Progresif: Jurnal Ilmiah Komputer Jl.
Ahmad Yani.
33,5 - Kampus STMIK Banjarbaru Loktabat Ae Banjarbaru (Tlp.
, e-mail: puslit.
stmikbjb@gmail.
e-ISSN: 2685-0877 p-ISSN: 0216-3284 Penerapan Metode ANP-SAW Untuk Rekomendasi Penerima Reward Bulanan Customer Pada Jasa Laundry Mhd.
Rafly Syah Pahlevi1*.
Abdul Halim Hasugian2 Ilmu Komputer.
UIN Sumatera Utara.
Deli Serdang.
Indonesia *e-mail Corresponding Author: mhdrafly.
sp@gmail.
Abstract This study discusses the application of the ANP-SAW method in the recommendation of monthly customer awards recipients in laundry services.
Analytical Network Process (ANP) is used to determine the weight criteria based on the relationship between factors, with the following weight results: frequency of visits .
, total expenditure .
, and customer satisfaction .
Furthermore, the Simple Additive Weighting (SAW) method is applied to rank customers based on the preference value obtained from data normalization and the calculation of the final score by summing the results of the multiplication between the normalization value and the weight of each criterion.
The first five customers in the dataset were analyzed using the SAW method, where the data included the number of visits, total expenditure, and level of satisfaction.
The results showed that customers with the highest SAW scores were customers who had higher frequency of visits and total expenditure, although customer satisfaction also contributed to the ranking.
The implementation of this method is expected to help laundry managers in increasing customer loyalty and providing more targeted With this system, business owners can efficiently assess and select the best customers based on predetermined criteria, thereby encouraging an increase in service quality and overall customer satisfaction.
Keywords: ANP-SAW.
Reward.
Customer.
Laundry Abstrak Penelitian ini membahas penerapan metode ANP-SAW dalam rekomendasi penerima penghargaan bulanan pelanggan pada layanan laundry.
Analytical Network Process (ANP) digunakan untuk menentukan bobot kriteria berdasarkan hubungan antar faktor, dengan hasil bobot sebagai berikut: frekuensi kunjungan .
, total pengeluaran .
, dan kepuasan pelanggan .
Selanjutnya, metode Simple Additive Weighting (SAW) diterapkan untuk melakukan perangkingan pelanggan berdasarkan nilai preferensi yang diperoleh dari normalisasi data dan perhitungan skor akhir dengan menjumlahkan hasil perkalian antara nilai normalisasi dan bobot masing-masing kriteria.
Lima pelanggan pertama dalam dataset dianalisis menggunakan metode SAW, di mana data mereka mencakup jumlah kunjungan, total pengeluaran, dan tingkat kepuasan.
Hasil penelitian menunjukkan bahwa pelanggan dengan skor SAW tertinggi merupakan pelanggan yang memiliki frekuensi kunjungan dan total pengeluaran yang lebih tinggi, meskipun kepuasan pelanggan juga memberikan kontribusi dalam penentuan peringkat.
Implementasi metode ini diharapkan dapat membantu pengelola laundry dalam meningkatkan loyalitas pelanggan serta memberikan apresiasi yang lebih tepat Dengan adanya sistem ini, pemilik usaha dapat secara efisien menilai dan memilih pelanggan terbaik berdasarkan kriteria yang telah ditentukan, sehingga mendorong peningkatan kualitas layanan dan kepuasan pelanggan secara keseluruhan.
Kata Kunci: ANP-SAW.
Reward.
CustomerAo Laundry Pendahuluan Kemajuan teknologi saat ini telah memberikan dampak yang signifikan pada berbagai sektor, termasuk bisnis jasa seperti laundry.
Teknologi tidak hanya membantu dalam operasional bisnis, tetapi juga dalam meningkatkan pengalaman dan kepuasan pelanggan.
Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi Progresif e-ISSN: 2685-0877 Salah satu inovasi yang berkembang adalah sistem penghargaan .
berbasis teknologi, yang bertujuan untuk meningkatkan loyalitas pelanggan sekaligus memperluas basis customer.
Dalam dunia bisnis jasa yang semakin kompetitif, strategi ini menjadi salah satu kunci untuk mempertahankan keunggulan kompetitif.
Lubis Laundry, sebagai salah satu penyedia jasa laundry di kota ini, telah mengadopsi sistem reward dalam operasionalnya.
Saat ini, sistem reward yang diterapkan menggunakan voucher kartu sebagai bentuk apresiasi kepada pelanggan loyal.
Dalam sistem ini, pelanggan yang memenuhi syarat tertentu, seperti jumlah transaksi atau nominal tertentu, akan mendapatkan kartu voucher yang dapat digunakan untuk diskon pada transaksi berikutnya.
Proses ini dilakukan secara manual, dimulai dari pencatatan data pelanggan yang dilakukan menggunakan buku catatan atau lembar kerja digital sederhana seperti spreadsheet.
Data ini mencakup informasi transaksi pelanggan, seperti jumlah dan frekuensi pemesanan.
Namun, sistem ini masih bersifat manual, di mana data pelanggan dan kriteria penilaian disimpan dan dikelola secara manual tanpa bantuan teknologi otomatisasi.
Hal ini menyebabkan beberapa permasalahan, seperti sering terjadi kesalahan dalam pencatatan atau perhitungan jumlah transaksi pelanggan, pemilihan pelanggan yang layak menerima voucher membutuhkan waktu yang lama karena harus dilakukan secara manual, kurangnya objektivitas tanpa adanya analisis data yang terstruktur, sehingga tidak sepenuhnya adil bagi semua pelanggan, dan sulit diterapkan jika jumlah pelanggan meningkat karena pengelolaan data menjadi lebih kompleks dan rentan terhadap kesalahan.
Untuk mengatasi permasalahan tersebut, diperlukan sebuah sistem yang mampu mendukung pengambilan keputusan secara objektif dan efisien.
Sistem Pendukung Keputusan (SPK) merupakan solusi yang tepat untuk mengatasi tantangan ini.
SPK memungkinkan pengolahan data pelanggan berdasarkan kriteria-kriteria tertentu, seperti jumlah transaksi, frekuensi kunjungan, total pengeluaran, dan sebagainya.
Dengan bantuan SPK, pemilihan pelanggan terbaik dapat dilakukan secara sistematis dan transparan.
Tinjauan Pustaka Penelitian yang berjudul AuRANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN REKOMENDASI AGENT TERBAIK DENGAN METODE ANALYTIC NETWORK PROCESS SIMPLE ADDITIVE WEIGHTING (ANP-SAW) PADA PT ASURANSI SINAR MASAy oleh (Oliver.
Hasil dari penelitian ini menghasilkan sistem pendukung keputusan berbasis web yang dapat memberikan rekomendasi agen terbaik di PT Asuransi Sinar Mas.
Sistem ini memanfaatkan metode ANP-SAW untuk mengoptimalkan penilaian berbagai kriteria seperti jumlah klien yang diakuisisi, tingkat retensi klien, dan produktivitas agen.
Metode ANP digunakan untuk menentukan bobot antara kriteria yang saling bergantung, sementara SAW digunakan untuk menghasilkan peringkat agen berdasarkan kriteria yang telah diberi bobot.
Sistem ini dilengkapi dengan fitur utama seperti Input Kriteria dan Bobot.
Proses Perhitungan ANP-SAW.
Ranking Agen.
Laporan, dan Visualisasi.
Penelitian yang berjudul AuSistem Pendukung Keputusan Rekomendasi Upaya Peningkatan Mutu Pendidikan Program Kampus Mengajar Dengan Metode ANP-SAWAy oleh (Sembiring.
Sembiring, & Wandira, 2.
Hasil dari penelitian ini adalah menggunakan metode ANP-SAW untuk merekomendasikan upaya peningkatan mutu pendidikan di sekolah-sekolah yang terlibat dalam Program Kampus Mengajar.
Metode ANP-SAW memprioritaskan sekolah dengan infrastruktur yang kurang memadai, tingkat kepuasan guru yang rendah, dan evaluasi negatif terhadap mahasiswa pengajar.
Dengan ANP, hubungan antar kriteria dapat dianalisis, sedangkan SAW memberikan perhitungan berbobot untuk memperoleh rekomendasi yang lebih terstruktur dan akurat.
Penelitian yang berjudul AuSistem Informasi Pengambilan Keputusan Pemilihan Salesman Terbaik Menggunakan Metode ANP-SAW Di PT.
Central Satrya PerdanaAy oleh (Nurasiah.
Winanti, & Andiyani, 2.
Hasil dari penelitian ini menunjukkan bahwa salesman dengan nilai tertinggi berdasarkan metode ANP-SAW adalah yang paling konsisten dalam mencapai target penjualan, mendapatkan tingkat kepuasan pelanggan tinggi, dan menunjukkan kedisiplinan yang baik.
Sistem berbasis ANP-SAW ini memberikan penilaian yang lebih objektif dan transparan, yang mempermudah manajemen dalam membuat keputusan terkait penghargaan dan pengembangan karyawan.
Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi 274 e-ISSN: 2685-0877 Penelitian yang berjudul AuImplementasi Metode ANP-SAW Dalam Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Pada PT.
Cindyani Tiwi LestariAy oleh (Sukiakhy.
Jummi, & Utami, 2.
Hasil dari penelitian ini adalah bahwa sistem yang dihasilkan mampu memberikan rekomendasi yang objektif dan akurat dalam memilih karyawan terbaik.
Dengan metode ANP-SAW, penilaian karyawan dilakukan berdasarkan berbagai kriteria seperti kinerja, produktivitas, dan penilaian rekan kerja, yang menghasilkan keputusan yang lebih akurat dan dapat diandalkan.
Penelitian yang berjudul AuPenerapan Metode ANP-SAW untuk Merekomendasikan Penentuan Supplier Bahan Baku Kertas Ay oleh (Utari & Agustriani, 2.
Hasil dari penelitian ini adalah menghasilkan peringkat supplier bahan baku kertas yang membantu perusahaan memilih supplier terbaik berdasarkan prioritas seperti kualitas bahan, kehandalan waktu pengiriman, dan harga.
Metode ANP-SAW membantu perusahaan dalam mengelola trade-off antar kriteria sehingga supplier yang dipilih memiliki keunggulan kompetitif dalam memenuhi kebutuhan perusahaan.
Metodologi Pada penelitian ini menggunakan metode penelitian Research and Development (R&D) adalah suatu proses sistematis yang melibatkan kegiatan penelitian dan pengembangan untuk menghasilkan produk.
Proses ini meliputi tahapan pra-penelitian, perencanaan, pengembangan, dan evaluasi untuk mencapai tujuan yang spesifik dan berguna bagi Penelitian ini dilaksanakan di Lubis Laundry yang beralamat Jl.
Matahari Raya Komplek Acasia Shop No.
12 F Medan Helvetia.
Kota Medan.
Provinsi Sumatera Utara.
Indonesia.
Tahapan pada penelitian ini yaitu:
Studi literatur, pada tahap ini peneliti menggunakan sumber literatur berupa bukubuku, jurnal dan karya ilmiah lainnya.
Teknik pengumpulan data, pada tahap ini, pengumpulan data yang dilakukan penulis adalah dengan melakukan observasi.
Pembentukan aturan, pembentukan aturan digunakan untuk mendefinisikan proses pencarian atau menentukan identitas.
Dapat diketahui terdapat tiga kriteria dalam menentukan pemberian reward yaitu frekuensi kunjungan, total pengeluaran dan jumlah item yang dicuci berlandaskan pada urutan yang telah ditentukan.
Pemodelan sistem, sistem akan memulai dengan memulai Start, kemudian input nilai variabel.
Setelah itu, sistem akan hitung nilai probabilitas kriteria Akhirnya, sistem akan menampilkan hasil perhitungan yang diperlukan.
Pengujian, tahap ini melibatkan pengukuran untuk membuat sistem dapat dijalankan terhadap tujuan yang ingin dicapai, dan dilakukan dengan menggunakan metode uji coba, di mana hasilnya dibandingkan dengan temuan Hasil dan Pembahasan 1 Hasil Untuk seluruh data, perhitungan dilakukan dengan menggunakan metode Simple Additive Weighting (SAW).
Berikut adalah hasil nilai akhir untuk pelanggan teratas:
Nama Lengkap Tabel 1.
Sampel Data
Nilai Akhir Peringkat
Niko Wijayanto
0,98567592
Qorya Dwi
0,87323204
Rizki Mawarni 0,80561758 Abdurrahman Sulaiman 0,755732376 Zaki Ahmad
0,729129673
0,075277192
Amar Saputra Progresif: Vol.
No.
Februari 2025: 272-281 Progresif e-ISSN: 2685-0877 Implementasi sistem dalam penelitian ini menggunakan metode Analytic Network Process (ANP) dan Simple Additive Weighting (SAW) untuk merekomendasikan penerima reward bulanan bagi pelanggan jasa laundry.
Berikut adalah tampilan sistem yang mencakup beberapa fitur utama.
Tampilan Login .
Tampilan Dashboard Tampilan Kriteria .
Tampilan Perbandingan Kriteria Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi 276 e-ISSN: 2685-0877 Tampilan Perhitungan ANP Tampilan Upload Alternatif .
Tampilan Data Alternatif .
Tampilan Perhitungan SAW Progresif: Vol.
No.
Februari 2025: 272-281 Progresif e-ISSN: 2685-0877 Tampilan Profil Pengujian sistem dilakukan dengan metode Black Box Testing untuk memastikan bahwa setiap menu dan fungsi dalam sistem bekerja sesuai dengan yang diharapkan tanpa memperhatikan struktur internal atau kode program.
Fokus pengujian ini adalah untuk memverifikasi apakah output yang dihasilkan sesuai dengan input yang diberikan dan apakah sistem mampu menangani berbagai skenario pengguna yang mungkin terjadi.
Tabel 2.
Black Box Testing Kasus Uji Hasil yang Diharapkan Hasil yang Diperoleh Login Masukkan dan password yang benar Sistem masuk dan ke dashboard Sistem berhasil login dan mengarahkan ke Login Masukkan yang benar dan password Login Masukkan yang salah dan password Login Masukkan dan password yang salah Dashboard Arahkan ke setelah login Menu Dashboard Kriteria Verifikasi apakah grafik Tambahkan kriteria baru Sistem "Password Sistem "Username tidak terdaftar" Sistem "Username atau Password Sistem status reward, dan grafik Status Pengujian Lulus Pesan "Password salah" muncul dengan benar Lulus Pesan "Username tidak muncul dengan Lulus Pesan "Username atau Password salah" muncul dengan Lulus Informasi yang sesuai dengan data yang ada di Lulus Grafik kinerja dengan benar Grafik kinerja muncul dengan Lulus Kriteria baru muncul dalam Kriteria baru Lulus Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi 278 e-ISSN: 2685-0877 Kasus Uji Hasil yang Diharapkan Hasil yang Diperoleh dan simpan daftar kriteria dan muncul dalam daftar Menu Kriteria Ubah bobot kriteria dan Kriteria Hapus kriteria dan verifikasi Perhitungan ANP Perhitungan ANP Masukkan antar kriteria dan simpan Verifikasi jika tidak Bobot kriteria terubah dan dengan benar Kriteria yang dihapus tidak lagi muncul dalam daftar Nilai prioritas dihitung dan Sistem peringatan jika melebihi batas Status Pengujian Bobot kriteria berhasil diubah dan disimpan Lulus Kriteria yang dihapus berhasil hilang dari daftar Lulus Nilai prioritas dihitung dengan benar dan Lulus Peringatan muncul ketika nilai tidak Lulus 2 Pembahasan Metode ANP-SAW digunakan dalam penelitian ini untuk menentukan pelanggan terbaik yang berhak menerima reward bulanan di Lubis Laundry.
Kriteria yang digunakan dalam sistem rekomendasi ini meliputi frekuensi kunjungan, total pengeluaran, dan kepuasan pelanggan, yang masing-masing memiliki peran penting dalam menilai loyalitas pelanggan.
Metode Analytical Network Process (ANP) digunakan untuk menentukan bobot dari setiap kriteria berdasarkan hubungan antar faktor yang mempengaruhi keputusan, sedangkan Simple Additive Weighting (SAW) digunakan untuk melakukan perhitungan akhir guna mendapatkan peringkat pelanggan terbaik.
Dengan kombinasi kedua metode ini, sistem dapat memberikan rekomendasi yang lebih objektif dan akurat dibandingkan dengan metode manual yang selama ini digunakan.
Sumber data diperoleh dari catatan transaksi dan survei kepuasan pelanggan yang dilakukan secara berkala.
Berikut data yang diperoleh pada tabel 4.
Tabel 3.
Data Sample Customer Nama Lengkap CUST-001
Andi Pratama
CUST-002
Budi Santoso
CUST-003
Chandra Wijaya
CUST-004
Dina Sari
Alamat
HP/WA
Jl.
Abdul Haris Nasution.
Medan Jl.
Dr.
Mansyur.
Medan Jl.
Ring Road.
Medan Jl.
Ring Road.
Medan Progresif: Vol.
No.
Februari 2025: 272-281 Freku Kunju Total Pengeluaran (IDR) Rp1.
Rp756.
Rp1.
Rp727.
Kep
Pela
Progresif
CUST-005
e-ISSN: 2685-0877 Eka Nurwinda Jl.
Ring Road.
Medan Zita Nurani Jl.
Abdul Haris Nasution.
Medan Rp1.
CUST-200
Rp649.
Bobot kriteria dihitung dengan mengambil rata-rata dari nilai normalisasi setiap baris:
Frekuensi Kunjungan:
Total Pengeluaran:
Kepuasan Pelanggan:
Pada penelitian ini, data yang digunakan adalah data pelanggan dari jasa laundry yang mencakup informasi mengenai nama lengkap, frekuensi kunjungan, total pengeluaran, dan tingkat kepuasan pelanggan.
Berikut adalah 5 data pertama yang diambil dari file Excel untuk keperluan pemodelan:
Tabel 4.
Data Pemodelan Nama Lengkap Frekuensi Kunjungan Total Pengeluaran (IDR) 1,389,145 756,077 1,828,440 727,959 1,980,249 Andi Pratama Budi Santoso Chandra Wijaya Dina Sari Eka Nurwinda Kepuasan Pelanggan Metode Analytic Network Process (ANP) digunakan untuk menentukan bobot kriteria yang akan digunakan dalam proses perhitungan.
Berdasarkan perhitungan yang telah dilakukan, diperoleh bobot kriteria sebagai berikut:
Frekuensi Kunjungan: 0.
Total Pengeluaran: 0.
Kepuasan Pelanggan: 0.
Sebelum melakukan perhitungan lebih lanjut, data perlu dinormalisasi untuk memastikan bahwa semua kriteria memiliki skala yang sama.
Normalisasi dilakukan dengan menggunakan .
Untuk kriteria benefit:
Untuk kriteria cost:
Karena semua kriteria dalam kasus ini adalah benefit dimana arti benefit semakin tinggi semakin baik, maka rumus normalisasi yang digunakan adalah:
Berikut langkah normalisasi:
Frekuensi Kunjungan Nilai maksimum = 30 .
ari Niko Wijayanto.
Kania Fitriani.
Usman Haris.
Sandra Kumala, dan beberapa lainny.
Normalisasi = Frekuensi Kunjungan / 30 .
Total Pengeluaran Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi 280 e-ISSN: 2685-0877 Nilai maksimum = 1,980,249 .
ari Eka Nurwind.
Normalisasi = Total Pengeluaran / 1,980,249 .
Kepuasan Pelanggan Nilai maksimum = 5.
ari Melinda Harahap.
Taufik Hidayat.
Tania Lestari, dan beberapa lainny.
Normalisasi = Kepuasan Pelanggan / 5.
Tabel 5.
Hasil normalisasi 5 data pertama Frekuensi Nama Lengkap Total Pengeluaran (IDR) Kepuasan Pelanggan Kunjungan Andi Pratama 22/30 = 0.
1,389,145/1,980,249 = 0.
1/5.
0 = 0.
Budi Santoso 15/30 = 0.
756,077/1,980,249 = 0.
4/5.
0 = 0.
Chandra Wijaya 23/30 = 0.
1,828,440/1,980,249 = 0.
0/5.
0 = 0.
Dina Sari 8/30 = 0.
727,959/1,980,249 = 0.
2/5.
0 = 0.
Eka Nurwinda 4/30 = 0.
1,980,249/1,980,249 = 1.
7/5.
0 = 0.
Setelah normalisasi, nilai akhir dihitung menggunakan metode Simple Additive Weighting (SAW) dengan rumus:
Nilai Akhir = (Frekuensi KunjunganyBobot Frekuens.
(Total PengeluaranyBobot Pengeluara.
(Kepuasan PelangganyBobot Kepuasa.
Hasil Perhitungan Nilai Akhir .
Data Pertam.
Andi Pratama:
=0.
046=0.
Budi Santoso:
=0.
065=0.
Chandra Wijaya:
=0.
030=0.
Dina Sari:
=0.
062=0.
Eka Nurwinda:
=0.
055=0.
Simpulan Berdasarkan hasil pengujian dan implementasi sistem menggunakan metode ANP dan SAW untuk rekomendasi penerima reward bulanan pada jasa laundry, dapat disimpulkan bahwa sistem berfungsi dengan baik dan memenuhi semua tujuan yang ditetapkan.
Semua menu, termasuk login, dashboard, kriteria, perhitungan ANP.
SAW, dan profil, telah diuji menggunakan Black Box Testing dan menghasilkan output yang sesuai dengan harapan.
Pengujian berhasil menunjukkan bahwa sistem dapat menghitung dan merekomendasikan pelanggan yang layak menerima reward berdasarkan kriteria yang telah ditentukan, serta mengelola data pelanggan dengan akurat dan efisien.
Dengan demikian, sistem ini siap digunakan untuk mendukung keputusan dalam memberikan reward kepada pelanggan secara transparan dan adil.
Daftar Referensi .
Apriyanto.
Pudoli.
, & Kusumaningsih.
Rekomendasi Reward Menggunakan Metode SAW dengan Kode OTP Via Telegram sebagai Pengamanan Login Menggunakan Algoritme SHA1.
JURNAL BIT, 18.
, 73-79.
Ardhy.
, & Efendi.
Pemberian Reward Terhadap Karyawan Terbaik dengan Menggunakan Metode Simple Additive Weighting (SAW).
Aziz.
, & Purnomo.
Sistem Penunjang Keputusan Penentuan Reward bagi Mitra Terbaik Menggunakan Metode Simple Additive Weighting (SAW).
FASILKOM, 11.
, 9196.
Jurnal Sistem Informasi Institut Informatika dan Bisnis Darmajaya, 2.
, 176-181.
Progresif: Vol.
No.
Februari 2025: 272-281 Progresif e-ISSN: 2685-0877 Panggabean.
Manalu.
, & Mesran.
Penerapan Metode Simple Additive Weighting (SAW) dalam Pemberian Reward bagi Pegawai Honorer Menggunakan Pembobotan Rank Order Centroid.
Jurnal Media Informatika Budidarma, 5.
, 1667-1673.
Rifqo.
Prabowo.
, & Dernata.
Sistem Pendukung Keputusan untuk Pemberian Reward Kader Terbaik Organisasi Ikatan Mahasiswa Muhammadiyah Kota Bengkulu Menggunakan Algoritma Simple Additive Weighting.
JTIS, 2.
, 81-88.
Sholikhah.
Satyareni.
, & Anugerah.
Perancangan Sistem Pendukung Keputusan Pemilihan Pelanggan Terbaik Menggunakan Metode Simple Additive Weighting (SAW) pada Bravo Supermarket Jombang.
Jurnal Ilmiah Teknologi Sistem Informasi, 2.
, .
Umar.
Herman, & Abdurrachman.
Sistem Pendukung Keputusan Pemilihan Apoteker Terbaik Menggunakan Metode Simple Additive Weighting (SAW).
Jurnal Teknik Komputer AMIK BSI, 8.
, 181-185.
Windarto.
Implementasi Metode TOPSIS dan SAW dalam Memberikan Reward Pelanggan.
KLIK, 4.
, 88-101.
Yusran.
Metode Simple Additive Weighting Pemberian Reward Karyawan Dalam Strategi Pemasaran Produk Kepada Konsumen.
JURIKOM, 9.
, 2211-2217.
Yusran.
, & Yusran.
Metode Simple Additive Weighting (SAW) dalam Pemberian Reward Berdasarkan Hasil Kerja Karyawan PT.
Berkah.
MEANS, 8.
, 162-166.
Penerapan Metode ANP-SAW Untuk Rekomendasi a.
Mhd.
Rafly Syah Pahlevi