Pendekatan Axiomatic Design dalam Fuzzy Multi Criteria Decision Making

(1)

PENDEKATAN

AXIOMATIC DESIGN

DALAM FUZZY

MULTI CRITERIA DECISION MAKING

TESIS

Oleh

YASOHATI SARUMAHA

107038008/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

UNIVERSITAS SUMATERA UTARA

M E D A N

(2)

PENDEKATAN AXIOMATIC DESIGN DALAM FUZZY MULTI CRITERIA DECISION MAKING

TESIS

Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Teknik Informatika

Pada Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

Oleh

YASOHATI SARUMAHA 107038008/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI

UNIVERSITAS SUMATERA UTARA

M E D A N

(3)

PENGESAHAN TESIS

Judul Tesis : PENDEKATAN AXIOMATIC DESIGN

DALAM FUZZY MULTI CRITERIA DECISION MAKING

Nama Mahasiswa : YASOHATI SARUMAHA

Nomor Induk Mahasiswa : 107038008

Program Studi : Magister Teknik Informatika

Fakultas : Ilmu Komputer Dan Teknologi Informasi

Universitas Sumatera Utara

Menyetujui Komisi Pembimbing

Dr. Erna Budhiarti Nababan, MIT Prof. Dr. Tulus, Vor.Dipl.Math., M.Si

Anggota Ketua

Ketua Program Studi, D e k a n,

(4)

PENDEKATAN

AXIOMATIC DESIGN

DALAM

FUZZY

MULTI CRITERIA DECISION MAKING

T E S I S

Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya dijelaskan sumbernya dengan benar.

Medan, 10 Juli 2012

(5)

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:

N a m a : YASOHATI SARUMAHA

N I M : 107038008

Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis

Dengan pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Ekslusif (Non Exlusive Royalti Free Right) atas Tesis yang berjudul:

PENDEKATAN AXIOMATIC DESIGN DALAM FUZZY MULTI CRITERIA DECISION MAKING

Beserta software yang ada. Dengan Hak Bebas Royalti Non-Ekslusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 10 Juli 2012

(6)

Telah diuji pada Tanggal : 10 Juli 2012

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis

Anggota : 1. Dr. Sutarman, M.Sc

2.Prof. Dr. Herman Mawengkang

3.Prof. Dr. Tulus, Vor.Dipl.Math., M.Si

(7)

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap berikut gelar : Yasohati Sarumaha, S.Kom

Tempat dan Tanggal lahir : Hilisataro, 10 Juli 1982

Alamat Rumah : Jl. SM. Raja No. 362-A Medan

Nomor Handphone : 081361053600

e-mail : [email protected]

Instansi Tempat Bekerja : DIKPORA Kabupaten Deli Serdang

Alamat Kantor : Jl. Kolam No. 3 Medan Estate

Telepon/Fax : (061) 7357932

DATA PENDIDIKAN

SD : SD Negeri 074070 Hilisataro II Tamat : 1994

SMP : SMP Negeri Hilisataro (Sekarang SMP Negeri 1 Toma) Tamat : 1997

SMA : STM Swt Dwiwarna Medan (Elektronika Komunikasi) Tamat : 2000

Strata-1 : Teknik Informatika STMIK Logika Medan Tamat : 2006

Akta-IV : Universitas Negeri Medan Tamat : 2008

(8)

CRITERIA DECISION MAKING

ABSTRAK

Untuk menghasilkan keputusan yang objektif dengan mempertimbangkan beberapa alternatif dan kriteria yang bersifat fuzzy dibutuhkan suatu pendekatan untuk merepresentasikan keadaan fuzzy tersebut. Dalam penelitian ini FMCDM dengan axiomatic design digunakan untuk mengukur sejauh mana alternatif dapat memenuhi kebutuhan fungsional yang diharapkan pada setiap kriterianya. Metode

axiomatic design selama ini banyak diimplementasikan dalam menyeleksi alternatif. Pada penelitian ini penulis mengimplementasikan axiomatic design

pada FMCDM dalam mengukur kinerja guru untuk melihat dan mengukur sejauh mana setiap alternatif dapat memenuhi functional requirements dari banyak kriteria yang diberikan sehingga didapatkan suatu pendukung keputusan yang objektif.

(9)

AXIOMATIC DESIGN APPROACH IN FUZZY MULTI CRITERIA DECISION MAKING

ABSTRACT

An approach is needed to represent the fuzzy condition in making an objective decision by considering some fuzzy alternatives and criteria. In this research, FMCDM and axiomatic design are used to measure how the alternatives could fulfill the expecting functional requirements of every criteria. Axiomatic Design method is usually implemented in selecting alternatives. In this research author is implemented axiomatic design is implemented in FMCDM to measure the performance of a teacher and how every alternative could fulfill the functional requirement of some given criteria in order to get an objective supporting decision.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

(10)

KATA PENGANTAR i

ABSTRAK iii

ABSTRACT iv

DAFTAR ISI v

DAFTAR TABEL viii

DAFTAR GAMBAR ix

DAFTAR LAMPIRAN xi

BAB IPENDAHULUAN ...1

1.1 Latar Belakang ...1

1.2 Rumusan Masalah ...3

1.3 Batasan Masalah ...3

1.4 Tujuan Penelitian ...4

1.5 Manfaat Penelitian ...5

BAB II TINJAUAN TEORITIS ...6

2.1 Sistem Pendukung Keputusan ...6

2.2 Metode Fuzzy ...6

2.3 Multi Criteria Decision Making ...8

2.3.1 Klasifikasi Metode MCDM 9 2.3.2 Klasifikasi Solusi MCDM 10 2.4 Fuzzy Multi Criteria Decision Making (FMCDM)...10

2.4.1 Representasi Masalah 11 2.4.2 Evaluasi Himpunan Fuzzy 11 2.4.3 Seleksi Alternatif yang Optimal 12 2.5 Axiomatic Design (Desain Aksiomatis) ...12

2.6 Penelitian Terkait ...17

BAB III METODOLOGI PENELITIAN ...20

3.1 Pendahuluan ...20

(11)

3.3 Axiomatic Design Dalam FMCDM ...21

3.3.1 FMCDM 21

3.3.2 Metode Axiomatic Design 21

3.3.3 Bagan Alir Penelitian 22

3.3.4 Representasi Masalah 23

3.3.5 Evaluasi Himpunan Fuzzy 30

3.3.6 Desain Functional Requirements 31

3.4 Penilaian ...32

3.3.1 Functional Requirements 32

3.3.2 Agregasi Penilaian 35

3.3.3 Common Area dan Information Content 39

3.5 Perancangan Sistem Penilaian ...46

3.3.1 Perancangan Input Objek Penilaian 46

3.5.1 Perancangan Input Parameter 48

3.5.2 Perancangan Input Triangular Fuzzy Number 49

3.5.3 Perancangan Input Functional Requirements 50

3.5.4 Perancangan Input Alternatif Penilaian 51

3.5.5 Perancangan Input Penilaian 52

3.5.6 Perancangan Hasil Penilaian 53

BAB IV HASIL DAN PEMBAHASAN ...56 4.1 Pendahuluan ...56

4.2 Hasil ...

4.2.1 Entry Objek Penilaian 57

4.2.2 Entry Parameter 57

4.2.3 Entry Triangular Fuzzy Number 58

4.2.4 Entry Functional Requirements 59

4.2.5 Entry Alternatif Penilaian 59

4.2.6 Entry Pendapat Para Penilai 60

4.2.7 Tampilan Hasil Agregasi 63

4.2.8 Tampilan Hasil Axiomatic Design 64

(12)

5.2 Saran...72

DAFTAR PUSTAKA

(13)

DAFTAR TABEL

Hal

Tabel 2.1. Teknik-teknik yang sudah digunakan ... 17

Tabel 3.1. Variabel linguistik dan system range ... 30

Tabel 3.2. Decisionrange dari Functional Requirements ... 31

Tabel 3.3. Functional Requirements dalam istilah linguistik ... 33

Tabel 3.4. Functional Requirements dalam variabel linguistik ... 33

Tabel 3.5. Nilai Functional Requirements ... 33

Tabel 3.6. Penilaian guru G1 dalam istilah linguistik ... 36

Tabel 3.7. Penilaian guru G1 dalam variable linguistik ... 36

Tabel 3.8. Agregasi Penilaian Alternatif G1 ... 36

Tabel 4.1. Penilaian yang diberikan Penilai DM1 ... 60

Tabel 4.4. Nilai Pemenuhan Functional Requirements Setiap Parameter ... 70

(14)

DAFTAR GAMBAR

Hal

Gambar 2.1. Konsep black box ... 7

Gambar 2.2. Design range, system range, and common range ... 14

Gambar 2.3. Konsep Axiomatic Design (Suh, 2001) ... 16

Gambar 3.1. Bagan Alir Penelitian ... 23

Gambar 3.2. Struktur hirarki keputusan ... 29

Gambar 3.3. System Range dalam Variabel Linguistik... 30

Gambar 3.4. Decision Range dalam TFN ... 31

Gambar 3.5. Desain Decision Range parameter C1 dan C2 ... 34

Gambar 3.6. Desain Decision Range parameter C3 ... 34

Gambar 3.9. Desain SystemRange Agregasi Penilaian Parameter C1 ... 37

Gambar 3.14. Common area untuk parameter C1 ... 39

Gambar 3.17. Common area untuk parameter C3... 42

Gambar 3.20. Perancangan Sistem Penilaian ... 46

(15)

Gambar 3.22. Rancangan Input Parameter ... 48

Gambar 3.23. Rancangan InputTriangular Fuzzy Number (TFN) ... 49

Gambar 3.24. Rancangan InputFunctional Requirements ... 50

Gambar 3.25. Rancangan Input Alternatif Penilaian ... 51

Gambar 3.26. Rancangan Input Penilaian ... 52

Gambar 3.27. Rancangan Tampilan Hasil Penilaian ... 54

Gambar 4.1. Tampilan Entry Objek Penilaian ... 57

Gambar 4.2. Tampilan Entry Parameter ... 58

Gambar 4.3. Tampilan Entry Triangular Fuzzy Number ... 58

Gambar 4.4. Tampilan Entry Functional Requirements ... 59

Gambar 4.5. Tampilan Entry Alternatif Penilaian ... 59

Gambar 4.6. Tampilan Entry Penilaian ... 60

Gambar 4.7. Hasil penilaian Penilai DM1 dalam TFN ... 61

Gambar 4.10. Hasil rata-rata agregasi penilaian dalam TFN ... 63

Gambar 4.11. Tampilan Hasil Axiomatic Design... 64

Gambar 4.12. Tampilan Hasil Common Area ... 64

Gambar 4.13. Tampilan Hasil System Area ... 65

Gambar 4.14. Tampilan Hasil Information content ... 65

Gambar 4.15. Tampilan Hasil Total Information content ... 66

Gambar 4.16. Tampilan Hasil Akhir ... 66

Gambar 4.17. Alternatif G2 Untuk Parameter C4... 68

Gambar 4.18. Alternatif G6 Untuk Parameter C4... 68

(16)

CRITERIA DECISION MAKING

ABSTRAK

Untuk menghasilkan keputusan yang objektif dengan mempertimbangkan beberapa alternatif dan kriteria yang bersifat fuzzy dibutuhkan suatu pendekatan untuk merepresentasikan keadaan fuzzy tersebut. Dalam penelitian ini FMCDM dengan axiomatic design digunakan untuk mengukur sejauh mana alternatif dapat memenuhi kebutuhan fungsional yang diharapkan pada setiap kriterianya. Metode

axiomatic design selama ini banyak diimplementasikan dalam menyeleksi alternatif. Pada penelitian ini penulis mengimplementasikan axiomatic design

pada FMCDM dalam mengukur kinerja guru untuk melihat dan mengukur sejauh mana setiap alternatif dapat memenuhi functional requirements dari banyak kriteria yang diberikan sehingga didapatkan suatu pendukung keputusan yang objektif.

(17)

AXIOMATIC DESIGN APPROACH IN FUZZY MULTI CRITERIA DECISION MAKING

ABSTRACT

An approach is needed to represent the fuzzy condition in making an objective decision by considering some fuzzy alternatives and criteria. In this research, FMCDM and axiomatic design are used to measure how the alternatives could fulfill the expecting functional requirements of every criteria. Axiomatic Design method is usually implemented in selecting alternatives. In this research author is implemented axiomatic design is implemented in FMCDM to measure the performance of a teacher and how every alternative could fulfill the functional requirement of some given criteria in order to get an objective supporting decision.

Keywords : axiomatic design, FMCDM, functional requirement, information content, system range, system area, common area, decision range.

(18)

PENDAHULUAN

1

1.1 LATAR BELAKANG

Seiring dengan perkembangan metode komputasi saat ini dalam memecahkan

persoalan, banyak muncul metode pemecahan masalah baik itu dalam

menyelesaikan masalah yang lama dengan metode baru maupun menggunakan

metode lama untuk menyelesaikan masalah yang baru. Salah satunya dalam

sistem pendukung keputusan (decision support system). Pada pengambilan suatu

keputusan, pengambil keputusan harus mempertimbangkan alternatif yang

menjadi faktor pendukung keberhasilan pengambilan keputusan sehingga

menghasilkan keputusan yang optimal. Perkembangan metode sistem pendukung

keputusan saat ini sangat pesat khususnya dalam melakukan suatu evaluasi. Ada

beberapa metode yang digunakan untuk membantu dalam pengambilan keputusan

terutama yang berdasarkan pada beberapa kriteria.

Dalam sejumlah publikasi, metode kuantitatif diadopsi untuk evaluasi kualitas dengan metode statistik peringkat sebagai alat penilaian yang paling

banyak digunakan. Selain itu, metode lain seperti skala multidimensi dan

korespondensi analisis, skor, metode indeks, teknologi soft computing dan multi

kriteria pengambilan keputusan juga digunakan dalam menilai dan meningkatkan

kualitas. Meskipun demikian, ada beberapa studi yang membandingkan kebutuhan

pelanggan terhadap kinerja.

Ada beberapa keadaan yang mungkin dialami oleh pengambil keputusan

ketika mengambil suatu keputusan, yaitu pengambilan keputusan dalam kepastian

dimana semua alternatif diketahui secara pasti, pengambilan keputusan dalam

berbagai tingkat resiko yang dipilih, pengambilan keputusan dalam kondisi

(19)

2

Beberapa metode yang telah digunakan sebagai alat bantu dalam

pendukung keputusan, salah satunya adalah Multi-Criteria Decision Making

methods (MCDM). MCDM adalah sebuah metode yang mengacu pada proses

screening, prioritizing, ranking, atau memilih set alternatif (dalam hal ini dapat berupa “candidate” atau “action”) dengan kriteria yang bersifat independent,

incommensurate atau conflicting. MCDM sangat tepat untuk diimplementasikan

pada kasus yang semua alternatif memiliki sejumlah kriteria, memiliki nilai

nominal dan masing-masing kriteria memiliki bobot yang dapat dimanfaatkan

sebagai sarana perbandingan.

MCDM berasumsi bahwa rating alternatif dan bobot dari kriteria bersifat

crisp. Namun tidak semua kasus memenuhi asumsi tersebut, sehingga pemikiran

MCDM kurang tepat dan diperlukan sejumlah pemikiran baru serta pendekatan

dengan metode lain. Pemikiran tersebut tertuang dalam konsep Fuzzy

Multi-Criteria Decision Making (FMCDM), yang merupakan sebuah metode

pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria

pada sebuah situasi yang bersifat fuzzy. Demikian juga pendekatan dengan metode

lain yang dikenal dengan axiomatic design.

Prinsip axiomatic design (Suh, 2001) menyediakan alat yang ampuh untuk

mengukur seberapa baik kemampuan sistem merespon functional requirements.

Metode-metode tersebut selama ini telah banyak diaplikasikan, diantaranya seperti

dalam penelitian Thompson et al., (2009) tentang penerapan axiomatic design

untuk proses pendidikan, Cochran et al., (2000) tentang penerapan axiomatic

design dan prinsip manajemen bersandar di lingkup segmentasi sistem produksi,

Chen (2009) melakukan pemodelan FMCDM dalam penerimaan pegawai, Yu et

al. (2004) menggunakan pendekatan FMCDM sebagai elternatif dalam

mengevaluasi mekanisme perijinan, Ban (2011) menerapkan metode FMCDM

untuk menentukan tujuan wisata yang terbaik; Wardoyo (2011) menerapkan

FMCDM untuk diagnosis penyakit tropis.

Dalam kaitannya dengan pengambilan keputusan dari beberpa alternatif

dengan banyak kriteria, serta informasi yang diberikan bersifat kualitatif, maka

(20)

melakukan fuzzyfikasi dari asumsi-asumsi yang diberikan oleh pengambil

keputusan selanjutnya mentransformasikan hasil yang diperoleh tersebut dengan

suatu pendekatan metode axiomatic design berdasarkan tingkat functional

requirements yang diharapkan dari beberapa parameter alternatif yang dinilai.

1.2 RUMUSAN MASALAH

Dalam pengambilan keputusan dari beberapa alternatif dengan banyak kriteria,

masih menghasilkan keputusan yang kurang objektif, selain dikarenakan oleh

rating alternatif dan bobot dari kriteria yang bersifat crisp juga karena dilakukan

oleh pengambil keputusan yang berbeda-beda. Adapun masalah yang akan

diselesaikan pada penelitian ini adalah bagaimana menghasilkan keputusan yang

objektif pada suatu pengambilan keputusan dengan banyak kriteria berdasarkan

tingkat functional requirements yang diharapkan dari beberapa parameter

alternatif yang dinilai.

1.3 BATASAN MASALAH

Selanjutnya masalah yang menjadi sasaran pokok penelitian dibatasi hanya pada

hal berikut ini:

1. Metode fuzzyfikasi yang digunakan adalah fuzzy multi-criteria decision

making (FMCDM).

2. Penggunaan FMCDM pada teknik pendekatan ini adalah untuk melakukan

representasi masalah dan evaluasi himpunan fuzzy pada setiap alternatif

keputusan sedangkan untuk melakukan defuzzyfikasi dikerjakan dengan

teknik axiomatic design.

3. Teknik pendekatan axiomatic design digunakan untuk mendapatkan

information content yang terkandung dalam setiap parameter untuk

masing-masing alternatif.

4. Tidak menghitung membership function untuk melakukan pemetaan

(21)

4

menggunakan functional requirements yang juga dibentuk dalam

triangular fuzzy numbers (TFNs).

5. Nilai functional requirements yang diharapkan dari setiap parameter pada

alternatif yang dinilai diberikan sesuai dengan kebutuhan atau harapan

penilainya sendiri.

6. Nilai optimism/optimism value (µ) yang digunakan adalah 0,5. Nilai ini

merujuk kepada jurnal yang ada. Terdapat 2 (dua) pendapat tentang

penetapan optimism value, yaitu 0,5 (Buyukozkan, et al., 2009) dan 0,3708

(Macias, et al., 2009). Penulis menggunakan 0.5 karena makin kecil nilai

optimism value maka nilai informasi yang dihasilkan akan disajikan dalam

angka-angka yang terlalu kecil.

7. Teknik yang dihasilkan akan digunakan untuk melakukan penilaian kinerja

guru pada satuan pendidikan SMK Negeri 1 Percut Sei Tuan, dimana data

yang diambil dalam studi kasus pada sekolah tersebut merupakan data

tahun 2011.

8. Terdapat 5 (lima) parameter yang akan dijadikan penilaian terhadap

kinerja guru dalam hal menguasai keterampilan dan kemampuan berikut

ini:

a) Kemampuan membuat perencanaan dan persiapan mengajar,

b) Penguasaan materi,

c) Penguasaan metode dan strategi mengajar,

d) Kemampuan mengelola kelas,

e) Kemampuan melakukan penilaian dan evaluasi.

1.4 TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah untuk mendapatkan suatu keputusan yang

objektif berdasarkan tingkat functional requirements yang diharapkan dari

parameter setiap alternatif dalam memenuhi kebutuhan fungsional yang

(22)

1.5 MANFAAT PENELITIAN

Adapun manfaat yang diharapkan pada penelitian ini sebagai berikut:

1. Memberikan kontribusi dalam penggunaan metode pendukung keputusan

yang mendekati nilai ekspektasi untuk melakukan suatu penilaian.

2. Bahan pertimbangan bagi satuan pendidikan, organisasi dan perusahaan

untuk menerapkan konsep fuzzy sebagai sistem pengambil keputusan.

3. Rekomendasi pemanfaatan logika fuzzy kepada satuan pendidikan ataupun

institusi lain dalam melakukan evaluasi terhadap penilaian kinerja.

4. Sumbangan pemikiran bagi berbagai pihak yang berminat dan ingin

melakukan penelitian yang lebih lanjut mengenai masalah pengolahan data

(23)

BAB II

TINJAUAN PUSTAKA

2

2.1 SISTEM PENDUKUNG KEPUTUSAN

Sistem pendukung keputusan pertama kali diperkenalkan pada awal tahun 1970

oleh Michael S. Scott dengan istilah management decision system yang

merupakan suatu sistem berbasis komputer yang membantu pengambilan

keputusan dengan memanfaatkan data dan model-model untuk menyelesaikan

masalah-masalah yang tidak terstruktur (Turban, 2005).

Menurut Surbakti (2002), sistem pendukung keputusan mendayagunakan

resources individu-individu secara intelek dengan kemampuan komputer untuk

meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang

berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan

dengan masalah-masalah yang semi terstruktur.

Tujuan dari sistem pendukung keputusan adalah untuk membantu

pengambil keputusan memilih berbagai alternatif keputusan yang merupakan

pengolahan informasi-informasi yang diperoleh/tersedia dengan menggunakan

model pengambilan keputusan. Ciri utama sekaligus keunggulan dari sistem

pendukung keputusan tersebut adalah kemampuannya untuk menyelesaikan

masalah-masalah yang tidak terstruktur (Surbakti, 2000).

2.2 METODE FUZZY

Metode fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke

dalam suatu ruang output (Zadeh, 1995), seperti diilustrasikan pada Gambar 2.1

(24)

Gambar 2.1. Konsep black box (Lotfi Zadeh, 1995)

Sering kali kita kehilangan informasi dalam memecahkan permasalahan di

dunia nyata ke dalam komputer karena kualitas keahlian yang dimiliki oleh

seorang pakar tidak bisa diformulasikan dalam angka yang pasti. Ada banyak

alternatif yang dapat dipakai, seperti: logika fuzzy, sistem linier, sistem pakar,

jaringan saraf tiruan, persamaan diferensial, database pemetaan, dan lain-lain.

Dari sekian banyak alternatif yang tersedia, logika fuzzy seringkali menjadi

pilihan terbaik (Zadeh, 1995), yang dikenal sebagai “Bapak Logika Fuzzy”,

menyebutkan bahwa dalam hampir setiap kasus, anda dapat membangun produk

yang sama tanpa logika fuzzy, tetapi fuzzy adalah lebih cepat dan lebih murah.

Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu

diketahui, yaitu :

1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu

sistem fuzzy.

Contoh : tinggi badan, temperatur, dan lain-lain.

2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu

kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Contoh: Variabel tinggi badan memiliki himpunan “tinggi”, “sedang”, dan “rendah”.

(25)

8

Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa

naik (bertambah) secara monoton dari kiri ke kanan atau sebaliknya. Nilai

semesta pembicaraan dapat berupa bilangan positif maupun negatif.

Contoh semesta pembicaraan untuk variabel tinggi badan : [0 200]

4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh dioperasikan dalam suatu fuzzy set. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah)

secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif

maupun negatif.

Contoh domain fuzzy set untuk variabel usia : a. Rendah = [0, 125]

b. Sedang = [110, 170]

c. Tinggi = [155, 2].

Fuzzy set memiliki 2 (dua) atribut, yaitu :

1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami, seperti : “tinggi”, “sedang”, dan “rendah”.

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu

variabel, seperti : 40, 25, 35.

2.3 MULTI CRITERIA DECISION MAKING

Multiple Criteria Decision Making (MCDM) adalah suatu metode pengambilan

keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran,

aturan-aturan atau standar yang digunakan dalam pengambilan keputusan.

Berdasarkan tujuannya, MCDM dapat dibagi menjadi dua model yaitu Multi

Attribute Decision Making (MADM); dan Multi Objective Decision Making

(MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas

(26)

MADM digunakan untuk menyelesaikan masalah-masalah dalam ruang

diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan

penilaian atau seleksi terhadap beberapa alternatif dalam jumlah yang terbatas.

Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang

kontinyu (seperti permasalahan pada pemrograman matematis). Secara umum

dapat dikatakan bahwa, MADM menyeleksi alternartif terbaik dari sejumlah

alternatif, sedangkan MODM merancang alternatif yang baik (Kusumadewi dkk,

2006).

Ada beberapa fitur umum yang akan digunakan dalam MCDM

(Kusumadewi dkk, 2006), yaitu :

a. Alternatif, alternatif adalah obyek-obyek yang berbeda dan memiliki

kesempatan yang sama untuk dipilih oleh pengambil keputusan.

b. Atribut, atribut sering juga disebut sebagai karakteristik komponen, atau

kriteria keputusan. Meskipun pada kebanyakan kriteria bersifat satu level,

namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan

dengan kriteria yang telah diberikan.

c. Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik

antara satu dengan yang lainnya, misalnya kriteria keuntungan akan

mengalami konflik dengan kriteria biaya.

d. Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari

setiap kriteria, W = (w1, w2, …, wn). Pada MCDM akan dicari bobot

kepentingan dari setiap kriteria.

e. Matriks keputusan, suatu matriks keputusan χ yang berukuran m × n,

berisi elemen-elemen x_ĳ, yang merepresentasikan rating dari alternatif A_і (і=1,2,…,m) terhadap kriteria Cј(j=1,2,…,n).

2.3.1 Klasifikasi Metode MCDM

Ada beberapa cara dalam mengklasifikasikan metode MCDM. Menurut tipe data

yang digunakan, MCDM dapat dibagi berdasarkan tipe data deterministik,

(27)

10

Berdasarkan jumlah pengambil keputusan yang terlibat dalam proses pengambilan

keputusan, MCDM dapat dibagi berdasarkan pengambil keputusan satu orang,

atau pengambil keputusan dalam bentuk grup (kelompok).

2.3.2 Klasifikasi Solusi MCDM

Masalah MCDM tidak selalu memberikan suatu solusi unik, perbedaan tipe bisa

jadi akan memberikan perbedaan solusi (Yoon dalam Kusumadewi, 2006).

1. Solusi ideal, kriteria atau atribut dapat dibagi menjadi 2 kategori, yaitu

kriteria yang nilainya akan dimaksimumkan (kategori kriteria

keuntungan), dan kriteria yang nilainya akan diminimumkan (kategori

kriteria biaya). Solusi ideal akan memaksimumkan semua kriteria biaya.

2. Solusi non-dominated, solusi ini sering juga dikenal dengan nama solusi

Pareto-optimal. Solusi feasible MCDM dikatakan non-dominated jika

tidak ada solusi feasible yang lain yang akan menghasilkan perbaikan

terhadap suatu atribut tanpa menyebabkan degenerasi pada atribut yang

lainnya.

3. Solusi yang memuaskan, solusi yang memuaskan adalah himpunan bagian

dari solusi-solusi feasible dimana setiap alternatif melampaui semua

kriteria yang diharapkan.

4. Solusi yang lebih disukai, solusi yang disukai adalah solusi non-dominated

yang paling banyak memuaskan pengambil keputusan.

2.4 FUZZY MULTI CRITERIA DECISION MAKING (FMCDM)

Dalam perspektif ilmu komputasi, FMCDM merupakan salah satu metode

komputasi yang didalamnya terdapat proses pengambilan keputusan yang

didasarkan atas banyak kriteria dan dengan menggunakan pendekatan logika

fuzzy.

Pada prinsipnya, proses pengambilan keputusan multi-kriteria adalah

proses penetapan keputusan berdasar atas sejumlah alternatif keputusan yang ada

(28)

Selain itu, alternatif keputusan dan kriteria yang ada serta produk keputusan yang

dihasilkan didekati dengan logika fuzzy (Klir dan Yuan, 1995). Pendekatan logika

fuzzy ini terutama diterapkan untuk menampung pemaknaan gejala pada semua

masukan (alternatif keputusan dan kriteria), relasi antar masukan tersebut dan

produk keputusannya.

Ada 3 langkah penting penyelesaian yang harus dilakukan dalam

penyelesaian FMCDM (Kusumadewi, dkk., 2006), yaitu representasi masalah,

evaluasi himpunan fuzzy pada setiap alternatif keputusan, dan melakukan seleksi

terhadap alternatif yang optimal.

2.4.1 Representasi Masalah

Pada bagian ini ada 3 aktivitas yang harus dilakukan, yaitu :

a. Identifikasi tujuan dan kumpulan alternatif keputusannya;

Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa

alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut.

Jika ada n alternative keputusan dari masalah, maka alternative-alternatif

keputusan dari suatu masalah, maka alternatif-alternatif tersebut dapat

ditulis sebagai A = {Ai | i=1,2,…,n}.

b. Identifikasi kumpulan kriteria;

Jika k kriteria, maka dapat dituliskan C = {Ct |t=1,2,…,k}.

c. Membangun struktur hirarki dari masalah tersebut berdasarkan

pertimbangan-pertimbangan tertentu.

2.4.2 Evaluasi Himpunan Fuzzy

Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu :

a. Memilih himpunan rating untuk bobot kriteria dimana himpunan ini terdiri

dari variable linguistik (x) yang merepresentasikan bobot kriteria dan T(x)

yang merepresentasikan rating dari variabel linguistik.

b. Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif

(29)

12

c. Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap

alternatif dengan kriterinya. Ada beberapa metode yang dapat digunakan

untuk melakukan agregasi terhadap hasil keputusan para pengambil

keputusan, antara lain : mean, median, max, min, dan operator campuran.

Dari beberapa metode tersebut, metode mean yang paling banyak

digunakan.

2.4.3 Seleksi Alternatif yang Optimal

Pada bagian ini, ada 2 aktivitas yang dilakukan, yaitu:

a. Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas

dari hasil agregasi dibutuhkan dalam rangka proses perangkingan alternatif

keputusan. Karena hasil agregasi ini direpresentasikan dengan

menggunakan TFN, maka dibutuhkan metode perangkingan untuk TFN.

Salah satu metode yang dapat digunakan adalah metode nilai total integral.

b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif

yang optimal. Semakin besar TFN berarti kecocokan terbesar dari

alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang akan

menjadi tujuannya.

2.5 AXIOMATIC DESIGN (DESAIN AKSIOMATIS)

Axiomatic Design/AD (desain aksiomatis) merupakan suatu metode sistematis

yang memberikan basis ilmiah untuk desain, diperkenalkan oleh Suh (1990) dan

yang area aplikasinya termasuk perangkat lunak desain, kualitas desain sistem,

desain sistem umum, manufaktur desain sistem, ergonomi, rekayasa sistem,

desain sel kantor dan strategi e-commerce (Suh, 2001). Istilah axiomatic ini

sendiri didapat dari kegunaan prinsip desain atau desain axioms yang

mempengaruhi analisis dan proses pengambilan keputusan dalam

mengembangkan produk berkualitas tinggi atau sebuah desain sistem. AD

disinyalir sebagi metode desain yang mengalamatkan masalah mendasar dalam

(30)

Konsep paling penting dalam AD adalah keberadaan dari AD itu sendiri.

AD yang pertama adalah Independence Axiom, untuk mempertahankan kebebasan

dari persyaratan-persyaratan fungsional. AD yang kedua adalah Information

Axiom, untuk meminimalisasi isi informasi.

Maksud dari kedua pernyataan di atas dapat dijabarkan bahwa dalam

Independence Axiom kebebasan persyaratan-persyaratan fungsional (FRs) harus

selalu dipertahankan dimana FRs didefenisikan sebagai set minimum dari

persyaratan kebebasan yang menggambarkan tujuan desain. Sedangkan

Information Content menyatakan bahwa diantara desain desain yang memuaskan

Independence Axiom, desain yang mempunyai isi informasi terkecil merupakan

desain yang terbaik.

Information Content (kandungan informasi), yang merupakan dasar teknik

MCDM, menggambarkan sebuah fungsi dari probabilitas terhadap kepuasan dari

suatu persyaratan fungsional FR. Oleh karena itulah mengapa desain dengan

probabilitas tertinggi yang sesuai dengan persyaratan-persyaratan ini merupakan

desain yang terbaik.

Information Content yang dalam hal ini dilambangkan dengan I, yang

berhubungan dengan bentuk paling sederhananya terhadap probabilitas dalam

memuaskan FRs yang telah diberikan, menggambarkan bahwa desain dengan

probabilitas tertinggi merupakan desain terbaik. Hubungan antara Information

Content (I), dan probabilitas keberhasilan persyaratan fungsional FR (p) dapat

dirumuskan sebagai berikut :

) 1 ( log₂

i i

p

I  (2.1)

Menurut Suh (2001), logaritma digunakan dalam menghitung kandungan

informasi, sehingga tercapai aditivitas. Disisi lain, probabilitas keberhasilan

diberikan oleh berbagai desain (persyaratan untuk desain) dan kisaran sistem

(kapasitas sistem). Gambar 2.2 menggambarkan desain dan rentang sistem dan

juga daerah umum (common area). Perpotongan rentang menawarkan solusi yang

(31)

14

Oleh karena itu, probabilitas keberhasilan dapat dinyatakan sebagai:



 u

l i i

i p FR dFR

p ( ) (2.2)

dimana l dan u merupakan batas bawah dan batas atas design range dan dimana p

merupakan fungsi distribusi probabilitas dari sistem dalam FRi yang telah

ditentukan. Probabilitas keberhasilan pi adalah sama dengan common area, yang

dilambangkan dengan Ac, sehingga information Content dapat dinyatakan sebagai

berikut :

) 1 ( log₂

c i

A

I  (2.3)

Juga, jika fungsi distribusi probabilitas adalah seragam, maka probabilitas

keberhasilan menjadi:

range system

range common

p_i  (2.4)

Gambar 2.2. Design range, system range, and common range (Celik, et.al, 2009)

Dari Gambar 2.2 , common area dan system area dapat ditulis sebagai berikut:

Common Area (CA)=





2 ) ( ) (x dc



(32)

System Area (SA) = 2

) (ca

(2.6)

Oleh karena itu, Information Content dapat ditulis sebagai:

Information Content (Ii)= 



Kemudian Information Content dalam lingkungan fuzzy dihitung sebagai berikut:



Jumlah bobot Information Content untuk kriteria tingkat pertama dihitung sebagai

berikut:

dimana n adalah jumlah kriteria tingkat pertama dan 1

1 





n_ i wiIi I

Demikian juga, Information Content untuk kriteria tingkat kedua (sub-kriteria dari

kriteria i) dihitung sebagai berikut:





 m

j wijIij I

1 (2.10)

Dimana m adalah jumlah sub-kriteria criteria i dan 1

1 





m

i wij for i = 1,.. n.

Akhirnya, berdasarkan Information Axiom, alternatif-alternatif urutan posisinya

diatur berdasarkan kenaikan Information Content.

Dalam mendesain suatu solusi dari produk, service, software, proses,

maupun hal lainnya, para desainer umumnya melakukan beberapa langkah berikut

ini:

1. Memahami kebutuhan customer

2. Menentukan masalah yang harus mereka selesaikan untuk memenuhi

kebutuhan mereka

3. Membuat dan memilih suatu solusi

(33)

16

5. Memeriksa efek yang ditimbulkan oleh desain terhadap kebutuhan

customer.

Konsep dasar dari axiomatic design adalah domain. Masing-masing

domain akan memiliki peran penting dalam aktivitas desain. Seperti diilustrasikan

pada Gambar 2.3 berikut.

Gambar 2.3. Konsep Axiomatic Design (Suh, 2001)

Untuk masing-masing domain yang berdekatan, domain sebelah kiri

merepresentasikan hal yang ingin dicapai. Sedangkan domain yang berada

disebelah kanan merepresentasikan solusi desain dalam bagaimana mencapai hal

itu.

Definisi yang terasiosiasi dengan domain dalam axiomatic design adalah :

1. Functional Requirements (FRs), adalah set minimum dari independent

requirements yang mengkarakterisasikan functional requirements dari

solusi desain secara menyeluruh dalam domain functional.

2. Constraint (Cs), adalah batas dari solusi yang dapat diterima.

3. Design Parameter (DPs), adalah elemen dari solusi desain dalam domain physical yang dipilih untuk memenuhi spesifikasi FRs.

4. Process Variable (PVs), adalah elemen dalam domain process yang

(34)

2.6 PENELITIAN TERKAIT

Semua teknik yang sudah digunakan sebelumnya yang ada kaitannya didalam

pendekatan axiomatic design dan FMCDM pada penelitian ini, seperti yang

diuraikan melalui Tabel 2.1 berikut.

Tabel 2.1. Teknik-teknik yang sudah digunakan

Nama Peneliti Judul Pembahasan Tahun

Cahyo, Winda

keputusan/ Decision Support Systemdalam mengevaluasi calon penerima beasiswa dengan menggunakan Fuzzy Multicriteria Decision televisi di Yogyakarta dengan tiga alternatif berdasarkan Design untuk membuat desain yang sistematis dalam menyediakan sarana yang kuat merancang dan mengorganisir kurikulum yang efisien

2009

Wardoyo, dkk. Penerapan Fuzzy Multi Criteria criteria decision untuk menetapkan penyakit demam berdarah sebagai diagnosis penyakit tropis.

(35)

18

Tabel 2.1. Teknik-teknik yang sudah digunakan (lanjutan)

Fitri dan Kahar Aplikais Fuzzy Multi Criteria criteria decision dalam menetukan lokasi promosi produk Rinso di Kota Jambi pada tiga lokasi alternatif berdasarkan empat kriteria pendekatan pandangan Multi Atributte Axiomatic Design Axiomatic Design untuk penilaian web site terbaik dalam bentuk perangkingan dan eliminasi alternatif yang tidak memenuhi kebutuhan pegawai lebih adil dan wajar sehingga untuk mencapai Principles in the Scope of Production System

Segmentation

Mengurangi kompleksitas

decoupling desain sistem dengan mempergunakan

Axiomatic Design.

(36)

Tabel 2.1. Teknik-teknik yang sudah digunakan (lanjutan)

Eraslan, Ergun, et.al

Usability Ranking of Intercity Bus

Passenger Seats Using Fuzzy Axiomatic Design Theory

Penggunaan kombinasi aksioma kedua dari Fuzzy Axiomatic Design Theory

dalam menentukan solusi desain tempat duduk yang paling tersedia.

2006

Kulak, Osman dan Kahraman, Cengiz

Fuzzy multi-atributte selection among transportation companies using axiomatic design and analytic hierarcy process

Pemilihan perusahaan transportasi terbaik

berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan multi-atributte axiomatic design dan AHP

2004

Dalam Bab berikutnya akan dibahas metodologi dalam penyelesaian

(37)

BAB III

METODOLOGI PENELITIAN

3

3.1 PENDAHULUAN

Metodelogi Penelitian (methodology research) merupakan suatu ilmu atau studi

mengenai sistem, ataupun tindakan menjalankan investigasi untuk mendapatkan

fakta baru, tambahan informasi dan sebagainya yang dapat bersifat mendalam.

Pada bab ini diuraikan sebuah kerangka pikir yang akan menjadi dasar dalam

pelaksanaan penelitian pendekatan axiomatic design dalam FMCDM melalui studi

kasus untuk pengambilan keputusan penilaian kinerja guru.

3.2 DATA YANG DIBUTUHKAN

Untuk menganalisis pendekatan teknik axiomatic design dalam FMCDM tentu

diperlukan data sebagai masukan pada proses fuzzyfikasi. Data input diperoleh

dari lokasi penelitian pada Sekolah Menengah Kejuruan (SMK) Negeri 1 Percut

Sei Tuan, jalan Kolam No. 3 Medan Estate Kecamatan Percut Sei Tuan

Kabupaten Deli Serdang dalam hal mengukur kinerja guru berdasarkan data tahun

2011 yang meliputi:

1. Data guru

Yang meliputi latar belakang dan jenjang pendidikan guru, masa kerja

guru, beban mengajar setiap minggu dan mata pelajaran yang diajarkan.

2. Data kegiatan pembelajaran

Dari data kegiatan pembelajaran ini didapatkan parameter yang akan

(38)

Jumlah sampel yang akan diuji sebanyak 30% dari total 36 orang guru

yang ada pada jurusan Teknik Komputer dan Informatika sekolah tersebut.

Penilaian dilakukan melalui kuisioner yang dirancang dengan mempertimbangkan

kebijakan-kebijakan yang berlaku. Dalam pengumpulan data melalui kuisioner ini

melibatkan partisipasi siswa, pengawas sekolah, ketua jurusan dan wakil kepala

sekolah bidang personalia atau kepala sekolah.

3.3 AXIOMATIC DESIGN DALAM FMCDM

3.3.1 FMCDM

Fuzzy Multi Criteria Decion Making (FMCDM) adalah salah satu metode yang

bisa membantu pengambil keputusan dalam melakukan pengambilan keputusan

terhadap beberapa alternatif keputusan yang harus diambil dengan beberapa

kriteria yang harus dipertimbangkan. Secara umum penelitian ini dilakukan

melalui langkah-langkah berikut ini, yaitu:

1. Representasi masalah, meliputi penetapan tujuan keputusan, identifikasi

alternatif, identifikasi kriteria dan membangun struktur hirarki keputusan.

2. Evaluasi himpunan fuzzy dari alternatif-alternatif keputusan, meliputi:

menetapkan variable linguistik dan fungsi keanggotaan, menetapkan rating

untuk setiap kriteria, dan menghitung indeks kecocokan fuzzy pada setiap

alternatif.

3. Melakukan defuzzyfikasi dalam rangka mencari nilai alternatif yang

optimal dengan pendekatan axiomatic design.

3.3.2 Metode Axiomatic Design

Metode axiomatic design berdasarkan pada AD konvensional. Namun, crisp

range diganti dengan nilai fuzzy yang mewakili istilah linguistik. Dalam studi ini,

TFN (Triangular Fuzzy Number/TFNs) yang digunakan. Perpotongan TFNs

mewakili desain range dan sistem range menyajikan common area (Kulak and

Kahraman, 2005). Pertama, isi informasi dihitung seperti dalam lingkungan

(39)

22

Dalam studi ini, perhitungan bobot isi informasi diadopsi dari (Kahraman and

Cebi, 2008). Model ini memerlukan penentuan bobot kriteria dan sub-kriteria.

Akhirnya, menurut aksioma informasi, alternatif adalah peringkat dengan urutan

menaik dari isi informasi. Adapun proses evaluasi dilakukan dengan menerapkan

langkah-langkah berikut:

1. Penentuan persyaratan fungsional (functional requirementss)

functional requirements adalah jenis kebutuhan yang berisi

informasi-informasi apa saja yang minimal harus ada dan dihasilkan.

2. Agregasi pendapat para penilai

Proses pengambilan keputusan yang melibatkan penilaian atau pendapat

berbagai pihak atau ahli.

3. Perhitungan common area dan information content.

Evaluasi fuzzy dari rangkuman (agregat) pengambilan keputusan,

dijabarkan dalam metodologi fuzzy axiomatic design yang diaplikasikan

untuk menghitung common area. Semakin besar nilai common area, maka

lebih baik respon dari alternatif untuk functional requirementss yang

didapatkan. Hasil dari perhitungan common area dengan system area

berupa information content. Setiap nilai alternatif yang tidak sesuai dengan

functional Requirementss akan dieliminasi karena tidak memiliki

information content.

4. Penentuan peringkat akhir alternatif.

Hasil akhir menunjukkan bahwa setiap nilai yang tidak sesuai dengan

functional requirementss akan dieliminasi, berarti bahwa alternatif yang

tidak memenuhi functional requirementss dikeluarkan dari kategori

penilaian.

3.3.3 Bagan Alir Penelitian

Adapun prototype bagan alir penelitian pendekatan axiomatic design dalam

FMCDM yang menjelaskan proses kerja dari awal penelitian dilakukan hingga

(40)

Adapun skema bagan alir penelitian dapat dilihat pada Gambar 3.1 berikut:

FMCDM AXIOMATIC DESIGN

Menetapkan tujuan keputusan

Membangun struktur hirarki keputusan

Menetapkan variabel linguistik dan fungsi keanggotaan Identifikasi alternatif dan

identifikasi kriteria Mulai

Kesimpulan

Menentukan kebutuhan fungsional (FR) Transformasi istilah linguistik

ke dalam bilangan fuzzy

Agregasi pendapat dari para Penilai Pemilihan alternatif terbaik

Selesai

Menghitung dari isi informasi

Menghitung Common Area

Gambar 3.1. Bagan Alir Penelitian

3.3.4 Representasi Masalah

Dalam penyelesaian masalah dengan teknik pendekatan axiomatic design dalam

FMCDM menyangkut beberapa langkah yaitu:

1. Tujuan keputusan ini adalah mendapatkan hasil penilaian kinerja guru

yang objektif yang akan dirangking dengan metode axiomatic design

yakni berdasarkan kandungan atau isi informasi.

2. Ada 12 orang dari total 36 orang guru yang ada pada jurusan Teknik

(41)

24

sampel alternatif penilaian dengan inisial secara berturut-turut adalah G1,

G2, G3, G4, G5, G6, G7, G8, G9, G10, G11 dan G12 yang akan menjadi

alternatif keputusan.

3. Ada 5 kriteria keputusan yang dinotasikan dengan C1, C2, C3, C4 dan C5,

yaitu:

a) Kemampuan Membuat Perencanaan dan Persiapan Mengajar

Notasi : C1

Kompetensi : Pengembangan kurikulum

Jenis Kompetensi : Pedagogik

Penilai : Pengawas Sekolah, Kepala Sekolah dan Ketua

Jurusan

Teknik Penilaian : Pengamatan

Pernyataan : Guru menyusun silabus sesuai dengan tujuan

terpenting kurikulum dan menggunakan RPP

sesuai dengan tujuan dan lingkungan

pembelajaran. Guru memilih, menyusun, dan

menata materi pembelajaran yang sesuai dengan

kebutuhan peserta didik.

Indikator : 1) Guru dapat menyusun silabus yang sesuai dengan

kurikulum.

2) Guru merancang rencana pembelajaran yang sesuai

dengan silabus untuk membahas materi ajar tertentu

agar peserta didik dapat mencapai kompetensi dasar

yang ditetapkan

3) Guru mengikuti urutan materi pembelajaran dengan

memperhatikan tujuan pembelajaran.

4) Guru memilih materi pembelajaran yang: a) sesuai

dengan tujuan pembelajaran, b) tepat dan mutakhir, c)

sesuai dengan usia dan tingkat kemampuan belajar

(42)

sesuai dengan konteks kehidupan sehari-hari peserta

didik.

b) Penguasaan Materi

Notasi : C2

Kompetensi : Penguasaan materi struktur konsep dan pola piker

keilmuan yang mendukung mata pelajaran yang

diampu.

Jenis Kompetensi : Profesional

Jurusan

Pernyataan : Rancangan, materi dan kegiatan pembelajaran,

penyajian materi baru dan respon guru terhadap

peserta didik memuat informasi pelajaran yang

tepat dan mutakhir. Pengetahuan ini ditampilkan

sesuai dengan usia dan tingkat pembelajaran

peserta didik. Guru benar-benar memahami mata

pelajaran dan bagaimana mata pelajaran tersebut

disajikan di dalam kurikulum. Guru dapat

mengatur, menyesuaikan dan menambah aktifitas

untuk membantu peserta didik menguasai aspek-

aspek penting dari suatu pelajaran dan

meningkatkan minat dan perhatian peserta didik

terhadap pelajaran.

Indikator : 1) Guru melakukan pemetaan standar kompetensi dan

kompetensi dasar untuk mata pelajaran yang

diampunya, untuk mengidentifikasi materi

pembelajaran yang dianggap sulit, melakukan

perencanaan dan pelaksanaan pembelajaran, dan

(43)

26

2) Guru menyertakan informasi yang tepat dan mutakhir

di dalam perencanaan dan pelaksanaan pembelajaran.

3) Guru menyusun materi, perencanaan dan pelaksanaan

pembelajaran yang berisi informasi yang tepat,

mutakhir, dan yang membantu peserta didik untuk

memahami konsep materi pembelajaran.

c) Penguasaan Metode dan Strategi Mengajar

Notasi : C3

Kompetensi : Menguasai teori belajar dan prinsip-prinsip

pembelajaran yang mendidik.

Jurusan

Pernyataan : Guru menetapkan berbagai pendekatan, strategi,

metode, dan teknik pembelajaran yang mendidik

secara kreatif sesuai dengan standar kompetensi

guru. Guru menyesuaikan metode pembelajaran

supaya sesuai dengan karakteristik peserta didik

dan memotivasi mereka untuk belajar.

Indikator : 1) Guru memberi kesempatan kepada peserta didik untuk

menguasai materi pembelajaran sesuai usia dan

kemampuan belajarnya melalui pengaturan proses

pembelajaran dan aktivitas yang bervariasi.

2) Guru selalu memastikan tingkat pemahaman peserta

didik terhadap materi pembelajaran tertentu dan

menyesuaikan aktivitas pembelajaran berikutnya

berdasarkan tingkat pemahaman tersebut.

3) Guru dapat menjelaskan alasan pelaksanaan ke

(44)

maupun yang berbeda dengan rencana, terkait

keberhasilan pembelajaran.

4) Guru menggunakan berbagai teknik untuk

memotiviasi kemauan belajar peserta didik.

5) Guru merencanakan kegiatan pembelajaran yang

saling terkait satu sama lain, dengan memperhatikan

tujuan pembelajaran maupun proses belajar peserta

didik.

6) Guru memperhatikan respon peserta didik yang

belum/kurang memahami materi pembelajaran yang

diajarkan dan menggunakannya untuk memperbaiki

rancangan pembelajaran berikutnya.

d) Kemampuan Mengelola Kelas

Notasi : C4

Kompetensi : Mengenal karakteristik peserta didik

Jenis Kompetensi : Kompetensi Pedagogik

Penilai : Pengawas, Ketua Jurusan atau teman sejawat dan

Kepala Sekolah

Teknik penilaian : Pengamatan dan Pemantauan

Pernyataan : Guru mencatat dan menggunakan informasi

tentang karakteristik peserta didik untuk

membantu proses pembelajaran. Karakteristik ini

terkait dengan aspek fisik intelektual, social

emosional, moral, dan latar belakang social

budaya.

Indikator : 1) Guru dapat mengidentifikasi karakteristik belajar

setiap peserta didik di kelasnya.

2) Guru memastikan bahwa semua peserta didik

mendapatkan kesempatan yang sama untuk

(45)

28

3) Guru dapat mengatur kelas untuk memberikan

kesempatan belajar yang sama pada semua peserta

didik dengan kelainan fisik dan kemampuan belajar

yang berbeda.

4) Guru mencoba mengetahui penyebab penyimpangan

perilaku peserta didik untuk mencegah agar perilaku

tersebut tidak merugikan peserta didik lainnya.

5) Guru membantu mengembangkan potensi dan

mengatasi kekurangan peserta didik.

6) Guru memperhatikan peserta didik dengan kelemahan

fisik tertentu agar dapat mengikuti aktivitas

pembelajaran, sehingga peserta didik tersebut tidak

termarginalkan (tersisihkan,diolok-olok, minder, dsb).

e) Kemampuan Melakukan Penilaian dan Evaluasi

Notasi : C5

Kompetensi : Penilaian dan Evaluasi

Penilai : Pengawas, Kepala Sekolah dan Ketua Jurusan

Pernyataan : Guru menyelenggarakan penilaian proses dan

hasil belajar secara berkesinambungan. Guru

melakukan evaluasi atas efektivitas proses dan

hasil belajar dan menggunakan informasi hasil

penilaian dan evaluasi untuk merancang program

remedial dan pengayaan. Guru menggunakan

hasil analisis penilaian dalam proses

pembelajarannya.

Indikator : 1) Guru menyusun alat penilaian yang sesuai dengan

tujuan pembelajaran untuk mencapai kompetensi

(46)

2) Guru melaksanakan penilaian dengan berbagai teknik

dan jenis penilaian, selain penilaian formal yang

dilaksanakan sekolah, dan mengumumkan hasil serta

implikasinya kepada peserta didik, tentang tingkat

pemahaman terhadap materi pembelajaran yang telah

dan akan dipelajari.

3) Guru menganalisis hasil penilaian untuk

mengidentifikasi topik/kompetensi dasar yang sulit

sehingga diketahui kekuatan dan kelemahan

masing-masing peserta didik untuk keperluan remedial dan

pengayaan.

4) Guru memanfaatkan masukan dari peserta didik dan

merefleksikannya untuk meningkatkan pembelajaran

selanjutnya, dan dapat membuktikannya melalui

catatan, jurnal pembelajaran, rancangan pembelajaran,

materi tambahan, dan sebagainya.

5) Guru memanfatkan hasil penilaian sebagai bahan

penyusunan rancangan pembelajaran yang akan

dilakukan selanjutnya

4. Struktur hirarki keputusan, adapun hirarki keputusan yang dibangun pada

penelitian ini yaitu seperti yang diilustrasikan pada Gambar 3.2 berikut ini.

C1

Keputusan

G1 G2 Gn

C2 ... Cn

...

(47)

30

3.3.5 Evaluasi Himpunan Fuzzy

Adapun bentuk evaluasi himpunan fuzzy dari alternatif-alternatif keputusan

berupa penetapan variabel linguistik yang merepresentasikan bobot kepentingan

untuk setiap kriteria yang digunakan sebagai tolak ukur dalam melakukan

penilaian parameter yang teramati (tangible) oleh para penilai yang dinyatakan

dalam system range menggunakan TFN yang diilustrasikan pada tabel 3.1 berikut.

Tabel 3.1. Variabel linguistik dan system range

Variabel

Nilai Crisp (tangible) dalam TFN

Istilah Linguistik Bilangan

E Sangat Kurang 0, 0, 0.3

D Kurang 0.2, 0.35, 0.5

C Cukup 0.4, 0.55, 0.7

B Baik 0.6, 0.75, 9

A Sangat Baik 0.8, 1, 1

Dari Tabel 3.1 dapat digambarkan system range dalam TFN seperti yang dipetakan melalui Gambar 3.3 berikut.

Sangat Kurang Kurang Cukup Baik Sangat Baik

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.3. System Range dalam Variabel Linguistik

(48)

3.3.6 Desain Functional Requirements

Functional Requirements dalam decision range yang digunakan untuk

menentukan nilai persyaratan minimal sebelum dilakukannya penilaian terhadap

parameter (intangible) yang diharapkan oleh penilai. Adapun decision range dari

functional requirements seperti yang disampaikan melalui Tabel 3.2 berikut.

Tabel 3.2. Decisionrange dari Functional Requirements

Variabel

Nilai FR (intangible) dalam TFN

Istilah Linguistik Bilangan

E Sangat Rendah 0.1, 1, 1

D Rendah 0.2, 1, 1

C Sedang 0.4, 1, 1

B Tinggi 0.6, 1, 1

A Sangat Tinggi 0.8, 1, 1

Selanjutnya dapat digambarkan decision range dari Tabel 3.2 dalam fungsi

keanggotaan TFN seperti yang dipetakan melalui Gambar 3.4 berikut.

Sangat Rendah Rendah Sedang Tinggi Sangat Tinggi

0.5

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.4. Decision Range dalam TFN

(49)

32

3.4 PENILAIAN

Istilah penilaian (assessment) diartikan sebagai kegiatan menentukan nilai

suatu objek, seperti baik-buruk, efektif-tidak efektif, berhasil-tidak berhasil, dan

semacamnya, sesuai dengan kriteria atau tolak ukur yang telah ditetapkan

sebelumnya. Dalam penilaian ada empat unsur pokok yaitu; (a) objek yang akan

dinilai, (b) kriteria sebagai tolak ukur (c) data tentang objek yang dinilai, dan (d)

pertimbangan keputusan (judgement). Dengan demikian proses penilaian meliputi

menentukan objek yang akan dinilai, membuat/menentukan kriteria ukuran,

mengumpulkan data baik melalui tes maupun non-tes, dan membuat keputusan.

Penilaian adalah pemeriksaan secara terus menerus untuk mendapatkan

informasi tentang kinerja guru. Sementara itu, pengukuran adalah suatu proses

yang menghasilkan gambaran berupa angka-angka berdasarkan hasil pengamatan

mengenai beberapa ciri (atribute) tentang suatu obyek, orang atau peristiwa

(Hopkins dan Antes, 1990).

Ada dua teknik penilaian yang digunakan dalam melakukan penilaian

terhadap kinerja guru pada penelitian ini, yaitu:

1. Pengamatan adalah kegiatan untuk menilai kinerja guru melalui

peninjauan secara langsung pelaksanaan proses pembelajaran yang

dilakukan oleh guru.

2. Pemantauan adalah kegiatan untuk menilai kinerja guru melalui diskusi,

pemeriksaan dokumen, wawancara dengan guru yang dinilai, dan/atau

wawancara dengan warga sekolah.

3.3.1 Functional Requirements

Pada penelitian ini, dimisalkan penilaian dilakukan oleh tiga orang penilai DM1,

DM2 dan DM3 dengan asumsi nilai acuan minimal yang diharapkan (functional

requirements) dari alternatif yang dinilai dalam istilah linguistic diilustrasikan

(50)

Tabel 3.3. Functional Requirements dalam istilah linguistik

DMs C1 C2 C3 C4 C5

DM1 Sangat Tinggi Sangat Tinggi Tinggi Tinggi Tinggi

DM2 Sangat Tinggi Sangat Tinggi Sangat Tinggi Tinggi Tinggi

DM3 Sangat Tinggi Sangat Tinggi Sangat Tinggi Sangat Tinggi Tinggi

Jika istilah linguistik dari functional requirements pada Tabel 3.3 dikonversikan

dalam variabel linguistik berdasarkan pada Tabel 3.2, maka diperoleh functional

requirements dalam istilah linguistik seperti pada Tabel 3.4 berikut ini.

Tabel 3.4. Functional Requirements dalam variabel linguistik

DMs C1 C2 C3 C4 C5

DM1 A A B B B

DM2 A A A B B

DM3 A A A A B

Selanjutnya jika functional requirements pada Tabel 3.4 ditransformasikan

kedalam TFN (intangible) berdasarkan Tabel 3.2, maka diperoleh nilai functional

requirements dalam TFN beserta nilai rata-ratanya yang akan digunakan dalam

menghitung common area untuk mendapatkan information content seperti dalam

Tabel 3.5 berikut ini.

Tabel 3.5. Nilai Functional Requirements

DMs

C1 C2 C3 C4 C5

d e f d e f d e f d e f d e f

DM1 0,8 1 1 0,8 1 1 0,6 1 1 0,6 1 1 0,6 1 1

DM2 0,8 1 1 0,8 1 1 0,8 1 1 0,6 1 1 0,6 1 1

DM3 0,8 1 1 0,8 1 1 0,8 1 1 0,8 1 1 0,6 1 1

(51)

34

Dari Tabel 3.5 dapat digambarkan decision range untuk melihat functional

requirements masing-masing parameter dalam TFN. Gambar 3.5 menunjukkan

desain system range untuk parameter C1 dan C2 yang sama-sama memiliki nilai

functional requirements dalam TFN{0.8, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.5. Desain Decision Range parameter C1 dan C2

Selanjutnya Gambar 3.6 menunjukkan desain decision range untuk parameter C3

yang memiliki nilai functional requirements dalam TFN {0.733, 1, 1}.

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Gambar 3.6. Desain Decision Range parameter C3

Decision Range

(52)

Selanjutnya Gambar 3.7 menunjukkan desain decision range untuk parameter C3

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Sedangkan Gambar 3.8 menunjukkan desain decision range untuk parameter C3

0

1

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

3.3.2 Agregasi Penilaian

Pada studi kasus penilain terhadap kinerja guru ini, dicontohkan hasil penilaian

yang diberikan terhadap salah satu guru dengan asumsi penilaian oleh para penilai

seperti diilustrasikan pada Tabel 3.6 berikut ini.

Decision Range

(53)

36

Tabel 3.6. Penilaian guru G1 dalam istilah linguistik

DMs C1 C2 C3 C4 C5

DM-1 Sangat Baik Baik Sangat Baik Kurang Baik

DM-2 Baik Sangat Baik Baik Sangat Baik Cukup

DM-3 Sangat Baik Baik Cukup Baik Kurang

Dari hasil penilaian terhadap guru G1 pada Tabel 3.6 , maka diperoleh penilaian

dalam bentuk variabel linguistik seperti yang disampaikan pada Tabel 3.7 berikut

ini.

Tabel 3.7. Penilaian guru G1 dalam variable linguistik

DMs C1 C2 C3 C4 C5

DM-1 A B A D B

DM-2 B A B A C

DM-3 A B C B D

Dari nilai dalam bentuk variable linguistik yang diberikan oleh para penilai pada

Tabel 3.7 , maka dapat diperoleh decisionrange (tangible) dalam TFN serta

rata-rata dari nilai agregasi penilaian tersebut seperti pada Tabel 3.8 berikut ini.

Tabel 3.8. Agregasi Penilaian Alternatif G1

DMs

C1 C2 C3 C4 C5

a b c a b c a b c a b c a b c

DM-1 0.8 1 1 0.6 0.75 0.9 0.8 1 1 0.2 0.35 0.5 0.6 0.75 0.9

DM-2 0.6 0.75 0.9 0.8 1 1 0.6 0.75 0.9 0.8 1 1 0.4 0.55 0.7

DM-3 0.8 1 1 0.6 0.75 0.9 0.4 0.55 0.7 0.6 0.75 0.7 0.2 0.35 0.5

Rata2 0.733 0.917 0.967 0.667 0.833 0.933 0.60 0.767 0.867 0.533 0.70 0.8 0.40 0.55 0.70