Journal Speed Sentra Penelitian Engineering dan Edukasi Volume 8 No speed.web.id

Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 8 No 1 - 2016 - speed.web.id

Sistem Pendukung Keputusan Untuk Seleksi Mahasiswa Baru (Studi Kasus : Program Khusus Ulama IAIN Antasari Banjarmasin) Erwinsyah IAIN Antasari Banjarmasin [email protected]

INTISARI - Metode Elimination and Choice Translating Reality(ELECTRE) dan metode Simple Additive Weighting(SAW) adalah metode fuzzy untuk mendukung pengambilan keputusan. Penelitian ini menerapkan metode ELECTRE untuk proses eliminisi dan metode SAW untuk proses peminatan pada sistem pendukung keputusan seleksi mahasiswa baru. Banyaknya calon mahasiswa baru memaksa pihak panitia penerimaan mahasiswa baru untuk secepatnya menentukan calon mahasiswa yang layak lulus berdasarkan kriteria-kriteria yang telah ditentukan. Dengan metode ini memungkinkan pihak panitia penerimaan mahasiswa baru dapat mengatasi permasalahan dalam perubahan jumlah maupun kriteria penilaian. Metode ini digunakan untuk mengolah data calon mahasiswa baru pada setiap kriteria penilaian dan kemudian dilakukan proses perankingan untuk menentukan calon mahasiswa yang terbaik dari banyaknya calon mahasiswa yang mendaftar. Kata kunci : Electre, SAW, SPK, seleksi mahasiswa baru, fuzzy ABSTRACT - Method of Elimination and Choice Translating Reality (ELECTRE) and Simple Additive weighting method (SAW) is a fuzzy method for decision support. This research applied the method ELECTRE for theprocess of elimination and a method SAW for process specializationon decision support systemof selection of new students. Many of new students forcenew admissions committee to immediately determine a decent graduae students based on the criteria that have been determined. With this method allows the admission committee to solve the problemsin the changing amount andthe assessment criteria. This method is used to process the data for new students on each criteria and then conducted ranking process to determine the best prospective students from many prospective students whoenroll. Keywords: Electre, SAW, DSS, selection of new student, fuzzy 1.

Latar Belakang Prgram Khusus Ulama (PKU) Institut Agama Islam Negeri (IAIN) Antasari Banjarmasin bertujuan mencetak mahasiswa untuk menjadi seorang ulama dan sarjana ilmu ushuluddin yang berkualitas dengan wawasan ilmu pengetahuan yang luas dibidang akidah, syariah dan akhlak, memiliki akhlak mulia dan memiliki kualitas spritual yang matang. Para mahasiswa program ini juga diharapkan mampu membaca kitab-kitab klasik atau “kitab kuning”, memahami persoalan kontemporer, dan menguasai Bahasa Arab dan Bahasa Inggris. Mahasiswa yang berada dalam program khusus ulama sistem perkuliahannya tidak sama dengan program reguler di Fakultas Ushuluddin dan Humaniora IAIN Antasari Banjarmasin. Program Khusus Ulama mengikuti kurikulum reguler dan kurikulum ma’had. Sistem pembelajarannya, khususnya untuk matakuliah ke Bahasa Arab atau Bahasa Inggris. Seleksi penerimaan mahasiswa barunya juga berbeda dengan program reguler karena lebih banyak kriteria penilaian untuk dapat lulus pada PKU IAIN Antasari Banjarmasin. Kegiatan seleksi penerimaan mahasiswa baru pada PKU IAN Antasari yang telah berjalan masih memiliki kendala yaitu, ISSN : 1979-9330 (Print) - 2088-0154 (Online)

banyaknya jumlah peminat PKU dan juga banyaknya kriteria yang digunakan menyebabkan proses seleksi memakan waktu kurang lebih 1 minggu untuk memutuskan siapa saja peserta yang layak untuk diterima menjadi mahasiswa pada PKU IAIN Antasari Banjarmasin. Sistem pendukung keputusan yang dapat membantu proses pengambilan keputusan dalam seleksi mahasiswa baru dan pada penelitian ini metode yang digunakan adalah metode Elimination and Choice Translating Reality (ELECTRE) untuk proses seleksinya dan metode Simple Additive Weighting (SAW) untuk proses peminatan. Metode ELECTRE merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep outranking dengan menggunakan perbandingan berpasangan dari alternatifalternatif berdasarkan setiap kriteria yang sesuai (Janko dan Bernoider, 2005:11). Metode SAW juga dikenal sebagai metode penjumlahan terbobot (Kusumadewi, 2006). 2.

Kajian Pustaka Dari latar belakang yang dipaparkan maka dapat diambil rumusan masalah sebagai berikut bagaimana menghasilkan sistem pendukung keputusan untuk seleksi mahasiswa baru PKU IAIN Antasari Banjarmasin dengan 29


menggunakan metode ELECTRE untuk proses seleksi dan metode SAW untuk proses peminatan. Dalam penilitian ini bertujuan untuk :Menghasilkan sistem pendukung keputusan untuk seleksi mahasiswa baru pada program khusus ulama IAIN Antasari Banjarmasin. Manfaat yang didapat dari penelitian ini adalah mendapatkan seleksi dan perangkingan yang cepat sesuai dengan kriteria penyeleksian mahasiswa baru PKU IAIN Antasari Banjarmasin dan bagi lembaga sekiranya dapat meningkatkan kualitas penerimaan mahasiswa baru serta sebagai tambahan informasi dalam meningkatkan kualitas pendidikan khususnya pada program khusus ulama IAIN Antasari Banjarmasin. Pada penelitian terdahulu terhadap penelitian yang akan dilakukan terdapat beberapa penelitian yang relevan tentang sistem pendukung keputusan untuk seleksi mahasiswa baru. Penelitian terdahulu dianggap dapat berperan sebagai bahan informasi, pembanding, sekaligus sebagai pendukung penelitian yang akan dilakukan. Penelitian yang dilakukan oleh Dina Andayati (2010) dengan judul Sistem Pendukung Keputusan Pra-Seleksi Penerimaan Siswa Baru (PSB) On-Line Yogyakarta menggambarkan bahwa pra-seleksi penerimaan mahasiswa baru untuk menentukan sekolah yang dipilih berdasarkan nilai Ujian Nasional. Penelitian yang relevan dilakukan oleh Eko Nur Hidayat, Rahmat Gernowo, Aris Sugiharto (2013) dengan judul Perancangan Sistem Pendukung Keputusan Penerimaan Taruna Baru Menggunakan Basis Data Fuzzy - Studi Kasus Akpelni Semarang menggambarkan bahwa proses seleksi penerimaan taruna baru berdasarkan nilai ujian seleksi potensi akademik, nilai kesamaptaan, kesehatan, tinggi badan serta wawancara menggunakan basis data fuzzy. Penelitian selanjutnya yang dilakukan oleh Darmawan Wibowo, Arie Yandi Saputra, Deni Apriadi (2015) dengan judul Sistem Pendukung Keputusan Seleksi Penerimaan Siswa Baru Jalur Khusus Dengan Metode Topsis pada SMA Xaverius Lubuk Linggau menggambarkan bahwa seleksi penerimaan mahasiswa baru melalui jalur khusus ditentukan melalui beberapa kriteria yaitu nilai rata-rata raport, prestasi non akademik dan tes wawancara dengan menggunakan metode topsis. Penelitian yang dilakukan oleh Maharani Putri SN, Arief Andy Soebroto, M. Ali Fauzi dengan judul Sistem Pendukung Keputusan Seleksi Penerimaan Siswa Baru Menggunakan Metode Electre – Weihgted Product ISSN : 1979-9330 (Print) - 2088-0154 (Online)

menggambarkan bahwa sistem pendukung keputusan menerapkan metode Elimination and Choice Translating Reality (Electre) untuk proses seleksi dan metode Weighted Product untuk proses peminatan dengan tingkat pengujian sebesar 84,37%. Penelitian yang dilakukan oleh Wiwit Supriyanti dengan judul Rancang Bangun Aplikasi Sistem Pendukung Keputusan Penerima Beasiswa dengan metode SAW menggambarkan bahwa aplikasi yang dibangun untuk menyeleksi penerima beasiswa menggunakan program aplikasi lazarus dengan metode yang dipilih SAW. 3.

Metodologi Penelitian Metode penilitian yang digunakan adalah penelitian case study (studi kasus) yang menghasilkan data primer dan data skunder. Data primer adalah data yang diperoleh secara langsung dari tempat penelitian, sedangkan data skunder diperoleh secara tidak langsung dari catatan-catatan atau dokumentasi tempat penelitian. 3.1.

Metode Pengumpulan Data Metode pengumpulan data yang digunakan pada penelitian adalah dengan cara wawancara dan observasi, literatur dan bahanbahan yang tertulis dari tempat objek penelitian. 3.2. Metode Analisis Data Metode analisis data yang digunakan adalah: 1. Elimination and Choice Translating Reality(ELECTRE) 2. Simple Additive Weighting(SAW) 4. Implementasi Sistem dan Hasil Dalam penelitian ini dibutuhkan jenis data internal dan data privat 1. Data Internal Data internal adalah data yang sudah ada dalam organisasi. Dalam penelitian data internalnya adalah data calon mahasiswa baru yang ada pada PKU IAIN Antasari Banjarmasin. 2. Data Privat Data privat merupakan data pendapat dari user, adalah data kriteria yang sudah ditetapkan yang akan digunakan dalam menyelesaikan masalah. 4.1. Analisis Hasil Penelitian Berdasarkan rumus yang telah dijelaskan sebelumnya, pada subbab ini akan dibahas tentang masukan data yang sebenarnya, proses perhitungan dan keluaran yang diharapkan pada penelitian. Berikut merupakan

30


langkah-langkah yang perhitungan ELECTRE 1.

dilakukan

dalam R=

Ambil data alternatif Tabel 1 Matriks Keputusan C1

C2

C3

C4

C5

C6

C7

C8 46,

A1

42,5

56

77

93

68,5

2,3

93

A2

22,5

52

76

93

58

1

93

A3

70

98

88

86

84,5

1,5

86

43

A4

25

66

40

44

0

82

41

A5

27,5

72

77

75

69,5

0

75

A6

52,5

80

78

84

65,5

30

84

A7

72,5

95

81

75

86

7

75

77 ,5

5 46, 5

37, 5 42 5

Ambil nilai bobot tiap kriteria Tabel 2 Nilai Bobot Kriteria Kriteria

Hasil bahasa inggris tertulis Hasil bahasa inggris lisan Hasil bahasa arab tertulis Hasil bahasa arab lisan Hasil Pendidikan Agama Islam Hasil Hafalan Alquran (Juz) Hasil Tahfizh Hasil Tahsin dan Tajwid

Nilai Bobot Kriteria (w) W1 = 10/100 = 0.1 W2 = 10/100 = 0.1 W3 = 10/100 = 0.1 W4 = 10/100 = 0.1 W5 = 15/100 = 0.15 W6 = 15/100 = 0.15 W7 = 15/100 = 0.15 W8 = 15/100 = 0.15

3. Menghitung matriks ternormalisasi Nilai matriks normalisasi (alternatif i, kriteria j) merupakan hasil pembagian antara nilai matriks keputusan (alternatif i, kriteria j) dengan akar jumlah nilai alternatif i pada setiap kriteria j.

Demikian seterusnya sehingga diperoleh matriks ternormalisasi R seperti dibawah ini:

ISSN : 1979-9330 (Print) - 2088-0154 (Online)

Demikian seterusnya sehingga diperoleh matriks terbobot V seperti di bawah ini :

37,

Keterangan : A-i : alternatif calon mahasiswa baru ke i C1 : nilai bahasa inggris tertulis C2 : nilai bahasa inggris lisan C3 : nilai bahasa arab tertulis C4 : nilai bahasa arab lisan C5 : nilai pendidikan agama islam C6 : nilai hafalan Alquran (juz) C7 : nilai tahfizh C8 : nilai tahsin dan tajwid 2.

4. Menghitung matriks normalisasi terbobot Nilai matriks normalisasi terbobot pada alternatif i kriteria j (v) merupakan hasil kali dari nilai matriks normalisasi alternatif i kriteria j (rij) dengan nilai bobot kriteria j (w).

V

5.

Menentukan himpunan concordance dan discordance Nilai matriks normalisasi terbobot setiap alternatif k dibandingkan dengan nilai matriksnormalisasi terbobot alternatif l pada setiap kriteriaj. Jika nilai matriks normalisasi terbobot alternatif kkriteria j = nilai matriks normalisasi terbobotalternatif l kriteria j, maka kriteria j termasuk dalamhimpunan concordance (Ckl) atau disimbolkandengan nilai j. Berikut ini adalah contohperhitungan himpunan concordance untukalternatif 1 terhadap alternatif 2 (C12) Untuk alternatif 1 terhadap alternatif 2 pada kriteria 1 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v11) dengan nilai V alternative 2 kriteria 1 (v21), dengan ketentuan jika v11 ≥ v21 maka kriteria 1 termasuk dalan himpunan concordance dan sebaliknya. C12 = {1, v11 dibanding v21} = {1, 0.0330 > 0.0175}={1} Karena v11 lebih dari v21 maka kriteria 1 termasuk himpunan concordance untuk alternatif 1 terhadap alternatif 2 atau disimbolkan dengan nilai 1 Untuk alternatif 1 terhadap alternatif 2 pada kriteria 4 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v14) dengan nilai V alternative 2 kriteria 1 (v24), dengan ketentuan jika v14 ≥ v24 maka kriteria 4 termasuk dalan himpunan concordance dan sebaliknya. C12 = {4, v14 dibanding v24} = {4, 0.0420 = 0.0420}={4} Karena v14 sama dengan v24 maka kriteria 4 termasuk himpunan concordance untuk alternatif 1 terhadap alternatif 2 atau disimbolkan dengan nilai 4 Untuk alternatif 1 terhadap alternatif 3 pada kriteria 1 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v11) dengan nilai V alternative 3 31


kriteria 1 (v31), dengan ketentuan jika v11 ≥ v31 maka kriteria 1 termasuk dalan himpunan concordance dan sebaliknya. C13 = {1, v11 dibanding v31} = {1, 0.0330 < 0.0543}={1} Karena v11 kurang dari v31 maka kriteria 1 tidak termasuk himpunan concordance untuk alternatif 1 terhadap alternatif 3 Nilai matriks normalisasi terbobot setiap alternatif k dibandingkan dengan nilai matriksnormalisasi terbobot alternatif l pada setiap kriteriaj. Jika nilai matriks normalisasi terbobot alternatif kkriteria j < nilai matriks normalisasi terbobotalternatif l kriteria j, maka kriteria j termasuk dalamhimpunan discordance (Dkl) atau disimbolkandengan nilai j. Untuk alternatif 1 terhadap alternatif 2 pada kriteria 1 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v11) dengan nilai V alternative 2 kriteria 1 (v21), dengan ketentuan jika v11< v21 maka kriteria 1 termasuk dalan himpunan concordance dan sebaliknya. D12 = {1, v11 dibanding v21} = {1, 0.0330 > 0.0175}={1} Karena v11 lebih dari v21 maka kriteria 1 tidak termasuk himpunan discordance untuk alternatif 1 terhadap alternatif 2 - Untuk alternatif 1 terhadap alternatif 2 pada kriteria 4 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v14) dengan nilai V alternative 2 kriteria 1 (v24), dengan ketentuan jika v14< v24 maka kriteria 4 termasuk dalan himpunan concordance dan sebaliknya. D12 = {4, v14 dibanding v24} = {4, 0.0420 = 0.0420}={4} Karena v14 sama dengan v24 maka kriteria 4 tidak termasuk himpunan discordance untuk alternatif 1 terhadap alternatif 2 Untuk alternatif 1 terhadap alternatif 3 pada kriteria 1 : Melakukan perbandingan nilai V alternatif 1 kriteria 1 (v11) dengan nilai V alternative 3 kriteria 1 (v31), dengan ketentuan jika v11< v31 maka kriteria 1 termasuk dalan himpunan concordance dan sebaliknya. D13 = {1, v11 dibanding v31} = {1, 0.0330 < 0.0543}={1} Karena v11 kurang dari v31 maka kriteria 1 termasuk himpunan discordance untuk alternatif 1 terhadap alternatif 3 atau disimbolkan dengan nilai 1. 6.

Menentukan matriks concordance dan discordance Untuk matriks concordance baris 1-2 dihitung dengan menggunakan himpunan concordance C12 dan nilai bobot. ISSN : 1979-9330 (Print) - 2088-0154 (Online)

Demikian seterusnya sehingga didapatkan matriks concordance sebagai berikut :

Matriks discordance untuk baris 1-2, maka himpunan discordance adalah D12

Demikian matriks

7.

seterusnya

hingga

didapatkan

Menentukan matriks domain concordance dan discordance

Untuk matriks dominan concordance (F) baris 1 kolom 2 : Melakukan perbandingan nilai C baris 1 kolom 2 (c12) dengan nilai thresholdc, dengan ketentuan jika c12 ≥ c maka nilai f12 = 1 dan sebaliknya. f12 = c12 dibanding c = {1 > 0.64} karena c12 lebih dari c maka nilai element matriks dominan concordance (F) baris 1 kolom 2 adalah 1. Demikian seterusnya hingga didapatkan matriks 32


9. Eliminasi alternatif less favourable Langkah selanjutnya yaitu eliminasi alternatif yang less favourable Dominance matrix sebelumnya yang telah didapatkan mewakili setiap alternatif calon mahasiswa baru.

Perhitungan matriks discordance : Untuk matriks dominan discordance (G) baris 1 kolom 2 : Melakukan perbandingan nilai D baris 1 kolom 2 (d12) dengan nilai thresholdd, dengan ketentuan jika d12 ≥ d maka nilai g12 = 1 dan sebaliknya. g12 = d12 dibanding d = {1 > 0.49} karena d12 lebih dari d maka nilai element matriks dominan discordance (G) baris 1 kolom 2 adalah 1. Demikian seterusnya hingga didapatkan matriks

8. Menentukan aggregate domain matriks Untuk aggregate dominance matrix baris 2 kolom 1 Maka nilai aggregate domain matriks baris 2 kolom 1 adalah 0 Untuk aggregate dominance matrix baris 1 kolom 2 Maka nilai aggregate domain matriks baris 1 kolom 2 adalah 0 Untuk aggregate dominance matrix baris 4 kolom 1 Maka nilai aggregate domain matriks baris 4 kolom 1 adalah 1 Perhitungan dilakukan untuk seluruh alternatif sehingga didapatkan matriks sebagai berikut :


Kesimpulan, A2, A5, A6 dan A7 dapat dieliminasi karena memiliki elemen yang bernilai 0, dengan kata lain A2, A5, A6 dan A7 termasuk ke dalam kelompok yang tidak diterima. Sedangkan A1, A3, dan A4 memiliki elemen yang memiliki nilai 1 sehingga masuk ke dalam kelompok yang diterima. Berdasarkan nilai agregasi matriks dominan E yang telah didapatkan sebelumnya dapat disimpulkan bahwa alternatif dapat dieliminasi karena memiliki nilai element bernilai satu lebih sedikit dibandingkan dengan alternatif-alternatif. Dengan demikian, alternatif-alternatif masuk ke dalam kelompok yang diterima yang akan dilanjutkan pada perhitungan menggunakan metode Simple Additive Weighting, sedangkan alternatif, alternated masuk ke dalam kelompok yang tidak diterima. 10. Pengambilan keputusan Berdasarkan langkah sebelumnya kelompok calon mahasiswa yang diterima dan tidak diterima dapat dilihat pada tabel. Tabel 3Keputusan Alternatif A1 A2 A3 A4 A5 A6 A7

Calon Mahasiswa Baru Diterima Tidak diterima Diterima Diterima Tidak diterima Tidak diterima Tidak diterima

33


Proses perhitungan SAW Berikut merupakan langkah-langkah yang dilakukan dalam perhitungan SAW : 1. Ambil data alternatif Data alternatif yang digunakan pada perhitungan SAW adalah data yang tidak diterima pada hasil perhitungan ELECTRE. Tabel 4Matriks Keputusan Calon Mahasiswa Baru (SAW) Alternatif

C1

C2

C3

C4

C6

C7

A2

22,5

52

76

93

58

C5

1

93

A5

27,5

72

77

75

69,5

0

75

A6

52,5

80

78

84

65,5

30

84

A7

72,5

95

81

75

86

7

75

Seterusnya hingga semua alternatif yang ada di C4 Normalisasi C5

C8 46,5 37,5 42 37,5

2.

Menghitung nilai normalisasi data dikalikan dengan bobot Normalisasi C1

Seterusnya hingga semua alternatif yang ada di C1. Normalisasi C2

Seterusnya hingga semua alternatif yang ada di C2. Normalisasi C3





Seterusnya hingga semua alternatif yang ada di C8, dan semua kriteria yang ada. Tabel 5Matriks Normalisasi Alter natif A2 A5


C 1 0. 31 0.

C 2 0. 55 0.

C 3 0. 94 0.

C4

C5

C6

C7

C8

1.00

0.67

0.03

1.00

1.00

0.81

0.81

0.00

0.81

0.81

34


A6 A7

38 0. 72 1. 00

76 0. 84 1. 00

95 0. 96 1. 00

0.90

0.76

1.00

0.90

0.90

0.81

1.00

0.23

0.81

0.81

3. Proses perangkingan Proses perangkingan dilakukan berdasarkan penjumlahan dari bobot ternormalisasi dengan bobot kepentingan yang diberikan untuk menemukan alternatif terbaik dari pilihan alternatif yang ada.

[4] [5]

[6]

[7]

[8]

[9]

Dari hasil perhitungan dapat ditampilkan tabel perangkingan berdasarkan jumlah bobot tertinggi sampai terendah. Tabel 6Hasil Perangkingan metode SAW Vektor Hasil Rangking V3 0.8785 1 V4 0.8075 2 V1 0.6858 3 V2 0.6526 4 5.

Penutup Berdasarkan penelitian dapat disimpulkan sebagai berikut : SPK untuk seleksi mahasiswa baru telah berhasil melakukan perankingan dengan menggunakan metode ELECTRE untuk proses eliminasi dan metode SAW untuk proses peminatan diurutkan berdasarkan nilai terbesar adalah V3=0.8785; V4=0.8075; V1=0.6858. Pustaka [1] Andayati, D. (2010). istem Pendukung Keputusan Pra-Seleksi Penerimaan Siswa Baru (PSB) On-Line Yogyakarta. [2] Bonczek, R. H. (1981). Foundations of decision support systems. Academic Press, New York. [3] Darmawan Wibowo, A. Y. (2015). Sistem Pendukung Keputusan Seleksi Penerimaan Siswa Baru Jalur Khusus Dengan Metode Topsis pada SMA Xaverius Lubuk Linggau.


[10]

[11]

[12]

Druzdzel, M. J. (2003). Decision Support Systems. Pittsburgh : University Of Pittsburgh. Eko Nur Hidayat, R. G. (2013). Perancangan Sistem Pendukung Keputusan Penerimaan Taruna Baru Menggunakan Basis Data Fuzzy - Studi Kasus Akpelni Semarang. Hasibuan, Z. A. (2007). Metodologi Penelitian pada Bidang Ilmu Komputer dan Teknologi Informasi. Jakarta: Fasilkom UI. Janko, W. (2005). Multi-Criteria Decision Making: An Application Study of ELECTRE & TOPSIS, dalam Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu. Kusumadewi, S., Hartati, S., Harjoko, A., & Wardoyo, R. (2006). Fuzzy MultiAttribute Decision Making (Fuzzy MADM). Yogyakarta: Graha Ilmu. Pareira, O. (2014). Sistem pendukung keputusan pemilihan tempat berwisata di Timor Leste dengan Metode ELECTREC. Reksohadiprodjo, Sukanto, Hani Handoko. (1982). Organisasi Perusahaan : Teori, Struktur, Perilaku. Jogjakarta: BPFE. Riandi, T. J. (2014). Sistem Pendukung Keputusan Distribusi penjurusan Siswa Baru menggunakan Metode SAW dan ELECTRE. Supriyanti, W. (2013). Rancang bangun aplikasi sistem pendukung keputusan penerima beasiswa dengan metode SAW.

[13] Nika Nofiana, Sistem Pendukung Keputusan Untuk Pemberian Ijin Usaha Penambangan Pada Dinas Pertambangan Dan Energi Kab. Pacitan, Vol 6, No 2 (2014): Jurnal Speed 22 – 2014 [14] Marwa Sulehu, Sistem Pendukung Keputusan Pemilihan Layanan Internet Service Provider Menggunakan Metode Weighted Product (Studi kasus : STMIK AKBA), Vol 4, No 4 (2015): IJNS Oktober 2015 [15] Riesda Ganevi, Bambang Eka Purnama, Sistem Pendukung Keputusan Penilaian Kinerja Guru Sekolah Menengah Pertama Negeri (SMP N) 1 Pacitan, Vol 6, No 4 (2014): Jurnal Speed 24 – 2014 [16] Hera Wasiati, Dwi Wijayanti, Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia Menggunakan Metode Naive Bayes (Studi Kasus: Di P.T. Karyatama Mitra Sejati Yogyakarta), Vol 3, No 2 (2014): IJNS April 2014 35

Journal Speed Sentra Penelitian Engineering dan Edukasi Volume 8 No speed.web.id

Recommend Documents