<![CDATA[Dosen memiliki peran strategis dalam pendidikan tinggi, namun beban kerja yang kompleks menimbulkan tantangan sehingga keberadaan asisten dosen menjadi solusi penting. Seleksi asisten dosen yang masih dilakukan secara manual menghadapi kendala berupa keterbatasan waktu, subjektivitas, dan ketidakakuratan. Penelitian terdahulu telah memanfaatkan metode Simple Additive Weighting (SAW) untuk mendukung seleksi multikriteria, namun umumnya diterapkan pada tingkat aplikasi sehingga rawan inkonsistensi, redundansi kode, serta masalah keamanan. Penelitian ini bertujuan merancang Stored Procedure basisdata untuk mengotomatisasi algoritma SAW pada proses seleksi asisten dosen langsung di level basis data. Metode yang digunakan adalah model Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian menggunakan data simulasi. Store Procedure yang dikembangkan mencakup fungsi normalisasi, pembobotan, dan pemeringkatan sehingga proses seleksi lebih efisien, konsisten, dan terstandarisasi. Hasil pengujian menunjukkan bahwa perhitungan otomatis menghasilkan nilai preferensi identik dengan perhitungan manual, dengan kandidat “Nayaka Anung” memperoleh skor 30,93 dan peringkat ketiga. Temuan ini membuktikan bahwa penelitian telah sesuai dengan tujuan yang dirumuskan serta memberikan kontribusi nyata dalam menghadirkan mekanisme seleksi yang lebih objektif, akurat, dan dapat diandalkan bagi institusi pendidikan tinggi.]]>
Copyrights © 2025
