Sistem Pendukung Keputusan Rekomendasi Siswa Kelas Unggulan Menggunakan Metode Simple Additive Weighting (SAW) dan Weighted Product (WP) (Studi Kasus : SMA Negeri 1 Taman, Sidoarjo)

Rachmadi, Jauhar Bariq and Edy Santoso, S.Si., M.Kom. and Dr. Eng., Novanto Yudistira, S.Kom., M.Sc. (2020) Sistem Pendukung Keputusan Rekomendasi Siswa Kelas Unggulan Menggunakan Metode Simple Additive Weighting (SAW) dan Weighted Product (WP) (Studi Kasus : SMA Negeri 1 Taman, Sidoarjo). Sarjana thesis, Universitas Brawijaya.

Abstract

Siswa-siswi di sekolah pada umumnya memiki keberagaman tingkat kecerdasan, ada siswa yang memiliki tingkat kecerdasan tinggi, biasa, dan rendah. Keberagaman tingkat kecerdasan siswa-siswi ini membuat siswa-siswi yang memiliki tingkat kecerdasan yang tinggi tidak bisa memaksimalkan apa yang bisa mereka peroleh. Maka dari itu pihak sekolah membuatkan program kelas unggulan, kelas unggulan adalah kelas yang diisi oleh siswa-siswi yang memiliki tingkat kecerdasan yang tinggi. Seleksi siswa kelas unggulan pada studi kasus di SMA Negeri 1 Taman masih menggunakan manual yaitu membandingkan siswa satu dengan siswa lainnya. Maka agar mempermudah proses seleksi siswa kelas unggulan, perlu dibuat sistem untuk rekomendasi proses seleksi siswa-siswi program kelas unggulan. Dalam melakukan sistem pendukung keputusan rekomendasi ini menggunakan metode Simple Additive Weighting (SAW) dan Weighted Product (WP). Sistem ini menggunakan beberapa nilai siswa sebagai kriteria untuk dilakukan perhitungan diantaranya adalah nilai tes potensial akademik, nilai psikologi, dan nilai ujian nasional masing-masing mata pelajaran. Metode SAW digunakan untuk menghitung nilai UN secara keseluruhan dan metode WP digunakan untuk menghitung semua nilai dan dilakukkan perangkingan lalu diambil 36 siswa dengan nilai paling besar. Dari pengujian yang telah dilakukan didapatkan hasil akurasi 80,56%. Dari hasil yang didapatkan dapat disimpulkan penggunaan metode SAW dan WP cukup efektif digunakan dalam sistem rekomendasi kelas unggulan.

English Abstract

Students in schools generally think about the diversity of intelligence levels, there are students who have high, ordinary, and low intelligence levels. The diversity of the intelligence levels of these students makes students who have a high level of intelligence can not maximize what they can get. Therefore the school makes a superior class program, superior classes are classes filled with students who have a high level of intelligence. The selection of superior class students in a case study in SMA Negeri 1 Taman still uses a manual that compares students with other students. So in order to simplify the selection process of superior class students, it is necessary to create a system for the recommendation process for selection of superior class program students. In carrying out the decision support system this recommendation uses the Simple Additive Weighting (SAW) and Weighted Product (WP) methods. This system uses several student grades as a criterion to be calculated including the potential academic test scores, psychological scores, and the national exam scores of each subject. The SAW method is used to calculate the overall UN score and the WP method is used to calculate all grades and rank is then taken 36 students with the largest value. From the testing that has been done, the accuracy result is 80.56%. From the results obtained it can be concluded that the use of the SAW and WP methods is quite effective in using the superior class recommendation system.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150208
Uncontrolled Keywords:	Sistem Pendukung Keputusan, Kelas Unggulan, metode SAW, metode WP, Decision Support Sistem, Superior Classes, SAW method, WP method.
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	26 Sep 2022 02:54
Last Modified:	01 Oct 2024 03:46
URI:	http://repository.ub.ac.id/id/eprint/194796

Text -Jauhar Bariq Rachmadi.pdf Download (4MB)

Actions (login required)

View Item