SISTEM PENDUKUNG KEPUTUSAN PROMOSI
JABATAN MENGGUNAKAN METODE SIMPLE
ADDITIVE WEIGHTING
JOB PROMOTION DECISION SUPPORT SYSTEM USING SIMPLE ADDITIVE WEIGHTING METHOD
Ratna Sri Hayati1, Siti Aliyah2
Universitas Potensi Utama, Jl. K.L Yos Sudarso Km. 6,5 No. 3A Program Studi Teknik Informatika, FTIK UPU, Medan e-mail: 1ratnayach@gmail.com,2sitialiyahkimsoohyun@gmail.com
ABSTRAK
Promosi jabatan sebagai salah satu fungsi dari kegiatan manajemen sumber daya manusia memiliki peranan yang sangat penting bagi peningkatan produktivitas karyawan. Mempromosikan karyawan membutuhkan pertimbangan yang matang, terutama untuk jabatan menengah keatas. Konsep utama untuk melaksanakan promosi yang tepat adalah memilih yang terbaik dari mereka yang terbaik. Keputusan untuk melakukan promosi jabatan bagi karyawan sebaiknya juga harus mengacu kepada kriteria dan kompetensi yang dapat memenuhi kebutuhan perusahaan dan memberikan kepuasan kepada para karyawannya. Untuk mengatasi permasalahan diatas diperlukan sebuah sistem yang dapat membantu para Instansi/Perusahaan untuk Promosi Jabatan dengan menerapkan metode Simple Additive Weighting (SAW) dengan menggunakan 6 kriteria yaitu Nilai Kinerja, Pendidikan, Golongan, Masa Kerja, Kehadiran dan Kompetensi.
.
Kata kunci—SPK, Promosi, SAW
ABSTRACT
Job promotion as one of the functions of human resource management activities has a very important role in increasing employee productivity. Promoting employees requires careful consideration, especially for middle and upper positions. The main concept for carrying out the right promotion is to choose the best of those who are the best. The decision to promote a position for employees should also have to refer to criteria and competencies that can meet the needs of the company and provide satisfaction to its employees. To overcome the problems above, we need a system that can help Agencies / Companies for Job Promotion by applying the Simple Additive Weighting (SAW) method using 6 criteria, namely Performance Value, Education, Group, Working Period, Attendance and Competence.
Keywords—Decision Support Systems, Promotion,Simple Additive Weighting
1. PENDAHULUAN
Promosi jabatan sebagai salah satu fungsi dari kegiatan manajemen sumber daya manusia memiliki peranan yang sangat penting bagi peningkatan produktivitas karyawan. Mempromosikan karyawan membutuhkan pertimbangan yang matang, terutama untuk jabatan menengah keatas. Konsep utama untuk melaksanakan promosi yang tepat adalah memilih yang terbaik dari mereka yang terbaik. Keputusan untuk melakukan promosi jabatan bagi karyawan sebaiknya juga harus mengacu kepada kriteria dan kompetensi yang dapat memenuhi kebutuhan perusahaan dan memberikan kepuasan kepada para karyawannya. Untuk mengatasi permasalahan diatas diperlukan sebuah sistem yang dapat membantu para Instansi/Perusahaan untuk Promosi Jabatan dengan menerapkan metode Simple Additive Weighting (SAW).
Demikian halnya Universitas Potensi Utama, untuk pencapaian kegiatan promosi karyawan secara maksimal akan menggunakan metode metode Simple Additive Weighting (SAW) sebagai pendukung keputusan. Dalam penelitian ini ada beberapa tujuan yang hendak dicapai antara lain: Untuk mengetahui syarat dan kriteria penilaian yang harus dipenuhi karyawan untuk layak dipromosikan; Untuk menerapkan metode metode Simple Additive Weighting (SAW) dalam pengambilan sistem pendukung keputusan promosi jabatan karyawan.
Hasil penelitian ini akan bermanfaat dapat memberikan kemudahan bagi Universitas Potensi Utama dalam melakukan proses kegiatan manajemen dalam mempromosikan karyawannya, agar sistem penilaian promosi karyawan lebih objektif, sehingga dengan demikian tidak ada pihak yang merasa didiskriminasi, menumbuhkan semangat kerja bagi setiap karyawan dalam meningkatkan produktivitas sehingga mendapatkan peluang untuk menduduki jabatan pada level yang lebih baik lagi serta menerapkan sistem komputerisasi dalam promosi jabatan sesuai dengan perkembangan jaman dan kemajuan teknologi.
SAW merupakan cara dalam pengambilan keputusan multikriteria dengan penjumlah nilai terbobot. Konsep dari metode SAW adalah pencarian jumlah nilai terbobot dari rating kinerja pada setiap alternatif pada atribut yang ada.
Pada penelitian ini penulis melakukan review terhadap beberapa jurnal yang berkaitan dengan penelitian penulis, diantaranya penelitian yang dilakukan oleh Arif Lukman Hidayat (2013) melakukan penelitian yang dimuat dalam Jurnal Nasional yang berjudul “Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan Untuk Promosi Jabatan Struktural Pada Bimbingan Belajar Sciencemaster Menggunakan Metode Gap Kompetensi (Profile Matching)”. Proses penghitungan Gap dilakukan untuk menentukan rekomendasi karyawan dalam sistem promosi jabatan berdasar pada 3 aspek yaitu aspek Kecerdasan, Sikap Kerja dan Perilaku. Hasil dari proses ini berupa ranking karyawan. Ranking ini merupakan dasar rekomendasi bagi pengambil keputusan untuk memilih karyawan yang cocok pada jabatan yang kosong tersebut. Aplikasi ini dibuat dengan menggunakan Microsoft SQL Server untuk databasenya dan Visual Studio 2010 sebagai tools compilernya dengan menggunakan bahasa C#. Dari hasil implementasi sistem, disimpulkan bahwa dengan penggunaan Aplikasi ini dapat membantu proses pengambilan keputusan terhadap profile matching proses evaluasi kinerja karyawan untuk promosi jabatan struktural pada Bimbingan Belajar Sciencemaster.[1]
Ari Muhardono (2014) melakukan penelitian yang dimuat dalam Jurnal Nasional yang berjudul “Penerapan Metode AHP dan Fuzzy Topsis Untuk Sistem Pendukung Keputusan Promosi Jabatan”. Penerapan AHP dan TOPSIS Fuzzy dalam pemilihan promosi ini dapat memberikan rekomendasi alternatif bagi pengambil keputusan, sehingga proses seleksi karyawan dapat berlangsung secara efektif dan efisien serta menghasilkan keputusan secara obyektif. Hasil Pelaksanaan penelitian untuk pemilihan promosi dengan kriteria penilaian enam kriteria pembobotan hasil yang diperoleh dengan menggunakan Kinerja Nilai AHP dari 0,3509, Tingkat Pendidikan dari 0,1605, Class of 0,1005, periode Kerja 0,0367, Kehadiran 0,0637 dan nilai kompetensi 0,2877. Pembobotan hasil itu proses lanjutan dari peringkat alternatif dengan menggunakan metode TOPSIS Fuzzy memperoleh hasil terbaik dan preferensi yang dipilih untuk 0,8373. [2]
Riadhil Jannah (2015) melakukan penelitian yang dimuat dalam Jurnal Nasional yang berjudul “Aplikasi Penerimaan Karyawan dengan Metode Multi Attribute Utility Theory”. Penelitian ini menggunakan metode MAUT untuk penerimaan karyawan baru. Pengolahan nilai dengan menggunakan metode MAUT akan menghasilkan hasil akhir dengan rangking tertinggi. . Aplikasi ini akan di uji coba pada STIKes Hang Tuah Pekanbaru dan didiharapkan dapat membantu dan mempermudah tim seleksi dalam penerimaan karyawan. Selanjutnya pelamar juga dapat mengetahui dengan cepat tentang status kelulusannya yang sesuai dengan posisi lowongan pekerjaan (loker) yang tersedia.[3]
Novri Hardinata (2018) melakukan penelitian yang dimuat dalam Jurnal Nasional yang berjudul “Implementasi Metode Multi Attribute Utility Theory (MAUT) Pada Sistem Pendukung Keputusan dalam Menentukan Penerima Kredit”. Penelitian ini menggunakan Metode MAUT untuk merubah dari beberapa kepentingan kedala m nilai numerik dengan skala 0-1 dengan 0 mewakili nilai terburuk dan 1 nilai terbaik. SPK ini dapat membantu surveyor dan credit analyst dalam melakukan proses penilaian penentuan penerima kredit (calon nasabah) pada PT. XYZ.[4]
Pada tahun yang sama, Ramadiani (2018) melakukan penelitian yang berjudul “Sistem Pendukung keputusan pemilihan tenaga kesehatan teladan menggunakan metode Multi-Attribute Utility Theory”. Penelitian ini dilakukan melalui literature review dan wawancara langsung pada tim penilai tenaga kesehatan. Model yang digunakan adalah metode Multi Attribute Utility Theory (MAUT). Hasil metode MAUT dipilih karena tidak memiliki nilai cost dan benefit dalam menentukan keputusan. Penelitian ini telah menghasilkan rekomendasi untuk pemilihan tenaga kesehatan teladan dengan hasil akurasi sebesar 86,67%. [5]
2. METODE PENELITIAN
Peneliti menerapkan metode SAW, motde ini juga disebut dengan metode penjumlahan bobot. Dimana pada metode SAW penilaian dimulai dari mencari nilai jumlah bobot dari peringkat kinerja pada alternatif – alternatif yang ada.
Gambar 1 Alur Analisis Penelitian
Data riteria Promosi Jabatan, Bobot, Nilai
Indikator Data
Menampilkan urutan perangkingan dan nilai preferensi
mulai dari yang terbesar hingga terkecil
=
Metode SAW digunakan untuk mencari nilai jumlah bobot dari peringkat kinerja pada alternatif – alternatif yang ada (Amalia, S, 2019) : [6]
1. Menentukan matriks keputusan Z yang berukuran m x n, m = nilai alternatif yang akan dipilih dan n = nilai kriteria yang digunakan.
2. Nilai x diberikan pada setiap alternatif (i) pada setiap kriteria (j) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n pada matriks keputusan Z sesuai dengan persamaan (1).
Z = (1)
3. Selanjutnya nilai bobot preferensi (W) diberikan kepada tiap – tiap kriteria yang sudah ada
4. Setelah itu dilakukan normalisasi pada matriks nilai Z. Nilai Z diperoleh dengan mencari nilai rating kinerja ternormalisasi ( ) dari alternatif ( ) pada atribut( )
Dengan ketetapan yaitu :
W = [ ] (2)
a. ... Disebut sebagai atribut keuntungan jika banyak memberikan keuntungan dalam mengambil keputusan. Disebut atribut biaya jika atribut yang telah memberikan pengeluaran yang banyak jika nilainnya besar.
b. ... Jika atribut keuntungan berubah maka nilai dari masing - masing kolom atribut akan dibagi dengan nilai (Max dari setiap kolom, dan untuk atribut biaya, nilai (Min dari masing - masing kolom atribut akan dibagi dengan nilai pada setiap kolom
(3)
5. Hasil dari nilai rating kinerja akan dinormalisasi ( ) sehingga akan terbentuk matriks normalisasi (N)
N = (4)
6. Selanjutnya proses perankingan dilakukan dengan perkalian matriks yang telah normalisasi (N) dengan nilai bobot preferensi (W)
7. nilai preferensi diberikan pada setiap nilai alternatif ( ) dengan melakukan penjumlahan hasil dari perkalian antara matriks yang telah normalisasi (N) dengan nilai bobot prefernsi
(W)
(5)
nilai yang lebih besar menyatakan nilai alternatif adalah nilai alternatif yang terbaik.
3. HASIL DAN PEMBAHASAN
Langkah – langkah yang dilakukan peneliti untuk menerapkan Metode SAW pada Sistem Pendukung Keputusan Promosi Jabatan yaitu :
...
1. Menentukan Indikator Kriteria.
Parameter indikator kriteria yang akan digunakan dalam penelitian ini adalah Nilai Kinerja, Pendidikan, Golongan, Masa Kerja, Kehadiran dan Kompetensi. Kemudian, masing-masing indikator tersebut digunakan untuk menentukan perankingan promosi jabatan dan menentukan himpunan fuzzy. Himpunan fuzzy pada penelitian ini adalah tidak penting, kurang penting, sedang, penting dan sangat penting. Setelah itu, berdasarkan indikator kriteria- kriteria rumah kost tersebut, ditentukan suatu tingkatan kepentingan kriteria berdasarkan nilai bobot yang telah ditentukan kedalam bilangan fuzzy. Pemberian bobot dapat dilihat pada gambar 2:
Gambar 2 Grafik bobot Dimana : TP : Tidak Penting KP : Kurang Penting CP : Cukup Penting P : Penting SP : Sangat Penting
2. Menentukan Bobot Kriteria.
Bobot kriteria diperoleh dari hasil survey yang dilakukan peneliti yang disesuaikan dengan tingkat kepentingan dari indikator kriteria terhadap promosi jabatan. Berdasarkan hasil survey, bobot kriteria promosi jabatan dapat dilihat pada Tabel 1 berikut ini :
Tabel 1 Kriteria
NO NAMA KRITERIA BOBOT JENIS KRITERIA
1 Nilai Kinerja 25 Cost
2 Pendidikan 25 Cost
3 Golongan 10 Cost
4 Masa Kerja 10 Benefit
5 Kehadiran 20 Benefit 6 Kompetensi 10 Benefit
3. Membuat Tabel Matriks.
Setelah menentukan bobot kriteria, langkah selanjutnya adalah merubah bentuk data yang ada pada tabel data promosi jabatan menjadi tabel dan matriks keputusan X yang telah ditransformasikan ke bilangan fuzzy. Data promosi jabatan dapat dilihat pada table 2 berikut ini :
Tabel 2 Data Kriteria Promosi Jabatan
KRITERIA
NAMA PEGAWAI
PEGAWAI 1 PEGAWAI 2 PEGAWAI 3 PEGAWAI 4 PEGAWAI 5
Nilai Kinerja Sangat Baik Sangat Baik Baik Baik Cukup
Pendidikan S1 S2 S2 S1 S2
Golongan IIIA IIIB IIID IIIA IIIC
Masa Kerja 2 Tahun 6 Tahun 13 Tahun 5 Tahun 10 Tahun
Kehadiran 90% 90% 85% 87% 80%
Kompetensi 80 90 95 85 90
Tabel 3 Peringkat kecocokan X pada Setiap alternatif di setiap kriteria KRITERIA NAMA PEGAWAI PEGAWAI 1 PEGAWAI 2 PEGAWAI 3 PEGAWAI 4 PEGAWAI 5 C1 80 90 75 70 70 C2 60 80 90 70 70 C3 50 80 85 50 80 C4 50 80 80 80 80 C5 90 90 80 90 85 C6 70 80 85 75 85
Berdasarkan tabel Rating Kecocokan X, dibuat dalam bentuk Matriks Keputusan X berikut ini: ⎩ ⎪ ⎨ ⎪ ⎧ 60 80 90 70 70 80 90 75 70 70 50 80 85 50 80 50 80 80 80 80 90 90 80 90 85 70 80 85 75 85 ⎭⎪ ⎬ ⎪ ⎫
4. Normalisasi Matriks Keputusan X
Nilai kriteria ditentukan berdasarkan jenis kriteria benefit/cost. Kriteria benefit adalah kriteria yang ketika nilainya semakin besar menggambarkan keuntungan. Sedangkan
kriteria cost merupakan kriteria yang dianggap biaya jika nilainya semakin besar. Berdasarkan tabel 1, dilakukan perhitungan normalisasi sebagai berikut:
PEGAWAI 1 = r11 = ( ) = = r12 = ( ) = = r13 = ( ) = = r14 = ( )= = r15 = ( ) = = r16 = ( ) = PEGAWAI 2 = r11 = ( ) = = r12 = ( ) = = r13 = ( ) = = r14 = ( )= = r15 = ( ) = = r16 = ( ) = PEGAWAI 3 = r11 = ( ) = = r12 = ( ) = = r13 = ( ) = = r14 = ( )= = r15 = ( ) = = r16 = ( ) =
PEGAWAI 4 = r11 = ( ) = = r12 = ( ) = = r13 = ( ) = = r14 = ( )= = r15 = ( ) = = r16 = ( ) = PEGAWAI 5 = r11 = ( ) = = r12 = ( ) = = r13 = ( ) = = r14 = ( )= = r15 = ( ) = = r16 = ( ) =
Dari hasil perhitungan Normalisasi Matriks Keputusan X, diperoleh Hasil Normalisasi X yang dapat dilihat pada Tabel 5.4 berikut ini:
Tabel 4 Hasil Normalisasi X NAMA PEGAWAI KRITERIA C1 C2 C3 C4 C5 C6 PEGAWAI 1 1 1 1 1 1 1 PEGAWAI 2 1 0.67 0.59 0.63 0.94 1 PEGAWAI 3 1 0.78 1 1 0.89 1 PEGAWAI 4 0.78 0.67 0.94 1 0.89 1 PEGAWAI 5 0.78 0.67 0.94 1 0.89 0.82
⎩ ⎪ ⎨ ⎪ ⎧ 1 1 1 1 1 11 0.67 0.59 0.63 0.94 1 1 0.78 1 1 0.89 1 0.78 0.67 0.94 1 0.89 1 0.78 0.67 0.94 1 0.89 0.82⎭⎪ ⎬ ⎪ ⎫ 5. Perankingan (V).
Perangkingan dilakukan melalui proses perkalian matriks antara bobot kriteria (W) dengan hasil normalisasi (R) dan penjumlahan hasil perkalian setiap alternatif. Alternatif terbaik yaitu alternatif yang memiliki nilai penjumlahan terbesar. Perhitungan perankingan dapat dilihat pada proses perankingan berikut ini:
PEGAWAI 1 = V1 = (25)(1) + (25)(1) + (10)(1) + (10)(1) + (20)(1) + (10)(1) = 25 + 25 + 10 + 10 + 20 + 10 = 100 PEGAWAI 2 = V2 = (25)(1) + (25)(0.67) + (10)(0.59) + (10)(0.63) + (20)(0.94) + (10)(1) = 25 + 16.75 + 5.9 + 6.3 + 18.8 + 10 = 82.75 PEGAWAI 3 = V3 = (25)(1) + (25)(0.78) + (10)(1) + (10)(1) + (20)(0.89) + (10)(1) = 25 + 19.5 + 10 + 10 + 17.8 + 10 = 92.30 PEGAWAI 4 = V4 = (25)(0.78) + (25)(0.67) + (10)(0.94) + (10)(1) + (20)(0.89) + (10)(1) = 19.5+ 16.75 + 9.4 + 10 + 17.8 + 10 = 83.45 PEGAWAI 5 = V5 = (25)(0.78) + (25)(0.67) + (10)(0.94) + (10)(1) + (20)(0.89) + (10)(0.82) = 19.5 + 16.75 + 9.4 + 10 + 17.8 + 8.2 = 81.65
Dari hasil perhitungan di atas, rangking tertinggi adalah PEGAWAI 3 dengan nilai akhir 92,30. Dapat disimpulkan bahwa, Promosi Jabatan dengan menerapkan metode SAW pada kasus ini dimenangkan oleh PEGAWAI 3.
4. KESIMPULAN
Dari hasil penelitian yang dilakukan, maka peneliti dapat menyimpulkan bahwa:
1. Proses promosi jabatan dengan menggunakan metode SAW dimulai dari proses pemberian bobot kriteria, nilai indikator kriteria, penentuan jenis kriteria, membuat tabel keputusan dengan konversi ke bilangan fuzzy, perhitungan normalisasi, dan perankingan. Pembobotan kriteria diperoleh melalui hasil wawancara dari beberapa staf/pegawai. 2. Dengan dibangunnya Sistem Pendukung Keputusan Promosi Jabatan, memberikan
kemudahan bagi institusi dalam hal promosi jabatan untuk menentukan pegawai mana yang terbaik untuk diposisikan pada jabatan yang dipromosikan. Hal tersebut dinilai dari hasil perhitungan nilai kriteria yang sudah ditetapkan.
5. SARAN
Saran yang diharapkan dapat memberikan perbaikan dan pengembangan sistem pada penelitian selanjutnya adalah:
1. Untuk penelitian selanjutnya, pengembangan sistem dapat dilakukan dengan memberikan penambahan indikator kriteria dan penambahan jumlah responden yang menilai.
2. Dapat dikembangkan menjadi sistem informasi terintegrasi agar sistem dapat digunakan secara umum.
UCAPAN TERIMA KASIH
Peneliti mengucapkan terima kasih kepada pihak Kementerian Riset Teknologi Dan Pendidikan Tinggi Republik Indonesia (KEMENRISTEKDIKTI) yang telah mendanai penelitian ini.
DAFTAR PUSTAKA
[1] Hidayat, Arif Lukman. 2013. Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan Untuk Promosi Jabatan Struktural Pada Bimbingan Belajar Sciencemaster Menggunakan Metode Gap Kompetensi (Profile Matching)”. JURNAL TEKNOLOGI TECHNOSCIENTIA Vol. 5 No. 2 Februari 2013 ISSN: 1979-8415.
[2] Muhardono, Ari. 2014. Penerapan Metode AHP dan Fuzzy Topsis Untuk Sistem Pendukung Keputusan Promosi Jabatan. Jurnal Sistem Informasi Bisnis 02 (2014).
[3] Jannah, Riadhil. 2015. Aplikasi Penerimaan Karyawan dengan Metode Multi Attribute Utility Theory. SATIN - Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2015. [4] Hardinata, Novri. 2018. Implementasi Metode Multi Attribute Utility Theory (MAUT) Pada Sistem Pendukung Keputusan dalam Menentukan Penerima Kredit. Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018
[5] Ramadiani. 2018. Sistem Pendukung keputusan pemilihan tenaga kesehatan teladan menggunakan metode Multi-Attribute Utility Theory. Jurnal Ilmiah Teknologi Sistem Informasi 5 (1) 2019 1-12 ISSN 2503-0477
[1] Sugiatno, Herik., Yulianti., Hengky Anra, (2016), Sistem Pendukung Keputusan Pemilihan Tempat Kost Khusus Mahasiswa dengan Metode AHP dan TOPSIS Berbasis Web (Studi Kasus : Kota Pontianak), Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No.1
[2] Silalahi, Arina Prima, Sistem Pendukung Keputusan Pemilihan Perumahan Di Kota Medan Menggunakan Metode Elimination And Choice Translation Reality (Electre), Jurnal
METHODIKA, Vol. 2 No. 2 NOPEMBER 2016, ISSN : 2442-7861
[3] Nugraha, Pria. 2016. Implementasi Fuzzy Multiple Attribute Decision Making Dan Simple Additive Weighting Untuk Sistem Pendukung Pengambilan Keputusan Pemilihan Rumah. Universitas Jember
[4] Sari, Tiara Ratna. 2016. Rancang Bangun Sistem Pendukung Keputusan Pemilihan Kos Daerah Surabaya dengan Menggunakan Metode FUZZY TOPSIS Berbasis
Mobile.Universitas Airlangga
[5] S,H.W, Amalia, R, M, A.F., & Arivanty, K. (2009). Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bank BRI Menggunakan FMADM (Studi Kasus : Mahasiswa Fakultas Teknologi Industri Univeristas Islam Indonesia). Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), B-62-B-67
[6] Wardhani, Nurilmiyanti & M.Adnan Nur, (2017), Sistem Pendukung Keputusan Pemiliha Tempkos Untuk Mahasiswa Di Luwuk Banggai Dengametode Saw (Simple Additive Weighting), JTRISTE, Vol.4, No.1, Maret 2017, ISSN: 2355-3677
[7] Hartini, Dwi Citra, Endang Lestari Ruskan dan Ali Ibrahim, (2013), Sistem Pendukung Keputusan Pemilihan Hotel Di Kota Palembang Dengan Metode Simple Additive Weighting (SAW), Jurnal Sistem Informasi (JSI), VOL. 5, NO. 1, April 2013,ISSN Print :
2085-1588
[8] Hidayatullah, Arif, Sistem Pemilihan Rumah Kos Terbaik Di Sekitar Unhasy Denga
Metode Multi Attribute Utility Theory (Maut) Berbasis WEB, INOVATE. Volume 03 Nomor 02 Tahun 2019
[9] Limbong, Tonni, (2018), Implementasi Metode Simple Additive Weighting Pada
Pemilihan Sepatu Sport Berdasarkan Bahan Baku, Jurnal Mantik Penusa, Volume 2, No. 2 Desember 2018, e-ISSN 2580-9741
[10] Limbong, Tonni, (2013), Implementasi Metode Simple Additive Weighting (SAW) untuk Pemilihan Pekerjaan Bidang Informatika, SNIKOM) 2013 FIKOM Universitas Methodist Indonesia Medan, 23-24 Agustus 2013
[11] Anita dan Sigit Syahputra Harahap, (2019), Sistem Pendukung Keputusan Penyetujuan Kartu Kredit Pada Bank Bri Dengan Menggunakan Metode Simple Additive Weighting (SAW), Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA), Vol. 2 No. 2,
Maret 2019, e-ISSN : 2580-2879
[12] Nurcahyono, D., dan Farindika Metandi, (2017), Sistem Pendukung Keputusan Dalam Memilih Kos Dengan menggunakan Metode Simple Additive Weighting (SAW), JUST TI, Volume 9, Nomor 2, Juli 2017
[13] Hidayat, Arif Lukman. 2013. Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan Untuk Promosi Jabatan Struktural Pada Bimbingan Belajar Sciencemaster Menggunakan Metode Gap Kompetensi (Profile Matching)”. JURNAL TEKNOLOGI TECHNOSCIENTIA Vol. 5 No. 2 Februari 2013 ISSN: 1979-8415.
[14] Muhardono, Ari. 2014. Penerapan Metode AHP dan Fuzzy Topsis Untuk Sistem Pendukung Keputusan Promosi Jabatan. Jurnal Sistem Informasi Bisnis 02 (2014).
[15] Jannah, Riadhil. 2015. Aplikasi Penerimaan Karyawan dengan Metode Multi Attribute Utility Theory. SATIN - Sains dan Teknologi Informasi, Vol. 1, No. 2, Desember 2015.
[16] Hardinata, Novri. 2018. Implementasi Metode Multi Attribute Utility Theory (MAUT) Pada Sistem Pendukung Keputusan dalam Menentukan Penerima Kredit. Jurnal SISFOKOM, Volume 07, Nomor 02, September 2018.
[17] Ramadiani. 2018. Sistem Pendukung keputusan pemilihan tenaga kesehatan teladan menggunakan metode Multi-Attribute Utility Theory. Jurnal Ilmiah Teknologi
Sistem Informasi 5 (1) 2019 1-12 ISSN 2503-0477.
[18] Novita Sari, Rita dan Ratna Sri Hayati, (2019), Penerapan Metode Simple Additive Weighting Dalam Pemilihan Rumah Kos, Cogito Smart Journal, Vol 5, No. 2, Desember 2019.
