Penentuan Posisi Pemain Sepak Bola Menggunakan Metode AHP dan TOPSIS

Fakultas Ilmu Komputer

Universitas Brawijaya

2471

Penentuan Posisi Pemain Sepak Bola Menggunakan Metode AHP dan

TOPSIS

Rezza Pratama1_{, Edy Santoso}2_{, Yuita Arum Sari}3

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

Abstrak

Posisi pemain sepak bola merupakan hal yang sangat penting bagi seorang pemain maupun tim. Kesalahan dan kurang optimalnya posisi pemain dapat menjadi faktor kekalahan dalam sebuah pertandingan. Oleh karena itu penentuan posisi pemain menjadi faktor yang sangat penting dalam permainan sepak bola. Tujuan dari penelitian ini adalah untuk membantu pelatih dalam menentukan posisi pemain sepak bola. Pada metode Analytic Hierarcy Process (AHP), pembobotan kriteria dihitung sesuai dengan tingkat kepentingan kriteria tersebut. Metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) merupakan metode yang menggunakan jarak sebagai acuan untuk melakukan perbandingan. Alternatif yang dipilih tidak berdasarkan kriteria, namun dibandingkan dengan solusi ideal positif dan negatif. Untuk mendapatkan manfaat dari masing-masing metode tersebut, makan penulis menerapkan gabungan dari metode AHP dan TOPSIS. Dalam penelitian ini, metode AHP digunakan untuk pembobotan. Sedangkan metode TOPSIS digunakan untuk pemeringkatan alternatif. Data yang dipakai untuk pengujian menggunakan 100 data pemain bola. Data tersebut diproses menggunakan perhitungan AHP dan TOPSIS. Hasil dari skenario akan dibandingkan dengan data uji untuk memperoleh nilai akurasi. Dari pembandingan tersebut, didapatkan nilai akurasi sebesar 58%. Hasil rekomendasi posisi yang sesuai dengan posisi asli pemain sebesar 58 data.

Kata kunci: posisi pemain, sepak bola, pendukung keputusan, AHP, TOPSIS

Abstract

The position of the football player is very important for a player or team. Mistakes and less than optimal position of players can be a factor of defeat in a match. Therefore the positioning of players becomes a very important factor in the game of football. The purpose of this research is to assist the coach in determining the football player's position. In the Analytic Hierarcy Process (AHP) method, weighting criteria is calculated according to the importance of the criteria. Methods Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) is a method that uses distance as a reference for making comparisons. The selected alternatives are not based on criteria, but are compared with positive and negative ideal solutions. To benefit from each of these methods, feeding the authors applies a combination of AHP and TOPSIS methods. In this study, the AHP method is used for weighting. While TOPSIS method is used for alternative ranking. The data used for testing using 100 data ball players. The data is processed using AHP and TOPSIS calculations. The results of the scenario will be compared with the test data to obtain the accuracy value. From the comparison, obtained an accuracy of 58%. The result of recommendation of position according to original position of player equal to 58 data.

Keywords: player position, football, decision support, AHP, TOPSIS

1. PENDAHULUAN

Menurut (Nosa & Faruk, n.d.), sepak bola adalah suatu cabang olahraga yang dimainkan oleh dua tim dan masing-masing tim memiliki sebelas orang pemain. Tim yang mencetak jumlah gol terbanyak akan menjadi pemenang,

sedangkan jika masing-masing tim memiliki skor yang seimbang, maka pemenang pertandingan akan ditentukan dengan cara melakukan babak tambahan atau adanya adu penalti.

Dalam tim sepak bola, masing-masing tim memiliki seorang penjaga gawang dan sepuluh pemain yang bergerak pada seluruh lapangan

yang memiliki posisi yang berbeda-beda. Kesepuluh pemain tersebut, secara garis besar dibagi menjadi beberapa posisi, yaitu posisi bek, gelandang, dan penyerang. Posisi pemain sepak bola dalam tim merupakan suatu hal yang penting untuk memperoleh kemenangan. Namun, tidak sedikit pemain bola yang dapat menempati beberapa posisi dalam tim. Kesalahan dan kurang optimalnya posisi pemain dapat menjadi faktor kekalahan dalam sebuah pertandingan. Contoh saja kasus yang diungkapkan oleh (Rahman, n.d.), perpindahan posisi Firman Utina. Awalnya berposisi sebagai penyerang. Namun setelah berposisi sebagai gelandang serang, kinerjanya meningkat. Bahkan pada pertandingan final Copa Indonesia tahun 2005 ia berhasil melakukan hattrick ke gawang lawan. Contoh kasus yang berikutnya adalah perpindahan yang dialamain oleh Septian David Maulana. Posisi awal di tim Mitra Kukar bermain sebagai gelandang serang. Namun ia bersama timnya menjadi juara saat ia bermain penuh pada posisi sayap sepanjang turnamen dan menjadi pemain kunci. (Trisna, 2016) juga mengungkapkan bahwa Gareth Bale, awalnya berposisi sebagai bek kiri. Kemampuan Bale meningkat dan semakin cemerlang setelah berpindah posisi sebagai gelandang serang. Javier Mascherano, awalnya berposisi sebagai gelandang bertahan. Posisi Mascherano dipindah menjadi bek tengah dan perpindahan itu membawa dampak positif bagi tim.

Dalam penentuan posisi pemain sepak bola ini, metode yang digunakan oleh penulis adalah gabungan metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) dan Analytical Hierarchy Process (AHP). Metode AHP digunakan untuk memberikan bobot pada masing-masing kriteria. Menurut (Kusumawardani & Agintiara, 2015), pembobotan kriteria dihitung sesuai dengan tingkat kepentingan kriteria tersebut. Kekurangan metode ini adalah ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subjektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang salah. Sedangkan metode TOPSIS digunakan untuk pemeringkatan alternatif pemilihan posisi pemain sepak bola. Metode TOPSIS merupakan metode yang menggunakan jarak sebagai acuan untuk melakukan perbandingan. Alternatif yang dipilih tidak berdasarkan kriteria, namun dibandingkan dengan solusi ideal positif dan

negatif. (Purnomo, et al., 2013) juga menjelaskan bahwa solusi ideal positif adalah jumlah dari seluruh nilai terbesar dari setiap atribut, sedangkan solusi ideal negatif adalah seluruh nilai terkecil dari setiap atribut. Alternatif tertinggi akan dipilih sebagai rekomendasi posisi pemain sepak bola. Kekurangan metode ini adalah tidak memiliki perhitungan pembobotan.

Metode AHP dan TOPSIS telah diterapkan pada beberapa kasus. Penentuan kelayakan bibit ayam broiler yang dilakukan oleh (Exshadi, et al., 2013) bertujuan untuk menentukan kelayakan dari setiap kandang ayam broiler. Pada penelitian ini metode AHP dan TOPSIS menghasilkan nilai akurasi sebesar 62,5%. Penerimaan pegawai mikro kredit sales (MKS) dilakukan oleh (Putri, 2015) yang bertujuan untuk memudahkan proses penerimaan pegawai MKS. Nilai akurasi yang didapatkan dari penelitian ini sebesar 83,33%. (Junior, et al., 2015) melakukan penelitian tentang pemilihan line up pemain futsal dalam sebuah tim yang bertujuan untuk menentukan line up pemain futsal yang terdiri dari 4 pemain dan 1 kiper. Dalam penelitian ini, didapat nilai akurasi sebesar 83,33%.

Mengacu pada permasalahan di atas, penulis ingin menerapkan metode TOPSIS dan AHP untuk menyelesaikan masalah penentuan posisi pemain sepak bola. Diharapkan dengan metode tersebut, pemain dapat bermain secara optimal pada posisi yang telah direkomendasikan.

2. DASAR TEORI

2.1 Metode Analytic Hierarchy Proces (AHP) Metode Analytic Hierarcy Process (AHP) adalah metode yang dinilai sebagai model pengambilan keputusan yang komprehensif. Hal itu disebabkan karena metode AHP adalah metode yang memperhitungkan hal-hal yang bersifat kualitatif dan kuantitatif (Saaty, 1987).Metode AHP dapat menguraikan masalah multifaktor maupun multikriteria menjadi suatu hirarki sehingga dapat mempresentasikan suatu permasalahan kedalam suatu struktur multilevel. Struktur multilevel metode AHP pada level pertama yaitu tujuan, setelah itu level faktor, selanjutnya diikuti level kriteria, level subkriteria, hingga mencapai level alternatif yang merupakan level yang terakhir (Gunawan, et al., 2014).

Fakultas Ilmu Komputer, Universitas Brawijaya 2.1.1 Prinsip Dasar Metode AHP

Beberapa prinsip dasar AHP sebagai berikut:

1. Membuat hirarki.

2. Penilaian kriteria alternatif.

3. Synthesis of priority (menentukan prioritas).

4. Logical consistency (konsistensi logis). 2.1.2 Prosedur Metode AHP

1. Pendefinisian masalah dan penentuan solusi.

2. Penentuan prioritas elemen. 3. Mensintesis.

4. Pengukuran Konsistensi (λ maks). 5. Menghitung Consistency Index (CI). 6. Menghitung Consistency Ratio (CR). 7. Memeriksa konsistensi hirarki.

2.2 Metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS) Metode TOPSIS adalah metode yang didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang solusi ideal negatif. Metode ini menggunakan jarak sebagai acuan untuk melakukan perbandingan. Metode ini juga mempertimbangkan jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif secara bersamaan. Dalam metode ini, solusi optimal dapat didapat dengan cara menentukan kedekatan relatif suatu alternatif terhadap solusi ideal positif. Nilai kedekatan relatif suatu alternatif akan dirangking. Dari alternatif-alternatif yang telah dirangking, solusi optimal akan diambil. Solusi optimal yang telah diambil akan dijadikan referensi untuk keputusan-keputusan yang akan diambil.

2.2.1 Prosedur Metode TOPSIS

1. Membangun sebuah matriks keputusan. 2. Membuat matriks keputusan yang

ternormalisasi dengan menggunakan persamaan:

𝑟𝑖𝑗 = 𝑥_𝑖𝑗

√∑𝑚_𝑖=1𝑥_𝑖𝑗2 (1)

Dimana i = 1, 2, 3, ….., m; dan j = 1, 2, 3, ….., n; dimana rij adalah elemen dari matriks keputusan yang ternomalisasi r dan xij adalah elemen dari matriks keputusan x.

3. Membuat matriks keputusan yang ternormalisasi terbobot dengan menggunakan persamaan:

𝑣𝑖𝑗 = 𝑤𝑗𝑟𝑖𝑗 (2)

Dengan 𝑖 = 1, 2, 3, ……, 𝑚; dan 𝑗 = 1, 2, 3, ….., 𝑛; dimana 𝑣_𝑖𝑗 adalah elemen matriks keputusan yang ternomalisasi terbobot 𝑣, 𝑤𝑗 adalah bobot dari kriteria ke- 𝑗, dan 𝑟𝑖𝑗

adalah elemen dari matriks keputusan yang ternomalisasi 𝑟.

4. Menentukan matriks solusi ideal positif dan solusi ideal negatif dengan persamaan:

𝐴+_{= {(max 𝑣} 𝑖𝑗| 𝑗 ∈ 𝐽), (min 𝑣𝑖𝑗| 𝑗 ∈ 𝐽′), 𝑖 = 1, 2, 3, … . , 𝑚} = {𝑣1+, 𝑣2+, 𝑣3+, … . , 𝑣𝑛+}

(3)

𝐴−_{= {(max 𝑣} 𝑖𝑗| 𝑗 ∈ 𝐽), (min 𝑣𝑖𝑗| 𝑗 ∈ 𝐽′), 𝑖 = 1, 2, 3, … . , 𝑚} = {𝑣1+, 𝑣2+, 𝑣3+, … . , 𝑣𝑛+}

(4)

J = {j = 1, 2, 3, ……, n dan 𝐽 merupakan himpunan kriteria keuntungan (benefit criteria)}.

𝐽′ _{= { 𝑗 = 1, 2, 3, ….., 𝑛 dan 𝐽}′ _merupakan

himpunan kriterian biaya (cost criteria)}. Dimana 𝑣𝑖𝑗 adalah elemen dari matriks

keputusan ternomalisasi terbobot v, 𝑣1+(𝑗 =

1, 2, 3, … . , 𝑛) adalah elemen matriks solusi ideal positif, dan 𝑣1−(𝑗 = 1, 2, 3, … . , 𝑛)

adalah elemen matriks solusi ideal negatif. 5. Menghitung solusi ideal positif dan solusi

ideal negatif menggunakan persamaan:

𝑠𝑖+= √∑𝑛𝑗=1(𝑣𝑖𝑗− 𝑣𝑗+), 𝑑𝑒𝑛𝑔𝑎𝑛 𝑖 =

1,2,3, … . . , 𝑚 (5)

𝑠𝑖−= √∑𝑛𝑗=1(𝑣𝑖𝑗− 𝑣𝑗+), 𝑑𝑒𝑛𝑔𝑎𝑛 𝑖 =

1,2,3, … . . , 𝑚 (6)

Dimana 𝑠_𝑖+ adalah jarak alternatif ke-i dari solusi ideal positif, 𝑠𝑖− adalah jarak

alternatif ke-𝑖 dari solusi ideal negatif, 𝑣𝑖𝑗

adalah elemen dari matriks keputusan yang ternomalisasi terbobot 𝑣, 𝑣_𝑗+ adalah elemen matriks solusi ideal positif, dan 𝑣𝑗− adalah

elemen matriks solusi ideal negatif.

6. Menghitung kedekatan relatif terhadap solusi ideal posistif dengan menggunakan persamaan: 𝑐𝑖+= 𝑠_𝑖− (𝑠_𝑖−+ 𝑠_𝑖+), 0 ≤ 𝑐𝑖 +_{≤ 1}

₍₇₎

Dengan 𝑖 = 1, 2, 3, … . , 𝑚, dimana 𝑐_𝑖+

adalah kedekatan relatif dari alternatif ke-𝑖 terhadap solusi ideal positif, 𝑠_𝑖+ adalah jarak alternatif ke-𝑖 dari solusi ideal positif, dan 𝑠𝑖+ adalah jarak alternatif ke-𝑖 dari solusi

ideal negatif.

7. Merangking alternatif.

3. METODOLOGI PENELITIAN

Tahapan penelitian ini yaitu studi kepustakaan, pengumpulan data, analisis kebutuhan, perancangan, implementasi, pengujian dan analisis, pengambilan keputusan. 3.1 Studi Kepustakaan

Studi kepustakaan dilakukan untuk mendapatkan dan mempelajari kepustakaan-kepustakaan yang berkaitan dengan penelitian ini. Sumber kepustakaan yang diperoleh dari buku, jurnal, e-book, wawancara, penelitian sebelumnya, internet, dan sumber pustaka lain yang terkait dengan penelitian. Adapun teori yang dipelajari, yaitu:

• Metode Analytical Hierarchy Process (AHP).

• Metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS). 3.2 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data sekunder berupa data pemain beserta posisi pemain tersebut. Dataset pemain diperoleh melalui website Pesmaster www.pesmaster.com yang merupakan aset properti dari KONAMI dimana data yang didapat akan dipakai dalam tahap pengujian.

4. PERANCANGAN SISTEM

Model perancangan menjelaskan mengenai cara kerja aplikasi terstruktur. Dalam hal ini, terdapat beberapa proses utama yaitu input, proses, dan output. Perancangan akan dapat dilihat pada Gambar 1.

Gambar 1 Perancangan

User akan menginput data pemain sepak bola. Data tersebut akan diproses sistem menggunakan perhitungan metode AHP dan TOPSIS. Setelah dilakukan perhitungan, output akan menampilkan rekomendasi posisi pemain sepak bola yang sudah diproses.

5. PENGUJIAN DAN ANALISIS

5.1 Pengujian

Pada bab pengujian ini menjelaskan tentang hasil pengujian dari implementasi metode AHP-TOPSIS untuk menentukan posisi pemain sepak bola dan pengujian akurasi. Data uji yang sudah ditentukan akan dimasukkan pada sistem. Hasil rekomendasi tersebut kemudian dibandingkan dengan posisi asli pemain.

Tabel 1 Hasil Pengujian

Berdasarkan tabel 1 diatas, posisi rekomendasi sistem yang sesuai dengan posisi asli pemain sebanyak 58. Sedangkan posisi

No Nama Posisi Posisi

Rekomendasi No Nama Posisi Posisi Rekomendasi 1 Z. Ibrahimović CF ST 51 C. Fàbregas CMF AM 2 S. Agüero CF ST 52 C. Marchisio CMF AM 3 L. Suárez CF ST 53 Ramires CMF RB/LB

4 R. van Persie CF ST 54 Xavi CMF AM

5 E. Cavani CF ST 55 Kharja CMF ST

6R. Lewandowski CF ST 56 J. Moutinho CMF AM 7 K. Benzema CF ST 57 Lassana Diarra DMF ST 8 G. Higuaín CF ST 58 A. Pirlo DMF AM 9 D. Costa CF ST 59 X. Alonso DMF DM 10 M. Balotelli CF ST 60 J. Mascherano DMF CB 11 E. Džeko CF ST 61 F. Melo DMF CB 12 D. Welbeck CF RW/LW 62 S. Busquets DMF DM 13 O. Giroud CF ST 63 D. De Rossi DMF CB 14 R. Falcao CF ST 64 T. Motta DMF CB 15 C. Ronaldo LWF ST 65 R. Cohade DMF CB 16 A. Robben RWF RW/LW 66 J. Martínez DMF CB 17 G. Bale RWF RW/LW 67 Luiz Gustavo DMF CB 18 F. Ribéry LMF RW/LW 68 S. Gerrard DMF ST 19 E. Hazard LMF RW/LW 69 Miguel DMF DM 20 Hulk RWF ST 70 M. Schneiderlin DMF CB 21 A. Sánchez LWF RW/LW 71 D. Alaba LB CB 22 D. Mertens LWF RW/LW 72 P. Lahm RB CB 23 Nico Gaitán LMF RW/LW 73 Marcelo LB CB 24 L. Moura RWF RW/LW 74 Danilo RB RB/LB 25 M. Reus LWF RW/LW 75 D. Carvajal RB CB 26 A. Di María RWF RW/LW 76 B. Sagna RB CB 27 A. Turan RMF AM 77 S. Lichtsteiner RB RB/LB 28 A. Candreva RMF RW/LW 78 C. Azpilicueta LB CB 29 D. Silva AMF AM 79 F. Clerc RB RB/LB 30 J. Rodríguez AMF ST 80 N. Clyne RB RB/LB 31 W. Rooney AMF ST 81 Chrétien RB CB 32 Sneijder AMF AM 82 P. Zabaleta RB CB 33 M. Hamsik AMF AM 83 D. Janmaat RB RB/LB 34 I. Rakitić AMF AM 84 de Marcos RB CB

35 Koke AMF CM 85 S. Ramos CB CB

36 Oscar AMF AM 86 T. Silva CB CB

37 M. Götze AMF AM 87 J. Boateng CB CB 38 R. Sterling AMF RW/LW 88 V. Kompany CB CB 39 S. Nasri AMF RW/LW 89 D. Godín CB CB 40 Santi Cazorla AMF AM 90 M. Hummels CB CB

41 Hernanes AMF AM 91 G. Piqué CB CB

42 D. Costa AMF RW/LW 92 D. Luiz CB CB

43 Y. Touré CMF AM 93 Pepe CB CB 44Schweinsteiger CMF AM 94 M. Benatia CB CB 45 L. Modrić CMF CM 95 G. Chiellini CB CB 46 A. Vidal CMF CB 96 J. Miranda CB CB 47 Thiago CMF AM 97 L. Bonucci CB CB 48 T. Kroos CMF AM 98 N. Otamendi CB CB 49 P. Pogba CMF ST 99 R. Varane CB CB 50 A. Iniesta CMF CM 100 Van der Weill RB RB/LB

Fakultas Ilmu Komputer, Universitas Brawijaya

rekomendasi sistem yang tidak sesuai sebanyak 42. data yang diperoleh, didapatkan nilai akurasi sebesar: % 58 % 100 100 58 % 100 benar data Banyak Akurasi Nilai      data Total

Jadi, tingkat kesesuaian hasil sistem dengan data asli sebanyak 58%.

5.2 Analisis

Dari pengujian yang telah dilakukan, dapat dilihat analisis yang ditunjukkan pada Gambar 2.

Gambar 2 Grafik Hasil Pengujian

Dari Gambar 2, dapat dilihat bahwa jumlah data yang benar sebanyak 58 data. Jumlah data benar pada posisi striker (ST) sebanyak 13, sedangkan jumlah data yang salah sebanyak 1. Data benar pada posisi sayap (RW/LW) sebanyak 11, sedangkan data yang salah sebanyak 3. Data benar pada posisi gelandang serang (AM) sebanyak 8, sedangkan data yang salah sebanyak 6. Data benar pada posisi gelandang tengah (CM) sebanyak 2, sedangkan yang salah sebanyak 12. Data benar pada posisi gelandang bertahan (DM) sebanyak 3, sedangkan data yang salah sebanyak 11. Data benar pada posisi bek sayap (RB/LB) sebanyak 6, sedangkan data yang salah sebanyak 9. Data benar pada posisi bek tengah (CB) sebanyak 15, data yang tidak sesuai sebanyak 0. Posisi yang memiliki banyak data yang sesuai dengan posisi asli adalah ST, RW/LW, AM, dan CB. Posisi yang memiliki banyak data yang tidak sesuai dengan posisi asli adalah CM, DM, dan RB/LB.

6. PENUTUP

Dalam melakukan perancangan penentuan posisi dapat dilakukan dengan menggunakan metode AHP dan TOPSIS. Tahapan dengan

menggunakan metode AHP dan TOPSIS meliputi penentuan matriks berbandingan berpasangan, normalisasi perbandingan berpasangan, perhitungan bobot prioritas kriteria, uji konsistensi, perhitungan normalisasi matriks keputusan, perhitungan normalisasi matriks keputusan terbobot, perhitungan solusi ideal positif dan negatif, perhitungan separasi positif dan negatif, perhitungan nilai preferensi, pengurutan nilai preferensi, dan rekomendasi posisi pemain sepak bola. Nilai akurasi dihitung menggunakan data yang telah diuji. Proses perhitungan akurasi dihitung berdasarkan pembagian antara banyak data benar dibagi banyak data seluruhnya dikalikan 100%. Pada penelitian ini diperoleh data benar sebanyak 58 data dan banyak seluruh data adalah 100 data, sehingga diperoleh nilai akurasi sebesar 58%. Faktor kemampuan individu para pemain dan pembobotan pada matriks perbandingan berpasangan sangat berpengaruh.

DAFTAR PUSTAKA

Exshadi, B. Y. I., Soebroto, A. A. & Putri, R. R. M., 2013. Sistem Pendukung Keputusan Penentuan Kelayakan Pengisian Bibit Ayam Broiler Dikandang Peternak Menggunakan Metode Ahp Dan Topsis. Volume 2, p. 10.

Junior, B. F., Hidayat, N. & Santoso, E., 2015. Pemodelan Sistem Pendukung Keputusan Pemilihan Line Up Cabang Olahraga Futsal Dengan Metode Ahp-Topsis. Volume 6, p. 4.

Kusumawardani, R. P. & Agintiara, M., 2015. Application of Fuzzy AHP-TOPSIS Method for Decision Making in Human Resource Manager Selection Process. Procedia Computer Science, Volume 72, pp. 638-646.

Nosa, A. S. & Faruk, M., n.d. Survei Tingkat Kebugaran Jasmani Pada Pemain Persatuan Sepakbola Indonesia Lumajang. p. 1. Purnomo, E. N. S., Sihwi, S. W. &

Anggrainingsih, R., 2013. Analisis Perbandingan Menggunakan Metode AHP, TOPSIS,dan AHP-TOPSIS dalam Studi Kasus Sistem Pendukung Keputusan Penerimaan Siswa Program Akselerasi. Jurnal ITSMART, Volume 2, pp. 1-23. Putri, S. R., 2015. Sistem Pendukung Keputusan

(MKS) Menggunakan Metode AHP dan TOPSIS. S1.

Rahman, A., n.d. sport.detik.com. [Online]

Available at:

https://sport.detik.com/aboutthegame/umpa

n-silang/d-3395922/fenomena- transformasi-posisi-gelandang-serang-di-sepakbola-indonesia

[Accessed Selasa April 2017].

Saaty, R. W., 1987. The Analytic Hierarchy Process-What It Is And How It Is Used. Mathl Modelling, Volume 9, pp. 161-176. Trisna, V. Y., 2016. 10 Pemain yang Makin

Bersinar Setelah Pindah Posisi. [Online]

Available at:

http://www.bola.com/photo/read/2446530/ 10-pemain-yang-makin-bersinar-setelah-pindah-posisi