Implementasi Metode MABAC Dalam Pemilihan Mahasiswa Terbaik Dengan Teknik Pembobotan Rank Sum

Daniel Oktodeli Sihombing, Alex Cahyadi
{"title":"Implementasi Metode MABAC Dalam Pemilihan Mahasiswa Terbaik Dengan Teknik Pembobotan Rank Sum","authors":"Daniel Oktodeli Sihombing, Alex Cahyadi","doi":"10.47065/josyc.v4i4.4040","DOIUrl":null,"url":null,"abstract":"Pemilihan mahasiswa terbaik menjadi barometer untuk menilai kinerja mahasiswa dibidang akademik dan non-akademik. Penelitian ini memberikan rekomendasi pemilihan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia berdasarkan lima kriteria seperti Indeks Prestasi Kumulatif (IPK), S-Core, Jumlah Surat Peringatan (SP), Presensi Ibadah Mahasiswa dan Presensi Retret. MABAC (Multi-Attributive Border Approximation area Comparison) merupakan metode yang andal untuk pengambilan keputusan yang rasional dengan proses komputasi sederhana dan kerangka analitis yang terstruktur dengan baik. Setiap kriteria yang akan digunakan dalam perhitungan MABAC dilakukan pembobotan menggunakan teknik Rank Sum. Teknik ini memungkinkan setiap kriteria memiliki bobotnya sendiri dalam perhitungan, sehingga aspek penilaian dapat diperlakukan secara adil dan mencerminkan kontribusinya terhadap kinerja mahasiswa secara keseluruhan. Penilaian mahasiswa terbaik dalam penelitian ini dilakukan dengan menggunakan metode MABAC dengan Teknik pembobotan Rank Sum. Hasil perhitungan menunjukan bahwa mahasiswa A2 adalah mahasiswa terbaik dengan meraih nilai tertinggi 0,3980675, sementara mahasiswa A1 menduduki peringkat kedua dengan nilai 0,3003626 dan mahasiswa A6 di peringkat ketiga dengan nilai 0,2995565. Hasil penelitian ini memberikan implikasi signifikan sebagai rekomendasi untuk menentukan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia maupun Institusi lain yang memiliki kriteria-kriteria serupa.","PeriodicalId":494154,"journal":{"name":"Journal of Computer System and Informatics","volume":"37 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Computer System and Informatics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.47065/josyc.v4i4.4040","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Pemilihan mahasiswa terbaik menjadi barometer untuk menilai kinerja mahasiswa dibidang akademik dan non-akademik. Penelitian ini memberikan rekomendasi pemilihan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia berdasarkan lima kriteria seperti Indeks Prestasi Kumulatif (IPK), S-Core, Jumlah Surat Peringatan (SP), Presensi Ibadah Mahasiswa dan Presensi Retret. MABAC (Multi-Attributive Border Approximation area Comparison) merupakan metode yang andal untuk pengambilan keputusan yang rasional dengan proses komputasi sederhana dan kerangka analitis yang terstruktur dengan baik. Setiap kriteria yang akan digunakan dalam perhitungan MABAC dilakukan pembobotan menggunakan teknik Rank Sum. Teknik ini memungkinkan setiap kriteria memiliki bobotnya sendiri dalam perhitungan, sehingga aspek penilaian dapat diperlakukan secara adil dan mencerminkan kontribusinya terhadap kinerja mahasiswa secara keseluruhan. Penilaian mahasiswa terbaik dalam penelitian ini dilakukan dengan menggunakan metode MABAC dengan Teknik pembobotan Rank Sum. Hasil perhitungan menunjukan bahwa mahasiswa A2 adalah mahasiswa terbaik dengan meraih nilai tertinggi 0,3980675, sementara mahasiswa A1 menduduki peringkat kedua dengan nilai 0,3003626 dan mahasiswa A6 di peringkat ketiga dengan nilai 0,2995565. Hasil penelitian ini memberikan implikasi signifikan sebagai rekomendasi untuk menentukan mahasiswa terbaik di Institut Teknologi dan Bisnis Sabda Setia maupun Institusi lain yang memiliki kriteria-kriteria serupa.
MABAC方法的实施在最佳学生选择与总爆破技术
最好的学生选举成为绩效评估学生在学术领域和non-akademik晴雨表。这项研究提供了最好的学生推荐选举在技术研究所和企业忠实的语录是基于五个标准,就像累积成就分类索引(gpa)、S-Core警告信数目(SP),学生Presensi崇拜和静修。MABAC (Multi-Attributive边境地区类似不那么可怜)是可靠的方法来理性的决策,简单的计算过程和结构良好的分析框架。在MABAC计算中使用的每一种标准都是使用Sum Rank技术进行黑客攻击。这一技术使得每个标准都有自己的体重,计算方面可以得到公平对待和反映贡献评价对学生的整体性能。本研究的学生最好的评估是使用MABAC方法使用总爆破技术。计算结果表明学生A2是取得高分0.3980675最好的学生,而学生A1学生占领第二0.3003626价值和A6和0.2995565成绩排名第三。这些研究结果的重大含义作决定最好的学生推荐商业技术学院和忠实的语录和其他有凭类似准则的机构。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信