Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP) (Studi Kasus : SMA Brawijaya Smart School)

Fakultas Ilmu Komputer

Universitas Brawijaya

2095

Sistem Pendukung Keputusan Penentuan Guru Berprestasi

Menggunakan Fuzzy-Analytic Hierarchy Process (F-AHP)

(Studi Kasus : SMA Brawijaya Smart School)

Dewan Rizky Bahari1_{, Edy Santoso}2_{, Sigit Adinugroho}3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{dewanbahari@gmail.com ,} 2_{edy144@ub.ac.id ,} 3_{sigitadinu@ub.ac.id}

Abstrak

Demi mendapatkan hasil kemampuan siswa di SMA Brawijaya Smart School Malang yang berkompentensi dan dapat berprestasi dalam hal akademik, maupun non akademik dibutuhkan tenaga pendidik / guru yang berkompenten. Dalam instansi pendidikan, proses penentuan guru berprestasi relatif sering dilakukan, sekolah memerlukan standar tertentu dalam menetapkan persyaratan bagi seorang guru untuk mendapatkan tunjangan atau menempati jabatan tertentu. Selain itu penilaian ini bertujuan untuk mengevaluasi dan meningkatkan kemampuan kompetensi seorang guru. Pada penelitian ini dibuatlah sebuah sistem pendukung keputusan untuk penilaian kinerja guru menggunakan metode

Fuzzy- Analytic Hierarchy Process (F-AHP) studi kasus SMA Brawijaya Smart School dengan

menggunakan enam kriteria yaitu kompetensi pedagogik, kompetensi profesional, kompetensi pengembangan inovasi, kompetensi pemanfaatan teknologi, kompetensi sosial, dan kompetensi kepribadian. Pada penelitian ini mendapatkan hasil tingkat akurasi sistem hingga 82,501% dengan jumlah kriteria adalah 6 kriteria. Dari hasil perhitungan tersebut maka penerapan metode Fuzzy- Analytic

Hierarchy Process (F-AHP) diharapkan dapat membantu menentukan guru berprestasi di SMA

Brawijaya Smart School Malang.

Kata kunci: SMA, Sistem Pendukung Keputusan, Prestasi Fuzzy- Analytic Hierarchy Process (F-AHP).

Abstract

Brawijaya Smart School (BSS) Senior High School Malang in producing competent and achieving students in both academic and non-academic fields requires educators / teachers with good competence in the field of education. In educational institutions, the process of determining outstanding teachers has been done relatively, school requires a certain standard in setting requirements for a teacher to get an allowance or to occupy a particular position. In addition, this assessment aims to evaluate and improve teacher’s competence. In this research, a decision support system for assessment of teacher’s performance using Fuzzy-Analytic Hierarchy Process (F-AHP) case study of SMA Brawijaya Smart School using six criteria there are pedagogic competence, professional competence, innovation development competence, technology utilization competence, social competence , and personality competence. The result from testing shown accuracy of system up to 82.501% with six criteria. Results of calculation, the application of Fuzzy-Analytic Hierarchy Process (F-AHP) method is expected to help the process for determining of teacher achievement in Brawijaya Smart School Malang Senior High School.

Keywords: Senior High School, Decision support system, Achivment, Fuzzy- Analytic Hierarchy Process (F-AHP)

1. PENDAHULUAN

SMA BRAWIJAYA SMART SCHOOL (BSS) merupakan salah satu sekolah swasta yang terletak di Kota Malang serta mulai beroperasi pada tahun 2008. Walaupun sekolah ini terbilang baru, kemampuan para siswanya

yang terbilang cukup baik dalam bidang akademik maupun non-akademik. Hal ini tidak dapat tercapai tanpa adanya tenaga pendidik / guru yang memiliki kompetensi tinggi. Guna mendukung hal ini maka dibuat sistem pendukung keputusan (SPK) penentuan guru berprestasi SMA Brawijaya Smart School

(BSS). Berdasarkan hasil wawancara dengan pihak humas dari SMA Brawijaya Smart School (BSS) sebenarnya telah ada sistem guna menentukan indeks prestasi guru yang telah digunakan oleh SMA Brawijaya Smart School (BSS), namun pada sistem yang telah ada sistem yang digunakan merupakan sistem yang digunakan oleh sekolah-sekolah yang berstatus negeri. Pada perhitungan dengan sistem itu menggunakan kriteria yang ditentukan oleh pemerintah secara paten, sedangkan seharusnya apabila sekolah tersebut berstatus swasta maka memiliki kebijakan tersendiri terhadap kriteria yang objektif dan setara dengan kriteria yang ditetapkan pemerintah, namun ditetapkan oleh lembaga tersebut. Dengan demikian diharapkan terdapat sistem guna penentuan guru berprestasi sesuai dengan kriteria yang ditentukan.

Dalam sebuah sistem pendukung keputusan penentuan guru berprestasi dibutuhkan suatu metode yang dapat mempertimbangkan seluruh kriteria sehingga mendapatkan hasil yang baik. Beberapa metode digunakan untuk mendukung pengambilan keputusan, antara, Simple Additive

Weighting (SAW), TOPSIS, Weighted Product

(WP), Profile Matching, dan Fuzzy- Analitic

Hierarcy Process (F-AHP).

Pada penelitian sebelumnya terdapat beberapa penelitian yang menggunakan metode F-AHP, seperti yang dilakukan oleh oleh Sarosa pada tahun 2016 tentang Dynamic Multicriteria F-AHP pada sistem pendukung keputusan penentuan peringkat ide kreatif (Studi Kasus : Event Pekan Ide Kreatif PT PJB UP Paiton). Pada penelitian tersebut terdapat 3 kriteria yaitu keunikan, manfaat, dan implementatif, yang pada proses pengujiannya menghasilkan tingkat kecocokan hingga 76%. Kemudian pada penelitian yang lain yang dikerjakan oleh Muhammad Haekal pada tahun 2016 mengenai sistem diagnosis penyakit tanaman kedelai menggunakan FUZZY-AHP. Dimana pada penelitian ini terdapat 3 kriteria penting yaitu daun, batang dan biji. Dimana dalam pengujiannya terdapat rata-rata akurasi hingga 80% kemiripan dengan diagnosis yang dilakukan oleh para pakar.

Telah dibuktikan dari beberapa penelitian sebelumnya dengan kesimpulan bahwa metode F-AHP dapat diterapkan dan efektif untuk suatu permasalahan dengan multi kriteria. Oleh karena itu, penulis ingin menerapkan metode F-AHP dalam suatu pengambilan keputusan untuk menentukan guru berprestasi dengan harapan dapat mempermudah proses penilaian dan lebih

efektif serta tingkat kecocokkannya menjadi lebih tinggi. Penulis menjadikan penelitian ini dengan judul “Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan

Fuzzy- Analytic Hierarchy Process (F-AHP)

(Studi Kasus : Sma Brawijaya Smart School”).

2. KAJIAN PUSTAKA

2.1. Sistem Pendukung Keputusan

Menurut Subakti (2012) sistem pendukung keputusan adalah sebuah sistem yang ditujukan untuk manajemen pengambilan keputusan. Pada sistem pendukung keputusan terdapat kemampuan untuk menyelesaikan masalah - masalah yang tidak terstruktur. Pada dasarnya sistem pendukung keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif ini dimaksudkan untuk memudahkan keputusan seperti prosedur, kebijakan, teknik analisis serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan yang bersifat fleksibel.

2.2. Guru Berprestasi

Guru berprestasi adalah guru yang memenuhi beberapa kriteria yang sesuai dengan standar yang ditetapkan oleh instansi tersebut. Dimana guru berprestasi harus memenuhi beberapa kriteria diantaranya:

• Pedagogik: Tercermin dari tingkat pemahaman terhadap peserta didik, perancangan dan pelaksanaan pembelajaran, evaluasi hasil belajar dan pengembangan peserta didik untuk mengaktualisasikan berbagai potensi yang dimilikinya.

• Kepribadian: Tercermin dari kemampuan personal, berupa kepribadian yang mantap, stabil, dewasa, arif dan berwibawa, menjadi teladan bagi peserta didik, masyarakat dan berakhlak mulia.

• Sosial: Tercermin dari kemampuan guru untuk berkomunikasi dan bergaul secara efektif dengan peserta didik, sesama

pendidik, tenaga kependidikan,

orangtua/wali peserta didik dan masyarakat sekitar.

• Profesional: Tercermin dari tingkat penguasaan materi pembelajaran secara luas dan mendalam, yang mencakup penguasaan materi kurikulum mata pelajaran di sekolah

dan substansi keilmuan yang menaungi materinya serta penguasaan terhadap struktur dan metodologi keilmuannya. • Pengembangan inovasi: Tercermin dari

kemampuan dalam

pembaharuan/pengembangan inovasi

keilmuan guru yang diterapkan dalam kegiatan belajar mengajar.

• Pemanfaatan teknologi: Tercermin dari

kemampuan penggunaan/penerapan

teknologi dalam kegiatan belajar mengajar.

2.3. Metode Fuzzy-Analytic Hierarchy Proces (F-AHP)

2.3.1 Analytic Hierarchy Proces (AHP)

Metode AHP merupakan salah satu metode pengambilan keputusan yang kemukakan oleh Thomas L. Saaty. Cara kerja dari metode ini hampir mirip dengan cara kerja otak , yaitu dengan cara menguraikan masalah kompleks menjadi masalah lebih yang lebih terstruktur dan sistematis. Penguraian permasalahan ini dilakukan dengan menggunakan prinsip hirarki. Menurut Saaty, hirarki tersebut disusun menjadi struktur yang terdiri dari beberapa tingkatan/level. Urutan tingkatan/level tersebut adalah tujuan, kriteria, sub kriteria dan seterusnya hingga sampai tingkat alternatif. Berikut adalah penjelasan mengenai skala penilaian perbandingan berpasangan seperti pada Tabel 1.

Tabel 1. Tabel Skala Perbandingan Berpasangan

AHP

Skala Perbandingan Berpasangan

Pasangan Definisi

1 1 kedua elemen sama

pentingnya.

3 1/3

elemen yang satu sedikit lebih penting daripada elemen yang lainnya.

5 1/5

elemen yang satu lebih penting daripada elemen lainnya.

7 1/7

satu elemen jelas lebih mutlak penting daripada elemen lainnya

9 1/9

satu elemen mutlak penting daripada elemen lainnya 2, 4, 6, 8 1/2, 1/4,

1/6, 1/8

nilai di antara dua nilai pertimbangan

yang berdekatan

Kebalikan

jika elemen i memiliki salah satu angka di atas ketika dibandingkan elemen j, maka j memiliki nilai kebalikannya ketika dibandingkan elemen i.

Tahapan pada proses AHP adalah sebagai berikut:

1. Menyusun hirarki tersturktur.

2. Membuat matriks perbandingan keputusan seperti pada Tabel 1

3. Normalisasi matriks perbandingan keputusan.

Anggap matriks perbandingan

berpasangan sebagai berikut dimana 𝑖 dan 𝑗 menyatakan jumlah kriteria. Jumlah serta urutan 𝑖 selalu sama dengan 𝑗, begitu pula sebaliknya. Jika 𝑖 = 𝑗, nilai di indeks tersebut otomatis 1 karena merupakan hasil perbandingan dari kriteria yang sama.

𝐴̅ = {𝑎̅𝑖𝑗} = ( 𝑎̅11 𝑎̅12 𝑎̅21 𝑎̅22 ⋯ 𝑎̅1𝑛 ⋯ 𝑎̅2𝑛 ⋮ ⋮ 𝑎̅𝑛1 𝑎̅𝑛2 ⋱ ⋮ … 𝑎̅𝑛𝑚 ) (1)

Hasil normalisasi didapat dengan rumus sebagai berikut :

𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑠𝑎𝑠𝑖 𝑎̅𝑖𝑗= 𝑎̅_𝑖𝑗

∑𝑖=𝑛_𝑖=0𝑎̅_𝑖𝑗 (2) 4. Hitung nilai prioritas

Bobot kriteria didapat dengan menghitung rata-rata baris hasil normalisasi.

Kemudian mengalikan matriks

perbandingan keputusan yang dibuat di langkah 2 dengan bobot kriteria. Setelah itu membagi hasil yang didapat di langkah sebelumnya, dengan bobot kriteria.

5. Cari Lamda Maksimal

Untuk mencari lamda maksimal didapatkan dengan cara merata rata hasil perhitungan nilai prioritas.

6. Menentukan konsistensi CR

Menentukan konsistensi adalah langkah terakhir dari algoritma AHP. Untuk menentukan konsistensi, ada 2 variabel yang harus dihitung secara berurutan, yaitu CI dan CR. Rumus untuk mencari 2 variabel tersebut adalah :

a. 𝐶𝐼

𝐶𝐼 = 𝜆𝑚𝑎𝑘𝑠− 𝑛

Dimana 𝑛 = Jumlah Kriteria b. 𝐶𝑅

𝐶𝑅 = 𝐶𝐼

𝑅𝐼 (4)

Nilai 𝑅𝐼 merupakan nilai tetap yang ditentukan berdasarkan jumlah kriteria. Karena terdapat 6 kriteria, dijelaskan pada Tabel 2

Tabel 2 Tabel RI 1 2 3 4 5 6 7 8 9 10 0 0 0. 58 0. 9 1. 21 1. 24 1. 32 1. 41 1. 45 1. 49 c. Konsistensi

Jika 𝐶𝑅 < 0.1, maka matriks perbandingan dinyatakan konsisten.

2.3.2 Fuzzy Analytic Hierarchy Proces (F-AHP)

Metode FAHP menggunakan rasio FUZZY yang disebut Triangular FUZZY Number (TFN) dan digunakan dalam proses fuzzifikasi. TFN terdiri dari tiga fungsi keanggotaan, yaitu nilai terendah (l), nilai tengah (m), dan nilai tertinggi (u). Langkah-langkah metode FAHP adalah sebagai berikut (Chang, 1996, seperti dikutip dalam Jasril, 2011) : Membuat struktur hirarki masalah yang akan diselesaikan.

1. Menentukan perbandingan matriks

berpasangan antar kriteria dengan skala TFN 2. Menentukan nilai Sinstesis FUZZY (𝑆𝑖)

Rumus untuk menghitung 𝑆𝑖 adalah sebagai berikut : 𝑆𝑖 = ∑𝑚_𝑗=1𝑀_𝑖𝑗x 1 ∑n_i=1∑m_j=1𝑀_𝑖𝑗 (5) Dimana : ∑𝑚𝑗=1𝑀_𝑖𝑗 = ∑𝑚𝑗=1𝑙𝑗, ∑𝑚𝑗=1𝑚𝑗, ∑𝑚𝑗=1𝑢𝑗 (6) Keterangan: M = objek (kriteria/subkriteria) j = indeks ke-j i = indeks ke-i g = jumlah kriteria h = jumlah kriteria l = lower bound m = middle u = upper bound

3. Menentukan Nilai Vektor (𝑉)

Rumus untuk menentukan 𝑉 ada pada persamaan dibawah. 𝑉 (𝑀2≥ 𝑀1) = { 1, jika𝑚2 ≥ 𝑚1 0, jika𝑙1≥ 𝑢2 𝑙1− 𝑢2 (𝑚2−𝑢2)−(𝑚1−𝑙1), lainnya (7)

4. Nilai Ordinat Defuzzifikasi (𝑑′)

Nilai 𝑑′ didapatkan dengan cara mencari nilai minimal untuk setiap kolom.

5. Normalisasi Bobot Vektor FUZZY

Normalisasi bobot vektor FUZZY dilakukan dengan cara sebagai berikut :

𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑠𝑎𝑠𝑖 = 𝑑′1𝑗

∑𝑚_𝑗=1𝑑′_1𝑗 (8)

Hasil yang didapatkan pada proses ini adalah bobot akhir yang nantinya akan digunakan untuk menentukan peringkat alternatif.

2.4. Pengujian

a. Pengujian fungsional.

Pengujian fungsional dilakukan untuk memastikan bahwa semua kebutuhan-kebutuhan telah terpenuhi pada sistem aplikasi. Dengan demikian fungsi-fungsinya pada aplikasi dapat dijalankan oleh sistem. Pengujian fungsional lebih menitik beratkan pada hasil dari proses yang dilakukan (Subakti 2012).

b. Pengujian akurasi

Pengujian akurasi adalah suatu ukuran kedekatan hasil pengukuran terhadap angka sebenarnya (true value / reference value). Pada penelitian ini pengujian akurasi dilakukan untuk mengetahui kemampuan sistem dalam membuat keputusan. Seperti dikutip Haekal Akurasi dilakukan dengan menghitung jumlah diagnosis yang tepat dibagi dengan jumlah data. Tingkat akurasi ini dapat diperoleh dengan perhitungan pada persamaan 2.9 (Haekal 2016).

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = ∑ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑏𝑒𝑛𝑎𝑟

∑ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑥 100% (9)

3. METODOLOGI PENELITIAN

Metodologi penelitian menjelaskan langkah-langkah yang akan ditempuh dalam penyusunan skripsi, yaitu perancangan, implementasi dan pengujian dari aplikasi perangkat lunak yang akan dibuat. Secara umum, langkah-langkah penelitian yang dilakukan untuk membuat sistem pendukung keputusan.

Gambar 1. Diagram Alir Metodologi Penelitian

3.1. Pengambilan Data

Data yang digunakan dalam penelitian diperoleh dari SMA Brawijaya Smart School Malang.Pengolahan data untuk menentukan guru berprestasi menggunakan metode F-AHP berdasarkan 6 parameter penilaian, yaitu Pedagogik, Kepribadian, Sosial, Profesional, Pengembangan inovasi, Pemanfaatan teknologi. Pengembangan sistem ini diharapkan memberikan output untuk guru berprestasi.

4. PERANCANGAN

Perancangan terdiri atas beberapa tahap, antara lain perancangan proses dari metode F-AHP, perancangan antar muka dan perancangan pengujian.

4.1. Perancangan F-AHP

Proses penentuan guru berprestasi menggunakan metode F-AHP terdiri dari beberapa proses seperti dijelaskan pada gambar 2.

Gambar 2. Diagram Alir F-AHP

4.2. Perancangan Antarmuka

Perancangan antarmuka digunakan untuk memudahkan proses implementasi sistem pendukung keputusan seperti yang ditunjukkan dalam gambar 3.

Gambar 3. Perancangan Dashboard

Mulai Studi Literatur Pengambilan Data Perancangan Perangkat Lunak Uji sistem: Error ? Implementasi Perangkat Lunak Selesai Ya Tidak Pengambilan Kesimpulan dan Saran

Berikutnya adalah perancangan antarmuka untuk perhitungan hasil akhir seperti pada gambar 4.

Gambar 4. Perhitungan akhir

4.3. Perancangan Pengujian

Perancangan pengujian bertujuan untuk membandingkan hasil dari data asli dengan

output dari sistem.

Tabel 3. Tabel Pengujian Akurasi

Peringkat Data Sekolah

Hasil F-AHP Nilai F-AHP Tingkat Kecocokan 1 ATIK MUDIATUS SAMAWAT, S.Pd ATIK MUDIATUS SAMAWAT, S.Pd 8.48273 7753 Cocok 5. IMPLEMENTASI 5.1. Implementasi Algoritma

Sistem Pendukung Keputusan Penentuan Guru Berprestasi Menggunakan Fuzzy- Analytic Hierarchy Process (F-Ahp) bahasa yang digunakan adalah pemrograman web antara lain HTML, CSS, PHP serta dengan menggunakan penyimpanan basis data MySQL

5.2. Implementasi Antarmuka

Implementasi antarmuka akan menjelaskan mengenai tiap-tiap halaman dari sistem pendukung keputusan penentuan guru berprestasi menggunakan (F-AHP) pada studi kasus SMA Brawijaya Smart School di bab perancangan.

Gambar 5. Dashboard

Halaman Dashboard awal ketika user melakukan login.

Gambar 6. Perhitungan akhir

6. PENGUJIAN

Proses pengujian merupakan pengujian akurasi, dimana dalam hal ini akan dicari tingkat kesesuaian data yang didapatkan oleh pakar dengan data yang dihitung dengan menggunakan metode F-AHP. Kemudian pada sistem

pendukung keputusan penentuan guru

berprestasi menggunakan (F-AHP) pada studi kasus SMA Brawijaya Smart School dengan enam kriteria dengan masing-masing bobot pedagogik = 0,224413103 professional = 0,184959076, pengembangan inovasi = 0,149103024, pemanfaatan teknologi = 0,149103024, sosial = 0,14374612, dan kepribadian = 0.148675653 mendapatkan hasil 32 data sesuai. Tingkat akurasi =∑ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑏𝑒𝑛𝑎𝑟 ∑ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑥 100% =32 39 𝑥 100% = 82,501% 7. KESIMPULAN

Berdasarkan pada hasil perancangan, implementasi dan pengujian maka dapat disimpulkan:

a) Sistem pendukung keputusan ini menggunakan enam kriteria yaitu kompetensi pedagogik, kompetensi profesional, kompetensi pengembangan inovasi, kompetensi pemanfaatan teknologi, kompetensi sosial, dan kompetensi kepribadian, dimana pada hasil perhitungannya nanti akan digunakan untuk menentukan peringkat untuk penentuan guru berprestasi di SMA BSS Malang.

b) Tingkat akurasi yang didapatkan dari sistem adalah 82,501%, dimana hal ini menunjukan terdapat perbedaan antara hasil perhitungan sistem dengan data yang diterima dari pakar.

Saran untuk pengembangan lebih lanjut dari penelitian ini :

a)

Menambah kriteria lain sebagai pertimbangan guna mendapat tingkat akurasi yang lebih baik.

b) Menerapkan metode lain untuk dapat

meningkatkan nilai bobot dan akurasi yang lebih baik.

DAFTAR PUSTAKA

Faisol, Ahmad. 2014. Komparasi FUZZY AHP dengan AHP pada Sistem Pendukung Keputusan Investasi Properti. Jurnal EECCIS, Vol. 8, no. 2.

Henry, Wibowo, Riska. (2009). Sistem

Pendukung Keputusan Untuk

Menentukan Penerima Beasiswa Bank Bri Menggunakan Fmadm (Studi Kasus: Mahasiswa Fakultas Teknologi Industri Universitas Islam Indonesia). Jurnal Nasional Aplikasi Teknologi Informasi, Yogyakarta

Jani, Rahardjo. (2002) Aplikasi FUZZY

ANALYTICAL HIERARCHY

PROCESS Dalam Seleksi

Karyawan.jurnal Jurusan Teknik Industri, Universitas Kristen Petra Jasril, Haerani, E., & Afrianty, I. (2011). Sistem

Pendukung Keputusan (SPK) Pemilihan

Karyawan Terbaik Menggunakan

Metode FUZZY AHP (F-AHP).

Seminar Nasional Aplikasi Teknologi Informasi , 36-43.

Kusrini, (2007), Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit Andi, Yogyakarta

Mahargiyak, Eka. 2014. Implementasi Metode

FUZZY ANALYTICAL HIERARCHY PROCESS (F-AHP) Untuk Pemilihan

Sumber Daya Manusia Dalam

Kepanitiaan Organisasi Mahasiswa. Malang: Fakultas Ilmu Komputer Universitas Brawijaya.

Muhammad, Haekal (2016) sistem diagnonosis penyakit tanaman kedelai menggunakan FUZZY-AHP. Jurnal Informatika Universitas Brawijaya

Saaty, T. L. (1987). The Analytic Hierarchy Process-What It Is And How It Is Used. Math Modelling, Vol. 9, No. 3-5 , 161-176

Sauter, Vicky L. (2010). “Decision Support Systems for Business Intellegence”. John Wiley & Sons, Inc. Canada. Sefian, Dwi, Anggoro (2014) “Sistem

Pendukung Keputusan Penentuan Guru Berprestasi Pada Smk Bina Nusantara

Ungaran Menggunakan Metode

Analytic Hierarchy Process (Ahp). Jurnal Sistem Informasi Universitas Dian Nuswantoro

Skolastika, Irya, B Yudhi. (2014) Perancangan Sistem Pendukung Keputusan Dengan

Metode FUZZY ANALYTIC

HIERARCHY PROCESS Dalam

Penyeleksian Pemberian Kredit. Jurnal nasional SENTIKA

Subakti, Irfan. (2012). Sistem Pendukung Keputusan (Decision Support System). Institut Teknologi Sepuluh November, Surabaya

Pourvakhshouri, S.Z., et al. 2006. Decision Support System in Oil Spill Management. International Archives of Photogrammetry, Remote Sensing, and Spatial Information Sciences Vol. XXXVI – Part 2.

Yuliastuti, Gusti Eka. 2016. Implementasi Metode ANALYTIV HIERARCHY PROCESS (AHP) untuk Menentukan Pemenang Tender Proyek (Studi Kasus : Dinas Perhubungan DLLAJ Provinsi Jawa Timur). Malang: Fakultas Ilmu Komputer Universitas Brawijaya.