Implementasi Metode Preference Selection Index (PSI) dalam Seleksi Penerimaan Content Creator Media Sosial

Implementasi Metode Preference Selection Index (PSI) dalam Seleksi Penerimaan Content Creator Media Sosial

Usanto S

Sistem Informasi, Fakultas Teknologi, Institut Teknologi dan Bisnis Swadharma, Jakarta, Indonesia Email: usanto.s@swadharma.ac.id

Email Penulis Korespondensi: usanto.s@swadharma.ac.id

Abstrak−Saat ini media sosial dalam dunia kerja memiliki peran penting dan dapat pula menjadi tempat persaingan bisnis. Media sosial sekarang digunakan sebagai tempat promosi yang lebih mudah dan efisien yang dibuat untuk mengambil perhatian dari audiens sehingga dapat memperluas targer pasar untuk mendapatkan laba yang lebih tinggi. Content creator mempunyai peran yang penting untuk pelaku usaha, content creator bertanggung jawab terhadap media sosial yang dimiliki pelaku usaha. Proses seleksi penerimaan content creator masih dilakukan secara konvensional sehingga proses seleksi terkadang tidak tepat dalam menerima content creator terbaik. Maka dengan itu pelaku usaha harus memilih content creator yang berkualitas agar media sosial yang dimiliki tetap terus aktif dan mendapatkan targer audiens yang lebih luas. Dalam seleksi penerimaan content creator memiliki beberapa kriteria yang telah ditentukan yaitu Skill, Pengalaman Kerja, Jumlah Pengikut, Wawancara dan Pendidikan. Karena adanya permasalahan tersebut diperlukan sebuah sistem yang dapat membantu dalam memperoleh hasil rekomendasi yang handal dan tepat sasaran. Penerapan sistem pendukung keputusan dalam penelitian ini digunakan dengan implementasi metode Preference Selection Index (PSI) yang dimana metode tersebut sangat membantu dalam menghasilkan nilai bobot dan preferensi terbaik dari data alternatif dan kriteria sehingga mendapatkan hasil akhir yaitu rekomendasi content creator terbaik di kota Medan berada pada Alternatif A3 yaitu Andriana dengan nilai 0.9236.

Kata Kunci: SPK; PSI; Penerimaan; Content Creator; Seleksi

Abstract−Currently social media in the world of work has an important role and can also be a place of business competition. Social media is now being used as an easier and more efficient promotional platform designed to capture the attention of the audience so as to expand the target market for higher profits. Content creators have an important role for business actors, content creators are responsible for social media owned by business actors. The selection process for accepting content creators is still carried out conventionally so that the selection process is sometimes not appropriate in accepting the best content creators. So with that, business actors must choose quality content creators so that their social media continues to be active and get a wider target audience. In selecting content creators, several criteria have been determined, namely skills, work experience, number of followers, interviews and education. Because of these problems, a system is needed that can assist in obtaining reliable and targeted recommendations.

The application of a decision support system in this study was used by implementing the PSI (Preference Selection Index) method in which this method is very helpful in producing the best weight and preference values from alternative data and criteria so that the final result is the recommendation for the best content creator in Medan city in the Alternative A3 is Andriana with a value of 0.9236.

Keywords: DSS; PSI; Acceptance; Content Creator; Selection

1. PENDAHULUAN

Dalam perkembangan era digital pada saat ini muncul adanya konsep society 5.0 yang merupakan perkembangan dari era revolusi industri 4.0. Era society 5.0 merupakan era yang dimana semua proses dapat dilaksanakan dengan sistem otomatis pada semua proses aktivasi. Era ini dimana semua teknologi merupakan bagian dari manusia itu sendiri, internet bukan hanya digunakan sebagai tempat berbagi informasi tetapi internet dapat digunakan untuk menjalani kehidupan[1]. Saat ini media sosial dalam dunia kerja memiliki peran penting dan dapat pula menjadi tempat persaingan bisnis. Media sosial sekarang digunakan sebagai tempat promosi yang lebih mudah dan efisien yang dibuat untuk mengambil perhatian dari audiens sehingga dapat memperluas targer pasar untuk mendapatkan laba yang lebih tinggi. Setiap pelaku usaha apapun perlunya melakukan promosi atau memperkenalkan bisnis yang sedang dijalani dapat berupa konten di media sosial yang dimiliki pelaku usaha di era ini[2]. Sehingga pelaku usaha dituntut untuk menjadi lebih kreatif dengan bantuan Sumber Daya Manusia (SDM) yang berkualitas dan paham mengenai pembuatan konten di media sosial, maka dengan itu pelaku usaha memerlukan adanya seorang content creator media sosial.

Content creator mempunyai peran yang penting untuk pelaku usaha, content creator bertanggung jawab terhadap media sosial yang dimiliki pelaku usaha. Seorang content creator harus memiliki kemampuan yang diperlukan seperti dapat membuat media sosial menjadi aktif dengan berbagai konten yang kreatif. Konten yang kreatif dapat berupa gambar, video ataupun dalam bentuk tulisan yang diolah dengan baik hingga menarik perhatian audiens. Media sosial harus tetap terja dengan baik dikarenakan apabila media sosial kurang aktif akan dapat menurunkan image dari pelaku usaha. Maka dengan itu pelaku usaha harus memilih content creator yang berkualitas agar media sosial yang dimiliki tetap terus aktif dan mendapatkan targer audiens yang lebih luas. Dalam seleksi penerimaan content creator memiliki beberapa kriteria yang telah ditentukan yaitu Skill, Pengalaman Kerja, Jumlah Pengikut, Wawancara dan

Pendidikan. Demikian diperlukannya sistem yang bertujuan mempermudah dalam proses seleksi penerimaan content creator yaitu dengan pengimplementasian Sistem Pendukung Keputusan (SPK)[3]–[5].

SPK ialah sebuah sistem yang bisa mendapatkan sebuah keputusan yang menerapkan teknik yang didasari dengan alternatif dan kriteria yang ditentukan[6]–[9]. Pada penelitian ini mengimplementasikan sebuah metode yang digunakan diharapkan dapat membantu pada saat proses seleksi penerimaan content creator memakai metode Preference Selection Index(PSI) yang dimana metode ini dimanfaatkan untuk memperoleh sebuah hasil dalam seleksi penerimaan content creator. Pada SPK terdapat banyak metode seperti MABAC, WASPAS, PSI, PSI, OCRA, ARAS dan masih banyak metode yang terdapat pada SPK.

Berdasarkan penelitian yang dilakukan oleh Hera Tri Rizky dkk yang dibuat tahun 2022 mengenai seleksi program pertukaran pelajar dengan metode PSI. Penelitian ini menetapkan 5 dan 7 alternatif sehingga memperoleh alternatif terbaiki dengan nilai 0.9599 sebagai calon siswa pertukaran pelajar yang diharapkan[10]. Penelitian yang dilakukan oleh Juniar Hutagalung dkk tahun 2022 mengenai penerapan PSI untuk pemberian beasiswa kepada mahasiswa. Penelitian menghasilkan indeks terbaik dengan nilai 0.8765 dari perbandingan dari 15 alternatif dan 4 kriteria[11]. Penelitian yang telah di telaah Fauziyah, dkk pada tahun 2022 dengan judul Sistem Pendukung Keputusan Pemilihan Instruktur Bimbingan Belajar Menggunakan Metode PSI. yang dimana pada penelitian ini terdapat 4 kriteria diantaranya Pengalaman, Konsisten, Kreatif, dan Komunikatif. Maka dengan itu dari penelitian tersebut akan memperoleh hasil rank tertinggi yaitu terdapat pada alternatif ke A11 atas nama Sriwulan dengan nilai 0.9196[12].

Penelitian yang telah di lakukan oleh Alexius Ulan Bani, dkk pada tahun 2022 dengan judul Sistem Pendukung Keputusan Penentuan Pengangkatan Karyawan Kontrak Menjadi Karyawan Tetap menggunakan Metode PSI. Yang dimana pada penelitian ini terdapat 5 kriteria diantaranya Komunikasi, Perilaku, Kinerja, Kehadiran, dan Tanggung Jawab. Maka dengan itu dari penelitian tersebut akan memperoleh hasil rank tertinggi yaitu terdapat pada alternatif ke B15 atas nama Sriwulan dengan nilai 0.8977[13]. Penelitian yang telah di telaah Hamdan, dkk pada tahun 2022 dengan judul Sistem Pendukung Keputusan Pemilihan Penilaian Siswa Teladan Menggunakan Metode PSI. Maka dengan itu dari penelitian tersebut akan memperoleh hasil rank tertinggi yaitu terdapat pada alternatif ke A8 atas nama Tiwi Survia[14].

Dari ulasan penjabaran yang telag dibuat membuat penulis tertarik untuk melakukan penelitian dengan mengimplementasikan metode PSI dalam seleksi penerimaan content creator untuk mendapatkan alternatif terbaik yang sesuai dengan data dan kriteria yang ditetapkan. Metode PSI dapat memperoleh bobot sekaligus alternatif terbaik dari hasil perhitungan nilai preferensi tertinggi berdasarkan kriteria yang ditentukan.

2. METODOLOGI PENELITIAN

2.1 Content Creator

Content Creator adalah seseorang yang membuat konten yang disebarkan ke berbagai platform media sosial yang tersedia. Konten yang dibuat berupa informasi yang edukatif dan kreatif atau menghibur sesuai keinginan audiens, konten tersebut dapat dibuat dalam bentuk foto, video maupun tulisan. Seorang content creator harus up to date mengenai perkembangan trend konten di media sosial.

2.2 Metode Preference Selection Index (PSI)

Metode PSI tidak perlu menentukan kepentingan relatif antar atribut. Metode ini bermanfaat ketika kepentingan relatif atribut bertentangan[15]. Pada tahap perhitungan PSI, bobot kriteria ditentukan dengan menggunakan informasi yang terdapat dalam matriks keputusan, dimana bobot kriteria dapat ditentukan secara objektif dengan menggunakan metode standar deviasi atau entropi[16], [17]. Beberapa langkah untuk mengembangkan metode PSI[18]–[25]:

1. Identifikasi matriks keputusan

Xij = [

x11 x12 … x₂₁ x₂₂ …

… x_m1

… x_m2

…

… x1n

x_2n

… x_mn

] (1)

2. Normalisai Matriks Keputusan

Atribut keuntungan (benefit) seperti berikut.

Rij = ^Xij

Xj max (2)

Atribut biaya (cost) seperti berikut.

Rij =^{Xj min}

Xjij (3)

3. Penentuan nilai rata-rata dari matriks yang di nomalisasikan.

N = ¹

m∑^m_i=1Rij (4)

4. Menghitung nilai variasi preferensi

∅_j= ∑^m_i=1[R_ij− N_j]² (5)

5. Tentukan penyimpanan nilai preferensi.

Ωj = 1 − ∅j (6)

6. Tentukan bobot kriteria.

Wj = ^Ωj

∑ −1ⁿ_j Ωj (7)

7. Penentuan indeks pemilih preferensi

Өi = ∑ = 1 (Rij, Wj)^m_j (8)

2.3 Tahapan Penelitian

Tahapan yang dilaksanakan untuk mencapai tujuan penelitian dalam sistem pendukung keputusan dalam penentuan jasa ekspedisi terbaik di kota Medan yaitu seperti berikut:

1. Menganalisa Masalah

Menganalisa suatu permasalahan bertujuan agar dapat menyelesaikan suatu masalah serta menganalisis data yang dijadikan suatu pokok permasalahan dalam sebuah penelitian.

2. Pengumpulan Data

Pada tahapan pengumpulan data yaitu melaksanakan kegiatan observasi dengan tujuan dapat mendalami prosedur dalam seleksi penerima bantuan penduduk miskin.

3. Studi Literatur dan Keperpustakaan

Untuk menambah pengetahuan peneliti mengenai SPK serta metode yang dipakai yaitu PSI dengan khusus.

4. Analisa Penerapan metode

Menganalisa masalah dalam seleksi penerimaan content creator untuk mencari alternatif terbaik dengan metode PSI.

5. Laporan Penelitian

Tahapan terakhir penelitian yang telah dilakukan dibuat dalam bentuk laporan untuk dapat melihat hasilnya selanjutnya yaitu membuat kesimpulan dari penelitian.

Dari penjelasan tersebut dapat dilihat pada gambar 1 berikut ini.

Gambar 1. Kerangka Penelitian

3. HASIL DAN PEMBAHASAN

3.1 Penetapan Alternatif

Dalam penentuan seleksi penerimaan content creator serta menghasilkan pilihan yang andal. Penulis menerapkan metode PSI dalam mencari preferensi tertinggi dan bobot untuk setiap kriteria. Berikut ini 9 data alternatif penduduk seperti Tabel 1.

Tabel 1. Data Alternatif Calon Content Creator Kode Alternatif

A1 Cyntia Sekar

A2 Raihanun

A3 Andriana

A4 Feby Putri

A5 Ratu Muliana

A6 Dewinaska

A7 Laraswati

A8 Aira Syakilla 3.2 Penetapan Kriteria

Dalam proses seleksi penerimaan content creator membutuhkan adanya kriteria karena kriteria digunakan sebagai bahan pertimbangan. Berikut 5 kriteria yaitu seperti tabel 2.

Tabel 2. Data Kriteria Kode Kriteria Jenis

C1 Skill Benefit

C2 Pengalaman Kerja Benefit C3 Jumlah Pengikut Benefit C4 Wawancara Benefit C5 Pendidikan Benefit Keterangan dari data kriteria adalah sebagai berikut:

Skill : jumlah kemampuan yang diperlukan sebagai content cretor

Pengalaman Kerja : lama waktu seseorang bekerja di bidang yang berkaitan dengan posisi content creator Jumlah Pengikut : jumlah pengikut atau followers media sosial

Wawancara : hasil dari nilai saat proses wawancara

Pendidikan : jenjang pendidikan terakhir yang telah ditempuh

Tabel 4. Alternatif Calon Content creator

Alternatif C1 C2 C3 C4 C5

Cyntia Sekar

Edit Foto Copywriting

Fotografi Kreatif

2 Tahun 645

Wawasan Etika Komunikatif

SLTA Sederajat

Raihanun

Copywriting Fotografi

Kreatif

2 Tahun 478 Etika

Komunikatif Diploma II

Andriana

Edit Video Edit Foto Copywriting

Fotografi Kreatif

2 Tahun 730

Wawasan Etika Komunikatif Percaya Diri

Strata I

Feby Putri

Edit Video Edit Foto Copywriting

1 Tahun 497 Etika Diploma I

Ratu Muliana Fotografi

Kreatif 1 Tahun 386 Wawasan

Etika Diploma III

Dewinaska Edit Video 3 Tahun 739 Wawasan Diploma I

Alternatif C1 C2 C3 C4 C5 Edit Foto

Copywriting Fotografi

Etika Komunikatif Percaya Diri Laraswati

Edit Video Edit Foto

Kreatif

2 Tahun 384 Komunikatif

Percaya Diri SLTA Sederajat Aira Syakilla Copywriting 1 Tahun 421

Wawasan Etika Komunikatif

Diploma III Dalam menentukan data rating kecocokan diperlukan data pembobotan setiap kriteria seperti terlihat pada tabel 5-7 berikut :

Tabel 5. Bobot C1 Keterangan Nilai

Edit Video 1

Edit Foto 1

Copywriting 1

Fotografi 1

Kreatif 1

Tabel 6. Pembobotan C4 Keterangan Nilai

Wawasan 1

Etika 1

Komunikatif 1

Percaya Diri 1 Tabel 7. Pembobotan Kriteria C5

Keterangan Nilai SLTA Sederajat 1

Diploma I 2

Diploma II 3

Diploma III 4

Strata I 5

Dari tabel pembobotan kriteria dapat dihasilkan data rating kecocokan seperti tabel 8 berikut : Tabel 8. Data Rating Kecocokan

Alternatif C1 C2 C3 C4 C5

A1 4 2 645 3 1

A2 3 2 478 2 3

A3 5 2 730 4 5

A4 3 1 497 1 2

A5 2 1 386 2 4

A6 4 3 739 4 2

A7 3 2 384 2 1

A8 1 1 421 3 4

Max 5 3 739 4 5

Min 1 1 384 1 1

3.3 Penetapan Metode PSI

Perhitungan pada setiap alternatif untuk menghasilkan perangkingan dalam penentuan seleksi penerimaan content creator dengan mengimplementasikan metode PSI sebagai berikut:

1. Membentuk matriks keputusan

𝑋𝑖𝑗 =

[

4 2 645 3 2 478 5 2 730

3 1 2 3 4 5 3 1 497 2 1 386 4 3 739

1 2 2 4 4 2 3 2 384 1 1 421

2 1 3 4]

2. Menormalisasikan matriks keputusan pada semua kriteria Normalisasi kriteria C1

𝑅11=⁴

5= 0.800 𝑅₁₁=³

5= 0.600 𝑅11=⁵

5= 1.000 𝑅11=³

5= 0.600 𝑅₁₁=²

5= 0.400 𝑅₁₁=⁴

5= 0.800 𝑅11=³

5= 0.600 𝑅11=¹

5= 0.200

Dalam melakukan normalisasi matriks keputusan pada kriteria C2 hingga C4 dilakukan dengan langkah yang sama seperti normalisasi kriteria C1. Maka setelah melakakukan seluruh perhitungan normalisasi matriks keputusan sehingga memperoleh tabel matriks normalisasi seperti berikut:

Tabel 6. Data Matriks Normalisasi

Alternatif C1 C2 C3 C4 C5

A1 0.8000 0.6667 0.8728 0.7500 0.2000 A2 0.6000 0.6667 0.6468 0.5000 0.6000 A3 1.0000 0.6667 0.9878 1.0000 1.0000 A4 0.6000 0.3333 0.6725 0.2500 0.4000 A5 0.4000 0.3333 0.5223 0.5000 0.8000 A6 0.8000 1.0000 1.0000 1.0000 0.4000 A7 0.6000 0.6667 0.5196 0.5000 0.2000 A8 0.2000 0.3333 0.5697 0.7500 0.8000 Sum 5.0000 4.6667 5.7916 5.2500 4.4000 3. Menghitung nilai mean atau rata-rata dari data yang telah dinormalisasikan.

𝑁₁=¹

8∗ 5.0000 = 0.6250 𝑁₂=¹

8∗ 4.6667 = 0.5833 𝑁3=¹

8∗ 5.7916 = 0.7240 𝑁4=¹

8∗ 5.2500 = 0.6563 𝑁₅=¹

8∗ 4.4000 = 0.5500 4. Menghitung nilai variasi preferensi

∅_𝑗1

∅𝑗11= ∑^𝑚_𝑖=1[0.8000 − 0.6250]²=0.0002

∅_𝑗21= ∑^𝑚_𝑖=1[0.6000 − 0.6250]²=0.0002

∅𝑗31= ∑^𝑚_𝑖=1[1.0000 − 0.6250]²=0.0159

∅_𝑗41= ∑^𝑚_𝑖=1[0.6000 − 0.6250]²=0.0093

∅𝑗51= ∑^𝑚_𝑖=1[0.4000 − 0.6250]²=0.0159

∅_𝑗61= ∑^𝑚_𝑖=1[0.8000 − 0.6250]²=0.0002

∅_𝑗71= ∑^𝑚_𝑖=1[0.6000 − 0.6250]²=0.0093

∅_𝑗81= ∑^𝑚_𝑖=1[0.2000 − 0.6250]²=0.0093

Lakukan perhitungan hingga kriteria C4 dengan langkah yang sama seperti diatas. Kemudian menjumlahkan hasil nilai pangkat pada matriks ∅_𝑗 maka hasil matriks ∅_𝑗 yaitu:

∅_𝑗= [0.4350 0.3889 0.2828 0.4922 0.6200]

5. Menentukan penyimpangan nilai preferensi 𝛺1= 1 − 0.4350 = 0.5650

𝛺₂= 1 − 0.3889 = 0.6111 𝛺₃= 1 − 0.2828 = 0.7172 𝛺₄= 1 − 0.4922 = 0.5078 𝛺₅= 1 − 0.6200 = 0.3800

Menghitung total nilai keselurahan pada matriks Ωj

∑ 𝛺_𝑗= 2.7811

6. Tentukan bobot kriteria 𝑤1 = ^0.5650

2.7811 = 0.2032 𝑤2 = ^0.6111

2.7811 = 0.2197 𝑤3 = ^0.7172

2.7811 = 0.2368 𝑤4 = ^0.5078

2.7811 = 0.1826 𝑤5 = ^0.3800

2.7811 = 0.1366

7. Menghitung Preference Selection Indeks 𝜃_𝑖1

𝜃11 = ∑^𝑛_𝑗=1(0.8000 ∗ 0.2032)= 0.2269 𝜃21= ∑^𝑛_𝑗=1(0.6000 ∗ 0.2032)= 0.2269 𝜃₃₁= ∑^𝑛_𝑗=1(1.0000 ∗ 0.2032)= 0.1985 𝜃₄₁= ∑^𝑛_𝑗=1(0.6000 ∗ 0.2032)= 0.2552 𝜃₅₁= ∑^𝑛_𝑗=1(0.4000 ∗ 0.2032)= 0.1985 𝜃₆₁= ∑^𝑛_𝑗=1(0.8000 ∗ 0.2032)= 0.2269 𝜃71= ∑^𝑛_𝑗=1(0.6000 ∗ 0.2032)= 0.2552 𝜃81= ∑^𝑛_𝑗=1(0.2000 ∗ 0.2032)= 0.2552

Lakukan perhitungan hingga kriteria C4 dengan langkah yang sama seperti diatas, maka diperoleh matriks berikut yang terlihat pada tabel 7.

Tabel 7. Data Matriks Normalisasi

Alternatif C1 C2 C3 C4 C5 SUM

A1 0.1625 0.1465 0.2251 0.1369 0.0273 0.6984 A2 0.1219 0.1465 0.1668 0.0913 0.0820 0.6085 A3 0.2032 0.1465 0.2547 0.1826 0.1366 0.9236 A4 0.1219 0.0732 0.1734 0.0456 0.0547 0.4689 A5 0.0813 0.0732 0.1347 0.0913 0.1093 0.4898 A6 0.1625 0.2197 0.2579 0.1826 0.0547 0.8774 A7 0.1219 0.1465 0.1340 0.0913 0.0273 0.5210 A8 0.0406 0.0732 0.1469 0.1369 0.1093 0.5070

Dari perhitungan yang telah dilakukan diatas dengan penerapan metode PSI maka dapat dihasilkan peringkat yang dapat dilihat pada tabel 8 berikut:

Tabel 8. Data Perangkingan Kode Alternatif Nilai Peringkat

A3 Andriana 0.9236 1

Perhitungan yang telah dilakukan dari 8 alternatif menghasilkan alternatif terbaik yang dapat dilihat pada tabel 8 yaitu alternatif A3 yaitu Andriana dengan nilai 0.9236.

4. KESIMPULAN

Pada penelitian yang dilakukan dalam perangkingan dalam penentuan seleksi penerimaan content creator dengan kriteria yang telah ditentukan mengenai penerapan metode PSI. Didapatkan hasil content creator terbaik pada perhitungan ini didapatkan pada alternatif A3 atas nama Andriana dengan peringkat pertama yang memperoleh nilai tertinggi sebesar 0.9236 sebagai content creator terbaik yang diterima, hasil seleksi menggunakan sistem pendukung keputusan menjadikan sebuah pemilihan sistem yang dijadikan rekomendasi dalam seleksi penerimaan content creator karena hasil merupakan perolehan perhitungan nilai yang sebenarnya dari data para calon content creator.

REFERENCES

[1] S. Surahman, “Implementasi Manajemen Mutu Pendidikan Islam Menuju Era Society 5.0,” J. Teach. Educ., vol. 3, no. 2, pp.

170–182, 2022.

[2] S. Baharsyam and T. Wahyuti, “STRATEGI PENGGUNAAN KEY OPINION LEADER ( KOL ) DI MEDIA SOSIAL UNTUK MENINGKATKAN BRAND AWARENESS PRODUK SANIA ROYALE SOYA OIL,” J. KONVERGENSI, pp.

244–256, 2022.

[3] M. Amin, N. Irawati, H. D. E. Sinaga, D. Retnosari, J. Maulani, and H. D. L. Raja, “Decision support system analysis for selecting a baby cream product with Preference Selection Index (PSI) Baby Sensitive Skin under 3 Year,” J. Phys. Conf. Ser., vol. 1933, no. 1, 2021.

[4] V. No, M. Badaruddin, and M. Lasena, “DECISION SUPPORT SYSTEM OF EMPLOYEE PERFORMANCE ASSESSMENT APPLYING COMBINATION SIMPLE ADDITIVE WEIGHTING ( SAW ) METHOD WITH RANK ORDER CENTROID ( ROC ),” vol. 2, no. 12, pp. 37–42, 2021.

[5] S. Teerasoponpong and A. Sopadang, “Decision support system for adaptive sourcing and inventory management in small- and medium-sized enterprises,” Robot. Comput. Integr. Manuf., vol. 73, no. February 2021, p. 102226, 2022.

[6] N. E. Ingraham et al., “Re-Aiming equity evaluation in clinical decision support: a scoping review of equity assessments in surgical decision support systems,” Ann. Surg., vol. 277, no. 3, pp. 359–364, 2023.

[7] M. N. D. Satria, “Application of SAW in the Class Leader Selection Decision Support System,” Chain J. Comput. Technol.

Comput. Eng. Informatics, vol. 1, no. 1, pp. 27–31, 2023.

[8] D. Su, L. Zhang, H. Peng, P. Saeidi, and E. B. Tirkolaee, “Technical challenges of blockchain technology for sustainable manufacturing paradigm in Industry 4.0 era using a fuzzy decision support system,” Technol. Forecast. Soc. Change, vol. 188, p. 122275, 2023.

[9] F. S. Amalia and D. Alita, “Application of SAW Method in Decision Support System for Determination of Exemplary Students,” J. Inf. Technol. Softw. Eng. Comput. Sci., vol. 1, no. 1, pp. 14–21, 2023.

[10] H. T. Rizki, Mesran, and I. Saputra, “Penerapan Preference Selection Index (PSI) dalam Seleksi Siswa Program Pertukaran Pelajar,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. April, pp. 989–999, 2022.

[11] J. Hutagalung, A. F. Boy, H. Jaya, and I. Zulkarnain, “Pemberian Beasiswa Kepada Mahasiswa dengan Metode Preference Selection Index ( PSI ),” J. Sains Komput. Inform., vol. 6, no. September, pp. 648–660, 2022.

[12] A. U. Bani and Y. L. Prambodo, “Sistem Pendukung Keputusan Penentuan Pengangkatan Karyawan Kontrak Menjadi Karyawan Tetap Menerapkan Metode Preference Selection Index ( PSI ),” vol. 4, no. 3, pp. 1412–1421, 2022.

[13] M. H. Devi, “Sistem Pendukung Keputusan Rekrutmen Pegawai Menggunakan Metode Preference Selection Index (PSI),”

vol. 4, no. 3, pp. 1447–1455, 2022.

[14] M. H. Devi, “Sistem Pendukung Keputusan Rekrutmen Pegawai Menggunakan Metode Preference Selection Index (PSI),”

vol. 4, no. November, pp. 109–116, 2022.

[15] I. D. Pangestu and Fahrullah, “Penerapan Metode Preference Selection Index untuk Sistem Pendukung Keputusan Pemilihan Supervisor di PT Arkananta,” vol. 02, no. 01, pp. 37–49, 2021.

[16] R. K. Putra, Y. Yupianti, I. Y. Beti, and D. Lianda, “A Decision Support System For The Selection Of The Best Employees At CV. Adiguna By Applying The Preferences Selection Index Method,” J. Media Comput. Sci., vol. 2, no. 1, pp. 107–112, 2023.

[17] F. Chen et al., “Road safety performance rating through PSI-PRIDIT: A planning tool for designing policies and identifying Kode Alternatif Nilai Peringkat

A6 Dewinaska 0.8774 2 A1 Cyntia Sekar 0.6984 3

A2 Raihanun 0.6085 4

A7 Laraswati 0.5210 5 A8 Aira Syakilla 0.5070 6 A5 Ratu Muliana 0.4898 7 A4 Feby Putri 0.4689 8

best practices for EAS countries,” Socioecon. Plann. Sci., vol. 85, p. 101438, 2023.

[18] A. T. Hasibuan and M. Yetri, “Penerapan Metode Preference Selection Index ( PSI ) Dalam Perekrutan Tutor,” vol. 1, pp.

394–404, 2022.

[19] N. Huda and S. N. Hutagalung, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUPERVISOR PERENCANAAN TERBAIK MENERAPKAN PREFERENCE SELECTION INDEX DI PT . PLN ( PERSERO ) AREA MEDAN,” 2008.

[20] N. Arifin and H. Saputro, “Selection Index ( PSI ) Method in Developing a Student Scholarship Decision Support System,”

vol. 03, no. 01, 2022.

[21] S. H. Sahir et al., “The Preference Selection Index Method in Determining the Location of Used Laptop Marketing,” Int. J.

Eng. Technol., vol. 7, pp. 260–263, 2018.

[22] Mesran, K. Tampubolon, R. D. Sianturi, F. T. Waruwu, and A. P. U. Siahaan, “Determination of Education Scholarship Recipients Using Preference Selection Index,” Int. J. Sci. Res. Sci. Technol., vol. 3, no. 6, pp. 230–234, 2017.

[23] M. Kumar and A. Kumar, “Application of preference selection index method in performance based ranking of ceramic particulate (SiO2/SiC) reinforced AA2024 composite materials,” Mater. Today Proc., vol. 27, no. xxxx, pp. 2667–2672, 2019.

[24] M. Laia, P. Laia, and W. I. Safitri, “Sistem Pendukung Keputusan Dalam Penilaian Dosen Menerapkan Metode Weight Aggregated Sum Product Assesment ( WASPAS ),” pp. 130–134, 2018.

[25] W. I. Safitri, M. Mesran, and S. Sarwandi, “Penerapan Metode Preference Selection Index (PSI) Dalam Penerimaan Staff IT,”

Bull. Informatics Data …, vol. 1, no. 1, pp. 1–5, 2022.