LAPORAN AKHIR

PENELITIAN MAHASISWA

PENERAPAN METODE WEIGHTED PRODUCT (WP) DAN MULTI

OBJECTIVE OPTIMIZATION ON THE BASIS OF SIMPLE RATIO
ANALYSIS (MOOSRA) PADA SISTEM PENDUKUNG KEPUTUSAN
DALAM PEMILIHAN MAHASISWA PENERIMA BANTUAN
UANG KULIAH TUNGGAL (UKT)

PENELITI :

JEREMIATI SITORUS 19110088

NURHAFNI 19110095

UNIVERSITAS BUDI DARMA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
JANUARI
2022
 PENGESAHAN PENELITIAN MAHASISWA

1. Judul Penelitian : Penerapan Metode Weighted Product (WP) Dan Multi

Objective Optimization On The Basis Of Simple Ratio
Analysis (MOOSRA) Pada Sistem Pendukung
Keputusan Dalam Pemilihan Mahasiswa Penerima
Bantuan Uang Kuliah Tunggal (UKT)

2. Bidang Ilmu : Sistem Pendukung Keputusan

3. Ketua Peneliti
a. Nama Lengkap : Jeremiati Sitorus
b. NPM : 19110088
c. Jurusan : Teknik Informatika
4. Anggota Peneliti
d. Nama Lengkap : Nurhafni
e. NPM : 19110095
f. Jurusan : Teknik Informatika

Menyetujui, Medan, 04-06-2021

Dosen Pembimbing Penelitian Ketua Peneliti

Mesran, M.Kom Jeremiati Sitorus

NIDN : 0124087801 NPM : 19110088

Mengetahui, Menyetujui,
Ketua Program Studi Ketua LPPM

Imam Saputra, M.Kom Surya Darma Nst, M.Kom

NIDN : 01130492201 NIDN : 011501900
 KATA PENGANTAR

Puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa atas segala
rahmat dan hidayah serta kekuatan sehingga kami mampu menyelesaikan
penelitian tentang “Penerapan Metode Weighted Product (WP) Dan Multi
Objective Optimization On The Basis Of Simple Ratio Analysis (MOOSRA) Pada
Sistem Pendukung Keputusan Dalam Pemilihan Mahasiswa Penerima Bantuan
Uang Kuliah Tunggal (UKT)” tepat pada waktunya. Dengan menyadari adanya
keterbatasan pada diri kami khususnya mengenai bidang SPK, maka pada
kesempatan ini pula kami minta maaf apabila dalam penyusunan laporan
penelitian ini terdapat kekurangan serta kekhilafan.
Besar harapan kami bahwa laporan penelitian ini dapat bernilai baik, dan dapat
digunakan dengan sebaik-baiknya. Kami menyadari bahwa laporan ini belumlah
sempurna untuk itu kami mengharapkan kritik dan saran dalam rangka
penyempurnaan untuk pembuatan laporan selanjutnya. Dalam penyelesaian
laporan ini kami mengucapkan sekian dan terima kasih.

Medan, 15 januari 2022

Penulis

i
 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).

ii
 DAFTAR ISI

HALAMAN SAMPUL
LEMBAR PENGESAHAN PENELITIAN MAHASISWA
KATA PENGANTAR........................................................................................i
ABSTRAK..........................................................................................................ii
DAFTAR ISI.....................................................................................................iii
BAB I PENDAHULUAN..................................................................................1
1.1 Latar Belakang Penelitian.............................1
1.2 Rumusan Masalah............................................................2
1.3 Tujuan Penelitian...........................................................................................3
1.4 Manfaat Penelitian....................................................3
BAB II KAJIAN PUSTAKA............................................................................4
2.1.............................................................Sistem Pendukung Keputusan.....................4
2.2..........................................................................Uang Kuliah Tunggal.....................4
2.3..........................................................................................Metode WP.....................4
2.4...............................................................................Metode MOOSRA.....................5
2.5................................................................................Penelitian Terkait.....................5
BAB III METODOLOGI PENELITIAN........................................................8
3.1 Tahapan Penelitian................................................................................8
BAB IV HASIL DAN PEMBAHASAN.........................................................10
4.1 Penerapan Alternatif............................................................................10
4.2 Penerapan Kriteria...............................................................................10
4.3 Penetapan Metode WP........................................................................12
4.4 Penetapan Metode MOORA...............................................................13
4.5 Hasil Perbandingan Metode................................................................16
BAB V KESIMPULAN DAN SARAN..........................................................18
5.1................................................................................................. Kesimpulan...................18
5.2........................................................................................................... Saran...................18

DAFTAR PUSTAKA

iii
 BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
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.

1.2 Rumusan Masalah

Dari pembahasan pada latar belakang masalah diatas, dapat dirumuskan
masalah yang ada sebagai berikut:
1. Bagaimana menentukan nilai alternatif, nilai kriteria serta bobot dari setiap
kriteria dalam sistem pendukung keputusan dengan menerapkan metode
Moosra dan WP?
2. Bagaimana cara memilih mahasiswa penerima bantuan uang kuliah tunggal
(UKT) dengan efektif dalam menerapkan metode Moosra dan WP?
3. Bagaimana hasil perbandingan dari metode Moosra dan WP dalam pemilihan
mahasiswa penerima UKT?

2
1.3 Tujuan Penelitian
Adapun tujuan yang dilakukan penelitian yaitu:
1. Untuk mengetahui nilai alternatif, kriteria serta bobot dalam menerapkan
metode Moosra dan Wp pada sistem pendukung keputusan.
2. Untuk lebih mengefektifkan hasil dari pemilihan mahasiswa penerima bantuan
UKT dengan menerapkan metode Moosra dan Wp.
3. Untuk mengetahui hasil perbandingan dari kedua metode sistem pedukung
keputusan dalam pemilihan mahasiswa penerima UKT.

1.4 Manfaat Penelitian

Manfaat dari penelitian ini diharapkan penulis agar dapat memberikan
informasi data yang tepat dalam pemilihan mahasiswa yang layak untuk
menerima bantuan Uang Kuliah Tunggal 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).

3
 BAB II
KAJIAN PUSTAKA

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 X m 2 ∙ 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)

4
 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
X X 22 ∙ X 2n
Xij= 21 (1)
∙ ∙ ∙ ∙
X m1 X m 2 ∙ X mn

2. Menentukan Matriks Normalisasi

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

√[ ] (2)
m

∑ 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

5
 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 Penelitian Terkait

Berikut merupakan beberapa penelitian terkait yang sejenis dengan penelitian ini :
Tabel 2.5 Penelitian Terkait
No Penulis Judul Hasil
.
1. Fitri Meilida Sistem Pendukung Penelitian ini membahas
(2021) Keputusan Seleksi Atlet tentang SPK yang
Pon Cabang Pencak menerapkan metode
Silat Menerapkan Multi-objective
MOOSRA 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
2. Asnita (2021) Implementasi Ahp Dan Penelitian ini membahas
Moosra Pemilihan tentang SPK yang
Kasir Terbaik. menerapkan 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

6
 alternatif lainnya.
3. Muslimah Sistem Pendukung Penelitian ini membahas
Katoningati, dkk Keputusan Pemilihan mengenai SPK yang
(2021) Handphone Dengan menerapkan metode
Menggunakan Metode Weighted Product (WP)
Weight Product. 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.
4. Dina dan Pitrawati Sistem Pendukung Pada penelitian ini
(2020) Keputusan Pemilihan membahas mengenai SPK
Driver Terbaik dalam menentukan
Menggunakan Metode pemilihan driver terbaik
Weight Product (Wp). dari kiteria kriteria yang
telah ditentukan maka
nilai aternatif tertinggi
yaitu Anton Fatoni
dengan nilai akhir
0,06436 yang
menerapkan metode
Weighted Product (WP).
5. Dedek Cahyati, Perbandingan Metode Penelitian ini membahas
dkk (2020) Saw Dan Wp Pada mengenai SPK dalam
Sistem Pendukung melakukan sebuah
Keputusan Dalam penelitian yang
Kasus Pemilihan membahas mengenai
Kegiatan pemilihan kegiatan
Ekstrakulikuler 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.

7
 BAB III
METODOLOGI PENELITIAN
3.1 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

8
 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:

Analisa Study Literatur

Mulai 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.

Pembuatan Hasil perbandingan Metode WP

Selesai
Laporan Penelitian dan MOOSRA

Gambar 3.1 Kerangka Penelitian

9
 BAB IV
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 :
4.1 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

4.2 Penerapan Kriteria dan Bobot

10
 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 Benefit
(IPS)
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

11
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

4.3 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

12
 = 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
Alternatif Nama mahasiswa Nilai Rangking
preferensi
A2 Ridho Andrian 0.1941 1
A5 Wahyu Harry Bai 0.1646 2
Lumbanbatu
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 0.1158 7
Gaol

13
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.
4.4 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

14
 ¿ 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

15
 ¿ 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

16
 ¿ ( 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
Alternatif Nama mahasiswa Nilai Rangking
preferensi
A2 Ridho Andrian 68.453 1
A7 Jhois magdalena halawa 28.907 2
A5 Wahyu Harry Bai 28.618 3
Lumbanbatu
A3 Dameria Marlina Lumban 27.441 4
Gaol
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.
4.5 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

17
 Metode WP Metode MOOSRA
Alternati Nama
f Mahasiswa Nilai Peringk Nilai Peringk
preferens at preferens at
i i
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 0.1244 5 28.907 2
halawa
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.

18
 BAB V
KESIMPULAN DAN SARAN
5.1 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.
5.2 Saran
Saran yang diberikan penulis adalah perlunya Metode WP (Weighted Product)
dan Metode MOOSRA (Multi Objective Optimization On The Basis Of Simple
Ratio Analysis) sebagai salah satu metode sistem pendukung keputusan dalam
menentukan mahasiswa yang layak menerima bantuan UKT (Uang Kuliah
Tunggal) sebagai solusi yang efektif dalam pemecahan masalah.

19
20
 DAFTAR PUSTAKA

[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.