Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi Menggunakan Metode Multifactor Evaluation Process Di Sma Negeri 1 Bandung

Okaviana, Muhamad Reza; Susanto, Rani

doi:10.34010/komputa.v3i2.2389

Cited by 6 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Untuk alternatif yang akan dipilih, dilakukan langkah-langkah yang sama, yang kemudian dapat dievaluasi berdasarkan pertimbangan tersebut [17]. Pertimbangan ini dibobotkan berdasarkan tingkat prioritas berdasarkan tingkat kepentingan (weighting system) [18].…”

Section: A Metode Multi-factor Evaluation Process (Mfep)unclassified

Analisis Kombinasi Metode Algoritma MFEP dan AHP Pada Pemilihan Bibit Unggul Kopi Robusta

Syaputra¹

2022

Komputika

View full text Add to dashboard Cite

Kota Pagar Alam sebagai daerah yang warganya mayoritas berprofesi petani. Komoditas yang paling banyak ditanam di wilayah ini adalah kopi dan sayuran. Oleh karena itu, daerah tersebut cocok untuk dijadikan sebagai daerah penelitian dan untuk melakukan penilaian dasar (baseline assessment) tanaman lokal, khususnya pertanian kopi Robusta. Penggunaan metode Multi-Factor Evaluation Process (MFEP) dan Analytical Hierarchy Process (AHP) sangat cocok jika diterapkan untuk penelitian sistem pendukung keputusan. Metode ini dipilih karena memungkinkan untuk memilih opsi terbaik dari berbagai opsi. Dalam hal ini, pilihan yang dimaksud adalah bibit yang cocok untuk ditanam oleh petani berdasarkan kriteria yang ditentukan. Penyelidikan dilakukan dengan menentukan nilai bobot untuk setiap atribut, dilanjutkan dengan proses komputasi untuk menentukan kriteria dan alternatif yang optimal, yaitu bibit unggul kopi robusta yang layak dibudidayakan. Dengan adanya penelitian ini yang mengimplementasikan kombinasi metode Multifactor Evaluation Process (MFEP) dan Analitycal Hierarchy Process (AHP) dan dengan perancangan berorientasi objek dengan menggunakan Unified Modeling Language (UML) akan memudahkan Dinas Pertanian Kota Pagar Alam dan petani kopi Robusta dalam memilih bibit kopi yang tepat untuk ditanam sehingga petani kopi dapat mencapai hasil yang memuaskan.

show abstract

Section: A Metode Multi-factor Evaluation Process (Mfep)unclassified

Analisis Kombinasi Metode Algoritma MFEP dan AHP Pada Pemilihan Bibit Unggul Kopi Robusta

Syaputra¹

2022

Komputika

View full text Add to dashboard Cite

show abstract

“…Sehingga sistem ini tidak dimaksudkan untuk menggantikan pada saat proses pembuatan keputusan. Menurut (Okaviana & Susanto, 2014).…”

Section: Pendahuluanunclassified

Implementasi Algoritma Multifactor Evaluation Process (Mfep) Untuk Penilaian Teknisi Promosi Karyawan Tetap Berbasis Web

Handhika

Hendrawan²

2021

SLJIL

View full text Add to dashboard Cite

Telkom Divisi Access Network Site Operation (STO) Muara Karang yang merupakan kantor cabang pembantu divisi area Jakarta utara memiliki pelanggan indihome yang cukup banyak. Oleh karena itu kemampuan para teknisi wajib dilakukan penilaian agar mengetahui kompetensi yang ada pada setiap teknisi agar dapat mengevaluasi kinerja dan dapat mempromosikan dirinya untuk bergabung menjadi karyawan tetap. Kepala area pelayanan STO Muara Karang seringkali mendapatkan kesulitan dalam memberikan penilaian terhadap teknisi dan seringkali bersifat subjektif sehingga belum tentu kriteria yang terbaik yang terpilih untuk mendapatkan promosi menjadi karyawan tetap. Oleh karena itu mengacu pada permasalahan tersebut, peneliti tertarik untuk membangun suatu sistem pendukung keputusan penilaian teknisi dengan penerapan algoritma Multifactor Evaluation Process (MFEP), yang dapat membantu kepala area pelayanan STO Muara Karang dalam membuat keputusan sebuah rekomendasi karyawan tetap untuk para teknisi. Aplikasi dibangun dengan berbasis web dengan menggunakan bahasa pemograman PHP, serta penyimpanan database pada MySQL. Proses perhitungan weight evaluation yang merupakan proses perhitungan bobot antara faktor weight dan factor evaluation serta penjumlahan seluruh hasil weight evaluations untuk memperoleh total hasil evaluasi dimana niliai bobot evaluasi sama dengan nilai evaluasi faktor dikalikan dengan nilai bobot faktor. Pengujian dilakukan Dengan memanfaatkan Algoritma Multifactor Evaluation Process (MFEP) yaitu pengambilan keputusan dilakukan dengan memberikan pertimbangan yang intuitif dan objektif terhadap faktor-faktor yang dianggap penting. Pertimbangan tersebut merupakan berupa pemberian bobot (weighting system) atas memperhitungkan faktor penilaian yang ada pada teknisi, hasil penilaian yang telah dilakukan akan langsung menghasilkan data teknisi yang memiliki kompetensi layak untuk di promosikan ke jenjang karir yang lebih baik. Dengan adanya aplikasi ini dapat membantu pimpinan, dalam memberikan penilaian dan hasil penilaian tersebut menghasilkan keputusan yang objektif sehingga pimpinan dapat merekomendasikan teknisi dengan sesuai kriteria.

show abstract

“…Di Indonesia sendiri ditemukan beberapa penelitian dengan tema sistem rekomendasi serupa. Akan tetapi kebanyakan sistem rekomendasi yang dikembangkan masih menggunakan model berbasis aturan (rule based) seperti pada [12], [15] dan [18] atau model fuzzy seperti pada [20]. Masih belum banyak sistem rekomendasi yang mengimplementasikan model berbasis pembelajaran mesin (machine learning).…”

unclassified

Studi Komparasi Model Klasifikasi Berbasis Pembelajaran Mesin untuk Sistem Rekomendasi Program Studi

Pratama

Aryanto

Iswari

2021

RESTI

View full text Add to dashboard Cite

Selecting a major can be quite difficult for prospective college students. The choice may have an effect not only on their academic life, but also on their career path. Due to some restrictions as the impact of the COVID-19 pandemic, universities must find novel ways to reach prospective students and assist them in choosing their majors, one of which is a college major recommendation system. This system can assist prospective students in determining the most appropriate majors for them based on data from the current students. Unlike other existing systems that employ either a rule-based or fuzzy model, this study employs a machine learning approach using data from undergraduate students at Universitas Islam Indonesia. This paper aims to compare several clustering models (i.e., K-means, Agglomerative, Birch, and DBSCAN) for the purpose of categorizing current students, to which the results will be used for classification purposes using various approaches (i.e., single stage vs. multistage), algorithms (i.e., multinomial logistic regression, random forest, and support vector machine), and scenarios (i.e., with or without GPA-based label). Our findings indicate that the K-means model outperformed all other clustering models and that the single stage with random forest classification model performed the best across all scenarios.

show abstract

Sistem Pendukung Keputusan Rekomendasi Pemilihan Program Studi Menggunakan Metode Multifactor Evaluation Process Di Sma Negeri 1 Bandung

Cited by 6 publications

References 0 publications

Analisis Kombinasi Metode Algoritma MFEP dan AHP Pada Pemilihan Bibit Unggul Kopi Robusta

Analisis Kombinasi Metode Algoritma MFEP dan AHP Pada Pemilihan Bibit Unggul Kopi Robusta

Implementasi Algoritma Multifactor Evaluation Process (Mfep) Untuk Penilaian Teknisi Promosi Karyawan Tetap Berbasis Web

Studi Komparasi Model Klasifikasi Berbasis Pembelajaran Mesin untuk Sistem Rekomendasi Program Studi

Contact Info

Product

Resources

About