<![CDATA[Implementasi papan peringkat (leaderboards) dalam platform gamifikasi pembelajaran digital sering kali menghadapi tantangan teknis terkait ketiadaan mekanisme penanganan kondisi skor kembar (tie condition) yang objektif akibat ketergantungan eksklusif pada akumulasi skor mentah linier. Penelitian ini dikerjakan untuk melakukan analisis komparatif antara algoritme pemeringkatan konvensional dengan metode Multi-Criteria Decision Making (MCDM) berbasis Simple Additive Weighting (SAW) yang diintegrasikan ke dalam struktur Lexicographical Ranking pada platform e-block. Tujuan utama dari penelitian ini adalah mengevaluasi secara komparatif performa kedua pendekatan pemeringkatan dalam menyusun hierarki kompetensi pengguna melalui pengintegrasian kriteria benefit (skor, rerata skor, tantangan diselesaikan) dan kriteria cost (durasi waktu pengerjaan). Evaluasi dilakukan melalui analisis data log aktivitas pengguna format CSV yang diproses ke dalam skenario pemeringkatan hibrida bertingkat. Validasi kualitas dan akurasi daftar peringkat menggunakan metrik Normalized Discounted Cumulative Gain (NDCG) berbasis graded relevance terhadap acuan Ground Truth Weighted Score. Temuan utama penelitian menunjukkan bahwa Algoritme Pemeringkatan Website Konvensional memperoleh nilai NDCG sempurna sebesar 1,000000 pada evaluasi Top 5 dan Top 10 karena mekanismenya linier terhadap skor utama. Di sisi lain, Algoritme Hibrida MCDM menghasilkan tingkat akurasi yang tinggi dengan nilai NDCG sebesar 0,999839 pada Top 5 dan 0,958931 pada Top 10. Penyesuaian urutan posisi minor pada Algoritme Hibrida terjadi akibat peran tie-breaker multikriteria yang memperhitungkan efisiensi durasi waktu dan jumlah tantangan pengguna saat terjadi skor kembar. Penelitian ini menyimpulkan bahwa pengintegrasian kerangka kerja MCDM SAW sebagai tie-breaker hibrida tetap mempertahankan akurasi pemeringkatan yang tinggi sekaligus memberikan solusi penanganan tie condition yang transparan dan proporsional tanpa merusak hierarki skor dasar pada platform gamifikasi.]]>
