SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN CALON DOSEN DENGAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) TIM PENGUSUL

Teks penuh

(1)

1

LAPORAN PENELITIAN DIPA

UNIVERSITAS PGRI RONGGOLAWE (UNIROW) TUBAN

SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN

CALON DOSEN DENGAN METODE TECHNIQUE FOR ORDER

PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)

TIM PENGUSUL

Andy Haryoko, S.T, M.T,

[0726047704]

Suprapto, S.Kom

[9907147907]

Dibiayai Oleh:

Lembaga Penelitian (LEMLIT)

Universitas PGRI Ronggolawe (Unirow) Tuban

Surat Perjanjian Nomor: 34/SP2H/LEMLIT UNIROW/III/2017

Tanggal:11 Maret 2017

LEMBAGA PENELITIAN (LEMLIT)

UNIVERSITAS PGRI RONGGOLAWEW (UNIROW) TUBAN

September 2017

(2)

2

HALAMAN PENGESAHAN PENELITIAN DIPA UNIROW

Judul Penelitian : Sistem Pendukung Keputusan Seleksi Penerimaan Calon Dosen dengan Metode Technique For Order Preference By Similarity To Idea Solution (TOPSIS)

Bidang Ilmu : SISTEM INFORMASI

Ketua Peneliti

a. Nama Lengkap : ANDY HARYOKO, S.T, M.T.

b. NIDN : 0726047704

c. Jabatan Fungsional : ASISTEN AHLI (AA)

d. Program Studi : TEKNIK INFORMATIKA

e. Nomor HP : 081 135 353 58

f. Alamat Surel (e-mail) : born2beprogrammer@gmail.com Anggota Peneliti

a. Nama Lengkap : SUPRAPTO

b. NUPN : 9907147907

c. Perguruan Tinggi : Universitas PGRI Ronggolawe Tuban Biaya Penelitian yang diusulkan : 5.579.000,-

Capaian Luaran : Aplikasi/proceding dan jurnal nasional

Mengetahui, Tuban, 05 September 2017

Kaprodi Teknik Informatika, Ketua Peneliti,

Andik Adi S, S.Kom., M.Kom. Andy Haryoko,S.T, M.T.

NIDN. 0725038101 NIDN. 0726047704

Menyetujui, Mengetahui, Ketua Lembaga Penelitian, Dekan,

Dr. Heny Sulistyaningrum, M.Pd Krishna Tri Sanjaya, S.T., M.T.

(3)

i

RINGKASAN

Tujuan penelitian ini adalah untuk penilaian penerimaan calon dosen. Dosen adalah seorang pendidik di lingkungan perguruan tinggi yang memegang peran utama dalam proses belajar mengajar, dosen sangat menentukan perkembangan dan kemampuan mahasiswa di bidang ilmu pengetahuan dan teknologi. Lembaga pendidikan yang dalam hal ini merupakan induk kerja dari para dosen, sangat berkepentingan dalam menjaga mutu para dosen dalam proses belajar mengajar. Salah satu cara dapat dilakukan dengan menyeleksi calon dosen yang akan direkrut menjadi tenaga pengajar dengan sangat selektif. Hal ini dapat dilakukan dengan cara mengembangkan aplikasi sistem pendukung keputusan seleksi penerimaan calon dosen dengan menggunakan metode technique for order preference by similarity to ideal solution (TOPSIS). Metode ini dipilih karena dapat menentukan rangking dari sejumlah alternatif dengan baik. Penelitian dilakukan untuk mencari rangking setiap alternatif dengan berdasarkan kriteria-kriteria yang telah ditentukan.

(4)

i

DAFTAR ISI

Ringkasan ... i

Daftar isi ... i

Daftar gambar ... iii

Daftar Tabel ... iv

2.1 Sistem Pendukung Keputusan ... 4

2.2 Komponen Sistem Pendukung Keputus ... 4

2.2.1 Subsistem manajemen data ... 4

2.2.2 Subsistem manajemen model ... 5

2.2.3 Subsistem antar muka pengguna ... 5

2.2.4 Subsistem manajemen berbasis-pengetahuan ... 5

2.3 Pengambilan Keputusan ... 5

2.4 Seleksi calon dosen ... 6

2.4.1 Penentuan kriteria ... 6

2.4.2 Penentuan bobot kriteria ... 7

2.5 Dosen ... 8

2.6 Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) ... 8

BAB 3 MATERI DAN METODE PENELITIAN ... 11

3.1 Materi Penelitian ... 11

3.2 Metode Penelitian ... 11

BAB 4 PEMBAHASAN ... 13

4.1 Data Calon Dosen ... 13

4.2 Langkah-langkah Perhitungan TOPSIS ... 14

4.2.1 Matriks keputusan ... 14

4.2.2 Matriks keputusan normalisasi ... 15

4.2.3 Matriks normalisasi terbobot ... 15

(5)

ii

4.2.5 Jarak alternatif dengan solusi ideal ... 17

4.2.6 Nilai preferensi ... 17

4.2.7 Perangkingan ... 18

BAB 5 KESIMPULAN DAN SARAN ... 19

5.1 Kesimpulan ... 19

5.2 Saran ... 19

(6)

iii

DAFTAR GAMBAR

(7)

iv

DAFTAR TABEL

(8)

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Dengan meningkatkan kualitas kinerja dosen dalam proses belajar mengajar merupakan upaya lembaga pendidikan tinggi untuk menjamin kualitas lulusan dan proses belajar mengajar. Faktor-faktor yang menentukan kualitas lembaga pendidikan yakni mahasiswa, dosen dan fasilitas sarana belajar mengajar, ketiga faktor tersebut harus saling mendukung untuk menciptakan proses belajar yang baik.

Dosen adalah pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu Pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian masyarakat (UURI 2005). Salah satu faktor penting yang mempengaruhi rendahnya kualitas pendidikan adalah kondisi dosen yang tidak memenuhi kualifikasi yang ditentukan. Karena pentingnya peran dosen dalam sebuah kegiatan belajar mengajar maka lembaga pendidikan harus selektif dalam menerima calon dosen. Dalam melakukan seleksi penerimaan dosen dapat dilakukan dengan menentukan berbagai kriteria, misalnya nilai IPK calon dosen, nilai tes, dll. Namun pengambilan keputusan manual membutuhkan waktu yang lama dan rawan kesalahan.

Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) adalah metode yang berdasarkan kepada konsep dimana alternatif yang terpilih tidak hanya memiliki jarak terdekat dengan positive ideal solution (PIS) tetapi juga memiliki jarak terjauh dari negative ideal solution (NIS) (García-cascales and Lamata 2012). Menurut Hwang, Liang dan Yeh dalam (Kusumadewi, 2006), Teknik ini banyak digunakan karena konsepnya sederhana, komputasi yang efisien dan memiliki kemampuan mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis sederhana.

(9)

2

1.2 Rumusan Masalah

1. Bagaimana menentukan parameter/variabel sistem pendukung keputusan seleksi penerimaan calon dosen ?

2. Bagaimana menerapkan metode TOPSIS dalam proses pengambilan keputusan?

3. Bagaimana membangun aplikasi sistem pendukung keputusan seleksi penerimaan calon dosen?

1.3 Batasan Masalah

Karena permasalahan dalam perancangan sistem ini, maka terdapat berbagai batasan masalah diantaranya :

1. Semua calon dosen yang akan diseleksi menggunakan aplikasi ini diasumsikan telah lolos tahap administratif.

2. Dalam menentukan bobot setiap kriteria merupakan wewenang pengambil keputusan. 3. Aplikasi hanya membantu menentukan ranking calon dosen untuk rekomendasi

pengambil keputusan dalam memilih alternatif.

4. Hasil perhitungan aplikasi bukan merupakan hal pasti yang menjamin alternatif terpilih.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah :

1. Menghasilkan parameter/variabel yang relevan dalam pengembangan sistem pendukung keputusan seleksi penerimaan calon dosen.

2. Menerapkan metode TOPSIS dalam proses pengambilan keputusan.

(10)

3

1.5 Manfaat Penelitian

Manfaat yang dapat diperoleh dari hasil penelitian ini adalah :

1. Bertambahnya wawasan dan pengalaman penulis dalam bidang pemrograman dan sistem informasi dalam hal-hal yang berkaitan dengan metodelogi penulisan tugas akhir. 2. Media untuk mengembangkan kemampuan dalam pembuatan sistem supaya dapat

menerapkan pada dunia kerja nantinya.

3. Mampu membantu memecahkan masalah penilaian dalam menentukan seleksi penerimaan calon dosen.

(11)

4

BAB 2

TINJAUAN PUSTAKA

2.1 Sistem Pendukung Keputusan

Pada awalnya sistem pendukung keputusan (SPK) adalah sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semiterstruktur (Turban, 2005). SPK dirancang untuk pendekatan menyelesaikan masalah para pembuat keputusan dan kebutuhan-kebutuhan aplikasi, tetapi tidak untuk menggantikan keputusan maupun membuat suatu keputusan untuk pengguna.

Sistem pendukung keputusan sebagai sistem yang dapat diperluas untuk mampu mendukung analisis data ad hoc dan pemodelan keputusan, berorientasi terhadap perencanaan masa depan, dan digunakan pada interval yang tidak regular dan tak terencana (Moore, 1980). Sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi, sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen SPK lain), sistem pengetahuan (repository pengetahuan domain masalah yang ada pada SPK sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan keputusan (Manurung, 1980).

2.2 Komponen Sistem Pendukung Keputus

Dalam buku Turban, E., (2005). Disebutkan bahwa SPK terdiri dari beberapa subsistem:

2.2.1 Subsistem manajemen data

(12)

5

2.2.2 Subsistem manajemen model

Merupakan paket piranti lunak yang memasukan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya. Semua itu memberikan kapabilitas analitik dan manajemen piranti lunak yang tepat. Bahasa pemodelan yang membangun model kostum juga dimasukan. Piranti lunak ini sering disebut manajemen basis model (MBMS). Sistem manajemen dan metode solusi model diimplementasikan pada sistem pengembang web (seperti Java) untuk berjalan pada server aplikasi.

2.2.3 Subsistem antar muka pengguna

Pengguna berkomunikasi dengan dan memerintahkan SPK melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari SPK berasal dari interaksi yang insentif antara komputer dan pembuat keputusan. Browser web memberikan struktur antar muka pengguna grafis yang familiar dan konsisten bagi kebanyakan SPK.

2.2.4 Subsistem manajemen berbasis-pengetahuan

Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ini memberikan intelegensi untuk memperbesar pengetahuan pengambil keputusan. Subsistem ini dapat diinterkoneksikan dengan repositori pengetahuan perusahaan (bagian dari sistem manajemen pengetahuan), yang kadang-kadang disebut basis pengetahuan organisasional. Pengetahuan dapat disediakan via server Web. Banyak metode kecerdasan tiruan diimplementasikan dalam sistem pengembangan web seperti Java, dan mudah untuk diintegrasikan dengan komponen SPK lainnya.

2.3 Pengambilan Keputusan

(13)

6 1. Kecerdasan

Kecerdasan, adalah kesadaran mengenai suatu masalah atau peluang. Dalam hal ini, pembuat keputusan berupaya mencari dan memeriksa keputusan-keputusan yang perlu dibuat, dan masalah-masalah yang perlu diatasi, atau peluang-peluang yang perlu dipertimbangkan. Kecerdasan berarti kesadaran aktif akan perubahan-perubahan di lingkungan yang menuntut dilakukannya tindakan-tindakan tertentu. 2. Perancangan

Dalam fase perancangan, pembuat keputusan merumuskan suatu masalah dan menganalisis sejumlah solusi alternatif.

3. Pemilihan

Dalam fase pemilihan ini, pembuat keputusan memilih solusi masalah atau peluang yang ditandai dalam fase kecerdasan. Pemilihan ini diikuti dari analisis sebelumnya dalam fase perancangan dan memperkuatnya lewat informasi-informasi yang diperoleh dalam fase pemilihan.

4. Implementasi

Dalam fase implementasi, mencakup implementasi aktual dari rekomendasi yang didapatkan dari fase pemilihan.

Fase 1-3 dianggap sebagai pengambilan keputusan formal yang berakhir dengan satu rekomendasi. Sedangkan keseluruhan proses (fase 1-4) sebagai pemecahan masalah, dengan fase pilihan sebagai pengambil keputusan riil.

2.4 Seleksi calon dosen

Penyeleksian berasal dari kata seleksi yang berarti pemilihan (untuk mendapatkan yang terbaik) atau penyaringan. Dengan kata lain seleksi adalah metode dan prosedur yg dipakai oleh bagian personalia (kantor pemerintah, perusahaan, dan sebagainya) waktu memilih orang untuk mengisi lowongan pekerjaan. Jadi, penyeleksian adalah proses, cara, perbuatan menyeleksi, penyaringan atau pemilihan.

2.4.1 Penentuan kriteria

(14)

7 1. IPK

Pada kriteria ini, nilai IPK calon dosen baru yang melamar harus memenuhi syarat yang diajukan.

2. TPA

Pada kriteria ini, calon dosen baru yang melamar harus mengikuti tes tertulis yang diberikan oleh pihak Universitas PGRI Ronggolawe Tuban.

3. TOEFL

Kriteria ini didapatkan dari nilai hasil sertifikat TOEFL para pelamar yang telah diujikan oleh suatu lembaga penyedia sertifikasi TOEFL.

4. Tes Wawancara

Pada kriteria ini, tes wawancara bertujuan untuk mendapatkan nilai secara langsung melalui wawancara terhadap pelamar.

5. Tes Micro Teaching

Tes micro teaching yaitu tes mengajar, bertujuan untuk mendapatkan nilai melalui proses mengajar sesuai dengan bidang keahlian calon dosen yang dibutuhkan.

2.4.2 Penentuan bobot kriteria

Dalam menentukan bobot setiap kriteria pendekatan yang digunakan adalah pendekatan subyektif. Pendekatan subyektif yaitu nilai bobot setiap kriteria ditentukan berdasarkan subyektifitas para pengambil keputusan. Nilai bobot kepentingan setiap kriteria terlihat pada table 2.1 (sumber : Tim rekrutmen dosen UNIROW 2015).

Tabel 2. 1 Penentuan bobot kriteria calon dosen

No Nama kriteria Bobot kriteria

1 IPK 4

2 TPA 2

3 TOEFL 2

4 Tes Wawancara 3

5 Tes Micro Teaching 3

(15)

8 Tabel 2. 2 Penentuan bobot kriteria nilai kepentingan

No Nilai Kepentingan Nilai Angka

1 Sangat Penting 5 profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarluaskan ilmu Pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian masyarakat. Salah satu faktor penting yang mempengaruhi rendahnya kualitas pendidikan adalah kondisi dosen yang tidak memenuhi kualifikasi yang ditentukan.

2.6 Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

TOPSIS mempunyai konsep dimana alternatif yang terpilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dengan solusi ideal negatif.

Semakin banyaknya kriteria yang menjadi bahan pertimbangan dalam menentukan keputusan maka akan semakin sulit proses pengambilan keputusan suatu masalah. Hal ini sering disebut multiple-kriteria decision making(MCDM). Dengan kata lain, MCDM dapat diartikan sebagai proses pemilihan alternatif terbaik dari sejumlah alternatif lain dengan mempertimbangkan beberapa kriteria. Metode TOPSIS adalah upaya yang digunakan untuk menyelesaikan MCDM, karena konsepnya yang sederhana dan mudah dipahami.

Langkah-langkah yang dilakukan dalam menyelesaikan masalah menggunakan metode TOPSIS adalah sebagai berikut:

1. Menggambarkan alternatif (m) dan kriteria (n) kedalam sebuah matriks, dimana adalah pengukuran pilihan dari alternatif ke-i dan kriteria ke-j.

(16)

9

Persamaan 2.1 adalah persamaan yang digunakan untuk mencari nilai matriks keputusan R

2. Membuat matriks R yaitu matriks keputusan ternormalilsasi. Setiap perhitungan dari matriks .

=

∑ (2.2)

Persamaan 2.2 adalah persamaan yang digunakan untuk mencari nilai matriks keputusan nilai ternormalisasi rij

3. Membuat pembobotan pada matriks yang telah dinormalisasi. Setelah dinormalisasi setiap kolom pada matriks R dikalikan dengan bobot .

= (2.3)

Persamaan 2.3 adalah persamaan yang digunakan untuk mencari nilai matriks keputusan ternormalisasi terbobot Y

4. Menentukan solusi ideal positif dan solusi ideal negative melalui matriks terbobot .

Persamaan 2.4 digunakan untuk mencari nilai solusi ideal possitif dan negatif 5. Menentukan jarak alternatif dengan solusi ideal positif dan negatif.

= ∑ − ; (2.5)

(17)

10

Persamaan 2.5 digunakan untuk menghitung jarak setiap alternatif dengan solusi ideal positif dan solusi ideal negatif.

6. Menentukan nilai preferensi untuk setiap alternatif.

= ; (2.6)

(18)

11

BAB 3

MATERI DAN METODE PENELITIAN

3.1 Materi Penelitian

Materi yang digunakan dalam penelitian ini antara lain:

- Hardware : Laptop dengan processor Intel Corei7 2.80 GHz, Ram 8 GB dan Hardisk 320 GB

- Software : Xampp 5.1.6.1 (PHP, MySQL)

- Input Data: Data calon dosen Universitas PGRI Ronggolawe Tuban

3.2 Metode Penelitian

Metode penelitian adalah kerangka teoritis yang digunakan penulis untuk menganalisa, mengerjakan atau mengatasi masalah yang dihadapi, sedangkan kerangka teoritis adalah metode-metode ilmiah yang akan diterapkan dalam pelaksanaan suatu tugas. Dalam merancang sebuah sistem terlebih dahulu harus melakukan penelitian. Adapaun dalam mengembangkan aplikasi akan dilakukan dengan berbagai metode antara lain:

1. Metode Pengumpulan Data

Dalam proses pengumpulan data, ada beberapa metode diantaranya sebagai berikut: a. Studi lapangan

Hal ini dilakukan untuk mendapatkan data tentang bagaimana cara seleksi penerimaan calon dosen.

b. Wawancara

Penulis melakukan wawancara dengan pihak yang menangani proses seleksi penerimaan calon dosen Universitas PGRI Ronggolawe (UNIROW) Tuban.

c. Studi literatur

Studi literatur dan studi pustaka, penulis akan melakukan studi literatur dan studi pustaka tentang aplikasi serupa sebagai acuan untuk menembangkan aplikasi ini.

2. Analisa sistem

(19)

12 3. Perancangan sistem

Pada tahap ini dilakukan pemodelan dari sistem yang dibutuhkan. Pemodelan sistem dilakukan dengan pendekatan Flowchart, Data Flow Diagram (DFD), perancangan basis model, perancangan data base dan perancangan antarmuka.

4. Perancangan aplikasi

Pada tahap ini dilakukan perancangan aplikasi dengan penulisan kode program. Untuk pembuatan aplikasi ini menggunakan database MySQL dengan bahasa pemrograman PHP.

5. Pengujian

(20)

13

BAB 4

PEMBAHASAN

Memuat inti pembahasan dalam penelitian ini yang dapat berupa hasil kajian/penelitian yang telah dilakukan.

4.1 Data Calon Dosen

Pada makalah ini digunakan data calon dosen dari Universitas PGRI Ronggolawe Tuban.

Tabel 4. 1 Data Calon Dosen

Pada tabel 1. Data calon dosen terdapat beberapa atribut yaitu, id_cardos, id_prog, nm_cardos, jk, alamat, no_telp, tahun dan status.

Dalam menentukan bobot setiap kriteria pendekatan yang digunakan adalah pendekatan subyektif. Pendekatan subyektif yaitu nilai bobot setiap kriteria ditentukan berdasarkan subyektifitas para pengambil keputusan. Nilai bobot kepentingan setiap kriteria terlihat pada table 2 (sumber : Tim rekrutmen dosen UNIROW 2015).

(21)

14

4.2 Langkah-langkah Perhitungan TOPSIS

Setelah melakukan proses implementasi selanjutnya adalah uji coba dengan tujuan untuk mengetahui bahwa aplikasi yang telah dibuat sesusai dengan kebutuhan. Perhitungan TOPSIS mempunyai 6 tahapan proses yaitu pembuatan table keputusan, matriks keputusan ternormalisasi, matriks normalisasi terbobot, menentukan solusi ideal, menghitung jarak alternatif terhadap solusi ideal dan menghitung nilai preferensi.

Gambar 4. 1 Flowchat Metode TOPSIS

4.2.1 Matriks keputusan

(22)

15

Pada kolom pertama adalah nilai dari IPK, ke dua TPA, ke tiga TOEFL, ke empat Tes Wawancara dan ke lima Tes Micro Teacing

4.2.2 Matriks keputusan normalisasi

Matriks keputusan normalisasi digunakan untuk mennyelaraskan bilangan yang terdapat pada matriks keputusan. Matriks keputusan normalisasi didapatkan dari persamaan (2.2). Berdasarkan persamaan (2.2) proses perhitungan matriks normalisasi sebagai berikut:

Untuk mencari dimana i=1 mewakili entitas pertama, j=1 mewakili criteria pertama dan m menunjukan banyaknya entitas.

, =

Dari proses perhitungan yang telah dilakukan maka diperoleh matriks sebagai berikut:

=

0.383179291 0.353635175 0.397804986 0.385337318 0.402389857⎦⎥

4.2.3 Matriks normalisasi terbobot

(23)

16

Untuk mencari dimana i=1 mewakili entitas pertama, j=1 mewakili criteria pertama dan W menunjukan nilai bobot setiap kriteria.

Matriks W = { 3, 2, 2, 3, 3 }

, = 0.345206568 * 3

, = 1.035619705

Dari proses perhitungan yang telah dilakukan maka diperoleh matriks sebagai berikut:

=

1.149537872 0.70727035 0.795609971 1.156011953 1.207169572⎦⎥

⎥ ⎥ ⎥ ⎥ ⎤

4.2.4 Solusi ideal positif dan negatif

Solusi ideal posistif merupakan nilai terbaik dari perbandingan setiap alternatif setiap criteria. Solusi ideal positif dan negatif didapatkan dari persamaan (2.4). Berdasarkan persamaan (2.4) proses pencarian solusi ideal positif dan negative sebagai berikut:

Dngan syarat:

Matriks tipe = {keuntungan, keutungan, keuntungan, keuntungan, keuntungan}

=

1.149537872 0.70727035 0.795609971 1.156011953 1.207169572⎦⎥

(24)

17

4.2.5 Jarak alternatif dengan solusi ideal

Jarak alternatif dengan solusi ideal merupakan perbedaan nilai setiap alternatif dengan solusi ideal positif dan negatif. Jarak tersebut didapatkan dari persamaan (2.5). Berdasarkan persamaan (2.5) proses perhitungan jarak alternatif sengan solusi ideal sebagai berikut:

Untuk mencari dimana i=1 mewakili entitas pertama, j=1 mewakili criteria pertama dan y menunjukan nilai pada matrik solusi ideal.

=

={0.459335135, 0.334264672, 0.326770223, 0.239155656, 0.293455974, 0.290954808, 0.253857464} (positif)

={0.182949889, 0.274884775, 0.353423373, 0.363398966, 0.357769499, 0.303433738, 0.319345168}(negatif)

4.2.6 Nilai preferensi

Kedekatan setiap alternatif terhadap solusi ideal dihitung dengan menggunakan persamaan (2.6). Berdasarkan persamaan (2.6) proses perhitungan jarak alternatif sengan solusi ideal sebagai berikut:

Untuk mencari V dimana i=1 mewakili criteria pertama dan D menunjukan nilai pada matrik jarak alternative terhadap solusi ideal.

= . . .

= ..

=0.2848422151596049

={0.284842216, 0.451259993, 0.519592327, 0.603097135, 0.549378846, 0.510497283, 0.557124393}

(25)

18

4.2.7 Perangkingan

Proses perangkingan digunakan untuk mengurutkan data alternatif mulai dari yang teratas sampai dengan alternatif terbawah. Data yang sudah diurutkan kemudian dijadikan bahan untuk membuat laporan.

Gambar 4. 2 Perangkingan Alternatif

(26)

19

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan pembahasan dan evaluasi dari bab terdahulu, maka dapat ditarik kesimpulan sebagai berikut:

1. Metode TOPSIS dapat digunakan untuk memecahkan masalah seleksi penerimaan calon dosen dengan perhitungan menggunakan kriteria IPK (Indeks Prestasi Kumulatif), TPA, TOEFL, Tes Wawancara dan Tes micro teaching.

2. Aplikasi sistem seleksi penerimaan calon dosen ini dapat digunakan sebagai alat bantu bagi pengambil keputusan dengan tetap berbasis pada sistem pendukung keputusan.

5.2 Saran

Berikut adalah beberapa saran untuk pengembangan lebih lanjut terhadap penelitian skripsi ini:

1. Dapat ditambahkan data lain yang mendukung seleksi penerimaan calon dosen misalnya penambahan kriteria.

2. Sistem dapat dikembangkan dalam bentuk website dimana pihak pelamar calon dosen dapat melamar dan melihat pengumuman hasil seleksi secara online.

(27)

20

DAFTAR PUSTAKA

García-cascales, M Socorro, and M Teresa Lamata. 2012. “On Rank Reversal and TOPSIS Method.” Mathematical and Computer Modelling 56(5–6): 123–32.

http://dx.doi.org/10.1016/j.mcm.2011.12.022.

UURI. 2005. “UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 14 TAHUN 2005 TENTANG GURU DAN DOSEN.” : 1–54.

Kusumadewi, Sri. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MADM). Yogyakarta. Graha Ilmu.

Turban, Efrain. Aronson, Jay E. Liang , Ting Peng. 2005. Decision Support Systems and Intelligent Systems (versi bahasa Indonesia). Yogyakarta. Andi.

Manurung, pangeran. 2010. Sistem pendukung keputusan seleksi penerima beasiswa dengan metode ahp dan topsis (studi kasus: fmipa usu). Medan.

Subakti, irfan. 2002. Sistem Pendukung Keputusan. diambil 05 September 2017 dari http://directory.umm.ac.id/tik/buku_panduan_SPK.pdf.

Hastomo. ____. Pengertian mySQL. Diakses 05 September 2017 dari http://hastomo.net/php/pengertian-dan-kelebihan-database-mysql/

Iriane, gregorius. 2013. Analisis Penggabungan Metode Saw Dan Metode Topsis Untuk Mendukung Keputusan Seleksi Penerimaan Dosen. Yogyakarta.

Khoiriyah, umi. 2013. Sistem pendukung keputusan Untuk penilaian kinerja dosen menggunakan Metode Analytical hierarchy process(ahp). Yogyakarta

(28)

21

LAMPIRAN 1. Formulir Penilaian Pemantauan Pelaksanaan Penelitian DIPA UNIVERSITAS PGRI RONGGOLAWE (UNIROW) TUBAN

Figur

Tabel 2. 1 Penentuan bobot kriteria calon dosen

Tabel 2.

1 Penentuan bobot kriteria calon dosen p.14
Tabel 2. 2 Penentuan bobot kriteria nilai kepentingan

Tabel 2.

2 Penentuan bobot kriteria nilai kepentingan p.15
Tabel 4. 1 Data Calon Dosen

Tabel 4.

1 Data Calon Dosen p.20
Gambar 4. 1 Flowchat Metode TOPSIS

Gambar 4.

1 Flowchat Metode TOPSIS p.21
Gambar 4. 2 Perangkingan Alternatif

Gambar 4.

2 Perangkingan Alternatif p.25

Referensi

Memperbarui...