Penulis Utama : Ivan Putra Minarso
NIM / NIP : M0521035
× <div><span xss=removed>Proses seleksi calon tenaga kesehatan merupakan tantangan yang kompleks karena </span><span xss=removed>melibatkan data kuantitatif, serta data kualitatif dari wawancara yang penuh dengan </span><span xss=removed>subjektivitas dan ketidakpastian. Untuk mengatasi keterbatasan metode konvensional, </span><span xss=removed>penelitian ini membandingkan efektivitas TOPSIS klasik dengan dua pendekatan </span><span xss=removed>fuzzy </span><span xss=removed>tingkat lanjut, </span><span xss=removed>Interval Type-2 Fuzzy Sets </span><span xss=removed>(IT2FS) + TOPSIS dan </span><span xss=removed>Spherical Fuzzy Sets </span><span xss=removed>(SFS) + TOPSIS. Lima skenario data dirancang untuk mencerminkan variasi dalam </span><span xss=removed>skor administratif dan wawancara, dengan lima konfigurasi bobot kriteria (misalnya </span><span xss=removed>50:50 dan 60:40). Setiap metode diterapkan pada kandidat per skenario untuk </span><span xss=removed>mengevaluasi stabilitas dan sensitivitas pemeringkatan. Hasil penelitian menunjukkan </span><span xss=removed>bahwa TOPSIS klasik menghasilkan pemeringkatan yang sangat stabil, tetapi tidak </span><span xss=removed>mengalami perubahan posisi kandidat meskipun ada variasi bobot, termasuk dalam </span><span xss=removed>skenario wawancara yang serupa. Sebaliknya, metode IT2FS-TOPSIS dan SFS, </span><span xss=removed>TOPSIS menunjukkan perubahan peringkat untuk kandidat menengah seperti A6 dan </span><span xss=removed>A7, serta kandidat B6 dan B9 yang berpindah dua posisi dalam skenario wawancara </span><span xss=removed>yang serupa. Temuan ini menunjukkan bahwa metode </span><span xss=removed>fuzzy </span><span xss=removed>mampu menangkap </span><span xss=removed>perubahan peringkat khususnya pada kandidat dengan skor tengah dan bawah, </span><span xss=removed>terutama dalam skenario dengan data wawancara yang bersifat subjektif. Secara </span><span xss=removed>keseluruhan, pemilihan ketiga metode dilakukan untuk membandingkan pendekatan </span><span xss=removed>deterministik (TOPSIS) dan pendekatan </span><span xss=removed>fuzzy </span><span xss=removed>(IT2FS dan SFS) yang lebih sensitif </span><span xss=removed>terhadap subjektivitas data, dengan hasil yang menunjukkan bahwa metode </span><span xss=removed>fuzzy </span><span xss=removed>lebih </span><span xss=removed>responsif terhadap variasi preferensi dan ketidakpastian dalam proses seleksi.</span></div>
×
Penulis Utama : Ivan Putra Minarso
Penulis Tambahan : -
NIM / NIP : M0521035
Tahun : 2025
Judul : Perbandingan Interval Type-2 Fuzzy Sets + TOPSIS, Spherical Fuzzy Sets + TOPSIS, dan TOPSIS Untuk Sistem Pendukung Keputusan Seleksi Calon Tenaga Kesehatan
Edisi :
Imprint : Surakarta - Fak. Teknologi Informasi dan Sains Data - 2025
Program Studi : S-1 Informatika
Kolasi :
Sumber :
Kata Kunci : IT2FS, pemilihan tenaga kesehatan, pengambilan keputusan fuzzy, SFS, TOPSIS.
Jenis Dokumen : Skripsi
ISSN :
ISBN :
Link DOI / Jurnal : http://-
Status : Public
Pembimbing : 1. Prof. Dr. Techn. Dewi Wisnu Wardani. S.Kom. M.S
Penguji : 1. Dr. Umi Salamah, S.Si. M.Kom.
2. Esti Suryani S.Si..M.Kom.
3. Endra Pratama S.Si. M.Cs.
Catatan Umum : -
Fakultas : Fak. Teknologi Informasi dan Sains Data
×
Halaman Awal : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Halaman Cover : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB I : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB II : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB III : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB IV : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB V : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB Tambahan : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Daftar Pustaka : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Lampiran : Harus menjadi member dan login terlebih dahulu untuk bisa download.