| NIM | H1D022017 |
|---|
| Namamhs | LUTHFI EMILLULFATA |
|---|
| Judul Artikel | Implementasi Hybrid Weighting System Berbasis Integrasi ROC, Random Forest, dan TOPSIS Pada Sistem Pendukung Keputusan Pemilihan Peserta Magang Terbaik di PT Wesclic Neotech Indonesia |
|---|
| Abstrak (Bhs. Indonesia) | 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 0,944. 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. |
|---|
| Abtrak (Bhs. Inggris) | The selection of the best interns often faces challenges of subjectivity and suboptimal utilization of historical data. This research aims to develop a website-based decision support system at PT Wesclic Neotech Indonesia using a hybrid weighting method that integrates Rank Order Centroid (ROC) and random forest. The system was developed using Laravel and FastAPI frameworks to connect data management with machine learning processing. The ROC method is utilized to determine initial criteria weights based on company priorities, while the random forest algorithm extracts objective weights through feature importance values, achieving a model accuracy rate of 0.944. The generated final weights are subsequently processed using the TOPSIS method to precisely determine the final ranking of the participants. Black-box testing results demonstrate that all functional features operate according to specifications. In conclusion, the implementation of this system provides a definitive solution for the HR department in generating transparent, objective, and measurable recommendations for selecting the best interns by utilizing actual data polarization. |
|---|
| Kata kunci | Hybrid Weighting, Laravel, Random Forest, ROC, Sistem Pendukung Keputusan, TOPSIS. |
|---|
| Pembimbing 1 | Drs. Ir. Eddy Maryanto, M.Cs. |
|---|
| Pembimbing 2 | Ir. Nur Alfi Ekowati, S.Kom., M.Sc. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2026 |
|---|
| Jumlah Halaman | 202 |
|---|
| Tgl. Entri | 2026-04-17 10:58:24.33636 |
|---|