MARQCHAINSTITUTEMARQCHAINSTITUTE

Jurnal ICT : Information and Communication TechnologiesJurnal ICT : Information and Communication Technologies

Penetapan penerima bantuan beasiswa di Sekolah Menengah Atas Pangeran Antasari selama ini tetap dilakukan secara manual, mengakibatkan ketidakefisienan, ketidakakuratan, dan potensi bias. Penelitian ini bertujuan mengembangkan dan membandingkan dua metode Multi-Criteria Decision Making (MCDM)—Weighted Aggregated Sum Product Assessment (WASPAS) dan Operational Competitiveness Rating Analysis (OCRA)—dalam sebuah Sistem Pendukung Keputusan berbasis web. Dengan menggunakan sembilan kriteria evaluasi, metode-methodenya diimplementasikan dan dinilai pada 11 siswa kelas 11 jurusan IPA. Hasil menunjukkan bahwa WASPAS menghasilkan peringkat yang lebih konsisten, stabil, dan transparan, sedangkan OCRA lebih sensitif terhadap variasi data kecil dan menghasilkan peringkat yang kurang stabil. Oleh karena itu, WASPAS lebih tepat dalam konteks keputusan yang menekankan keadilan, stabilitas, serta evaluasi komprehensif dari banyak kriteria. Implementasi WASPAS dalam sistem otomatis meningkatkan objektivitas, efisiensi, dan akuntabilitas proses alokasi beasiswa.

WASPAS memberikan hasil yang lebih konsisten, stabil, dan adil dibandingkan OCRA pada sistem pendukung keputusan berbasis web untuk penentuan penerima beasiswa.Metode ini menggabungkan penilaian tambahan dan proporsional yang meminimalkan bias dan meningkatkan transparansi.Karena sensitivitas OCRA terhadap fluktuasi kecil, WASPAS lebih cocok ketika stabilitas dan keadilan dalam pengambilan keputusan dianggap penting.

Dalam pengembangan sistem penentu penerima beasiswa, pertama-tama perlu diteliti bagaimana menerapkan metode hybrid yang menggabungkan WASPAS dengan AHP atau TOPSIS untuk memperkaya pemilihan bobot kriteria secara lebih objektif. Selanjutnya, dilakukan studi longitudinal untuk mengevaluasi dampak jangka panjang penggunaan sistem otomatis terhadap transparansi dan keadilan alokasi beasiswa, serta mengidentifikasi potensi bias yang masih berlanjut. Akhirnya, eksplorasi integrasi analisis sensitivitas dan machine learning guna memprediksi perubahan prioritas kriteria seiring waktu dapat memberikan panduan adaptif bagi lembaga pendidikan dalam merancang kebijakan beasiswa yang responsif dan adil.

  1. A new additive ratio assessment (ARAS) method in multicriteria decision‐making | Technological and... doi.org/10.3846/tede.2010.10A new additive ratio assessment ARAS method in multicriteria decisionAamaking Technological and doi 10 3846 tede 2010 10
Read online
File size418.2 KB
Pages10
DMCAReport

Related /

ads-block-test