Penerapan Metode WP Dan MOOSRA Pada Sistem Pendukung

Keputusan Dalam Pemilihan Mahasiswa Penerima

Bantuan Uang Kuliah Tunggal (UKT)
Jeremiati sitorus1*, Nurhafni2
1,2
Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universitas Budi
Darma, Medan, Indonesia.
Email: mhiasitorus@gmail.com*, hafninurhafni66@gmail.com
Abstrak–Sistem pendukung keputusan merupakan proses pengambilan keputusan dari sistem informasi yang
interaktif dalam menyediakan data untuk membantu pengambilan keputusan dengan memakai beberapa
informasi serta model tertentu dalam menyelesaikan sekian banyak permasalahan yang tidak terstruktur.
Salah satu contoh implementasi sistem pendukung keputusan ialah pemilihan mahasiswa penerima bantuan
Uang Kuliah Tunggal (UKT) pada Universitas Budi Darma. Dalam pemilihan mahasiswa penerima bantuan
di Universitas Budi Darma telah disesuaikan dengan kriteria yang telah ditentukan. Karena banyaknya yang
memiliki kriteria yang sama antar mahasiswa maka diperlukannya sistem pendukung keputusan sebagai
solusi dari permasalahan penelitian ini. Dalam penelitian ini sistem pendukung keputusan menerapkan
metode Weighted Product (WP) dan Multi-objective Optimization on the Basis of Simple Ratio Analysis
(MOOSRA) untuk menyelesaikan hasil yang akurat dari pemilihan mahasiswa yang layak menerima bantuan
Uang Kuliah Tunggal. Dalam penelitian ini memiliki tujuh data alternatif dan lima kriteria yang telah
ditentukan beserta nilai bobot yang diperoleh dari Rank Order Centroid (ROC). Perhitungan metode WP dan
MOOSRA dari sistem pendukung keputusan diperoleh hasil perhitungan peringkat alternatif yang sama.

Kata Kunci: Sistem Pendukung Keputusan (SPK), WP, MOOSRA, Uang Kuliah Tunggal (UKT).
Abstract–A decision support system is a decision-making process from an interactive information system in
providing data to assist decision making by using certain information and models in solving various
unstructured problems. One example of implementing a decision support system is the selection of students
receiving Single Tuition Assistance (UKT) at Budi Darma University. In the selection of students receiving
assistance at Budi Darma University, it has been adjusted to the predetermined criteria. Because many
students have the same criteria, a decision support system is needed as a solution to this research problem. In
this study, the decision support system applies the Weighted Product (WP) and Multi-objective Optimization
on the Basis of Simple Ratio Analysis (MOOSRA) methods to complete accurate results from selecting
students who are eligible to receive single tuition assistance. In this study, there are seven alternative data and
five criteria that have been determined along with the weight values obtained from the Rank Order Centroid
(ROC). Calculation of the WP and MOOSRA methods from the decision support system obtained the same
alternative ranking results.
Keywords: Decision Support System (SPK), WP, MOOSRA, Single Tuition Fee (UKT).

1.PENDAHULUAN
Bantuan Uang Kuliah Tunggal (UKT) merupakan tarif pembayaran uang kuliah tiap-tiap
mahasiswa persemester yang ditanggung oleh pemerintah pada program studi di dalam perguruan
tinggi[1]. Dalam pelaksanaan bantuan UKT pemerintah melakukan gelombang-gelombang
pemilihan untuk setiap tahunnya. Pada perguruan tinggi di Universitas Budi Darma Medan
melakukan pemilihan mahasiswa penerima bantuan Uang Kuliah Tunggal (UKT) yang bermanfaat
untuk meringankan biaya kuliah mahasiswa yang kurang mampu dalam perekonomian.
Mahasiswa yang kurang mampu dalam perekonomian berhak mendapatkan bantuan Uang
Kuliah Tunggal, tetapi tidak hanya satu syarat saja untuk mendapatkan bantuan. Tentunya
Universitas Budi Darma menentukan kriteria-kriteria lain yaitu penghasilan orang tua, tanggungan
orang tua, indeks presentasi semester (IPS), jumlah prestasi dan semester[2]. Karena banyaknya
mahasiswa yang memiliki kriteria yang sama maka muncul masalah-masalah yang dihadapi oleh
Universitas Budi Darma, yaitu kurang efektifnya dalam pemilihan mahasiswa penerima bantuan.
Oleh sebab itu diperlukan suatu sistem yang memudahkan kita dalam pemilihan mahasiswa
penerima bantuan tersebut. Salah satu sistem yang digunakan pada penelitian ini merupakan sistem
pendukung keputusan (SPK).
Sistem Pendukung Keputusan (SPK) secara universal didefinisikan sebagai suatu sistem yang
dapat membagikan keahlian baik, keahlian pemecahan kasus maupun keahlian pengkomunikasian
pada kasus semi-terstruktur[3]. Pada sistem pendukung keputusan dalam penelitian ini
menerapkan metode WP (Weighted Product) dan MOOSRA (Multi-objective Optimization on the
Basis of Simple Ratio Analysis) untuk melakukan pemilihan mahasiswa yang layak menerima
bantuan UKT. Metode Weighted Product (WP) dapat diartikan bagian dari konsep Multi Criteria
Decision Making (MCDM) ialah metode pengambilan keputusan dari sekian banyak preferensi
alternatif yang dapat mengevaluasi sekian banyak alternatif terhadap sekumpulan atribut maupun
kriteria, dimana tiap atribut sama-sama tidak tergantung satu dengan yang lain[4]. Sedangkan
pengertian dari metode Multiobjective Optimization on the Basis of Simple Ratio Analysis
(MOOSRA) merupakan salah satu prosedur optimasi multi dengan menggunakan rasio sederhana
dari jumlah nilai kinerja yang ternormalisasi untuk standar yang tidak menguntungkan agar
menghindari nilai negatif dan menghasilkan nilai standar positif[5]. Maka dengan adanya metode
yang diterapkan dalam sistem pendukung keputusan (SPK) diatas penulis tertarik untuk
membandingkan nilai alternatif yang sudah ditentukan sebagai tumpuan dalam penelitian ini.
Dalam sistem pendukung keputusan adapun metode yang umum digunakan yakni metode
MOORA, MOOSRA, SAW, WP, dan WASPAS[6].
Dari permasalahan di atas dibutuhkan penelitian terkait dengan kesamaan motode penelitian
ini pada sistem pendukung keputusan (SPK) agar Universitas Budi Darma lebih selektif lagi dalam
pemilihan mahasiswa yang berhak memperoleh bantuan Uang Kuliah Tunggal. Beberapa dari
penelitian yang dilakukan oleh peneliti terdahulu terkait dengan penerapan metode Sistem
Pendukung Keputusan antara lain yang dilakukan oleh Fitri Meilida pada tahun 2021 menerapkan
metode Multi-objective Optimization on the Basis of Simple Ratio Analysis (MOOSRA) dapat
menetukan seleksi atlet dengan kriteria kriteria yang telah ditentukan maka menghasil alternatif
yang terpilih adalah Siti Sanaya (A1) dengan nilai 3,0617 sebagai alternatif terbaik[7]. Penelitian
lainnya yang dilakukan Asnita pada tahun 2021 penerapan Metode Multi-objective Optimization
on the Basis of Simple Ratio Analysis (MOOSRA) dapat menentukan pemilihan kasir terbaik
bahwa dengan hasil perhitungan alternatif terbaik A1 nilainya 44,9 termasuk nilai yang tertinggi
dan ranking tertinggi dari nilai alternatif lainnya[8]. Pada Tahun 2021 Muslimah Katoningati, dkk
juga melakukan penelitian yang menerapkan metode Weighted Product (WP) menentukan
pemilihan handphone terbaik yang dimana menghasil peringkat alternatif yang tertinggi
berdasarkan ktiteria yang telah ditetapkan yaitu alternatif B dengan nilai 0,253265 pada merek hp
Asus Rog Phone[9]. Penelitian lainnya yang dilakukan oleh Dina dan Pitrawati pada tahun 2020
dalam menentukan pemilihan driver terbaik dari kiteria kriteria yang telah ditentukan maka nilai
aternatif tertinggi yaitu Anton Fatoni dengan nilai akhir 0,06436 yang menerapkan metode
Weighted Product (WP)[10]. Pada tahun yang sama Dedek Cahyati, dkk melakukan sebuah
penelitian yang membahas mengenai pemilihan kegiatan ekstrakulikuler dengan menerapkan
perbandingan metode WP dan SAW. Maka menghasilkan nilai alternatif tertinggi berdasarkan
kriteria kriteria yang telah ditentukan, pada alternatif A3 dengan nilai 0.308 yaitu Volly Ball[11].
Dari penjelasan pernyataan diatas, dengan penelitian ini penulis bertujuan agar membantu
pemilihan mahasiswa yang layak menerima bantuan uang kuliah tunggal (UKT) pada Universitas
Budi Darma Medan dengan menggunakan sistem pendukung keputusan menerapkan metode
Weighted Product (WP) dan metode Multi-objective Optimization on the Basis of Simple Ratio
Analysis (MOOSRA). Pada penelitian ini yang di harapkan penulis agar dapat memberikan
informasi data yang tepat dalam pemilihan mahasiswa yang layak untuk menerima bantuan Uang
Kuliah Tunggal.

2. METODOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan (SPK)
Sistem pendukung keputusan merupakan proses pengambilan keputusan dari sistem informasi
yang interaktif dalam menyediakan data untuk membantu pengambilan keputusan dengan
memakai beberapa informasi serta model tertentu dalam menyelesaikan sekian banyak
permasalahan yang tidak terstruktur. Dengan situasi yang tidak terstruktur, sehingga tidak
seseorang pun tahu cara tertentu bagaimana keputusan sebaiknya dibuat[12].
2.2 Uang Kuliah Tunggal (UKT)
Uang Kuliah Tunggal (UKT) merupakan tarif pembayaran uang kuliah tiap-tiap mahasiswa yang
ditanggung oleh Pemerintah berdasarkan kemampuan ekonominya dan keseluruhan biaya
ditanggung persemester pada program studi diperguruan tinggi didalam perguruan tinggi pasti
memiliki besaran UKT yang berbeda[13].
2.3 Metode Weighted Product (WP)
Metode WP merupakan pengambilan keputusan dengan cara perkalian untuk menghubungkan
rating atribut, dimana setiap rating atribut harus dipangkatkan dulu dengan bobot atribut yang
bersangkutan. Metode Weighted Product (WP) termasuk metode pengambilan keputusan multi
kriteria dan sebuah keputusan analisis multi-kriteria yang terkenal[14].
Langkah-langkah penyelesaian :
1. Mempersiapkan matriks keputusan
Dalam pembentukan matriks keputusan yang didapatkan dari nilai alternatif dan nilai kriteria
yang dilakukan dengan persamaan matriks sebagai berikut:

[ ]
X 11 X 12 ∙ X 1n
X X 22 ∙ X 2n
Xij= 21 (1)
∙ ∙ ∙ ∙
X m1 Xm2 ∙ X mn
2. Menghitung Vektor (Si)
Pada setiap nilai kriteria dikalikan dengan nilai kriteria lainnya yang sudah di pangkatkan
dengan bobot masing-masing. Hasil perhitungannya dirumuskan sebagai berikut:
n
Si=∏ Xij Wj
j=1
(2)
3. Menghitung Preferensi (Vi)
Setelah menemukan nilai vektor Si, langkah selanjutnya yaitu mencari nilai vektor V yang
dihitung dengan rumus sebagai berikut:
n

∏ Xij wj
j=1
Vi= n (3)
∏
j=1
( Xij¿¿ ¿) Wj
¿

2.4 Metode Multiobjective Optimization on the Basis of Simple Ratio Analysis (MOOSRA)
Multiobjective Optimization on the Basis of Simple Ratio Analysis (MOOSRA) merupakan salah
satu prosedur optimasi multi dengan menggunakan rasio sederhana dari jumlah nilai kinerja yang
ternormalisasi untuk standar yang tidak menguntungkan agar menghindari nilai negatif dan
menghasilkan nilai standar positif. Sampai saat ini moosra terkait dengan nilai alternatif, bobot,
kriteria, dan matriks keputusannya[5],[15].
Algoritma dalam penyelesaian sistem pendukung keputusan dengan metode MOOSRA sebagai
berikut:
1. Membentuk Matriks Keputusan
Pada pembentukan Matriks Keputusan yang diperoleh dari data kriteria dan alternatif yang
dimana nilai alternatif terhubung dengan setiap nilai kriterianya diterapkan dengan persamaan
matriks berikut:

[ ]
X 11 X 12 ∙ X 1n
Xij= X 21 X 22 ∙ X 2n
(1)
∙ ∙ ∙ ∙
X m1 Xm2 ∙ X mn

2. Menentukan Matriks Normalisasi

Dalam metode MOOSRA, persamaan berikut digunakan untuk menormalisasikan elemen-
elemen dari matriks keputusan:
 ¿ X ij
X ij =

√[ ]
m
(2)
∑ Xij 2
i=1

3. Menentukan Nilai Preferensi

Semua nilai alternatif dihitung sebagai perbandingan sederhana dari perhitungan yang
bermanfaat pada nilai kriteria dengan menggunakan rumus berikut:
g

∑ X ¿ij
y ¿i = j=1
n (3)
∑ X
¿
ij
j=g +1
Apabila memiliki bobot kepentingan yang berbeda pada tiap kriteria, maka rumus optimasi
menjadi sebagai berikut:
g

∑ Wj X ij¿
y ¿ij = j=1
n (4)
∑ Wj X
¿
ij
j=g +1

2.5 Tahapan Penelitian

Pada metodologi penelitian melakukan langkah-langkah atau tahapan-tahapan pengumpulan data,
yang digunakan untuk mendapatkan suatu data oleh penulis pada penelitian ini yaitu:
1. Analisa Masalah
Pada tahapan ini melakukan analisa untuk nilai kriteria, bobot, alternatif dan perengkingan
yang mempengarui alternatif. Permasalah ini dirumuskan tentang cara menerapkan sistem
pendukung keputusan dengan metode Weighted Product (WP) dan Multiobjective Optimization
on the Basis of Simple Ratio Analysis(MOOSRA) untuk pemilihan mahasiswa penerima
bantuan UKT. Kriteria-kriteria yang diterapkan pada sistem pengambilan keputusan adalah
index presentasi semester, jumlah presentasi, semester, penghasilan orang tua, dan tanggungan
orang tua dengan melakukan pembobotan metode Rank Order Centroid (ROC).
2. Study Literatur
Pada tahapan ini dilakukan pengumpulan data-data yang bersangkutan dengan kasus penelitian
dari berbagai sumber, seperti pada internet maupun buku-buku, jurnal dan artikel lainnya.
3. Analisa dan Penerapan Metode
Pada tahapan ini menerapkan permasalah kasus dan menyelesaikan kasus penelitian dengan
menggunakan metode WP dan MOOSRA dari data-data yang telah diperoleh untuk
memberikan bantuan kepada mahasiswa yang layak menerima bantuan UKT.
4. Hasil perbandingan Metode
Dalam tahapan ini melakukan perbandingan hasil dari metode WP dan MOOSRA dengan nilai
kriteria, alternaif, bobot, dan hasil perangkingan.
5. Pembuatan laporan Penelitian
Pada tahapan ini akan menerapkan hasil dari penelitian yang telah dilakukan dalam penulisan
laporan.
Dari beberapa tahapan penelitian tersebut digambarkan bagan dibawah ini, sebagai berikut:

Mulai Analisa Study Literatur

Masalah

Penerapan Metode
MOOSRA Pembobotan dengan Penerapan Metode
Mempersiapkan Metode ROC WP
Matriks keputusan. Menentukan Mempersiapkan
Menghitung nilai kepentingan setiap nilai Matriks keputusan.
vektor. kriteria. Menentukan matriks
Menentukan prioritas. ternormalisasi.
Menghitung nilai Perhitungan nilai Menghitung nilai
preferensi. bobot. Preferensi.
 Selesai Hasil Perbandingan Metode WP
Laporan Penelitian dan MOOSRA

Gambar 2.1 Kerangka Penelitian

3. HASIL DAN PEMBAHASAN

Dalam hasil dan pembahasan menerapkan sistem pendukung keputusan dengan metode WP
(Weighted Product) dan metode MOOSRA (Multi-objective Optimization on the Basis of Simple
Ratio Analysis) untuk penyelesaian pemilihan mahasiswa yang menerima bantuan. Untuk
menghasilkan suatu informasi yang efektif dalam SPK membutuhkan data-data berupa data
alternatif, data kriteria beserta nilai bobot setiap kriteria, dapat dilihat dari proses pemaparan
sebagai berikut ini :
3.1 Penerapan Alternatif
Pada tahapan ini, penulis telah menganalisis tujuh data alternatif mahasiswa yang layak menerima
bantuan di Universitas Budi Darma sebagai berikut :
Tabel 1. Data Alternatif Mahasiswa
Alternatif Nama Mahasiswa
A1 Miya Putri Daulay
A2 Ridho Andrian
A3 Dameria Marlina Lumban Gaol
A4 Nurhafni ritonga
A5 Wahyu Harry Bai Lumbanbatu
A6 Andika pratama
A7 Jhois magdalena halawa

3.2 Penerapan Kriteria

Dari data alternatif mahasiswa diatas dapat ditentukan data kriteria sebagai syarat penerima
bantuan uang kuliah tunggal. Pada kasus pemilihan mahasiswa ada lima kriteria yang telah
ditetapkan oleh penulis berupa benefit dan cost, dapat terlihat pada tabel 2 sebagai berikut ini :
Tabel 2. Data Kriteria mahasiswa
Kriteria Keterangan Jenis
C1 Indeks Prestasi Semester (IPS) Benefit
C2 Jumlah Prestasi Benefit
C3 Semester Benefit
C4 Tanggungan Orang tua Benefit
C5 Penghasilan Orang tua Cost
Keterangan dari tabel 2 :
Indeks Prestasi Semester (IPS) : merupakan nilai persemester mahasiswa yang diambil dari KHS
mahasiswa Universitas Budi Darma.
Jumlah Prestasi : mahasiswa yang memproleh penghargaan paling banyak sebagai
peluang besar.
Semester : periode tahun ajaran mahasiswa minimal dari semester 1 sampai
semester 7.
Tanggungan Orang tua : tanggungan orang tua yang banyak yang lebih di prioritaskan.
Penghasilan Orang tua : penghasilan orang tua yang sedikit lebih diutamakan.
Dari data kriteria yang telah ditentukan maka dilakukan pencarian nilai bobot dengan pembobotan
Rank Order Centroid (ROC) yang merupakan nilai bobot yang diambil dari kriteria-kriteria yang
dibutuhkan dalam pembobotan sistem pendukung keputusan[16]. Maka bobot dari kriteria
mahasiswa dapat dilihat pada tabel 3 dibawah ini :
Tabel 3. Bobot dari kriteria mahasiswa
Kriteria Keterangan Bobot Jenis
C1 Indeks Prestasi Semester (IPS) 0.46 Benefit
C2 Jumlah Prestasi 0.26 Benefit
C3 Semester 0.16 Benefit
C4 Tanggungan Orang tua 0.09 Benefit
C5 Penghasilan Orang tua 0.04 Cost

Setelah diperoleh data alternatif mahasiswa dan data kriteria maka penulis melakukan pencocokan
data alternatif setiap mahasiswa dangan data kriteria yang sudah ditetapkan, dapat dilihat pada
tabel 3 dibawah ini :
Tabel 4. Rating kecocokan data Alternatif dengan Kriteria
Alternatif C1 C2 C3 C4 C5
A1 3,36 1 4 4 3.000.000
A2 3,92 3 6 4 1.000.000
A3 3,85 1 2 2 1.500.000
A4 3,45 2 4 2 2.700.000
A5 3,76 3 3 2 2.000.000
A6 3,78 1 2 2 2.500.000
A7 3,26 1 4 3 1.500.000

3.3 Penerapan Metode WP (Weighted Product)

Setelah terbentuknya data alternatif, kriteria beserta nilai bobotnya maka dapat melakukan
perhitungan metode WP sebagai berikut :
1. Mempersiapkan matriks keputusan
 [ ]
3.36 1 4 4 3000000
3.92 3 6 4 1000000
3.85 1 2 2 1500000
X ij = 3.45 2 4 2 2700000
3.76 3 3 2 2000000
3.78 1 2 2 2500000
3.26 1 4 3 1500000
2. Menghitung nilai vektor (Si)
S1 = (3.360,46) (10,26) (40,16) (40,09) (30000000,04) = 1.7463*1.0000*1.2483*1.1329*1.8159
= 4.4845
S2 = (3.920,46) (30,26) (60,16) (40,09) (10000000,04) = 1.8746*1.3306*1.3320*1.1329*1.7378
= 6.5411
S3 = (3.850,46) (10,26) (20,16) (20,09) (15000000,04) = 1.8591*1.0000*1.1173*1.0644*1.7662
= 3.9049
S4 = (3.450,46) (20,26) (40,16) (20,09) (27000000,04) = 1.7677*1.1975*1.2483*1.0644*1.8082
= 5.0856
S5 = (3.760,46) (30,26) (30,16) (20,09) (20000000,04) = 1.8390*1.3306*1.1922*1.0644*1.7867
= 5.5477
S6 = (3.780,46) (10,26) (20,16) (20,09) (25000000,04) =1.8435*1.0000*1.1173*1.0644*1.8027
= 3.9520
S7 = (3.260,46) (10,26) (40,16) (30,09) (15000000,04) = 1.7222*1.0000*1.2483*1.1039*1.7662
= 4.1917
3. Menghitung Preferensi (Vi)
V1 =
4.4845 4.4845
= =0.1330
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V2 =
6 .5411 6.5411
= =0.1941
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V3 =
3.9049 3.9049
= =0.1158
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V4 =
5 . 0856 5.0856
= =0.1509
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V5 =
5.5477 5.5477
= =0.1646
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V6 =
3.9520 3.9520
= =0.1172
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076
V7 =
4 . 1917 4.1917
= =0.1244
4 . 4845+ 6 .5411+3.9049+5 . 0856+5.5477+ 3.9520+ 4.1917 33.7076

Berdasarkan perhitungan yang telah dilakukan dengan metode WP (Weighted Product), maka hasil
perangkingan dari perhitungan preferensi seluruh alternatif dapat dilihat pada tabel 5 dibawah ini :
Tabel 5. Nilai Preferensi dan Perangkingan Alternatif
Alternati Nama mahasiswa Nilai preferensi Rangking
 f
A2 Ridho Andrian 0.1941 1
A5 Wahyu Harry Bai Lumbanbatu 0.1646 2
A4 Nurhafni ritonga 0.1509 3
A1 Miya Putri Daulay 0.1330 4
A7 Jhois magdalena halawa 0.1244 5
A6 Andika pratama 0.1172 6
A3 Dameria Marlina Lumban Gaol 0.1158 7
Dari hasil perhitungan tujuh data alternatif mahasiswa dengan metode WP dapat disimpulkan
peringkat nilai yang tertinggi dan layak menerima bantuan uang kuliah tunggal (UKT) yaitu pada
alternatif A2 atas nama Ridho Andrian dengan nilai preferensi 0.1941.
3.4 Penerapan Metode MOOSRA (Multi-objective Optimization on the Basis of Simple Ratio
Analysis)
Berdasarkan data rating kecocokan diatas maka dilakukan perhitungan MOOSRA sebagai solusi
untuk pemilihan mahasiswa. Ada pun langkah-langkah perhitugan sebagai berikut ini :
1. Membentuk Matriks Keputusan

[ ]
3.36 1 4 4 3000000
3.92 3 6 4 1000000
3.85 1 2 2 1500000
X ij = 3.45 2 4 2 2700000
3.76 3 3 2 2000000
3.78 1 2 2 2500000
3.26 1 4 3 1500000
2. Menentukan Matriks Normalisasi
Untuk Kriteria C1 dengan keterangan Indeks Prestasi Semester (Benefit)
¿ 3.36 3.36
x 1.1= = =0,3495
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
¿ 3.92 3.92
x 2.1= = =0,4077
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
¿ 3.85 3.85
x 3.1= = =0,4004
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
¿ 3.45 3.45
x 4.1= = =0,3588
√ 3.36 +3.92 + 3.85 + 3.45 + 3.76 + 3.78 + 3.26
2 2 2 2 2 2 2 9.6
¿ 3.76 3.76
x 5.1= = =0,3911
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
¿ 3.78 3.78
x 6.1= = =0,3932
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
3.26 3.26
x ¿7.1= = =0,3391
√ 3.36 + 3.92 +3.85 +3.45 +3.76 +3.78 +3.26
2 2 2 2 2 2 2 9.6
Untuk Kriteria C2 dengan keterangan Jumlah Prestasi (Benefit)
 ¿ 1 1
x 1.2= = =0,1961
√1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
3 3
x ¿2.2= = =0,5883
√ 1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
¿ 1 1
x 3.2= = =0,1961
√1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
2 2
x ¿4.2= = =0,3922
√ 1 + 3 + 1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
¿ 3 3
x 5.2= = =0,5883
√1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
¿ 1 1
x 6.2= = =0,1961
√ 1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
¿ 1 1
x 7.2= = =0,1961
√1 +3 +1 +2 +3 +1 +1
2 2 2 2 2 2 2 5.1
Untuk Kriteria C3 dengan keterangan Semester (Benefit)
¿ 4 4
x 1.3= = =0.3980
√ 4 + 6 +2 + 4 +3 + 2 + 4
2 2 2 2 2 2 2 10.0
6 6
x ¿2.3= = =0.5970
√ 4 + 6 +2 + 4 + 3 + 2 + 4
2 2 2 2 2 2 2 10.0
¿ 2 2
x 3.3= = =0.1990
√ 4 + 6 +2 + 4 +3 + 2 + 4
2 2 2 2 2 2 2 10.0
¿ 4 4
x 4.3= = =0.3980
√4 2 2 2 2
+6 +2 +4 +3 +2 + 4
2 2 2 10.0
¿ 3 3
x 5.3= = =0.2985
√ 4 + 6 +2 + 4 +3 + 2 + 4
2 2 2 2 2 2 2 10.0
¿ 2 2
x 6.3= = =0.1990
√ 4 + 6 +2 + 4 + 3 + 2 + 4
2 2 2 2 2 2 2 10.0
¿ 4 4
x 7.3= = =0.3980
√ 4 + 6 +2 + 4 +3 + 2 + 4
2 2 2 2 2 2 2 10.0
Untuk Kriteria C4 dengan keterangan Tanggungan Orang tua (Benefit)
¿ 4 4
x 1.4= = =0.5298
√4 2 2 2 2
+4 + 2 +2 +2 +2 +3
2 2 2 7.5
4 4
x ¿2.4= = =0.5298
√4 2 2 2 2 2
+4 + 2 + 2 +2 +2 +3
2 2 7.5
 ¿ 2 2
x 3.4= = =0.2649
√4 2 2 2 2
+4 + 2 +2 +2 +2 +3
2 2 2 7.5
2 2
x ¿4.4 = = =0.2649
√ 4 +4
2 2 2 2 2
+2 + 2 + 2 +2 +3 2 2 7.5
¿ 2 2
x 5.4= = =0.2649
√4 2 2 2 2
+4 + 2 +2 +2 +2 +3
2 2 2 7.5
2 5
x ¿6.4= = =0.2649
√4 2 2 2 2
+4 + 2 + 2 +2 +2 +3 2 2 2 7.5
¿ 3 3
x 7.4= = =0.3974
√4 2 2 2 2
+4 + 2 +2 +2 +2 +3
2 2 2 7.5
Untuk Kriteria C5 dengan keterangan Penghasilan Orang tua (Cost)
¿ 3000000 3000000
x 1.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
1000000 1000000
x ¿2.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
¿ 1500000 1500000
x 3.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
2700000 2700000
x ¿4.5= =
√ 3000000 +1000000 + 1500000 + 2700000 + 2000000 + 2500000 +1500000
2 2 2 2 2 2 2 5660388.7
¿ 2000000 2000000
x 5.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
¿ 2500000 2500000
x 6.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
¿ 1500000 1500000
x 7.5= =
√ 3000000 + 1000000 +1500000 +2700000 +2000000 +2500000 +1500000
2 2 2 2 2 2 2 5660388.7
Dengan perhitungan matriks ternormalisasi maka hasil yang diperoleh yakni :

| |
0.3495 0.1961 0.3980 0.5298 0.5300
0.4077 0.5883 0.5970 0.5298 0.1767
0.4004 0.1961 0.1990 0.2649 0.2650
x ¿ij = 0.3588 0.3922 0.3980 0.2649 0.4770
0.3911 0.5883 0.2985 0.2649 0.3533
0.3932 0.1961 0.1990 0.2649 0.4417
0.3391 0.1961 0.3980 0.3974 0.2650
3. Menentukan Nilai Preferensi

¿ ( 0.46∗0.3495 ) + ( 0.26∗0.1961 ) + ( 0.16∗0.3980 ) +(0.09∗0.5298) 0.323

y 1= = =15.241
(0.04∗0.5300) 0.021
 ¿ ( 0.46∗0.4077 ) + ( 0.26∗0.5883 ) + ( 0.16∗0.5970 )+(0.09∗0.5298) 0.484
y 2= = =68.453
( 0.04∗0.1767) 0.007
¿ ( 0.46∗0.4004 )+ ( 0.26∗0.1961 ) + ( 0.16∗0.1990 )+(0.09∗0.2649) 0.291
y 3= = =27.441
(0.04∗0.2650) 0.011
¿ ( 0.46∗0.3588 )+ ( 0.26∗0.3922 )+ ( 0.16∗0.3980 )+(0.09∗0.2649) 0.355
y4 = = =18.583
(0.04∗0.4770) 0.019
¿ ( 0.46∗0.3911 ) + ( 0.26∗0.5883 ) + ( 0.16∗0.2985 ) +(0.09∗0.2649) 0.404
y 5= = =28.618
(0.04∗0.3533) 0.014
( 0.46∗0.3932 ) + ( 0.26∗0.1961 ) + ( 0.16∗0.1990 ) +(0.09∗0.2649) 0.288
y ¿6= = =16.275
(0.04∗0.4417) 0.018
¿ ( 0.46∗0.3391 ) + ( 0.26∗0.1961 ) + ( 0.16∗0.3980 ) +(0.09∗0.3974 ) 0.306
y 7= = =28.907
(0.04∗0.2650) 0.011
Berdasarkan perhitungan yang telah dilakukan dengan metode MOOSRA (Multi-objective
Optimization on the Basis of Simple Ratio Analysis), maka hasil perangkingan dari perhitungan
preferensi seluruh alternatif dapat dilihat dibawah ini :
Tabel 6. Nilai Preferensi dan Perangkingan Alternatif
Alternati Nama mahasiswa Nilai preferensi Rangking
f
A2 Ridho Andrian 68.453 1
A7 Jhois magdalena halawa 28.907 2
A5 Wahyu Harry Bai Lumbanbatu 28.618 3
A3 Dameria Marlina Lumban Gaol 27.441 4
A4 Nurhafni ritonga 18.583 5
A6 Andika pratama 16.275 6
A1 Miya Putri Daulay 15.241 7
Dengan hasil perhitungan dari tujuh data alternatif mahasiswa dengan metode MOOSRA dapat
disimpulkan peringkat nilai yang tertinggi dan layak menerima bantuan uang kuliah tunggal
(UKT) yaitu pada alternatif A2 atas nama Ridho Andrian dengan nilai preferensi 68.453.
3.5 Hasil Perbandingan Metode
Dari hasil perhitungan metode WP dan MOOSRA berdasarkan tujuh data alternatif mahasiswa,
maka telah diperoleh mahasiswa yang layak menerima bantuan uang kuliah tunggal (UKT).
Dibawah ini terlihat pada tabel 7 hasil perbandingan metode dari hasil perhitungan yakni :
Tabel 7. Hasil perbandingan preferensi
Metode WP Metode MOOSRA
Alternatif Nama
Mahasiswa Nilai Peringkat Nilai Peringkat
preferensi preferensi
A1 Miya Putri Daulay 0.1330 4 15.241 7
A2 Ridho Andrian 0.1941 1 68.453 1
A3 Dameria Marlina 0.1158 7 27.441 4
Lumban Gaol
A4 Nurhafni ritonga 0.1509 3 18.583 5
A5 Wahyu Harry Bai 0.1646 2 28.618 3
Lumbanbatu
 A6 Andika pratama 0.1172 6 16.275 6
A7 Jhois magdalena halawa 0.1244 5 28.907 2
Pada tabel diatas dapat disimpulkan bahwa pembahasan dari kasus pemilihan mahasiswa penerima
bantuan UKT dengan sistem pendukung keputusan menerapkan metode WP dan metode
MOOSRA memperoleh alternatif tertinggi yang sama yakni A2 atas nama Ridho Andrian. Dengan
nilai preferensi tertinggi pada penyelesaian metode WP yaitu 0.1941 dan nilai preferensi tertinggi
pada metode MOOSRA yaitu 68.453.
4. KESIMPULAN
Dengan adanya sistem pendukung keputusan yang menerapkan metode WP dan MOOSRA pada
penelitian ini maka penulis memperoleh nilai preferensi yang terbaik dari tujuh data alternatif
mahasiswa dan data kriteria-kriteria yang telah ditentukan seperti indeks prestasi semester (IPS),
jumlah prestasi, semester, tanggungan orang tua, penghasilan orang tua dan beserta nilai bobot dari
masing-masing kriteria. Pada data alternatif yang diperoleh dari tujuh data mahasiswa di
Universitas Budi Darma dan lima data kriteria yang sudah ditentukan oleh penulis beserta nilai
bobot yang didapatkan dari pembobotan ROC. Dari data tersebut terbentuk nilai preferensi yang
dimana jika nilai preferensinya tertinggi maka dikatakan mahasiswa yang terpilih untuk menerima
bantuan uang kuliah tunggal. Dari perhitungan yang telah dilakukan dengan metode WP dan
metode MOOSRA mendapatkan hasil perhitungan yang sama. Mahasiswa yang layak menerima
bantuan ialah Ridho Andrian dari alternatif A2 dengan nilai 0.1941 dari metode WP dan dengan
nilai 68.453 dari metode MOOSRA. Dalam pembahasan diatas metode WP dan MOOSRA dalam
sistem pendukung keputusan akurat untuk menentukan mahasiswa yang layak menerima bantuan
UKT karena dengan pembuktian dari hasil perhitungan kedua metode yang digunakan penulis
mendapatkan hasil perhitungan peringkat yang sama.

REFERENCES
[1] D. I. Universitas, M. Raja, A. L. I. Haji, and D. Gustari, “Dinamika Pelaksanaan Uang Kuliah
Tunggal Di Universitas Maritim Raja Ali Haji (Periode Tahun 2013-2017),” 2017.
[2] T. H. B. Aviani and A. T. Hidayat, “Sistem Pendukung Keputusan Seleksi Pemberian Uang Kuliah
Tunggal Menerapkan Metode WASPAS,” J. Sist. Komput. dan Inform., vol. 2, no. 1, pp. 102–109,
2020, doi: 10.30865/json.v2i1.2482.
[3] M. Marbun and B. Sinaga, Buku Ajar Sistem Pendukung Keputusan Penilaian Hasil Belajar | 1
STMIK Pelita Nusantara Medan, vol. 0, no. April. 2018.
[4] S. R. Arifin, R. H. Pratama, J. T. Informatika, F. Teknik, U. Tadulako, and K. Palu, “Implementasi
Metode Weighted Product ( WP ) Dalam Membangun Penentuan Siswa Teladan,” vol. 6, no. 1, pp.
175–182, 2020.
[5] D. Febrina and I. Saputra, “Penerapan Multiobjective Optimization on the Basis of Simple Ratio
Analysis (MOOSRA) Dalam Pemilihan Konten Lokal Terbaik,” J. Comput. Syst. Informatics, vol. 2,
no. 3, pp. 10–19, 2021.
[6] T. A. Siregar, N. D. Puspa, and D. Assrani, “Penerapan Metode Simple Additive Weighting Dalam
Pemberian Dana Bantuan Pemerintah Kota Pada Lingkungan XI Daerah Kwala Bekala,” vol. 1, no.
2, pp. 81–87, 2021.
[7] F. Meilida, “Sistem Pendukung Keputusan Seleksi Atlet Pon Cabang Pencak Silat Menerapkan
MOOSRA,” Bull. Comput. Sci. Res., vol. 1, no. 3, pp. 93–100, 2021.
[8] A. S. Nadeak, “Implementasi Ahp Dan Moosra Pemilihan Kasir Terbaik (Studi Kasus: Suzuya
Departement Store),” Pelita Inform. Inf. dan …, vol. 9, pp. 189–196, 2021, [Online]. Available:
https://www.ejurnal.stmik-budidarma.ac.id/index.php/pelita/article/view/2882.
[9] M. Katoningati, R. I. Salsabila, and A. P. Widyassari, “Sistem Pendukung Keputusan Pemilihan
Handphone Dengan Menggunakan Metode Weight Product,” Simetris, vol. 15, no. 1, pp. 24–34,
2021.
[10] D. Lorenza and P. Pitrawati, “Sistem Pendukung Keputusan Pemilihan Driver Terbaik
Menggunakan Metode Weight Product (Wp),” J. Inf. dan Komput., vol. 8, no. 1, pp. 40–48, 2020,
doi: 10.35959/jik.v8i1.172.
[11] R. Y. Dedek Cahyati Panjaitan, Hengki Juliansa, “Perbandingan Metode Saw Dan Wp Pada Sistem
 Pendukung Keputusan Dalam Kasus Pemilihan Kegiatan Ekstrakulikuler,” J. Ilm. Bin. STMIK Bina
Nusant. Jaya Lubuklinggau, vol. 3, no. 1, pp. 30–38, 2021, doi: 10.52303/jb.v3i1.38.
[12] Y. F. Sabanise and A. Rakhman, “SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN
BEASISWA DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
( SAW ) Metode SAW sering dikenal juga dengan istilah metode penjumlahan terbobot . Konsep
dasar metode SAW adalah mencari penjumlahan terbobot dari ranting,” vol. 8, no. 1, pp. 48–53,
2019.
[13] F. D. Noviandha, I. F. Astuti, and A. H. Kridalaksana, “Sistem Pendukung Keputusan Untuk
Penentuan Kategori Uang Kulliah Tunggal Dengan Metode Multifactor Evaluation Process (Studi
Kasus : Universitas Mulawarman),” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 13, no. 2, p. 88,
2019, doi: 10.30872/jim.v13i2.1552.
[14] A. Gani, A. H. Kridalaksana, and Z. Arifin, “Analisa Perbandingan Metode Simple Additive
Weighting ( SAW ) Dan Weight Product ( WP ) Dalam Pemilihan Kamera Mirrorless,” Inform.
Mulawarman J. Ilm. Ilmu Komput., vol. 14, no. 2, pp. 76–81, 2019.
[15] M. H. Özdemir, “MOORA ve MOOSRA Yöntemleriyle Akıllı Telefon Seçimi,” Istanbul Manag. J.,
pp. 157–170, 2020, doi: 10.26650/imj.2020.89.0007.
[16] L. Handayani, M. Syahrizal, and K. Tampubolon, “Pemilihan Kepling Teladan Menerapkan Metode
Rank Order Centroid (Roc) Dan Metode Additive Ratio Assessment (Aras) Di Kecamatan Medan
Area,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 532–538, 2019, doi:
10.30865/komik.v3i1.1638.