Abstract:Abstract: Pulau Kopung Sentajo Village Government in determining communities recipients of Direct Cash Assistance (BLT) has not used a computerized system so that in decision making errors will often occur in the suitability…
lity criteria for potential BLT recipients. So things like this will increase the possibility that poor or underprivileged people will lose out to people who live better lives and also take a lot of time because they still use manual systems. In terms of the report produced, it does not display the criteria for potential recipients clearly and in detail. In solving the problem, a decision support system will be used using the simple additive weighting method. So this research produces a computerized system to support decision making that determines people's suitability as recipients of direct cash assistance. With this computerized system, it will make it easier to determine the eligibility of people receiving Direct Cash Assistance and produce effective reports with calculations that comply with existing criteria. By implementing this computerized decision support system, 7 people are recommended who are eligible to receive direct cash assistance with the highest score of 2,875 and the lowest score of 2,750 so that these results can assist the village head in determining the community's suitability as recipients of direct cash assistance.
Keywords: assistance; BLT; SAW; FMADM;
Abstrak: Pemerintah Desa Pulau Kopung Sentajo dalam menentukan masyarakat sebagai penerima Bantuan Langsung Tunai (BLT) belum menggunakan sistem yang terkomputerisasi sehingga dalam pengambilan keputusan akan sering terjadi kesalahan dalam perbandingan kriteria kesesuaian calon penerima BLT. Sehingga hal seperti ini akan memperbesar kemungkinan masyarakat miskin atau kurang mampu akan kalah dengan masyarakat yang kehidupannya lebih baik dan juga memakan banyak waktu karena masih menggunakan sistem manual. Dari segi laporan yang dihasilkan, tidak menampilkan kriteria calon penerima secara jelas dan rinci. Dalam penyelesaian masalah akan digunakan sistem penunjang keputusan dengan metode simple additive weighting. Maka dengan penelitian ini menghasilkan sistem yang terkomputerisasi untuk mendukung pengambilan keputusan menentukan kelayakan masyarakat sebagai penerima bantuan langsung tunai. Dengan sistem yang terkomputerisasi ini, maka akan memberikan kemudahan dalam menentukan kelayakan masyarakat penerima Bantuan Langsung Tunai dan menghasilkan laporan yang efektif dengan perhitungan yang sesuai dengan kriteria yang ada. Dengan penerapan sistem pendukung keputusan yang terkomputerisasi ini maka direkomendasikan 7 orang yang layak menerima bantuan langsung tunai dengan skor tertinggi 2,875 dan skor terendah 2,750 sehingga hasil tersebut dapat membantu kepala desa dalam menentukan kelayakan masyarakat sebagai penerima bantuan tunai langsung.
Kata Kunci: bantuan; BLT; SAW; FMADM
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: The PMKS Orphan Data Collection System is specifically designed to collect data on orphans in Central Lombok Regency. Although it has been around since its creation, there has been no assessment made of the quality…
lity of this system. Therefore, this study aims to analyze the quality of the PMKS Data Collection Information System for Orphans using the WebQual 4.0 method and Importance Performance Analysis (IPA). This study aims to identify factors that affect system service quality, focusing on four WebQual 4.0 variables, namely usability, information quality, service interaction, and User Satisfaction. Data was collected through distributing questionnaires and analyzed using IPA methods to assess users' views and expectations of the system. The results of the analysis showed that overall, the quality of this system was rated very good with the Webqual Index score reaching a score of 77%. However, there are certain areas that still need improvement, the PMKS Data Collection System for Orphans has a con- formity rate of 98% and an average gap value (GAP) - 0.06929. Priority is directed at quadrant I and quadrant 3. Improvement recommendations can be made by prioritizing indicators found in quadrants I and III based on the results of the IPA analysis. Thus, effective improvement efforts can be directed to improve the quality of the PMKS Data Collection System for Orphans in accord with user expectations.
Keywordss: analysis; Imprtance Performance Analysis (IPA); orphans; PMKS; WebQual 4.0
Abstrak: Sistem Pendataan PMKS Anak Yatim-Piatu dirancang khusus untuk mengumpulkan data anak yatim di Kabupaten Lombok Tengah. Meskipun telah ada sejak pembuatannya, belum ada penilaian yang dilakukan terhadap kualitas sistem ini. Karena itu, penelitian ini bertujuan untuk menganalisis kualitas Sistem Informasi Pendataan PMKS Anak Yatim-Piatu dengan menggunakan metode WebQual 4.0 dan Importance Performance Analysis (IPA). Penelitian ini memiliki tujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kualitas layanan sistem, dengan fokus pada empat variabel WebQual 4.0, yaitu usability, information quality, service interaction, dan User Satisfaction. Data dikumpulkan melalui menyebarkan kuesioner dan dianalisis dengan metode IPA untuk menilai pandangan dan harapan pengguna terhadap sistem. Hasil analisis menunjukkan bahwa secara keseluruhan, kualitas sistem ini dinilai sangat baik dengan nilai Webqual Index mencapai skor 77%. Namun, terdapat area tertentu yang masih memerlukan perbaikan, Sistem Pendataan PMKS Anak Yatim-Piatu memiliki tingkat kesesuaian sebesar 98% dan nilai rata-rata kesenjangan (GAP) -0.06929. Prioritas perbaikan diarahkan pada kuadran I dan kuadran 3. Rekomendasi perbaikan dapat dilakukan dengan memprioritaskan indikator yang ditempatkan pada kuadran I dan III berdasarkan hasil analisis IPA. Dengan demikian, upaya perbaikan yang efektif dapat diarahkan untuk meningkatkan kualitas Sistem Pendataan PMKS Anak Yatim-Piatu sesuai dengan harapan pengguna.
Kata kunci : anak yatim-piatu; analisis; Importance Performance Analisis (IPA); PMKS; WebQual
Abstract:Abstract: The advancement of information technology and knowledge has facilitated the production of quality information. The use of information technology has penetrated all fields, especially in the teaching domain at higher…
igher education institutions, aiding in valuable decision-making processes. This research focuses on STMIK Royal Kisaran, which faces challenges in increasing the number of doctoral-educated lecturers. To address this limitation, the study explores the implementation of a Decision Support System (DSS) using the Profile Matching method. Lecturers in higher education play a crucial role in providing education, conducting research, and contributing to society. In an effort to enhance the qualifications of lecturers, this research designs a Decision Support System using the Profile Matching method. The aim of this research is to provide recommendations for prospective lecturer candidates to pursue a Doctoral degree based on criteria factors such as length of service, functional position, research score, dedication score, age, and recognition score. Data from 46 lecturers at STMIK Royal Kisaran who meet the criteria are used to test the validity and effectiveness of the Decision Support System (DSS). Through structured analysis, it is demonstrated that the Decision Support System using the Profile Matching method successfully provides recommendations for suitable lecturer candidates to pursue doctoral studies.
Keywords : decision support systems; higher education; information Technology; lecturer qualifications; profile matching.
Abstrak: Kemajuan teknologi informasi dan ilmu pengetahuan telah menghadirkan kemudahan dalam menghasilkan informasi yang berkualitas, penggunaan teknologi informasi sudah memasuki segala bidang terutama bidang pengajaran pada perguruan tinggi dan membantu pengambilan keputusan yang bernilai. Penelitian ini berfokus pada STMIK Royal Kisaran yang mengalami kendala dalam meningkatkan jumlah dosen berpendidikan Doktor. Untuk mengatasi keterbatasan tersebut, penelitian ini mengeksplorasi penerapan Sistem Pendukung Keputusan (DSS) dengan menggunakan metode Profile Matching. Dosen pada pendidikan tinggi mempunyai peran penting dalam memberikan pendidikan, melakukan penelitian, dan memberikan kontribusi kepada masyarakat. Dalam upaya meningkatkan kualifikasi dosen, penelitian ini merancang Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching. Penelitian ini bertujuan untuk memberikan rekomendasi kandidat calon dosen untuk mengejar gelar Doktor dengan berlandaskan faktor kriteria seperti lama kerja, jabatan fungsional, nilai penelitian, nilai pengabdian, umur, dan nilai rekognisi. Data dari 46 dosen STMIK Royal Kisaran yang memenuhi kriteria digunakan untuk menguji validitas dan efektivitas Sistem Pendukung Keputusan (SPK). Melalui analisis terstruktur, menunjukkan bahwa Sistem Pendukung Keputusan menggunakan metode Profile Matching berhasil memberikan rekomendasi calon dosen yang layak direkomendasikan untuk melanjutkan studi ke jenjang Doktor.
Kata Kunci : kualifikasi dosen; pencocokan profil; pendidikan yang lebih tinggi; sistem pendukung keputusan; teknologi Informasi.
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.
Abstract:Abstract: Since information and communication technology has become ingrained in our daily lives, it has become easier to access information. However, there are some concerns. One of them is about fake news. The aim of this…
his study is to develop an Indonesian system for detecting false news by utilizing news headlines. The methods used are linear kernel support vector ma- chine and n-gram. According to the findings of the performance test that was carried out, the linear kernel support vector machine model employing the term frequency inverse document frequency unigram feature performs better than utilizing bigram. The precision value generated from the model performance test is 1.00. This means that the degree of accuracy in matching the requested information regarding fake news detection with the answers provided by the system is very good. Then the recall value generated is 0.99. This means the linear kernel support vector machine model using unigram news features is very effective for detecting fake news according to the text classification approach.
Keywords: classification; fake news; n-gram; support vector machine
Abstrak: Dengan adanya integrasi teknologi informasi dan komunikasi dalam kehidupan mem- buat kemudahan dalam mengakses informasi. Walaupun demikian, terdapat kekhawatiran akan beberapa hal. Salah satu di antaranya adalah berita palsu. Tujuan penelitian ini adalah merancang sistem deteksi berita palsu berbahasa Indonesia berdasarkan judul berita. Metode yang digunakan adalah Support Vector Machine kernel linier dan n-gram. Berdasarkan hasil uji performa, model Support Vector Machine kernel linier yang menggunakan fitur term frequency inverse document frequency unigram menunjukkan kinerja yang lebih baik dibandingkan bi- gram. Nilai precision yang dihasilkan dari uji performa model sebesar 1,00. Ini berarti derajat akurasi dalam mencocokkan informasi yang diminta mengenai deteksi berita palsu dengan ja- waban yang diberikan oleh sistem sangat baik. Kemudian nilai recall yang dihasilkan sebesar 0,99. Ini berarti model Support Vector Machine kernel linier dengan menggunakan fitur berita unigram sangat efektif untuk mendeteksi berita palsu menurut pendekatan teks klasifikasi.
Kata kunci: klasifikasi; berita palsu; n-gram; support vector machine
Abstract:Abstract: Cyberattacks like SQL injection and syn flood attacks can threaten the information system security of an organisation or company. The Intrusion Detection and Prevention System (IDPS) is used as a solution to detect,…
tect, prevent, and respond to these attacks. However, the effectiveness of IDPS in protecting information systems needs to be evaluated through performance analysis. IDPS performance analysis for mitigating SQL injection and syn flood attacks will use Suricata tools, where performance analysis will include evaluation of system accuracy and efficiency in detecting attacks, as well as the impact of the system on network or information system performance. By doing this performance analysis, it can be seen how effective the IDPS is in providing defences against such attacks. The results of the IDPS performance analysis can help an organisation or company select and implement the right IDPS according to the needs and conditions of the information system. Thus, organisations or companies can improve the security of their information systems from threatening cyber attacks.
Keywords: IDPS; SQL_Injection; Suricata; Syn_Flood_Attack
Abstrak: Serangan cyber seperti SQL Injection dan Syn Flood Attack dapat mengancam keamanan sistem informasi suatu organisasi atau perusahaan. Intrusion Detection and Prevention System (IDPS) digunakan sebagai solusi untuk mendeteksi, mencegah, dan merespons serangan-serangan ini. Namun, efektivitas IDPS dalam melindungi sistem informasi perlu dievaluasi melalui analisis performa. Analisis performa IDPS untuk mitigasi SQL Injection dan Syn Flood Attack ini akan menggunakan tools suricata dimana analisa performa akan meliputi evaluasi terhadap akurasi dan efisiensi sistem dalam mendeteksi serangan, serta dampak dari sistem terhadap kinerja jaringan atau sistem informasi. Dengan melakukan analisis performa ini, dapat diketahui seberapa efektif IDPS dalam memberikan perlindungan terhadap serangan-serangan tersebut. Hasil dari analisis performa IDPS dapat membantu organisasi atau perusahaan dalam memilih dan mengimplementasikan IDPS yang tepat sesuai dengan kebutuhan dan kondisi sistem informasi yang dimiliki. Dengan demikian, organisasi atau perusahaan dapat meningkatkan keamanan sistem informasi mereka dari serangan-serangan cyber yang mengancam.
Kata kunci: IDPS; SQL_Injection; Suricata; Syn_Flood_Attack
Abstract:Abstract: Project-Based Learning is a type of learning that is quite widely recommended today, especially in vocational type institutions where the learning is effective in the aim of involving students with direct learning…
ing content. The process of evaluating project-based learning on project teams in the performance assessment of each team to rank the order of best performance of all teams is still assessed based on subjective assessments. To overcome these problems, in this study the performance measurement of the project-based learning team by applying the VIKOR method and Rank Order Centroid in conducting assessments with test samples, namely in the Introduction to Database course. The test results obtained based on the calculation of VIKOR and Rank Order Centroid, namely PBL-TRPL01 Team 1 as the best alternative by obtaining based on variations of testing the VIKOR index value with values v=0.4, v=0.5, and v=0.6. Thus, it can be seen that the VIKOR and Rank Order Centroid methods can be applied to the calculation process of measuring team performance in project-based learning.
Keywords: decision Support System; project-based learning; rank order centroid; VIKOR
Abstrak: Pembelajaran Berbasis Proyek merupakan jenis pembelajaran yang cukup banyak direkomendasikan di masa kini khususnya pada institusi berjenis vokasional. Pembelajaran tersebut efektif dalam tujuan melibatkan para peserta didik dengan konten pembelajaran secara langsung. Proses evaluasi pembelajaran berbasis proyek pada tim proyek dalam penilaian performa dari masing-masing tim untuk memeringkatkan urutan performa terbaik dari seluruh tim masih dinilai berdasarkan penilaian secara subyektif. Untuk mengatasi persoalan tersebut, pada penelitian ini pengukuran performa tim project-based learning dengan menerapkan metode VIKOR dan Rank Order Centroid dalam melakukan penilaian dengan sampel pengujian yaitu pada mata kuliah Pengantar Basis Data. Hasil pengujian yang diperoleh berdasarkan perhitungan VIKOR dan Rank Order Centroid yaitu bahwa alternatif PBL-TRPL01 Tim 1 sebagai alternatif terbaik dengan peroleh berdasarkan variasi pengujian nilai indeks VIKOR. Maka dengan demikian, dapat diketahui bahwa metode VIKOR dan Rank Order Centroid dapat diterapkan pada proses perhitungan pengukuran performa tim pada pembelajaran berbasis proyek.
Kata kunci: pembelajaran berbasis proyek; rank order centroid; sistem pendukung keputusan; VIKOR