PENERAPAN LOGIKA FUZZY MULTI-ATTRIBUTE DECISION MAKING DALAM MENENTUKAN NILAI KINERJA DOSEN UNIVERSITAS BINA DARMA
Merry Agustina1, M. Izman Herdiansyah2, Diana3
Fakultas Ilmu Komputer, Universitas Bina Darma
Jalan A. Yani No. 12 Plaju Palembang 30264
email : athayacalmod@yahoo.com1, herdians1816@gmail.com2, diabarozak@yahoo.com
ABSTRAk
Penilaian kinerja dosen (KIDO) merupakan salah satu aktivitas rutin yang dilakukan untuk menilai kinerja dosen tetap di Universitas Bina Darma Palembang. Aktivitas ini dilakukan oleh Biro Penjaminan Mutu (BPM) secara reguler. Profesionalisme seorang dosen akan terlihat dari kinerjanya dalam melaksanakan tugas pengajaran, penelitian dan pengabdian masyarakat serta aktivitas internal lainnya. Pencapaian aspek tri-darma perguruan tinggi merupakan kriteria unsur utama dalam menilai kinerja dosen disamping penilaian dari mahasiswa. Pada penelitian ini, kriteria statistik Multiple-Attribute Decision Making digunakan untuk memperhitungkan berbagai atribut, kondisi dan pengaruhnya satu sama lain terhadap nilai kinerja dosen. Metode yang diusulkan diujikan pada data kinerja 3 orang dosen. Hasil perhitungan menunjukkan bahwa teknik ini bekerja lebih baik dibandingkan teknik yang saat ini digunakan.
Kata kunci: Penilaian Kinerja, Sistem Pendukung Keputusan, Logika fuzzy, Kriteria MADM
1 PENDAHULUAN
Memiliki dosen, staff tenaga pengajar, yang professional merupakan sebuah keharusan bagi perguruan tinggi dalam melaksanakan proses pendidikan yang bermutu, demikian halnya dengan Universitas Bina Darma. Untuk itu, universitas selalu mendorong peningkatan profesionalitas dosen, dan meningkatkan kualitas sistem manajemen tenaga kependidikan.
Untuk mengetahui tingkat profesionalitas dosen, dilakukan penilaian terhadap kemampuan dosen dalam melaksanakan proses pendidikan dan pengajaran, penelitian, dan pengabdian kepada masyarakat. tersebut. Penilaian dilakukan dengan mengukur kinerja masing-masing dosen dalam melaksanakan tugas dan kewajibannya. Rivai dan Basri (2004) menyatakan bahwa kinerja merupakan hasil seseorang secara keseluruhan selama periode tertentu di dalam melaksanakan tugas, seperti standar hasil kerja, target atau sasaran, atau kriteria yang telah ditentukan terlebih dahulu dan telah disepakati bersama,
Penilaian kinerja telah dilakukan Universitas Bina Darma untuk mengukur dan mengevaluasi kinerja dosen secara regular setiap semesternya. Tingkat Kinerja Dosen (KIDO) ditentukan berdasarkan hasil aktivitas dosen dalam pengajaran, penelitian, pengabdian kepada masyarakat dan aktivitas internal lainnya. Metode kuantitatif digunakan untuk menghitung total nilai dengan teknik rata-rata sederhana menggunakan skala interval.
Penggunaan metode ini secara sederhana dan efektif dapat menentukan siapa mereka yang memiliki nilai KIDO terbesar maupun terkecil. Namun metode yang digunakan saat ini memiliki beberapa kelemahan mendasar, diantaranya tidak dapat memperhitungkan aspek-aspek kualitatif kinerja dosen yang cukup beragam dan kompleks. Mengingat banyaknya cabang penentuan keputusan, maka diperlukan sebuah teknik yang dapat pula memperhitungkan berbagai factor kualitatif ini.
Dalam paper ini, penulis menawarkan penggunaan pendekatan Fuzzy Multi-Attribute Decision Making (FMADM) dalam menghitung nilai KIDO setiap dosen Universitas Bina Darma. Pendekatan ini mampu memodelkan berbagai kriteria pengambilan keputusan dalam menghitung nilai kinerja dosen.
2 model analisIS FUZZY-MADM
FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu (Kusumadewi, dkk, 2006). Teknik ini telah berhasil dimplementasikan di berbagai aspek (Dyer, et.al, 1992; Agalgaonkar, et.al, 2005; Jafari & Zaredar, 2010)
Algoritma FMADM (Kusumadewi) adalah:
1) Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2,…m dan j=1,2,…n.
2) Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.
3) Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit = MAKSIMUM atau atribut biaya/cost=MINIMUM). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom.
4) Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).
5) Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Berdasarkan algoritma di atas, berikut ini adalah kerangka pemikiran dalam penelitian ini :
|
Gambar 1. Kerangka Pemikiran
3 AnalisIS sistem
3.1 Analisis Kebutuhan Input
Data yang digunakan dalam proses pengambilan keputusan penentuan nilai kinerja dosen (KIDO) adalah berupa data dengan beberapa nilai kriteria, yang diperoleh melalui penyebaran formulir dan angket penilaian dosen.
Data yang diproses adalah data tri-darma Perguruan Tinggi meliputi data: (a) Pengajaran, (b) Penelitian, (c) Pengabdian Kepada Masyarakat, dan (d) Aktivitas internal.
Komponen data pengajaran, meliputi: jumlah kehadiran dalam memberikan perkuliahan; Ketepatan waktu dalam menyerahkan soal ujian mahasiswa; Ketepatan waktu dalam meng-entry hasil nilai ujian; dan Pembuatan bahan ajar/slide/modul/diktat dalam satu semester.
Komponen data penelitian, meliputi: Jumlah penelitian yang diseminarkan; Jumlah penelitian yang pernah dimuat di jurnal; Jumlah artikel yang pernah dimuat di media masa (majalah, koran); Menjadi pembicara dalam seminar, lokakarya, workshop (internal); Menjadi pembicara dalam seminar, lokakarya, workshop (eksternal); dan Menjadi peneliti/melakukan riset bekerja dengan pihak sponsor/stakeholder.
Komponen Pengabdian Kepada Masyarakat, meliputi: Jumlah pengabdian masyarakat yang telah diikuti, dan Jumlah organisasi kemasyarakatan/ profesi yang diikuti.
Komponen Aktivitas Internal, meliputi: Tingkat kehadiran/absensi; Jumlah seminar, lokakarya yang pernah diikuti (Regional); Jumlah seminar, lokakarya yang pernah diikuti (Nasional dan Internasional); Jumlah seminar, lokakarya, worshop untuk meningkatkan kompetensi/skill yang pernah diikuti; dan Mengikuti kepanitiaan (wisuda, seminar, kegiatan akademik lainnya)
3.2 Analisis Kriteria Sistem
Seperti telah dijelaskan pada bagian pendahuluan, penilaian terhadap kinerja dosen tetap UBD diukur dengan menggunakan beberapa kriteria yaitu : (a) aktivitas dosen dalam melaksanakan tri darma perguruan tinggi meliputi pengajaran, penelitian dan pengabdian masyarakat serta aktivitas internal. Indikator lainnya adalah (b) penilaian mahasiswa terhadap aktivitas dosen dalam proses belajar mengajar, yang dilakukan melalui pengisian kuisioner.
Selanjutnya masing-masing indikator tersebut dijadikan sebagai kriteria untuk menentukan nilai kinerja dosen dan himpunan fuzzy-nya yang selanjutnya diperlakukan sebagai input ke dalam sistem FMADM (dalam hal ini disebut sebagai Ci)
Kriteria yang digunakan dalam menentukan nilai kinerja dosen disusun sebagai berikut:
C1 = Jumlah kehadiran dalam memberikan perkuliahan
C2 = Ketepatan waktu dalam menyerahkan soal ujian mahasiswa
C3 = Ketepatan waktu dalam mengentri hasil nilai ujian
C4 = Pembuatan bahan ajar/slide/modul/diktat dalam satu semester
C5 = Jumlah penelitian yang diseminarkan
C6 = Jumlah penelitian yang pernah dimuat di jurnal
C7 = Jumlah artikel yang pernah dimuat di media masa (majalah, koran)
C8 = Menjadi pembicara dalam seminar, lokakarya, workshop (internal)
C9 = Menjadi pembicara dalam seminar, lokakarya, workshop (eksternal)
C10 = Menjadi peneliti/melakukan riset bekerja dengan pihak sponsor/stakeholder
C11 = Jumlah pengabdian masyarakat yang telah diikuti
C12 = Jumlah organisasi kemasyarakatan/profesi yang diikuti
C13 = Tingkat kehadiran/absensi
C14 = Jumlah seminar, lokakarya yang pernah diikuti (Regional)
C15 = Jumlah seminar, lokakarya yang pernah diikuti (Nasional dan Internasional)
C16 = Jumlah seminar, lokakarya, worshop untuk meningkatkan kompetensi/skill yang pernah diikuti
C17 = Mengikuti kepanitiaan (wisuda, seminar, kegiatan akademik lainnya)
C18 = Ketepatan waktu dalam proses belajar mengajar (masuk dan keluar)
C19 = Memberikan Satuan Acara Pembelajaran
C20 = Memberikan motivasi kepada mahasiswa
C21 = Penguasaan materi yang diajarkan
C22 = Penggunaan alat bantu (komputer, internet, dll) dalam proses pembelajaran
C23 = Penggunaan buku literatur terbaru dalam proses pembelajaran
C24 = Penggunaan bahasa asing dalam proses pembelajaran
C25 = Memberikan kesempatan tanya jawab dalam proses pembelajaran
C26 = Komunikasi selama proses bimbingan
C27 = Kecukupan waktu untuk mahasiswa berkonsultasi
C28 = Memberikan motivasi untuk menyelesaikan TA/PKL
C29 = Memberikan masukan, arahan dan solus atas suatu permasalahan
C30 = Perilaku dosen dalam proses bimbingan
Dari masing-masing kriteria tersebut selanjutnya akan dikonversikan dengan bilangan fuzzy-nya.
3.3 Analisis Kebutuhan Ouput
Keluaran yang dihasilkan dari penelitian ini adalah nilai kinerja masing-masing dosen dan urutan nilai kinerja dosen dari yang terbesar sampai yang terkecil. Nilai outputnya berupa alternatif yang memiliki nilai tertinggi dibandingkan dengan alternatif nilai yang lain.
3.4 Analisis Kinerja Dosen
Penilaian aktivitas dosen dilakukan dengan memberi skor nilai: a = 4, b = 3, c = 2, d = 1 dan e = 0 terhadap pertanyaan angket, dengan total aktivitas Dosen = (Pengajaran x 0.50) + (Penelitian x 0.20) + (Pengabdian Kepada Masyarakat x 0.15) + (Aktivitas Internal x 0.15)
Penilaian mahasiswa terhadap dosen-nya dilakukan dengan menjawab angket dengan skor nilai: a = 2, b = 1, dan c = 0. Dengan rumus penilaian sbb = (Instrument sikap dan Perilaku Dosen Dalam Mengajar x 0.60) + (Instrument sikap dosen dalam membimbing TA/PKL x 0.40)
Penilaian Akhir Untuk Kinerja Dosen adalah:
Tabel 2 Kriteria Penilaian KIDO
Score Asli |
Score Equivalen |
Keterangan |
0 – 3.26 |
0 – 1.9 |
Sangat Kurang |
3.27 – 6.53 |
2.0 – 2.49 |
Kurang |
6.54 – 9.80 |
2.5 – 2.9 |
Cukup |
9.81 – 13. 07 |
3.0 – 3.49 |
Baik |
13.08 – 16.34 |
3.5 – 4.0 |
Sangat Baik |
3.5 Analisis Logika Proses
Sistem pendukung keputusan untuk mengolah data nilai kinerja dosen tetap UBD dirancang dan dibangun dengan menerapkan logika fuzzy multi- atribute decision making yang disesuaikan dengan kondisi dari ketentuan penilaian kinerja dosen tetap UBD yang ada. Proses penilaian sebagai berikut:
a) Memberikan nilai setiap alternatif pada setiap kriteria.
Kriteria yang digunakan meliputi komponen tri darma perguruan tinggi dengan distribusi sbb: aspek pengajaran 4 kriteria, penelitian 6 kriteria, pengabdian kepada masyarakat 2 kriteria, dan aktivitas internal 5 kriteria. Selain itu terdapat komponen penilaian mahasiswa terhadap sikap dan perilaku dosen dalam mengajar dan membimbing TA/PKL sebanyak 13 kriteria. Total kriteria yang digunakan adalah sebanyak 30 kriteria.
b) Memberikan nilai bobot (W)
Nilai bobot diberikan untuk semua kriteria berdasarkan komponen masing-masing, sebagai berikut :
- Komponen pengajaran terdiri dari 4 kriteria memiliki bobot (w) = 0.50
- Komponen penelitian terdiri dari 6 kriteria memiliki bobot (w) = 0.20
- Komponen pengabdian masyarakat terdiri dari 2 kriteria memiliki bobot (w) = 0.15
- Komponen aktivitas internal terdiri dari 5 kriteria memiliki bobot (w) = 0.15
- Komponen sikap dan perilaku dosen dalam mengajar terdiri dari 8 kriteria memiliki bobot (w) = 0.30
- Komponen sikap dan perilaku dosen dalam membimbing TA/PKl terdiri dari 5 kriteria dengan bobot (w) = 0.20
c) Melakukan normalisasi Matriks
Normalisasi matriks dilakukan dengan cara membagi setiap nilai setiap kriteria dengan nilai maksimum dari kelompok kriteria.
d) Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).
e) Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W).
4 Perancangan Sistem
4.1 Use Case Diagram
Gambar 2. Use Case Diagram
4.2 Class Diagram
Gambar 3. Class Diagram
4.3 Data Flow Diagram (DFD)
Pada DFD level 1 user dapat melakukan proses input, hapus dan edit data dosen dan data kinerja dosen serta menampilkan laporan kinerja dosen baik perdosen maupun secara keseluruhan.
|
|
Gambar 4. DFD Level 1
5 implementasi Model FMADM DAN HASIL PENELITIAN
Berdasarkan algoritma fuzzy MADM, berikut ini disajikan penyelesaian penentuan nilai kinerja dosen berdasarkan kriteria yang ada. Kriteria yang digunakan sebanyak 30 kriteria. Selanjutnya diujicobakan terhadap data nilai KIDO 3 (tiga) orang dosen sebagai berikut:
Tabel 3 Data KIDO untuk satu semester
Kriteria |
D1 |
D2 |
D3 |
Kriteria |
D1 |
D2 |
D3 |
C1 |
16 |
14 |
13 |
C16 |
4 |
3 |
3 |
C2 |
5 |
5 |
4 |
C17 |
4 |
3 |
3 |
C3 |
5 |
5 |
6 |
C18 |
4 |
2 |
4 |
C4 |
4 |
3 |
3 |
C19 |
4 |
4 |
3 |
C5 |
6 |
4 |
4 |
C20 |
4 |
3 |
3 |
C6 |
4 |
3 |
3 |
C21 |
4 |
4 |
4 |
C7 |
4 |
3 |
2 |
C22 |
4 |
3 |
3 |
C8 |
4 |
3 |
3 |
C23 |
4 |
3 |
4 |
C9 |
4 |
2 |
4 |
C24 |
4 |
3 |
2 |
C10 |
4 |
3 |
3 |
C25 |
4 |
2 |
4 |
C11 |
4 |
2 |
2 |
C26 |
4 |
3 |
3 |
C12 |
4 |
3 |
2 |
C27 |
4 |
2 |
3 |
C13 |
4 |
4 |
3 |
C28 |
4 |
3 |
3 |
C14 |
4 |
3 |
4 |
C29 |
4 |
3 |
3 |
C15 |
4 |
4 |
3 |
C30 |
4 |
2 |
3 |
5.1 Penentuan Nilai Fuzzy
Penentuan nilai setiap alternatif pada setiap kriteria dapat dilihat pada tabel berikut:
Tabel 4 Penentuan Nilai Setiap Alternatif
Kriteria |
D1 |
D2 |
D3 |
Kriteria |
D1 |
D2 |
D3 |
C1 |
1 |
0.88 |
0.81 |
C16 |
1 |
0.75 |
0.75 |
C2 |
1 |
1 |
0.8 |
C17 |
1 |
0.75 |
0.75 |
C3 |
1 |
1 |
0.86 |
C18 |
1 |
0.5 |
1 |
C4 |
1 |
0.75 |
0.75 |
C19 |
1 |
1 |
0.75 |
C5 |
1 |
1 |
1 |
C20 |
1 |
0.75 |
0.75 |
C6 |
1 |
0.75 |
0.75 |
C21 |
1 |
1 |
1 |
C7 |
1 |
0.75 |
0.5 |
C22 |
1 |
0.75 |
0.75 |
C8 |
1 |
0.75 |
0.75 |
C23 |
1 |
0.75 |
1 |
C9 |
1 |
0.5 |
1 |
C24 |
1 |
0.75 |
0.5 |
C10 |
1 |
0.75 |
0.75 |
C25 |
1 |
0.5 |
1 |
C11 |
1 |
0.5 |
0.5 |
C26 |
1 |
0.75 |
0.75 |
C12 |
1 |
0.75 |
0.5 |
C27 |
1 |
0.5 |
0.75 |
C13 |
1 |
1 |
0.75 |
C28 |
1 |
0.75 |
0.75 |
C14 |
1 |
0.75 |
1 |
C29 |
1 |
0.75 |
0.75 |
C15 |
1 |
1 |
0.75 |
C30 |
1 |
0.5 |
0.75 |
5.2 Penentuan Nilai Bobot (w)
Berikut ini adalah nilai bobot untuk setiap kriteria:
Tabel 5 Penentuan Nilai Bobot (w)
Kriteria |
Bobot |
Kriteria |
Bobot |
Kriteria |
Bobot |
C1 |
0.50 |
C11 |
0.15 |
C21 |
0.30 |
C2 |
0.50 |
C12 |
0.15 |
C22 |
0.30 |
C3 |
0.50 |
C13 |
0.15 |
C23 |
0.30 |
C4 |
0.50 |
C14 |
0.15 |
C24 |
0.30 |
C5 |
0.20 |
C15 |
0.15 |
C25 |
0.30 |
C6 |
0.20 |
C16 |
0.15 |
C26 |
0.20 |
C7 |
0.20 |
C17 |
0.15 |
C27 |
0.20 |
C8 |
0.20 |
C18 |
0.30 |
C28 |
0.20 |
C9 |
0.20 |
C19 |
0.30 |
C29 |
0.20 |
C10 |
0.20 |
C20 |
0.30 |
C30 |
0.20 |
5.3 Melakukan Normalisasi Matriks
Dari hasil fuzzy 3 dosen diatas dapat dilihat bahwa nilai maksimum dari seluruh kriteria adalah 1, maka hasil normalisasinya adalah bilangan itu sendiri. Hal ini disebabkan oleh nilai pembaginya yang sebesar 1.
Berikut ini tabel hasil proses normalisasi :
Tabel 6 Hasil Normalisasi Matriks
Kriteria |
D1 |
D2 |
D3 |
Kriteria |
D1 |
D2 |
D3 |
C1 |
1 |
0.88 |
0.81 |
C16 |
1 |
0.75 |
0.75 |
C2 |
1 |
1 |
0.8 |
C17 |
1 |
0.75 |
0.75 |
C3 |
1 |
1 |
0.86 |
C18 |
1 |
0.5 |
1 |
C4 |
1 |
0.75 |
0.75 |
C19 |
1 |
1 |
0.75 |
C5 |
1 |
1 |
1 |
C20 |
1 |
0.75 |
0.75 |
C6 |
1 |
0.75 |
0.75 |
C21 |
1 |
1 |
1 |
C7 |
1 |
0.75 |
0.5 |
C22 |
1 |
0.75 |
0.75 |
C8 |
1 |
0.75 |
0.75 |
C23 |
1 |
0.75 |
1 |
C9 |
1 |
0.5 |
1 |
C24 |
1 |
0.75 |
0.5 |
C10 |
1 |
0.75 |
0.75 |
C25 |
1 |
0.5 |
1 |
C11 |
1 |
0.5 |
0.5 |
C26 |
1 |
0.75 |
0.75 |
C12 |
1 |
0.75 |
0.5 |
C27 |
1 |
0.5 |
0.75 |
C13 |
1 |
1 |
0.75 |
C28 |
1 |
0.75 |
0.75 |
C14 |
1 |
0.75 |
1 |
C29 |
1 |
0.75 |
0.75 |
C15 |
1 |
1 |
0.75 |
C30 |
1 |
0.5 |
0.75 |
5.4 Proses Perangkingan dan Penentuan Nilai Preferensi
Nilai untuk baris 1, kolom 1 sampai 10
Tabel 7 Hasil Normalisasi Matriks
Kriteria |
D1 |
D2 |
D3 |
Kriteria |
D1 |
D2 |
D3 |
C1 |
0,5 |
0,44 |
0,41 |
C16 |
0,15 |
0,11 |
0,11 |
C2 |
0,5 |
0,5 |
0,4 |
C17 |
0,15 |
0,11 |
0,11 |
C3 |
0,5 |
0,5 |
0,43 |
C18 |
0,3 |
0,15 |
0,3 |
C4 |
0,5 |
0,38 |
0,38 |
C19 |
0,3 |
0,3 |
0,23 |
C5 |
0,2 |
0,2 |
0,2 |
C20 |
0,3 |
0,23 |
0,23 |
C6 |
0,2 |
0,15 |
0,15 |
C21 |
0,3 |
0,3 |
0,3 |
C7 |
0,2 |
0,15 |
0,1 |
C22 |
0,3 |
0,23 |
0,23 |
C8 |
0,2 |
0,15 |
0,15 |
C23 |
0,3 |
0,23 |
0,3 |
C9 |
0,2 |
0,1 |
0,2 |
C24 |
0,3 |
0,23 |
0,15 |
C10 |
0,2 |
0,15 |
0,15 |
C25 |
0,3 |
0,15 |
0,3 |
C11 |
0,15 |
0,08 |
0,08 |
C26 |
0,2 |
0,15 |
0,15 |
C12 |
0,15 |
0,11 |
0,08 |
C27 |
0,2 |
0,1 |
0,15 |
C13 |
0,15 |
0,15 |
0,11 |
C28 |
0,2 |
0,15 |
0,15 |
C14 |
0,15 |
0,11 |
0,15 |
C29 |
0,2 |
0,15 |
0,15 |
C15 |
0,15 |
0,15 |
0,11 |
C30 |
0,2 |
0,1 |
0,15 |
Nilai 70% |
2.98 |
2.48 |
3.32 |
||||
Nilai 30% |
1.02 |
0.74 |
0.84 |
||||
Total Nilai |
4.00 |
3.22 |
3.16 |
5.5 Proses Perhitungan Nilai Tertinggi dan Terendah
Tabel 8 Index KIDO Tetap
Variabel |
Bobot Nilai |
Nilai Terendah |
Nilai Tertinggi |
Tri-Darma Perguruan Tinggi | |||
Pengajaran |
0.50 |
4 x 0 = 0 |
4×1 = 4(2.0) |
Penelitian |
0.20 |
6 x 0 = 0 |
6×1 = 6(1.2) |
Pengabdian Kepada Masyarakat |
0.15 |
2 x 0 = 0 |
2×1 = 2(0.3) |
Aktivitas Internal |
0.15 |
5 x 0 = 0 |
5×1 = 5(0.75) |
Jumlah |
0 |
17 (2.97) |
|
Kuisioner Mahasiswa | |||
Sikap dan Perilaku Dosen Dalam Mengajar |
0.60
|
8 x 0 = 0
|
8 x 1 = 8 (2.4) |
Sikap Dosen Dalam Membimbing TA/PKL |
0.40 |
5 x 0 = 0 |
5 x 1 = 5(1.0) |
Jumlah |
0 |
13.6(1.02) |
|
Total Nilai |
4.00 |
5.6 HASIL
Hasil dari penelitian ini adalah telah dirancang suatu sistem pendukung keputusan untuk menghitung dan menentukan nilai kinerja dosen dengan menerapkan metode Fuzzy MADM sebagai alternatif sistem dan perbandingan dari sistem pengolahan yang telah ada.
Gambar 13. Form Penilaian Pengajaran
Gambar 14 Form Penilaian Komponen Penelitian
Gambar 15 Form Penilaian Komponen Pengabdian Kepada Masyarakat
Gambar 16. Form Penilaian Komponen Kuisioner
Gambar 17. Tampilan Nilai Kido per-Dosen
6 PENUTUP
Penelitian ini telah menghasilkan sebuah sistem pendukung keputusan untuk mengolah nilai kinerja dosen Universitas Bina Darma dengan menerapkan logika fuzzy multiple-atribute decision making.
Dengan menerapkan logika FMADM, proses penilaian kinerja dosen UBD dapat mengakomodasi ketidakadilan penentuan batasan data dan nilai KIDO yang dihasilkan lebih mencerminkan kualitas individual dosen sesungguhnya.
Dari penelitian ini juga diketahui bahwa semakin banyak sampel yang digunakan, maka tingkat validitas hasil pengolahan cenderung meningkat, dan sistem ini dapat mengakomodasi data sebenarnya secara nyata.
daftar pustaka
Agalgaonkar, A.P., Kulkarni, S.V., Khaparde, S.A., 2005, Multi-attribute Decision Making Approach for Strategic Planning of DGs, (downloaded from IEEE Xplore)
Basri, A. F. M., & Rivai, V, 2004, Performance Appraisal, Jakarta: PT Raja Grafindo Persada.
Dyer, J. S., Fishburn, P.C., Steuer, R. E., Wallenius, J., Zionts, S., 1992, Multiple Criteria Decision Making, Multiattribute Utility Theory: The Next Ten Years, Management Science, Vol 38 No 5, May 1992, pp. 645-654
Jafari, S and Zaredar, N, 2010, Land Suitability Analysis using Multi Attribute Decision Making Approach, International Journal of Environmental Science and Developmentm Vol 1 No 5, December 2010
Jogiyanto, 1999. Analisis dan Desain Sistem Informasi : Pendekatan Terstruktur Teori dan Aplikasi bisnis. Yogyakarta: Andi offset
Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R, 2006, Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu.