12
67 Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS Dalam Tahapan Seleksi Awal Di PT. XYZ Comparative Analysis Of AHP, TOPSIS And AHP- TOPSIS Method In Initial Selection Stage In PT. XYZ R. Prasetyo Agung Nugroho* 1 , Kusrini 2 , Hanif Al Fatta 3 1,2,3 Magister Teknik Informatika Universitas AMIKOM Yogyakarta E-mail: * 1 [email protected], 2 [email protected], 3 [email protected] Abstrak Penelitian ini membandingkan tiga model Sistem Pendukung Keputusan dalam studi kasus mengenai seleksi awal di PT. XYZ yang mana akan digunakan dalam salah satu model perangkingan pada tahap seleksi awal, ketiga metode yang akan diteliti yaitu AHP (Analytical Hierarchy Process), TOPSIS (Technique For Order Preference by Similarity to Ideal Solution) dan gabungan metode AHP-TOPSIS. Penelitian ini dilakukan pada sebuah perusahaan penyediaan tenaga kerja yakni PT. XYZ, dengan bantuan seorang pakar yaitu seorang psikolog, penelitian ini dirasa diperlukan guna memberikan dukungan dalam pengambilan keputusan didalam perangkingan pada proses seleksi awal di PT. XYZ penelitian ini didorong berdasarkan ambiguitas dan keragu-raguan ketika proses penilaian ketika seleksi awal ini berlangsung selama penulis melakukan observasi. Hasil penilaian seleksi awal tersebut di ranking menggunakan metode yang dirasa paling baik guna menyeleksi kandidat yang lolos atau tidak lolos untuk ke tahapan seleksi selanjutnya.Tujuan dari penelitian ini adalah melihat metode mana yang cocok bila digunakan dalam perangkingan pada tahapan seleksi awal di PT. XYZ. Kata KunciSistem Pendukung Keputusan, AHP, Topsis, Seleksi, HRD Abstract This research educates three models of Decision Support System in case study at PT. XYZ which will be used in one model of ranking in the early stages, the methods to be studied are AHP (Analytical Hierarchy Process), TOPSIS (Technical Preference Sequence based on Equal to Ideal Solution) and AHP-TOPSIS combined method.This research was conducted at a labor supply company that is PT. XYZ, with the help of experts who are a psychologist, this research is considered necessary to provide some decisions in ranking in the process at PT. XYZ This research is done based on the process and the compilation process from the initial process. Results determine the ratings above using methods that are really useful for selecting candidates who pass or not pass to the next stage. The purpose of this study is to find out which method is suitable for use in ranking at the initial search stage at PT. XYZ. KeywordsDecision Support System, AHP, Topsis, Seleksi, HRD 1. PENDAHULUAN PT. XYZ merupakan sebuah perusahaan yang bergerak di bidang Human Resource Developmen / Man Power / Pengelolaan Alihdaya Sumber Daya Manusia dan bekerjasama

Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

  • Upload
    others

  • View
    25

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

67

Analisis Perbandingan Metode AHP, TOPSIS DanAHP-TOPSIS Dalam Tahapan Seleksi Awal Di

PT. XYZ

Comparative Analysis Of AHP, TOPSIS And AHP-TOPSIS Method In Initial Selection Stage In PT. XYZ

R. Prasetyo Agung Nugroho*1, Kusrini2, Hanif Al Fatta3

1,2,3Magister Teknik Informatika Universitas AMIKOM YogyakartaE-mail: *[email protected], [email protected],[email protected]

Abstrak

Penelitian ini membandingkan tiga model Sistem Pendukung Keputusan dalam studikasus mengenai seleksi awal di PT. XYZ yang mana akan digunakan dalam salah satu modelperangkingan pada tahap seleksi awal, ketiga metode yang akan diteliti yaitu AHP (AnalyticalHierarchy Process), TOPSIS (Technique For Order Preference by Similarity to Ideal Solution)dan gabungan metode AHP-TOPSIS. Penelitian ini dilakukan pada sebuah perusahaanpenyediaan tenaga kerja yakni PT. XYZ, dengan bantuan seorang pakar yaitu seorang psikolog,penelitian ini dirasa diperlukan guna memberikan dukungan dalam pengambilan keputusandidalam perangkingan pada proses seleksi awal di PT. XYZ penelitian ini didorong berdasarkanambiguitas dan keragu-raguan ketika proses penilaian ketika seleksi awal ini berlangsungselama penulis melakukan observasi. Hasil penilaian seleksi awal tersebut di rankingmenggunakan metode yang dirasa paling baik guna menyeleksi kandidat yang lolos atau tidaklolos untuk ke tahapan seleksi selanjutnya.Tujuan dari penelitian ini adalah melihat metode manayang cocok bila digunakan dalam perangkingan pada tahapan seleksi awal di PT. XYZ.Kata Kunci— Sistem Pendukung Keputusan, AHP, Topsis, Seleksi, HRD

Abstract

This research educates three models of Decision Support System in case study at PT. XYZwhich will be used in one model of ranking in the early stages, the methods to be studied are AHP(Analytical Hierarchy Process), TOPSIS (Technical Preference Sequence based on Equal to IdealSolution) and AHP-TOPSIS combined method.This research was conducted at a labor supplycompany that is PT. XYZ, with the help of experts who are a psychologist, this research isconsidered necessary to provide some decisions in ranking in the process at PT. XYZ Thisresearch is done based on the process and the compilation process from the initial process.Results determine the ratings above using methods that are really useful for selecting candidateswho pass or not pass to the next stage. The purpose of this study is to find out which method issuitable for use in ranking at the initial search stage at PT. XYZ.Keywords— Decision Support System, AHP, Topsis, Seleksi, HRD

1. PENDAHULUAN

PT. XYZ merupakan sebuah perusahaan yang bergerak di bidang Human ResourceDevelopmen / Man Power / Pengelolaan Alihdaya Sumber Daya Manusia dan bekerjasama

Page 2: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152068

dengan Perusahaan-perusahaan besar untuk mensupply calon pegawai di perusahaan tersebutyang telah bekerjasama. PT. XYZ telah bersinergi dengan banyak perusahaan besar baikperusahaan Pemerintah maupun Swasta dalam penyaluran tenaga kerja mulai dari head huntermaupun assessment. Dan PT. XYZ terus melakukan proses seleksi pelamar guna menyiapkanbeberapa kandidat apabila perusahaan rekanan membutuhkan support employees.

Metode AHP dan TOPSIS telah banyak digunakan untuk membantu pendukungkeputusan diantaranya adalah Friyadie membuat sebuah penelitian dengan metode AHP dengantujuan untuk mengurangi kesalahan didalam pengumpulan data dan menghasilkan proses yanglebih baik lagi apabila memiliki banyak kriteria [1]. Estining Nur S.P, dkk, melakukan analisisperbandingan menggunakan metode AHP, TOPSIS, dan AHP-TOPSIS dalam Studi Kasus SistemPendukung Keputusan Penerimaan Siswa Program Akselerasi [2]. Heru Purwanto membuat SPKdengan metode TOPSIS untuk memilih laptop guna memberikan rekomendasi yang sesuai kepadakonsumen [3]. Xueling Nie, dkk, dalam penelitiannya menggunakan metode AHP guna memilihvendor yang akan ditunjuk kedalam proyek lingkungan [4]. Safrizal dan Lili Tanti menggunakanmetode AHP untuk menentukan jurusan yang tepat bagi siswa LPP Penerbangan [5]. TriWidayanti dan Tony Wijaya dalam menggunakan metode TOPSIS guna seleksi penerimabeasiswa bidikmisi berbasis web [6].

2. METODE PENELITIAN

2.1. Metode PenelitianPenelitian ini menggunakan jenis penelitian tindakan, peneliti hendak mencoba

menerapkan model AHP dan TOPSIS untuk perankingan pada seleksi awal di PT. XYZ agar lebihcepat dan efisien. Kemudian untuk sifat penelitian ini menggunakan jenis deskriptif dimanasampel diambil dari PT. XYZ yaitu seleksi awal untuk jenis lamaran pekerja administrasi.kemudian melakukan beberapa testing terkait solusi yang telah dibuat dari solusi yang timbuldidalam seleksi awal. Sedangkan untuk pendekatan didalam penelitian ini peneliti menggunakanpendekatan kuantitatif karena sampel data yang diperoleh berupa angka dan dapat dihitungjumlahnya.2.2. Metode Analisis Data

Penelitian ini dimulai dari arsip, jurnal dan makalah kemudian selanjutnyamengumpulkan data melalui wawancara, obeservasi serta penelitian arsip-arsip yang ada.Selanjutnya data yang sudah terkumpul akan dianalisa dan membuat desain dari model AHP,TOPSIS dan AHP-TOPSIS. Setelah model terbentuk selanjutnya adalah implementasi modeltersebut yang terakhir adalah pengujian sistem guna melihat hasil olah proses ketiga metodetersebut diatas.2.3. Analisi Kebutuhan Data

Sebelum melakukan proses perangkingan perlu ditetapkan kriteria-kriteria apa yangdinilai didalam proses seleksi awal. Kriteria akan diberikan bobot disesuaikan dengan standarperusahaan dalam proses seleksi awal. Ada 2 kriteria dalam proses seleksi awal kemudianditurunkan lagi menjadi 5 sub kriteria dan diturunkan lagi menjadi 17 sub kriteria yang masing-masing akan diberikan nilai bobot dapat dilihat pada Tabel 1.

Page 3: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

69

Tabel 1 Kriteria dan Sub KriteriaGoal Kriteria Sub Kriteria Sub Kriteria KeteranganSeleksi Awal Seleksi berkas Profile Nilai Dinilai dari berkas

pelamar yang telahdiseleksi.

PrestasiGood LookingCara Berpakaian

Experience Pengalaman KerjaPengalaman OrganisasiSkill

Seleksiwawancara

Penampilan Proposional Tubuh Dinilai ketika prosesinterview berlangsung.Kebersihan (Wajah Dsb)

KomunikasiGood Looking

Sikap Kerja Motivasi KerjaKetahanan Kerja

Kepribadian Percaya DiriTata Krama & Sopan SantunKemampuan InterpersonalEmosional

2.4. Decision Support SystemSistem Pendukung Keputusan merupakan sistem informasi interaktif yang menyediakan

informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantupengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur,dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat [7].2.5. Metode Analytic Hierarchy Process (AHP)

Metode Analytic Hierarchy Process (AHP) merupakan sebuah metode yang memodelkanpermasalahan kompleks dan tidak terstruktur ke dalam bentuk permasalahan secarabertingkat/berjenjang, kemudian elemen-elemen pada setiap tingkatan akan diberikan penilaiansecara kualitatif subyektif.2.5.1. Decomposition

Decomposition adalah proses menganalisa permasalahan riil dalam struktur hirarki atasunsur – unsur pendukungnya seperti tampak pada Gambar 1 berikut.

Page 4: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152070

Gambar 1 Hirarki Metode AHP2.5.2. Comparative Judgement

Menggunakan angka yang telah ditetapkan oleh Saaty untuk menentukan tingkatkepengtingan masing-masing kriteria. Saaty (1988) menetapkan skala kuantitatif 1 sampai dengan9 seperti pada Tabel 2 berikut ini [8].

Tabel 2 Tabel Comparative JudgementIntensitas

Pentingnya Definisi Keterangan

1 Sama penting Kedua elemen sama pentingya3 Sedikit lebih penting Elemen A sedikit lebih esensial dari elemen B5 Lebih penting Elemen A lebih esensial dari elemen B7 Sangat penting Elemen A sangat esensial dari elemen B9 Mutlak penting Elemen A mutlak lebih esensial dari elemen B

2, 4, 6, 8 Nilai tengah Nilai-nilai di antara dua pertimbangan yangberdekatan

2.5.3. Synthesis of prioritySetelah matriks perbandingan untuk sekelompok elemen selesai dibentuk maka langkah

berikutnya adalah mengukur bobot prioritas setiap elemen tersebut dalam model pairwisecomparison seperti pada Tabel 3 berikut.

Tabel 3 Pairwise ComparisonKriteria/ Alternatif 1 2 3 n

1 … /… … /… … /…2 … /… … /…3 … /…n

2.5.4. Logical ConsistencyLogical consistency merupakan karakteristik penting AHP yang membedakan dengan

metode lainnya. Persepsi yang 100 % konsisten belum tentu memberikan hasil yang optimal maka

Page 5: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

71

hal itu dalam metode AHP yang membedakan dari metode lainnya diukur dengan menghitungConsistency Index (CI) dan Consistency Ratio (CR).1. Menghitung Indeks Konsistensi (CI) dengan rumus:= λmaks−− 1

(1)dimana:CI = Consistency Indexmaks = Eigen Valuen = Ukuran matrix

2. Menghitung Rasio Konsistensi (CR) dengan rumus:

= CI(2)

dimana:CR = Consistency RatioCI = Consistency IndexRI = Random Index (Tabel)

Untuk metode AHP, tingkat inkonsistensi yang masih bisa diterima adalah sebesar 10%ke bawah. Jika nilai CR lebih dari 10% maka perlu diadakan revisi penilaian karena tingkatinkonsistensi yang terlalu besar dapat menjurus pada suatu kesalahan. Dan berikut tabel RI yangmenjadi acuan dalam metode AHP untuk menghitung CR dapat dilihat pada Tabel 4 berikut.

Tabel 4 Tabel nilai Random Index (RI)n 1 2 3 4 5 6 7 8 9 10RI 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49

2.6. Metode Technique Order Performance by Similarity to Ideal Solution (TOPSIS)Metode didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya

memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang darisolusi ideal negatif. TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj

yang ternormalisasirij = ij ; = 1,2, . . . , ; dan = 1,2, . . . ,(3)

dimana :rij = matriks ternormalisasi [i][j]xij = matriks keputusan [i][j]

Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan ratingbobot ternormalisasi (yij) sebagai :yij = wi.rij ; dengan i=1,2,...,m; dan j=1,2,...,n (4)A+ = (y1

+, y2+, ..., yn

+);A- = (y1

-, y2-, ..., yn

-);dimana :yij = matriks ternormalisasi terbobot [i][j]wi = vektor bobot[i] dari proses AHPyj

+ = max yij, jika j adalah atribut keuntunganmin yij, jika j adalah atribut biaya

Page 6: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152072

yj- = min yij, jika j adalah atribut keuntungan

max yij, jika j adalah atribut biayaj = 1,2,...,n

Jarak antara alternatif Ai dengan solusi ideal positif :

D = ( i − ) ; = 1,2, . . . ,(5)

dimana :Di

+ = jarak alternatif Ai dengan solusi ideal positifyi

+ = solusi ideal positif[i]yij = matriks normalisasi terbobot[i][j]

Jarak antara alternatif Ai dengan solusi ideal negatif :

D = ( − i ) ; = 1,2, . . . ,(6)

dimana :Di

- = jarak alternatif Ai dengan solusi ideal negatifyi

- = solusi ideal positif[i]yij = matriks normalisasi terbobot[i][j]

Nilai preferensi untuk setiap alternatif (Vi) dapat dilihat pada persamaan 8.V = DD D ; = 1,2, . . . ,(7)

dimana :Vi = kedekatan tiap alternatif terhadap solusi idealDi

+ = jarak alternatif Ai dengan solusi ideal positifDi

- = jarak alternatif Ai dengan solusi ideal negatifNilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih.

3. HASIL DAN PEMBAHASAN

3.1. Penyusunan Struktur Hirarki KriteriaKriteria-kriteria dalam seleksi awal pada PT. XYZ ini didapat dari pihak rekrutmen.

Selanjutnya kriteria tersebut akan diberi bobot berdasarkan hasil wawancara langsung oleh pihakyang bertanggung jawab terhadap proses rekrutmen. Gambar 2 merupakan nilai pembobotan yangdiperoleh dari hasil wawancara.

Page 7: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

73

Gambar 2 Bobot

3.2.1. Mengolah Data Menggunakan AHPProses setelah input data pelamar adalah proses mengolah kriteria yang ada menggunakan

metode AHP, Berdasarkan saran dan konsultasi tingkatan-tingkatan kepentingan yang telahdisesuaikan dengan psikolog maka hal ini kemudian diterapkan kedalam formulasi denganmetode AHP. Berikut perhitungan yang akan ditunjukkan pada Gambar 3.

Gambar 3 Perhitungan AHPPerhitungan indek konsistensi atau Consistency Index (CI) diatas menggunakan rumus

pada Persamaan (1) dengan perhitungan sebagai berikut.

Page 8: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152074 (2.00 − 2)(2 − 1) = 0.00Kemudian untuk Consistency Rasio (CR) Persamaan (3) dan mengacu pada tabel 2

dengan perhitungan sebagai berikut. 0.000 = 0Maka didapat nilai konsistensi 0.00 dan masih dibawah 0.1 maka tingkat inkonsistensi

dapat diterima. Perbandingan kriteria lainnya menggunakan cara yang sama seperti diatas, berikuthasil bobot setiap kriteria dan perangkingan pada Gambar 4.

Gambar 4 Perhitungan Bobot dan Hasil Urutan Metode AHP

3.2.2. Mengolah Data Menggunakan TOPSISLangkah pertama dalam TOPSIS yaitu melakukan normalisasi dan pembobotan matriks

keputusan dengan menggunakan persamaan (4). Hasil perhitungannya dapat dilihat pada Gambar5.

Gambar 5 Normalisasi dan Pembobotan

Selanjutnya menentukan solusi ideal positif (A+) dan solusi idean negatif (A-)berdasarkan rumus. Hasil perhitungan pada Gambar 6.

Page 9: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

75

Gambar 6 Perhitungan Solusi Positif dan NegatifSetelah itu, melakukan perhitungan untuk mencari jarak alternatif dari solusi ideal positif

(Di+) dan negatif (Di

-) serta Kedekatan tiap Alternatif. Hasil perhitungan dapat dilihat padaGambar 7.

Gambar 7 Perhitungan Di+ serta Di

- dan Kedekatan tiap AlternatifBerikut merupakan hasil perangkingan menggunakan metode AHP-TOPSIS dapat

dilihat pada Gambar 8.

Gambar 8 Hasil Urutan Metode Topsis3.2.3. Mengolah Data Menggunakan AHP-TOPSIS

Perhitungan dengan metode AHP-TOPSIS ini mengambil inputan bobot dari metodeAHP kemudian mendapatkan urutannya dengan metode TOPSIS. Langkah pertama diawalidengan menggunakan perhitungan AHP yang hasilnya seperti pada Gambar 3. Kemudian,memulai proses TOPSIS dengan melakukan normalisasi matriks keputusan menggunakanPersamaan (3). Selanjutnya menentukan solusi ideal positif (A+) dan solusi ideal negatif (A-)menggunakan Persamaan (4). Hasil yang didapatkan seperti pada Gambar 9.

Page 10: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152076

Gambar 9 Perhitungan Solusi Ideal Positif dan Negatif

Kemudian, melakukan perhitungan untuk mencari jarak alternatif dari solusi ideal positif(Di

+) dan negatif (Di-) menggunakan Persamaan (5) sampai dengan (7). Hasil perhitungan ada

pada Gambar 10.

Gambar 10 Perhitungan Di+ serta Di

- dan Kedekatan tiap Alternatif AHP-TOPSIS

Berikut merupakan hasil perangkingan menggunakan metode AHP-TOPSIS dapat dilihatpada Gambar 11.

Gambar 11 Hasil Urutan Metode AHP-TOPSIS

3.2.4. PengujianPada pengujian ini menggunakan metode confusion matrix, confusion matrik sendiri adalah

salah satu metode yang dapat digunakan untuk mengukur kinerja suatu metode klasifikasi. Padadasarnya confusion matrix mengandung informasi yang membandingkan hasil klasifikasi yangdilakukan oleh sistem dengan hasil klasifikasi yang seharusnya. Berikut merupakan representasihasil pengujian dapat dilihat pada Tabel 5 sampai dengan 7.

Page 11: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

77

Tabel 5 Akurasi dan f-Measure AHP dengan hasil dari Data Rekrut

Periode JumlahPelamar

AHPP R A F-1

07-12-2017 7 100% 100% 100% 100%

14-12-2017 9 75% 60% 67% 67%

21-12-2017 9 50% 60% 44% 55%

Rata-rata Accuracy 70.22%

Rata-rata f-measure 74.00%

Ranking Accuracy 1Ranking f-measure 1

Tabel 6 Akurasi dan f-Measure TOPSIS dengan hasil dari Data Rekrut

Periode JumlahPelamar

TOPSISP R A F-1

07-12-2017 7 60% 60% 43% 60%

14-12-2017 9 75% 60% 67% 67%

21-12-2017 9 50% 60% 44% 55%

Rata-rata Accuracy 51.29%

Rata-rata f-measure 60.67%

Ranking Accuracy 2Ranking f-measure 2

Tabel 7 Akurasi dan f-Measure AHP-TOPSIS dengan hasil dari Data Rekrut

Periode JumlahPelamar

AHP-TOPSISP R A F-1

07-12-2017 7 50% 40% 29% 44%

14-12-2017 9 75% 50% 56% 60%

21-12-2017 9 60% 60% 56% 60%

Rata-rata Accuracy 47.00%

Rata-rata f-measure 54.67%

Ranking Accuracy 3Ranking f-measure 3

4. KESIMPULAN

Menunjuk pada pengujian, analisis perbandingan diterapkan dengan menggunakanconfusion matrix guna mengukur akurasi serta f-measure. Akurasi digunakan untuk melihatkedekatan output yang dihasilkan oleh sistem terhadap hasil manual data tim rekrut, sedangkanf-measure merupakan pengujian yang dilakukan guna menemukan kembali sebuah informasiserta dan ketepatan informasi yang dihasilkan oleh sistem dengan informasi yang diinginkan olehpengguna [9]. Hasil yang diperoleh dari nilai akurasi dari ketiga metode terhadap hasil seleksiawal, didapatkan metode AHP menjadi urutan terbaik dengan rata-rata akurasi 70,22%, urutankedua didapatkan oleh metode TOPSIS dengan rata-rata akurasi 51,29% dan urutan ketigadidapatkan oleh metode AHP-TOPSIS dengan rata-rata 47%. Dan dari hasil uji f-measure dari

Page 12: Analisis Perbandingan Metode AHP, TOPSIS Dan AHP-TOPSIS

ISSN: 1978-152078

ketiga metode terhadap hasil seleksi awal, didapatkan metode AHP menjadi urutan terbaik denganrata-rata prosesntase 74%, urutan kedua didapatkan oleh metode TOPSIS dengan rata-rata60,67%, dan urutan ketiga didapatkan oleh metode AHP-TOPSIS dengan rata-rata 54,67%. Makaterkait hasil pengujian ini metode AHP memperoleh rata-rata prosentase yang baik bila dibandingmetode TOPSIS dan AHP-TOPSIS dan lebih direkomendasikan untuk digunakan dalampermodelan yang akan digunakan untuk seleksi awal pada PT. XYZ.

5. SARAN

Penelitian ini masih dapat dikembangkan atau dapat dicoba dengan data yang lebih besarserta dapat menggunakan metode lain untuk mandapat hasil prosentase yang lebih baik.

UCAPAN TERIMA KASIH

Terima kasih atas dukungan dari keluarga, serta bapak ibu dosen pembimbing yang telahbanyak memberikan dukungan serta arahan selama penulisan jurnal.

DAFTAR PUSTAKA

[1] Frieyadie, 2017, Penerapan Metode AHP Sebagai Pendukung Keputusan PenetapanBeasiswa, AMIK BSI Jakarta, Jurnal Pilar Nusa Mandiri Volume 13 No. 1, Februari 2017

[2] Estining Nur Sejati Purnomo, dkk, 2013, Analisis Perbandingan Menggunakan MetodeAHP, TOPSIS, dan AHP-TOPSIS dalam Studi Kasus Sistem Pendukung KeputusanPenerimaan Siswa Program Akselerasi, ISSN 2301-7201 Vol. 2 No. 1. Juni 2013.

[3] Heru Purwanto, 2017, Sistem Penunjang Keputusan Pemilihan Notebook DenganMenggunakan Metode Topsis, Jurnal Ilmu Pengetahuan dan Teknologi Komputer Vol. 2.No. 2 Februari 2017.

[4] Xueling Nie, 2017, Research on Green Vendor Evaluation and Selection using AHP andTopsis, School of Business Administration, University of Science and TechnologyLiaoning, Boletín Técnico, Vol.55, Issue 13, 2017, pp.504-509

[5] Safrizal dan Lili Tanti, 2016, Multi-Criteria Decision Making Dalam Penentuan JurusanSiswa Pada Lembaga Pendidikan dan Pelatihan (LPP) Penerbangan, JAIS, Vol.1, No. 3,Oktober 2016: 154-166

[6] Tri Widayanti dan Tony Wijaya, 2016, Implementasi Metode TOPSIS dalam SistemPendukung Keputusan Seleksi Penerima Beasiswa Bidikmisi Berbasis Web, Citec Journal,Vol. 3, No. 4, Agustus 2016 – Oktober 2016 ISSN: 2460-4259

[7] Kusrini, M.Kom, 2016, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi Offset,Yogyakarta

[8] Saaty, T. L., 2008, Decision Making with the Analytic Hierarchy Process. Int. J. ServicesSciences, No. 1, Vol. 1.

[9] Yutaka Sasaki, 2007, The truth of the F-measure, School of Computer Science, Universityof Manchester, 26 October 2007