Keywords: Lecturer, Assessment, Information System, ROC, OCRA Performance

(1)

Implementasi Metode ROC dan OCRA (Mesran) | 822

Implemententasi Metode Rank Order Cendroid (ROC)

dan Operational Competitiveness Rating Analysis

(OCRA) dalam Penilaian Kinerja Dosen Komputer

Menerapkan (Studi Kasus: STMIK Budi Darma)

Mesran1_{, TengkuMohdDiansyah}2_{, Fadlina}3

1_{STMIK Budi Darma, Medan, Indonesia} 2_{Universitas Harapan Medan, Medan, Indonesia} 3_{AMIK STIEKOM Sumatera Utara, Rantauprapat, Indonesai}

Email: mesran.skom.mkom@gmail.com

Abstract- As an educator, the responsibilities of lecturers are demanded on three things, known as the tri dharma of higher education. A lecturer must be able to make a real contribution to students. Not only to students but also required to be able to cooperate well with the institutions where the lecturers serve. In order for the performance of a lecturer to be better, then, in this case, the educational institution can conduct a performance appraisal of the lecturers at the institute. Effective assessment is certainly needed so that the results obtained are better and more appropriate. For this reason, the writer tries to use the Operational Competitiveness Rating Analysis (OCRA) and Centroid Rank Order (ROC) methods in evaluating the performance of lecturers at STMIK Budi Darma.

Keywords: Lecturer, Assessment, Information System, ROC, OCRA Performance

Abstrak- Sebagai seorang pendidik, tanggung jawab dosen dituntut pada tiga hal, yang dikenal dengan tridarma perguruan tinggi. Seorang dosen harus mampu memberikan kontribusi nyata pada peserta didik. Bukan hanya kepada peserta didik, namun juga dituntut untuk dapat melakukan kerjasama yang baik dengan institusi tempat dosen mengabdi. Agar kinerja seorang dosen menjad ilebih baik, maka dalam hal ini, institusi pendidikan dapat melakukan penilaian kinerja terhadap dosen yang terdapat pada institutinya. Penilaian yang efektif tentu di perlukan agar hasil yang diperoleh lebih baik dan tepat. Untuk itu pada penelitian ini, penulis mencoba untuk menggunakan metode Operational Competitiveness Rating Analysis (OCRA) dan Rank Order Centroid (ROC) dalam melakukan penilaian terhadap kinerja dosen pada STMIK Budi Darma.

Kata Kunci: Kinerja Dosen, Penilaian, Sistem Informasi, ROC, OCRA Performance 1. PENDAHULUAN

Dosen merupakan profesi pendidik yang dimiliki oleh suatu institusi perguruan tinggi. Kualitas mahasiswa komputer sebagai pesertadidik, dapat terlihat dari kinerja dosen komputer yang terdapat pada institusi pendidikan tersebut. Apalagi di saat perkembangan teknologi informasi saat ini, dosen komputer dituntut untuk bisa memberikan kontribusi yang berperan penting terhadap peserta didik. Agar dosen menjadi lebih baik dan termotivasi untuk berkontribusi aktif pada perguruan tinggi,

(2)

salah satu upaya yang penting dilakukanya itu melakukan penilaian kinerja dosen. Hal inipenting di lakukan, karena jika tanpa adanya suatu penilaian, dosen akan lebih cenderung bersifat pasif dalam peningkatan kualitas dirinya.

Dalam penilaian kinerjanya dosen memiliki 3 tanggungjawab yang dikenal dengan istilah tridarma perguruantinggi. Diantaranya yaitu aspek pendidikan dan pengajaran, penelitian, pengabdian. Namun dalam pelaksananya penilaian terhadap kinerja dosen, bukan hanya tridarma saja, namun beberapa faktor pendukung lainnya juga dilibatkan dalam penilaian kinerja dosen, diantaranya kerjasama, pernah tidaknya mendapatkan peringatan tertulis, memiliki buku ajar, pernah tidaknya menjadi pembicara, keanggotaan aktif dalam organisasi profesi dan aspek penunjang lainnya. Sehingga, bila tridarma bagi dosen sudah cukup namun aspek yang lainnya kurang mendukung, tetap di katakan dosen belum memiliki kinerja yang baik. Peran perguruan tinggi dalam melakukan penilaian juga mutlak diperlukan, khususnya pada unit jaminan mutu, maupun unit lembaga penelitian dan pengabdianmasyarakat. Kedua unit tersebut merupakan unit yang paling penting didalam melakukan penilaian kinerja dosen, sehingga pimpinan perguruan tinggi nantinya akan lebih mudah mendapatkan data data bagi dosen yang akan dinilai. Untuk memudahkan pimpinan dalam menilai kinerja dosen yang terdapat di institusinya, maka dibutuhkan sistem pendukung keputusan, yang merupakan suatu sistem informasi berbasis komputer [1]–[3].

Sistem pendukung keputusan merupakan sistem dengan menerapkan metode-metode tertentu dalam menghasilkan informasi, seperti pada pemilihan lokasi SPBU menggunakan MOORA [4], efektifitas keputusan menerapkan TOPSIS [5], pemilihan dosen terbaik menggunakan Promethee [6]. Mesran (2017), melakukan penelitian dengan topik pemilihan dosen terbaik menerapkan metode ELECTRE dapat memberikan hasil yang efektif, walaupun didalam proses perhitungannya metode electre masih tidak begitu spesifik, namun hasil yang diberikan pada penelitian tersebut dapat memberikan keputusan yang optimal bagi pimpinan perguruan tinggi [7]. Bukan hanya pada bidang manajemen, pada bidang pendidikan, penerapan SPK juga dibutuhkan, seperti yang dilakukan oleh Nella Astiani (2016). Penerapan SPK pada penentuan tanaman obat herbal sangat bermanfaat, sehingga pengguna dapat menentukan tanaman obat herbal yang tepatuntuk di kembangkan[8].

Dalam penelitian ini penulis tertarik untuk menggunakan metode Operational Competitiveness Rating Analysis (OCRA) pada proses perangkingan terhadap penilaian kinerja dosen. Pada metode Operational Competitiveness RatingA nalysis (OCRA), juga membutuhkan bobot pada setiapkriterianya. Bobotkriteriapada sistem pendukung keputusan mutlak diperlukan, banyak metode yang berkembang saat ini, namun pada penerapannya bobottetap ditentukan sendiri oleh pengambil keputusan. Tentu saja hal ini, kurang tepat, karena masih bersifat subyektif. Terdapat beberapa metode yang dapat menghasilkan nilai bobot, diantaranya Rank Order Centroid[8], Analytic Hierarchy Process (AHP) [9], Entropy [10]. Pada penelitian ini, bobot

(3)

dihasilkan dengan menggunakan metode ROC. ROC dipilih, karena penerapannya yang cukup sederhana, sesuai dengan tingkat prioritas dari kriteria yang digunakan.

2. METODOLOGI PENELITIAN 2.1 Kerangka Penelitian

Tahapan yang penulis lakukan pada penelitian ini melalui beberapa tahapan, diantaranya:

a. Studi Lapangan

Pada tahapan ini, dilakukan serangkaian teknik untuk memperoleh data pada STMIK Budi Darma, diantaranya wawancara, observasi serta sampling. Data yang diambil berupa data-data dosen (alternatif) sebanyak 30 data dosen, kriteria.

b. Studi Literatur

Pada tahapan ini, dilakukan pemahaman terhadap objek yang akan diteliti, dengan membaca buku-buku, jurnal, ataupun sumber bacaan yang lain. Pada tahapan ini juga melakukan pemahaman terhadap penelitian penelitian sejenis yang pernah dilakukan oleh penelitian lain.

c. Tahapan Analisa Masalah

Tahapan Analisa masalah bertujuan untuk mengetahui sumber masalah yang terjadi. Sehingga penyelesaian yang dihasilkan diharapkan nantinya dapat mengatasi permasalahan yang ada.

d. Tahapan Implementasi Metode ROC dan OCRA

Pengujian metode ditujukan untuk menghitung nilai-nilai dari setiap alternatif dan kriteria yang ada.

e. Pembuatan laporan akhir penelitian

Tahapan akhir dari penelitian ini, yaitu mengumpulkan semua data, bahan serta hasil pengujian yang dituangkan kedalam bentuk laporan penelitian.

2.2Metode Rank OrderCentroid (ROC)

Pada penelitian digunakan metode Rank Order Centroid(ROC) untuk menghasilkan nilai bobot pada tiap-tiapkriteria. Penentuan bobot Metode ROC merupakan metode yang menitik beratkan terhadap prioritas kriteria menjadi yang utama. Dalamhal ini, kriteria-1 merupakan prioritas yang tertinggi dibandingkan kriteria ke 2, begitu juga kriteria ke-2 merupakan priotitas tertinggi bila dibandingkan kriteria ke 3, selanjutnya dilakukan langkah yang sama hingga pritoritas kriteria yang terendah [8]. Hal ini dapat dilihat pada persamaan ke 1.

Cr1 ≥ Cr2 ≥ Cr3 ≥ ... ≥ Cm (1)

Sehingga setelah di proses akan menghasilkan:

W1 ≥ W2 ≥ W3 ≥ ... ≥ Cm (2)

Untuk mendapatkan nilai bobot(W), maka digunakan persamaan ke 3, sebagai berikut:

(4)

Implementasi Metode ROC dan OCRA (Mesran) | 825 𝑊𝑚= 1 𝑚∑ ( 1 𝑖) 𝑚 1=1 (3)

Hasil dari total Wm, yaitu berinilai 1.

2.3 Metode Operational Competitiveness Rating Analysis(OCRA)

Metode OCRA adalah pendekatan pengukuran kinerja relatif berdasarkan sebuah model nonparametrik[11]. Ocra pertama kali dikembangkan oleh Parkan pada tahun 1994 dan merupakan metode yang sangat berguna dan sederhana untuk menganalisis sektor yang berbeda dan membandingkan unit keputusan yang berbeda. Ocra adalah teknik pengukuran efisiensi non-parametrik dan pertama kali diusulkan untuk menyelesaikan kinerja masalah pengukuran dan analisis produktivitas [11]. Proses kerja dari metode metode Operational Competitiveness Rating Analysis(OCRA) memiliki beberapa tahapan [12], [13], yaitu:

a. Pembentukan matriks keputusan X. Di baris keputusan matriks alternatif ditempatkan, dan di kolom kriteria ditempatkan. Dalam matriks ini, Xij menunjukkan kinerja alternatif i dibawah kriteria j.

X= [Xij]mxn= [ 𝑋11 ⋯ 𝑋12 … 𝑋1𝑛 ⋮ ⋱ ⋮ ⋱ ⋮ 𝑋21 … 𝑋22 … 𝑋2𝑛 ⋮ ⋱ ⋮ ⋱ ⋮ 𝑋_𝑚1 … 𝑋_𝑚2 … 𝑋_𝑚𝑛] i = 1,....,m; j = 1 ,2, ...., n (4)

Dimana : m = Jumlah Alternatif n = Jumlah criteria

Xij = Nilai performa dari alternative i terhadap kriteria j X0j = Nilai optimum dari kriteria j

b. Peringkat preferensi dimana yang dihitung hanya nilai kinerja dari alternatif untuk kriteria yang akan diminimalkan (cost).

𝐼̅𝑖= ∑𝑔𝑗=1𝑊𝑗

max(𝑋𝑖𝑗)−𝑋𝑖𝑗

min (𝑋𝑖𝑗) (i = 1, 2, ...., m; j = 1, 2, ...., g) (5) c. Pada langkah ini, menghitung peringkat preferensi linier dari setiap alternatif

untuk kriteria yang akan diminimalkan (cost). 𝐼_𝑖

̿₌_𝐼_{̅ − min(𝐼}_𝑖 _̅)_𝑖 ₍₆₎ d. Peringkat preferensi dimana yang dihitung hanya nilai kinerja dari alternatif untuk

kriteria yang akan dimaksimalkan (benefit).

𝑂̅_𝑖= ∑𝑛 𝑊_𝑗

𝑗=𝑔+1

𝑋𝑖𝑗− min(𝑋𝑖𝑗)

min (𝑋𝑖𝑗) (i = 1, 2, ...., m; j = g + 1, g + 2, ...., n) (7) e. Pada langkah ini, menghitung peringkat preferensi linier dari setiap alternatif

untuk kriteria yang akan dimaksimalkan (benefit).

(5)

f. Menghitung total nilai preferensi untuk setiap alternatif.

𝑃_𝑖 = (𝐼̿ + 𝑂_𝑖 ̿_𝑖) – min(𝐼̿ + 𝑂_𝑖 ̿_𝑖) i = 1, 2, ...., m (9)

3. HASIL DAN PEMBAHASAN

Untuk menghasilkan keputusan terhadap penilaian kinerja dosen komputer, maka dibutuhkan data-data pendukung, yaitu data kriteria, bobot dan alternatif. Sample data alternatif yang akandigunakansebanyak30 data dosenkomputer. Adapun kriteria-kriteria dalam menghitung penilaian kinerja dosen, yaitu lama mengajar, h-index gs, h-h-index scopus, jumlah publikasi scopus, jurnal terakreditasi, jumlah dokumen pengabdian, sertifikat kompetensi komputer, jumlah pembicara external, keanggotaan profesidosen, jabatan fungsional, umur, surat peringatan. Untuk lebih jelasnya kriteria tersebut dapat dilihat pada tabel 1.

Tabel 1. Kriteria

Kriteria Keterangan Jenis

C1 H-Index Scopus Benefit

C2 H-Index GS Benefit

C3 Dok Scopus Benefit

C4 JurnalTerakreditasi Benefit C5 DokPengabdian Benefit C6 SertifikatKompetensi Benefit C7 Pembicara External Benefit C8 KeanggotaanProfesiDosen Benefit C9 JabatanFungsional Benefit C10 Lama Mengajar Benefit

C11 Umur Cost

C12 Surat Peringatan Cost

Pada kriteria tabel 1, belum memiliki bobot, sehingga bobot dapat dihasilkan dengan menerapkan metode Rank Order Centroid (ROC). Perhitungan untuk mendapatkan hasil bobot yang diinginkan dapat dilihat berikut ini, dengan menggunakan persamaan 3. 𝑊1 = 1+1₂+1₃+1₄+1₅+1₆+1₇+1₈+1₉+₁₀1+₁₁1+₁₂1 12 = 0,259 𝑊2 = 0+1₂+1₃+1₄+1₅+1₆+1₇+1₈+1₉+₁₀1+₁₁1+₁₂1 12 = 0,175 𝑊3 = 0+0+1₃+1₄+1₅+1₆+1₇+1₈+1₉+₁₀1+₁₁1+₁₂1 12 = 0,134 𝑊4 = 0+0+0+1₄+1₅+1₆+1₇+1₈+1₉+₁₀1+₁₁1+₁₂1 12 = 0,105

(6)

Implementasi Metode ROC dan OCRA (Mesran) | 827 𝑊₅ = 0+0+0+0+ 1 5+ 1 6+ 1 7+ 1 8+ 1 9+ 1 10+ 1 11+ 1 12 12 = 0,085 𝑊₆ = 0+0+0+0+0+ 1 6+ 1 7+ 1 8+ 1 9+ 1 10+ 1 11+ 1 12 12 = 0,068 𝑊₇ = 0+0+0+0+0+0+ 1 7+ 1 8+ 1 9+ 1 10+ 1 11+ 1 12 12 = 0,054 𝑊₈ = 0+0+0+0+0+0+0+ 1 8+ 1 9+ 1 10+ 1 11+ 1 12 12 = 0,043 𝑊₉ = 0+0+0+0+0+0+0+0+ 1 9+ 1 10+ 1 11+ 1 12 12 = 0,032 𝑊₁₀= 0+0+0+0+0+0+0+0+0+ 1 10+ 1 11+ 1 12 12 = 0,023 𝑊₁₁= 0+0+0+0+0+0+0+0+0+0+ 1 11+ 1 12 12 = 0,015 𝑊₁₂= 0+0+0+0+0+0+0+0+0+0+0+ 1 12 12 = 0,007

Sehingga diperoleh nilai bobot dari setiap kriteria, yaitu: W1=0,259, W2=0,175, W3=0,134, W4=0,105, W5=0,085, W6=0,068, W7=0,054, W8=0,043, W9=0,032, W10=0,023, W11=0,015, W12=0,007. Alternatif dosen yang digunakan pada penelitian ini, diambil sebanyak 30 sample dosen, sebagai berikut:

Tabel 2. Alternatif Dosen

Nama C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 Nelly(A1) 0 10 0 0 10 2 2 1 IIID 10 35 0 Mesran(A2) 5 23 11 2 12 2 6 1 IIID 14,7 41 0 Garuda(A3) 1 3 2 0 12 1 0 1 IIID 14 52 0 Sinar(A4) 1 2 1 0 10 1 0 1 IIID 13,4 52 0 Hery(A5) 0 3 1 0 10 1 0 1 IIID 14 44 0 Pristiwanto(A6) 0 3 0 1 5 1 0 1 IIIC 9 37 0 Saidi(A7) 0 1 0 0 4 1 0 1 IIIB 6 29 0 Rivalri(A8) 1 4 1 0 4 2 0 1 IIIC 7,4 30 0 Guidio(A9) 0 5 0 0 6 2 1 1 IIIC 10 32 0 Imam (A10) 1 6 2 0 3 4 0 1 IIIB 5 27 0 Bister (A11) 0 0 0 0 1 1 0 1 - 2,8 28 0 Alwin (A12) 0 2 0 0 1 1 0 1 - 2,8 28 0 Fince(A13) 1 6 1 0 2 1 0 1 IIIB 5 30 0 Rian (A14) 0 0 0 0 1 1 0 1 - 2,8 27 0

(7)

Nama C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12

Soeb(A15) 0 3 0 0 1 1 0 1 - 2,8 26 0 Syahrizal(A16) 2 6 2 0 8 1 0 1 IIIC 11 36 0 Abdul (A17) 0 1 1 0 8 1 0 1 IIIC 11 34 0 Yasir (A18) 0 1 0 0 8 1 0 1 IIIB 11 38 1 Berto(A19) 0 2 0 0 8 1 0 1 IIIB 11 34 0 Noferianto(A20) 0 1 0 0 4 1 0 1 IIIB 8 34 1 Efori(A21) 1 9 1 0 4 2 0 1 IIIC 8 31 0 Kristian (A22) 0 0 0 0 4 1 0 1 IIIB 8 38 1 Kennedi (A23) 0 3 0 0 10 1 0 1 IIIA 13,6 52 0 Eferoni (A24) 0 3 0 1 2 1 0 1 IIIB 5 28 0 Matias (A25) 0 1 0 0 3 1 0 1 - 7,4 31 1 Marzuki (A26) 1 1 6 0 6 1 0 1 IIIB 10 36 0 Edward (A27) 0 1 0 0 1 1 0 1 IIIB 2,4 50 0 Lince (A28) 1 3 1 0 12 1 0 1 IIID 14,7 46 0 Chandra (A29) 0 0 0 0 4 1 0 1 IIIB 9 36 0 Surya (A30) 1 11 3 0 4 2 0 1 IIIC 8 29 0

Pada kriteria golongan, harus di lakukan pembobotan, hal ini dikarenakan data masih bersifat linguistik. Berikut pembobotan sederhana menggunakan tabel berikut.

Tabel 3. Kriteria Golongan Kepangkatan

Keterangan Nilai IVA 6 IIID 5 IIIC 4 IIIB 3 IIIA 2 - 1

Tabel 4. Kriteria Dokumen Scopus

Keterangan Nilai

>=11 10

6-10 5

1-5 3

0 1

Tabel 5. Kriteria Jurnal Terakreditasi

4-8 5

1-3 3

(8)

Tabel 6. Kriteria Pembicara External

4-8 5

1-3 3

0 1

Tabel 7. Kriteria Surat Peringatan

>=2 3

1 2

0 1

Tabel 8. Kriteria H-Index Scopus dan GS

>=11 10

6-10 5

1-5 3

0 1

Maka hasil dari rating kecocokan dapat dilihat pada tabel 4.

Tabel 9. Alternatif Dosen

Alternatif C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 A1 1 5 1 1 10 2 3 1 5 10 35 1 A2 5 10 5 3 12 2 5 1 5 14,7 41 1 A3 3 3 3 1 12 1 1 1 5 14 52 1 A4 3 3 3 1 10 1 1 1 5 13,4 52 1 A5 1 3 3 1 10 1 1 1 5 14 44 1 A6 1 3 1 3 5 1 1 1 4 9 37 1 A7 1 3 1 1 4 1 1 1 3 6 29 1 A8 3 3 3 1 4 2 1 1 4 7,4 30 1 A9 1 3 1 1 6 2 2 1 4 10 32 1 A10 3 5 3 1 3 4 1 1 3 5 27 1 A11 1 1 1 1 1 1 1 1 1 2,8 28 1 A12 1 3 1 1 1 1 1 1 1 2,8 28 1 A13 3 5 3 1 2 1 1 1 3 5 30 1 A14 1 1 1 1 1 1 1 1 1 2,8 27 1 A15 1 3 1 1 1 1 1 1 1 2,8 26 1 A16 3 5 3 1 8 1 1 1 4 11 36 1 A17 1 3 3 1 8 1 1 1 4 11 34 1 A18 1 3 1 1 8 1 1 1 3 11 38 2 A19 1 3 1 1 8 1 1 1 3 11 34 1 A20 1 3 1 1 4 1 1 1 3 8 34 2 A21 3 5 3 1 4 2 1 1 4 8 31 1 A22 1 1 1 1 4 1 1 1 3 8 38 2 A23 1 3 1 1 10 1 1 1 2 13,6 52 1 A24 1 3 1 3 2 1 1 1 3 5 28 1

(9)

Implementasi Metode ROC dan OCRA (Mesran) | 830 Alternatif C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 A25 1 3 1 1 3 1 1 1 1 7,4 31 2 A26 3 3 5 1 6 1 1 1 3 10 36 1 A27 1 3 1 1 1 1 1 1 3 2,4 50 1 A28 3 3 3 1 12 1 1 1 5 14,7 46 1 A29 1 1 1 1 4 1 1 1 3 9 36 1 A30 3 10 3 1 4 2 1 1 4 8 29 1

Berikut langkah yang dibutuhkan untuk penilaian kinerja karyawan dengan menerapkan metode OCRA.

a. Tahap awal malakukan perumusan terhadap Matriks Keputusan (dapat dilihat pada persamaan 4) 1 5 1 1 10 2 3 1 5 10 35 1 5 10 5 3 12 2 5 1 5 14,7 41 1 3 3 3 1 12 1 1 1 5 14 52 1 3 3 3 1 10 1 1 1 5 13,4 52 1 1 3 3 1 10 1 1 1 5 14 44 1 1 3 1 3 5 1 1 1 4 9 37 1 1 3 1 1 4 1 1 1 3 6 29 1 3 3 3 1 4 2 1 1 4 7,4 30 1 1 3 1 1 6 2 2 1 4 10 32 1 3 5 3 1 3 4 1 1 3 5 27 1 1 1 1 1 1 1 1 1 1 2,8 28 1 1 3 1 1 1 1 1 1 1 2,8 28 1 𝑋𝑖𝑗 3 5 3 1 2 1 1 1 3 5 30 1 1 1 1 1 1 1 1 1 1 2,8 27 1 1 3 1 1 1 1 1 1 1 2,8 26 1 3 5 3 1 8 1 1 1 4 11 36 1 1 3 3 1 8 1 1 1 4 11 34 1 1 3 1 1 8 1 1 1 3 11 38 2 1 3 1 1 8 1 1 1 3 11 34 1 1 3 1 1 4 1 1 1 3 8 34 2 3 5 3 1 4 2 1 1 4 8 31 1 1 1 1 1 4 1 1 1 3 8 38 2 1 3 1 1 10 1 1 1 2 13,6 52 1 1 3 1 3 2 1 1 1 3 5 28 1 1 3 1 1 3 1 1 1 1 7,4 31 2 3 3 5 1 6 1 1 1 3 10 36 1 1 3 1 1 1 1 1 1 3 2,4 50 1 3 3 3 1 12 1 1 1 5 14,7 46 1 1 1 1 1 4 1 1 1 3 9 36 1 3 10 3 1 4 2 1 1 4 8 29 1

(10)

b. Pada langkah berikutnya menghitung peringkat preferensi untuk kriteria cost (𝐼̅_𝑖) dan peringkat preferensi untuk kriteria benefit (𝑂̅_𝑖), berdasarkan persamaan ke 5 dan 7. Hasil perhitungan akan terlihat pada tabel 10.

Tabel 10. Peringkat preferensi Cost dan Benefit

Alternatif Preferensi(𝑰̅𝒊) Preferensi𝑶̅̅̅𝒊

A1 0.017 1.910 A2 0.013 4.674 A3 0.007 2.730 A4 0.007 2.554 A5 0.012 2.042 A6 0.016 1.479 A7 0.020 1.124 A8 0.020 1.887 A9 0.019 1.242 A10 0.021 1.961 A11 0.021 0.424 A12 0.021 0.774 A13 0.020 2.080 A14 0.021 0.424 A15 0.022 0.774 A16 0.016 2.679 A17 0.017 1.811 A18 0.008 1.511 A19 0.017 1.511 A20 0.010 1.143 A21 0.019 2.243 A22 0.008 0.793 A23 0.007 1.674 A24 0.021 1.154 A25 0.012 0.988 A26 0.016 2.386 A27 0.008 0.834 A28 0.010 2.737 A29 0.016 0.802 A30 0.020 3.118

c. Kemudian menghitung tingkat preferensi linier (𝐼̿𝑖) untuk kriteria Cost dan

preferensi linier (𝑂̿𝑖) untuk kriteria benerif, menggunakan persamaan 6 dan 8.

Hasilnya terlihat pada tabel 11.

Tabel 11. Preferensi linier

Alternatif 𝑰̿𝒊 𝑶̿̿̿𝒊

A1 0.010 1.486 A2 0.006 4.250 A3 0.000 2.306

(11)

Implementasi Metode ROC dan OCRA (Mesran) | 832 Alternatif 𝑰̿_𝒊 𝑶̿̿̿_𝒊 A4 0.000 2.131 A5 0.005 1.618 A6 0.009 1.055 A7 0.013 0.700 A8 0.013 1.463 A9 0.012 0.818 A10 0.014 1.537 A11 0.014 0.000 A12 0.014 0.350 A13 0.013 1.656 A14 0.014 0.000 A15 0.015 0.350 A16 0.009 2.256 A17 0.010 1.388 A18 0.001 1.088 A19 0.010 1.088 A20 0.003 0.719 A21 0.012 1.819 A22 0.001 0.369 A23 0.000 1.251 A24 0.014 0.730 A25 0.005 0.564 A26 0.009 1.962 A27 0.001 0.410 A28 0.003 2.313 A29 0.009 0.378 A30 0.013 2.694

d. Langkah terakhir menghitung preferensi akhir Pi dengan menggunakan persamaan 9, sehingga menghasilkan nilai akhir seperti pada tabel 12.

Tabel 12. Preferensi Akhir

Alternatif Pi Peringkat Keterangan

A2 4.243 1 Kinerja Baik A30 2.693 2 Kinerja Baik A28 2.303 3 Kinerja Baik A3 2.292 4 Kinerja Baik A16 2.251 5 Kinerja Baik A4 2.117 6 Kinerja Baik A26 1.957 7 Kinerja Baik A21 1.817 8 Kinerja Baik A13 1.655 9 Kinerja Baik A5 1.609 10 Kinerja Baik A10 1.538 11 Kinerja Baik A1 1.482 12 Kinerja Baik A8 1.462 13 KinerjaBaik

(12)

Alternatif Pi Peringkat Keterangan

A17 1.384 14 Kinerja Baik A23 1.237 15 Kinerja Baik A19 1.084 16 Kinerja Baik A18 1.075 17 KinerjaBaik A6 1.05 18 Kinerja Baik A9 0.816 19 Kinerja Baik A24 0.73 20 Kinerja Baik A20 0.708 21 Kinerja Baik A7 0.699 22 Kinerja Baik A25 0.555 23 Kinerja Baik A27 0.397 24 Kinerja Baik A29 0.374 25 Kinerja Kurang A22 0.356 26 Kinerja Kurang A15 0.351 27 Kinerja Kurang A12 0.35 28 Kinerja Kurang A14 0.001 29 Kinerja Kurang A11 0 30 Kinerja Kurang

Dari tabel 12, terlihat peringkat kinerja karyawan. Kinerja karyawan yang paling rendah berada pada peringkat antara 25 hingga peringkat 30. Dari kriteria yang digunakan terlihat bahwa masa kerja serta golongan sangat mempengaruhi hasil perhitungan. Beberapa yang terdapat pada peringkat 25-30 merupakan dosen dengan masa kerja di bawah 3 tahun dan belum memiliki golongan kepangkatan. Sehingga hasil perhitungan tersebut belum bisa dibandingkan dengan dosen yang telah mengajar selama 5 tahun lebih namun belum memiliki kepangkatan dan hal tersebut dapat menjadi dasar keringanan terhadap dosen-dosen tersebut. Prioritas kriteria juga perlu dinilai kembali, misalnya dengan menyertakan kriteria kerjasama.

4. KESIMPULAN

Dari hasil penelitian yang dilakukan bahwa kriteria-kriteria yang digunakan perlu dilakukan pertimbangan kembali dengan memasukkan kriteria kerjasama. Khusus untuk penilaian kinerja dosen, bahwa dosen yang masih dibawah 4 tahun dan yang telah lebih dari 4 tahun belum bisa dilakukan penilaian yang sama, hal ini di karenakan dosen baru dibawah 2 tahun belum memilikigolongan, sehingga pada masa kerja dan golongan akan memiliki nilai yang rendah walaupun dari penilaian langsung tentang kerjasama, dosen tersebut memiliki nilai yang baik.Penetapan bobot dengan menggunakan metodeRank Order Centroid (ROC) dinilai memberikan kemudahan atas dasar pemberian bobot.

DAFTAR PUSTAKA

[1] D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan. 2015.

[2] D. Nofriansyah and S. Defit, Multi Criteria Decision Making (MCDM) pada Sistem Pendukung Keputusan. 2018.

(13)

[4] J. Afriany, L. Ratna, S. Br, I. Julianty, and E. L. Nainggolan, “Penerapan MOORA Untuk Mendukung Efektifitas Keputusan Manajemen Dalam Penentuan Lokasi SPBU,” vol. 5, no. 2, pp. 161–166, 2018.

[5] G. Ginting, Fadlina, Mesran, A. P. U. Siahaan, and R. Rahim, “Technical Approach of TOPSIS in Decision Making,” Int. J. Recent Trends Eng. Res., vol. 3, no. 8, pp. 58–64, 2017.

[6] H. Sujaini and H. S. Pratiwi, “Sistem Pendukung Keputusan Pemilihan Dosen Terbaik Menggunakan Metode Promethee ( Studi Kasus: Teknik Informatika Universitas Tanjungpura ),” vol. 1, no. 1, pp. 1–6, 2016.

[7] Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation of Elimination and Choice Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI DARMA ),” Int. J. Eng. Res. Technol. (IJERT, vol. 6, no. 02, pp. 141–144, 2017.

[8] N. Astiani, D. Andreswari, and Y. Setiawan, “Aplikasi Sistem Pendukung Keputusan Tanaman Obat Herbal Untuk Berbagai Penyakit Dengan Metode Roc (Rank Order Centroid) Dan Metode Oreste Berbasis Mobile Web,” J. Inform., vol. 12, no. 2, 2016.

[9] K. Safitri, F. T. Waruwu, and M. Mesran, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN BERPRESTASI DENGAN MENGGUNAKAN METODE ANALYTICAL HIEARARCHY PROCESS (Studi Kasus : PT.Capella Dinamik Nusantara Takengon),” MEDIA Inform. BUDIDARMA, vol. 1, no. 1, Feb. 2017.

[10] A. S. Harapah, Tulus, and E. Budhiarti, “PENERAPAN METODE ENTROPY DAN METODE PROMETHEE,” Pelita Inform., vol. 16, no. 3, pp. 208–213, 2017.

[11] N. K. phD, “Pendekatan Pengambilan Keputusan Multi-Kriteria Yang Terintegrasi Untuk Pemilihan Komputer tablet,” vol. 15, p. 40, 2017.

[12] N. Kundakcı, “An Integrated Multi-Criteria Decision Making Approach for Tablet Computer Selection,” Eur. J. Multidiscip. Stud., vol. 5, no. 1, p. 36, 2017.

[13] M. Madic, D. Petkovic, and M. Radovanovic, “Selection of non-conventional machining processes using the OCRA method,” Serbian J. Manag., vol. 10, no. 1, pp. 61–73, 2015.