353 Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933
Perbandingan Metode AHP Dan SAW Untuk Menentukan Dosen Berprestasi
Debby Ummul Hidayah*1, Masyruri Rizka Maulana2, Puji Lestari3
1,2,3
Universitas Amikom Purwokerto; Jl. Letd Jend Pol Sumarto, 0281 623321/0281 623196 of Universitas Amikom Purwokerto
1,2,3
Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas AMikom Purwokerto e-mail: *1debbyummul@amikompurwokerto.ac.id, 2masyrurirm@gmail.com,
3puji24318@gmail.com
Abstrak
Pemilihan dosen berprestasi di suatu program studi Sistem Informasi Universitas XYZ saat ini masih dilakukan secara konvensional. Yakni masih bersifat subjektif dan belum menggunakan metode perhitungan khusus dalam menunjang keputusan. Dengan demikian diperlukan adanya suatu sistem penunjang keputusan yang tepat guna membantu dalam menentukan dosen berprestasi secara objektif. Metode yang digunakan dalam penelitian ini adalah menggunakan analytical hierarchy process (AHP) dan simple additive weighting (SAW).
Dari perhitungan kedua metode tersebut menunjukkan hasil akhir berupa keputusan pemilihan dosen berprestasi program studi Sistem Informasi yang sama yaitu Bapak Argiyan Dwi Pritama. Hasil yang diperoleh dari perhitungan AHP menghasilkan nilai sebesar 1,46 sedangkan dari perhitungan SAW menghasilkan nilai 0,522. Dari perhitungan AHP dapat disimpulkan bahwa penggunaan alternatif yang terlalu banyak menjadikan proses pemeringkatan menjadi terlalu kompleks. Sedangkan berdasarkan perhitungan SAW, teknis perhitungan sangat cocok untuk alternatif yang banyak, sehingga lebih efektif dan efisien untuk digunakan.
Kata kunci—Dosen berprestasi, analytical hierarchy process (AHP), simple additive weighting (SAW)
Abstract
The selection of outstanding lecturers in an Information Systems study program at XYZ University is currently still done conventionally. That is, it is still subjective and has not used special calculation methods to support decisions. Thus, it is necessary to have an appropriate decision support system to assist in determining outstanding lecturers objectively. The method used in this research is the analytical hierarchy process (AHP) and simple additive weighting (SAW). From the calculation of the two methods, the final result is a decision to select an outstanding lecturer in the same Information Systems study program, namely Mr. Argiyan Dwi Pritama. The results obtained from the AHP calculation yield a value of 1.46 while the SAW calculation produces a value of 0.522. From the AHP calculation, it can be concluded that the use of too many alternatives makes the ranking process too complex. Meanwhile, based on the SAW calculation, the technical calculation is very suitable for many alternatives, so it is more effective and efficient to use.
Keywords—Outstanding lecturer, analytical hierarchy process (AHP), simple additive weighting (SAW)
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 354
1. PENDAHULUAN
i suatu Perguruan Tinggi, penentuan dosen berprestasi merupakan salah satu bentuk penghargaan terhadap dosen atas kinerjanya selama kurun waktu tertentu. Dengan adanya penghargaan, dosen bisa lebih termotivasi dan menjadi dukungan untuk lebih giat lagi dalam menjalankan kewajibannya. Tak dapat dipungkiri pula, kualitas dosen yang berkompeten tentunya bisa menjadi jalan untuk menghasilkan lulusan yang berkualitas [1]. Beberapa kriteria dosen berprestasi seperti bisa menghasilkan naskah buku yang diterbitkan secara resmi, atau menghasilkan karya yang kreatif dan inovatif, bisa menghasilkan karya ilmiah berupa jurnal yang diterbitkan dalam skala nasional maupun internasional, dan lain sebagainya [2]. Penilaian dosen berprestasi harus bersifat objektif yakni dengan proses pengumpulan data yang relevan dan valid. Akan tetapi, permasalahan dalam penentuan dosen berprestasi yang kerap kali dialami muncul sebagai akibat dari proses pencarian data dosen yang cukup sulit maupun data dosen yang tidak ditemukan.
Penelitian ini mencoba untuk mengkaji isu permasalahan terhadap penentuan dosen berprestasi pada program studi Sistem Informasi di Universitas XYZ. Berdasarkan hasil telaah dari observasi yang peneliti lakukan, mekanisme pemilihan dosen berprestasi khususnya di program studi Sistem Informasi selama ini masih dilakukan secara subjektif yaitu dengan menunjuk dosen yang sekiranya memiliki dedikasi tinggi terhadap kampus tanpa memperhatikan indikator penilaian yang jelas. Memasuki semester genap 2020/2021 dan semester gasal 2021/2022, mekanisme penilaian dosen berprestasi diubah dengan memperhatikan indikator yang mengacu kepada hasil tri dharma Perguruan Tinggi. Akan tetapi proses penilaian tersebut masih dilakukan sebatas menjumlahkan poin hasil kinerja saja.
Sebagai contoh, dosen A mengajar 3 kelas maka akan memperoleh poin 10, dan begitu juga dengan penelitian, pengabdian, maupun penunjang. Yakni hanya mengkonversi jumlah masing- masing indikator dengan sistem poin. Setelah dikaji lebih dalam, sistem penilaian tersebut tidak bisa menghasilkan hasil yang akurat. Sebab, menimbulkan kesimpulan yang tidak tepat, sebagai contoh dosen dengan jumlah penelitian terbanyak bisa saja menjadi kandidat terpilih dalam dosen berprestasi. Sedangkan penilaian yang semestinya adalah dengan memperhatikan semua aspek tri dharma seperti pendidikan, penelitian, pengabdian kepada masyarakat, dan unsur penunjang.
Berdasarkan kondisi yang ada, proses penilaian untuk menentukan dosen berprestasi dapat menggunakan metode khusus dari sistem pendukung keputusan atau disingkat dengan SPK. Sistem penunjang keputusan dapat memberikan manfaat terhadap proses dalam perankingan untuk menghasilkan pemilihan alternatif yang tepat [3]. Ada cukup banyak metode SPK yang bisa digunakan sebagai proses penilaian dosen berprestasi tersebut. Namun, dalam penelitian ini, peneliti lebih berfokus terhadap penggunaan metode analytical hierarchy process (AHP) dan metode simple additive weighting (SAW). Kedua metode tersebut akan peneliti bandingkan untuk mengetahui bagaimana hasil temuan akhir yang nantinya akan diperoleh.
Penggunaan metode AHP dan SAW sebagai penunjang keputusan dapat menghasilkan perhitungan yang akurat dengan hasil akhir yang sama [4]. Selain itu, kedua metode tersebut bisa mengurangi faktor subjektifitas dalam proses penilaian [5]. Penelitian yang dilakukan oleh [6] juga menjelaskan bahwa penggunaan metode AHP maupun SAW terbukti dapat menjadi sarana dalam proses pengambilan keputusan dengan lebih cepat [7] dan tepat. Penggunaan metode AHP memberikan keuntungan berupa uji konsistensi untuk mengetahui apakah bobot nilai yang diperoleh bersifat konsisten atau sebaliknya. Sedangkan penggunaan metode SAW memiliki keuntungan berupa kemudahan dalam proses pemeringkatan [8]. Dengan demikian bisa dikatakan bahwa penggunaan sistem penunjang keputusan dalam proses seleksi mampu menjadikan proses seleksi menjadi lebih efektif dan efisien [9].
D
355 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
Sehingga dapat disimpulkan bahwa tujuan dari pada penelitian ini adalah untuk melakukan perbandingan metode analytical hierarchy process (AHP) dan metode simple additive weighting (SAW) dalam menentukan dosen berprestasi di program studi Sistem Informasi, Universitas XYZ. Sedangkan manfaat yang hendak diperoleh dari hasil penelitian ini adalah untuk mengetahui dosen dari program studi Sistem Informasi yang memang layak dijadikan sebagai dosen berprestasi dan menghasilkan sistem penilaian yang lebih objektif.2. METODE PENELITIAN
Metode penelitian ini dapat dirangkum dalam jenis penelitian, teknik pengumpulan data, sistem pendukung keputusan, perbandingan, dan hasil yang dijabarkan pada Gambar 1 berikut:
Gambar 1. Kerangka Penelitian 2.1 Jenis Penelitian
Penelitian ini termasuk dalam jenis penelitian terapan khususnya dalam bidang ilmu sistem informasi yaitu sistem penunjang keputusan. Selain itu, penelitian ini juga tergolong dalam jenis penelitian kuantitatif yakni hasil dari penilaian dosen berprestasi akan diakumulasi dalam suatu nilai tertentu menggunakan metode AHP dan SAW.
2. 2 Teknik Pengumpulan Data
Teknik pengumpulan data yang dilakukan pada penelitian ini menggunakan 2 teknik yaitu observasi dan dokumentasi. Adapun penjabarannya adalah sebagai berikut
2. 2.1 Observasi
Observasi merupakan salah satu teknik pengumpulan data yang dilakukan dengan cara mengamati terhadap suatu kegiatan yang sedang berlangsung [10]. Observasi bisa dilakukan menggunakan 2 cara yaitu partisipasi atau nonpartisipasi. Dalam penelitian ini, observasi dilakukan dengan cara partisipasi, yaitu peneliti ikut serta dalam proses penilaian dosen berprestasi di lingkungan program studi Sistem Informasi pada Universitas XYZ.
Jenis Penelitian
Teknik Pengumpulan Data 1. Observasi 2. Dokumentasi
Sistem Pendukung Keputusan
1. Analytical Hierarchy Process (AHP) 2. Simple Additive Weighting (SAW)
Perbandingan Metode AHP dan SAW
Keputusan Dosen Berprestasi
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 356
2. 2.2 Dokumentasi
Pengumpulan data menggunakan dokumentasi ini berguna untuk mendapatkan data secara langsung yang meliputi buku, peraturan, foto, maupun suatu laporan kegiatan tertentu [10]. Pada penelitian ini, dokumentasi yang peneliti peroleh berupa data dosen di program studi Sistem Informasi, data indikator penilaian dosen berprestasi, data tri dharma dosen yang dicari melalui google scholar maupun dari pihak Fakultas.
2. 3 Sistem Pendukung Keputusan
Untuk perhitungan dalam pemilihan dosen berprestasi, peneliti menggunakan 2 metode untuk mendukung keputusan yang tepat terhadap pemilihan dosen berprestasi tersebut. Metode yang digunakan adalah analytical hierarchy process (AHP) dan simple additive weighting (SAW). Kedua metode tersebut nantinya akan dibandingkan untuk mengetahui apakah terjadi perbedaan yang signifikan terhadap pemilihan dosen berprestasi atau sama-sama menghasilkan data terpilihnya dosen berprestasi yang sama.
2. 3.1 Analytical Hierarchy Process (AHP)
Analytical hierarchy process (AHP) merupakan suatu konsep dalam membuat suatu keputusan dengan kriteria yang banyak atau disebut multicriteria. Metode ini mampu melakukan perhitungan terhadap struktur hirarki, dimana level paling atas merupakan tujuan yang hendak dicapai, kemudian di bawahnya terdapat hirarki kriteria, dan paling bawah menunjukkan alternatif yang dipakai dalam mencapai tujuan [11]. Secara teoritis, AHP diyakini bisa dipakai sebagai penyelesaian masalah dalam proses pembuatan keputusan yang bersifat kompleks [12]. Beberapa langkah yang akan dilakukan pada AHP diantaranya mendefinisikan akar permasalahan dan menentukan solusi yang tepat, membuat struktur hirarki untuk mengelompokkan tujuan, kriteria, dan alternatif berdasar tingkatannya. Berikutnya adalah membuat matriks perbandingan berpasangan, menghitung vektor eigen normalisasi, dan adalah memeriksa konsistensi hirarki. Konsistensi di sini berguna untuk mengetahui apakah suatu konsistensi antara objek yang dinilai adalah benar atau sebaliknya. Apabila konsistensi yang dinilai benar maka konsistensi bisa dikatakan mendekati sempurna sehingga bisa diperoleh keputusan yang mendekati valid [13].
2. 3.2 Simple Additive Weighting (SAW)
Metode simple additive weighting (SAW) adalah suatu metode untuk pengambilan keputusan yang dilakukan dengan cara mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif untuk semua atribut yang digunakan [13]. Pada metode SAW ini ada beberapa tahapan untuk menentukan keputusan akhir yang tepat diantaranya menentukan kriteria yang nantinya akan dijadikan sebagai acuan dalam proses pengambilan keputusan, menentukan bobot untuk masing-masing kriteria, melakukan normalisasi, dan terakhir menghitung nilai preferensi.
2. 4 Perbandingan Metode AHP dan SAW
Setelah hasil perhitungan penentuan dosen berprestasi selesai menggunakan metode AHP dan metode SAW, akan dilakukan perbandingan terhadap hasil akhir. Perbandingan ini digunakan untuk mengetahui apakah terdapat perbedaan signifikan antara metode AHP dan SAW dalam menentukan dosen berprestasi. Di samping itu, untuk mengetahui kelebihan dan kekurangan dari metode AHP dan SAW tersebut.
2. 5 Keputusan Dosen Berprestasi
Keputusan dosen berprestasi menunjukkan keputusan akhir berupa kandidat terpilih menjadi dosen berprestasi pada program studi Sistem Informasi, Universitas XYZ.
357 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
3. HASIL DAN PEMBAHASAN 3.1 Hasil
3. 1.1 Penetapan Kriteria dan Sub Kriteria
Dalam penelitian ini digunakan kriteria dan sub kriteria yang digunakan sebagai acuan dalam proses perhitungan dan penentuan dosen berprestasi baik menggunakan metode AHP maupun SAW. Data kriteria dan sub kriteria dapat dilihat pada Tabel 1 berikut ini.
Tabel 1. Data Kriteria dan Sub Kriteria
3. 1.2 Perhitungan Metode Analytical Hierarchy Process (AHP)
Tahap awal dari metode AHP ini adalah untuk mendefinisikan tujuan dari penelitian.
Adapun tujuan yang hendak dicapai adalah untuk menentukan dosen berprestasi pada program studi Sistem Informasi di Universitas XYZ. Untuk kriteria yang dijadikan acuan untuk perhitungan dengan metode AHP menggunakan kriteria yang terdapat pada Tabel 1 di atas.
Pada tahapan awal ini juga ditentukan sampel penelitian yang digunakan sebagai alternatif pada pemilihan dosen berprestasi. Sampel penelitian menggunakan data dosen dari program studi Sistem Informasi dengan jumlah 12 dosen.
Tabel 2. Data Dosen Program Studi Sisten Informasi
No Nama Alternatif
1 Abdul Azis Dosen 1
2 Argiyan Dwi
Pritama Dosen 2
No Bobot (%) Jenis Kriteria
1 Buku ajar/buku referensi (SC1) 10 Benefit
2 Ijazah (SC2) 10 Benefit
3 Mengajar (SC3) 10 Benefit
4 Membimbing Skripsi (SC4) 10 Benefit
5 Membimbing Akademik (SC5) 10 Benefit
6 Membimbing MBKM (SC6) 10 Benefit
1 Penelitian Internasional (SC7) 10 Benefit
2 Penelitian Nasional (SC8) 8 Benefit
3 Prosiding (SC9) 5 Benefit
1 Publikasi hasil pengabdian masyarakat (SC10) 5 Benefit
1 Menjadi ketua panitia (SC11) 3 Benefit
2 Menjadi anggota panitia (SC12) 3 Benefit
3 Mengikuti pertemuan ilmiah (SC13) 3 Benefit
4 Sebagai editor jurnal (SC14) 3 Benefit
100 Jumlah
B
Penelitian (C2)
C Pengabdian Kepada Masyarakat (C3)
D
Penunjang (C4)
Kriteria
A
Pendidikan (C1)
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 358
3 Berlilana Dosen 3
4 Imam Tahyudin Dosen 4 5 Taqwa Hariguna Dosen 5 6 Dwi Krisbiantoro Dosen 6 7 Fiby Nur Afiana Dosen 7 8 Ito Setiawan Dosen 8 9 Muliasari Pinilih Dosen 9
10 Nurfaizah Dosen 10
11 Sarmini Dosen 11
12 Zanuar Rifa'i Dosen 12
Tahapan kedua dari metode AHP adalah membuat struktur hirarki yang dimaksudkan untuk mempermudah dalam pengelompokkan tujuan, kriteria, dan alternatif. Gambar 1 menunjukkan struktur hirarki pada proses penentuan dosen berprestasi.
Gambar 1. Struktur Hirarki Pemilihan Dosen Berprestasi
Tahapan ketiga adalah menghitung matriks perbandingan berpasangan. Pada tahap ini, setiap kriteria akan dibandingkan dengan matriks perbandingan berpasangan hingga diperoleh nilai yang konsisten. Hasil dari perhitungan matriks perbandingan berpasangan ini dapat dilihat pada Tabel 3 berikut.
Tabel 3. Hasil Perhitungan Matriks Perbandingan Berpasangan
KRITERIA C1 C2 C3 C4
C1 1 2 5 5
C2 0,5 1 7 7
C3 0,2 0,14 1 3
C4 0,2 0,14 0,33 1
Jumlah 1,9 3,28 13,33 16
359 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
Tahapan selanjutnya adalah menghitung vektor eigen normalisasi. Perhitungan ini berguna untuk menentukan prioritas elemen-elemen dari setiap matriks perbandingan berpasangan. Hasil perhitungan vektor eigen normalisasi dapat dilihat pada Tabel 4 berikut.Tabel 4. Hasil Perhitungan Vektor Eigen Normalisasi
KRITERIA C1 C2 C3 C4 Jumlah Eigen Vektor
Normalisasi
C1 4 5,4 25,65 39 74,05 0,462
C2 3,8 3,96 18,81 37,5 64,07 0,4
C3 1,07 1,1 3,97 7,98 14,12 0,088
C4 0,536 0,7262 2,64 3,97 7,8722 0,049
Jumlah 160,112
Tahapan terakhir dari metode AHP adalah menghitung nilai rasio konsistensi. Dalam menghitung rasio konsistensi terlebih dulu dilakukan pencarian nilai eigen maksimal dengan rumus persamaan (1) berikut.
λmaks = 1,9 x 0,462+3,28 x 0,400+13,33 x 0,088+(16 x 0,049) (1) λmaks = 4,154
Keterangan:
λmaks = nilai eigen maksimal
Setelah nilai eigen maksimal diperoleh yakni 4,154 tahap selanjutnya adalah menghitung nilai indeks konsistensi (CI). Nilai CI diperoleh dengan melakukan pengurangan terhadap nilai eigen maksimal dikurangi jumlah total kriteria dibagi dengan jumlah kriteria dikurangi 1. Atau lebih jelaskanya seperti dituliskan pada persamaan (2) berikut.
CI = λmaks - n
n - 1 (2)
CI = 4,154 - 4 3 CI = 0,154
3 CI = 0,0513
Berdasarkan hasil perhitungan pada persamaan (2) di atas diketahui nilai CI adalah 0,0513. Dengan demikian dapat dicari nilai untuk CR atau rasio konsistensinya. Namun perlu ditentukan terlebih dahulu untuk nilai IR atau indeks konsistensi. Pada penelitian ini, jumlah kriteria yang dipakai ada 4 sehingga matriks yang dibentuk adalah matriks dengan ukuran 4x4.
Sehingga diperoleh nilai IR sebesar 0,90. Nilai CR dapat dihitung dengan rumus pada persamaan (3) berikut.
CR = CI
IR (3)
CR = 0,0513 0,90 CR = 0,0570
Dari hasil perhitungan CR di atas, dapat diketahui bahwa preferensi pembobotan adalah konsisten sebab nilai CR = 0,0570 lebih kecil dari 0,1. Tahapan selanjutnya adalah menentukan nilai dari tiap kandidat dosen untuk dimasukkan ke dalam metode AHP. Adapun nilai yang diperoleh merupakan hasil akumulasi nilai yang telah dihitung dari pengumpulan data yang diperoleh peneliti melalui google scholar dan data dari fakultas.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 360
Tabel 5. Akumulasi Perolehan Nilai Dosen Terhadap Tiap KriteriaNo Alternatif C1 C2 C3 C4
1 Dosen 1 31 8 4 6
2 Dosen 2 38 6 0 14
3 Dosen 3 34 0 0 0
4 Dosen 4 34 10 0 0
5 Dosen 5 34 4 0 8
6 Dosen 6 36 8 4 6
7 Dosen 7 29 4 0 14
8 Dosen 8 32 0 0 14
9 Dosen 9 24 8 0 16
10 Dosen 10 36 0 0 8
11 Dosen 11 35 0 0 10
12 Dosen 12 29 6 0 8
Berdasarkan hasil perolehan nilai pada tabel 5 di atas, selanjutnya dilakukan perhitungan matriks perbandingan berpasangan, menghitung vektor eigen normalisasi dan mengitung rasio konsistensi pada tiap alternatif (dosen) terhadap masing-masing kriteria. Hasil perhitungan vektor eigen normalisasi untuk tiap alternatif dapat dilihat pada tabel 6 berikut.
Tabel 6. Hasil Vektor Eigen Normalisasi Tiap Alternatif Terhadap Kriteria
Alternatif
Kriteria
C1 C2 C3 C4
-0,462 -0,4 -0,088 -0,049 Dosen 1 0,041 0,154 0,188 0,029 Dosen 2 0,213 0,086 0,063 0,152 Dosen 3 0,073 0,02 0,063 0,013 Dosen 4 0,073 0,234 0,063 0,013 Dosen 5 0,073 0,043 0,063 0,054 Dosen 6 0,148 0,137 0,188 0,032 Dosen 7 0,027 0,043 0,063 0,128 Dosen 8 0,048 0,02 0,063 0,128 Dosen 9 0,016 0,137 0,063 0,26 Dosen 10 0,146 0,02 0,063 0,054 Dosen 11 0,114 0,02 0,063 0,086 Dosen 12 0,026 0,086 0,063 0,053
Adapun untuk mengetahui nilai akhir dari masing-masing alternatif maka dapat dilakukan dengan menjumlahkan hasil perkalian antara nilai vektor eigen normalisasi kriteria dengan nilai vektor eigen normalisasi masing-masing alternatif.
Dosen 1 = (0,041*0,462)+(0,154*0,400)+(0,188*0,088)+(0,029*0,049) = 0,098 Dosen 2 = (0,213*0,462)+(0,086*0,400)+(0,063*0,088)+(0,152*0,049) = 0,146 Dosen 3 = (0,073*0,462)+(0,020*0,400)+(0,063*0,088)+(0,013*0,049) = 0,048
361 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
Dosen 4 = (0,073*0,462)+(0,234*0,400)+(0,063*0,088)+(0,013*0,049) = 0,134 Dosen 5 = (0,073*0,462)+(0,043*0,400)+(0,063*0,088)+(0,054*0,049) = 0,059 Dosen 6 = (0,148*0,462)+(0,137*0,400)+(0,188*0,088)+(0,032*0,049) = 0,141 Dosen 7 = (0,027*0,462)+(0,043*0,400)+(0,063*0,088)+(0,128*0,049) = 0,042 Dosen 8 = (0,048*0,462)+(0,020*0,400)+(0,063*0,088)+(0,128*0,049) = 0,042 Dosen 9 = (0,016*0,462)+(0,137*0,400)+(0,063*0,088)+(0,260*0,049) = 0,081 Dosen 10 = (0,146*0,462)+(0,020*0,400)+(0,063*0,088)+(0,054*0,049) = 0,084 Dosen 11 = (0,114*0,462)+(0,020*0,400)+(0,063*0,088)+(0,086*0,049) = 0,071 Dosen 12 = (0,026*0,462)+(0,086*0,400)+(0,063*0,088)+(0,053*0,049) = 0,055
3. 1.3 Perhitungan Metode Simple Additive Weighting (SAW)
Tahapan awal dari metode SAW adalah menentukan kriteria untuk dijadikan sebagai acuan dalam proses pengambilan keputusan. Kriteria yang digunakan untuk perhitungan SAW ini seperti yang tertera pada Tabel 1 di atas. Sedangkan data dosen program studi Sistem Informasi yang akan dinilai seperti yang tertera pada Tabel 2. Setelah ditentukan kriteria, berikutnya ditentukan nilai bobot untuk masing-masing kriteria dan jenis kriterianya. Jenis kriteria yang dipakai dalam penilaian ini menggunakan benefit. Nilai pembobotan dapat dilihat pada Tabel 1.
Jumlah bobot dari kriteria yang ditentukan dapat dituliskan dengan perhitungan berikut.
∑ = 0,1+0,1+0,1+0,1+0,1+0,1+0,1+0,08+0,05+0,05+0,03+0,03+0,03+0,03=1,00.
Berdasarkan hasil pengumpulan data yang telah diperoleh, berikut ini dapat ditampilkan data penilaian dosen seperti pada Tabel 7.
Tabel 7. Data Penilaian Dosen
Kemudian dilakukan rating kecocokan terhadap hasil data penilaian dosen dari tabel 7 di atas.
Tabel 8. Rating Kecocokan
Pengabdian Kepada Masyarakat (C3)
SC1 SC2 SC3 SC4 SC5 SC6 SC7 SC8 SC9 SC10 SC11 SC12 SC13 SC14
Dosen 1 Tidak Ada S2 5 kelas 5 mahasiswa 1 kelas 1 mahasiswa 1 1 Tidak Ada 1 Tidak Ada 2 kali Tidak Ada Tidak Ada
Dosen 2 Tidak Ada S2 4 kelas 10 mahasiswa 1 kelas 4 mahasiswa Tidak Ada 2 Tidak Ada Tidak Ada Tidak Ada 5 kali 1 kali Tidak Ada Dosen 3 Tidak Ada S3 1 kelas 7 mahasiswa 4 kelas Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Dosen 4 Tidak Ada S3 3 kelas 6 mahasiswa 1 kelas 2 mahasiswa 4 Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Dosen 5 Tidak Ada S3 1 kelas 2 mahasiswa 4 kelas 4 mahasiswa 1 Tidak Ada Tidak Ada Tidak Ada 1 kali Tidak Ada 1 kali Tidak Ada Dosen 6 Tidak Ada S2 2 kelas 8 mahasiswa 4 kelas 1 mahasiswa Tidak Ada 3 Tidak Ada 1 Tidak Ada 2 kali Tidak Ada Tidak Ada Dosen 7 Tidak Ada S2 2 kelas 5 mahasiswa 2 kelas 1 mahasiswa Tidak Ada 1 Tidak Ada Tidak Ada 1 kali 1 kali 2 kali Tidak Ada Dosen 8 Tidak Ada S2 3 kelas 4 mahasiswa 2 kelas 2 mahasiswa Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada 2 kali 3 kali Tidak Ada Dosen 9 Tidak Ada S2 5 kelas 2 mahasiswa Tidak Ada 1 mahasiswa Tidak Ada 1 1 Tidak Ada Tidak Ada 3 kali 3 kali Tidak Ada Dosen 10 Tidak Ada S2 3 kelas 6 mahasiswa 3 kelas 2 mahasiswa Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada 1 kali 1 kali Tidak Ada Dosen 11 Tidak Ada S2 3 kelas 3 mahasiswa 3 kelas 4 mahasiswa Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada 2 kali 1 kali Tidak Ada Dosen 12 Tidak Ada S2 3 kelas 5 mahasiswa 1 kelas 1 mahasiswa Tidak Ada 2 Tidak Ada Tidak Ada Tidak Ada 1 kali 1 kali Tidak Ada
Kriteria
Penelitian (C2) Penunjang (C4)
Pendidikan (C1) Alternatif
Pengabdian Kepada Masyarakat (C3)
SC1 SC2 SC3 SC4 SC5 SC6 SC7 SC8 SC9 SC10 SC11 SC12 SC13 SC14
Dosen 1 0 8 10 7 4 2 4 4 0 4 0 6 0 0
Dosen 2 0 8 10 10 4 6 0 6 0 0 0 10 4 0
Dosen 3 0 10 4 10 10 0 0 0 0 0 0 0 0 0
Dosen 4 0 10 8 8 4 4 10 0 0 0 0 0 0 0
Dosen 5 0 10 4 4 10 6 4 0 0 0 4 0 4 0
Dosen 6 0 8 6 10 10 2 0 8 0 4 0 6 0 0
Dosen 7 0 8 6 7 6 2 0 4 0 0 4 4 6 0
Dosen 8 0 8 8 6 6 4 0 0 0 0 0 6 8 0
Dosen 9 0 8 10 4 0 2 0 4 4 0 0 8 8 0
Dosen 10 0 8 8 8 8 4 0 0 0 0 0 4 4 0
Dosen 11 0 8 8 5 8 6 0 0 0 0 0 6 4 0
Alternatif
Kriteria
Pendidikan (C1) Penelitian (C2) Penunjang (C4)
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 362
Langkah selanjutnya adalah melakukan normalisasi. Untuk melakukan normalisasi perlu dilihat kembali dengan jenis atribut yang digunakan. Pada penelitian ini, jenis atribut yang digunakan untuk masing-masing kriteria menggunakan atribut benefit. Sehingga proses normalisasi dihitung dengan membagikan nilai dari masing-masing rating kecocokan dengan nilai tertinggi yang diperoleh. Untuk hasil normalisasi dapat dilihat pada Tabel 9. Rumus untuk menghitung normalisasi seperti pada persamaan (4) berikut:rij = xij
maxXij (4)
Keterangan:
rij = nlai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki dari setiap kriteria max Xij = nilai terbesar dari setiap kriteria
Tabel 9. Hasil Normalisasi
Berikutnya dilakukan perhitungan terhadap nilai preferensi pada setiap alternatif. Nilai preferensi digunakan untuk mencari alternatif dengan ketentuan nilai terbesar yang diperoleh merupakan alternatif dosen berprestasi yang terpilih. Rumus yang digunakan untuk mencari nilai preferensi seperti pada persamaan 5 berikut:
Vi = ∑ = ∗ (5)
Keterangan:
Vi = rangking untuk setiap alternatif Wj = nilai bobot dari setiap kriteria
V1 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 1) + (0,1 x0,7 ) + (0,1 x 0,4) + (0,1 x 0,33) + (0,1 x 0,4) + (0,08 x 0,5) + (0,05 x 0) + (0,05 x 1) + (0,03 x 0) + (0,03 x 0,6) + (0,03 x 0) + (0,03 x 0) = 0,471
V2 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 1) + (0,1 x 1) + (0,1 x 0,4) + (0,1 x 1) + (0,1 x 0) + (0,08 x 0,75) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 1) + (0,03 x0,4 ) + (0,03 x 0) = 0,522
V3 = (0,1 x 0) + (0,1 x 1) + (0,1 x 0,4) + (0,1 x 1) + (0,1 x 1) + (0,1 x 0) + (0,1 x 0) + (0,08 x 0) + (0,05 x0 ) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0) + (0,03 x 0) + (0,03 x 0) = 0,340
V4 = (0,1 x 0) + (0,1 x 1) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,4) + (0,1 x 0,67) + (0,1 x 1) + (0,08 x 0) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0) + (0,03 x 0) + (0,03 x 0) = 0,467
V5 = (0,1 x 0) + (0,1 x 1) + (0,1 x 0,4) + (0,1 x 0,4) + (0,1 x 1) + (0,1 x 1) + (0,1 x 0,4) + (0,08 x 0) + (0,05 x 0) + (0,05 x 0) + (0,03 x 1) + (0,03 x 0) + (0,03 x 0,4) + (0,03 x 0) = 0,462
V6 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,6) + (0,1 x 1) + (0,1 x 1) + (0,1 x 0,33) + (0,1 x 0) + (0,08 x 1) + (0,05 x 0) + (0,05 x 1) + (0,03 x 0) + (0,03 x 0,6) + (0,03 x 0) + (0,03 x 0) = 0,521
V7 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,6) + (0,1 x 0,7) + (0,1 x 0,6) + (0,1 x 0,33) + (0,1 x 0) + (0,08 x 0,5) + (0,05 x 0) + (0,05 x 0) + (0,03 x 1) + (0,03 x 0,4) + (0,03 x 0,6) + (0,03 x 0) = 0,403
V8 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,6) + (0,1 x 0,6) + (0,1 x 0,67) + (0,1 x 0) + (0,08 x 0) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0,6) + (0,03 x 0,8) + (0,03 x 0) = 0,389
V9 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 1) + (0,1 x 0,4)+ (0,1 x 0) + (0,1 x 0,33) + (0,1 x 0) + (0,08 x 0,5) + (0,05 x 1) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0,8) + (0,03 x 0,8) + (0,03 x 0) = 0,391
V10 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,67) + (0,1 x 0) + (0,08 x 0) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0,4) + (0,03 x 0,4) + (0,03 x 0) = 0,411
Pengabdian Kepada Masyarakat (C3)
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14
Dosen 1 0 0,8 1 0,7 0,4 0,33 0,4 0,5 0 1 0 0,6 0 0
Dosen 2 0 0,8 1 1 0,4 1,00 0 0,75 0 0 0 1 0,4 0
Dosen 3 0 1 0,4 1 1 0,00 0 0 0 0 0 0 0 0
Dosen 4 0 1 0,8 0,8 0,4 0,67 1 0 0 0 0 0 0 0
Dosen 5 0 1 0,4 0,4 1 1,00 0,4 0 0 0 1 0 0,4 0
Dosen 6 0 0,8 0,6 1 1 0,33 0 1 0 1 0 0,6 0 0
Dosen 7 0 0,8 0,6 0,7 0,6 0,33 0 0,5 0 0 1 0,4 0,6 0
Dosen 8 0 0,8 0,8 0,6 0,6 0,67 0 0 0 0 0 0,6 0,8 0
Dosen 9 0 0,8 1 0,4 0 0,33 0 0,5 1 0 0 0,8 0,8 0
Dosen 10 0 0,8 0,8 0,8 0,8 0,67 0 0 0 0 0 0,4 0,4 0
Dosen 11 0 0,8 0,8 0,5 0,8 1,00 0 0 0 0 0 0,6 0,4 0
Dosen 12 0 0,8 0,8 0,7 0,4 0,33 0 0,75 0 0 0 0,4 0,4 0
Alternatif
Kriteria
Pendidikan (C1) Penelitian (C2) Penunjang (C4)
363 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
V11 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,5) + (0,1 x 0,8) + (0,1 x 1) + (0,1 x 0) + (0,08 x 0) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0,6) + (0,03 x 0,4) + (0,03 x 0) = 0,420
V12 = (0,1 x 0) + (0,1 x 0,8) + (0,1 x 0,8) + (0,1 x 0,7) + (0,1 x 0,4) + (0,1 x 0,33) + (0,1 x 0) + (0,08 x 0,75) + (0,05 x 0) + (0,05 x 0) + (0,03 x 0) + (0,03 x 0,4) + (0,03 x 0,4) + (0,03 x 0) = 0,387
3.2 Pembahasan
3. 2.1 Perbandingan Metode AHP dan SAW
Dari hasil penelitian yang sudah dijabarkan di atas, dapat diketahui bahwa penggunaan metode analytical hierarchy process (AHP) dan metode simple additive weighting (SAW) memiliki perbedaan terhadap proses penentuan dosen berprestasi. Akan tetapi memiliki hasil akhir yang sama dan sesuai dengan kriteria [14]. Pada metode AHP terdapat kesulitan ketika jumlah alternatif yang digunakan terlalu banyak, sebab dapat mempengaruhi proses pemeringkatan menjadi lebih kompleks [8]. Dapat dikatakan metode AHP cocok diimplementasikan pada kasus dengan jumlah alternatif yang lebih sedikit [15]. Selain itu, faktor subjektifitas juga menjadi faktor dominan yang berpengaruh terhadap perhitungan dengan metode AHP. Apabila sang penilai tidak memperhatikan unsur-unsur terhadap perolehan data pada masing-masing dosen maka penilaian menggunakan metode AHP bisa terjadi kesalahan dan bisa mengakibatkan kesalahan dalam menentukan dosen berprestasi. Meski demikian, metode AHP ini dinilai cukup terstruktur dalam proses perhitungan hingga diperoleh keputusan akhir. Sedangkan penggunaan metode SAW dalam penentuan dosen berprestasi ini dinilai sudah cukup baik dan mudah untuk diterapkan karena proses perhitungan yang bisa dikatakan lebih sederhana dibandingkan dengan metode AHP. Akan tetapi penggunaan metode SAW ini kurang memperhatikan substansi terhadap data yang diperoleh. Sebagai contoh ketika seseorang memiliki jumlah penelitian yang cukup banyak maka untuk poin penilaian sebaiknya lebih diperhatikan dari segi unsur urutan penulis. Kondisi tersebut untuk menghindari faktor subjektifitas, sebab apabila hanya mengandalkan jumlah penelitian saja maka tentunya dosen tersebut yang akan memperoleh nilai penelitian tertinggi. Meskipun hasil akhir ditentukan berdasarkan perolehan nilai dari semua kriteria yang ada. Oleh sebab itu, baik menggunakan metode AHP maupun SAW, penilai harus benar-benar memperhatikan data dosen secara teliti dan data yang diperoleh harus sesuai dengan semester yang berjalan. Seperti pada penelitian ini, data yang terkumpul merupakan data kinerja dosen selama satu semester genap tahun ajaran 2021/2022. Di samping itu, sebaiknya sebelum dihitung, sampel yang digunakan sebagai alternatif lebih disaring kembali dengan memperhatikan data kinerja yang diperoleh. Sebab apabila data kinerja dosen bersangkutan sedikit, maka bisa dipastikan dosen tersebut bukan dosen yang terpilih.
3. 2.2 Keputusan Dosen Berprestasi
Berdasarkan hasil perhitungan menggunakan metode AHP, kandidat dosen yang terpilih menjadi dosen berprestasi adalah Dosen 2 dengan hasil nilai dari perhitungan vektor eigen normalisasi sebesar 0,146. Sedangkan dari perhitungan menggunakan metode SAW, kandidat dosen yang terpilih juga sama yakni Dosen 2. Hasil perhitungan SAW ini dilihat dari hasil akhir dari nilai Vi. Dalam hal ini V2 (untuk Dosen 2) menunjukkan alternatif yang terpilih, dengan nilai akhir sebesar 0,522. Sehingga dapat disimpulkan bahwa keputusan akhir penentuan dosen berprestasi pada program studi Sistem Informasi, Universitas Amikom Purwokerto adalah Bapak Argiyan Dwi Pritama.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 353-365 E- ISSN 2503-2933 364
4. KESIMPULAN
Berdasarkan hasil dan pembahasan yang sudah dijabarkan di atas, penelitian ini dapat disimpulkan bahwa telah berhasil dilakukan perhitungan menggunakan metode AHP untuk menentukan dosen berprestasi dengan melihat hasil penjumlahan dari perkalian antara nilai vektor eigen normalisasi kriteria dengan nilai vektor eigen normalisasi masing-masing alternatif. Hasilnya menunjukkan bahwa alternatif Dosen 2 memperoleh nilai yang paling besar yaitu 0,146.
Di samping itu,
telah berhasil juga dilakukan perhitungan menggunakan metode SAW dalam penentuan dosen berprestasi. Dalam hal ini nilai akhir dilihat dari nilai preferensi (Vi). Berdasarkan perhitungan, nilai V2 menunjukkan hasil perolehan nilai yang terbesar yakni 0,522.Sehingga dapat dijelaskan bahwa
menggunakan metode AHP maupun SAW, menunjukkan hasil penentuan dosen berprestasi yang sama. Yakni kandidat dosen yang terpilih adalah Bapak Argiyan Dwi Pritama.5. SARAN
Saran yang dapat diberikan untuk penelitian antara lain:
1. Penelitian ini dapat dikembangkan dengan menerapkan metode penunjang keputusan lain seperti metode MEEP (Multi Factor Evaluation Process), WPM (Weighted Product Model), MPE (Metode Perbandingan Eksponensial), maupun SMART (Simple Multi Attribute Rating Technique).
2. Untuk kriteria yang digunakan dalam proses perhitungan dapat dijabarkan dengan lebih detail kembali dan pengumpulan data disarankan dari berbagai sumber yang relevan.
UCAPAN TERIMA KASIH
Pertama, peneliti mengucapkan terima kasih kepada Allah Subhanahu Wata’ala, karena atas rahmat dan inayah-Nya sehingga peneliti bisa menyelesaikan jurnal ilmiah ini tepat pada waktunya. Kedua, peneliti juga mengucapkan terima kasih kepada pihak LPPM Universitas Amikom Purwokerto yang telah memberikan dukungan berupa finansial maupun nonfinansial sehingga peneliti dapat termotivasi untuk mengembangkan penelitian.
DAFTAR PUSTAKA
[1] Indriani, 2019, Kemenristekdikti Berikan Penghargaan Ke Dosen Berprestasi, https://www.antaranews.com/berita/1137316/kemenristekdikti-berikan-penghargaan-ke- dosen-berprestasi, Diakses tgl 10 September 2022.
[2] G. G. J, 2016, 8 Cara Menjadi Dosen Berprestasi dan Mendapatkan Penghargaan, https://www.duniadosen.com/8-cara-menjadi-dosen-berprestasi-dan-mendapatkan-
penghargaan/, Diakses tgl 10 September 2022.
[3] A. Febriani, A. Diana, R. Tiaharyadini, and A. Ariesta, 2021, Penerapan Metode Analytical Hierarchy Process dan Simple Additive Weighting pada Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik, J. Ikraith-Informatika, Vol. 5, No. 3, Hal. 79–
90.
365 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 353-365 E-ISSN 2503-2933
[4] E. Prasetya and Nurajijah, 2021, Perbandingan SAW dan AHP pada PenyeleksianPeserta WUBI (Wirausaha Unggulan Bank Indonesia), Indones. J. Softw. Eng., Vol. 8, No. 1, hal. 52–63.
[5] N. Y. Fadilah, S. Juanita, and P. Larasati, 2021, Sistem Pendukung Keputusan Rekrutmen Karyawan Dengan Multi Kriteria Menggunakan Metode AHP dan SAW, J. Sist. dan Teknol. Inf., Vol. 09, No. 2, Hal. 158–168, doi: 10.26418/justin.v9i2.43233.
[6] J. Wijayanto and S. Juanita, 2021, Pemodelan Sistem Penunjang Keputusan Pemilihan Guru Terbaik SMA YP-BDN Menggunakan AHP dan SAW, Indones. J. Inf. Syst., Vol. 4, No. 1, Hal. 98–107.
[7] Y. Irawan, 2020, Decision Support System For Employee Bonus Determination With Web-Based Simple Additive Weighting (SAW) Method In PT. Mayatama Solusindo, J.
Appl. Eng. Technol. Sci., Vol. 2, No. 1, Hal. 7–13.
[8] D. V. Waas, I. G. I. Sudipa, and I. P. A. E. D. Udayana, 2022, Comparison Of Final Results Using Combination AHP-VIKOR And AHP-SAW Methods In Performance Assessment (Case Imanuel Lurang Congregation), Int. J. Inf. Syst. Technol., Vol. 5, No.
5, Hal. 612–623.
[9] F. Haswan, 2019, Application of Simple Additive Weighting Method To Determine Outstanding School Principals, J. Publ. Informatics Eng. Res., Vol. 3, No. 2, Hal. 186–
192.
[10] Sudaryono, 2015, Metodologi Riset di Bidang TI (Panduan Praktis, Teori dan Contoh Kasus), Andi, Yogyakarta.
[11] H. Hanim and J. Rahmadoni, 2020, Determination of Lecturer Reception Using Analytical Hierarchy Process (AHP), J. Appl. Eng. Technol. Sci., Vol. 1, No. 2, Hal. 136–
141.
[12] D. N. Utama, 2017, Sistem Penunjang Keputusan Filosofi, Teori, dan Implementasi, Garudhawaca, Yogyakarta.
[13] Diana, 2018, Metode & Aplikasi Sistem Pendukung Keputusan, Deepublish, Yogyakarta.
[14] M. Pandia, B. S. B. Sembiring, Friendly, and Z. Sembiring, 2022, Employee Position Mutations Decision Support System With AHP and SAW Methods, J. Infocum, Vol. 10, No. 2, Hal. 764–768.
[15] A. Qiyamullaily, S. Nandasari, and Y. Amrozi, 2020, Perbandingan Penggunaan Metode SAW dan AHP Untuk Sistem Pendukung Keputusan Penerimaan Karyawan Baru, Eng.
Sains J., Vol. 4, No. 1, Hal. 7–12, 2020.
