FKPTFKPT

Bulletin of Information Technology (BIT)Bulletin of Information Technology (BIT)

Abstrak-Proses penentuan siswa yang layak menerima beasiswa berprestasi seringkali hanya berdasarkan seleksi berkas, yang memakan waktu lama dan dapat menghasilkan keputusan yang kurang akurat. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan yang mempercepat proses seleksi siswa penerima beasiswa berprestasi. Metode yang digunakan dalam penelitian ini adalah ARAS (Additive Ratio Assessment) dan TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution). Kedua metode ini dipilih karena mampu menyeleksi alternatif terbaik berdasarkan pembobotan dan memilih tujuan berdasarkan kriteria yang berbeda, yaitu benefit dan cost. Metode ARAS menghasilkan ranking berdasarkan perbandingan fungsi utilitas alternatif dengan nilai fungsi utilitas optimal, sementara metode TOPSIS menghasilkan ranking berdasarkan jarak terpendek dengan solusi ideal positif dan jarak terpanjang dengan solusi ideal negatif. Dari nilai-nilai tersebut, alternatif yang memenuhi kriteria ditetapkan sebagai siswa penerima beasiswa berprestasi melalui perhitungan menggunakan metode ARAS dan TOPSIS. Hasil uji korelasi Rank M Arsya Almusa menunjukkan nilai 1,0546 untuk ARAS dan 0,8739 untuk TOPSIS. Hasil perhitungan secara manual dan melalui sistem memberikan hasil yang sama, sehingga sistem dapat digunakan untuk menentukan siswa penerima beasiswa berprestasi.

Analisis menunjukkan bahwa metode ARAS dan TOPSIS sama-sama efektif dalam menentukan siswa penerima beasiswa berprestasi di SMA 2 Kisaran, dengan alternatif A8 (M.Arsya Almusa) menempati peringkat tertinggi pada kedua metode.Konsistensi hasil menegaskan keandalan kedua metode untuk penilaian dan seleksi siswa berprestasi.Penerapan sistem pendukung keputusan berbasis web yang memanfaatkan ARAS dan TOPSIS dapat meningkatkan efisiensi, akurasi, dan transparansi proses seleksi beasiswa.

Penelitian selanjutnya dapat mengeksplorasi penerapan metode Multi‑Criteria Decision Making (MCDM) lain, seperti VIKOR atau WASPAS, untuk membandingkan keakuratan hasil dengan ARAS dan TOPSIS dalam konteks seleksi beasiswa, sehingga dapat mengidentifikasi metode paling optimal. Selain itu, studi lanjutan dapat memperluas basis data dengan melibatkan lebih banyak sekolah dan variasi kriteria, termasuk faktor non‑akademik yang dinilai secara fuzzy, untuk menilai sejauh mana generalisasi model dapat diterapkan pada lingkungan pendidikan yang lebih luas. Terakhir, pengembangan sistem pendukung keputusan berbasis web dapat diintegrasikan dengan modul pembelajaran mesin yang memprediksi prestasi masa depan siswa, sehingga tidak hanya menilai data historis tetapi juga memberikan rekomendasi proaktif bagi pihak sekolah dalam mengelola beasiswa secara lebih efektif.

  1. Implementasi Metode MOORA Dalam Pemilihan Mahasiswa Berprestasi Dimasa Pandemi Covid-19 | Journal of... djournals.com/jieee/article/view/1608Implementasi Metode MOORA Dalam Pemilihan Mahasiswa Berprestasi Dimasa Pandemi Covid 19 Journal of djournals jieee article view 1608
  2. Decision Support System for Performance Assessment of Honoray Personnel Applying MABAC, MOORA, and ARAS... doi.org/10.55927/ijis.v2i12.7378Decision Support System for Performance Assessment of Honoray Personnel Applying MABAC MOORA and ARAS doi 10 55927 ijis v2i12 7378
  3. Implementasi Pemilihan Pimpinan Karyawan Operasioal Konveksi Pakaian Menggunakan Metode ROC (Rank Order... ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/3305Implementasi Pemilihan Pimpinan Karyawan Operasioal Konveksi Pakaian Menggunakan Metode ROC Rank Order ejurnal stmik budidarma ac index php mib article view 3305
Read online
File size576.56 KB
Pages11
DMCAReport

Related /

ads-block-test