SISTEM PENDUKUNG KEPUTUSAN ADAPTIF UNTUK SELEKSI NASIONAL MASUK PERGURUAN TINGGI NEGERI (SNMPTN) MENGGUNAKAN FUZZY AHP
ADAPTIVE DECISION SUPPORT SYSTEM FOR SNMPTN SELECTION USING FUZZY AHP
Subhan Saleh, Armin Lawi, Wardi
Program Studi Teknik Elektro, Konsentrasi Teknik Informatika, Fakultas Teknik, Universitas Hasanuddin Makassar
Alamat Korespondensi : Subhan Saleh Program Studi Teknik Elektro Konsentrasi Teknik Informatika Fakultas Teknik Universitas Hasanuddin Makassar HP: 085255876933 Email:
[email protected]
Abstrak Tingginya minat dan banyaknya siswa secara nasional yang mengikuti SNMPTN menuntut penerapan sistem penerimaan yang sangat selektif, sehingga diperlukan adanya sebuah sistem yang mampu melakukan proses seleksi calon mahasiswa yang berkualitas secara akademik berdasarkan prioritas kriteria-kriteria yang ditentukan. Penelitian ini bertujuan merancang sistem pendukung keputusan dengan menggunakan Fuzzy Analitic Hierarchy Process. Metode Fuzzy Analitic Hierarchy Process (Fuzzy AHP) merupakan salah satu metode pendukung keputusan yang mengendalikan pengalaman dan intuitif tetapi kritis pada skala perbandingan berpasangan karena menggunakan bilangan tegas (crisp). Logika Fuzzy digunakan untuk mendekati skala AHP agar penilaian perbandingan berpasangan dapat lebih fleksibel. Metode Fuzzy AHP yang menggunakan analysis synthetic extent pada pemrosesan prioritas diimplementasikan pada kasus perangkingan peserta SNMPTN di Universitas Hasanuddin Makassar. Penambahan tahapan pada akhir proses penentuan prioritas dilakukan untuk mendapatkan bobot prioritas adaptif dengan melakukan kalkulasi matematis antara bobot prioritas yang telah diperoleh dari penilaian perbandingan kriteria dengan bobot skala prioritas yang telah ditentukan oleh organisasi. Hasil yang diperoleh dari pengimplementasian metode ini adalah dapat diterima dengan berdasar pada nilai rasio konsistensi sebesar kurang dari 0.1. Kata Kunci : Analitic Hierarchy Process, Fuzzy, Analysis Synthetic Extent.
Abstract The high interest and the number of students nationally who follow SNMPTN demanding application of a highly selective admission system, so it is necessary to have a system that is capable of performing the process of candidate selection academically qualified students based on priority criteria specified. The Study aims to design decision support system using Fuzzy Analitic Hierarchy Process approach. The Analitic Hierarchy Process (AHP) approach is one of the decision support system method which control experiences and intution but critical at coupled comparative scales because it uses crips. A fuzzy logic is used to approach AHP scale so as to obtained more flexible value of coupled comparison. Fuzzy AHP method uses analysis synthetic extent in the priority processing implemented on rangking cases of SNMPTN participants selection in Hasanuddin University Makassar. The addition of the final stages of the prioritization process is done to obtain the priority weights adaptively by performing mathematical calculations between the priority weights that have been obtained from the comparison assessment criteria with a weight scale priorities that have been set by the organization. The results obtained from the implementation of this method is acceptable based on the value of the consistency ratio of less than 0.1. Keywords: Analitic Hierarchy Process, Fuzzy, Analysis Synthetic Extent.
PENDAHULUAN Perguruan Tinggi Negeri (PTN) masih menjadi pilihan utama para siswa untuk melanjutkan studi dengan alasan kualitas yang unggul dan biaya yang murah. Ada beberapa jalur pendaftaran PTN, mulai dari penelurusan minat dan kemampuan (PMDK) atau jalur prestasi, program mandiri (melalui Ujian Mandiri Universitas), Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN), dan Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) yang dikenal dengan jalur undangan. Setiap tahun jumlah pendaftar peserta SNMPTN mengalami kenaikan. Pada tahun 2013 sekitar 762.690 siswa kelas XII dari 1,7 juta yang tercatat pada Pangkalan Data Sekolah dan Siswa (PDSS) mendaftar untuk mengikuti Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN). Mereka bersaing dengan penyaringan yang sangat kompetitif untuk memperebutkan sekitar 135.000 kursi yang disediakan oleh 62 PTN (Afifah, 2013). Tingginya minat dan banyaknya siswa secara nasional yang mengikuti SNMPTN menuntut penerapan sistem penerimaan yang sangat selektif. Sistem seleksi berupa prioritas kriteria-kriteria calon mahasiswa yaitu berkualitas secara akademik dengan menggunakan nilai rapor, prestasi-prestasi akademik lainnya, dan berdasarkan hasil ujian nasional. Penyusunan prioritas calon mahasiswa melibatkan beberapa kriteria lagi yang tidak hanya dilihat dari nilai akademik, tetapi juga kriteria lain yaitu indeks sekolah yang berdasarkan nilai akreditasi sekolah. Siswa yang berasal dari sekolah yang berakreditasi tinggi mempunyai bobot penilaian dan peluang lulus yang lebih besar dibanding siswa yang berasal dari sekolah yang akreditasinya lebih rendah. Penilaian selanjutnya berdasarkan indeks wilayah yaitu terbagi dalam daerah tertinggal, daerah terdalam, dan daerah terluar (daerah 3T) sehingga siswa yang berada di wilayah tersebut juga mempunyai kesempatan yang besar melanjutkan pendidikan di PTN (Nasrul, 2014). Proses seleksi yang melibatkan beberapa kriteria penilaian baik dari prestasi siswa maupun berdasarkan indeks sekolah dan wilayah dengan jumlah data peserta yang sangat besar dibutuhkan penerapan teknologi informasi berupa Sistem Pendukung Keputusan (SPK) (Askin et al., 2007). Penggunaan SPK dengan metode tertentu yang mampu menangani pemrosesan SNMPTN secara fleksibel dan komputasi yang cepat dan akurat.
Salah satu metode yang dipakai untuk mendukung keputusan adalah metode Analytic Hierarchy Process (AHP). AHP merupakan metode yang memperhatikan faktor-faktor subyektifitas seperti persepsi, preferensi, pengalaman dan intuisi. AHP adalah prosedur yang berbasis matematis untuk mengevaluasi kriteria-kriteria tersebut (Apriyanto dan Agus, 2008). Metode AHP telah banyak digunakan pada penelitian sebelumnya untuk membantu dalam pengambilan keputusan, namun metode AHP tidak luput dari kritikan dalam penggunaannya karena adanya ketidakseimbangan dalam skala penilaian perbandingan berpasangan (Yusuf, 2010). Skala AHP yang dibentuk dari bilangan crisp (tegas) dinilai kurang mampu menangani keseimbangan penilaian. Olehnya itu, skala AHP orisinil harus didekati dengan metode lain yaitu menggunakan pendekatan logika fuzzy. Logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (Fuzzyness) antara dua nilai. Pendekatan fuzzy terhadap skala AHP diharapkan mampu untuk menyeimbangkan penilaian sehingga diharapkan hasil yang diperoleh bisa lebih baik. Sehingga berdasarkan latar belakang masalah yang dijelaskan, maka dapat dirumuskan tujuan penelitian ini adalah merancang dan mengimplementasikan pendekatan Fuzzy Analitic Hierarchy Process dengan variabel dinamis untuk menghasilkan skor rangking peserta dalam sistem pendukung keputusan SNMPTN.
BAHAN DAN METODE Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Sekretariat Panitia SNMPTN Universitas Hasanuddin Makassar dan dilakukan selama 5 bulan dimulai dari bulan Maret 2014 sampai bulan Juli 2014. Sumber Data Data yang digunakan pada penelitian ini adalah database Pangkalan Data Sekolah dan Siswa, data SNMPTN kemudian data informasi berupa literatur dan referensi jurnal ataupun laporan penelitian yang terkait serta sumber lain yang dianggap menunjang penelitian Rancangan Penelitian Penelitian dilakukan dengan menggunakan pendekatan Analitical Hierarchy Process yang selanjutnya disebut sebagai metode AHP, dan untuk memudahkan pemahaman tentang metode AHP maka metode ini diterapkan pada kasus perangkingan dengan pemberian bobot
kriteria yang menjadi penilaian dalam SNMPTN di Universitas Hasanuddin Makassar. Metode AHP terbagi atas beberapa langkah yaitu penyusunan hierarki masalah yang disusun berdasar pada identifikasi dari elemen-elemen permasalahan dan menata kumpulan itu menjadi struktur hirarki. Elemen-elemen permasalahan dalam hal ini adalah kriteria yang dibutuhkan untuk menyeleksi alternatif-alternatif yang memungkinkan. Alternatif dalam hal ini adalah siswasiswa peserta SNMPTN. Langkah-langkah pembuatan hierarki berupa penentuan tujuan, menentukan kriteria, dan terakhir adalah menentukan alternatif yang diseleksi. Metode Analisis Data Metode analisis data yang di gunakan adalah metode Fuzzy Analitical Hierarchy Process (FAHP), dimana metode ini digunakan untuk meminimalisasi ketidakseimbangan dalam skala AHP yang berbentuk nilai ‘crisp’. Cara pendekatan metode ini adalah dengan melakukan fuzzifikasi pada skala AHP sehingga diperoleh skala baru yang disebut skala fuzzy AHP. Logika fuzzy memiliki banyak fungsi keanggotaan, tetapi yang digunakan pada penelitian ini adalah fungsi segi tiga (Triangular Fuzzy Number) karena fungsi segi tiga sangat tepat digunakan untuk menilai informasi pada permasalahan pengambilan keputusan yang bersifat subyektif, intuitif dan dapat diterapkan secara mudah dalam komputasi (Hanien et al., 2012). Selanjutnya, AHP akan memproses data multi kriteria yang kompleks menjadi suatu model hirarki yang merupakan representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level kriteria, sub kriteria, dan seterusnya kebawah hingga level terakhir yaitu level alternative. Dengan hiraki, suatu masalah yang kompleks dapat diuraikan kedalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hiraki sehingga permasalahan akan tampak lebih struktur dan sistematis (Saaty, 2009). Tahapan-tahapan proses dalam metode AHP antara lain mendefinisikan masalah dan menentukan tujuan yang diinginkan, membuat struktur hiraki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria-kriteria dan alternativealternatif pilihan. Kemudian membentuk matriks keputusan atau matriks perbandingan berpasangan yang menggambarkan pengaruh setiap elemen terhadap masing-masing kriteria dan terakhir adalah menguji konsistensi hirarki tersebut (Supriyono, 2012).
HASIL PENELITIAN Hasil dari penelitian ini berupa rancangan sistem yang dibangun untuk mendukung proses penjabaran tentang bagaimana sistem akan bekerja dan apa saja fasilitas yang akan disediakan oleh sistem. Kemudian rancangan gambaran umum dan antarmuka sistem yang akan dibuat seperti pada gambar 1. Sistem dimulai dari proses input data dari admin sekolah yang menginput rekam jejak aktivitas akademik yaitu daftar kelas (untuk SMA) atau jurusan (untuk SMK), kurikulum yang terbagi atas mata pelajaran dan KKM, daftar siswa, dan nilai mata pelajaran siswa dari semester satu hingga semester lima dalam Pangkalan Data sekolah dan Siswa (PDSS). Data siswa dan nilai siswa akan diverikasi oleh masing-masing siswa. PDSS terintegrasi dengan SNMPTN sehingga pada saat registrasi siswa akan menginput nama PTN yang dituju beserta jurusan yang dipilih dan prestasi-prestasi akademik lainnya sebagai syarat penunjang. Data yang diinput dalam PDSS tiap sekolah merupakan parameter penilaian dalam SNMPTN. Kemudian data-data yang telah terangkum dalam database SNMPTN diolah dengan menggunakan algoritma Fuzzy AHP, dimana panitia SNMPTN akan menginput parameter adaptif serta nilai perbandingan kriteria untuk menentukan prioritas kriteria. Implementasi metode Fuzzy AHP dilakukan dengan menentukan bobot kriteria adaptif. Adaptif yang dimaksud adalah bobot kriteria dapat diubah kapan saja dari dua belas kategori yang digunakan. Besar dan jenis kriteria yang digunakan dapat dilihat dari tabel 1. Total bobot adaptif 100%, untuk menonaktifkan sebuah kriteria dengan memberikan nilai 0% pada kriteria tersebut, seperti contoh di atas terlihat bahwa kriteria ke dua belas yaitu kriteria Pendapatan orangtua di nonaktifkan. Proses selanjutnya yaitu memberikan nilai perbandingan antar kriteria dalam metode AHP seperti yang terlihat dalam tabel 2. Bobot adaptif dan nilai perbandingan kriteria dapat diubah kapan saja untuk menghasikan SPK yang adaptif terhadap perubahan kebijakan. Output yang dihasilkan dari sistem berupa informasi nilai skor dan rangking siswa berdasarkan hasil pengolahan algoritma yang digunakan. Setiap kriteria yang terdapat dalam hirarki harus diketahui bobot relatifnya satu sama lain. Tujuannya adalah untuk mengetahui tingkat kepentingan kriteria dalam permasalahan struktur hirarki atau permasalahan secara keseluruhan. Langkah pertama adalah menentukan prioritas kriteria yang menyusun perbandingan berpasangan, yaitu membandingkan dalam bentuk berpasangan seluruh kriteria untuk suatu hirarki. Perbandingan tersebut kemudian ditransformasikan kedalam bentuk matriks perbandingan berpasangan untuk analisis numerik. Nilai numerik
yang diberikan untuk seluruh perbandingan diperoleh dari skala perbandingan 1 sampai 9 . Kemudian tabel perbandingan kriteria AHP tersebut ditransformasi ke dalam bentuk matriks yang disebut sebagai proses fuzzyfikasi. Dari proses fuzzyfikasi kemudian melalui defuzzyfikasi untuk menormalisasikan nilai bobot yang diperoleh melalui metode Fuzzy Synthetic Extent. Bobot akhir yang diperoleh seperti yang terlihat pada tabel 3. Bobot akhir berupa total skor yang kemudian dirangking dari nilai skor yang tertinggi ke nilai terendah. Pada kasus ini, dapat dilihat bahwa terdapat 25 peserta dimana 20 peserta pertama dinyatakan lulus dan 5 peserta berikutnya dinyatakan tidak lulus.
PEMBAHASAN Telah dikemukakan bahwa penelitian ini memperlihatkan output berupa sistem berupa informasi nilai skor dan rangking siswa berdasarkan hasil pengolahan algoritma yang digunakan. Output yang dihasilkan dapat dijadikan bahan rekomendasi dalam sistem penunjang keputusan dalam hal ini adalah penentuan kelulusan SNMPTN. Proses pengambilan keputusan dalam kasus ini menggunakan Multiple Criteria Decision Making (MCDM), yaitu metode pendukung pengambilan keputusan yang didasarkan pada beberapa kriteria untuk memilih alternatif terbaik dari sejumlah alternatif. Kriteria adalah sebuah parameter yang berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan untuk mengambil keputusan. Berdasarkan tujuannya, MCDM dibagi menjadi 2 (dua) model yaitu Multi Atribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas atau kategori yang sama. AHP sebagai metode yang menghubungkan berbagai kriteria yang berdasar dari tingkaat kepentingannya akan ditransformasi ke dalam matriks. Matriks yang terbentuk selanjutnya diproses ke fuzzyfkasi, defuzzyfukasi, dan normalisasi dengan fungsi Fuzzy Synthetic Extent (Veerabathiran, 2012). Metode AHP yang memakai persepsi pembuat keputusan sebagai inputnya, maka ketidakkonsistenan mungkin terjadi karena manusia memiliki keterbatasan dalam menyatakan persepsinya secara konsisten terutama kalau harus membandingkan banyak kriteria (Christa et al., 2012). Berdasarkan kondisi ini maka pembuat keputusan dapat menyatakan persepsinya tersebut akan konsisten atau tidak. Pengujian indeks konsistensi dari matriks berordo n dapat diperoleh dengan persamaan CR = CI / RI dengan CR adalah Rasio Konsistensi, RI sebagai Indeks Random. Bila CR < = 0.1 maka
ketidakkonsistenan pendapat dari pengambil keputusan masih dapat diterima dan jika tidak maka penilaian perlu diulang. Pada penelitian ini, pengujian Rasio Konsistensi menghasilkan nilai 0.09 artinya konsistensinya dapat diterima.
KESIMPULAN DAN SARAN Berdasarkan hasil implementasi algoritma Fuzzy Analitical Hierarchy Process (FAHP), dapat disimpulkan bahwa Metode fuzzy AHP dapat digunakan untuk memproses perangkingan prioritas calon mahasiswa untuk Sistem Penunjang Keputusan dalam SNMPTN. Langkah-langkah metode fuzzy AHP yaitu menentukan kriteria yang digunakan, memberikan nilai perbandingan kepentingan antar kriteria sehingga menghasilkan matriks keputusan, melakukan fuzzifikasi matriks keputusan sehingga diperoleh matriks fuzzy kemudian memprosesnya menggunakan metode extent analysis sehingga untuk memperoleh nilai prioritas fuzzy, selanjutnya adalah melakukan defuzzifikasi untuk menghasilkan nilai crisp dan langkah terakhir adalah menormalisasi nilai crisp. Hasil normalisasi nilai crisp adalah bobot dari kriteria yang digunakan. Tahap terakhir adalah dengan melakukan proses kalkulasi matematis terhadap pembobotan adaptif yang telah ditentukan sesuai kebijakan organisasi. Hasil penambahan tahapan pembobotan prioritas AHP guna mendapatkan fungsi adaptif dari kriteria yang digunakan. Hal ini menunjukkan bahwa bobot prioritas kriteria tidak hanya dipengaruhi oleh nilai perbandingan kriteria, tetapi juga dipengaruhi oleh pembobotan adaptif yang dipengaruhi oleh kebijakan organisasi. Hasil yang diperoleh dari pengimplementasian metode ini adalah dapat diterima dengan berdasar pada nilai rasio konsistensi sebesar kurang dari 0.1. Penelitian selanjutnya disarankan agar optimalisasi bobot yang lebih akurat dan nilai rasio konsistensi lebih kecil dapat disimulasikan dengan menggabungkan atau menambahkan salah satu metode dari Artificial Intelegence.
UCAPAN TERIMA KASIH Penulis menyadari bahwa penyusunan penelitian ini banyak mengalami hambatan, rintangan dan halangan, penulis juga menyadari bahwa masih banyak kekurangan pada penelitian ini, namun dengan bantuan dari berbagai pihak, penelitian ini dapat terselesaikan dengan baik, Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan rasa terima kasih dan penghargaan yang setinggi-tingginya kepada Bapak Dr. Eng, Armin Lawi, M., Eng dan Bapak Dr. Eng. Wardi, ST., M.Eng selaku pembimbing yang banyak meluangkan waktunya memberikan petunjuk dan bimbingan sehingga kesulitan penulis dalam membuat tesis ini dapat terselesaikan. Terima kasih juga yang sebesar-besarnya kepada Bapak dan Ibu Dosen yang telah memberikan banyak masukan dan bimbingannya selama penulis menempuh perkuliahan.
DAFTAR PUSTAKA Afifah. (2013). 762.690 Siswa Bakal Bersaing Lewat SNMPTN 2013. Diakses 16 Pebruari 2014. Available from: http://edukasi.kompas.com Apriyanto dan Agus. (2008). Perbandingan Kelayakan Jalan Beton dan Aspal denganMetode Analityc Hierarchy Process (AHP) (Studi Kasus Jalan Raya Demak-Gondong) (Tesis). Semarang: Universitas Diponegoro. Askin, et al., (2007). Comparison of AHP And Fuzzy AHP for The Multi Criteria Decision Making Processes with Linguistic Evaluation. Prooceding of Istanbul Ticaret Universitesi Fen Bilimleri Dergisi, hal. 65-85. Christa, et al., (2012). Perancangan Sistem Pendukung Keputusan Untuk Kenaikan Jabatan Pegwai Menggunakan Fuzzy Analytic Hierarchy Process. Yogyakarta: Graha Ilmu. Hanien, et al., (2012). Penentuan Faktor Prioritas Mahasiswa Dalam Memilih Telepon Seluler Merk Blackberry dengan Fuzzy AHP. Yogyakarta: Graha Ilmu. Nasrul. (2014). Nilai UN Salah Satu Pertimbangan dalam SNMPTN. Diakses 11 Pebruari 2014. Available from: http://www.republika.co.id Saaty, L.T. (2009). Decision Making With The Analytic Hierarchy Process. Int. J. Services Sciences, Vol. 1, 83-98. Supriyono. (2012). Sistem Pendukung Keputusan Penentuan Rakyat Miskin di Kabupaten Kudus Menggunakan Metode Analytic Hierarchy Process (AHP). Yogyakarta: Graha Ilmu. Veerabathiran, R. et al., (2012). Application of the Extent Analysis Method on Fuzzy AHP. IJEST, page 3472-3480. Yusuf. (2010). Pendekatan Fuzzy Analytic Hierarchy Process Untuk Sistem Pendukung Keputusan (Tesis). Makassar: Universitas Hasanuddin.
Gambar 1. Gambaran Umum Sistem
Tabel 1. Bobot Kriteria Adaptif No
Kriteria
Bobot Adaptif
1
Prestasi Akademik
25%
2
Prestasi Non Akademik
10%
3
Rangking Ujian Nasional
5%
4
Trend Nilai Semester
5%
5
Mata Pelajaran Pilihan
5%
6
Korelasi Jurusan
10%
7
Nilai Ujian Nasional
5%
8
Akreditasi Sekolah
5%
9
Rata – rata Nilai KKM Sekolah
10%
10
Prestasi Alumni (Rata – rata IP Alumni )
10%
11
Nilai Rata rata UN Sekolah
10%
12
Pendapatan Orang Tua
0% Total
100%
Tabel 2. Perbandingan Kepentingan antar Kriteria K1
K2
K1
1
K2
K5
K6
K7
K8
K9
K10
K11
K12
0.333 0.333 3
5
5
5
7
5
7
5
5
3
1
7
5
5
5
3
1
5
3
1
3
K3
3
0.142 1
3
3
3
1
0.333 0.333 3
K4
0.333 0.2
0.333 1
0.333 0.333 3
5
0.333 0.333 0.142 0.2
K5
0.2
0.2
0.333 3
1
3
3
5
7
5
7
5
K6
0.2
0.2
0.333 3
0.333 1
5
5
3
5
3
3
K7
0.2
0.333 1
0.333 0.333 0.2
1
5
5
5
3
1
K8
0.142 1
3
0.2
0.2
0.2
1
3
1
5
5
K9
0.2
3
3
0.142 0.333 0.2
0.333 1
3
0.333 0.2
K10 0.142 0.333 0.333 3
0.2
1
K11 0.2
1
3
7
K12 0.2
0.333 3
5
0.2
K3
K4
0.2
0.2
0.2
0.333 0.333
0.333 1
0.333 5
0.142 0.333 0.333 0.2
3
3
1
0.2
5
0.2
0.142 1
0.333 1
0.2
7
Keterangan : K1 K2 K3 K4 K5 K6
= Prestasi Akademik = Prestasi Non Akademik = Rangking Ujian Nasional = Trend Nilai = Mata Pelajaran Pilihan = Korelasi Jurusan
K7 = Nilai Ujian Nasional K8 = Akreditasi Sekolah K9 = Rata – rata Nilai KKM Sekolah K10 = Prestasi Alumni (Rata – rata IP Alumni ) K11 = Nilai Rata rata UN Sekolah K12 = Pendapatan Orang Tua
Tabel 3. Bobot Akhir Skor Peserta SNMPTN No
No. Reg
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
12345678 2134565776 3245678888 2345788798 1234567891 2223466212 2324565656 33451409811 234578923 2425436566 3435562222 1234356767 3546677788 3245665677 2142546781 1123567789 3424567767 3546758788 2343555567 2353465667 345676858 2435664441 3546766667 2434565667 3465768343
Nama Peserta Subhan Saleh Lia Harun Westi Adinda Sukardin Mappa Arwin Tasmin Wahida Lukman Maya Kurnia Fadri Mustafa Arief Hidayat Frederik Lombe Rikha Muh Arief Septian Dwi Saleh Muhammad Sukirman Melina Wahid Merliana Natasya Febri Golinara Silfa Korana Lombe Feby Apriani Stefanus Goltis Nur Salam Jaya Helmi Soba Feny
K1 0.116 0.116 0.116 0.067 0.116 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067 0.067
K2
K3
K4
K5
K6
K7
K8
K9
0.023 0.011 0 0.04 0 0.023 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.011 0 0 0 0.004
0.009 0.005 0.009 0.014 0.005 0.009 0.014 0.014 0.014 0.009 0.003 0.003 0.014 0.005 0.003 0.003 0.001 0.001 0.014 0.014 0.005 0.005 0.005 0.003 0.003
0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.006 0.01 0.006 0.006 0.006 0.006 0.006
0.019 0.019 0.019 0.019 0.019 0.011 0.019 0.011 0.011 0.011 0.019 0.011 0.011 0.011 0.011 0.011 0.011 0.011 0.019 0.011 0.011 0.019 0.019 0.019 0.011
0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073 0.073
0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.001 0.006 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003
0.01 0.017 0.017 0.017 0.017 0.017 0.017 0.017 0.017 0.017 0.017 0.017 0.01 0.017 0.017 0.017 0.017 0.017 0.002 0.002 0.002 0.002 0.002 0.002 0.002
0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003
K10 0.018 0.012 0.012 0.012 0.012 0.012 0.012 0.012 0.012 0.012 0.012 0.012 0.018 0.012 0.012 0.012 0.012 0.012 0.012 0.007 0.007 0.012 0.007 0.007 0.007
K11 0.007 0.015 0.015 0.015 0.015 0.015 0.015 0.015 0.015 0.015 0.015 0.015 0.007 0.015 0.015 0.015 0.015 0.015 0.003 0.007 0.007 0.003 0.007 0.007 0.007
K12
Total Skor
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.287 0.279 0.272 0.268 0.268 0.239 0.228 0.22 0.22 0.215 0.215 0.212 0.212 0.212 0.209 0.209 0.207 0.207 0.201 0.197 0.196 0.193 0.192 0.189 0.186
STATUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS LULUS TIDAK LULUS TIDAK LULUS TIDAK LULUS TIDAK LULUS TIDAK LULUS
