View of SISTEM PENDUKUNG KEPUTUSAN SELEKSI PEMAIN SEPAK BOLA MENGGUNAKAN METODE PROFILE MATCHING

(1)

Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 946

Sistem Pendukung Keputusan Seleksi Pemain Sepak Bola Menggunakan Metode Profile Matching

Yoga Handoko Agustin¹, Asri Mulyani², Rizki Ibrahim^*3

1,2,3

Institut Teknologi Garut; Jl. Mayor Syamsu No. 1, (026) 2232773

1,2,3

Jurusan Ilmu Komputer, Teknik Informatika, Garut

e-mail: ¹[email protected], ²[email protected], *³[email protected]

Abstrak

Salah satu cabang olahraga paling populer di Indonesia yaitu sepak bola. Sebuah pertandingan ditentukan oleh strategi dari pelatih dan digunakan oleh pemain dalam pertandingan. Pelatih memilih pemain dengan standar keterampilan yang diinginkan. Seperti hal nya di Arba Football Club adanya permasalahan yang terjadi dalam proses pemilihan pemain yang masih mengandalkan insting pelatih serta penilaian pemain yang masih dilakukan dengan cara mencatat pada kertas. Tujuan penelitian ini yaitu membangun sistem pendukung keputusan menggunakan metode Profile Matching. Dalam metode ini, kemampuan setiap pemain didasarkan pada kecepatan, kekuatan, stamina, pengalaman dan kerjasama. Teknik dan wawasan menjadi dua aspek untuk pemilihan persentase. Pemilihan persentase untuk core factor dengan bobot 60% sedangkan secondary factor dengan bobot 40%, setelah itu lanjut dengan menjumlahkan total nilai dan rangking. Metodologi dalam membangun aplikasi ini menggunakan Rapid Application Development (RAD) serta menggunakan Flowmap, Data Flow Diagram (DFD), dan Entity Relationship Diagram (ERD). Hasil pada penelitian ini yaitu sebuah sistem untuk mendukung keputusan pada pemain sepak bola yang diseleksi dengan menggunakan metode Profile Matching untuk membantu pelatih dalam pemilihan pemain.

Kata kunci—Profile Matching, Rapid Application Development, Seleksi Pemain Sepak Bola, Sistem Pendukung Keputusan

Abstract

One of the most popular sports in Indonesia is football. A match is determined by the strategy of the coach and is used by the players in the match. The coach selects players with the desired skill standard. As is the case at Arba Football Club, there are problems that occur in the process of selecting players who still rely on the coach's instincts and player assessments which are still carried out by recording on paper. The purpose of this research is to build a decision support system using the Profile Matching method. In this method, each player's ability is based on speed, strength, stamina, experience and cooperation. Technique and insight are two aspects for percentage selection. Selection of the percentage for the core factor with a weight of 60% while the secondary factor with a weight of 40%, after that proceed with adding up the total value and ranking. The methodology for building this application uses Rapid Application Development (RAD) and uses Flowmaps, Data Flow Diagrams (DFD), and Entity Relationship Diagrams (ERD). The results of this study are a system to support decisions on selected soccer players using the Profile Matching method to assist coaches in selecting players.

Keywords—Profile Matching, Rapid Application Development, Football Player Selection, Decision Support System

(2)

947 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

1. PENDAHULUAN

alah satu cabang olahraga paling populer di Indonesia yaitu sepak bola. Banyak penggemar yang memiliki pendapat sendiri tentang pertandingan tim sepak bola. Sebuah pertandingan ditentukan oleh strategi dari pelatih dan digunakan oleh pemain dalam pertandingan. Pelatih memilih pemain dalam melakukan sebuah pertandingan tim. Pelatih memilih pemain dengan standar keterampilan yang diinginkan [1]. Salah satunya tim sepak bola Arba Football Club yang berada di Kabupaten Garut dengan tempat latihan berada di Lapangan Rancabango ingin memaksimalkan komposisi pemain dalam menghadapi sebuah pertandingan.

Adanya permasalahan yang biasa terjadi dalam proses pemilihan pemain dalam pengambilan keputusan untuk menentukan peran para pemain selalu didasarkan insting pelatih sehingga seorang pemain yang berposisi sebagai penyerang malah ditempatkan pada posisi yang lain yang menyebabkan ketidaksesuaian keterampilannya. Sehingga proses pemilihan pemain harus diamati secara langsung oleh pelatih, agar teknik bermain setiap pemain sesuai dengan keterampilan yang dibutuhkan. Namun dikarenakan penilaian yang dilakukan masih dilakukan dengan cara mencatat pada kertas menyebabkan pelatih membutuhkan waktu yang lebih lama dalam menentukan pemain yang sesuai dengan keterampilannya. Dalam menentukan apakah seseorang memenuhi kriteria maka dilakukan sebuah proses evaluasi kinerja yang biasa dilakukan oleh sebuah tim sepak bola [2]. Oleh karena itu, untuk menggunakan metode Profile Matching ini dalam menguji kemampuan tiap individu pemain dalam menentukan kriteria secara tepat dan mengurangi adanya human error [3]. Penelitian ini merujuk kepada beberapa hasil penelitian sebelumnya dimana terdapat keterkaitan antar penelitian. Pada penelitian pertama yang dilakukan oleh (Renatalia et al., 2020) menghasilkan sebuah sistem pendukung keputusan untuk membantu mahasiswa dalam memilih program studi yang diinginkan dan sesuai dengan kemampuannya sehingga mahasiwa bisa memilih program studi secara tepat [4].

Pada penelitian yang kedua (Nurzahputra et al., 2017) menghasilkan sebuah proses pengambilan keputusan dalam melakukan seleksi, opsi magang, dan objektif dalam melakukan evaluasi [2].

Pada penelitian yang ketiga (Setiawan et al., 2022) menghasilkan sistem untuk mendukung dalam memutuskan pemilihan pemain pada nilai rating tertinggi agar memudahkan seorang pelatih dalam menentukan pemainnya [3]. Pada penelitian yang keempat (Agustin et al., 2020) menghasilkan sistem untuk mendukung dalam memutuskan seleksi pemilihan dosen pembimbing agar diproses lebih cepat. Konsistensi nilai perbandingan kriteria yang diberikan menghasilkan nilai CR sebesar 0,07 dalam menyeleksi dosen pembimbing [5]. Dan yang terakhir pada penelitian yang kelima (Sundari et al., 2019)menghasilkan sebuah sistem yang mendukung dalam memutuskan memberikan rekomendasi kepada penerima bantuan rehabilitasi rumah agar lebih cepat dalam penyampaian dokumen pendukung dengan konsistensi nilai perbandingan kriteria nilai CR sebesar 0,005 [6]. Dilihat dari jurnal penelitian sebelumnya yang sudah dibahas, maka perbedaan penelitian ini adalah penelitian yang akan dilakukan membahas mengenai seleksi pemain sepak bola, dan menggunakan Rapid Apllication Development sebagai perancangan sistemnya.

2. METODE PENELITIAN 2.1 Sistem Pendukung Keputusan

Sistem pendukung keputusan merupakan sebuah sistem informasi yang terkomputerisasi untuk membantu dalam pengambilan keputusan untuk pihak tertentu dalam memecahkan masalah dengan menggunakan model dan data. Pengambilan keputusan adalah sebuah hasil

S

(3)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 948

dalam proses pemilihan berbagai alternatif tindakan yang dipilih melalui berbagai alternatif dalam mengambil keputusan yang terbaik [7].

2.2 Metode Profile Matching

Profile Matching adalah metode ideal untuk mencocokkan catatan dengan profil setiap pemain. Semakin kecil nilai gap antara konfigurasi ideal dengan konfigurasi masing-masing pemain (gap), maka semakin besar peluang seorang pemain lolos seleksi serta dapat memberikan sebuah rekomendasi terbaik dalam proses pemilihan pemain sepak bola suatu tim [8]. Adapun nilai bobot dari metode Profile Matching ini pada Tabel 1.

Tabel 1. Nilai Bobot

Selisih GAP Nilai Bobot Keterangan -4 1 Keterampilan kurang 4 tingkat

4 1,5 Keterampilan lebih 4 tingkat -3 2 Keterampilan kurang 3 tingkat

1 4,5 Keterampilan lebih 1 tingkat

0 5 Keterampilan cocok dengan kebutuhan 2.3 Rapid Application Development

Tahap perancangan sistem menggunakan Rapid Application Development (RAD) merupakan sebuah pengembangan perangkat lunak yang mengacu pada rencana minimal untuk mempersingkat waktu pengembangan [9]. Jika kebutuhan akan perangkat lunak dapat dipahami dengan baik maka tim dapat melakukan penyelesaian pembuatan software dengan waktu yang lebih cepat. Model RAD dapat dibagi menjadi beberapa kelompok sehingga pekerjaan pada setiap komponen dijalankan secara paralel.

(4)

949 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

Gambar 1. Tahapan Rapid Application Development Pada Gambar 1 menurut [9] RAD memiliki beberapa tahapan, antara lain:

1. Pemodelan Bisnis, model bisnis untuk pengembangan sistem dan analisis bisnis yang komprehensif serta faktor-faktor yang mempengaruhi arus informasi;

2. Pemodelan Data, pemodelan informasi diperoleh dari fase pemodelan bisnis, di mana hasil pemodelan diubah menjadi objek data yang signifikan dan hubungan yang terjadi di dalamnya;

3. Pemodelan Proses, proses pemodelan setiap objek data yang dihasilkan dari model data beserta deskripsi proses operasional yang terjadi di dalam dan dibutuhkan oleh masing- masing objek data tersebut;

4. Pembentukan Aplikasi, langkah-langkah yang mengambil desain yang dibuat pada langkah- langkah sebelumnya ke dalam bahasa pemrograman di mana prototipe yang dibuat dalam proses dapat digunakan sebagai produk akhir dari proses pengembangan sistem;

5. Pengujian dan Turnover, langkah pemeriksaan prototipe diperoleh pada langkah-langkah sebelumnya, sehingga langkah-langkah sebelumnya harus diperiksa secara detail untuk mengurangi risiko kesalahan.

3. HASIL DAN PEMBAHASAN 3.1 Pemodelan Bisnis

Tahapan ini dilakukan sebuah analisis untuk mengetahui proses bisnis yang sedang berjalan maupun proses bisnis yang akan di ajukan yang kemudian akan di tuangkan kedalam flowmap. Tahapan ini bertujuan untuk menganalisis kebutuhan yang dimana akan menghasilkan kebutuhan apa saja untuk mengembangkan sebuah sistem.

(5)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 950

3.1.1 Analisis Kebutuhan

Dalam tahapan ini dilakukan pengumpulan data dengan melakukan oberservasi di Arba Football Club. Tahapan ini untuk mengetahui sistem yang akan dibuat, dari hasil observasi didapatkan sebuah hasil bahwa di Arba Football Club belum memiliki sebuah sistem untuk mendukung keputusan seleksi pemain sepak bola. Pada proses membangun sistem ini membutuhkan perancangan sistem dan analisa yang diharapkan dapat membantu dalam melakukan seleksi. Sehingga dapat disimpulkan bahwa diperlukan pembuatan sistem untuk mendukung keputusan seleksi pemain sepak bola di Arba Football Club. Tahapan perhitungan Profile Matching pada Gambar 2.

Gambar 2. Tahapan Perhitungan Profile Matching

(6)

951 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

Pada Gambar 2 tahapan perhitungan Profile Matching ini di mulai dengan menginput data penilaian pemain selanjutnya data penilaian pemain akan dilakukan pemetaan GAP yang akan diproses pembobotan Nilai GAP. Setelah itu akan dilakukan perhitungan nilai core factor dan secondary factor lalu menghitung nilai total dan melakukan perangkingan yang hasilnya akan ditampilkan berdasarkan rangking.

Berikut tahapan-tahapan perhitungan Profile Matching yang akan diimplementasikan ke dalam bahasa pemrograman. Tahapan pertama yaitu melakukan perhitungan nilai Gap dan pembobotan pada Tabel 2.

Tabel 2. Kriteria

Code Kriteria Faktor Nilai Ideal C5 Pengalaman Secondary 5 C4 Kerja Sama Secondary 5 C3 Kekuatan Secondary 5

C2 Kecepatan Core 5

C1 Stamina Core 5

Data kriteria untuk penilaian ada 5 dengan jenis core ada stamina, kecepatan, dan kekuatan sedangkan jenis secondary ada kerja sama dan pengalaman dengan masing-masing kriteria memiliki nilai ideal 5. Data perhitungan selisih nilai GAP pada Tabel 3.

Tabel 3. Selisih GAP

Nomor Pemain C5 C4 C3 C2 C1

1 Apip Lesmana 1 5 2 1 5

2 Rifki Filah 3 1 2 3 5

3 Gungun Gunawan 2 4 4 3 4

GAP 5 5 5 5 5

1 Apip Lesmana -4 0 -3 -4 0 2 Rifki Filah -2 -4 -3 -2 0 3 Gungun Gunawan -3 -1 -1 -2 -1

Selisih GAP tidak lebih besar dari 4 dan tidak lebih kecil dari -4. Bobot nilai dari setiap pemain pada Tabel 4.

Tabel 4. Nilai Bobot

Nomor Pemain B5 B4 B3 B2 B1

1 Apip Lesmana 1 5 2 1 5

2 Rifki Filah 3 1 2 3 5

3 Gungun Gunawan 2 4 4 3 4

Nilai bobot dari masing-masing pemain didapat dari hasil perhitungan selisih nilai GAP.

Pada tahap kedua yaitu melakukan perhitungan dari kedua faktor sebagai berikut:

1. Apip Lesmana

Nilai Secondary Factor = (B5 + B4) / 2

= (1 + 5) / 2

= 3

Nilai Core Factor = (B3 + B2 + B1) / 3 = (2 + 1 + 5) / 3 = 2,6

(7)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 952

2. Rifki Filah

= (3 + 1) / 2

= 2

Nilai Core Factor = (B3 + B2 + B1) / 3

= (2 + 3 + 5) / 3

= 3,3 3. Gungun Gunawan

= (2 + 4) / 2

= 3

Nilai Core Factor = (B3 + B2 + B1) / 3

= (4 + 3 + 4) / 3

= 3,6

Pada tahapan ketiga menghitung nilai total dengan hasilnya pada Tabel 5.

1. Apip Lesmana

Nilai Total = (40%* Nilai Secondary Factor) + (60% * Nilai Core Factor)

= (40% * 3) + (60% * 2,6)

= 2,8 2. Rifki Filah

= (40% * 2) + (60% * 3,3)

= 2,8 3. Gungun Gunawan

= (40% * 3) + (60% * 3,6) = 3,4

Tabel 5. Persentase Core Factor dan Secondary Factor Pemain Secondary Factor 40%

(C5-C4)

Core Factor 60%

(C3-C1) ∑∑∑∑

Apip Lesmana 3 2,6 2,8

Rifki Filah 2 3,3 2,8

Gungun Gunawan 3 3,6 3,4

Pada tahapan yang terakhir yaitu perangkingan dengan dimulai dari jumlah nilai terbesar hingga terkecil pada Tabel 6.

Tabel 6. Rangking

Nomor Rangking Pemain Nilai Pemain

1 Gungun Gunawan 3,4

2 Rifki Filah 2,8

3 Fajar Wirya 2,8

3.1.2 Flowmap Proses Bisnis

Pada tahapan ini dilakukan desain proses bisnis yang diajukan ke dalam bentuk flowmap.

Pada Gambar 3 ini adalah proses bisnis yang akan dilakukan.

(8)

953 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

Gambar 3. Flowmap Proses Bisnis

(9)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 954

3.2 Pemodelan Data

Pada penelitian ini, pemodelan data yang meliputi perancangan dengan menggunakan pendekatan ERD.

Gambar 4. Entity Relationship Diagram

Pada Gambar 4 ini mempunyai 5 entitas yaitu users, pemain, kriteria, penilaian, dan hasil perhitungan. Penggambaran atribut dalam sebuah ERD sistem pendukung keputusan seleksi pemain sepak bola ini membutuhkan pendeklarasian atribut menggunakan kamus data. Kamus data pada ERD terdiri dari tabel users, pemain, kriteria, penilaian, dan hasil perhitungan. Kamus data dari ERD pada Tabel 7.

Tabel 7. Kamus Data Entity Relationship Diagram Entitas Atribut

Users id_users, username, nama_lengkap, password, posisi

Pemain id_pemain, nama_pemain, tanggal_lahir, alamat, tinggi_badan, no_hp Kriteria id_kriteria, kode_kriteria, nama_kriteria, jenis_kriteria, nilai_ideal

Penilaian id_pemain, periode_penilaian, nilai_kecepatan, nilai_stamina, nilai_kekuatan, nilai_kerjasama, pengalaman

Hasil

Perhitungan id_pemain, nama_pemain, rangking, nilai, periode_penilaian

(10)

955 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

3.3 Pemodelan Proses

Pada tahapan ini dibuat Data Flow Diagram berdasarkan ERD.

3.3.1 Data Flow Diagram Level 0

Gambar 5. Data Flow Diagram Level 0

Pada Gambar 5 ini merupakan gambaran interaksi antara sistem dengan pelatih, asisten pelatih, dan pemain. Interaksi dari sistem pada asisten pelatih adalah dapat mengelola biodata pemain, dan mendapatkan informasi hasil perhitungan setelah pelatih selesai mengelola data penilaian. Sedangkan interaksi dari sistem pada pelatih adalah dapat mengelola data penilaian dan data kriteria serta mendapatkan informasi hasil perhitungan rangking pemain yang telah dimasukkan datanya. Interaksi dari pemain dengan sistem adalah pemain memberikan data ke sistem dan pemain mendapatkan hasil penilaian.

3.4 Pembentukan Aplikasi

Dalam tahapan ini melakukan implementasi atau proses pembuatan aplikasi dari hasil rancangan yang dapat dibaca dan dimengerti oleh komputer dengan bahasa pemrograman.

(11)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 956

Gambar 6. Menu Utama

Pada Gambar 6 ini untuk melakukan login baik sebagai pelatih atau asisten pelatih.

Gambar 7. Menu Data Pemain

Pada Gambar 7 ini menampilkan menu data pemain dari asisten pelatih untuk menambahkan data pemain yang akan di seleksi.

(12)

957 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

Gambar 8. Menu Kriteria

Pada Gambar 8 ini menampilkan menu kriteria untuk menampilkan data kriteria yang dibutuhkan oleh pelatih dalam menyeleksi pemain.

Gambar 9. Menu Seleksi Pemain

Pada Gambar 9 ini menampilkan menu seleksi pemain untuk menambahkan nilai terhadap pemain yang sudah diseleksi oleh pelatih dan sudah dimasukkan biodata nya oleh asisten pelatih.

(13)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 958

Gambar 10. Menu Hasil Perhitungan

Pada Gambar 10 ini menampilkan menu hasil perhitungan dari pelatih untuk melihat hasil nilai dari pemain yang diseleksi, memilih periode masuk dan bisa melakukan update rangking pemain dari nilai yang tertinggi.

3.5 Pengujian dan turnover

Dalam tahap ini dilakukan pengujian terhadap seluruh sistem pendukung keputusan seleksi pemain sepak bola yang telah dibangun, dengan menguji komponen secara lengkap dan menyeluruh serta diharapkan dapat mengurangi resiko kecacatan dalam sistem yang dibangun.

3.5.1 Pengujian Aplikasi

Pada pengujian aplikasi dilakukan secara objektif dimana diuji secara langsung kepada pengguna akhir dengan membuat kuesioner mengenai kepuasan user dalam menggunakan system. Hasil pengujian yang dilakukan pada Tabel 8.

Tabel 8. Skala Likert Kode Keterangan Penilaian

5 Sangat setuju 80% - 100%

4 Setuju 60% - 79.99%

3 Ragu-ragu 40% - 59.99%

2 Kurang setuju 20% - 39.99%

1 Tidak setuju 0% - 19.99%

Dari hasil kuesioner yang telah dilakukan maka diperoleh persentase nilai sebesar 92%

yang tergolong dalam kriteria sangat setuju.

(14)

959 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 946-960 E-ISSN 2503-2933

3.5.2 Evaluasi

Pada tahap ini dilakukan Pengujian Akurasi seleksi pada sistem pendukung keputusan menggunakan metode Profile Matching dibandingkan dengan data seleksi yang didapat secara langsung dari pelatih. Berikut ini merupakan pengujian hasil akurasi:

Tingkat Akurasi= ∑ Data Uji Benar/∑ Total Data Uji x 100%

Keterangan:

∑ Data Uji Benar = Jumlah data uji yang benar

∑ Total Data Uji = Jumlah seluruh data uji

Berdasarkan data seleksi yang didapat pada sistem dengan yang didapat secara langsung dari pelatih. Maka peneliti mendapatkan perhitungan akurasi dengan jumlah akurasi sebesar 86,6%, sebagai berikut:

Tingkat Akurasi = 26/30 x 100%

= 86,6%

4. KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan, maka dapat disimpulkan penerapan Sistem Pendukung Keputusan Seleksi Pemain Sepak Bola yang sesuai dan layak dengan meliputi data pemain, kriteria, seleksi pemain dan hasil perhitungan, serta dapat mencetak laporan biodata pemain, nilai pemain yang diseleksi, dan rangking pemain. Sistem ini bisa melakukan pengelolaan data yang dioperasikan oleh asisten pelatih berupa biodata pemain dan oleh pelatih berupa data nilai pemain yang diseleksi. Sistem yang akurat, tepat dan sesuai dapat membantu pelatih dalam menentukan pemain sepak bola yang diseleksi sesuai kriteria yang diharapkan pelatih. Akurasi pada sistem ini berdasarkan 30 data uji berbeda yang menghasilkan tingkat akurasi yang cukup baik dengan set keputusan sebesar 86,6%. Dalam mengimplementasikan metode Profile Matching ini dilakukan proses membandingkan antara kemampuan pemain ke dalam kompetensi yang harus dicapai agar lolos seleksi dengan adanya tingkat ideal yang telah dicapai oleh peneliti.

5. SARAN

Berdasarkan hasil analisis dan penelitian yang dilakukan, peneliti memberikan saran untuk mencapai tujuan yang ditetapkan sebagai berikut:

1. Menjadikan aplikasi ini untuk membantu membuat keputusan seleksi pemain sepak bola berdasarkan kinerja latihan pemain sepak bola tergantung pada kondisi fisik pemain.

2. Melakukan analisis lebih dalam, uji kemampuan bertanding pemain sepak bola untuk mengevaluasi lebih akurat di waktu mendatang dan harus diterapkan juga pada metode lain dalam membandingkan hasilnya.

UCAPAN TERIMA KASIH

Pada penelitian ini peneliti mengucapkan banyak terima kasih kepada Arba Football Club atas izinnya untuk melakukan penelitian serta sumber informasi yang relevan yang membantu penulis untuk melakukan penelitian ini.

(15)

Jatisi ISSN 2407-4322

Vol. 10, No. 1, Maret 2023, Hal. 946-960 E- ISSN 2503-2933 960

DAFTAR PUSTAKA

[1] Asrianda, K. Rozzi, and H. Rahmat, “Sistem Pendukung Keputusan Seleksi Pemain Bola Menggunakan Metode Analytical Hierarchy Process (AHP),” TECHSI, Vol. 11, No. 2, pp. 1–12, 2019, doi: 10.35143/jkt.v5i2.3336.

[2] A. Nurzahputra, A. R. Pranata, and A. Puwinarko, “Decision Support System for Football Players Lineup Selection using Fuzzy Multiple Attribute Decision Making and K-Means Clustering Methods,” J. Teknol. dan Sist. Komput., Vol. 5, No. 3, pp. 106–109, 2017, doi: 10.14710/jtsiskom.5.3.2017.106-109.

[3] H. Setiawan, D. N. Sholihaningtias, and F. R. Asma, “Sistem Pendukung Keputusan Seleksi Pemain Menggunakan Metode Profile Matching pada Bahar Futsal,” Semnas Ristek (Seminar Nas. Ris. dan Inov. Teknol., Vol. 6, No. 1, pp. 535–540, 2022, doi:

10.30998/semnasristek.v6i1.5768.

[4] Y. Renatalia, M. Asfi, and R. Fahrudin, “Sistem Pendukung Keputusan Pemilihan Program Studi Menggunakan Metode Profile Matching,” J. Digit, Vol. 10, No. 2, pp.

148–160, 2020.

[5] Y. H. Agustin, F. Nuraeni, and D. Kurniadi, “Implementasi AHP dan TOPSIS Untuk Proses Penentuan Pembimbing Tugas Akhir Mahasiswa,” Nas. Teknol. Inf. Komun. dan Ind., Vol. 12, No. 7, pp. 70–145, 2020.

[6] S. S. Sundari, Y. H. Agustin, and L. Sidiq, “Pengembangan Sistem Pendukung Keputusan Pemilihan Penerima Bantuan Rehabilitasi Rumah Tidak Layak Huni Kabupaten Tasikmalaya,” SENSITif, Vol. 1, No. 1, pp. 1299–1309, 2019.

[7] N. Nurjannah, Z. Arifin, and D. M. Khairina, “Sistem Pendukung Keputusan Pembelian Sepeda Motor Dengan Metode Weighted Product,” J. Inform. Mulawarman, Vol. 10, No. 2, pp. 2–6, 2015.

[8] S. Suherman and K. Khairul, “Seleksi Pegawai Kontrak Menjadi Pegawai Tetap Dengan Metode Profile Matching,” It J. Res. Dev., Vol. 2, No. 2, pp. 68–77, 2018, doi:

10.25299/itjrd.2018.vol2(2).1362.

[9] R. S. Pressman and B. R. Maxim, Book Review: Software Engineering: a Practitioner’s Approach. In Software Engineering Journal. 1995.