Analisis Perbandingan Sistem Pendukung Keputusan Pemilihan Guru Terbaik Menggunakan Metode TOPSIS dan WASPAS

(1)

Analisis Perbandingan Sistem Pendukung Keputusan Pemilihan Guru Terbaik Menggunakan Metode TOPSIS dan WASPAS

Haida Dafitri^*, Nur Wulan, Hanna Ritonga

Fakultas Teknik dan Komputer, Universitas Harapan Medan, Medan, Indonesia Email: ^1,*[email protected], ²[email protected], ³[email protected]

Email Penulis Korespondensi: [email protected] Submitted 09-09-2022; Accepted 04-10-2022; Published 31-10-2022

Abstrak

Dalam upaya meningkatkan mutu pendidikan untuk para siswa sebagai generasi penerus bangsa dibutuhkan guru yang berkompeten dalam memberikan pendidikan kepada siswa. Tugas guru adalah mendidik, mengajar, membimbing, mengarahkan, melatih, menilai, dan mengevaluasi peserta didiknya. Sistem pendukung keputusan di dunia pendidikan dipandang sebagai asset penting untuk menunjang kelancaran dan keakuratan dalam pencapaian suatu tujuan. SD Negeri No.101211 Aek Batang Paya belum memiliki sistem pendukung keputusan untuk membantu Kepala Sekolah dalam melakkan pemilihan guru terbaik, pengambilan keputusan secara manual akan menghasilkan penilaian yang tidak objektif sehingga tidak tepat. Maka dari itu penulis merancang sebuah sitem pendukung keputusan analisis perbandingan antara dua metode yaitu metode metode TOPSIS dan metode WASPAS dengan kriteria yang ditentukan. Kedua metode ini dibandingkan untuk mengetahui metode mana yang lebih efektif, mudah dan cepat dalam proses perhitungannya yang diharapkan dapat membantu dalam menentukan guru terbaik.

Kata Kunci: Guru; Sekolah; Sistem Pendukung Keputusan; Topsis; Waspas Abstract

In an effort to improve the quality of education for students as the nation's next generation, competent teachers are neded in providing education to students. The task of the teacher is to educate, teach, guide, direct, train, assess, and evaluate students. Decision support systems in the world of education are seen as important assets to support fluency and accuracy in achieving a goal. SD Negeri No.

101211 Aek Batang Paya does not yet have a decision support system to assist the principal in selecting the best teacher, manual decision making will result in an assessment that is not objective so it is not appropriate. Therefore, the authors designed a decision support system for comparative analysis between the two methods, namely the TOPSIS method and the WASPAS method with specified criteria. These two methods are compared to find out which method is more effective, easy and fast in the calculation process which is expected to help in determining the best teacher.

Keywords: Teacher; School; Decision Support System; Topsis; Waspas

1. PENDAHULUAN

Dalam upaya meningkatkan mutu pendidikan untuk para siswa sebagai generasi penerus bangsa dibutuhkan guru yang berkompeten dalam memberikan pendidikan kepada siswa, Tugas utama guru adalah mendidik, mengajar, membimbing, mengarahkan, melatih, menilai, dan mengevaluasi peserta didiknya. Guru berprestasi adalah guru yang memiliki kemampuan melaksanakan tugas, keberhasilan dalam melaksanakan tugas, memiliki kepribadian yang sesuai dengan profesi guru dan memiliki wawasan kependidikan sehingga secara nyata mampu meningkatkan mutu proses dan hasil pembelajaran atau bimbingan melebihi yang dicapai oleh guru lain sehingga dapat dijadikan panutan siswa, rekan sejawat, maupun masyarakat sekitarnya[1].

Biasanya untuk memilih guru terbaik dilakukan oleh Kepala Sekolah yang sudah berpengalaman. Masalah yang terjadi yaitu ketika Kepala Sekolah tidak berada ditempat saat keputusan diperlukan dan pemilihan dilakukan tidak menggunakan pencatatan atau berdasarkan laporan yang sesuai sehingga mengakibatkan kecemburuan bagi guru-guru yang tidak terpilih. Oleh karena itu dibutuhkan sebuah sistem yang dapat mengatasi beberapa masalah yang terjadi. Sistem yang dapat digunakan dalam bidang ilmu komputer adalah sistem pendukung keputusan. Sistem pendukung keputusan atau Decision Support System (DSS) merupakan suatu sistem yang dapat membantu dalam pengambilan keputusan pada sebuah organisasi atau perusahaan, di dunia pendidikan Sistem Penunjang Keputusan (SPK) dapat dipandang sebagai aset penting untuk menunjang kelancaran dan keakuratan dalam pencapaian suatu tujuan. Salah satunya adalah untuk menentukan atau penilaian guru terbaik, dengan menggunakan sistem penunjang keputusan proses pemilihan guru terbaik akan semakin objektif dan tepat sasaran. [2][3].

Sampai saat ini belum adanya sebuah sistem yang mengatur pemilihan guru terbaik di SD Negeri No.101211 Aek batang Paya. Dalam meningkatkan kinerja guru terbaik di SD Negeri No.101211 Aek batang Paya, akan melakukan pemilihan guru terbaik dengan cara bertahap, tetapi belum optimal dalam pelaksanaannya, kenapa dibilang belum optimal karena cara penilaiannya masih belum tersistem dan terstruktur terhadap kriteria-kriteriannya untuk dipilih menjadi guru terbaik/berprestasi.

Untuk menyelesaikan masalah tersebut digunakan metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) merupakan metode multi kriteria yang digunakan untuk mengidentifikasi solusi dari himpunan alternatif berdasarkan minimalisasi simultan dari jarak titik ideal dan memaksimalkan jarak dari titik terendah dan metode WASPAS (Weight Aggregated Sum Product Assesment) merupakan sebuah metode untuk mengurangi kesalahan atau mengoptimalkan interpretasi untuk memilih nilai tertinggi dan terendah[4][5][6].

(2)

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Menurut Lukita, C., (2020), Langkah-langkah dalam proses pengambilan keputusan untuk menentukan pemilihan guru terbaik dengan menggunakan metode-metode yang digunakan seperti pada Gambar berikut:

Gambar 1. Tahapan Proses Penelitian

Penelitian ini menggunakan metode TOPSIS dan Metode WASPAS Untuk menentukan perhitungan dengan memeberikan nilai pada kriteria-kriteria yang telah ditentukan sehingga Output yang akan dihasilkan dalam sistem pendukung keputusan ini adalah hasil perhitungan dari kedua metode dengan hasil dan rangking yang akan didapat oleh guru serta metode mana yang lebih efekti, cepat dan mudah dalam proses perhitungan masin-masing metode[7].

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) merupakan sistem yang berbasis computer dan ditujukan untuk membantu pengambilan keputusan denan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur [8][9].

2.2 Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria, Topsis menggunakan prinsip bahwa alternatif terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan jarak terpanjang dari solusi ideal negatif untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal [10][11].

Tahapan-tahapan metode Topsis yaitu [12]:

a. Membuat matriks perbandingan berpasanganyang ternormalisasi.

𝒓𝒊𝒋 = ^𝒙^𝒊𝒋

√∑^𝒎𝒊=𝟏 𝜲𝟐𝒊𝒋

(1)

Dimana:

Rij = Elemen matriks ternormalisasi [i][j]

Xij = Elemen matriks keputusan X

b. Membuat matriks keputusan yang ternomalisasi terbobot

𝒚_𝒊𝒋 = 𝒘_𝒊 𝒓_𝒊𝒋 (2)

Dimana:

Yij = matriks ranting berbobot, Wi = bobot ranting ke I, dan

Rij = matriks hasil normalisasi pada langkah ke dua.

c. Tentukan solusi ideal positif (A+) dan solusi dan solusi ideal negative (A-) berdasarkan nilai matriks ranting terbobot pada langkah ke-3. Berikut persamaan yang digunakan untuk mencari nilai solusi ideal positif dan nilai solusi ideal positif dan nilai solusi ideal negative.

𝑨⁺= (𝒚_𝟏⁺, 𝒚_𝟐⁺, 𝒚_𝟑⁺, … , 𝒚_𝒏⁺) (3)

𝑨⁻= (𝒚_𝟏⁻, 𝒚_𝟐⁻, 𝒚_𝟑⁻, … , 𝒚_𝒏⁻) (4)

Dengan ketentuan:

(3)

min yij : jika j adalah atribut biaya.

yi - = max yij : jika j adalah atribut biaya.

min yij : jika j adalah atribut keuntungan.

d. Tentukan jarak antara nilai tebobot setiap alternative terhadp solusi ideal positif dan solusi ideal negatifnya. Untuk menentukan jarak antara nilai terbobot setiap alternative terhadap solusi ideal positif, digunakan persamaan berikut:

𝑫_𝒊⁺= √∑ (𝒚 _𝟏⁺ − 𝒚𝒊𝒋 ) ^𝟐

𝒏 𝒊=𝟏

(5)

e. Sedangkan unuk menghitung jarak antara nilai terbobot setiap alternative terhadap solusi ideal negative, digunakan persamaan beikut:

𝑫𝒊⁻= √∑ (𝒚𝒊𝒋 − 𝒚 _𝟏^–) ^𝟐

𝒏 𝒊=𝟏

(6)

Langkah terakhir adalah menghitung nilai preferensi untuk setiap alternative dengan persamaan:

𝒗𝒊 = ^𝑫⁻^𝒊

𝑫 + 𝑫 ⁻_𝒊 ⁺_𝒊 (7)

2.3 Metode WASPAS (Weight Aggregated Sum Product Assesment).

WASPAS merupakan metode gabungan yang terdiri dari metode WP dan metode SAW, metode WASPAS ini diharapkan dapat memberikan hasil yang lebih baik dalam membantu penentuan sistem pendukung keputusan.Waspas merupakan metode yang dapat mengurangi kesalahan-kesalahan atau mengoptimalkan dalam penaksiran untuk pemililahan nilai tertinggi dan terendah [13][14].

Tahapan-Tahapan Metode Weighted Aggregated Sum Product Assesment (WASPAS), yaitu:

a. Membuat Matriks Keputusan

𝒙 = [

𝒙𝟏𝟏 𝒙𝟏𝟏 … 𝒙𝟏𝒏

𝒙𝟐𝟏 𝒙𝟐𝟐 … 𝒙𝟐𝒏

… … … … 𝒙𝒎𝟏 𝒙𝒎𝟐 … 𝒙𝒎𝒏

] (8)

Dimana m adalah jumlah Alternatif kandidat, n adalah jumlah kriteria evaluasi dan xij adalah kinerja Alternatif sehubungan dengan kriteria j.

b. Menormalisasikan matrik x.

Kriteri keuntungan 𝒙_𝒊𝒋 = ^𝒙^𝒊𝒋

𝑴𝒂𝒙_𝒊𝒙_𝒊𝒋 (9)

Kriteria biaya 𝒙_𝒊𝒋 =^𝑴𝒊𝒏^𝒊^𝒙^𝒊𝒋

𝒙_𝒊𝒋 (10)

c. Menghitung Preferensi (Qi)

𝑸𝒊 = 𝟎, 𝟓 ∑^𝒏_𝒋=𝟏𝒙𝒊𝒋𝒘+ 𝟎, 𝟓 ∏^𝒏_𝒋=𝟏(𝒙𝒊𝒋) ^𝒘𝒊 (11) Dimana:

Qi = Nilai dari Q ke i

Xijw = Perkalian nilai xij dengan bobot (w) 0,5 = Ketetapan

Pada langkah ini Alternatif yang terbaik merupakan Alternatif yang memiliki Qi dengan nilai tertinggi.

3. HASIL DAN PEMBAHASAN

Analisis sistem merupakan suatu tehapan pemahaman terhadap sistem yang sedang berjalan atau yang akan dibuat.

Analisis sistem dapat dijelaskan mulai dari analisis kebutuhan yang merupakan apa saja yang dibutuhkan dalam perancangan sistem. Tahapan analisis bertujuan maupun yang akan dibuat dan untuk mengidentifikasikan kebutuhan, batasan sistem dan hubungan antar kebutuhan sistem [15][16].

a. Kriteria dan Bobot

(4)

Adapun lima kriteri yang digunakan untuk penilaian yaitu:

C1 : Kehadiran

C2 : Kemampuan Memotivasi C3 : Kepribadian

C4 : Disiplin C5 : Kerja Sama

Dalam pengambilan keputusan memberikan bobot untuk setiap kriteria sebagai berikut: C1=0,20%, C2=0,20%, C3=0,20%, C4=0,25%, C5=0,15%. Adapun kriteria dan bobot akan disajikan kedalam tabel dibawah ini.

Tabel 1. Kriteria dan Bobot

Kriteria Keterangan Bobot

C1 Kehadiran 0,20

C2 Kemampuan Memotivasi 0,20

C3 Kepribadian 0,20

C4 Disiplin 0,25

C5 Kerja Sama 0,15

Masing-masing kriteria memiliki nilai kriteria dan bobot dari masing-masing kriteria di bawah ini:

Tabel 2. Nilai Kriteria dan Bobot Kriteria

Nilai Keterangan Bobot

70-100 Terbaik 1

69-0 Tidak 2

b. Rating kecocokan dari setiap alternatif

Berdasarkan pembobotan kriteria di atas maka didapatkan hasil pembobotan pada setiap siswa untuk masing- masing kriteria:

Tabel 3. Alternatif Pada Setiap Kriteria

Alt Nama C1 C2 C3 C4 C5

A1 Akhir 98 90 95 98 95

A2 Leli Suriati 95 85 85 98 88

A3 Lenni 95 80 80 95 85

A4 Lilis 95 80 80 90 80

A5 Lidia 95 82 85 82 80

A6 Efrida 95 80 85 80 85

A7 Bintang 95 80 80 82 85

A8 Yusri 95 80 80 85 80

A9 Juria 95 80 85 85 80

A10 Nurpatima 95 80 82 80 80 3.1 Proses Perhitungan Metode TOPSIS

Data yang telah dikonversi diubah menjadi matriks:

X =

[

98 90 95 98 95 95 85 85 98 88 95 80 80 95 85 95 80 80 90 80 95 82 85 82 80 95 80 85 80 85 95 80 80 82 85 95 80 80 85 80 95 80 85 85 80 95 80 82 80 80 ]

a. Membuat matrix keputusan ternormalisasi alermatif terbobot.

Tabel 4. Matrix Keputusan Ternormalisasi Alermatif Terbobot

Alt C1 C2 C3 C4 C5

A1 0.32251724995 0.34809280927 0.35842932311 0.35309641468 0.35793288513 A2 0.31521823931 0.32875431987 0.32069992068 0.35309641468 0.33155888307 A3 0.31521823931 0.31715122623 0.30183521946 0.34228734076 0.32025573933 A4 0.31521823931 0.31715122623 0.30183521946 0.32427221756 0.30141716643

(5)

Copyright © 2022 Haida Dafitri, Page 1317 A5 0.31521823931 0.24814888953 0.32069992068 0.29544802045 0.30141716643 A6 0.31521823931 0.31715122623 0.32069992068 0.28824197117 0.32025573933 A7 0.31521823931 0.31715122623 0.30183521946 0.29544802045 0.3202557393 A8 0.31521823931 0.31715122623 0.30183521946 0.30625709436 0.30141716643 A9 0.31521823931 0.31715122623 0.32069992068 0.30625709436 0.30141716643 A10 0.31521823931 0.31715122623 0.30938109995 0.28824197117 0.30141716643 b. Membuat matriks keputusan ternormalisasi terbobot

Matriks keputusan ternormalisasi terbobot didapatkan dari perkalian matriks R dengan bobot preferensi (0.2, 0.2, 0.2, 0.25, 0.15) didapat:

Tabel 5. Matriks Keputusan Ternormalisasi Terbobot Perkalian Matriks R Dengan Bobot Preferensi

(0.20) (0.20) (0.20) (0.25) (0.15)

0.06650344999 0.06961856185 0.7168586462 0.08827410367 0.05368993277 0.06304364786 0.06575086397 0.06413998414 0.08827410367 0.04973383246 0.06304364786 0.06343024525 0.06036704389 0.08557183519 0.0480383609 0.06304364786 0.06343024525 0.06036704389 0.08106805439 0.04521257496 0.06304364786 0.04962977791 0.06413998414 0.07386200511 0.04521257496 0.06304364786 0.06343024525 0.06413998414 0.07206049279 0.0480383609 0.06304364786 0.06343024525 0.06036704389 0.07386200511 0.0480383609 0.06304364786 0.06343024525 0.06036704389 0.07656427359 0.04521257496 0.06304364786 0.06343024525 0.06413998414 0.07656427359 0.04521257496 0.06304364786 0.06343024525 0.06187621999 0.07206049279 0.04521257496 c. Menghitung Solusi Ideal Positif dan Solusi Ideal Negatif

Tabel 6. Solusi Ideal Positif dan Solusi Ideal Negatif

A+ 0.06650344999; 0.06961856185; 0.7168586462; 0.08827410367; 0.05368993277 A- 0.06304364786;0.04962977791; 0.06036704389; 0.07206049279; 0.04521257496 d. Menghitung Jarak Antara Nilai Terbobot Setiap Alternatif Terhadap Solusi Ideal A+ dan Solusi Ideal A-

Tabel 6. Jarak Antara Nilai Terbobot Setiap Alternatif Terhadap Solusi Ideal A+ dan Solusi Ideal A- Kode Solusi Ideal Positif Kode Solusi Idel Negatif

D1+ 0 D1- 0.02294926534

D2+ 0.0095661953 D2- 0.017678403419

D3+ 0.01520378893 D3- 0.013803899915

D4+ 0.01776816717 D4- 0.000900771060

D5+ 0.01946227447 D5- 0.004457982844

D6+ 0.02038552725 D6- 0.004713789430

D7+ 0.02077421859 D7- 0.003351237653

D8+ 0.02002257619 D8- 0.004503855300

D9+ 0.01815848844 D9- 0.005875311358

D10+ 0.022243725774 D10- 0.001509142171

e. Menghitung Kedekatan Setiap Alternatif Terhadap Solusi Ideal

Tabel 7. Kedekatan Setiap Alternatif Terhadap Solusi Ideal

Alt Nilai

A1 1

A2 0.64887773627 A3 0.47587037995 A4 0.33641140270 A5 0.18636851538 A6 0.18780548850 A7 0.13890877832 A8 0.18363271889 A9 0.24446036031 A10 0.06353543382

Maka solusi yang didapat dari nilai V (jarak kedekatan setiap alternatif terhadap solusi ideal) diperoleh nilai V1 atau A1 memiliki nilai tertinggi yaitu: 1.

(6)

3.2 Proses Perhitungan Metode WASPAS Berikut ini adalah niali matrik keputusanya:

X=

(

98 90 95 98 95 95 85 85 98 88 95 80 80 95 85 95 80 80 90 80 95 82 85 82 80 95 80 85 80 85 95 80 80 82 85 95 80 80 85 80 95 80 85 85 80 95 80 82 80 80 )

a. Menghitung matrix normalisasi untuk semua alternatif.

x=

[

1 1 1 1 1 0.9693877551 0.94444444444 0.89473684211 1 0.92631578947 0.9693877551 0.88888888889 0.842105263116 0.89473684211 0.89473684211 0.9693877551 0.91111111111 0.842105263116 0.91836734694 0.842105263116 0.9693877551 0.88888888889 0.89473684211 0.83673469388 0.842105263116

0.9693877551 0.88888888889 0.89473684211 0.81632653061 0.89473684211 0.9693877551 0.88888888889 0.842110526316 0.83673469388 0.89473684211 0.9693877551 0.88888888889 0.842110526316 0.86734693878 0.842105263116

0.9693877551 0.88888888889 0.8947368421 0.86734693878 0.81632653061 0.9693877551 0.88888888889 0.86315789474 0.81632653061 0.84210526316 ] Langkah selanjutnya yaitu menghitung preferensi (Qi) dengan menggunakan persamaan dibawah ini.

Tabel 8. Hasil Perhitungan Untuk Semua Alternatif Alt Nilai

A1 1

A2 0.95029133391 A3 0.91592213553 A4 0.89536662926 A5 0.88987871376 A6 0.88815653832 A7 0.88281138904 A8 0.88264173079 A9 0.88264173079 A10 0.87388613151

Berdasarkan hasil perhitungan nilai preferensi, maka diperoleh A1 memiliki nilai tertinggi yaitu: 1.

3.3 Perbandingan Perangkingan Metode Topsis dan Metode Waspas

Pada Bagian ini Akan memperlihatkan hasil perbandingan perangkingan antara metode Topsis dan metode Waspas.

Tabel 9. Perbandingan hasil perhitugan metode Topsis dan metode Waspas

Alternatif Perhitungan Topsis Perhitungan Waspas

Hasil Rangking Hasil Rangking

Akhir Parsaulian 1 1 Terbaik) 1 1(Terbaik)

Leli Suriati 0.64887773627 2(Tidak) 0.95029133391 2(Terbaik) Lenni Marlina 0.47587037995 3(Tidak) 0.91592213553 3(Terbaik) Lilis Maisaroh 0.33641140270 4(Tidak) 0.89536662926 4(Terbaik) Lidia Kando Hutapea 0.18636851538 7(Tidak) 0.88987871376 5(Terbaik) Efrida Saris 0.18780548850 6(Tidak) 0.88815653832 6(Terbaik) Bintang Tanjung 0.13890877832 9(Tidak) 0.88281138904 7(Terbaik) Yusri Donoran 0.18363271889 8(Tidak) 0.88264173079 8(Terbaik) Juria Nainggolan 0.24446036031 5(Tidak) 0.88264173079 9(Terbaik) Nurpatima Hutasuhut 0.06353543382 10(Tidak) 0.87388613151 10(Terbaik)

Dari perangkingan diatas maka guru yang berna Akhir Parsaulian Hasibuan yang mendapatkan nilai terbaik dalam perhitungan kedua metode tersebut.

(7)

a. Tampilan Menu Beranda SPK

Setelah berhasil login maka pertama yang muncul adalah form beranda, Tampilan ini berfungsi untuk menampilkan keseluruhan sistem, sepeprti menu alternative, kriteria, perhitungan metode Topsis, perhitungan metode Waspas, data admin serta laporan hasil perhitungannya. Adapun Tampilan menu utama dapat dilihat pada gambar sebagai berikut:

Gambar 2. Tampilan Halaman Beranda Sistem Pendukung Keputusan c. Tampilan Menu Alternatif

Tampilan Menu Alternatif berfungsi untuk memasukkan data alternatife guru dengan memasukkan data nilai guru yang akan dijadikan data untuk penilaian pemilihan guru terbaik. Adapun menu-menunya ialah: Menu Alternatif, Menu Nama Alternatif, Kehadiran, Kemampuan Memotivasi, Kepribadian, Disiplin, Kerja Sama.

Kemudian ada juga menu Simpan, Perbaharui, Hapus dan Keluar. Adapun tampilan masukan data guru dapat dilihat pada gambar sebagai berikut :

Gambar 3. Tampilan Menu Alternatif

(8)

d. Tampilan Menu Kriteria

Tampilan Menu Kriteria digunakan untuk mengubah dan menghapus data Kriteria seperti: Kode Kriteria, Nama kriteria, Bobot.

Untuk menu perbaharui fungsi untuk mengubah data kriteria yang ingin diubah dan menu keluar fungsinya untuk keluar dari tampilan menu Kriteria. Adapun tampilan masukan form data Kriteria dapat dilihat pada gambar sebagai berikut:

Gambar 4. Tampilan Menu Kriteria

4. KESIMPULAN

Berdasarkan analisa dan pembahasan yang telah dijelaskan, maka dapat disimpulkan bahwa hasil perbandingan Sistem Pendukung Keputusan (SPK) dalam pemilihan guru terbaik dengan menggunakan metode TOPSIS dan metode WASPAS yaitu proses analisis data telah dilakukan dengan menggunakan metode TOPSIS dan metode WASPAS sehingga diperoleh hasil keputusan dengan hasil yang sama yaitu Akhir Parsaulian Hasibuan dengan hasil terbaik yang direkomendasikan sebagai Guru Terbaik Pada SD Negeri No.111210 Aek Batang Paya dan setelah melakukan perbandingan terhadap metode TOPSIS dan metode WASPAS maka berdasarkan hasil yang diperoleh dapat disimpulkan bahwa metode WASPAS jauh lebih efektif karna dapat menghasilkan nilai yang lebih cepat dan mudah dalam melakukan pemilihan Guru Terbaik Pada SD Negeri No.111210 Aek Batang Paya.

REFERENCES

[1] Ardiansyah, H. (2017). Sistem Penunjang Keputusan Pemilihan Guru Terbaik dengan Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Studi Kasus: SDN Bendungan Hilir 01 Pagi Jakarta Pusat. J. Inform. Univ.

Pamulang, 2(2), 89.

[2] Nurismayani, A. D. (2018). Sistem Pendukung Keputusan Pemilihan Guru Terbaik Berdasarkan Penilaian Kinerja Di Ra At- Taqwa Nongsa Menggunakan Metode Saw (Simple Additive Weighting). Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika Dan Komputer (Stmik) Gici Batam.

[3] Duwiyanti, F., & Ardhiansyah, M. (2019). Sistem Pendukung Keputusan Pemilihan Guru Terbaik di SMK Pustek Serpong. International Journal of Education, Science, Technology, and Engineering, 2(1), 45-67.

[4] Siregar, J., Arifian, A., & Azis, W. A. (2022). Sistem Pendukung Keputusan Pemilihan Guru Terbaik Dengan Metode Ahp Dan Topsis. Journal of Innovation Research and Knowledge, 1(10), 1273-1284.

[5] Barus, S., Sitorus, V. M., Napitupulu, D., Mesran, M., & Supiyandi, S. (2018). Sistem Pendukung Keputusan Pengangkatan Guru Tetap Menerapkan Metode Weight Aggregated Sum Product Assesment (WASPAS). Jurnal Media Informatika Budidarma, 2(2).

[6] Christian, D., Trisnawarman, D., & Rusdi, Z. (2019). Dashboard inventori pt. petra sejahtera abadi. Jurnal Ilmu Komputer dan Sistem Informasi, 7(2), 240-244.

[8] Tarigan, M. J., Siambaton, M. Z., & Haramaini, T. (2021). Implementasi Metode Weighted Aggregated Sum Product Assessment (WASPAS) Dalam Menentukan Jurusan Siswa Pada SMKN 8 Medan. Jurnal Minfo Polgan, 10(1), 42-53.

[9] Siregar, J., Arifian, A., & Azis, W. A. (2022). Sistem Pendukung Keputusan Pemilihan Guru Terbaik Dengan Metode Ahp Dan Topsis. Journal of Innovation Research and Knowledge, 1(10), 1273-1284.

[10] Perwira, Y. (2020). Sistem Pendukung Keputusan Pemilihan Guru Berprestasi Di Smk Negeri 1 Pantai Labu Dengan Menggunakan Metode Technique for Order of Preference by Similarity to Ideal Solution (Topsis). Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 3(1.1), 229-250.

(9)

Metode Ahp Dan Topsis. Journal of Innovation Research and Knowledge, 1(10), 1273-1284.

[12] Yulianto, A. (2014). Sistem Pendukung Keputusan Pemilihan Mahasiswa Berprestasi di Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta denganMetode Ahp dan Topsis. Yogyakarta. Universitas Negeri Yogyakarta.

[13] Nurismayani, A. D. (2018). Sistem Pendukung Keputusan Pemilihan Guru Terbaik Berdasarkan Penilaian Kinerja Di Ra At-Taqwa Nongsa Menggunakan Metode Saw (Simple Additive Weighting). Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika Dan Komputer (Stmik) Gici Batam.

[14] Tarigan, M. J., Siambaton, M. Z., & Haramaini, T. (2021). Implementasi Metode Weighted Aggregated Sum Product Assessment (WASPAS) Dalam Menentukan Jurusan Siswa Pada SMKN 8 Medan. Jurnal Minfo Polgan, 10(1), 42-53.

[15] Lukita, C., Nas, C., & Ilham, W. (2020). Analisis pengambilan keputusan penentuan prioritas utama dalam peningkatan kualitas mata pelajaran dengan menggunakan metode perbandingan WASPAS dan MOORA. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(3), 130-137.