Abstrak : 

Pelaksana Tugas (Plt) dan Pelaksana Harian (Plh) adalah jabatan penugasan yang sangat penting jika jabatan struktural pada suatu perangkat daerah mengalami kekosongan. Karena jika suatu jabatan struktural kosong maka penanggung jawab, penentu kebijakan dan yang memiliki wewenang penunjukan tugas Aparatur Sipil Negara (ASN) baik Pegawai Negeri Sipil (PNS) ataupun Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) dibawahnya menjadi tidak ada. Hal tersebut tentunya akan mengganggu jalannya fungsi pemerintahan, pengadministrasian , dan pelayanan publik suatu Perangkat Daerah. Proses pemilihan Plt dan Plh yang tidak transparan dan objektif sering menjadi kendala, sehingga diperlukan solusi berupa sistem rekomendasi berbasis teknologi. Penelitian ini mengembangkan sistem rekomendasi menggunakan metode Simple Additive Weighting (SAW) dengan mempertimbangkan empat kriteria utama: pangkat, masa kerja, kompetensi, dan potensi. Sistem ini terbukti mampu meningkatkan efisiensi rekomendasi hingga 30% dan mencapai tingkat akurasi sebesar 95%. Hasil penelitian ini berkontribusi pada pengelolaan sumber daya manusia di pemerintah daerah dengan menyediakan proses penilaian yang transparan, akuntabel, dan berbasis data untuk mendukung kebijakan pengisian jabatan struktural secara objektif.

===================================================

Abstract : 

Pelaksana Tugas (Plt) and Pelaksana Harian (Plh) are critical assignment positions when structural positions in a regional government agency are vacant. The absence of a structural position results in the lack of a responsible party, policy maker, and authority to delegate tasks to Aparatur Sipil Negara (ASN), whether they are Pegawai Negeri Sipil (PNS) or Pegawai Pemerintah dengan Perjanjian Kerja (PPPK). This situation can disrupt the functioning of governance, administration, and public services in a regional agency. The selection process which is often non-transparent and subjective, poses significant challenges. Therefore, a technology-based recommendation system is required. This study develops a recommendation system using the Simple Additive Weighting (SAW) method, considering four key criteria: rank, years of service, competence, and potential. The system has proven to improve decision-making efficiency by up to 30% and achieve an accuracy rate of 95%. The findings contribute to human resource management in local governments by providing a transparent, accountable, and data-driven assessment process to support objective policies in filling structural vacancies.