Sistem Pendukung Keputusan Berbasis Multi-Attributive Border Approximation Area Comparison dan Entropy Weighting untuk Pemilihan Siswa Berprestasi di Sekolah Menengah Atas
DOI:
https://doi.org/10.52436/1.jpti.466Kata Kunci:
berprestasi, entropy, keputusan, MABAC, siswaAbstrak
Pemilihan siswa berprestasi merupakan proses seleksi untuk menentukan siswa yang memiliki pencapaian terbaik di bidang akademik maupun non-akademik. Pemilihan ini bertujuan untuk memberikan penghargaan kepada siswa yang telah menunjukkan dedikasi luar biasa, sekaligus memotivasi siswa lain untuk terus berusaha mencapai prestasi maksimal. Pemilihan siswa berprestasi sering menghadapi berbagai permasalahan yang dapat memengaruhi keadilan dan akurasi hasil seleksi. Salah satu masalah utama adalah kurangnya standar penilaian yang jelas dan terukur untuk mencakup berbagai aspek, baik akademik maupun non-akademik, sehingga menimbulkan potensi bias dalam proses penilaian. Penelitian ini bertujuan untuk menerapkan SPK dalam pemilihan siswa berprestasi dengan mengintegrasikan pendekatan MABAC dan entropy weighting. Tujuan utama dari penelitian ini adalah untuk menentukan kriteria penilaian yang relevan dan tepat dalam menilai siswa, sehingga meningkatkan objektivitas dalam pemilihan siswa berprestasi dengan meminimalkan elemen subjektivitas, sehingga menghasilkan keputusan yang adil dan transparan, serta memberikan rekomendasi untuk pengembangan lebih lanjut dari sistem ini. Hasil perankingan siswa berprestasi menggunakan metode MABAC yang dikombinasikan dengan metode entropy. Siswa dengan nilai tertinggi adalah Siswa 8 (0,5709), diikuti oleh Siswa 4 (0,5701) dan Siswa 13 (0,5638), yang mencerminkan performa mereka yang paling unggul.
Unduhan
Referensi
F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 2, pp. 111–121, May 2022, doi: 10.14421/jiska.2022.7.2.111-121.
M. R. Ramadhan, M. K. Nizam, and M. Mesran, “Penerapan Metode SAW (Simple Additive Weighting) Dalam Pemilihan Siswa-Siswi Berprestasi Pada Sekolah SMK Swasta Mustafa,” TIN Terap. Inform. Nusant., vol. 1, no. 9, pp. 459–471, 2021, doi: 10.47065/tin.v1i9.655.
H. Sulistiani, S. Setiawansyah, A. F. O. Pasaribu, P. Palupiningsih, K. Anwar, and V. H. Saputra, “New TOPSIS: Modification of the TOPSIS Method for Objective Determination of Weighting,” Int. J. Intell. Eng. Syst., vol. 17, no. 5, pp. 991–1003, Oct. 2024, doi: 10.22266/ijies2024.1031.74.
A. R. Mishra, P. Rani, F. Cavallaro, I. M. Hezam, and J. Lakshmi, “An Integrated Intuitionistic Fuzzy Closeness Coefficient-Based OCRA Method for Sustainable Urban Transportation Options Selection,” Axioms, vol. 12, no. 2, p. 144, Jan. 2023, doi: 10.3390/axioms12020144.
S. I. Ali et al., “Risk quantification and ranking of oil fields and wells facing asphaltene deposition problem using fuzzy TOPSIS coupled with AHP,” Ain Shams Eng. J., vol. 15, no. 1, p. 102289, 2024, doi: https://doi.org/10.1016/j.asej.2023.102289.
J. Wang, S. Setiawansyah, and Y. Rahmanto, “Decision Support System for Choosing the Best Shipping Service for E-Commerce Using the SAW and CRITIC Methods,” J. Ilm. Inform. dan Ilmu Komput., vol. 3, no. 2, pp. 101–109, 2024, doi: 10.58602/jima-ilkom.v3i2.32.
S. Setiawansyah, S. H. Hadad, A. A. Aldino, P. Palupiningsih, G. Fitri Laxmi, and D. A. Megawaty, “Employing PIPRECIA-S weighting with MABAC: a strategy for identifying organizational leadership elections,” Bull. Electr. Eng. Informatics, vol. 13, no. 6, pp. 4273–4284, Dec. 2024, doi: 10.11591/eei.v13i6.7713.
A. Štili?, A. Puška, A. ?uri?, and D. Božani?, “Electric Vehicles Selection Based on Br?ko District Taxi Service Demands, a Multi-Criteria Approach,” Urban Sci., vol. 6, no. 4, p. 73, Oct. 2022, doi: 10.3390/urbansci6040073.
H. Komasi, S. H. Zolfani, and A. Nemati, “Evaluation of the social-cultural competitiveness of cities based on sustainable development approach,” Decis. Mak. Appl. Manag. Eng., vol. 6, no. 1, pp. 583–602, Apr. 2023, doi: 10.31181/dmame06012023k.
V. Simic, I. Gokasar, M. Deveci, and A. Karakurt, “An integrated CRITIC and MABAC based type-2 neutrosophic model for public transportation pricing system selection,” Socioecon. Plann. Sci., vol. 80, p. 101157, Mar. 2022, doi: 10.1016/j.seps.2021.101157.
A. Ahyuna, B. Rahman, F. Nugroho, I. W. S. Nirawana, and A. Karim, “Analisa Penerapan Metode MABAC dengan Pembobotan Entropy dalam Penilaian Kinerja Dosen di Era Society 5.0,” Build. Informatics, Technol. Sci., vol. 5, no. 1, pp. 29–39, 2023.
D. D. Trung and H. X. Thinh, “A multi-criteria decision-making in turning process using the MAIRCA, EAMR, MARCOS and TOPSIS methods: A comparative study,” Adv. Prod. Eng. Manag., vol. 16, no. 4, pp. 443–456, Dec. 2021, doi: 10.14743/apem2021.4.412.
N. Shen, H. You, J. Li, and H. Qian, “Utilizing the Entropy Weighting Method to Determine Objective Weights in Robot Trajectory Optimization,” in 2024 6th International Conference on Communications, Information System and Computer Engineering (CISCE), May 2024, pp. 251–255. doi: 10.1109/CISCE62493.2024.10653410.
A. D. Wahyudi, S. Sumanto, S. Setiawansyah, and A. Yudhistira, “Sistem Pendukung Keputusan Rekomendasi Hotel Bintang Tiga Menggunakan Kombinasi Entropy dan Combine Compromise Solution,” Bull. Artif. Intell., vol. 3, no. 1, pp. 16–25, Apr. 2024, doi: 10.62866/buai.v3i1.142.
M. W. Arshad, D. Darwis, H. Sulistiani, R. R. Suryono, Y. Rahmanto, and D. A. Megawaty, “Combination of Weighted Product Method and Entropy Weighting in the Best Warehouse Employee Recommendation,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 5, no. 1, pp. 193–202, 2024, doi: 10.30865/klik.v5i1.2095.
Q. Song, Z. Wang, and T. Wu, “Risk analysis and assessment of water resource carrying capacity based on weighted gray model with improved entropy weighting method in the central plains region of China,” Ecol. Indic., vol. 160, p. 111907, Mar. 2024, doi: 10.1016/j.ecolind.2024.111907.
D. Tiwari and V. Soni, “Multi-response optimization in the ORC-VCR system using the EDAS Method,” Energy Build., vol. 313, p. 114281, 2024, doi: https://doi.org/10.1016/j.enbuild.2024.114281.
S. Setiawansyah, “Penerapan Metode Entropy dan Grey Relational Analysis dalam Evaluasi Kinerja Karyawan,” J. Data Sci. Inf. Syst., vol. 2, no. 1, pp. 29–39, 2024, doi: 10.58602/dimis.v2i1.100.
C. Zhong, Q. Yang, J. Liang, and H. Ma, “Fuzzy comprehensive evaluation with AHP and entropy methods and health risk assessment of groundwater in Yinchuan Basin, northwest China,” Environ. Res., vol. 204, p. 111956, Mar. 2022, doi: 10.1016/j.envres.2021.111956.
A. Puška, A. Štili?, and I. Stojanovi?, “Approach for multi-criteria ranking of Balkan countries based on the index of economic freedom,” J. Decis. Anal. Intell. Comput., vol. 3, no. 1, pp. 1–14, Dec. 2023, doi: 10.31181/jdaic10017022023p.
N. E. I. Hamda, A. Hadjali, and M. Lagha, “Multisensor Data Fusion in IoT Environments in Dempster–Shafer Theory Setting: An Improved Evidence Distance-Based Approach,” Sensors, vol. 23, no. 11, p. 5141, May 2023, doi: 10.3390/s23115141.
M. P. Libório, R. Karagiannis, A. M. A. Diniz, P. I. Ekel, D. A. G. Vieira, and L. C. Ribeiro, “The Use of Information Entropy and Expert Opinion in Maximizing the Discriminating Power of Composite Indicators,” Entropy, vol. 26, no. 2, p. 143, Feb. 2024, doi: 10.3390/e26020143.
