Sistem Pendukung Keputusan Pemilihan Restoran Menggunakan Metode TOPSIS: Implementasi Full-stack

Ayunisa Yasmin; Annisa Nur Aulia Nadiva; Purwantoro Purwantoro; Jajam Haerul Jaman

doi:10.31004/riggs.v5i2.10588

Authors

Ayunisa Yasmin Universitas Singaperbangsa Karawang
Annisa Nur Aulia Nadiva Universitas Singaperbangsa Karawang
Purwantoro Purwantoro Universitas Singaperbangsa Karawang
Jajam Haerul Jaman Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.31004/riggs.v5i2.10588

Keywords:

Sistem Pendukung Keputusan, Metode TOPSIS, TOPSIS, Multi-Attribute Decision Making, FastAPI, ReactJS, Pemilihan Restoran, Restoran

Abstract

Perkembangan industri kuliner menuntut pemilihan mitra restoran yang objektif karena alternatif memiliki keunggulan dan kelemahan pada berbagai kriteria, seperti harga, kualitas layanan, dan reputasi. Pengambilan Keputusan yang hanya didasarkan pada intuisi berpotensi menghasilkan keputusan yang subjektif dan kurang konsisten. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) untuk pemilihan restoran menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) yang diimplementasikan dalam arsitektur full-stack. Data yang digunakan berasal dari Restaurant Revenue Prediction Dataset (Therrien, 2024) yang terdiri atas 61 entitas restoran dengan enam kriteria penilaian, yaitu Rating, Average Meal Price, Service Quality Scorem Number of Reviews, Ambience Score, dan Chef Experience Years. Bobot setiap kriteria ditentukan berdasarkan hasil kuesioner terhadap sepuluh responden yang terdiri atas praktisi bisnis kuliner dan akademisi. Tahap pengolahan data meliputi penganganan missing value menggunakan metode mean substitution, normalisasi vector Euclidean, pembentukan matriks keputusan terbobot, penentuan solusi ideal positif dan negatif, serta perhitungan nilai preferensi menggunakan metode TOPSIS. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat restoran dengan nilai preferensi (Vi) berkisar antara 0,142 hingga 0,891 sehingga pemilihan alternatif dapat dilakukan secara lebih objektif dan terukur. Pengujian sensitivitas pada empat skenario pembobotan menunjukkan bahwa peringkat yang dihasilkan relative stabil terhadap perubahan bobot, terutama pada alternatif yang memiliki dominasi kriteria benefit maupun cost. Implementasi sistem berbasis full-stack juga memungkinkan perhitungan TOPSIS disajikan secara transparan serta mendukung penyajian rekomendasi restoran melalui antarmuka yang interaktif. Hasil penelitian menunjukkan bahwa metode TOPSIS efektif diterapkan sebagai pengambilan keputusan multikriteria untuk mendukung pemilihan mitra restoran pada skenario Corporate Dining Partnership.

Downloads

Download data is not yet available.

References

[1] Chakraborty, S. (2021). TOPSIS and Modified TOPSIS: A Comparative Analysis.

[2] Duve, J. R., & Jagtap, S. B. (2026). A Soft Computing-Based Decision Support Framework Integrating GIS, FAHP, WLC, and TOPSIS for Sustainable Solid Waste Management Planning. IJLTEMAS, XV(IV), 1524–1533. https://doi.org/10.51583/IJLTEMAS.2026.150400127

[3] Irawati, Sugiarti, Nur Hayati, L., Herman, Tawetubun, S. S., & Ahmad, N. A. S. S. (2026). Penerapan Decision Support System (DSS) menggunakan Metode TOPSIS untuk Seleksi Mahasiswa Berprestasi. Jurnal Algoritma, 23(1), 462–473. https://doi.org/10.33364/algoritma/v.23-1.3200

[4] Li, D., Zhang, Z., Alizadeh, B., Zhang, Z., Duffield, N., Meyer, M. A., Thompson, C. M., Gao, H., & Behzadan, A. H. (2024). A reinforcement learning-based routing algorithm for large street networks. International Journal of Geographical Information Science, 38(2), 183–215. https://doi.org/10.1080/13658816.2023.2279975

[5] Lubis, M. H., Amin, M., Lubis, R. J., Irawan, F., Purnomo, N., & Tanjung, A. A. (2022). SISTEM PENDUKUNG KEPUTUSAN.

[6] Oktaviani, R., dkk. (2023). Perbandingan Metode SAW dan TOPSIS untuk Sistem Pendukung Keputusan Pemilihan Restoran. Jurnal Informatika dan Komputer (JIKO), 6(2), 112–120.

[7] Rahayu, I. P., Wijayanto, H., & Husodo, A. Y. (2026). Multi-Criteria Decision Making in KIP-K Scholarship Selection Using AHP, TOPSIS, and Skyline Query: pengantar. Jurnal Penelitian Pendidikan IPA, 11(12), 1292–1303. https://doi.org/10.29303/jppipa.v11i12.12032

[8] Sabandar, V. P., & Wahyudi, A. D. (2024). Analisis Perbandingan SAW, WP dan TOPSIS Untuk Rekomendasi Restoran. Jurnal Ilmiah Computer Science, 2(2), 78–88. https://doi.org/10.58602/jics.v2i2.25

[9] Şahin, F., Şahin, G., Koç, A., & Akin, E. (2026). A Hybrid IT2F-AHP–VIKOR–TOPSIS Framework for Environmental Performance Assessment of Helicopter Engines. Applied Sciences, 16(10), 4930. https://doi.org/10.3390/app16104930

[10] Sànchez-Marrè, M. (2022). Intelligent Decision Support Systems. Cham: Springer Nature. https://doi.org/10.1007/978-3-030-87790-3

[11] Siregar, C. P. H., & M. Fakhriza. (2025). Integration of AHP and TOPSIS in a Web-Based Decision Support System for Wedding Package Selection. Journal of Information Systems and Technology Research, 4(3), 234–245. https://doi.org/10.55537/jistr.v4i3.1332

[12] Song, Z., Chapman, P., Tao, J., Chang, P., Gao, H., Liu, H., Brannstrom, C., & Zhang, Z. (2024). Mapping the Unheard: Analyzing Tradeoffs Between Fisheries and Offshore Wind Farms Using Multicriteria Decision Analysis. Annals of the American Association of Geographers, 114(3), 536–554. https://doi.org/10.1080/24694452.2023.2285371

[13] Sutanto, Y., Setyadi, H. A., Widodo, P., & Al Amin, B. (2025). A Decision Support System Using ROC-TOPSIS to Specify Eligibility in the Family Hope Program. JITK, 11(1). 275-283. https://doi.org/10.33480/jitk.v11i1.6457

[14] Therrien, A. (2024). RESTaurant Revenue Prediction Dataset. Kaggle. https://www.kaggle.com/Datasets/anthonytherrien/RESTaurant-revenue-prediction-Dataset

[15] Utama, D. M. (2021). AHP and TOPSIS Integration for Green Supplier Selection: A Case Study in Indonesia. J. Phys. Conf. Ser., 1845(1), 012015.