Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
p-ISSN: 2302-0261, e-ISSN: 2303-3363.
DOI: https://doi.
org/10.
36054/jict-ikmi.
Analisis Penerapan Metode Moora dalam Seleksi Penerimaan Beasiswa Mahasiswa Badriah Nursakinah1*.
Habib Nurfaizal2.
Khairudin3 Program Studi Teknik Informatika.
Universitas Pamulang.
Indonesia Email: 1dosen02779@unpam.
id, 2dosen02807@unpam.
id, 3dosen02591@unpam.
INFORMASI ARTIKEL
Histori artikel:
Naskah masuk, 27 September 2025 Direvisi, 19 Desember 2025 Diiterima, 29 Desember 2025 Kata Kunci:
Decision Support System Scholarship Selection MOORA Method Multi Criteria Analysis ABSTRAK Abstract- Scholarship acceptance is an important instrument in supporting the success of higher education, both to motivate outstanding students and to help students with economic limitations.
However, the scholarship selection process often faces problems related to objectivity, transparency, and complexity of decision-making because it involves many assessment criteria.
This study aims to analyze the application of the Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) method in the selection of student scholarship admissions and assess its effectiveness as a decision support The study was conducted on 10 students as an alternative decision using five criteria, namely GPA, parental income, achievement, number of family dependents, and organizational activeness.
The calculation and ranking process is carried out using the Python programming language.
The results of the study showed that Fajar Ramadhan obtained the highest MOORA score and ranked first as the most recommended scholarship These findings prove that the MOORA method is able to produce objective, transparent, and measurable rankings, so that it is effectively used as an alternative solution in the scholarship selection process in higher Abstrak- Penerimaan beasiswa merupakan instrumen penting dalam mendukung keberhasilan pendidikan tinggi, baik untuk memotivasi mahasiswa berprestasi maupun membantu mahasiswa dengan keterbatasan Namun, proses seleksi beasiswa sering menghadapi permasalahan terkait objektivitas, transparansi, dan kompleksitas pengambilan keputusan karena melibatkan banyak kriteria penilaian.
Penelitian ini bertujuan untuk menganalisis penerapan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) dalam seleksi penerimaan beasiswa mahasiswa serta menilai efektivitasnya sebagai sistem pendukung keputusan.
Penelitian dilakukan terhadap 10 mahasiswa sebagai alternatif keputusan dengan menggunakan lima kriteria, yaitu IPK, penghasilan orang tua, prestasi, jumlah tanggungan keluarga, dan keaktifan organisasi.
Proses perhitungan dan perankingan dilakukan menggunakan bahasa pemrograman Python.
Hasil penelitian menunjukkan bahwa Fajar Ramadhan memperoleh skor MOORA tertinggi dan menempati peringkat pertama sebagai penerima beasiswa yang paling direkomendasikan.
Temuan ini membuktikan bahwa metode MOORA mampu menghasilkan perankingan yang objektif, transparan, dan terukur, sehingga efektif digunakan sebagai alternatif solusi dalam proses seleksi beasiswa di perguruan tinggi.
Copyright A 2025 LPPM - STMIK IKMI Cirebon This is an open access article under the CC-BY license Penulis Korespondensi:
Badriah Nursakinah Program Studi Teknik Informatika.
Universitas Pamulang Jl.
Raya Puspitek No.
Serpong.
Tangerang Selatan - Indonesia Email: dosen02779@unpam.
Pendahuluan Pendidikan tinggi memiliki peran strategis berkompeten, dan mampu bersaing di era global.
https://ejournal.
id/index.
php/jict-ikmi Salah satu instrumen penting dalam mendukung keberhasilan pendidikan tinggi adalah program beasiswa, baik sebagai bentuk apresiasi terhadap mahasiswa berprestasi maupun sebagai bantuan Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
bagi mahasiswa dengan keterbatasan ekonomi.
Beasiswa tidak hanya membantu meringankan beban biaya pendidikan, tetapi juga berperan dalam meningkatkan motivasi belajar dan prestasi akademik mahasiswa .
Oleh karena itu, proses seleksi penerima beasiswa harus dilakukan secara objektif, transparan, dan adil.
Pada praktiknya, seleksi beasiswa sering menghadapi kendala dalam aspek objektivitas dan Hal ini disebabkan oleh keterlibatan berbagai kriteria, seperti Indeks Prestasi Kumulatif (IPK), penghasilan orang tua, jumlah tanggungan keluarga, prestasi non-akademik, dan keaktifan Proses pengambilan keputusan yang dilakukan secara manual cenderung memakan waktu, rentan kesalahan, dan berpotensi menimbulkan subjektivitas .
Situasi ini menuntut adanya sistem yang mampu membantu proses seleksi dengan pendekatan yang lebih terstruktur dan terukur.
Untuk mengatasi permasalahan tersebut.
Sistem Pendukung Keputusan (SPK) dapat digunakan sebagai alat bantu yang mampu mengolah berbagai kriteria secara komprehensif .
SPK memungkinkan pengambil keputusan melakukan evaluasi secara sistematis berdasarkan bobot dan tingkat kepentingan masing-masing Salah satu metode yang banyak digunakan dalam SPK adalah Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA).
Metode ini menyelesaikan permasalahan multikriteria dengan cara membedakan kriteria benefit dan cost sehingga menghasilkan ranking yang lebih objektif .
Penelitian ini bertujuan untuk menganalisis penerapan metode MOORA dalam seleksi penerimaan beasiswa mahasiswa.
Secara khusus, penelitian ini berusaha menilai sejauh mana metode MOORA mampu memberikan hasil yang objektif, transparan, dan efisien dalam mendukung proses pengambilan keputusan.
Implementasi dilakukan dengan menggunakan bahasa pemrograman Python visualisasi, dan analisis data .
Novelty dari penelitian ini terletak pada kombinasi penerapan metode MOORA dengan pemrograman Python yang memberikan hasil analisis lebih akurat dan mudah divisualisasikan.
Berbeda dengan penelitian terdahulu yang hanya membahas perhitungan secara manual atau implementasi sederhana dalam aplikasi web, penelitian ini mengintegrasikan perhitungan, https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 visualisasi ranking, serta analisis korelasi antar Dengan demikian, penelitian ini tidak hanya memberikan hasil perankingan penerima beasiswa, tetapi juga menawarkan gambaran komprehensif mengenai hubungan antar variabel dalam proses seleksi.
Beberapa penelitian sebelumnya telah membahas penggunaan SPK dalam seleksi Penelitian oleh .
menggunakan metode Weighted Product (WP) untuk seleksi beasiswa, namun keterbatasannya terletak pada sensitivitas bobot yang tinggi.
Penelitian .
menerapkan metode MOORA, tetapi hasilnya kurang akurat ketika terdapat kriteria dengan skala berbeda.
Penelitian oleh .
menggunakan metode TOPSIS, namun metode ini sering menimbulkan hasil yang tidak stabil ketika bobot berubah.
Selanjutnya, penelitian oleh .
menggunakan metode AHPTOPSIS, namun prosesnya cukup kompleks dan memakan waktu.
Metode MOORA memiliki kelebihan berupa proses perhitungan yang sederhana, fleksibel, serta mampu membedakan kriteria benefit dan cost secara jelas.
Hal ini menjadikannya lebih efektif dibandingkan metode lain yang memerlukan normalisasi atau pembobotan yang lebih kompleks.
Dengan implementasi menggunakan Python, metode MOORA dapat menghasilkan perhitungan cepat, akurat, dan mudah divisualisasikan sehingga mempermudah pengambilan keputusan .
Penelitian ini diharapkan dapat memberikan kontribusi dalam bentuk solusi praktis bagi perguruan tinggi dalam meningkatkan kualitas proses seleksi beasiswa yang lebih objektif, transparan, dan efisien.
Metode Penelitian Metode penelitian ini diawali dengan identifikasi masalah dalam proses seleksi beasiswa yang masih kurang objektif dan transparan.
Data penelitian diperoleh dari 10 mahasiswa dengan lima kriteria utama, yaitu IPK, penghasilan orang tua, prestasi, jumlah tanggungan keluarga, dan keaktifan Data kemudian diproses melalui tahapan normalisasi, pemberian bobot, serta perhitungan optimasi menggunakan metode MOORA yang diimplementasikan dengan bahasa pemrograman Python.
Hasil perankingan alternatif mahasiswa sehingga dapat ditentukan penerima beasiswa terbaik secara objektif dan terukur.
Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
p-ISSN: 2302-0261 e-ISSN: 2303-3363 kepentingan, serta ditetapkan jenis kriteria .
enefit atau cos.
5 Penerapan Metode MOORA Langkah-langkah inti MOORA mencakup .
Menyusun matriks keputusan dari alternatif dan kriteria.
Melakukan normalisasi matriks.
Menghitung matriks terbobot dengan bobot Menentukan membedakan kriteria benefit dan cost.
Menghasilkan skor MOORA dan menyusun perankingan alternatif mahasiswa.
Gambar 1.
Tahapan Penelitian 1 Identifikasi Masalah Penelitian diawali dengan mengamati permasalahan dalam seleksi beasiswa yang masih dilakukan secara manual sehingga rentan subjektif, tidak transparan, dan sulit jika melibatkan banyak Dari sini ditetapkan kebutuhan untuk menggunakan Sistem Pendukung Keputusan (SPK) agar proses seleksi lebih objektif.
2 Studi Literature Tahap ini mencakup pengumpulan teori dan referensi dari jurnal, buku, maupun penelitian terdahulu mengenai SPK, metode Multi Criteria Decision Making (MCDM), khususnya MOORA 3 Pengumpulan Data Data penelitian terdiri dari 10 mahasiswa calon penerima beasiswa dengan lima kriteria C1: IPK .
C2: Penghasilan Orang Tua .
C3: Prestasi .
C4: Jumlah Tanggungan .
C5: Keaktifan Organisasi .
4 Pra Ae Pemrosesan Data Data yang diperoleh dilakukan pengecekan agar bebas dari nilai kosong dan kesalahan.
Selanjutnya data disiapkan untuk perhitungan dengan normalisasi agar setiap kriteria berada dalam skala yang sama.
Pada tahap ini juga https://ejournal.
id/index.
php/jict-ikmi 6 Implementasi dengan Python Seluruh perhitungan dilakukan menggunakan bahasa pemrograman Python dengan library seperti numpy, pandas, dan matplotlib/plotly .
Python digunakan untuk mempermudah perhitungan matematis, validasi hasil, serta menampilkan visualisasi berupa grafik ranking dan heatmap korelasi antar kriteria.
7 Analisis Hasil dan Kesimpulan Hasil perhitungan dianalisis untuk melihat mahasiswa dengan skor MOORA tertinggi sebagai penerima beasiswa.
Analisis juga menyoroti bagaimana tiap kriteria berkontribusi terhadap hasil ranking .
Kesimpulan menyatakan bahwa metode MOORA efektif memberikan hasil yang objektif dan transparan, serta dapat menjadi solusi alternatif bagi perguruan tinggi dalam pengambilan keputusan seleksi beasiswa .
Hasil dan Pembahasan Berikut adalah hasil dan diskusi peneliti mengenai riset yang dilakukan:
1 Kriteria dan Bobot Berikut adalah kriteria dan bobot untuk seleksi penerimaan beasiswa mahasiswa yang diperoleh dari hasil wawancara:
Tabel 1.
Kriteria dan Bobot
Kode
Kriteria
Jenis C1 IPK
Benefit
C2 Penghasilan Orang Tua
Cost
C3 Prestasi Non Akademik
Benefit
C4 Jumlah Tanggungan Benefit
C5 Keaktifan Organisasi
Benefit
Bobot
0/20
Penentuan bobot kriteria dilakukan berdasarkan tingkat kepentingan relatif setiap kriteria terhadap tujuan pemberian beasiswa, yang mengutamakan prestasi akademik sekaligus mempertimbangkan kondisi ekonomi mahasiswa.
Bobot ditetapkan Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
melalui pendekatan expert judgment dengan mengacu pada kebijakan umum seleksi beasiswa di perguruan tinggi dan studi literatur terkait.
Kriteria IPK (C.
diberikan bobot tertinggi sebesar 0,35 karena mencerminkan kemampuan akademik utama Penghasilan orang tua (C.
diberikan bobot 0,25 sebagai indikator kondisi ekonomi dan kebutuhan finansial.
Selanjutnya, prestasi nonakademik (C.
diberi bobot 0,20 untuk mengakomodasi capaian mahasiswa di luar Jumlah tanggungan keluarga (C.
dan keaktifan organisasi (C.
masing-masing diberi bobot 0,10 karena berfungsi sebagai faktor pendukung dalam pengambilan keputusan.
Total bobot seluruh kriteria bernilai 1,00 sehingga memenuhi prinsip proporsionalitas dalam metode MOORA.
2 Matriks Keputusan Seleksi Beasiswa Matriks Keputusan Seleksi Beasiswa merupakan representasi awal dari data mahasiswa yang akan diproses dalam metode MOORA.
Matriks ini memuat alternatif berupa 10 mahasiswa calon penerima beasiswa dan kriteria penilaian yang terdiri dari IPK, penghasilan orang tua, prestasi non-akademik, jumlah tanggungan keluarga, serta keaktifan organisasi.
Setiap baris dalam matriks menggambarkan kondisi masingmasing mahasiswa terhadap lima kriteria tersebut, sementara setiap kolom menunjukkan nilai numerik dari satu kriteria tertentu.
Penyusunan matriks keputusan ini sangat penting karena menjadi dasar untuk proses normalisasi, pembobotan, hingga perhitungan skor akhir.
Berikut adalah tabel matriks keputusan seleksi Tabel 2.
Matriks Keputusan Alternatif Andi Pratama Siti N Budi Santoso Rina Amelia Ahmad Fauzi Dewi kartika Joko Saputra Lestari Wulandari Fajar Ramadhan Maya S 3 Matriks Terbobot Matriks terbobot merupakan hasil perkalian antara nilai normalisasi pada setiap kriteria dengan bobot yang telah ditentukan sesuai tingkat Proses ini bertujuan agar setiap kriteria berkontribusi proporsional terhadap penilaian akhir sesuai prioritas yang ditetapkan.
Misalnya, kriteria IPK yang memiliki bobot https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 tertinggi sebesar 0,35 akan memberikan pengaruh lebih besar dibandingkan kriteria tanggungan atau organisasi yang bobotnya hanya 0,10.
Dengan demikian, matriks terbobot memberikan gambaran yang lebih adil dan seimbang, karena tidak hanya mempertimbangkan nilai murni mahasiswa, tetapi juga memperhitungkan prioritas kriteria yang paling relevan dengan tujuan seleksi beasiswa.
Hasil matriks terbobot ini kemudian menjadi dasar untuk menghitung nilai optimasi dalam metode MOORA melalui penjumlahan kriteria benefit dan pengurangan kriteria cost.
Alternatif Andi Pratama Siti N Budi Santoso Rina Amelia Ahmad Fauzi Dewi kartika Joko Saputra Lestari Wulandari Fajar Ramadhan Maya S Tabel 3.
Matriks Terbobot w_C3 w_C1 w_C2 w_C4 w_C5 4 Proses MOORA Menggunakan Python Hasil perhitungan metode MOORA pada seleksi penerimaan beasiswa menggunakan python menghasilkan peringkat yang menunjukkan bahwa Fajar Ramadhan (A.
memperoleh skor tertinggi dan menempati peringkat pertama, diikuti oleh Budi Santoso (A.
dan Joko Saputra (A.
Peringkat ini mencerminkan kombinasi kriteria akademik, ekonomi, dan non-akademik yang seimbang, di mana Fajar Ramadhan unggul karena memiliki IPK tinggi, prestasi akademik dan nonakademik yang menonjol, keaktifan organisasi, serta kondisi ekonomi keluarga dengan penghasilan rendah dan jumlah tanggungan besar.
Sebaliknya.
Dewi Kartika (A.
menempati posisi terbawah meskipun memiliki IPK cukup baik, karena penghasilan orang tua yang tinggi dan rendahnya nilai pada kriteria lain menurunkan skor akhir.
Temuan ini menegaskan bahwa metode MOORA mampu memberikan perankingan yang objektif dan transparan dengan mempertimbangkan kriteria benefit dan cost secara proporsional, sehingga hasil seleksi lebih adil sesuai dengan tujuan pemberian Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
Gambar 2.
Rangking Seleksi MOORA dengan Pyhton Heatmap korelasi antar kriteria memberikan gambaran hubungan statistik antara variabelvariabel yang digunakan dalam seleksi beasiswa, yaitu IPK, penghasilan orang tua, prestasi, jumlah tanggungan keluarga, dan keaktifan organisasi.
Visualisasi ini menunjukkan apakah antar kriteria memiliki hubungan yang positif, negatif, atau tidak Misalnya, korelasi positif antara IPK dan prestasi menunjukkan bahwa mahasiswa dengan prestasi akademik tinggi cenderung juga memiliki catatan prestasi non-akademik yang baik, sehingga kedua kriteria ini saling menguatkan dalam proses seleksi.
Sebaliknya, penghasilan orang tua sebagai kriteria cost biasanya menunjukkan korelasi negatif terhadap skor akhir, artinya semakin tinggi penghasilan maka kecenderungan memperoleh beasiswa semakin Analisis korelasi ini penting karena membantu memastikan tidak ada tumpang tindih berlebihan antar kriteria, sekaligus memberikan justifikasi bahwa setiap variabel yang dipilih memang memberikan kontribusi unik.
Dengan demikian, heatmap korelasi memperkuat validitas desain sistem pendukung keputusan berbasis MOORA karena memperlihatkan bagaimana interaksi antar kriteria memengaruhi hasil perankingan mahasiswa.
Gambar 3.
Heatmap Korelasi Menggunakan Pyhton https://ejournal.
id/index.
php/jict-ikmi p-ISSN: 2302-0261 e-ISSN: 2303-3363 Pengelompokkan mahasiswa dengan python disini menunjukkan bahwa data mahasiswa dipetakan menjadi beberapa kelompok .
berdasarkan kesamaan nilai kriterianya.
Setiap mahasiswa digambarkan sebagai titik, sementara centroid yang ditandai dengan simbol X merah mewakili pusat dari tiap cluster.
Mahasiswa yang berada dekat dengan centroid memiliki profil yang serupa dengan rata-rata nilai dalam kelompok Misalnya, cluster dengan centroid yang lebih condong ke arah IPK dan prestasi tinggi cenderung berisi mahasiswa yang unggul secara akademik, sedangkan cluster dengan centroid yang dekat dengan penghasilan tinggi cenderung berisi mahasiswa yang berasal dari keluarga mampu.
Visualisasi ini memperjelas pola distribusi dan perbedaan karakteristik antar kelompok mahasiswa, sehingga bisa digunakan untuk memperkuat analisis hasil MOORA dengan memberikan pandangan tambahan tentang segmentasi data penerima Gambar 4.
Cluster Penerimaan Beasiswa Kesimpulan Hasil penelitian menunjukkan bahwa metode MOORA dapat digunakan secara efektif untuk membantu proses pengambilan keputusan yang kompleks dengan melibatkan banyak kriteria.
Metode ini mampu mengintegrasikan kriteria benefit, seperti IPK, prestasi, jumlah tanggungan, dan keaktifan organisasi, dengan kriteria cost transparan, dan adil.
Berdasarkan hasil seleksi terhadap sepuluh mahasiswa.
Fajar Ramadhan memperoleh skor tertinggi dan menempati peringkat pertama, disusul oleh Budi Santoso dan Joko Saputra, sedangkan Dewi Kartika berada pada peringkat terakhir karena penghasilan orang tua yang tinggi dan nilai relatif rendah pada kriteria Selain menghasilkan perankingan yang Jurnal ICT : Information Communication & Technology Vol.
N0.
Desember 2025, pp.
jelas, penggunaan bahasa pemrograman Python terbukti mampu mempercepat proses perhitungan, mengurangi kesalahan manual, serta menyajikan hasil analisis dalam bentuk grafik ranking dan heatmap korelasi antar kriteria.
Meskipun demikian, penelitian ini memiliki beberapa keterbatasan, antara lain jumlah data mahasiswa yang masih terbatas yaitu 10 mahasiswa serta penentuan bobot kriteria yang didasarkan pada asumsi peneliti sehingga berpotensi menimbulkan Selain itu, metode MOORA yang digunakan belum mempertimbangkan unsur ketidakpastian dalam penilaian kriteria.
Oleh karena itu, penelitian selanjutnya disarankan untuk menggunakan jumlah data yang lebih besar, menerapkan metode pembobotan yang lebih objektif seperti AHP atau entropy, serta mengombinasikan MOORA dengan pendekatan fuzzy atau metode lain sebagai pembanding.
Pengembangan sistem pendukung keputusan berbasis web dan integrasi dengan data akademik real-time juga dapat menjadi arah penelitian lanjutan guna meningkatkan akurasi dan penerapan praktis dalam seleksi beasiswa.
Daftar Pustaka