Penerapan Sistem Pendukung Keputusan Berbasis Metode Simple Additive Weighting (SAW) dan Algoritma Apriori untuk Evaluasi Prestasi Siswa

Gambar Ilustrasi AI

FORMOSA NEWS - Jakarta- Kombinasi Algoritma SAW dan Apriori Tingkatkan Akurasi Evaluasi Siswa Berprestasi Hingga 87 Persen. Penelitian yang dilakukan oleh Mochammad Bagus Priyantono dan Deni Mahdiana dari Universitas Budi Luhur dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 2 Tahun 2026 menyoroti bahwa menghadirkan terobosan penting bagi dunia pendidikan dalam mengatasi tingkat subjektivitas serta ketidakakuratan penentuan siswa berprestasi di sekolah yang selama ini diproses secara manual.

Proses seleksi siswa berprestasi sering kali dihadapkan pada tantangan pengolahan data multi-kriteria. Penilaian tidak hanya berfokus pada nilai akademis, melainkan mencakup kehadiran, perilaku, prestasi non-akademis, hingga partisipasi aktif di sekolah. Tanpa skema pembobotan terstruktur, keputusan guru atau pihak sekolah berpotensi memunculkan bias.

Untuk memecahkan masalah tersebut, tim peneliti memanfaatkan metode SAW untuk menghitung pembobotan kriteria dan perankingan siswa secara rinci. Evaluasi didasarkan pada lima kriteria utama: nilai akademik (bobot 0,30), tingkat kehadiran (bobot 0,20), raihan kejuaraan (bobot 0,20), kedisiplinan (bobot 0,15), dan keaktifan (bobot 0,15).

Seluruh kriteria tersebut dikonversi ke dalam sistem matematis, kemudian dihitung nilai preferensinya untuk menentukan peringkat. Selanjutnya, hasil tersebut divalidasi menggunakan Algoritma Apriori. Algoritma ini bertugas menganalisis pola asosiasi atau kebiasaan siswa berdasarkan data historis. Jika kombinasi nilai siswa baru sesuai dengan pola riwayat siswa berprestasi terdahulu, sistem akan menyatakan status data tersebut valid.

Dalam uji coba menggunakan 100 data rekam medis akademis—yang terdiri atas 85 data latih dan 15 data uji penggabungan kedua algoritma ini terbukti sangat ampuh. Baik metode SAW maupun Algoritma Apriori mencatatkan tingkat akurasi sebesar 87 persen bila dibandingkan dengan hasil perhitungan manual oleh tim pengajar.

Temuan ini membawa implikasi strategis bagi efisiensi tata kelola sekolah dan kebijakan pendidikan. Dengan memanfaatkan sistem pendukung keputusan digital, pihak sekolah dapat menghemat waktu proses administrasi, meminimalisasi potensi konflik akibat kecemburuan sosial, serta menghasilkan keputusan pemberian penghargaan siswa yang transparan dan dapat dipertanggungjawabkan. Selain itu, analisis pola kriteria membantu institusi pendidikan mengidentifikasi variabel utama yang paling memengaruhi keberhasilan belajar siswa.

Profil Penulis
Mochammad Bagus Priyantono: Peneliti dan mahasiswa Program Studi Sistem Informasi / Ilmu Komputer di Universitas Budi Luhur, berfokus pada bidang Sistem Pendukung Keputusan dan Data Mining.
Deni Mahdiana: Dosen dan peneliti senior di Universitas Budi Luhur, memiliki kepakaran dalam bidang Sistem Informasi, Multi-Criteria Decision Making (MCDM), dan rekayasa perangkat lunak.

Sumber Publikasi:
Mochammad Bagus Priyantono, Deni Mahdiana. Implementation of a Decision Support System Based on the Simple Additive Weighting (SAW) Method and Apriori Algorithm for Student Achievement Evaluation. Formosa Journal of Computer and Information Science (FJCIS). Vol. 5, No. 2, Hal. 279-294).
DOI : https://doi.org/10.55927/fjcis.v5i2.16835
URL: https://journal.formosapublisher.org/index.php/fjcis