EMILLULFATA, Luthfi (2026) Implementasi Hybrid Weighting System Berbasis Integrasi ROC, Random Forest, dan TOPSIS Pada Sistem Pendukung Keputusan Pemilihan Peserta Magang Terbaik di PT Wesclic Neotech Indonesia. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Download (211kB)
	PDF (Legalitas) LEGALITAS-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only Download (749kB)
	PDF (Abstrak) ABSTRAK-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Download (448kB)
	PDF (BabI) BAB-I-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only until 30 April 2027. Download (457kB)
	PDF (BabII) BAB-II-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only until 30 April 2027. Download (680kB)
	PDF (BabIII) BAB-III-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only until 30 April 2027. Download (582kB)
	PDF (BabIV) BAB-IV-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only Download (4MB)
	PDF (BabV) BAB-V-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Download (434kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Download (422kB)
	PDF (Lampiran) LAMPIRAN-Luthfi Emillulfata-H1D022017-Skripsi-2026.pdf Restricted to Repository staff only Download (661kB)

Abstract

Pemilihan peserta magang terbaik sering kali menghadapi kendala subjektivitas dan pemanfaatan data historis yang kurang optimal. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis website di PT Wesclic Neotech Indonesia menggunakan metode hybrid weighting yang mengintegrasikan Rank Order Centroid (ROC) dan random forest. Sistem dikembangkan dengan framework Laravel dan FastAPI untuk menghubungkan pengelolaan data dengan pemrosesan machine learning. Metode ROC digunakan untuk menentukan bobot kriteria awal berdasar prioritas, sementara algoritma random forest mengekstraksi bobot objektif melalui nilai feature importance dengan tingkat akurasi model mencapai 94,44%. Bobot final yang dihasilkan kemudian diproses menggunakan metode TOPSIS untuk menentukan perankingan akhir peserta secara presisi. Hasil pengujian black box menunjukkan seluruh fitur fungsional berjalan sesuai spesifikasi. Kesimpulannya, implementasi sistem ini memberikan solusi mutlak bagi divisi HRD dalam menghasilkan rekomendasi pemilihan peserta magang terbaik yang transparan, objektif, dan terukur dengan memanfaatkan polarisasi data aktual.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26105
Uncontrolled Keywords:	Hybrid Weighting, Laravel, Random Forest, ROC, Sistem Pendukung Keputusan, TOPSIS
Subjects:	S > S900 System design
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr. LUTHFI EMILLULFATA
Date Deposited:	30 Apr 2026 07:56
Last Modified:	30 Apr 2026 07:56
URI:	http://repository.unsoed.ac.id:443/id/eprint/40863

Actions (login required)

View Item