Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 309
Perancangan SPK Dalam Seleksi Siswa Baru Menggunakan Metode TOPSIS
Yosepinus Trinaldo*1, Magdalena A. Ineke Pakereng 2
1,2Universitas Kristen Satya Wacana; Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
1,2Jurusan Teknik Informasi, FTI UKSW, Salatiga
e-mail: *1[email protected] , 2[email protected] Abstrak
Penelitian yang dilakukan bertujuan untuk merancang sistem pendukung keputusan yang dapat membantu pihak sekolah, terkhususnya SMAN 02 Sendawar dalam penerimaan siswa baru. Metode yang akan dipakai untuk menangani masalah yang terjadi adalah dengan metode TOPSIS (Technique For Others Preference By Similitary To Ideal Solution). Penelitian ini dilakukan untuk mendapatkan siswa terbaik dalam seleksi, berdasarkan kriteria yang sudah ditentukan . Kriteria yang digunakan dalam penelitian ini berupa hasil test, nilai raport, jarak, dan kelengkapan berkas. Hasil akhir dari penelitian ini adalah berupa program sistem pendukung keputusan yang akan memberikan daftar siswa yang memiliki nilai preferensi dari yang tertinggi ke yang terendah, siswa yang memiliki nilai preferensi tertinggi akan lebih diutamakan untuk diterima sekolah.
Kata kunci—Seleksi Siswa, Metode TOPSIS, SMA Negeri 02, Sendawar
Abstract
This research aims to design a decision support system that can help schools, especially SMAN 02 Sendawar in accepting new students. The method that will be used to deal with the problems that occur is the TOPSIS method (Technique For Others Preference By Similitary To Ideal Solution). This research was conducted to get the best students in the selection, based on predetermined criteria. The criteria used in this study were test results, report cards, distance, and completeness of the files. The final result of this research is in the form of a decision support system program that will provide a list of students who have preference scores from the highest to the lowest, students who have the highest preference scores will be preferred to be accepted by the school.
Keywords—Student Selection, TOPSIS Method, SMA Negeri 02, Sendawar
1. PENDAHULUAN
alam penentuan kualitas suatu sekolah, ada indikator yang harus terpenuhi oleh sekolah agar bisa dinyatakan memiliki kualitas mutu yang baik, salah satunya adalah siswa – siswa yang memiliki standar kompetensi terkait sikap, pengetahuan, dan keterampilan yang baik [1]. Agar mendapatkan siswa dengan kualitas tersebut, maka penyeleksian calon siswa baru sangat diperlukan untuk setiap sekolah penerima siswa baru. Namun karena pertumbuhan jumlah masyarakat yang semakin tinggi seiring perkembangan zaman, membuat semakin banyak jumlah calon siswa yang mendaftar di sekolah yang ingin mereka tempuh.
Tetapi seperti yang kita tau, sekolah juga memiliki keterbatasan dalam fasilitas sekolah untuk siswa – siswa yang ada dan membuat pihak sekolah yang melakukan seleksi kesulitan karena banyaknya siswa yang mendaftar, sehingga sekolah tidak bisa menerima semua calon siswa yang ingin mendaftar [2].
D
310 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
Salah satu Kecamatan yang ada di Kabupaten Kutai Barat, yaitu Barong Tongkok, mempunyai beberapa sekolah yang didirikan, salah satunya adalah sekolah SMA Negeri 02 Sendawar. Penelitian dilakukan di sekolah SMA Negeri 02 Sendawar karena proses seleksi yang dilakukan selama ini kurang maksimal menghasilkan siswa baru yang berkualitas. Selain itu, jumlah calon siswa yang mendaftar di tahun ajaran 2021/2022 berjumlah 253 calon siswa, sehingga diperlukan alat bantu pendukung keputusan untuk melakukan seleksi.Beberapa penelitian yang dijadikan acuan dari penelitian ini, yaitu pada penelitian pertama yang berjudul “Sistem pendukung keputusan penerimaan siswa baru dengan metode simple additive weighting (SAW)” merupakan penelitian tentang pembuatan sistem pendukung keputusan penerimaan siswa baru pada SMA Annuqayah. Dimana metode ini memiliki konsep mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif untuk semua kriteria.
Kriteria dalam penelitian ini yaitu mata pelajaran dan skor. Penelitian ini memberikan penulis inspirasi untuk melakukan penelitian dalam pembuatan sistem pendukung keputusan menggunakan metode selain SAW, yaitu metode topsis untuk melakukan seleksi siswa [3].
Pada penelitian kedua yang berjudul “Sistem pendukung keputusan menggunakan metode topsis dalam memilih kepala departemen pada Kantor Balai Wilayah Sungai Sumatera II Medan” merupakan penelitian yang membahas sistem pendukung keputusan dalam memilih kepala departemen dengan metode Topsis. Kriteria yang digunakan yaitu pendidikan, hasil test, performa, dan produktivitas. Penelitian ini memperlihatkan bahwa penggunaan metode Topsis pun dapat digunakan untuk menyelesaikan kasus lain [4].
Pada penelitian ketiga yang berjudul ”Sistem pendukung keputusan seleksi penerimaan siswa baru studi kasus di SMK TI Bali Global Denpasar dengan Menggunakan Metode Bayes”
dimana penelitian ini membahas proses seleksi siswa yang menggunakan nilai ujian nasional sebagai jalur seleksinya. Proses seleksi dibagi menjadi dua hal utama yaitu proses menentukan bobot nilai mata pelajaran ujian nasional sekolah dan proses hitung nilai total calon siswa. Hasil total nilai ini akan menjadi pertimbangan dalam memutuskan calon siswa akan diterima atau tidak. Penelitian ini membantu penulis dalam menentukan kriteria – kriteria yang diperlukan dalam merancang sistem pendukung keputusan ini selain dari nilai ujian nasional [5].
Dari ketiga penelitian diatas memiliki beberapa kesamaan, yaitu ketiga penelitian tersebut membahas tentang penggunaan sistem pendukung keputusan berbasis komputer untuk memecahkan permasalah yang ada, sesuai dengan penggunaan metode masing - masing yang dipakai oleh setiap penelitian tersebut. Alasan penulis menggunakan metode Topsis pada penelitian SPK ini adalah dikarenakan penggunaan konsep dari metode Topsis yang mudah untuk dipahami, karena menggunakan nilai bobot dari kriteria dan nilai setiap alternatif sebagai alat bantu dalam menetukan keputusan. Sehingga pihak sekolah dapat dengan mudah memahami dan dapat melakukan perhitungan yang lebih cepat serta efisien untuk menyeleksi siswa [6].
Berdasarkan latar belakang yang ada dan penelitian – penelitian terdahulu, maka dilakukan perancangan sistem pendukung keputusan dalam menyeleksi siswa baru menggunakan metode Topsis, dengan mengambil studi kasus pada SMA Negeri 02 Sendawar.
2. METODE PENELITIAN 2.1 Tinjauan Pustaka
2. 1.1 Technique For Others Preference By Similitary To Ideal Solution (TOPSIS)
Metode Topsis merupakan sebuah metode atau teknik yang membantu sebuah pengambilan keputusan didasarkan pada alternatif terbaik, yang memiliki jarak terdekat dari solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. Sehingga hasil akhir dari
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 311
metode ini akan memberikan keputusan yang terbaik, yang sesuai dengan kebutuhan kriteria yang ditentukan [7].Penyelesaian dalam menghitung metode Topsis seperti berikut ini [8]:
1. Membuat matriks keputusan yang ternormalisasi.
2 1 ij m i
ij ij
x r X
∑
== (1)
Di mana:
ݎ = hasil matriks normalisasi.
ݔ = matriks dasar i = baris dari matriks j = kolom dari matriks
Dimana ݎ merupakan matriks hasil normalisasi dari dasar matriks yang merupakan permasalahannya, dengan demikian i = 1,2,3,…m, dan j = 1,2,3,…,n
2. Membuat matriks keputusan yang ternormalisasi terbobot.
ij i
ij
w r
Y = .
(2)Di mana:
ܻ = matriks ternormalisasi terbobot ݓ = bobot nilai kriteria i
ݎ = hasil matriks normalisasi
3. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.
);
,..., 2 , 1
(
+ + ++
= y y y
iA
(3));
,..., 2 , 1
(
− − −−
= y y y
iA
(4)Ketentuan:
Sesuatu akan bernilai ݕ݅ା jika maksimal ܻ memiliki sifat keuntungan (benefit),dan minimalnya memiliki sifat biaya(cost)
Sesuatu akan bernilai ݕ݅ି jika maksimal ܻ memiliki sifat biaya (cost), dan minimalnya memiliki sifat keuntungan(benefit)
4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif.
m i
y yi
D
nj ij
i
( ) ; 1 , 2 ,...,
1
2
=
−
= ∑
= ++ (5)
m i
yi y
D
nj ij
i
( ) ; 1 , 2 ,...,
1
2
=
−
= ∑
= −− (6)
Di mana:
ݕ݅ା adalah bagian dari matriks ideal positif ݕ݅ି adalah bagian dari matriks ideal negatif
5. Menentukan nilai preferensi untuk setiap alternatif.
m D i
D V D
i i
i
i
; = 1 , 2 ,...,
=
−+
+−
(7)
ܸ merupakan nilai preferensi tertinggi, jika alternatif mempunyai nilai preferensi tertinggi maka lebih diutamakan atau lebih diprioritaskan.
312 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
2.1.2 Sistem Pendukung Keputusan
Sistem pendukung keputusan ialah salah satu dari bagian sistem informasi berbasis komputer yang digunakan untuk membantu dalam pengambilan keputusan dalam suatu instansi atau perusahaan. Sehingga bisa disimpulkan bahwa sistem pengambilan keputusan adalah sebuah pendekatan sistematis dari masalah dengan cara melakukan pengumpulan data, penentuan dari setiap alternatif yang ada, dan pengambilan tindakan yang merupakan tindakan yang paling tepat sesuai dengan perhitungan [9].
2.1.3 Seleksi Siswa Baru
Seleksi siswa baru merupakan suatu cara yang biasa dilakukan oleh pihak sekolah untuk mengurangi, menyaring, dan memilih siswa – siswa yang memiliki standar kemampuan terbaik dan memadai untuk menerima pengajaran dari sekolah dengan catatan melalui beberapa kriteria yang sekolah tentukan seperti test tertulis, kelengkapan berkas, dan lain – lain sesuai kebutuhan sekolah [10].
2.2 Tahapan Penelitian
Penelitian ini mempunyai beberapa tahapan yang dilakukan, yaitu: (1) identifikasi masalah, (2) pengumpulan data, (3) penerapan metode topsis, (4) proses perangkingan, (5) laporan penelitian.
Gambar 1. Tahapan Penelitian
Gambar 1 merupakan tahapan penelitian yang akan dijelaskan sesuai urutannya, Tahap pertama penelitian ini adalah mengidentifikasi kasus dari judul terhadap permasalahan yang ada, terkait dengan Perancangan Sistem Pendukung Keputusan Dalam Menyeleksi Penerimaan Siswa Baru Menggunakan Metode Topsis; Tahap kedua mengumpulkan data terkait seleksi calon siswa pada SMA Negeri 02 Sendawar; Tahap ketiga Penerapan Metode TOPSIS, disini dilakukan perhitungan seperti menentukan matriks keputusan ternormalisasi, menentukan matriks keputusan ternormalisasi terbobot, menentukan matriks solusi ideal positif dan matriks solusi ideal negatif, serta menentukan jarak antara setiap nilai alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif; Tahap keempat adalah Proses Perangkingan, yaitu proses mengurutkan nilai preferensi dari setiap peserta, dimana nilai paling tinggi akan lebih diutamakan untuk diterima; Tahapan terakhir dari penelitian ini adalah membuat laporan dari
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 313
hasil penerapan dan pengujian metode Topsis untuk melakukan seleksi calon siswa yang telah dilakukan.3. HASIL DAN PEMBAHASAN 3.1 Diagram Use Case dan Class Diagram
Sistem ini dirancang menggunakan Diagram Unified Modelling Language(UML), yaitu use case diagram dan class diagram.
Gambar 2. Use Case Diagram Sistem
Gambar 2 merupakan use case diagram pada sistem pendukung keputusan seleksi siswa.
Use case diagram tersebut memiliki 1 (satu) user. Disini User mampu melakukan input data, edit data, hapus data, input data nilai kriteria, dan melakukan perhitungan.
314 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
Gambar 3 Class Diagram Sistem
Pada Gambar 3 digambarkan class diagram yang digunakan dari sistem pendukung keputusan seleksi siswa. Terdapat empat class, yaitu kriteria, data calon siswa, nilai matriks, dan nilai preferensi.
3.2 Seleksi Siswa Baru Dengan Metode Topsis
Penelitian ini akan menggunakan beberapa kriteria seleksi sebagai syarat untuk calon siswa baru yang akan diterima oleh SMAN 2 Sendawar. Kriteria ditunjukkan pada Tabel 1.
Tabel 1. Kriteria Seleksi
Kriteria Nama Bobot Sifat
C1 Hasil Test 5 Benefit
C2 Nilai Raport 4 Benefit
C3 Jarak (km) 3 Cost
C4 Kelengkapan Berkas 2 Benefit
Data indikator pada Tabel 1 didapatkan dari hasil wawancara dengan pihak sekolah yang disesuaikan dengan kebutuhan sekolah. Kriteria pertama yaitu hasil test siswa yang diberikan oleh SMAN 2 Sendawar, Kriteria kedua yaitu dari nilai raport terakhir yang diberikan oleh sekolah asal siswa, Kriteria ketiga yaitu jarak tinggal siswa dengan sekolah, dan Kriteria keempat yaitu kelengkapan berkas seperti Ijazah, Kartu Keluarga, dan Akte Kelahiran.
keterangan dari bobot nilai kriteria, adalah : nilai 1 tidak penting, nilai 2 kurang penting, nilai 3 lumayan penting, nilai 4 penting, dan nilai sangat penting.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 315
Tabel 2. Data Seleksi Siswa Nama Siswa
Kriteria Hasil
Test
Nilai Raport
Jarak
(km) Kelengkapan Berkas
Siswa 1 75 82 11 km Lengkap (10)
Siswa 2 80 80 7,7 km Lengkap (10)
Siswa 3 82 79 6 km Tidak lengkap (0)
Siswa 4 78 83 3,8 km Lengkap (10)
Siswa 5 70 75 3,8 km Tidak Lengkap (0)
Tabel 2 berisi data siswa yang sesuai dengan kriteria untuk dilakukan seleksi, untuk sampel penelitian sebagai hasil seleksi siswa diambil 5 siswa sebagai contoh kasus.
Selanjutnya, menentukan matriks keputusan yang ternormalisasi untuk setiap kriteria yang ada. Untuk perhitungannya dijelaskan sebagai berikut:
Tabel 3. Hasil Matriks Keputusan yang Ternormalisasi Nama
Siswa
Kriteria
C1 C2 C3 C4
Siswa 1 0,434952567 0,459263052 0,702520532 0,577350269 Siswa 2 0,463949404 0,448061514 0,491764373 0,577350269 Siswa 3 0,47554814 0,442460745 0,383193018 0 Siswa 4 0,452350669 0,464863821 0,242688911 0,577350269 Siswa 5 0,405955729 0,420057669 0,242688911 0
Tabel 3 berisi mengenai hasil perhitungan normalisasi dari matrik keputusan. Setelah data dinormalisasi, maka hasil dari normalisasi akan dikalikan dengan bobot kriteria yang telah ditentukan.
Tabel 4. Hasil Matriks Keputusan Ternormalisasi Terbobot
Nama Siswa Kriteria
C1 C2 C3 C4
Siswa 1 2,174762833 1,837052208 2,107561596 1,154700538 Siswa 2 2,319747022 1,792246056 1,475293118 1,154700538 Siswa 3 2,377740698 1,769842981 1,149579053 0 Siswa 4 2,261753347 1,859455284 0,728066733 1,154700538 Siswa 5 2,029778644 1,680230678 0,728066733 0
Tabel 4 berisi mengenai hasil perhitungan normalisasi terbobot dari matrik keputusan.
Kemudian menghitung matriks ideal positif dan matriks ideal negatif.
Tabel 5. Hasil Seleksi Ideal Positif
ܻ1ା 2,377740698
ܻ2ା 1,859455284
ܻ3ା 0,728066733
ܻ4ା 1,154700538
316 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
Tabel 5 Berisi hasil dari seleksi ideal positif dari nilai setiap kriteria ternormalisasi terbobot.Tabel 6. Hasil Seleksi Ideal Negatif
ܻ1ି 2,029778644
ܻ2ି 1,680230678
ܻ3ି 2,107561596
ܻ4ି 0
Tabel 6 berisi hasil seleksi ideal negatif dari nilai setiap kriteria ternormalisasi terbobot.
Selanjutnya menghitung jarak antara dari setiap nilai alternatif dengan matriks solusi ideal positif dan solusi ideal negatif.
Tabel 7. Hasil Jarak Alternatif Matriks Solusi Ideal Positif
ܦ1ା 1,394527873
ܦ2ା 0,752480974
ܦ3ା 1,23249192
ܦ4ା 0,115987351
ܦ5ା 1,219234343
Tabel 7 berisi hasil jarak alternatif dari matriks solusi ideal positif yang dihitung menggunakan hasil pengurangan ideal positif dengan ternormalisasi terbobot yang dipangkat 2, lalu dijumlahkan dengan hasil tiap siswa yang kemudian diakarkan.
Tabel 8. Hasil Jarak Alternatif Matriks Solusi Ideal Negatif
ܦ1ି 1,17428563
ܦ2ି 1,3526736
ܦ3ି 1,023151264
ܦ4ି 1,822710381
ܦ5ି 1,379494863
Tabel 8 berisi hasil jarak alternatif dari matriks solusi ideal negatif yang dihitung menggunakan hasil pengurangan ternormalisasi terbobot dengan ideal negatif yang dipangkat 2, lalu dijumlahkan dengan hasil tiap siswa yang kemudian diakarkan.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 317
Tabel 9. Hasil Akhir Perangkingan Calon Siswa
Nama Nilai Rangking
Siswa 4 0,940172545 1
Siswa 2 0,642553101 2
Siswa 5 0,530834402 3
Siswa 1 0,457131523 4
Siswa 3 0,453596239 5
Berdasarkan hasil akhir perangkingan calon siswa pada Tabel 9 yang diperoleh dari perhitungan, menunjukkan bahwa Siswa 4 memiliki nilai preferensi tertinggi yaitu 0,940172545, Siswa 2 memiliki nilai preferensi 0,642553101, Siswa 5 memiliki nilai preferensi 0,530834402, Siswa 1 memiliki nilai preferensi 0,457131523, sedangkan Siswa 3 memiliki nilai preferensi terendah yaitu 0,453596239.
3.3 Implementasi Hasil
Gambar 4. Tabel Kriteria
Pada Gambar 4 merupakan tampilan data kriteria yang didapat melalui wawancara dan pengambilan data di SMA Negeri 02 Sendawar. Disini kita bisa menambahkan.
318 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
Gambar 5. Tabel Data Calon Siswa
Pada Gambar 5 merupakan tampilan data calon siswa SMA Negeri 02 Sendawar. Disini kita bisa menambahkan, mengubah, dan menghapus data siswa.
.
Gambar 6. Tambah Nilai Matriks
Pada Gambar 6 merupakan tampilan dari melakukan input data dari setiap kriteria calon siswa, yaitu hasil test, nilai raport, jarak, dan kelengkapan berkas.
Gambar 7. Tabel Nilai Matriks
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 319
Pada Gambar 7 merupakan tampilan data mentah dari input nilai kriteria calon siswa SMA Negeri 02 Sendawar.Gambar 8. Tabel Nilai Matriks Ternormalisasi
Pada Gambar 8 merupakan tampilan data mentah dari input nilai kriteria calon siswa SMA Negeri 02 Sendawar yang sudah dinormalisasikan.
Gambar 9. Tabel Nilai Bobot Ternormalisasi
Pada Gambar 9 merupakan tampilan data matriks normalisasi yang sudah dikalikan dengan bobot kriteria.
320 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
Gambar 10. Tabel Matriks Ideal Positif dan Negatif
Pada Gambar 10 merupakan tampilan tabel untuk meentukan ideal positif dan negatif.
Gambar 11. Tabel Jarak Solusi Ideal Positif dan Negatif
Pada Gambar 11 merupakan tampilan tabel jarak solusi ideal positif dan negatif, yaitu untuk menentukan jarak nilai dari solusi ideal positif dan negatif.
Gambar 12. Tabel Nilai Preferensi
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 309-322 E- ISSN 2503-2933 321
Pada Gambar 12 merupakan tampilan nilai preferensi yang sudah dirankingkan dari nilai tertinggi ke terendah.4. KESIMPULAN
Berdasarkan hasil dari penelitian dan pembahasan, maka nilai preferensi tertinggi yang diperoleh calon siswa yang lulus seleksi akan lebih diutamakan untuk diterima oleh sekolah sesuai dengan kriteria yang ditentukan. Penelitian ini juga menghasilkan Sistem Pendukung Keputusan untuk Seleksi Siswa Baru pada SMA Negeri 02 Sendawar, agar bisa melakukan seleksi yang lebih cepat dan effisien.
5. SARAN
Saran pengembangan ke depannya adalah bisa menerapkan atau menggabungkan dengan metode SPK yang lain seperti Profile Matching, Fuzzy AHP atau Metode SAW, Menambah kriteria – kriteria baru yang sekiranya dapat membantu dan menyempurnakan pengembangan sistem seleksi siswa, dan diharapakan metode ini dapat diterapkan untuk memecahkan masalah yang lain.
DAFTAR PUSTAKA
[1] M. Fadhli, “Manajemen Peningkatan Mutu Pendidikan,” Tadbir J. Stud. Manaj.
Pendidik., Vol. 1, No. 2, p. 215, 2017, doi: 10.29240/jsmp.v1i2.295.
[2] A. Abdillah, “Sistem Pendukung Keputusan Penerimaan Siswa Baru Dengan Metode Simple Additive Weigthing (SAW) di SMAN 1 Cikakak Kab . Sukabumi,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 124–131, 2021.
[3] A. Puput Giovani, T. Haryanti, and L. Kurniawati, “Sistem Pendukung Keputusan Penerimaan Siswa Baru Dengan Metode Simple Additive Weighting (SAW) pada SMP Islam Al-Azhar 6 Jakapermai Bekasi,” SATIN - Sains dan Teknol. Inf., Vol. 6, No. 1, pp.
70–79, 2020, doi: 10.33372/stn.v6i1.611.
[4] F. Riandari, P. Hasugian Marto, and I. Taufik, “Sistem Pendukung Keputusan Menggunakan Metode TOPSIS Dalam Memilih Kepala Departemen pada Kantor Balai Wilayah Suangai Sumatera II Medan,” J. Inform. Pelita Nusant., Vol. 2, No. 1, pp. 6–13, 2017.
[5] S. Kas, “Sistem Pendukung Keputusan (SPK) Seleksi Penerimaan Siswa Baru Decision Support System (DSS) Selection of New Students,” pp. 118–129, 2012.
[6] J. Y. Augusto, B. Mulyawan, and T. Sutrisno, “Perbandingan Metode Topsis dan Simple Additive Weighting Untuk Rekomendasi Penentu Penerima Beasiswa SMA Dy,” J. Ilm.
Bin. STMIK Bina Nusant. Jaya Lubuklinggau, Vol. 3, pp. 73–76, 2019.
322 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 309-322 E-ISSN 2503-2933
[7] B. Harpad and S. Salmon, “Penerapan Metode AHP Ddn Metode Topsis Dalam SistemPendukung Keputusan Pemilihan Asisten Laboratorium Komputer pada SMIK Widya Cipta Dharma Samarinda,” Sebatik, Vol. 19, No. 1, pp. 28–34, 2018, doi:
10.46984/sebatik.v19i1.92.
[8] S. Sudaryono and R. Rochmawati, “Sistem Pendukung Keputusan Pemilihan Pegawai Penerima Reward Menggunakan Pendekatan Topsis,” J. Sist. Inf. dan Inform., Vol. 3, No. 2, pp. 27–44, 2020, doi: 10.47080/simika.v3i2.978.
[9] D. W. Wibowo, M. Mentari, A. D. Chandra, A. A. Kuddah, and R. wahyu Putra, “Sistem Pendukung Keputusan Berbasis Web Rekomendasi Pekerjaan Bagi Lulusan JTI Polinema Dengan Metode SAW,” JASIEK (Jurnal Apl. Sains, Informasi, Elektron. dan Komputer), Vol. 2, No. 1, pp. 68–79, 2020.
[10] M. Yanuwaria, M. Siri, and T. Informatika, “Menggunakan Metode Topsis,” Vol. 1, No.
1, pp. 194–202, 2017.
