang
yang sifatnya semi terstruktur dan tidak terstruktur masalah, menawarkan kerangka berpikir yang
[4]. Namun, ada banyak situasi di mana sistematis, membantu dalam penerapan

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 119
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

keterampilan menentukan keputusan, dan Pada tahap terakhir, pembuatan laporan,

meningkatkan kualitas pengambilan keputusan [7]. penulis menyampaikan hasil dari semua
Konsep TOPSIS sederhana, mudah digunakan, tahapan. Laporan ini mencakup solusi
dan memiliki perhitungan yang efektif [8]. Tujuan masalah, hasil dari penggunaan metode,
dari penelitian ini adalah untuk mengevaluasi dan kesimpulan dari penelitian ini.
penggunaan metode TOPSIS dalam sistem
pendukung keputusan yang digunakan mahasiswa, 2.1. Technique for Orders Preference by Similarity
khususnya di lingkungan Universitas Pelita Bangsa to Ideal Solution (TOPSIS).
dalam memilih laptop. Dengan mengidentifikasi Prinsip bahwa alternatif yang paling disukai
kriteria penting dalam pemilihan laptop dan tidak hanya harus paling dekat dengan solusi ideal
pengolahan datanya menggunakan metode TOPSIS, positif tetapi juga paling jauh dari solusi ideal
diharapkan evaluasi dari sistem TOPSIS yang telah negatif adalah inti dari teknik pengambilan
di hasilkan dapat memberikan rekomendasi yang keputusan multikriteria TOPSIS [14]. Hal ini
dapat membantu mahasiswa dalam memilih laptop dilakukan untuk mengetahui seberapa jauh suatu
sesuai dengan kebutuhan akademik mereka. Hasil alternatif dari solusi optimal [15].
ini diperoleh melalui perbandingan pilihan yang A. Menentukan Matriks Ternormalisasi.
berbeda dengan kriteria yang ditetapkan [9].
𝑥𝑖𝑗
𝑟𝑖𝑗 = 𝜂
(1)
2
METODE PENELITIAN √𝛴𝑖=1 𝑥𝑖𝑗
Sistem Pendukung Keputusan dengan metode
TOPSIS digunakan dalam penelitian ini untuk Dimana :
mengevaluasi dan menentukan laptop terbaik untuk Rij = Komponen matriks ternormalisasi
kebutuhan mahasiswa [10]. Metode ini dipilih [i][j].
karena kemampuan untuk menemukan solusi terbaik Xij = Komponen matriks keputusan X.
dengan membandingkan pilihan berdasarkan B. Menentukan Matriks Y.
kriteria yang telah ditentukan [11]. Adapun tahapan
penelitian yang dilakukan dalam penelitian ini [12], 𝑦𝑖𝑗 = 𝑅𝑖𝑗 𝑊𝑖 (2)
ialah :
A. Identifikasi Masalah. Dimana :
Proses awal untuk menemukan rumusan Yij = Matriks ranting berbobot.
masalah adalah mengidentifikasi masalah Wi = Bobot ranting ke I.
yang muncul di Universitas Pelita Bangsa Rij = Matriks dari hasil normalisasi pada
dengan menggunakan metode TOPSIS langkah kedua.
untuk menentukan laptop yang sesuai C. Menentukan Solusi Ideal Positif dan
dengan preferensi dan anggaran Solusi Ideal Negatif.
mahasiswa. Nilai solusi ideal positif (A+) dan solusi
B. Mempelajari Literatur Review. ideal negative (A-) di tentukan
Pada tahap ini, peneliti mengumpulkan berdasarkan nilai matriks ranting berbobot
data dan informasi tentang subjek yang ditemukan pada langkah ketiga [16].
penelitian melalui jurnal, buku, dan e-book
yang relevan. 𝐴+ = (𝑦1+, 𝑦2+, 𝑦3+, …, 𝑦𝑛+ ) (3)
C. Mengumpulkan Data. 𝐴− = (𝑦1−, 𝑦2−, 𝑦3−, …, 𝑦𝑛− ) (4)
Proses pengumpulan data dilakukan oleh
peneliti di lingkungan Universitas Pelita D. Menemukan Jarak Terpendek dan
Bangsa untuk mendapatkan data yang Terjauh.
relevan yang selanjutnya digunakan pada Persamaan jarak alternatif dari solusi ideal
penelitian ini. positif.
D. Analisa dan Penerapan Metode.
Setelah data dikumpulkan dengan benar, 𝐷𝑖+ = √∑𝑛𝑗=1(𝑦1+ − 𝑦𝑖𝑗 )2 (5)
langkah berikutnya adalah analisis data.
Analisis data adalah proses mengaji dan
mengolah data untuk menghasilkan Persamaan jarak alternatif dari solusi
kesimpulan yang relevan dengan tujuan ideal negatif.
penelitian [13]. Penelitian ini
menggunakan metode TOPSIS. Pada tahap 𝑫−𝒊 = √∑𝒏𝒋=𝟏(𝒚𝒊𝒋 − 𝒚−𝟏 )𝟐 (6)
ini, peneliti melakukan perhitungan sampel
data untuk alternatif dan kriteria. E. Menemukan Preferensi.
E. Laporan Penelitian.

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 120
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]
𝐷1− Data Kriteria
𝑉1 = (6) Nama
𝐷1−+ 𝐷1+ Kriteria Nama Kolom Bobot
15 inci 3
HASIL DAN PEMBAHASAN 13 inci 4
Kriteria yang dipilih dalam penelitian ini 14 inci 5
128 GB 1
adalah harga, RAM, prosesor, ukuran layar, dan 256 GB 2
kapasitas hard disk. Kriteria ini dipilih Harddisk 500 GB 3
berdasarkan kebutuhan utama siswa untuk 512 GB 4
membantu kegiatan akademik, seperti harga yang 1 TB 5
sesuai dengan anggaran siswa, kapasitas RAM
yang cukup untuk menjalankan aplikasi berat, Tabel 2 di atas menunjukkan data kriteria dan
prosesor yang cepat untuk melakukan nilai pembobotan dari kriteria-kriteria tersebut, yang
multitasking, dan ukuran layar yang ideal untuk ditentukan oleh penulis berdasarkan hasil penelitian
membaca dokumen atau menonton video [19]. Karena setiap nilai untuk setiap kriteria
pembelajaran. merupakan nilai kecocokan, dengan nilai tertinggi
etodeDengan mempertimbangkan bobot pada dianggap sebagai nilai terbaik, maka nilai
setiap kriteria, hasil analisis metode TOPSIS pembobotan untuk setiap kriteria ditentukan oleh
menunjukkan bahwa laptop yang paling sesuai penulis berdasarkan hasil penelitian [20].
dengan preferensi siswa [17]. Dengan
Tabel 3. Nilai bobot prioritas kriteria
menghitung bobot dan kriteria ini, mahasiswa
akan menemukan laptop terbaik dari segi harga
dan kinerja untuk memenuhi kebutuhan akademik Bobot Prioritas
Nama Bobot Kriteria
dan mobilitas mereka [18]. Bobot Keterangan
3.1 Menentukan Ranking dari bobot tiap alternatif Bobot kriteria harga 3 Cost
dari setiap kriteria dengan nilai 1 sampai 5.
Bobot kriteria RAM 5 Benefit
Setelah mengidentifikasi kriteria, dibuatlah
variabel dan masing-masing bobot. Seperti yang Bobot kriteria processor 4 Benefit
ditunjukkan pada Tabel 1.
Bobot kriteria ukuran 5 Benefit

Tabel 1. Nilai bobot Bobot kriteria harddisk 5 Benefit

Sangat tidak bagus 1 Tabel 4. Kriteria data laptop

Kurang Bagus 2
Kriteria
Cukup Bagus 3 Data Kriteria
Data
Bagus 4 Acer Aspire 1 A114-32 C22
Sangat Bagus 5 HP 14s-cf0067TU C23

Lenovo V14 IIL C24

Tabel 2. Data Kriteria
Acer Aspire 3 A314-22 C25

Nama Data Kriteria ASUS X509JP-EJ074T C26

Kriteria Nama Kolom Bobot
Lenovo IdeaPad Flex 5 C27
4jt – 5jt 1
5,1jt – 6jt 2 HP 240 G7 C28
6,1jt – 7jt 3
Harga
7,1jt – 8jt 4 HP Pavilion Gaming 15 C29
8,1jt – 9jt 4
>9jt 5 Acer Aspire 3 A315-56 C30
4 1
HP 15s-du2032TX C31
8 2
RAM 16 3 Lenovo IdeaPad Slim 3 14 C32
32 4
64 5 ASUS VivoBook 15 X512DA C33
Celeron 1
Pentium 2 Acer Aspire 5 A515-43 C34
Processor Intel i3/Ryzen 3 3
Intel i5/Ryzen 5 4 ASUS VivoBook 14 A416 C35
Intel i7/Ryzen 7 5 Lenovo ThinkPad E14 C36
11 inci 1
Ukuran
> 15 inci 2

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 121
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

Untuk mempermudah pemahaman, kode C22 Hasil Pembagi

hingga C36 pada Tabel 4 digunakan untuk Data Hard
Harga RAM Processor Ukuran
menunjukkan masing-masing model laptop. disk
Penggunaan kode ini dirancang untuk memfasilitasi X 14,142 6,708 12,922 16,431 14,594
proses analisis dan perbandingan antar produk agar
lebih sederhana dalam kajian ini [12]. Tabel 7. Nilai hasil matriks ternormalisasi (𝑅𝑖𝑗 )

3.2 Menentukan Nilai Untuk Matriks Keputusan

Data Matriks Keputusan
(𝑿𝒊𝒋 ). Data
Processor Ukuran Hard
Menentukan nilai dari masing-masing opsi Harga RAM
disk
terhadap kriteria sehingga terbentuk matriks Xij. C22 0,0707 0,1491 0,0774 0,3043 0,2056

Tabel 5. Nilai dari data kriteria C23 0,0707 0,1491 0,0774 0,3043 0,2056
C24 0,1414 0,1491 0,1548 0,3043 0,3426
Data Matriks Keputusan
Data C25 0,0707 0,1491 0,1548 0,3043 0,2056
Processor Ukuran Hard
Harga RAM
disk C26 0,2828 0,2981 0,2321 0,1217 0,1370
C22 1 1 1 5 3
C27 0,2828 0,2981 0,3095 0,3043 0,2741
C23 1 1 1 5 3
C28 0,1414 0,1491 0,2321 0,3043 0,3426
C24 2 1 2 5 5
C29 0,3536 0,2981 0,3095 0,1217 0,2741
C25 1 1 2 5 3
C30 0,2121 0,2981 0,2321 0,1217 0,2741
C26 4 2 3 2 2
C31 0,3536 0,2981 0,3095 0,1217 0,2741
C27 4 2 4 5 4
C32 0,3536 0,2981 0,3095 0,3043 0,2741
C28 2 1 3 5 5
C33 0,2828 0,2981 0,2321 0,3043 0,1370
C29 5 2 4 2 4
C34 0,2828 0,2981 0,3095 0,1217 0,2741
C30 3 2 3 2 4
C35 0,2828 0,2981 0,3095 0,3043 0,2741
C31 5 2 4 2 4
C36 0,3536 0,2981 0,3869 0,3043 0,2741
C32 5 2 4 5 4
C33 4 2 3 5 2 3.4 Menentukan Nilai Untuk Bobot
Ternormalisasi.
C34 4 2 4 2 4
Selanjutnya, nilai bobot ternormalisasi dibuat
C35 4 2 4 5 4 setelah matriks ternormalisasi di temukan.
C36 5 2 5 5 4
Sehingga,
Bobot kriteria harga = 3
Bobot kriteria RAM = 5
3.3 Menentukan Matriks Ternormalisasi Bobot kriteria processor = 4
Matriks ditentukan sebagai berikut : Bobot kriteria ukuran = 5
Matriks x(1,1) = 1. Bobot kriteria harddisk = 5
12 + 12 + 22 + 12 + 42 + 42 + Nilai ternormalissi tertimbang dapat dihitung di
= √22 + 52 + 32 + 52 + 52 + 42 + 42 + mana Rij adalah nilai ternormalisasi dan Wi adalah
42 + 52 bobot kriteria [18].
i = 1, 2, …., n_i dan j = 1, 2, …., 𝑗𝑖 . Sehingga,
= 14,14214 dapat dihitung :
Matrik x(1,1) = 3.
Matriks x(1,2) = 1. 𝑌𝑖𝑗 = 0,0707 𝑥 3 = 0,2121
12 + 12 + 12 + 12 + 2 2 + 22 + 12 +
= √ 2
2 + 22 + 22 + 22 + 22 + 22 + 22 + 22 Matrik x(1,2) = 5.
= 6,70820 𝑌𝑖𝑗 = 0,1491 𝑥 5 = 0,74536
Oleh karena itu, didapatkan hasil
pembaginya, yaitu : Tabel 8. Nilai hasil bobot ternormalisasi (𝑌𝑖𝑗 = 𝑅𝑖𝑗 𝑊𝑖 )

Tabel 6. Hasil pembagi

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 122
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

Data Matriks Keputusan A- =

Data Hard
Harga RAM Processor Ukuran
disk ( 0,2121 − 0,2121)2 + ( 0,7453 − 0,7453 )2 +
C22 0,2121 0,7453 0,3095 1,5214 1,0277 √ (0,3095 − 0,3095)2 + ( 0,6085 − 1,5214)2 +
(0,6851 − 1,0277)2
C23 0,2121 0,7453 0,3095 1,5214 1,0277
= 0,9750
C24 0,4242 0,7453 0,6190 1,5214 1,7129
C25 0,2121 0,7453 0,6190 1,5214 1,0277 Sehingga :
C26 0,8485 1,4907 0,9285 0,6085 0,6851 Tabel 10. Nilai jarak solusi ideal positif dan negative
(𝐴+ 𝑑𝑎𝑛 𝐴− )
C27 0,8485 1,4907 1,2381 1,5214 1,3703
C28 0,4242 0,7453 0,9285 1,5214 1,7129 Nilai jarak solusi ideal positif dan negatif
C29 1,0606 1,4907 1,2381 0,6085 1,3703 A+ Data A-
C30 0,6364 1,4907 0,9285 0,6085 1,3703 1,81052 C22 0,97504
C31 1,0606 1,4907 1,2381 0,6085 1,3703 1,81052 C23 0,97504
C32 1,0606 1,4907 1,2381 1,5214 1,3703 1,35012 C24 1,42495
C33 0,8485 1,4907 0,9285 1,5214 0,6851 1,61472 C25 1,02299
C34 0,8485 1,4907 1,2381 0,6085 1,3703 1,52247 C26 1,15922
C35 0,8485 1,4907 1,2381 1,5214 1,3703 0,50811 C27 1,76795
C36 1,0606 1,4907 1,5476 1,5214 1,3703 1,15922 C28 1,52247
1,02299 C29 1,61472
3.5 Menemukan Matriks ideal positif dan negative.
1,23042 C30 1,26027
Solusi ideal positif A+ dan negatif A- adalah
nilai yang diharapkan. Semakin kecil nilai A+ dan 1,02299 C31 1,61472
juga semakin besar nilai A-, maka semakin besar 0,46171 C32
kemungkinan suatu alternatif akan dipilih [21]. 1,85490
1,21843 C33 1,47551
Tabel 9. Nilai hasil matrik ideal positif dan negatif
1,04475 C34 1,51404
Data Matriks ideal positif dan negatif 0,50811 C35 1,76795
Hard 0,34259 C36
Harga RAM Processor Ukuran
disk
2,02764
MAX 1,0606 1,4907 1,5476 1,5214 1,7129
3.7 Menentukan nilai preferensi (kedekatan
MIN 0,2121 0,7453 0,3095 0,3095 0,6851 relatif).
Setelah mendapatkan nilai jarak solusi ideal
3.6 Menentukan jarak untuk solusi ideal positif positif (A+) dan nilai jarak solusi ideal negatif (A-),
dan negative. langkah berikutnya adalah menemukan nilai
Nilai jarak dari solusi ideal Positif S+ dan nilai kedekatan relatif atau preferensi dengan hasil
jarak dari solusi ideal Negatif S- dapat diperoleh perhitungan berikut :
dengan perhitungan sebagai berikut :
0,97504 1,04496
𝑉= = = 0,35003
𝐴+ 0,97504 + 1,81052 2,78556
( 1,0606 − 0,2121)2 + ( 1,4907 − 0,7453 )2 + 0,97504 1,04496
= √ (1,5476 − 0,3095)2 + ( 1,5214 − 1,5214)2 + 𝑉= = = 0,35003
0,97504 + 1,81052 2,78556
(1,7129 − 1,0277)2
= 1,8105 1,42495 1,42495
𝑉= = = 0,51348
1,42495 + 1,35012 2,77507

1,02299 1,02299
𝑉= = = 0,38783
1,02299 + 1,61472 2,63771

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 123
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

1,15922 1,15922 Hasil perankingan

𝑉= = = 0,43227 Data
1,15922 + 1,52247 2,68169 Ranking
Lenovo IdeaPad Slim 3 14 2
1,76795 1,76795
𝑉= = = 0,77676 ASUS VivoBook 15 X512DA 9
1,76795 + 0,50811 2,27606
Acer Aspire 5 A515-43 7
1,52247 1,52247
𝑉= = = 0,56773 ASUS VivoBook 14 A416 3
1,52247 + 1,15922 2,68169
Lenovo ThinkPad E14 1
1,61472 1,61472
𝑉= = = 0,61217
1,61472 + 1,02299 2,63771 SIMPULAN
Penelitian yang telah dilakukan untuk
1,26027 1,26027 rekomendasi laptop terbaik menggunakan metode
𝑉= = = 0,50599
1,26027 + 1,23042 2,49069 TOPSIS menemukan bahwa menjadi
rekomendasi utama dengan Nilai Preferensi
1,61472 1,61472 tertinggi sebesar 0,81200 dari 15 merek laptop
𝑉= = = 0,61217 yang diteliti. Laptop LENOVO IDEAPAD FLEX
1,61472 + 1,02299 2,63771
5 dan LENOVO IDEAPAD SLIM 3 14 masing-
1,85490 1,85490 masing menempati urutan Nilai preferensi
𝑉= = = 0,80069 tertinggi kedua dan ketiga. Di sisi lain, Laptop
1,85490 + 0,46171 2,31661
ACER ASPIRE 1 A114-32 dan HP 14s-
1,47551 1,47551 cf0067TU menerima peringkat terendah,
𝑉= = = 0,54771 menunjukkan bahwa kedua opsi ini tidak
1,47551 + 1,21843 2,69394
memenuhi kriteria yang digunakan dalam
1,51404 1,51404 penelitian ini.
𝑉= = = 0,59170 Secara keseluruhan, metode TOPSIS terbukti
1,51404 + 1,04475 2,55879
menjadi salah satu metode yang efektif untuk
1,76795 1,76795 membantu pengambilan keputusan dengan
𝑉= = = 0,77676 melibatkan berbagai kriteria. Metode ini menilai
1,76795 + 0,50811 2,27606
setiap kriteria yang memengaruhi peringkat atau
2,02764 2,02764 tingkat preferensi dari subjek penelitian .
𝑉= = = 0,85546 Hasil penelitian ini sesuai dengan data
2,02764 + 0,34259 2,37023 kriteria yang telah ditetapkan. Untuk penelitian
serupa di masa mendatang, kriteria dapat
Setelah didapatkan hasil dari perhitungan nilai
disesuaikan dengan kebutuhan. Metode
preferensi, selanjutnya di urutkan dan di dapatkan
pendukung keputusan yang digunakan dalam
ranking dari setiap alternatif data. Perhitungan di
penelitian ini adalah metode TOPSIS, dan
atas berurut sesuai dengan data antara C22 hingga
kedepannya dapat dikembangkan dengan metode
C36.
lain seperti metode AHP atau Simple Additive
Tabel 11. Hasil perankingan
Weight (SAW).

UCAPAN TERIMAKASIH
Hasil perankingan
Data Penulis mengucapkan terima kasih kepada
Ranking
pihak jurnal, teman-teman, dan keluarga atas
Acer Aspire 1 A114-32 14 dukungan, inspirasi, dan bantuan selama proses
HP 14s-cf0067TU 14 penelitian dan penulisan. Penulis juga
mengucapkan terima kasih kepada dosen
Lenovo V14 IIL 10 pembimbing yang telah membantu dalam
Acer Aspire 3 A314-22 13 menyelesaikan artikel ini.
ASUS X509JP-EJ074T 12
DAFTAR PUSTAKA
Lenovo IdeaPad Flex 5 3 [1] F. F. H. Hadi and G. Gushelmi, “SISTEM
PENGAMBILAN KEPUTUSAN PEMILIHAN SISWA
HP 240 G7 8 YANG BERHAK MENDAPATKAN BEASISWA
MISKIN DENGAN METODE ANALYTICAL
HP Pavilion Gaming 15 5
HIERARCHY PROCESS (AHP),” J. Teknol. Dan Sist.
Acer Aspire 3 A315-56 11 Inf. Bisnis, vol. 3, no. 1, pp. 157–166, Jan. 2021, doi:
10.47233/jteksis.v3i1.173.
HP 15s-du2032TX 5

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 124
 E-ISSN : 2655-8238
Jurnal Teknologi Dan Sistem Informasi Bisnis
P-ISSN : 2964-2132
Vol. 7 No. 1 Januari 2025 Hal. 119-125
[Link]

[2] N. N. Nuraeni and M. R. Firdaus, “PEMILIHAN DIMINATI DI STMIK INDONESIA PADANG,” vol. 5,
LAPTOP TERBAIK MENGGUNAKAN METODE no. 2, 2022.
SIMPLE ADDITIVE WEIGHTING,” JIKO J. Inform. [16] J. Khoirunnisa Anggraini and M. Orisa, “SISTEM
Dan Komput., vol. 6, no. 2, p. 218, Sep. 2022, doi: PENDUKUNG KEPUTUSAN PEMILIHAN GURU
10.26798/jiko.v6i2.622. TERBAIK DENGAN METODE TOPSIS BERBASIS
[3] S. Susliansyah, R. R. Aria, and S. Susilowati, “SISTEM WEB (STUDI KASUS SMAN 1 KUARO),” JATI J.
PEMILIHAN LAPTOP TERBAIK DENGAN Mhs. Tek. Inform., vol. 6, no. 2, pp. 1009–1015, Jan.
MENGGUNAKAN METODE WEIGHTED PRODUCT 2023, doi: 10.36040/jati.v6i2.5422.
(WP),” J. Techno Nusa Mandiri, vol. 16, no. 1, pp. 15– [17] I. G. I. Sudipa, I. K. Hardiatama, C. P. Yanti, and I. K. A.
20, Mar. 2019, doi: 10.33480/techno.v16i1.105. G. Wiguna, “Analisis Sensitivitas Metode AHP Dan
[4] D. W. Trise Putra, S. N. Santi, G. Y. Swara, and E. TOPSIS Dalam Pemilihan Objek Wisata di Kabupaten
Yulianti, “METODE TOPSIS DALAM SISTEM Karangasem,” J. Comput. Syst. Inform. JoSYC, vol. 3, no.
PENDUKUNG KEPUTUSAN PEMILIHAN OBJEK 4, pp. 493–501, Sep. 2022, doi:
WISATA,” J. Teknoif Tek. Inform. Inst. Teknol. Padang, 10.47065/josyc.v3i4.2152.
vol. 8, no. 1, pp. 1–6, Apr. 2020, doi: [18] H. Hertyana, E. Mufida, and A. A. Kaafi, “Sistem
10.21063/jtif.2020.V8.1.1-6. Pendukung Keputusan Pemilihan Laptop Dengan
[5] H. Hertyana and E. Rahmawati, “Sistem Pendukung Menggunakan Metode Topsis,” J. Tek. Inform. UNIKA
Keputusan Untuk Rekomendasi Pembelian Smartphone St. Thomas, pp. 36–44, Jun. 2021, doi:
Dengan Menggunakan Metode Topsis,” vol. 05, 2020. 10.54367/jtiust.v6i1.1216.
[6] A. F. Dwi Riyono, D. Cahyono, L. P. Sumirat, and L. [19] H. Dafitri, N. Wulan, and H. Ritonga, “Analisis
Syahadiyanti, “Penerapan Metode Simple Additive Perbandingan Sistem Pendukung Keputusan Pemilihan
Weighting Untuk Pemilihan Ketua OSIS di SMAN 2 Guru Terbaik Menggunakan Metode TOPSIS dan
Muara Badak,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. WASPAS,” JURIKOM J. Ris. Komput., vol. 9, no. 5, p.
3, pp. 556–561, Jul. 2024, doi: 1313, Oct. 2022, doi: 10.30865/jurikom.v9i5.4816.
10.47233/jteksis.v6i3.1429. [20] N. C. Setiyono, K. A. M. Mahardi, and S. R. Wicaksono,
[7] M. U. Siregar, T. Nasiroh, and M. Mustakim, “Suatu “Analisis Pendukung Keputusan Pemilihan Investasi TI
Pendekatan Hibrid Menggunakan Topsis - Entropi pada Menggunakan Metode TOPSIS (Studi Kasus: Investasi
Penentuan Siswa Penerima Beasiswa Prestasi Server),” Inform. J. Tek. Inform. Dan Multimed., vol. 2,
Berbasiskan Kriteria Objektif,” J. Teknol. Inf. Dan Ilmu no. 1, pp. 71–78, May 2022, doi:
Komput., vol. 8, no. 1, p. 167, Feb. 2021, doi: 10.51903/informatika.v2i1.148.
10.25126/jtiik.0814261. [21] I. G. T. Heriawan and I. G. B. Subawa, “SISTEM
[8] F. Pradana, F. A. Bachtiar, and R. Salsabila, PENDUKUNG KEPUTUSAN PEMBERIAN
“Implementasi Topsis untuk Menentukan Rekomendadi BEASISWA BIDIKMISI MENGGUNAKAN METODE
Makanan Anak Usia 1-3 Tahun pada Sistem Monitoring SAW-TOPSIS DI STAHN MPU KUTURAN
Tumbuh Kembang Anak,” J. Teknol. Inf. Dan Ilmu SINGARAJA,” JST J. Sains Dan Teknol., vol. 8, no. 2,
Komput., vol. 8, no. 4, pp. 839–844, Jul. 2021, doi: pp. 116–126, Nov. 2019, doi:
10.25126/jtiik.2021844370. 10.23887/jstundiksha.v8i2.21197.
[9] G. Gushelmi and D. Guswandi, “Sistem Pendukung
Keputusan Pemilihan Mobil Bekas Menggunakan
Metode Analythical Hierarchy Process,” J. Teknol. Dan
Sist. Inf. Bisnis, vol. 3, no. 2, pp. 380–386, Jul. 2021, doi:
10.47233/jteksis.v3i2.259.
[10] H. Nalatissifa and Y. Ramdhani, “Sistem Penunjang
Keputusan Menggunakan Metode Topsis Untuk
Menentukan Kelayakan Bantuan Rumah Tidak Layak
Huni (RTLH),” MATRIK J. Manaj. Tek. Inform. Dan
Rekayasa Komput., vol. 19, no. 2, pp. 246–256, May
2020, doi: 10.30812/matrik.v19i2.638.
[11] G. S. Mahendra and I. P. Y. Indrawan, “METODE AHP-
TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN
PENENTUAN PENEMPATAN AUTOMATED
TELLER MACHINE,” JST J. Sains Dan Teknol., vol. 9,
no. 2, pp. 130–142, Sep. 2020, doi: 10.23887/jst-
undiksha.v9i2.24592.
[12] Z. Niqotaini, “PENERAPAN DAN PERBANDINGAN
METODE AHP DAN TOPSIS UNTUK SISTEM
PENDUKUNG KEPUTUSAN PEMILIHAN
KARYAWAN TERBAIK,” Technol. J. Ilm., vol. 14, no.
2, p. 140, Apr. 2023, doi: 10.31602/tji.v14i2.10280.
[13] Y. Maratullatifah, C. E. Widodo, and K. Adi,
“Perbandingan Metode Simple Additive Weighting dan
Analytic Hierarchy Process Untuk Pemilihan Supplier
pada Restoran,” J. Teknol. Inf. Dan Ilmu Komput., vol. 9,
no. 1, pp. 121–128, Feb. 2022, doi:
10.25126/jtiik.2022914428.
[14] I. Effendi, “Implementasi Metode Topsis Untuk
Meningkatkan Penilaian Guru Terbaik,” JEKIN - J. Tek.
Inform., vol. 1, no. 1, pp. 1–17, Nov. 2021, doi:
10.58794/jekin.v1i1.20.
[15] S. Puspita and G. Yanto, “PENERAPAN METODE
TECHNIQUE FOR ORDER BY SIMILARITY TO
IDEAL SOLUTION (TOPSIS) DALAM PEMILIHAN
UNIT KEGIATAN MAHASISWA (UKM) YANG

Jurnal Teknologi Dan Sistem Informasi Bisnis – JTEKSIS Vol.07 No.1 Januari 2025 125