Penerapan Metode MAUT Dalam Penentuan Kelayakan TKI dengan Pembobotan ROC

(1)

DOI: 10.30865/mib.v6i3.4441

Penerapan Metode MAUT Dalam Penentuan Kelayakan TKI dengan Pembobotan ROC

Dimas Hadityo Ramadan, M Ridho Siregar,Saidi Ramadan^*

Prodi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Budi Darma, Medan, Indonesia Email: ¹[email protected], ²[email protected], ^3,*[email protected]

Email Penulis Korespondensi: [email protected]

AbstrakIndonesia merupakan suatu negara yang memiliki banyak penduduk, tetapi lapangan pekerjaan belum mencukupi dalam peningkatan kelangsungan hidup penduduk. Adapun hal ini menyebabkan banyak penduduk indonesia yang menjadi Tenaga Kerja Indonesia (TKI). Kurun waktu ini dalam mengambil keputusan kelayakan TKI pada tahap penyeleksian calon TKI di BP3KI hanya dilakukan dengan melihat berdasarkan kriteria pengalaman kerja saja, padahal pada tahap penyeleksian calon TKI dapat menggunakan beberapa kriteria yaitu pendidikan, pengalaman kerja, usia, pengetahuan, keterampilan , dan etika. Dalam penentuan kelayakan TKI dibutuhkan sebuah sistem pendukung keputusan. Metode yang diterapkan dalam penelitian ini ialah metode MAUT dengan pembobotan ROC. Penerapan kedua metode ini diharapkan mampu menghasilkan alternatif dari sejumlah alternatif yang ada, adapun yang menjadi hasil alternatif terbaik dari penelitian ini ialah Alternatif A5

“ Boby ” dengan nilai Ui = 0,9748 yang layak menjadi TKI.

Kata Kunci: Tenaga Kerja Indonesia; SPK; MAUT; ROC

Abstract-Indonesia is a country that has a large population, but the employment opportunities are not sufficient in increasing the survival of the population. This has caused many Indonesians to become Indonesian Migrant Workers (TKI) abroad. During this period of time in making a decision on the eligibility of TKI abroad at the stage of selecting prospective TKI at BP3KI, it is only done by looking at the criteria for work experience, whereas at the selection stage for TKI candidates can use several criteria, namely education, work experience, age, knowledge, skills, and ethics. In determining the eligibility of Indonesian migrant workers abroad, a decision support system is needed. The method applied in this study is the MAUT method with ROC weighting. The application of these two methods is expected to be able to produce alternatives from a number of existing alternatives, while the best alternative result from this research is Alternative A5 "Boby" with a value of Ui = 0.9748 which is eligible to become a TKI abroad.

Keywords: Indonesian Migrant Workers; DSS; MAUT; ROC

1. PENDAHULUAN

Indonesia merupakan suatu negara yang memiliki banyak penduduk, tetapi lapangan pekerjaan belum mencukupi dalam peningkatan kelangsungan hidup penduduk. Adapun hal ini menyebabkan banyak penduduk indonesia yang menjadi Tenaga Kerja Indonesia (TKI). TKI adalah setiap warga Negara Indonesia yang dapat memenuhi persyaratan untuk bekerja keluar negeri terkait kerja pada jangka waktu yang sudah ditetapkan dengan menerima upah. Pengiriman TKI merupakan salah satu alternatif dalam menurunkan angka pengangguran yang ada di Indonesia.

Lembaga pengirim TKI yaitu Badan Pelayanan Penempatan Dan Perlindungan Tenaga Kerja Indonesia (BP3TKI) adalah unit yang bertugas dalam teknis BNP2TKI yang memiliki tugas untuk berkordinasi, melakukan proses pendaftaran dan penyeleksian terhadap calon TKI serta penempatan bekerjanya. Kurun waktu ini dalam mengambil keputusan kelayakan TKI pada tahap penyeleksian calon TKI di BP3KI hanya dilakukan dengan melihat berdasarkan kriteria pengalaman kerja saja, padahal pada tahap penyeleksian calon TKI dapat menggunakan beberapa kriteria yaitu pendidikan, pengalaman kerja, usia, pengetahuan, keterampilan , dan etika.

Kriteria-kriteria tersebut akan dijadikan penilaian dalam penentuan calon TKI yang layak.

Dalam penentuan kelayakan TKI dibutuhkan sebuah sistem pendukung keputusan. Sistem pendukung keputusan (SPK) adalah interaktif yang menyediakan informasi, pemodelan, dan pemanipulsian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiintstruktur dan situasi yang tidak terstruktur, dimana tidak seorang pun mengetahui pasti bagaimana keputusan seharusnya diambil. . Dalam penerapannya SPK dapat menghasilkan keputusan menggunakan metode-metode yang dapat menghasilkan keputusan menjadi lebih efisien. Metode-metode yang biasa digunakan pada SPK dikenal diantaranya SAW, WP, WASPAS, TOPSIS, MOORA, MOOSRA, AHP, COPRAS, OCRA, MABAC dan lain-lain. Metode yang diterapkan dalam penelitian ini ialah metode MAUT dengan pembobotan ROC. Metode MAUT merupakan suatu skema yang evaluasi akhir, v(x), dari suatu objek x didefinisikan sebagai bobot yang dijumlahkan dengan suatu nilai yang relevan terhadap nilai dimensinya, sedangkan Rank Order Centroid (ROC) merupakan metode yang digunakan untuk menghasilkan nilai bobot pada tiap-tiap kriteria. Proses kerja dari metode ROC dalam menghasilkan nilai bobot cukup mudah yaitu dimana kriteria yang pertama merupakan kriteria lebih penting dibandingkan dengan kriteria yang kedua, sedangkan untuk kriteria yang kedua merupakan kriteria lebih penting dibandingkan kriteria yang ketiga, dan begitupun selanjutnya terhadap beberapa kriteria yang digunakan yaitu kriteria keempat dan kriteria kelima [1].

Beberapa penelitian terkait yang pernah diteliti oleh peneliti sebelumnya, seperti penelitian Andreas Gerhard Simorangkir dan Mesran di tahun 2022, membahas tentang pemilihan konten YouTube layak tonton untuk

(2)

anak-anak. Dalam pemilihan konten YouTube layak tonton untuk anak-anak dibutuhkan sebuah SPK. Penelitian ini merancang SPK menerapkan metode ROC dan COPRAS. Kedua metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu “ Dora The Explorer “ dengan nilai Ui = 100[2].

Penelitian selanjutnya yaitu penelitian Rosmita Sari di tahun 2021, membahas tentang kelayakan pemberian bantuan PKH. Dalam kelayakan pemberian PKH dibutuhkan SPK. Penelitian ini merancang SPK menggunakan metode MAUT. Metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu alternatif “ A11 “ dengan nilai Ui = 0,72349[3].

Penelitian selanjutnya yaitu penelitian Wahyu Widodo dan Idi Nastoto di tahun 2018, membahas tentang untuk penentuan bantuan rumah tinggal sehat. Dalam penentuan bantuan rumah tinggal sehat dibutuhkan SPK.

Penelitian ini merancang SPK menggunakan metode MAUT. Metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu alternatif “ A1 “ dengan nilai Ui = 0,53375[4].

Penelitian selanjutnya yaitu penelitian Tia Imandasari dkk di tahun 2019 membahas tentang analisis pemilihan deodorant. Dalam analisis pemlihan deodorant dibutuhkan sebuah SPK. Penelitian ini merancang SPK menggunakan metode MAUT. Metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu “ Nature’s Gate Organics Fruit Blend “ dengan nilai Ui = 0,73[5].

Penelitian selanjutnya yaitu penelitian Amanudin Harahap dkk di tahun 2022, membahas tentang pemilihan fitur baru yang paling direkomendasikan pada aplikasi website Universitas Budi Darma. Dalam pemilihan fitur baru yang paling direkomendasikan pada aplikasi website Universitas Budi Darma dibutuhkan sebuah SPK.

Penelitian ini merancang SPK menggunakan metode MAUT. Metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu A2 nama fitur “ Profil “ dengan nilai Ui = 0,754[6].

Penelitian Ratna Sri Hayati dan Siti Aliyah di tahun 2020, membahas tentang promosi jabatan. Dalam promosi jabatan dibutuhkan sebuah SPK. Penelitian ini merancang SPK menggunakan metode MAUT. Metode ini dipilih karena mampu menghasilkan alternatif terbaik dari sejumlah alternatif yang ada, Adapun yang menjadi alternatif terbaik dalam penelitian ini yaitu “ Karyawan 1 “ dengan nilai Ui = 0,84[7].

Pada penelitian sebelumnya yang berjudul Penerapan Metode Aras ( Additive Ratio Assessment ) Dalam Penilaian Guru Terbaik menyimpulkan bahwasanya Hasil penelitian diatas menunjukkan bahwa penggunaan metode ARAS dapat menentukan keputusan dalam penilaian Guru Terbaik. Berdasarkan hasil perancangan yang telah dilakukan pada bab sebelumnya, maka dalam penelitian ini dapat diambil kesimpulan Penerapan Metode ARAS ((Additive Ratio Assessment) mampu memberikan rekomendasi kepada user berupa penilaian berdasarkan dari bobot kriteria penilaian yang telah ditentukan.dan Metode ARAS (Additive Ratio Assessment) dapat digunakan untuk memecahkan masalah dalam penilaian guru terbaik [8].

Berdasarkan dari permasalahan yang dihadapi di atas, maka SPK merupakan solusi yang tepat untuk mendukung dalam hal kelayakan TKI. Metode yang diterapkan pada penelitian ini yaitu metode MAUT dengan pembobotan ROC, dengan menerapkan kedua metode ini penulis berharap dapat menjadi rekomendasi hasil yang baik dalam kelayakan TKI.

2. METODOLOGI PENELITIAN

Dalam melakukan penelitian ini, penulis melakukan beberapa tahapan-tahapan. Tahapan- tahapan yang terdapat pada penelitian ini ialah yaitu sebagai berikut ini:

2.1 Tahapan Penelitian

Adapun tahapan-tahapan penelitian dapat dilihat pada gambar dibawah ini :

Gambar 1. Tahapan Penelitian

(3)

DOI: 10.30865/mib.v6i3.4441

Tahapan-Tahapan yang dilakukan pada penelitian ini yaitu : a. Tahapan Indentifikasi Masalah

Mencari permasalahan yang terjadi pada BP3KI terkait siapa yang layak menjadi calon TKI b. Tahapan pengumpulan data

Mengumpulkan data secara langsung dan wawancara dengan pegawai terkait pada BP3KI c. Tahapan studi literatur

Menggali informasi keilmuan terkait dengan permasalahan pada berbagai wadah jurnal yang dijadikan sumber rujukan

d. Tahapan analisa metode

Menggunakan metode ROC dalam pembobotan sedangkan MAUT untuk perangkingan e. Tahapan hasil keputusan

Mendapatkan nilai hasil analisa berdasarkan data yang telah dihitung menggunakan metode yang ROC dan MAUT

2.2 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) adalah suatu sistem yang dapat menyediakan fungsi pengelolaan data yang berdasarkan pada suatu model tertentu, sehingga user dari pada sistem tersebut dapat melakukan pemilihan alternatif keputusan yang paling terbaik[9]–[11].

2.3 Tenaga Kerja Indonesia (TKI)

TKI adalah sebutan bagi warga Negara Indonesia yang bekerja di luar negeri dalam hubungan kerja untuk jangka waktu tertentu dengan menerima upah.

2.4 Metode Rank Order Centroid (ROC)

Metode Rank Order Centroid (ROC) digunakan untuk menghasilkan nilai bobot pada tiap-tiap kriteria. Penentuan bobot Metode ROC merupakan metode yang menitik beratkan terhadap prioritas kriteria menjadi yang utama[12]–

[14]. Untuk mendapatkan nilai bobot (W), maka digunakan persamaan sebagai berikut:

𝑊_𝑚= ¹

m∑ = 1(¹

i)

m1 (1)

Hasil dari Wm, yaitu bernilai 1.

2.5 Metode Multi Attribute Utility Theory (MAUT)

Metode MAUT merupakan suatu skema yang evaluasi akhir, v(x), dari suatu objek x didefinisikan sebagai bobot yang dijumlahkan dengan suatu nilai yang relevan terhadap nilai dimensinya[15]–[20].

Langkah-Langkah Penyelesaian :

1. Mempersiapkan Matriks Keputusan (𝑋_𝑖𝑗)

𝑋_𝑖𝑗= [

𝑟₁₁ ⋯

⋮ ⋱ 𝑟_1𝑗

⋮

⋯ 𝑟_1𝑛 𝑟_𝑖1 ⋯ 𝑟_𝑖𝑗 ⋯⋱ ⋮𝑟_𝑖𝑛

⋮ ⋱ 𝑟_𝑚1 ⋯

⋮ 𝑟_𝑚𝑗

⋱ ⋮

⋯ 𝑟_𝑚𝑛]

(2)

Keterangan :

(𝑋𝑖𝑗) : Matriks Keputusan alternatif i pada kriteria j

𝑟_𝑖𝑗 : Elemen dari matriks keputusan alternatif dengan atribut j i : Altematif (Baris)

j : Atribut/Kriteria (Kolom) n : Jumlah/Atribut (Kriteria) m : Jumlah Alternatif (Baris) 2. Menghitung Normalisasi (𝑟_𝑖𝑗^∗)

𝑟_𝑖𝑗^∗ =

𝑟𝑖𝑗−min(𝑟𝑖𝑗)

𝑚𝑎𝑥(𝑟_𝑖𝑗)−min(𝑟_𝑖𝑗) (max) (3)

𝑟_𝑖𝑗^∗ = 1 + ( ^{𝑚𝑖𝑛(𝑟}^𝑖𝑗^)−𝑟^𝑖𝑗

𝑚𝑎𝑥(𝑟𝑖𝑗)−𝑚𝑖𝑛(𝑟𝑖𝑗)) (min) (4)

Keterangan :

𝑟_𝑖𝑗^∗ : Jumlah yang dinormalisasi dari matriks keputusan dari alternatif 𝑟_𝑖𝑗 : Elemen dari matriks keputusan untuk alternatif dengan atribut j i : Alternatif

n : Jumlah Kriteria j : Kriteria

3. Menghitung Utilitas (

𝑢

_𝑖𝑗)

(4)

𝑢_𝑖𝑗= ^𝑒^{(𝑟𝑖𝑗}

∗ )2

−1

1.71 (5)

Keterangan :

𝑢_𝑖𝑗 : Utilitas Marjinal

𝑟_𝑖𝑗^∗ : Jumlah yang dinormalisasi dari matriks keputusan dari alternatif e : Eksponensial

i : Altematif (Baris) j : Atribut/Kriteria (Kolom) 4. Menghitung Utilitas Akhir (

𝑢

_𝑖)

𝑢_𝑖= ∑^𝑛_𝑗=1𝑢_𝑖𝑗∗ 𝑤_𝑖𝑗 (6)

Keterangan : 𝑢_𝑖 : Utilitas Akhir 𝑢_𝑖𝑗 : Utilitas Marjinal 𝑤_𝑖𝑗 : Bobot Alternatif i ke j i : Alternatif (Baris) j : Atribut/Kriteria(Kolom)

3. HASIL DAN PEMBAHASAN

Dalam penelitian ini penulis menggunakan metode MAUT dengan pembobotan ROC dalam penentuan kelayakan TKI. Pada Metode ROC digunakan untuk pembobotan tiap kriteria dan untuk metode MAUT membutuhkan beberapa kriteria dan bobot Preferensi untuk melakukan suatu perhitungan agar mendapatkan suatu alternatif yang paling terbaik

3.1 Penentuan Kriteria dan Bobot

Dalam menentukan kriteria, bobot, dan alternatif yang paling penting adalah menambahkan suatu keterangan dari setiap tabel untuk mengetahui hasil dari alternatif terbaik yang akan diambil. Untuk tabel 1 ialah tabel kriteria yang dapat dilihat sebagai berikut:

Tabel 1. Kriteria

Kriteria Keterangan Jenis Kriteria

C1 Pendidikan Benefit

C2 Pengalaman Kerja Benefit

C3 Usia Benefit

C4 Pengetahuan Benefit

C5 Keterampilan Benefit

C6 Etika Cost

Pada tabel 1 diatas akan dijelaskan maksud dari masing-masing kriteria yaitu sebagai berikut :

1. Pendidikan adalah proses pengubahan sikap dan tingkah laku seseorang atau kelompok orang dalam usaha mendewasakan manusia melalui upaya pengajaran dan pelatihan.

2. Pengalaman kerja adalah suatu kemampuan yang dimiliki pegawai untuk mengemban tanggung jawab dari pekerjaan sebelumnya.

3. Usia adalah waktu yang terlewat sejak kelahiran.

4. Pengetahuan adalah informasi atau maklumat yang diketahui atau disadari oleh seseorang.

5. Keterampilan adalah kemampuan untuk melakukan sesuatu dengan baik, cepat dan tepat.

6. Etika adalah konsep penilaian sifat kebenaran atau kebaikan dari tindakan sosial berdasarkan pada tradisi yang dimiliki oleh individu maupun kelompok.

Berikut sampel pembobotan menggunakan metode ROC seperti berikut ini :

𝑊₁ = ¹⁺

1

2 + ₃¹+ ¹₄ + ¹₅ + ¹₆

6 = 0,41

Selanjutnya pada tabel 2 berikut merupakan data alternatif sebagai data contoh terhadap Calon TKI.

Tabel 2. Alternatif

Alternatif C1 C2 C3 C4 C5 C6

Gino (A1) SMA 3 Tahun 24 Tahun Sangat Baik Baik Baik Miko (A2) SMP 2 Tahun 22 Tahun Baik Cukup Baik Cukup Baik

Kris (A3) SMA 1 Tahun 20 Tahun Cukup Baik Baik Sangat Baik Doni (A4) SMP 2 Tahun 23 Tahun Baik Baik Cukup Baik

(5)

DOI: 10.30865/mib.v6i3.4441

Boby (A5) SMA 3 Tahun 25 Tahun Sangat Baik Sangat Baik Sangat Baik Aldo (A6) SMP 1 Tahun 21 Tahun Cukup Baik Cukup Baik Cukup Baik

Dalam tabel 2 diatas terdapat sejumlah data yang bersifat linguistik, seperti SMP, SMA Sangat Baik, Baik, Cukup Baik. Data ini dilakukan pembobotan sehingga diperoleh nilai dari alternatif yang dapat dilakukan menggunakan metode MAUT. Pembobotan tersebut dapat dilihat dari tabel 3 berikut ini :

Tabel 3. Bobot Nilai Kriteria No Kriteria Keterangan Nilai

1 C1 SMA 2

SMP 1

2 C4 Sangat Baik 3

Baik 2

Cukup Baik 1

Setelah diberikan pembobotan , selanjutnya menentukan tabel rating kecocokan yang dapat dilihat pada tabel 4 berikut ini :

Tabel 4. Rating kecocokan nilai pada alternatif dari setiap kriteria

Gino (A1) 2 3 24 3 2 2

Miko (A2) 1 2 22 2 1 1

Kris (A3) 2 1 20 1 2 3

Doni (A4) 1 2 23 2 2 1

Boby (A5) 2 3 25 3 3 3

Aldo (A6) 1 1 21 1 1 1

Setelah menentukan ranting kecocokan pada tabel 4 diatas, maka dimulai perhitungan kriteria dengan menggunakan Metode MAUT akan dilakukan sesuai dengan langkah-langkah sebagai berikut :

1. Memasukan nilai kriteria masing-masing alternatif

Untuk memasukan nilai kriteria-kriteria masing-masing alternatif dilihat dari tabel 4. Penyederhanaan rating kecocokan pada setiap kriteria

2. Mempersiapkan Matriks Keputusan

𝑋_𝑖𝑗= [

2 3 24 1 2 22 2 1 20

3 2 2 2 1 1 1 2 3 1 2 23

2 3 25 1 1 21

2 2 1 3 3 3 1 1 1]

3. Membuat Matriks Normalisasi MAUT dari Matriks Keputusan MAUT a. Menghitung Normalisasi ( 𝑟_𝑖𝑗^∗)

Sampel perhitungan kriteria C1 (Pendidikan) 𝑟₁₁^∗ = ²⁻¹

2−1= ¹

1= 1 𝑟₂₁^∗ = ¹⁻¹

2−1= ⁰

1= 0 𝑟₃₁^∗ = ²⁻¹

2−1= ¹

1= 1

Dari hasil perhitungan tersebut diperoleh matrik ternormalisasi (𝑟_𝑖𝑗^∗) sebagai berikut

𝑟_{𝑖𝑗 =} [

1 1 0,958 0 0,5 0,875 1 0 0,792

1 0,5 0,5

0,5 0 1

0 0,5 0 0 0,5 0,917

1 1 1

0 0 0,833

0,5 0,5 1

1 1 0

0 0 1 ]

a. Menghitung Utilitas Marjinal (𝑢_𝑖𝑗)

Sampel perhitungan kriteria C5 (Keterampilan)

(6)

𝑢₁₅=^𝑒^(0,5)2⁻¹

1.71 = 0,379

Dari hasil perhitungan tersebut diperoleh utilitas marjinal (𝑢_𝑖𝑗^∗) sebagai berikut

𝑢_{𝑖𝑗 =} [

1,005 1,005 0,939 0 0,379 0,818 1,005 0 0,706

1,005 0,379 0,379 0,379 0 1,005

0 0,379 0

0 0,379 0,878 1,005 1,005 1,005

0 0 0,760

0,379 0,379 1,005 1,005 1,005 0

0 0 1,005]

b. Menghitung Utilitas Akhir (𝑢_𝑖)

𝑢₅ = (1,005*0,41) + (1,005*0,24) + (1,005*0,16) + (1,005*0,10) + (1,005*0,06) + (0*0,03)

= 0,4120 + 0,2412 + 0,1608 + 0,1005 + 0,0603 + 0

= 0,9748

Tabel 5. Perangkingan Alternatif

No Alternatif Keterangan Nilai Ui Rangking

1 A5 Boby 0,9748 1

2 A1 Gino 0,9380 2

3 A3 Kris 0,5477 3

4 A4 Doni 0,3272 4

5 A2 Miko 0,2899 5

6 A6 Aldo 0,1517 6

Berdasarkan tabel perangkingan diatas maka diperoleh alternatif terbaik yaitu alternatif A5 atas nama “ Boby “ dengan nilai Ui = 0,9748 yang layak menjadi TKI.

4. KESIMPULAN

Berdasarkan penelitian yang telah dihasilkan dapat diambil kesimpulan bahwa penilaian suatu kriteria dari setiap alternatif yang berbeda dan dari bobot setiap kriteria yang berbeda maka dapat diperoleh suatu hasil nilai perbandingan alternatif yang dapat dirangking, dapat ditentukan antara nilai tertinggi dan terendah. adapun yang menjadi hasil alternatif terbaik dari hasil perhitungan dengan di atas ialah alternatif A5 “ Boby ” dengan nilai Ui

= 0,9748 yang layak menjadi TKI.

REFERENCES

[1] Nindian Puspa Dewi, Ubaidi, and Elsi Maharani, “Sistem Pendukung Keputusan Pemilihan Sales Terbaik Menggunakan Metode Rank Order Centroid (ROC) dan Additive Ratio Assessment (ARAS) Berbasis Web,” Digit. Zo. J. Teknol. Inf.

dan Komun., vol. 12, no. 2, pp. 172–183, 2021.

[2] A. G. Simorangkir and Mesran, “SPK Pemilihan Konten YouTube Layak Tonton untuk Anak-Anak Menerapkan Metode ROC ( Rank Order Centroid ) dan COPRAS ( Complex Proportional Assessment ),” 2022.

[3] R. Sari, “Sistem Pendukung Keputusan Kelayakan Pemberian Bantuan PKH Dengan Metode Multi Attribute Utility Theory ( MAUT ) ( Studi Kasus : Desa Bulumario Kecamatan Sipirok ),” vol. 5, pp. 234–239, 2021.

[4] W. Widodo and I. Nastoto, “SISTEM PENDUKUNG KEPUTUSAN DENGAN MENGGUNAKAN MENGGUNAKAN METODE MULTI ATRIBUTE UTILITY THEORY (MAUT) UNTUK PENENTUAN BANTUAN RUMAH TINGGAL SEHAT,” vol. 1, no. 2, pp. 76–80, 2018.

[5] T. Imandasari, A. P. Windarto, and D. Hartama, “Analisis Metode MAUT Pada Pemilihan Deodorant,” pp. 736–739, 2019.

[6] A. Harahap, M. W. Zendrato, Endhika, T. T. E. Ndruru, M. P. Daulay, and M. ko. Muhammad Syahrizal, “Sistem Pendukung Keputusan Pemilihan Fitur Baru Yang Paling Dikomendasikan Pada Aplikasi Website Universitas Budi Darma Menggunakan Metode Multi Attribute Utility Theory (MAUT),” pp. 363–368, 2022.

[7] R. S. Hayati and S. Aliyah, “Promosi Jabatan Menggunakan Metode Multi Attribute Utility Theory,” IT J., vol. 8, no. 2, pp. 103–111, 2020.

[8] A. S. Nadeak, “Penerapan Metode Aras ( Additive Ratio Assessment ) Dalam Penilaian Guru Terbaik,” Semin. Nas.

Teknol. Komput. Sains, vol. 2, no. 2010, pp. 571–578, 2019.

[9] N. Hadinata, “Implementasi Metode Multi Attribute Utility Theory ( MAUT ) Pada Sistem Pendukung Keputusan dalam Menentukan Penerima Kredit,” vol. 07, no. September, pp. 87–92, 2018.

[10] E. Satria, N. Atina, M. E. Simbolon, and A. P. Windarto, “SPK : ALGORITMA MULTI-ATTRIBUTE UTILITY THEORY ( MAUT ) PADADESTINASI TUJUAN WISATA LOKAL DI KOTA SIDAMANIK,” vol. 3, no. 2, pp. 168–

172, 2018.

[11] D. Saripurna, J. Halim, and Z. Lubis, “Sistem pendukung Keputusan Dalam Menetukan Kelayakan Karyawan Kontrak Menjadi Status Karyawan Tetap PT . ISS Indonesia dengan menggunakan Metode Multi Attribute Utility Theory,” vol.

1, no. 2, pp. 75–82, 2018.

[12] S. Damanik and D. P. Utomo, “Implementasi Metode ROC ( Rank Order Centroid ) Dan Waspas Dalam Sistem Pendukung Keputusan Pemilihan Kerjasama Vendor,” vol. 4, pp. 242–248, 2020.

[13] M. Mesran, J. Afriany, and S. H. Sahir, “Efektifitas Penilaian Kinerja Karyawan Dalam Peningkatan Motivasi Kerja

(7)

DOI: 10.30865/mib.v6i3.4441

Menerapkan Metode Rank Order Centroid (ROC) dan Additive Ratio Assessment (ARAS),” Pros. Semin. Nas. Ris. Inf.

Sci., vol. 1, no. 0, pp. 813–821, Sep. 2019.

[14] M. Mesran, T. M. Diansyah, and F. Fadlina, “Implemententasi Metode Rank Order Cendroid (ROC) dan Operational Competitiveness Rating Analysis (OCRA) dalam Penilaian Kinerja Dosen Komputer Menerapkan (Studi Kasus: STMIK Budi Darma),” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. 0, p. 822, Sep. 2019.

[15] D. Maharani and A. Nata, “PERBANDINGAN METODE MFEP DAN MAUT DALAM SELEKSI CALON PESERTA OLIMPIADE SAINS NASIONAL ( OSN ),” vol. VI, no. 3, 2020.

[16] H. R. Hatta, B. Pradana, and D. M. Khairina, “Kombinasi Metode Analytical Hierarchy Process ( AHP ) dan Multi- Attribute Utility Theory ( MAUT ) Pada Lomba Balita Sehat untuk usia 6- 24 Bulan,” pp. 244–249, 2020.

[17] R. N. Sari and R. S. Hayati, “Penerapan Metode Multi Attribute Utility Theory (MAUT) Dalam Pemilihan Rumah Kost,”

J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 3, no. 2, pp. 243–251, 2019.

[18] S. Rezi Elsya Putraa, Jufriadif Na’amb, “Keputusan Pemilihan Dosen Berprestasi Menggunakan Metode Multi Attribute Utility Theory (MAUT),” vol. 6, pp. 9–14, 2020.

[19] J. H. Lubis, S. Esabella, Mesran, Desyanti, and D. M. Simanjuntak, “Penerapan Metode Multi Attribute Utility Theory (MAUT) Dalam Pemilihan Karyawan yang di Non-Aktifkan di Masa Pandemi,” J. MEDIA Inform. BUDIDARMA, vol.

6, no. April, pp. 969–978, 2022.

[20] A. A. Kusuma, Z. M. Arini, U. Hasanah, and Mesran, “Analisa Penerapan Metode Multi Attribute Utility Theory (MAUT) dengan Pembobotan Rank Order Centroid (ROC) Dalam Pemilihan Lokasi Strategis Coffeshop Milenial di Era New Normal,” J. Sist. Komput. dan Inform., vol. 3, no. 2, pp. 51–59, 2021.