JSA 2�Volume 4, No. 12 Desember 2023

p-ISSN 2722-7782 | e-ISSN 2722-5356

DOI: https://doi.org/


 

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TENAGA FASILITATOR LAPANGAN PADA PEMBANGUNAN INFRASTRUKTUR SPALD-S MENGGUNAKAN METODE WEIGHTED PRODUCT

 

Nur Iman Fitriah, Arita Witanti

Universitas Mercubuana

Email: [email protected], [email protected]

 

Abstrak:

Tenaga fasilitator lapangan merupakan pendamping kelompok swadaya masyarakat pada program Pembangunan Infrastruktur (SPALD-S). TFL berperan penting pada proses pelaksanaan secara teknis di lapangan maupun secara administratif. TFL melakukan pengawasan, pedampingan serta bimbingan kepada ketua KSM dan masyarakat pemerima bantuan MCK. Oleh karena itu tenaga fasilitator lapangan sangat berperan penting pada proses pelaksaan program pembangunan Infrastruktur SPALD-S pembangunan MCK. Dinas PUPR Kabupaten Muna Sulawesi Tenggara masih menggunakan perhitungan secara manual untuk menghitung data dari hasil seleksi peserta. Hal ini membutuhkan waktu yang lama, bahkan berakibat kesalahan dalam penentuan TFL yang tidak memenuhi syarat yang berakibat pada pelaksanaan kegiatan di lapangan secara teknis maupun administratis. Untuk itu dibutuhkan proses menghitung data hasil seleksi yang tersistem yang sudah di tetapkan beberapa kriteria yang ditentukan, dengan sistem pendukung keputusan untuk menentukan tenaga fasilitator lapangan pembangunan infrastruktur SPALD-S menggunakan metode Weighted Product. Hasil dari perhitungan 10 data kandidat calon tenaga fasilitator lapangan di peroleh rangking dengan urutan tertinggi sampai terendah yaitu A1, A8, A4, A9, A6, A2, A5, A10, A7, dan A3. Nilai akurasi yang di peroleh 53,33%.

 

Kata Kunci: Sistem Pendukung Keputusan, Tenaga Fasilitator Lapangan, SPALD-S, Weighted Product, Dinas PUPR, Kandidat.

Abstract:

Field facilitators are assistants to community self-help groups in the Infrastructure Development program (SPALD-S). TFL plays an important role in the implementation process technically in the field and administratively. TFL provides supervision, assistance and guidance to KSM leaders and communities receiving MCK assistance. Therefore, field facilitators play a very important role in the implementation process of the SPALD-S Infrastructure development program for MCK construction. The Muna Regency PUPR Service, Southeast Sulawesi, still uses manual calculations to calculate data from participant selection results. This takes a long time, and even results in errors in determining TFL that do not meet the requirements, which results in the implementation of activities in the field technically and administratively. For this reason, a systemized process of calculating data from selection results that has been determined by several specified criteria is needed, with a decision support system to determine field facilitators for SPALD-S infrastructure development using the Weighted Product method. The results of calculating 10 data were ranked in order from highest to lowest, namely A1, A8, A4, A9, A6, A2, A5, A10, A7, and A3. The accuracy value obtained was 53.33%.

 

Keywords: Decision Support System, Field Facilitator Team, SPALD-S, Weighted Product, Dinas PUPR, Candidate.

 

 

PENDAHULUAN

Tenaga fasilitator lapangan (TFL) merupakan pendamping Kelompok Swadaya Masyarakat (KSM) pada program Pembangunaan Infrastruktur sistem pengolahan air limbah domestik setempat (SPALD-S), dimana Pembangunan Infrastrukut SPLAD-S merupakan program dari Kementrian Dinas Pekerjaan Umum dan Perumahan (PUPR). Tenaga Fasilitator lapangan memiliki tanggung jawab dalam pelaksanaan program Pembangunan Infrastruktur SPALD-S yang diselenggarakan di desa untuk melakukan pengawasan, pedampingan serta bimbingan kepada ketua KSM dan masyrakat penerima bantuan secara teknis maupu non-teknis pada saat pelaksanaan pembangunan MCK.

Dinas Pekerjaan Umum dan Penataan Ruang Kabupaten Muna Sulawesi Tenggara selaku instansi yang bertanggung jawab dalam pelaksanaan program Pembangunan Infrastruktur Sistem Pengolah Air limbah Domestik Setempat (SPALD-S) di wilayah Kabupaten Muna Sulawesi Tenggara, dan memilih TFL yang bertanggung jawab pada setiap Desa. Keberhasilan dari terselenggaranya program ini karena adanya pedampingan terhadap KSM desa yang dilakukan oleh tenaga fasilitator lapangan maka dari itu dibutuhkan kapasitas yang optimal seeta mutu yang tinggi, tidka hanya dalam hal teknis tetapi juga dalam hal pemberdayaan(Akila, Srirajani Siregar, Siambaton, & Haramaini, 2022).

Dilakukan pemilihan tanaga fasilitator lapangan dengan beberapa kriteria yang digunakan sebagai fokus penilaian. Pihak instansi masih menggunakan perhitungan secara manual untuk menghitung data dari beberapa kriteria hasil seleksi peserta. Hal ini membutuhkan waktu yang lama, bahkan bisa berakibat kesalahan dalam penentuan tenaga fasilitator lapangan yang tidak memenuhi beberapa syarat yang berakibat pada pelaksanaan kegiatan di lapangan. Oleh karena itu dalam proses perhitungan data hasil seleksi dibutuhkan sistem perhitungan data agar meminimalisir kesalahan(Idris, Pratama, & Badaruddin, 2022). Dalam hal ini sistem pendukung keputusan diperlukan dalam membantu peilihan tenaga fasilitator lapangan secara efektif sesuai kriteria-kriteria tertentu.

Penelitian tentang sistem penyeleksi mahasiswa baru berbasis web menggunakan metode weighted Product. Pada penelitian sistem pendukung keputusan dengan metode Weighted Product menggunakan perengkingan alternatif dengan memasukkan bobot dari kriteria, kemudian menghitung nilai untk alternatif Wj dan menetukan perengkingan alternatifnya. Alternatif dengan nilai Vi yang terbesar yang akan terpilih. Beberapa kriteria yang ditentukan diantaranya daya tampung, prestasi, tes akademik, usia, dan nilai kelulusan(Purba & Siregar, 2020)

Selain itu penelitian tentang sistem pendukung keputusan seleksi tenaga fasilitator lapangan BSPS. Pada penelitian ini metode MFEP menerapakan sistem pembobotan dalam pengamblian keputusan, dimana setiap kriteria di berikan bobot sesuai dengan kebutuhan. Faktor-faktor yang dianggap penting dipertimbangkan dengan sistem pembobotan kemudian memberikan keputusan yang subjektif. Kriteria-kriteria yang ditentukan diantaranya administrasi yang terdiri dari persyaratan, pendidikan, dan pengalaman cipta karya kemudian tes dan wawancara. Dari beberapa kriteria tersebut diperoleh jumlah total nilai evaluasi untuk setiap kriteria dari yang tertinggi dan terendah sehinggan hasil yang di peroleh lebih objektif dan menyesuaikan dengan kriteria(Idris et al., 2022).

Kemudian penelitian tentang sistem pemilihan laptop terbaik menggunakan metode Weighted Product dimana alternatif yang terbaik ditentukan oleh nilai yang terbesar jikan memenuhi kriteria yang telah ditetapkan. Penelitian ini mengalikan hasil perkalian setiap atribut, dimana bobot atribut manfaat postif dan biaya untuk pangkat negatif. Pemilihan laptop terbaik dilakukan dengan pengurutan nilai alternatif terendah sampai terbesar(Susliansyah, Aria, & Susilowati, n.d.)

Selanjutnya penelitian tentang pemilihan penerima beasiswa bagi peserta didik, dimana proses penelitian ini menentukan bobot dari setiap kriteria kemudian melakukan proses perengkingan yang menghasilkan alternatif optimal. Pada penelitian ini metode Weighted Product digunakan ketika melakukan penentuan bobot untuk setiap item, kemudian melakukan perengkingan berdasarkan perhitungan vektor S dan vektor V untuk menentukan rutan nilai terbesar hingga terkecil, dimana nilai V terbesar yang terpilih menerima beasiswa (Roni, Sumijan, & Santony, 2019).

Penelitian tentang penentuan pelanggan terbaik dengan metode Weighted Product dimana dibuat suatu sistem untuk memilih pelanggan yang terbaik menggunakan kriteria-kriteria yang memiliki bobot, kemudian melakukan pengolah data dengan perhitungan vektor S dan vektor V untuk melakukan perengkingan dari terbesar hingga terkecil dan hasil alternatif terbesar menjadi alternatif (Siregar, Sonang, & Damanik, 2021)

Pemilihan tenaga fasilitator lapangan menggunakan beberapa kriteria diantaranya tes akademik, pengalaman, pendidikan, kemampuan, dan sikap yang memiliki tingkat kepentingan yang berbeda. Maka dari itu dibutuhkan metode untuk menghitung nilai nilai bobot yang digunakan dalam pemilihan tenaga fasilitator lapangan. Maka dibuat sebuah sistem pendukung keputusan yang mendukung lembaga terkait dalam memilih tenaga fasilitator lapangan yang kompeten, berkualitas dan handal (Nasrul Fuad, Hariyanto, & Larasati, 2020)

 

Metode Penelitian

Tahapan dalam penelitian tersebut dapat dilihat pada gambar 1 berikut

Gambar 1 Tahapan Dalam Penelitian

 

Teknik pengumpulan data pada metode penelitian ini yaitu sebagai berikut:

1.Wawancara

Penulis melakukan wawancara kepada sumber yang dapat memberikan informasi data-data mengenai pemilihan tenaga teknis fasilitator lapangan.

2. Observasi

Pengumpulan data dengan melakukan analisis terhadap dokumen tertulis sebagai metode untuk mengumpulkan informasi yang relevan dan mendalam dari sumber-sumber tertulis yang terkait dengan pemilihan tenaga fasilitator lapangan.

3. Studi Pustaka

Menemukan referensi dari berbagai sumber seperti jurnal ilmiah, buku, dan literatur terkait, sehingga diperoleh informasi yang luas. Sistem pendukung keputusan, atau Decision Support System (DSS) merupakan sistem pemilihan alternatif terbaik secara sistematis dari beberapa alternatif yang digunakan dalam penyelesaian masalah (Kurniawati & Ahmad, 2021). sistem ini terkomputerasi dengan tujuan mendukung pengambilan keputusan di dunia bisnis dan organisasi, selain itu memfasilitasi iteraksi antara sistem dan pengambil keputusan pendukung keputusan untuk mengatasi permasalah yang kompleks dan tidak terstruktur.

Dalam lingkup pengambilan keputusan yang tidak terstruktur, menggunakan SPK dapat meningkatkan kemampuan pengambilan keputusan. Interaksi iteratif antara para pengambil keputusan dan SPK menjadi kunci penting dalam mecapai hasil yang diharapkan. Pengambilan keputasan dikelompokkan sesuai dengan karakteristiknya, salah satunya klasifikasi umum yang membedakan antara keputusan melibatkan keputusan terstruktur, semi-terstruktur, dan tidak terstruktur berdasarkan sifat permasalahannya (Mahendra et al., n.d.). Sistem ini termasuk dalam sistem interaktif yang memberikan informasi, pemodelan, dan manipulasi data dalam proses pengambilan Keputusan (Noviansyah et al., n.d.).

Aristektur pada DSS dapat dilihat pada gambar 2 berikut

Gambar 1 Aristektur DSS

Metode Weighted Product (WP)

Metode Weighted Product merupakan salah satu metode dalam penyelesaian Multi Attribut Decision Making (MADM) dan pemecahan masalah dalam sistem pendukung keputusan yang proses perhitungannya cepat dan efisien (Irfan & Yudaningsih, 2022). Metode ini menggunakan perkalian untuk menilai hubungan antara rating (Sweta, 2021). Pendekatan dalam metode Weighted Product melibatkan evaluasi terhadap alternatif dalam rangkaian atribut atau kriteria yang saling independen.� Dalam proses penyelesaiannya, metode ini mengalikan rating pada setiap atribut dengan bobot yang sesuai untuk menghasilkan nilai akhir (Hts et al., 2023).

Langkah-langkah dalam metode Weighted Product antara lain sebagai berikut(Roni et al., 2019):

1.  Menentukan kriteria yang akan digunakan dalam pengambilan keputusan,

2.    Menentukan nilai awal bobot untuk tiap kriteria, yang menunjukkan tingkat kepentingan relatif dari setiap kriteria.

3.    Melakukan normalisasi nilai bobot dengan rumus:

4.      ��������� [5]������������������������������������������������������������������������������������������� Persamaan 1

Menghasilkan nilai normalisasi �adalah jumlah dari alternatif, �

5.    Menghitung nilai vektor (S)

6.      ��� [5]������������������������������������������������������������������������������������������� Persamaan 2

Si�� : Nilai dari normalisasi alternatif terbobot

Xij� : Nilai dari setiap alternatif untuk setiap kriteria

n�� : Jumlah dari kriteria

wj� : Hasil normalisasi dari nilai bobot awal

Nilai vektor (S) ini diperoleh dengan cara memangkatkan nilai atribut yang dimiliki setiap kriteria dengan hasil normalisasi bobot yang berpangkat positif untuk kriteria keuntungan (benefit) dan yang berpangkat negatif untuk kriteria biaya (cost).

7.    Menentukan nilai vektor (V) sebagai preferensi alternatif

8.      � atau ������������ [5]������������������������������������������������������������������� Persamaan 3

Vi : Preferensi alternatif

Xij : Nilai dari setiap alternatif untuk setiap kriteria

Wj : Hasil normalisasi nilai bobot awal

n : Jumlah kriteria

Vektor V digunakan untuk perengkingan digunakan untuk melakukan perengkingan alternatif dengan membagi setiap nilai pada vektor S dengan total keseluruhan dari nilai vektor S.

Flowchart untuk metode Weighted Product ditampilkan dalam gambar 3.

Gambar 2 Flowchart pada metode Weighted Product

 

1.1  Flowchart Sistem

Flowchart pada sistem ditampilkan pada gambar 4.

Gambar 3 Flowchart pada sistem

 

 

HASIL DAN PEMBAHASAN

Alternatif dan Kriteria

Tabel 1 Alternatif������������������������������ ������������ Tabel 2 Rating Penilaian

Alternatif

Kode

Bobot

Kepentingan

KANDIDAT 1

A1

1

Rendah

KANDIDAT 2

A2

2

Sedang

KANDIDAT 3

A3

3

Cukup

KANDIDAT 4

A4

4

Baik

KANDIDAT 5

A5

5

Sangat Baik

KANDIDAT 6

A6

 

KANDIDAT 7

A7

 

KANDIDAT 8

A8

 

KANDIDAT 9

A9

 

KANDIDAT 10

A10

 

 

Kriteria

Bobot

Kode

Cost/Benefit

Akademik

5

C1

Benefit

Pendidikan

4

C2

Benefit

Pengalaman

3

C3

Benefit

Skill

2

C4

Benefit

Sikap

1

C5

Benefit

Akademik

Bobot

50 � 60

1

61� 70

2

71 � 80

3

81 � 90

4

91� 100

5

Tabel 1 Kriteria��������������������������������� ���� Tabel 2 Akademik

 

 

 

 

 

 

 

 

Tabel 3 Pendidikan�������������������������������������������� ���� Tabel 4 Pengalaman

Pendidikan

Keterangan

Bobot

SMA Sederajat

50 � 60

1

D3

61� 70

2

S1 Umum

71 � 80

3

S1 Teknik

81 � 90

4

S1 Teknik / Arsitek

91 � 100

5

Pengalaman

Keterangan Nilai

Bobot

Fresh Graduate

50 � 60

1

< 1 Tahun

61� 70

2

2 Tahun

71 � 80

3

3 Tahun

81 � 90

4

�> 5 Tahun

91 � 100

5

 

 

 

 

 

 

 

 

 

Tabel 5 Sikap������������������������������������������������������������� ������ Tabel 6 Skill

Sikap

Bobot

50 � 60

1

61� 70

2

71 � 80

3

81 � 90

4

91� 100

5

Skill

Bobot

50 � 60

1

61� 70

2

71 � 80

3

81 � 90

4

91� 100

5

 

 

 

 

 

 

 

 

 

Perhitungan

1.    Melakukan perhitungan nilai relatif bobot awal (wj).

���������������������

�

�

�

�

�

Matriks perbandingan alternatif

Tabel 9. Penilaian Alternatif

Alternatif / Kriteria

C1

C2

C3

C4

C5

A1

4

3

4

4

4

A2

3

4

3

2

4

A3

3

2

3

2

4

A4

3

4

4

3

4

A5

3

3

3

3

4

A6

4

4

2

2

4

A7

3

3

2

2

4

A8

4

3

4

3

4

A9

4

3

3

3

4

A10

2

4

3

3

4

 

Perhitungan nilai vektor S

 

�����������������������������������������

����������������������������

����������������������������

������������������������������

���������������������������� A10 = 2,884499

 

Menghitung nilai preferensi vektor V

� atau ���������

 

���������� �����������������������

����������������������������������

����������������������������������

���������� �����������������������

���������� �����������������������

Melakukan Perengkingan

Tabel 10. Perengkingan

Alternatif

V

Perengkingan

A1

0.117048

1

A2

0.098835

6

A3

0.082155

10

A4

0.110503

3

A5

0.096621

7

A6

0.100308

5

A7

0.084406

9

A8

0.112643

2

A9

0.106345

4

A10

0.091136

8

 

 

 

Implementasi Sistem

a.    Beranda pada gambar 5 berikut.�������� b. Kriteria ditunjukkan pada gambar 6 berikut.

� ������������������������������������������������

Gambar 4 Beranda���������������������������������������� Gambar 5 Kriteria

c.     Alternatif pada gambar 7 berikut.������ d. Matriks Perbandingan alternatif pada gambar 8 berikut.

 

��������� Gambar 6 Alternatif���������������� Gambar 7 Matriks Perbandingan Alternatif

e.    Bobot Kepentingan pada gambar 9 berikut.� f.� Normalisasi pada gambar 10 berikut.

Gambar 8 Bobot Kepentingan��������������������� Gambar 9 Normalisasi

g.�� Vektor S pada gambar 11 berikut.������� h.�� Vektor V pada gambar 12 berikut.

Gambar 10 Vektor S������������������������������������� Gambar 11 Vektor V

i.      Perengkingan pada gambar 12 berikut.���������������������� j.�� Grafik pada gambar 13 berikut.

����� Gambar 12 Perengkingan����������������������������������� Gambar 13 Garfik

Perhitungan Akurasi

Tabel 11 Akurasi

Data

Hasil Sistem

Hasil Manual

Perbandingan

Kandidat 1

8

4

TS

Kandidat 2

22

22

S

Kandidat 3

30

30

S

Kandidat 4

13

13

S

Kandidat 5

23

15

TS

Kandidat 6

21

21

S

Kandidat 7

29

29

S

Kandidat 8

12

9

TS

Kandidat 9

15

12

TS

Kandidat 10

27

27

S

Kandidat 11

10

10

S

Kandidat 12

23

17

TS

Kandidat 13

8

8

S

Kandidat 14

1

2

TS

Kandidat 15

5

5

S

Kandidat 16

1

1

S

Kandidat 17

16

23

TS

Kandidat 18

23

20

TS

Kandidat 19

5

25

TS

Kandidat 20

11

11

S

Kandidat 21

16

16

S

Kandidat 22

5

25

TS

Kandidat 23

16

7

TS

Kandidat 24

1

5

TS

Kandidat 25

23

23

S

Kandidat 26

19

19

S

Kandidat 27

19

17

TS

Kandidat 28

1

3

TS

Kandidat 29

28

28

S

Kandidat 30

14

14

S

�(Fatahillah & Pratama, 2020)����������������������������������� Persamaan 4

awp�������������� = Akurasi WP

y�� = Presentase Data Yang Benar

n�� = Total Data

 

KESIMPULAN

Penelitian dilakukan menciptakan sistem pendukung keputusan untuk seleksi Tenaga Fasilitator Lapangan (TFL) pada program pembangunan infrastruktur SPALD-S. enggunakan metode Weighted Product, penelitian ini menilai berdasarkan kriteria seperti akademik, pendidikan, pengalaman, skill, dan sikap untuk merangking kandidat TFL. Hasilnya penelitian menunjukkan kandidat dari yang tertinggi hingga terendah, yaitu A1, A8, A4, A9, A6, A2, A5, A10, A7, dan A3, selain itu nilai akurasi yang diperoleh adalah 53,33%. Sistem ini bertujuan mempercepat seleksi, mengurangi kesalahan, dan meningkatkan efisiensi dalam pemilihan TFL yang sesuai kriteria. Penerapan dengan Metode Weighted Product dalam sistem pendukung keputusan memberikan solusi yang efisien dalam memilih tenaga fasilitator lapangan pada pembangunan infrastruktur SPALD-S.

 

BIBLIOGRAFI

Akila, N., Srirajani Siregar, N., Siambaton, M. Z., & Haramaini, T. (2022). Aplikasi Penilaian Kinerja Tenaga Fasilitator Lapangan (TFL) pada Dinas Perumahan dan Kawasan Permukiman Provinsi Sumatera Utara Menggunakan Metode Fuzzy Tsukamoto Application of Field Facilitator Performance Assessment (TFL) at the Department of Housing and Settlement Areas of North Sumatra Province Using the Fuzzy Tsukamoto Method. In Jurnal Deli Sains Informatika (Vol. 1).

Fatahillah, A., & Pratama, M. R. (2020). Perbandingan Akurasi Metode TOPSIS dan Metode Weight Product untuk Menentukan Siswa Berprestasi. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer, 1(2), 70�79. https://doi.org/10.37148/bios.v1i2.31

Hts, D. I. G., Adhar, D., Azhar, A. H., Safrizal, Indriani, U., Aliyah, S., � Thanri, Y. (2023). METODE SISTEM PENDUKUNG KEPUTUSAN (vi; N. Duniawati, Ed.). Indramayu: Adab. Retrieved from https://www.google.co.id/books/edition/METODE_SISTEM_PENDUKUNG_KEPUTUSAN_Teori/6njWEAAAQBAJ?hl=id&gbpv=1

Idris, N. O., Pratama, A. M. M., & Badaruddin, M. (2022). Sistem Pendukung Keputusan Seleksi Tenaga Fasilitator Lapangan BSPS Menggunakan Metode Multi Factor Evaluation Process. Jurnal Sistem Komputer Dan Informatika (JSON), 4(2), 335. https://doi.org/10.30865/json.v4i2.5303

Irfan, M., & Yudaningsih, N. (2022). BULLETIN OF COMPUTER SCIENCE RESEARCH Implementasi Metode Weighted Product Pada Sistem Pendukung Keputusan Pemilihan Lembaga Bimbingan Belajar. Media Online), 3(1). https://doi.org/10.47065/bulletincsr.v3i1.195

Kurniawati, R. D., & Ahmad, I. (2021). SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN USAHA MIKRO KECIL MENENGAH DENGAN MENGGUNAKAN METODE PROFILE MATCHING PADA UPTD PLUT KUMKM PROVINSI LAMPUNG. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(1), 74�79. Retrieved from http://jim.teknokrat.ac.id/index.php/JTSI

Kusrini. (2021). Konsep dan Aplikasi Sistem Pendukung Keputusan (1st ed.; F. S. Suyanto, Ed.). Yogyakarta: ANDI. Retrieved from https://www.google.co.id/books/edition/Konsep_dan_Aplikasi_Sistem_Pendukung_Kep/RhEMEAAAQBAJ?hl=id&gbpv=1

Mahendra, G. S., Hariyono, R. C. S., Purnawati, N. W., Hatta, H. R., Sudipa, I. G. I., Hamali, S., � Meilani, B. D. (n.d.). SISTEM PENDUKUNG KEPUTUSAN (Sepriono & Efitra, Eds.). Jambi: PT. Sonpedia Publishing Indonesia. Retrieved from https://www.google.co.id/books/edition/BUKU_AJAR_SISTEM_PENDUKUNG_KEPUTUSAN/4sbVEAAAQBAJ?hl=id&gbpv=1

Nasrul Fuad, R., Hariyanto, E., & Larasati, S. (2020). JURNAL MEDIA INFORMATIKA BUDIDARMA Sistem Pendukung Keputusan Pemberian Kredit Koperasi Menggunakan Metode Weighted Product. 4, 1132�1139. https://doi.org/10.30865/mib.v4i4.2367

Noviansyah, M. R., Suharso, W., Azmi, M. S., Hermawan, M., Mustikaningtyas, D. R., Ulya, F. S., & Chandranegara, R. (n.d.). Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2019 ISSN (Cetak) 2527-6042 eISSN (Online). Retrieved from www.cybermallmalang.com.

Purba, A. T., & Siregar, V. M. M. (2020). SISTEM PENYELEKSI MAHASISWA BARU BERBASIS WEB MENGGUNAKAN METODE WEIGHTED PRODUCT. In Jurnal Teknik Informasi dan Komputer (Tekinkom) (Vol. 3). Jurnal Ekonomi Dan Bisnis dan Jurnal Teknik Informasi Dan Komputer, Politeknik Bisnis Indonesia. https://doi.org/10.37600/tekinkom.v3i1.117

Roni, Sumijan, & Santony, J. (2019). Terakreditasi SINTA Peringkat 2 Metode Weighted Product dalam Pemilihan. JURNAL RESTI, 1(3), 87�93. Retrieved from https://jurnal.iaii.or.id/index.php/RESTI/article/view/834

Siregar, V. M. M., Sonang, S., & Damanik, E. (2021). SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PELANGGAN TERBAIK MENGGUNAKAN METODE WEIGHTED PRODUCT. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 4(2), 239. https://doi.org/10.37600/tekinkom.v4i2.392

Susliansyah, Aria, R. R., & Susilowati, S. (n.d.). SISTEM PEMILIHAN LAPTOP TERBAIK DENGAN MENGGUNAKAN METODE WEIGHT PRODUCT.

Sweta, I. N. (2021). Perancangan Sistem Penentuan Objek Wisata di Bali Masa Pandemi COVID-19 dengan Metode Weighted Product yang Dimodifikasi. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(2), 367�378. https://doi.org/10.30812/matrik.v20i2.1122

 

Copyright holder:

Nur Iman Fitriah, Arita Witanti (2023)

 

First publication right:

Jurnal Syntax Admiration

 

This article is licensed under: