View of SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI PEMBANGUNAN HOTEL DENGAN METODE MULTI-ATTRIBUTIVE BORDER APPROXIMATION AREA COMPARISON

(1)

792

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI PEMBANGUNAN HOTEL DENGAN METODE MULTI-ATTRIBUTIVE BORDER APPROXIMATION

AREA COMPARISON

Muhammad Yunus¹, Elsida Aritonang², Victor Maruli Pakpahan³, Jubelando O Tambunan⁴, Doris Yolanda Saragih⁵

1Universitas Murni Teguh email: [email protected]

2,4Universitas Efarina

email: [email protected], [email protected]

3STMIK Kaputama email: [email protected]

5Politeknik Bisnis indonesia email: [email protected]

Abstract

This research aims to develop a Decision Support System (DSS) for determining the location of hotel development on Samosir Island. This DSS is constructed using the Multi-Attributive Border Approximation Area Comparison (MABAC) method. The criteria used in this study include Distance (C1), Natural Beauty (C2), Cleanliness (C3), Transportation (C4), and Atmosphere (C5). The choice of MABAC as the method is made because it provides flexibility for decision-makers to specify preferences and consider variations in criteria. The ranking results from MABAC indicate the top three locations, namely LH04, LH03, and LH01. By implementing the DSS using the MABAC method, this system is expected to make a significant contribution to optimizing the selection of hotel development locations in Samosir. The findings of this research illustrate that the use of the DSS with the MABAC method can be relied upon as a guide in addressing the impact of sustainable hotel growth in crucial tourist destinations such as Samosir.

Keywords: DSS, MABAC, Criteria, Hotel, Method.

1. PENDAHULUAN

Indonesia, sebagai negara kepulauan dengan kekayaan alam dan budaya yang melimpah, terus menerapkan strategi untuk mengembangkan sektor pariwisata sebagai salah satu pilar ekonomi. Samosir, sebuah pulau di tengah Danau Toba, menjadi perhatian utama dengan statusnya sebagai salah satu destinasi wisata super prioritas yang ditetapkan oleh Kementerian Pariwisata dan Ekonomi Kreatif (Kemenparekraf). Samosir memiliki potensi besar untuk menjadi magnet wisata dengan daya tarik uniknya, khususnya dalam konteks keindahan alam dan kekayaan budaya Batak.

Sejalan dengan upaya pemerintah untuk mengembangkan pariwisata di Samosir, maraknya pembangunan hotel menjadi sebuah tantangan yang perlu diatasi dengan bijak.

Pemilihan lokasi pembangunan hotel menjadi keputusan krusial yang dapat memengaruhi

keberlanjutan lingkungan, kenyamanan wisatawan, dan dampak ekonomi di daerah tersebut. Oleh karena itu, diperlukan suatu Sistem yang dapat membantu para pemangku kepentingan dalam menentukan lokasi yang optimal untuk pembangunan hotel.

Dengan terus berkembangnya berbagai teknologi informasi [1]–[8], peran sistem pendukung keputusan semakin meningkat dalam pemanfaatannya untuk membantu organisasi dan individu menghadapi tantangan kompleks dan dinamis di dunia bisnis dan kehidupan sehari- hari. Saat ini, Sistem Pendukung Keputusan (SPK) telah diterapkan dalam membantu pengambilan keputusan yang lebih efektif dan efisien [9]–[16]. SPK mampu mengolah data dan informasi yang kompleks menjadi keputusan yang dapat diandalkan [17]–[25]. Hal ini memungkinkan pengambilan keputusan yang lebih tepat sasaran, mengurangi ketidakpastian,

(2)

793

dan meningkatkan efisiensi penggunaan sumber daya.

Berdasarkan latar belakang yang telah diuraikan sebelumnya maka dirancang dengan sebuah sistem pendukung keputusan dengan menerapkan metode Multi-Attributive Border Approximation area Comparison (MABAC) untuk membantu mempermudah pemilihan lokasi pembangunan hotel di Samosir. Metode MABAC merupakan metode yang dapat memberikan alternatif yang menarik dengan memberikan keleluasaan pada pengambil keputusan dalam menentukan preferensi dan mempertimbangkan variasi kriteria [26]–[30]. SPK pemilihan lokasi pembangunan hotel di Samosir dengan menggunakan Metode MABAC ini diharapkan dapat memberikan kontribusi signifikan untuk mengoptimalkan pengambilan keputusan terkait dengan lokasi pembangunan hotel di Samosir.

2. METODE PENELITIAN

Untuk membangun Sistem Pendukung Keputusan pemilihan lokasi pembangunan hotel di Samosir dengan menggunakan metode Multi- Attributive Border Approximation area Comparison (MABAC) ini, dilakukan melalui tahapan-tahapan seperti pada gambar 1. Pada tahap awal penelitian ini dilakukan studi pendahuluan untuk memahami kondisi dan potensi pemilihan lokasi pembangunan hotel di Samosir. Selanjutnya ditentukan kriteria-kriteria yang relevan dalam pemilihan lokasi pembangunan hotel tersebut, seperti Jarak (C1), Keindahan Alam (C2), Kebersihan (C3), Transportasi (C4) dan Suasana (C5).

Bobot kriteria ditentukan melalui proses pembobotan berdasarkan preferensi dan kepentingan relatif dari masing-masing kriteria.

Bobot dari masing-masing kriteria terdiri disajikan pada tabel 1.

Tabel 1. Kriteria dan Bobot Setiap Kriteria

C1 C2 C3 C4 C5

Benefit Benefit Benefit Cost Cost 0.25 0.25 0.20 0.15 0.15

Gambar 1. Tahapan Penelitian

Selanjutnya dilakukan pengumpulan data melalui survei lapangan, wawancara, serta mencari referensi dari literatur terkait. Dalam analisis awal, dilakukan penilaian terhadap kriteria-kriteria dalam SPK pemilihan lokasi pembangunan hotel di Samosir yang disajikan pada tabel 2. Kemudian data yang terkumpul digunakan untuk membentuk matriks keputusan, di mana setiap baris merepresentasikan alternatif terbaik untuk pemilihan lokasi hotel yang akan dibangun sesuai dengan kriteria yang telah ditetapkan.

Tabel 2. Penilaian Setiap Kriteria Alt C1 C2 C3 C4 C5

LH01 70 78 74 74 9

LH02 55 56 55 74 8

LH03 75 94 74 85 7

LH04 65 84 88 96 6

LH05 80 71 89 45 5

LH06 75 85 27 82 4

LH07 90 45 57 45 3

LH08 77 77 78 77 2

(3)

794

Selanjutnya, metode MABAC diterapkan untuk merangking alternatif lokasi pembangunan hotel terbaik berdasarkan skor tertinggi. Tahap berikutnya, sistem pendukung keputusan akan dikembangkan dalam bentuk perangkat lunak yang interaktif dan mudah digunakan.

3. HASIL DAN PEMBAHASAN

Untuk mendapatkan lokasi terbaik pemilihan lokasi pembangunan hotel di Samosir dengan menggunakan Sistem Pendukung Keputusan metode Multi-Attributive Border Approximation area Comparison (MABAC) ini, dilakukan pengolahan data melalui tahapan- tahapan antara lain:

Membuat matriks keputusan

R=

[

70 78 74 74 9 55 56 55 74 8 75 94 74 85 7 65 84 88 96 6 80 71 89 45 5 75 85 27 82 4 90 45 57 45 3 77 77 78 77 2]

Tahap berikutnya dilakukan normalisasi element matriks awal (X) untuk setiap kriteria, yakni : Kriteria C1

Xi+ ={70;55;75;65;80;75;90;77} = 90 Xi- ={70;55;75;65;80;75;90;77} = 55 t11 = (⁷⁰⁻⁵⁵

90−55)=0.47778 t12 = (⁵⁵⁻⁵⁵

90−55)=0.23333 t13 = (⁷⁵⁻⁵⁵

90−55)=0.65556 t14 = (⁶⁵⁻⁵⁵

90−55)=0.54444 t15 = (⁸⁰⁻⁵⁵

90−55)=0.40000

t16 = (⁷⁵⁻⁵⁵₉₀₋₅₅)=0.55556 t17 = (⁹⁰⁻⁵⁵

90−55)=0.11111 t18 = (⁷⁷⁻⁵⁵

90−55)=0.46667

Normalisasi Kriteria C2

Xi+ ={78;56;94;84;71;85;45;77} = 94 Xi- ={78;56;94;84;71;85;45;77} = 45 t21 = (⁷⁸⁻⁴⁵

94−45)=0.26596

t22 = (⁵⁶⁻⁴⁵₉₄₋₄₅)=0.06383 t23 = (⁹⁴⁻⁴⁵

94−45)=0.26596 t24 = (⁸⁴⁻⁴⁵

94−45)=0.41489 t25 = (⁷¹⁻⁴⁵

94−45)=0.42553 t26 = (⁸⁵⁻⁴⁵

94−45)=0.23404 t27 = (⁴⁵⁻⁴⁵

94−45)=0.08511 t28 = (⁷⁷⁻⁴⁵₉₄₋₄₅)=0.30851

Xi+ ={74;55;74;88;89;27;57;78} = 89 Xi- ={74;55;74;88;89;27;57;78} = 27 t31 = (⁷⁴⁻²⁷₈₉₋₂₇)=0.13483

t32 = (⁵⁵⁻²⁷₈₉₋₂₇)=0.13483 t33 = (⁷⁴⁻²⁷

89−27)=0.25843 t34 = (⁸⁸⁻²⁷

89−27)=0.38202 t35 = (⁸⁹⁻²⁷

89−27)=0.19101

(4)

795

t36 = (²⁷⁻²⁷₈₉₋₂₇)=0.22472 t37 = (⁵⁷⁻²⁷

89−27)=0.19101 t38 = (⁷⁸⁻²⁷

89−27)=0.16854

Xi+ ={74;74;85;96;45;82;45;77} = 96 Xi- ={74;74;85;96;45;82;45;77} = 45 t41 = (⁷⁴⁻⁴⁵

96−45)=0.56863 t42 = (⁷⁴⁻⁴⁵

96−45)=0.56863 t43 = (⁸⁵⁻⁴⁵

96−45)=0.78431 t44 = (⁹⁶⁻⁴⁵

96−45)=1.00000

t45 = (⁴⁵⁻⁴⁵₉₆₋₄₅)=0 t46 = (⁸²⁻⁴⁵₉₆₋₄₅)=0.72549 t47 = (⁴⁵⁻⁴⁵

96−45)=0 t48 = (⁷⁷⁻⁴⁵

96−45)=0.62745

Normalisasi Kriteria C5 Xi+ ={9;8;7;6;5;4;3;2} = 9 Xi- ={9;8;7;6;5;4;3;2} = 2 t51 = (⁹⁻²

9−2)=1.00000 t52 = (⁸⁻²

9−2)=0.85714 t53 = (⁷⁻²

9−2)=0.71429 t54 = (⁶⁻²

9−2)=0.57143

t55 = (⁵⁻²₉₋₂)=0.42857 t56 = (⁴⁻²₉₋₂)=0.28571 t57 = (³⁻²

9−2)=0.14286

t58 = (²⁻²₉₋₂)=0

Sehingga diperoleh hasil normalisasi element matriks awal (N) sebagai berikut :

[

0.47778 0.26596 0.13483 0.56863 1.00000 0.23333 0.06383 0.13483 0.56863 0.85714 0.65556 0.26596 0.25843 0.78431 0.71429 0.54444 0.41489 0.38202 1.00000 0.57143 0.40000 0.42553 0.19101 − 0.42857 0.55556 0.23404 0.22472 0.72549 0.28571 0.11111 0.08511 0.19101 − 0.14286 0.46667 0.30851 0.16854 0.62745 − ] Selanjutnya dilakukan perhitungan matriks tertimbang dengan tahapan :

V11=(25 X 0.47778 ) + 25 =0.36944 V12=(25 X 0.23333 ) + 25 =0.30833 V13=(25 X 0.65556 ) + 25 =0.41389 V14=(25 X 0.54444 ) + 25 =0.38611 V15=(25 X 0.40000 ) + 25 =0.35000 V16=(25 X 0.55556 ) + 25 =0.38889 V17=(25 X 0.11111 ) + 25 =0.27778 V18=(25 X 0.46667 ) + 25 =0.36667 V21=(25 X 0.26596 ) + 25 =0.31649 V22=(25 X 0.06383 ) + 25 =0.26596 V23=(25 X 0.26596 ) + 25 =0.31649 V24=(25 X 0.41489 ) + 25 =0.35372 V25=(25 X 0.42553 ) + 25 =0.35638 V26=(25 X 0.23404 ) + 25 =0.19149 V27=(25 X 0.08511 ) + 25 =0.27128 V28=(25 X 0.30851 ) + 25 =0.32713

V31=(20 X 0.13483 ) + 20 =0.22697 V32=(20 X 0.13483 ) + 20 =0.22697 V33=(20 X 0.25843 ) + 20 =0.25169

(5)

796

V34=(20 X 0.38202 ) + 20 =0.27640 V35=(20 X 0.19101 ) + 20 =0.16180 V36=(20 X 0.22472 ) + 20 =0.24494 V37=(20 X 0.19101 ) + 20 =0.16180 V38=(20 X 0.16854 ) + 20 =0.23371

V41=(15 X 0.56863 ) + 15 =0.23529 V42=(15 X 0.56863 ) + 15 =0.23529 V43=(15 X 0.78431 ) + 15 =0.26765 V44=(15 X 1.00000 ) + 15 =0.30000 V45=(15 X 0 ) + 15 =0.15000 V46=(15 X 0.72549 ) + 15 =0.25882 V47=(15 X 0 ) + 15 =0.15000 V48=(15 X 0.62745 ) + 15 =0.24412

V51=(15 X 1.00000 ) + 15 =0.30000 V52=(15 X 0.85714 ) + 15 =0.27857 V53=(15 X 0.71429 ) + 15 =0.25714 V54=(15 X 0.57143 ) + 15 =0.23571 V55=(15 X 0.42857 ) + 15 =0.21429 V56=(15 X 0.28571 ) + 15 =0.19286 V57=(15 X 0.14286 ) + 15 =0.17143 V58=(15 X 0 ) + 15 =0.15000

Sehingga diperoleh hasil perhitungan element matriks tertimbang sebagai berikut :

N=

[

0.36944 0.31649 0.22697 0.23529 0.30000 0.30833 0.26596 0.22697 0.23529 0.27857 0.41389 0.31649 0.25169 0.26765 0.25714 0.38611 0.35372 0.27640 0.30000 0.23571 0.35000 0.35638 0.16180 0.15000 0.21429 0.38889 0.19149 0.24494 0.25882 0.19286 0.27778 0.27128 0.16180 0.15000 0.17143 0.36667 0.32713 0.23371 0.24412 0.15000]

Berikutnya, untuk penentuan matriks area perkiraan perbatasan (G), dilakukan dengan cara:

Gc1 = 0.36944 X 0.30833 X 0.41389 X 0.38611 X 0.35000 X 0.38889 X 0.27778 X 0.36667 = 0.37004

Gc2 = 0.31649 X 0.26596 X 0.31649 X 0.35372 X 0.35638 X 0.19149 X 0.27128 X 0.32713 = 0.30958

Gc3 = 0.22697 X 0.22697 X 0.25169 X 0.27640 X 0.16180 X 0.24494 X 0.16180 X 0.23371 = 0.23313

Gc4 = 0.23529 X 0.23529 X 0.26765 X 0.30000 X 0.15000 X 0.25882 X 0.15000 X 0.24412 = 0.23773

Gc5 = 0.30000 X 0.27857 X 0.25714 X 0.23571 X 0.21429 X 0.19286 X 0.17143 X 0.15000 = 0.23320

Tahap berikutnya dilakukan perhitungan elemen matriks jarak alternatif dari daerah perkiraan perbatan (Q), sehingga diperoleh matriks Q berikut ini:

[

−0.00059 0.00691 −0.00617 −0.00244 0.06680

−0.06170 −0.04362 −0.00617 −0.00244 0.04537 0.04385 0.00691 0.01855 0.02992 0.02395 0.01608 0.04415 0.04327 0.06227 0.00252

−0.02004 0.04681 −0.07133 −0.08773 −0.01891 0.01885 −0.11809 0.01181 0.02109 −0.04034

−0.09226 −0.03830 −0.07133 −0.08773 −0.06177

−0.00337 0.01755 0.00058 0.00639 −0.08320] Selanjutnya dilakukan perankingan setiap alternatif sehingga diperoleh hasil seperti yang disajikan pada tabel 3.

Tabel 3. Hasil Perankingan Alt Jumlah Ranking

LH01 0.06453 3

LH02 -0.06855 5

LH03 0.12318 2

LH04 0.16828 1

LH05 -0.15120 7

LH06 -0.10667 6

LH07 -0.35139 8

LH08 -0.06205 4

(6)

797

Berdasarkan hasil perankingan alternatif yang terdapat pada tabel 3 dapat dilihat bahwa 3 lokasi pembangunan hotel terbaik yang terdiri dari: rangking pertama alternatif LH04 dengan jumlah 0.16828, rangking kedua adalah alternatif LH03 dengan jumlah 0.12318 dan rangking ketiga adalah alternatif LH01 dengan jumlah 0.06453.

4. KESIMPULAN

Berdasarkan hasil perancangan Sistem Pendukung Keputusan metode Multi-Attributive Border Approximation area Comparison (MABAC) yang telah dibangun dapat disimpulkan bahwa pemilihan lokasi pembangunan hotel di Samosir dapat dilakukan dengan mudah dan cepat. Melalui analisis yang mendalam dan pembahasan yang tepat, penelitian ini berhasil memberikan wawasan yang lebih baik tentang penggunaan Metode MABAC dalam pengembangan Sistem Pendukung Keputusan untuk pemilihan lokasi pembangunan hotel. Hasil penelitian ini dapat dijadikan landasan bagi pengambil keputusan dalam pemilihan lokasi pembangunan hotel di Samosir.

5. REFERENSI

[1] E. Damanik and I. M. Siregar,

“PENGEMBANGAN SISTEM

CUSTOMER RELATIONSHIP

MANAGEMENT BERBASIS WEB PADA PT. TERUS MEGA TARA JAKARTA,” J. Tek. Inf. dan Komput., vol. 4, no. 1, pp. 60–69, 2021, doi:

10.37600/tekinkom.v4i1.278.

[2] P. Dani, P. Adi, N. E. Mustamu, V.

Marudut, M. Siregar, and V. Sihombing,

“Drone simulation for agriculture and LoRa based approach,” IOTA, vol. 01, no.

4, pp. 221–235, 2021, doi:

10.31763/iota.v1i4.501.

[3] P. D. P. Adi, V. M. M. Siregar, and A.

Kitagawa, “Soil moisture sensor based on Internet of Things LoRa,” IOTA, vol. 1,

no. 2, pp. 120–132, 2021, doi:

10.31763/iota.v1i2.495.

[4] V. M. M. Siregar et al., “Decision support system for selection of food aid recipients using SAW method,” 2022, p. 030019.

doi: 10.1063/5.0094385.

[5] V. M. M. Siregar and N. F. Siagian,

“Implementation of Fingerprint Sensors for Fingerprint Reader Prototypes Using a Microcontroller,” IOTA, vol. 02, no. 1, pp.

47–59, 2022, doi: 10.31763/iota.v2i1.559.

[6] I. M. Siregar, M. Yunus, and V. M. M.

Siregar, “Prototype of Garbage Picker Ship Robot Using Arduino Nano Microcontroller,” IOTA, vol. 2, no. 3, pp.

150–168, 2022, doi:

10.31763/iota.v2i3.540.

[7] I. M. Siregar, N. F. Siagian, and V. M. M.

Siregar, “Design of an Electric Light Control Device Using Arduino Uno Microcontroller-Based Short Message Service,” IOTA, vol. 02, no. 2, pp. 98–

110, 2022, doi: 10.31763/iota.v2i2.560.

[8] V. M. M. Siregar, K. Sinaga, and M. A.

Hanafiah, “Prototype of Water Turbidity Measurement With Fuzzy Method using Microcontroller,” IOTA, vol. 2, no. 2, pp.

76–97, 2022, doi: 10.31763/iota.v2i2.593.

[9] S. Parsaoran Tamba, P. Wulandari, M.

Hutabarat, M. Christina, and A. Oktavia,

“Penggunaan Metode Topsis (Technique for Order Preference By Similarity To Ideal Solution) Untuk Menentukan Kualitas Biji Kopi Terbaik Berbasis Android,” J. Mantik Penusa, vol. 3, no. 1, pp. 73–81, 2019.

[10] S. Sumaizar, K. Sinaga, E. D. Siringo- ringo, and V. M. M. Siregar,

“Determining Goods Delivery Priority for Transportation Service Companies Using SAW Method,” J. Comput. Networks, Archit. High Perform. Comput., vol. 3, no.

2, pp. 256–262, Nov. 2021, doi:

10.47709/cnahpc.v3i2.1154.

[11] V. Marudut, M. Siregar, S. Sonang, and E.

Damanik, “Sistem Pendukung Keputusan

(7)

798

Penentuan Pelanggan Terbaik Menggunakan Metode Weighted Product,” J. TEKINKOM, vol. 4, no. 2, pp.

239–244, 2021.

[12] T. Purnamasari, M. Nasution, and G. J.

Yaris, “Analisis Minat Belajar Mahasiswa Pada Masa Perkuliahan Online Menggunakan Rougt Set,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol.

VII, no. 3, pp. 251–258, 2021, [Online].

Available:

https://jurnal.stmikroyal.ac.id/index.php/j urteksi/article/view/1062

[13] S. H. Musti, D. Irmayani, and G. J. Yanris,

“ANALYSIS OF THE ELECTRE METHOD IN DECISION SUPPORT SYSTEMS FOR DETERMINING AREAS OF EXPERTISE FOR,”

Infokum, vol. 9, no. 2, pp. 184–190, 2021.

[14] W. S. Wardana, V. Sihombing, and D.

Irmayani, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI USAHA KULINER DI DAERAH

BAGAN BATU DENGAN

MENGGUNAKAN METODE TOPSIS,”

J. Tek. Inf. dan Komput., vol. 4, no. 2, p.

151, Dec. 2021, doi:

10.37600/tekinkom.v4i2.260.

[15] B. S. Sianturi, V. Sihombing, and I. R.

Munthe, “SISTEM PENDUKUNG

KEPUTUSAN UNTUK

MENENTUKAN PENERIMA

BEASISWA MENGGUNAKAN

METODE ELECTRE,” J. Tek. Inf. dan Komput., vol. 5, no. 2, p. 247, Dec. 2022, doi: 10.37600/tekinkom.v5i2.684.

[16] F. R. Nasution, D. Irmayani, and V.

Sihombing, “PEMILIHAN PROPOSAL

KEGIATAN MAHASISWA

WIRAUSAHA MERDEKA TERBAIK

MENGGUNAKAN METODE

MOORA,” J. Tek. Inf. dan Komput., vol.

5, no. 2, p. 232, Dec. 2022, doi:

10.37600/tekinkom.v5i2.608.

[17] S. Sonang, A. T. Purba, and V. M. M.

Siregar, “SISTEM PENDUKUNG

KEPUTUSAN KELAYAKAN

PEMBERIAN PINJAMAN KREDIT MENGGUNAKAN METODE TOPSIS

PADA CUM CARITAS HKBP

PEMATANGSIANTAR,” J. Tek. Inf. dan Komput., vol. 3, no. 1, p. 25, Sep. 2020, doi: 10.37600/tekinkom.v3i1.131.

[18] V. M. M. Siregar and E. D. Siringo-Ringo,

“Decision Support System to Determine Scholarship Recipients using Analytical Hierarchy Process Method,” COSTA J.

(Computer Sci. Technol. Appl. Journal), vol. 1, no. 1, pp. 39–49, 2023, doi:

10.35335/idss.v4i2.67.

[19] H. Sugara, V. M. M. Siregar, K. Sinaga, M. A. Hanafiah, and H. D. Pardede,

“SAW and Electre Methods Implementation for Scholarship Awardee Decision,” IOTA, vol. 01, no. 4, pp. 209–

220, 2021, doi: 10.31763/iota.v1i4.496.

[20] V. M. M. Siregar, S. Sonang, and E.

Damanik, “SISTEM PENDUKUNG

KEPUTUSAN PENENTUAN

PELANGGAN TERBAIK

MENGGUNAKAN METODE

WEIGHTED PRODUCT,” J. Tek. Inf.

dan Komput., vol. 4, no. 2, p. 239, Dec.

2021, doi: 10.37600/tekinkom.v4i2.392.

[21] V. M. M. Siregar, M. A. Hanafiah, N. F.

Siagian, K. Sinaga, and M. Yunus,

“Decision Support System For Selecting The Best Practical Work Students Using MOORA Method,” IOTA, vol. 02, no. 4, pp. 270–278, 2022, doi:

10.31763/iota.v2i4.562.

[22] N. A. Sinaga et al., “Decision support system with MOORA method in selection of the best teachers,” in AIP Conference Proceedings, 2022, p. 030020. doi:

10.1063/5.0094437.

[23] V. M. M. Siregar et al., “Decision support system for selection of food aid recipients using SAW method,” in AIP Conference Proceedings, 2022, p. 030019. doi:

10.1063/5.0094385.

[24] V. M. M. Siregar and H. Sugara,

“SISTEM PENDUKUNG KEPUTUSAN

(8)

799

PEMILIHAN SEPEDA MOTOR

BEKAS MENGGUNAKAN METODE WASPAS,” J. Tek. Inf. dan Komput., vol.

5, no. 2, p. 263, Dec. 2022, doi:

10.37600/tekinkom.v5i2.393.

[25] V. Marudut and M. Siregar, “Best Employee Selection Using The Additive Ratio Assesment Method,” vol. 03, 2023, doi: 10.31763/iota.v3i1.589.

[26] W. Yusnaeni and M. Marlina, “MABAC Method Dalam Penentuan Kelayakan Penerima Bantuan SPP,” EVOLUSI J.

Sains dan Manaj., vol. 8, no. 1, pp. 46–55, 2020, doi: 10.31294/evolusi.v8i1.7536.

[27] N. Ndruru, M. Mesran, F. Tinus Waruwu, and D. Putro Utomo, “Penerapan Metode

MABAC Untuk Mendukung

Pengambilan Keputusan Pemilihan Kepala Cabang Pada PT. Cefa Indonesia Sejahtera Lestari,” Resolusi Rekayasa Tek. Inform. dan Inf., vol. 1, no. 1, pp. 36–

49, 2020, doi: 10.30865/resolusi.v1i1.11.

[28] I. E. Ismail and A. D. Hasanah, “Sistem Pendukung Keputusan Pemberian Pinjaman Menggunakan Metode Multiattribute Approximation Border Area Comparison (Mabac),” JTT (Jurnal Teknol. Ter., vol. 8, no. 1, p. 70, 2022, doi:

10.31884/jtt.v8i1.322.

[29] T. Tugiono, H. Hafizah, and K. Nisa,

“Optimalisasi Metode MABAC Dalam Menentukan Prioritas Penerima Pinjaman Koperasi,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 5, no. 2, p. 280, 2022, doi:

10.53513/jsk.v5i2.5825.

[30] S. R. Purba, “Sistem Pendukung Keputusan Pemilihan Dokter Terbaik di Dinas Kesehatan Kab. Simalungun Menggunakan Metode MABAC,” Pelita Inform. Inf. dan Inform., vol. 9, no. 2, pp.

129–135, 2020.