Post on 23-Jul-2019
1
Sistem Pendukung Keputusan Pemberian Beasiswa Pada Siswa
Menggunakan Metode Weighted Product .
(Studi Kasus : SMA Negeri 1 Palmatak)
R. Azura
Rajaazura93@gmail.com
Program Studi Informatika, Fakultas Teknik,
Universitas Maritim Raja Ali Haji
ABSTRAK
Tidak adanya sistem yang mendukung untuk proses penyeleksian dari
banyaknya siswa-siswi yang layak untuk mendapatkan beasiswa di SMA Negeri
1 Palmatak akan menjadi sulit dan lama karena selama ini masih menggunakan
perhitungan dan penentuan secara manual, Maka perlu di bangun sistem guna
mempermudah administrasi dalam menentukan siswa yang berhak mendapatkan
beasiswa. Untuk mengatasi masalah-masalah yang terjadi maka diperlukan sebuah
sistem yang tepat guna dan sesuai dengan kebutuhan yaitu sistem pendukung
keputusan dengan menggunakan metode weighted product. Kriteria yang
digunakan adalah nilai rata-rata raport, jumlah penghasilan orang tua, jumlah
tanggungan orang tua, karakter keuangan, dan jumlah saudara kandung. Hasil
yang didapat menunjukkan bahwa siswa dengan dengan nilai vektor tertinggi
adalah Nila Ramadhani, nilai rata-rata raport 9.29, jumlah penghasilan orang tua
Rp. 5.000.000.-, jumlah tanggungan orang tua 4 orang, karakter keuangan mampu,
dan jumlah sudara kandung 4 orang.
Kata Kunci : Sistem Pendukung Keputusan, Metode Weighted Product,
Beasiswa
PENDAHULUAN
Pendidikan sangat penting untuk anak bangsa, tidak semua orang bisa
mendapatkan pendidikan, hal ini dikarenakan faktor ekonomi keluarga, oleh
karena itu di SMA Negeri 1 Palmatak menyediakan program beasiswa guna
membantu mengurangi beban orang tua. Agar tidak terjadi kesalahan pihak
sekolah dalam penentuan penerima beasiswa yang layak ada beberapa kriteria
yang digunakan antara lain nilai rata-rata raport, penghasilan orang tua, jumlah
sudara kandung, status keuang dan dan jumlah tanggungan orang tua.
2
Tidak adanya sistem yang mendukung untuk proses penyeleksian dari banyaknya
siswa-siswi yang layak untuk mendapatkan beasiswa di SMA Negeri 1 Palmatak
akan menjadi sulit dan lama karena selama ini masih menggunakan perhitungan
dan penentuan secara manual, Maka perlu di bangun sistem guna mempermudah
administrasi dalam menentukan siswa yang berhak mendapatkan beasiswa, agar
data yang di peroleh lebih akurat. Untuk mengatasi masalah-masalah yang terjadi
maka diperlukan sebuah sistem informasi yang tepat guna dan sesuai dengan
kebutuhan yaitu sistem pendukung keputusan.
Metode yang digunakan dalam sistem pendukung keputusan ini adalah metode
weighted product, dengan menggunakan metode ini diharapkan dapat
menyelesaikan permasalahan pengambilan keputusan untuk menentukan penerima
beasiswa. Widada, dkk (2016) metode ini merupakan salah satu metode yang
dapat digunakan untuk mencari alternatif optimal dari sejumlah alternatif optimal
dengan kriteria tertentu dengan cara menggunakan perkalian untuk
menghubungkan nilai atribut, dimana nilai atribut harus dipangkatkan terlebih
dahulu dengan bobot atribut yang bersangkutan sehingga menghasilkan alternatif
terbaik.
BAHAN DAN METODE
Lokasi penelitian ini dilakukan di lingkungan SMA Negeri 1 Palmatak. Objek
yang diteliti adalah hasil penentuan keputusan pemilihan siswa yang layak
menerima beasiswa menggunakan metode weighted product. Jenis data yang
diperlukan adalah data siswa-siswi SMA Negeri 1 Palmatak.
A. Penelitian Terdahulu
Dini dan Burhanudin (2017) pada jurnalnya yang berjudul “Sistem Pendukung
Keputusan Dalam Pemberian Beasiswa Dengan Menggunakan Metode Weighted
Product (WP)”. Calon penerima beasiswa dipilih berdasarkan Kriteria yang telah
ditentukan oleh lembaga yang pemberi beasiswa. Pemberian beasiswa dilakukan
oleh beberapa lembaga untuk membantu seseorang yang kurang mampu maupun
sebagai penghargaan bagi mahasiwa yang berprestasi.Untuk membantu
menentukan siapa yang menerima beasiswa diperlukan suatu metode yang dapat
memberikan rekomendasi penerima beasiswa yang valid. Oleh karena itu
digunakan Fuzzy Multiple Atribut Decision Making (Fuzzy MADM). Penelitian
menggunakan salah satu metode dari Fuzzy MADM yaitu Weighted Product
(WP). Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari
sejumlah alternatif yang ada. Disini alternatif yang dimaksud adalah mahasiswa
calon penerima beasiswa berdasarkan kriteria yang ditentukan.Penelitian
dilakukan dengan mencari nilai bobot untuk setiap atribut. Kemudian dilakukan
proses perengkingan yang menentukan alternatif optimal, yaitu mahasiswa
terbaik.
Basri (2017) dalam jurnalnya yang berjudul “Metode Weightd Product (WP)
Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa Prestasi”. Tujuan dari
penelitian ini untuk merancang aplikasi Sistem Pendukung Keputusan (SPK)
3
pemberian beasiswa berprestasi pada sebuah institusi pendidikan mengggunakan
metode weighted product (wp). Metode ini dipilih karena mampu menyeleksi
alternatif terbaik dari sejumlah alternatif dan keunggulannya dalam teknik
pembobotan. Sistem ini dirancang menggunakan bahasa pemrograman visual VB.
Net dan MySQL sebagai database. Sistem ini dapat melakukan pemeringkatan
terhadap siswa dengan menghitung bobot kriteria. Alternatif yang digunakan
dalam penelitian ini berdasarkan rata-rata nilai hasil belajar, persentase kehadiran,
penghasilan orang tua, serta jumlah tanggungan orang tua. Penelitian dilakukan
dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses
pemeringkatan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik
dan layak dalam hal penerima beasiswa prestasi. Berdasarkan pengujian yang
dilakukan, didapatkan sistem yang mampu memberikan hasil rekomendasi terbaik
sesuai dengan perhitungan yang digunakan, sehingga dengan adanya sistem ini
dapat membantu mempercepat dalam penyeleksian penerima beasiswa prestasi.
Menurut Vercellis (2009) dalam Mustafidah dan Yoni (2016), pada
jurnalnya yang berjudul “Penerapan Metode Weighted Product (WP) Untuk
Pemilihan Mahasiswa Lulusan Terbaik di Fakultas Teknik Universitas
Muhammadiyah Purwokerto” pada penelitian ini menjelaskan bahwa proses
pemilihan mahasiswa lulusan terbaik di Fakultas Teknik ini masih menggunakan
cara manual dan belum memakai sistem. Terdapat beberapa kesulitan dalam
proses penghitungan kriteria-kriteria karena banyak alternatif yang bisa dipilih
untuk diberikan penghargaan sebagai mahasiswa lulusan terbaik di Fakultas
Teknik UMP.
Kala’lembang dan Farokhah (2017) pada jurnalnya yang berjudul “Sistem
Pendukung Keputusan Pemilihan Forum Mahasiswa dengan Metode Weighted
Product“. Dalam penelitian ini, dirancang sistem pendukung keputusan pemilihan
forum mahasiswa dalam memberikan solusi pemilihan forum terbaik. Metode
yang digunakan pada studi kasus ini adalah weighted product dengan kriteria yang
dipakai adalah tanggal posting, jumlah jawaban (answer), jumlah orang yang
melihat (views) dan perangkingan dari situs Alexa. Hasil pengujian dari aplikasi
mampu menyeleksi alternatif terbaik untuk pemilihan forum. Dalam hal ini,
alternatif yang dimaksud yaitu hasil rekomendasi forum yang akan
direkomendasikan ke mahasiswa berdasarkan pembobotan kriteria kriteria yang
ditentukan. Secara umum, hasil dari empat pengujian validasi dan verifikasi bisa
disimpulkan bahwa forum yang direkomendasikan sudah sesuai dengan
pembobotan yang dilakukan yaitu dengan nilai keakuratan sebesar 100%.
Kusrini, dkk. (2017) dalam jurnalnya yang berjudul “Sistem Pendukung
Keputusan Penentuan Lokasi KKN Menggunakan Algoritma Weight Product”.
Penelitian ini jugauntuk memastikan apakah model penentuan lokasi KKN
universitas PGRI Yogyakarta bisa dibantu dengan sistem komputer yang
menerapkan algoritma WP. Lokasi dibatasi di propinsi Daerah Istimewa
Yogyakarta, sedangkan kriteria, dan bobotnya ditentukan oleh panitia dan pihak
manajemen KKN. Dari hasil penelitian didapatkan bahwa kecamatan Kotagede
Yogyakarta DIY menjadi rekomendasi urutan pertama disusul Wates Kulon Progo
DIY, dan Sleman DIY. Dari penemuan ini disimpulkan bahwa metode WP cocok
4
digunakan dalam kasus penentuan lokasi KKN mahasiswa di universitas PGRI
Yogyakarta.
Kusumawardani (2014) permasalahan kemiskinan di Indonesia sudah sangat
mendesak untuk ditangani. Desa Pacinan merupakan salah satu desa yang
penduduknya tergolong berpenghasilan dibawah rata-rata. Kualitas rumah yang
ditempati khususnya penduduk yang berpenghasilan rendah masih
memprihatinkan diantaranya dinding rumah yang ditempati terbuat dari anyaman
bambu, lantai tidak kedap air, tidak memiliki ventilasi yang cukup. Dalam
menentukan siapa yang benar-benar berhak menerima bantuan rumah layak huni,
pihak desa masih mengambil keputusan dengan cara subyektif sehingga bantuan
tidak tepat sasaran. Pada penelitian ini dibuat aplikasi sistem pendukung
keputusan dengan menggunakan metode weighted product (WP). Hal ini
bertujuan supaya penduduk kategori menengah ke bawah dan benar-benar
membutuhkan mendapatkan bantuan rumah layak huni tersebut. Implementasi
pada penelitian ini menggunakan bahasa pemrograman visual basic 6.0. Hasil
yang dihasilkan adalah nilai atau bobot tertinggi yang menunjukkan kalau
penduduk tersebut layak mendapatkan bantuan rumah layak huni ini.
B. Metode Weighted Product
Norfiansyah (2014) Metode weighted product merupakan sebuah metode
didalam penentuan sebuah keputusan dengan cara perkalian untuk
menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan
dulu dengan bobot atribut yang bersangkutan. Proses tersebut sama halnya dengan
proses normalisasi.
Hartati, dkk (2016) Pembobotan metode weighted product dihitung
berdasarkan tingkat kepentingan.
1. Hitung perbaikan bobot
Proses normalisasi bobot kriteria (W), ΣW = 1 adalah :
Keterangan :
Wj : Bobot atribut
∑Wj : Penjumlahan bobot atribut.
2. Mencari nilai skor setiap kriteria
3. Mencari nilai vektor setiap kriteria
𝑊𝐽 = 𝑊𝑗
∑𝑊𝑗
(1)
𝑆𝑖 = ∏ 𝑋𝑖𝑗𝑊𝑗
𝑛
𝑗=1
𝑉𝑖 = ∏ 𝑋𝑖𝑗
𝑊𝑗𝑛𝑗=1
∏ (𝑋𝑖𝑗 ∗)
𝑊𝑗𝑛𝑗=1
(2)
(3)
5
C. Analisa Perancangan Sistem
Gambar 1. Flowchart perhitungan metode weighted product
Nilai rata-rata raport, penghasilan orang
tua, karakter keuangan, jumlah saudara
kandung, jumlah tanggungan orang tua
𝑆𝑖 = ∏𝑋𝑤𝑗𝑖𝑗
𝑛
𝑗=1
Hitung nilai skor
Hasil perangkingan perhitungan vektor
selesai
Normalisasi kriteria
Menentukan bobot
𝑊𝐽 =𝑊𝑗
∑𝑊𝑗
Hitung perbaikan Bobot
𝑉𝑖 = ∏ 𝑋𝑖𝑗
𝑤𝑗𝑛𝑗=1
∏ (𝑋𝑖𝑗∗ ) ⬚
⬚
𝑤𝑗𝑛𝑗=1
Hitung nilai vektor
Mulai
6
D. Contoh perhitungan 5 data
Tabel 1. Contoh 5 data untuk perhitungan manual weighted product
N
o Nama
Tempat
Lahir
Tanggal
Lahir
L/
P
Rata-
Rata
Rapot
Penghasila
n Orang
Tua
Jumlah
tanggungan
Status
keuangan
Jumlah
saudara
kandung
1 Digo
Alamsah Putik 2-12-2001 L 7.87 2.200.000 2
Tidak
Mampu 3
2 Aditia Ladan 24-11-2000 L 7.65 3.100.000 2 Mampu 2
3 Angga
Syahputra Ladan 22-01-1999 L 9.7 2.700.000 3
Tidak
Mampu 4
4 Rini
Andini Piasan 12-12-2000 P 8.24 2.500.000 2
Tidak
mampu 3
5 M. Lutfhi
Rizky TPI 24-06-1998 L 7.87 2.600.000 1
Tidak
Mampu 2
Adapun kriteria-kriteria dan bobot dari setiap alternatif adalah sebagai
berikut:
Tabel 2. Bobot Kriteria
Kode kriteria Ketentuan Kriteria Bobot Atribut
C1 Rata-Rata Raport 30 Benefit
C2 Penghasilan 25 Cost
C3 Jumlah Tanggungan 20 Benefit
C4 Karakter Keuangan 15 Benefit
C5 Jumlah Saudara 10 Benefit
Normalisasi Kriteria
Tabel 3. Normalisasi C1 (rata-rata raport)
Nilai rata-rata raport Keterangan Nilai
Nilai >=91 Sangat Diprioritaskan 100
Nilai 90-81 Diprioritaskan 75
Nilai 80-71 Cukup Diprioritaskan 50
Nilai 70-61 Kurang Diprioritaskan 25
Nilai <=61 Sangat Kurang Prioritaskan 10
7
Tabel 4. Normalisasi C2 (Penghasilan orang tua)
Penghasilan orang tua Keterangan Nilai
< 2.000.000 Sangat Diprioritaskan 100
>= 2.000.000-2.500.000 Diprioritaskan 75
>2.500.00-3.000.000 Cukup Diprioritaskan 50
>3.000.00-3.500.000 Kurang Diprioritaskan 25
> 3.500.000 Sangat Kurang Prioritaskan 10
Tabel 5. Normalisasi (C3) Jumlah tanggungan orang tua
Jumlah tanggungan orang tua Keterangan Nilai
>=4 Sangat Diprioritaskan 100
3 Diprioritaskan 75
2 Cukup Diprioritaskan 50
1 Kurang Diprioritaskan 25
< 1 SangatKurang Prioritaskan 10
Tabel 6. Normalisasi C4 (Karakter keuangan)
Karakter Keuangan Keterangan Bobot Nilai
Tidak mampu Sangat Di Prioritaskan 100
Mampu Di Prioritaskan 50
Tabel 7. Normalisasi C5 (Jumlah saudara kandung)
Jumlah Saudara Kandung Keterangan Nilai
>=4 Sangat Diprioritaskan 100
3 Diprioritaskan 75
2 Cukup Diprioritaskan 50
1 Kurang Diprioritaskan 25
< 1 Sangat Kurang Prioritaskan 10
8
Langkah selanjutnya adalah melakukan perhitungan metode weighted
productyang dimulai dengan cara membuat perbaikan bobot kriteria sesuai
persamaan 1 dimana nilai ∑𝑊𝑗 = 1 .
𝑊1 =30
30 + 25 + 20 + 15 + 10 =
30
100 = 0.3
𝑊2 =25
30 + 25 + 20 + 15 + 10 =
25
100 = 0.25
𝑊3 =20
30 + 25 + 20 + 15 + 10 =
20
100 = 0.2
𝑊4 =15
30 + 25 + 20 + 15 + 10 =
15
100 = 0.15
𝑊5 =10
30 + 25 + 20 + 15 + 10 =
15
100 = 0.1
Data yang akan diteliti kemudian dimasukkan kedalam tabel seperti berikut.
Tabel 8. Alternatif
Alternatif Kriteria
C1 C2 C3 C4 C5
Digo Alamsyah 50 75 50 100 75
Aditia 50 25 50 50 50
Angga Syahputra 100 50 75 100 100
Rini Andini 75 75 50 100 75
M. Lutfhi Rizky 50 50 25 100 50
Setelah melakukan perbaikan bobot dan didapatkan hasil dari perbaikan bobot tersebut,
langkah selanjutnya yaitu menentukan nilai skor (skor dari alternatif), dengan cara
mengalikan data setiap nilai kriteria dengan bobot sebelumnya seperti pada Persamaan 2.
Perhitungan manual penentuan nilai skor dari setiap alternatif seperti berikut:
S1= (50 0.3)
(75 -0.25
) (50 0.2
) (100 0.15
) (75 0.1
) = 7.63418
S2= (50 0.3
) (25 -0.25
) (50 0.2
) (50 0.15
) (50 0.1
) = 8.93627
S3= (100 0.3
) (50 -0.25
) (75 0 .2
) (100 0.15
) (100 0.1
) = 11.60931
S4= (75 0.3
) (75 -0.25
) (50 0.2
) (100 0.15
) (75 0.1
) = 8.62164
S5= (50 0.3
) (50 -0.25
) (25 0.2
) (100 0.15
) (50 0.1
) = 7.06269
9
Setelah didapat hasil dari pencarian nilai skor, selanjutnya menentukan nilai
vektor dari setiap alternatif. Nilai vektor didapatkan dari hasil skor setiap
alternatif dibagi seluruh jumlah skor sesuai dengan Persamaan 3. Proses pencarian
nilai vektor secara manual sebagai berikut:
𝑉1 =7.38288
7.38288 + 8.40896 + 11.22716 + 8.33783 + 6.83020= 0.17500
𝑉2 =8.40896
7.38288 + 8.40896 + 11.22716 + 8.33783 + 6.83020= 0. 19933
𝑉3 =11.22716
7.38288 + 8.40896 + 11.22716 + 8.33783 + 6.83020= 0.26613
𝑉4 =8.33783
7.38288 + 8.40896 + 11.22716 + 8.33783 + 6.83020= 0.19654
𝑉5 =6.83020
7.38288 + 8.40896 + 11.22716 + 8.33783 + 6.83020= 0.1619
HASIL
A. Hasil Perhitungan dengan 5 data
Tabel 9. Hasil perangkingan perhitungan dengan 5 data
No Nama Nilai
1 Angga Syahputra 0.26613
2 Aditia 0.19933
3 Rini Andini 0.19654
4 Digo Alamsyah 0.175
5 M. Lutfhi Rizky 0.1619
10
B. Hasil perhitungan perangkingn dari 50 data calon penerima beasiswa SMA
Negeri 1 Palmatak.
Tabel 10. Hasil perangkingan perhitungan vektor dengan 50 data
No Nama Siswa Nilai
1 Nila Ramadhani 0.03113
2 Angga Syahputra 0.02742
3 Zumaria Andini 0.02486
4 Lia Putriani 0.02486
5 Hanna 0.02415
6 Roziman 0.02415
7 Vika Oktarina 0.02387
8 Rizkiady 0.02319
9 M. Herman Saputra 0.02319
10 Riko Mahmudin 0.02254
11 Iwan Pratama 0.02227
12 Elo Elviando 0.02201
13 Nila Komalasari 0.02139
14 Fadli Mustaqim 0.02139
15 Dodi Fikriansah 0.02103
16 Rosmarini 0.02096
17 Nazri Ramadhan 0.02096
18 Rika Janisah 0.0209
19 Aditia 0.02054
20 Devi 0.02054
21 Rini Andini 0.02036
22 Septi Yuliana 0.02036
23 Sulastriani 0.02031
24 Cindy Fitriani 0.02031
25 Arfandy 0.02007
26 Budiman 0.01996
27 Perjiansyah 0.01996
28 Ririn Septiani 0.01996
29 Dila Novalia 0.01962
30 Oktaviani 0.01956
31 Indra Saputra 0.0195
32 Yeyen Heriyadi 0.01928
11
Tabel 10. Lanjutan
No Nama Siswa Nilai
33 Diva Adelia 0.01873
34 Darma Syarifudin 0.01856
35 Digo Alamsah 0.01803
36 Sonia 0.01803
37 Ria Septriani 0.01803
38 Rara Marini 0.01773
39 Putri Komala 0.01768
42 Niko Saputra 0.01698
43 M. Lutfhi Rizky 0.01668
44 Sulastri 0.01668
45 Malasari 0.01566
46 Saleha 0.01556
47 Karina 0.01503
48 Hafiz 0.01452
49 Sasaruni 0.01406
50 Aldiansyah 0.01312
Tabel 10 adalah tabel perangkingan yang mana nilai-nilainya
diurutkan dari nilai tertinggi ke-nilai yang paling rendah, dari hasil
perangkingan maka didapatkan nilai tertinggi pertama sebagai penerima
beasiswa adalah Nila Ramadani dengan hasil nilai 0.03113, nilai tertinggi
kedua adalah Angga Syahputra dengan hasil nilai 0.02742 dan tertinggi
ketiga yaitu Zumaria Andini dengan hasil nilai 0.02486.
KESIMPULAN
Telah dibangun sistem pendukung keputusan dengan menggunakan metode
weighted product di SMA Negeri 1 Palmatak untuk menentukan siswa yang
layak menerima beasiswa dengan kriteria nilai rata-rata raport, jumlah
penghasilan orang tua, jumlah tanggungan orang tua, karakter keuangan,
dan jumlah saudara kandung. Hasil perhitungan didapatkan bahwa siswa
peringkat paling tinggi adalah Nila Ramadhani dengan nilai rata-rata raport
9.29, jumlah saudara empat orang, status keuangan mampu, penghasilan
orang tua diatas 5.000.000,- (lima juta Rupiah) dan jumlah tanggungan
orang tua empat orang.
12
DAFTAR PUSTAKA
Basri., 2017, Metode Weightd Product (WP) Dalam Sistem Pendukung Keputusan
Penerimaan Beasiswa Prestasi, Program Studi Teknik informatika,
Fakultas Ilmu Komputer, Universitas Al Asyariah Mandar, Sulawesi
Barat.
Dini dan Burhanuddin., 2017, Sistem Pendukung Keputusan Dalam Pemberian
Beasiswa Dengan Menggunakan Metode Weight Product, Journal of
Computer Engineering System and Science, 2(2), 83-87.
Hartati, S., Mushlihudin, M., Desti, T.L., dan Siti, M., 2018, Seleksi Sekolah
Dasar Calon Penerima Bantuan Perpustakaan Menggunakan Metode
Weighted Product, Prodi Sistem Informasi dan Managemen.
Kala’lembang, A., dan Farokhah, L., 2017, Sistem Pendukung Keputusan
Pemilihan Forum Mahasiswa dengan metode Weight Product, Jurnal
Ilmiah Teknologi Informasi Asia, 11(2), 179-190.
Kusrini., Wibowo, S.H., dan Syah, F., 2017, Sistem Pendukung Keputusan
Penentuan Lokasi KKN Menggunakan Algoritma Weight Product
(studi kasus: Universitas PGRI Yogyakarta), Jurnal Dinamika
Informatika Universitas AMIKOM, Yogyakarta. 6(2), 93-111.
Kusumawardani, D., 2014, Sistem Pendukung Keputusan Penerima Bantuan
Rumah Layak Huni Dengan Menggunakan Metode Weighted Product
(WP), Dokumen Karya Ilmiah, Program Studi Teknik Informatika
Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Semarang
Mustafidah, H., dan Yoni, D.C., 2016, Penerapan Metode Weighted Product
(WP) Untuk Pemilihan Mahasiswa Lulusan Terbaik di Fakultas
Teknik Universitas Muhammadiyah Purwokerto, Purwokerto.
Norfiansyah, D., 2014, Konsep Data Mining VS Sistem Pendukung Keputusan,
Yogyakarta: Deepublish Publisher.
Widada, B., Nugroho, B., dan Remawati, D., 2013, Implementasi MetodeWP
(Weighted Product) Untuk Mendukung Keputusan Penjurusan Siswa
di SMA Negeri 1 Grobogan. 54-61.