Dalam organisasi pemilihan anggota terbaik merupakan salah satu kegiatan penting yang bertujuan untuk mengapresiasi kontribusi dan kinerja anggota dalam mendukung berbagai program serta kegiatan yang dilaksanakan. Pemilihan anggota terbaik tidak hanya berfungsi sebagai bentuk penghargaan, tetapi juga sebagai motivasi bagi anggota lainnya untuk aktif dan berkontribusi lebih dalam berbagai kegiatan organisasi.
Metode Simple Additive Weighting (SAW) merupakan metode yang sering digunakan dalam pengambilan keputusan multi-kriteria. Salah satu varian yang lebih maju dari SAW adalah Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Metode TOPSIS merupakan salah satu teknik yang efektif dalam mengatasi masalah penilaian dan pemilihan terbaik di antara beberapa alternatif yang ada.
TOPSIS merupakan singkatan dari Technique for Order of Preference by Similarity to Ideal Solution. Metode ini dikembangkan oleh Yoon dan Hwang pada tahun 1981. Tujuan utama dari TOPSIS adalah untuk mengevaluasi alternatif berdasarkan jarak mereka terhadap solusi ideal positif dan solusi ideal negatif dalam ruang keputusan yang berdimensi banyak. Dapat diambil kesimpulan bahwa topsis adalah   metode   pengambilan keputusan  multi kriteria  dengan  dasar  alternatif yang  dipilih  memiliki  jarak  terdekat  dengan solusi  ideal  positif  dan  memiliki  jarak  terjauh dari solusi ideal negatif. Namun, alternatif yang mempunyai  jarak  terkecil  dari  solusi  ideal positif,  tidak  harus  mempunyai  jarak  terbesar dari solusi ideal negatifÂ
Berikut merupakan langkah-langkah yang dilakukan dalam metode Topsis :
1. Normalisasi Matriks Keputusan
Dalam TOPSIS adalah mengonversi matriks keputusan yang berisi nilai dari setiap kriteria untuk setiap alternatif menjadi matriks yang ternormalisasi. Normalisasi dilakukan untuk menghindari bias dari skala yang berbeda-beda dari setiap kriteria.
2. Menghitung Matriks Solusi Ideal
Setelah normalisasi, kita perlu menentukan solusi ideal positif dan solusi ideal negatif untuk setiap kriteria. Solusi ideal positif (A+) adalah kombinasi nilai terbaik dari setiap kriteria, sedangkan solusi ideal negatif (A-) adalah kombinasi nilai terburuk dari setiap kriteria.
3. Â Menghitung Jarak Dari Solusi Ideal
Langkah ini melibatkan perhitungan jarak Euclidean atau jarak Manhattan dari setiap alternatif terhadap solusi ideal positif dan solusi ideal negatif. Jarak ini menunjukkan seberapa mirip atau seberapa jauh setiap alternatif dari solusi ideal.
4. Menghitung Skor Proksimitas (Similarity Score)Â
Skor proksimitas untuk setiap alternatif dihitung dengan menggunakan perbandingan antara jarak dari solusi ideal negatif dan jarak dari solusi ideal positif. Alternatif yang memiliki skor proksimitas tertinggi dianggap sebagai pilihan terbaik atau pilihan optimal.Â
Kelebihan Metode Topsis
- Sederhana dan Mudah Dipahami: Metode TOPSIS relatif mudah dipahami dan diimplementasikan.
- Mampu Menangani Kriteria Berbobot: TOPSIS dapat menangani masalah dengan kriteria berbobot dan memberikan bobot yang berbeda-beda untuk setiap kriteria.
- Sensitif terhadap Perubahan Bobot: Perubahan bobot dari kriteria dapat mempengaruhi hasil evaluasi dengan cara yang intuitif.
 Kelemahan Metode Topsis
- Sensitif terhadap Pemilihan Solusi Ideal: Hasil dari TOPSIS dapat dipengaruhi oleh cara solusi ideal positif dan negatif ditentukan.
- Keterbatasan dalam Penanganan Kriteria yang Tidak Sama Skalanya: Seperti kebanyakan metode pemilihan keputusan, TOPSIS memiliki keterbatasan dalam menangani kriteria yang tidak memiliki skala yang seragam.
