Penerapan Metode GA-TOPSIS untuk Sistem Seleksi Karakter Game dengan Pembobotan Dinamis Berbasis Waktu
Abstract
Penelitian ini bertujuan mengembangkan sistem pendukung keputusan untuk seleksi karakter optimal dengan menerapkan metode hybrid Algoritma Genetika dan TOPSIS (GA-TOPSIS) yang mempertimbangkan variasi temporal dalam kriteria pembobotan. Pendekatan ini mengintegrasikan kemampuan optimasi Algoritma Genetika dalam menentukan bobot kriteria secara otomatis dengan teknik pengambilan keputusan multi-kriteria TOPSIS. Hasil penelitian menunjukkan bahwa optimasi GA menghasilkan variasi pembobotan yang signifikan sesuai skenario waktu: pada kondisi Pagi dengan dominasi kriteria Gerakan (82%), Siang dengan penekanan pada Tinggi Badan (52%) dan Nyawa (38%), serta Malam yang didominasi Pertahanan (85%).Evaluasi menggunakan TOPSIS menghasilkan peringkat alternatif yang berbeda untuk setiap skenario. Pada kondisi Pagi, alternatif A4 mencapai skor CCi tertinggi (0.83) karena keunggulan dalam kriteria Gerakan. Skenario Siang menempatkan A2 sebagai optimal (CCi=0.90) berkat performa pada Tinggi Badan dan Nyawa, sedangkan di Malam, A3 unggul (CCi=0.89) dengan Pertahanan terbaik. Konsistensi hasil ditunjukkan oleh A1 yang selalu berada di peringkat terbawah karena nilai kriteria yang minimal. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan adaptif, khususnya yang memerlukan penyesuaian bobot dinamis berdasarkan perubahan kondisi lingkungan. Potensi integrasi dengan teknologi IoT untuk pembaruan bobot secara real-time menjadi nilai tambah penerapan metode ini.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
S. Gillingham and P. C. Lee, “People and protected areas,” 2003, umb.no. [Online]. Available: e:%5C!Aktuell 10.02.2022%5CCitavi 6x%5CPromotion%5CCitavi Attachments%5CGillingham und Lee (2003) - Perception of wildlife crop-damage conflict, Selous Game Reserve, Tanzania.pdf
R. JANNAH, Pengembangan Permainan Tic Tac Toe Untuk Meningkatkan KemampuanLiterasi Siswa Kelas 2 SD Negeri 1 Lembang Cina Kabupaten Bantaeng. eprints.unm.ac.id, 2023. [Online]. Available: http://eprints.unm.ac.id/33954/
S. B. Purwanti and N. Ekawati, “Fuzzy Logic Menentukan Kepuasan Masyarakat Terhadap Kinerja Pegawai Kecamtan,” Comput. Sci. Ind. …, 2019, [Online]. Available: https://mail.puterabatam.com/index.php/comasiejournal/article/view/1567
S. Katoch, S. S. Chauhan, and V. Kumar, “A review on genetic algorithm: past, present, and future,” 2021, Springer. doi: 10.1007/s11042-020-10139-6.
C. Mazoukh et al., “Genetic algorithm-enhanced microcomb state generation,” 2024, nature.com. doi: 10.1038/s42005-024-01558-0.
A. F. Gad, “PyGAD: an intuitive genetic algorithm Python library,” Multimed. Tools Appl., vol. 83, no. 20, pp. 58029–58042, 2024, doi: 10.1007/s11042-023-17167-y.
Y. Wang, P. Liu, and Y. Yao, “BMW-TOPSIS: A generalized TOPSIS model based on three-way decision,” Inf. Sci. (Ny)., vol. 607, pp. 799–818, 2022, doi: 10.1016/j.ins.2022.06.018.
S. Singh, V. Agrawal, K. K. Saxena, and K. A. Mohammed, “Optimization on Manufacturing Processes at Indian Industries Using TOPSIS,” 2023, op.niscpr.res.in. doi: 10.56042/ijems.v1i1.61931.
H. Q. Nguyen, V. T. Nguyen, D. P. Phan, Q. H. Tran, and N. P. Vu, “Multi-Criteria Decision Making in the PMEDM Process by Using MARCOS, TOPSIS, and MAIRCA Methods,” 2022, mdpi.com. doi: 10.3390/app12083720.
S. Setiawansyah, “Sistem Pendukung Keputusan Rekomendasi Tempat Wisata Menggunakan Metode TOPSIS,” J. Ilm. Inform. dan Ilmu Komput., vol. 1, no. 2, pp. 54–62, 2022, doi: 10.58602/jima-ilkom.v1i2.8.
C. Danuputri, L. Hakim, W. S. Susilo, and F. D. Samuel, “Kontrol Pemakaian Peralatan Elektronik Berbasis Mikrokontroler Dan Algoritma Fuzzy Mamdani,” J. Resist. (Rekayasa Sist. Komputer), vol. 3, no. 2, pp. 94–107, 2020, doi: 10.31598/jurnalresistor.v3i2.646.
DOI: http://dx.doi.org/10.30811/jim.v10i1.6869
Refbacks
Copyright (c) 2025 Aji Bagas Prakasa, Fresy Nugroho, Muhammad Faisal, Tri Mukti Lestari, Alfina Nurrahma ’N, Adnan Muhammad Taufiqulhakim
