USMUSM

Information Science and LibraryInformation Science and Library

Seleksi beasiswa memerlukan pendekatan objektif untuk menilai berbagai kriteria seperti IPK, kondisi ekonomi, keaktifan organisasi, dan prestasi. Penelitian ini membandingkan 5 metode Multi-Criteria Decision Making (MCDM): Multi Attribute Utility Theory (MAUT), WASPAS (Weighted Aggregated Sum Product Assessment), MOORA (Multi-Objective Optimization by Ratio Analysis), Fuzzy AHP (Fuzzy Analytic Hierarchy Process) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk menentukan peringkat calon penerima beasiswa. Data simulasi 5 alternatif dan 4 kriteria digunakan untuk menguji konsistensi, efektivitas, dan sensitivitas setiap metode. Hasil menunjukkan bahwa seluruh metode memberikan hasil peringkat yang konsisten, dengan nilai korelasi Spearman sempurna (ρ = 1.000). Uji sensitivitas terhadap perubahan bobot IPK ±10% menunjukkan tidak ada perubahan peringkat, menandakan stabilitas tinggi. Meskipun hasil akhir seragam, tiap metode memiliki karakteristik tersendiri dalam efisiensi, stabilitas, dan fleksibilitas. Penelitian ini merekomendasikan pemilihan metode MCDM berdasarkan kebutuhan sistem dan karakteristik data. Temuan ini dapat menjadi referensi strategis bagi institusi pendidikan dalam menerapkan sistem seleksi beasiswa yang transparan dan akuntabel.

Penelitian ini menunjukkan konsistensi pemeringkatan alternatif di seluruh metode MCDM yang diuji, mengindikasikan keandalan metode-metode tersebut dalam konteks seleksi beasiswa berbasis data kuantitatif.Uji korelasi Spearman menunjukkan nilai ρ = 1.000 antar semua metode, menegaskan kesamaan hasil pemeringkatan.Uji sensitivitas terhadap bobot IPK tidak menunjukkan perubahan peringkat signifikan, membuktikan stabilitas model seleksi yang digunakan.

Penelitian lanjutan dapat dilakukan dengan menerapkan data riil dari kasus seleksi beasiswa di perguruan tinggi untuk meningkatkan validitas dan relevansi temuan. Pengembangan sistem pendukung keputusan berbasis web atau mobile yang mengintegrasikan metode MCDM, khususnya TOPSIS dan WASPAS, dapat mempermudah implementasi dan aksesibilitas bagi para pemangku kepentingan. Studi lebih lanjut dapat mengeksplorasi penggunaan metode MCDM berbasis hybrid atau kombinasi dengan teknik machine learning untuk menciptakan sistem seleksi beasiswa yang lebih adaptif, presisi, dan mampu menangani kompleksitas data yang lebih tinggi. Penelitian ini juga dapat diperluas dengan mempertimbangkan faktor-faktor non-kuantitatif seperti surat rekomendasi, esai motivasi, dan wawancara sebagai input tambahan dalam proses pengambilan keputusan, sehingga menghasilkan penilaian yang lebih komprehensif dan holistik terhadap calon penerima beasiswa. Dengan demikian, sistem seleksi beasiswa dapat ditingkatkan secara berkelanjutan untuk memastikan keadilan, transparansi, dan efektivitas dalam memilih kandidat yang paling layak.

  1. Sistem Pendukung Keputusan Penerima Beasiswa Bidikmisi Universitas Muhammadiyah Gresik Dengan Metode... doi.org/10.32672/jnkti.v6i5.6894Sistem Pendukung Keputusan Penerima Beasiswa Bidikmisi Universitas Muhammadiyah Gresik Dengan Metode doi 10 32672 jnkti v6i5 6894
  2. SISTEM PENUNJANG KEPUTUSAN SELEKSI BEASISWA BERDASARKAN MULTI KRITERIA DENGAN METODE PROFILE MATCHING... doi.org/10.36080/skanika.v4i1.1854SISTEM PENUNJANG KEPUTUSAN SELEKSI BEASISWA BERDASARKAN MULTI KRITERIA DENGAN METODE PROFILE MATCHING doi 10 36080 skanika v4i1 1854
  3. IMPLEMENTATION OF MOORA METHOD FOR DECISION SUPPORT SYSTEM SCHOLARSHIP SELECTION IN SMK MUHAMMADIYAH... doi.org/10.33480/pilar.v18i1.2261IMPLEMENTATION OF MOORA METHOD FOR DECISION SUPPORT SYSTEM SCHOLARSHIP SELECTION IN SMK MUHAMMADIYAH doi 10 33480 pilar v18i1 2261
  4. PERBANDINGAN METODE AHP, TOPSIS, DAN MOORA UNTUK REKOMENDASI PENERIMA BEASISWA KURANG MAMPU | Nurhaliza... ejournal.uin-suska.ac.id/index.php/RMSI/article/view/15298PERBANDINGAN METODE AHP TOPSIS DAN MOORA UNTUK REKOMENDASI PENERIMA BEASISWA KURANG MAMPU Nurhaliza ejournal uin suska ac index php RMSI article view 15298
Read online
File size487.61 KB
Pages9
DMCAReport

Related /

ads-block-test