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.