Dss Untuk Penilaian Dosen Dengan Metode AHP Dan TOPSIS

Dss Untuk Penilaian Dosen Dengan Metode AHP Dan TOPSIS

Andris Faesal *, Silmi Fauziati **), Indah Soesanti ***)

Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada E-Mail: *andris.ti14@mail.ugm.ac.id, ** -, *** -

Abstrak

AHP (Analitical Hierarchy Process) dan TOPSIS (Technique For Order Preference by Similarity to Ideal Solution) merupakan penggabungan 2 buah metode yang dapat digunakan untuk menyelesaikan masalah MCDM (Multi Criteria Decision Making) yaitu teknik yang digunakan untuk mendukung dalam proses pengambilan keputusan. Dalam paper ini, penulis membahas mengenai pemanfaatan metode AHP yang digabungkan dengan metode TOPSIS dalam menentukan penilaian Dosen dari Proses Belajar Mengajar dan Mutu Pelayanan pada sebuah Perguruan Tinggi Swasta berdasarkan dari hasil quesioner Mahasiswa, ada Dua belas indikator penilaian yang digunakan yaitu, (1) Tepat Waktu dalam memulai dan mengakhiri perkuliahan, (2) Menjelaskan Silabus Perkuliahan, (3) Menjelaskan Manfaat dari Matakuliah yang diajarkan, (4) Menjelaskan referensi yang digunakan, (5) Menjelaskan Penilaian, (6) Pemberian Materi secara terurut, (7) Waktu diskusi, (8) Materi mudah dimengerti, (9) Membahas tugas kuliah, (10) Menggunakan media ajar, (11) Transparansi penilaian, dan (12) Soal sesuai materi yang telah diajarkan. Dari indikator tersebut dilakukan pembobotan kriteria menggunakan metode AHP, sedangkan Metode TOPSIS disini difungsikan untuk penentuan Dosen tersebut digolongkan dalam kriteria Baik, Cukup atau Kurang dalam Proses Mengajarnya.

Kata kunci : AHP, TOPSIS, Decision Support System, Proses Belajar Mangajar dan Mutu Pelayanan.

1.

PENDAHULUAN

Dalam menjamin kualitas mahasiswa serta alumninya, berbagai lembaga Perguruan Tinggi sering melakukan pelatihan untuk meningkatkan kualitas para Dosennya sehingga diharapkan dapat kualitas para Dosen tersebut dalam melakukan proses belajar mengajar. Selain Dosen sebagai faktor utama dalam proses ini, ada Mahasiswa, serta sarana fasilitas belajar mengajar yang saling berhubungan dan saling mendukung antara faktor yang satu dengan yang lainnya sehingga menghasilkan proses belajar mengajar yang baik. Dosen merupakan seseorang yang diangkat oleh Perguruan Tinggi untuk mengajar berdasarkan pendidikan dan keahliannya yang dimiliki.

Salah satu faktor yang membuat kualitas pendidikan menjadi rendah yaitu memberikan tugas mengajar kepada Dosen tetapi tidak sesuai dengan keahliannya atau tidak memenuhi kualifikasi pengajaran. Tantangan yang berhubungan dengan mutu pendidik yaitu faktor indvidu dari masing – masing pengajar tersebut seperti kompetisi

pribadinya, dan kemampuan pendidik dalam melakukan proses belajar mengajar baik didalam kelas maupun diluar kelas.

Dosen merupakan komponen utama dalam lembaga pendidikan, oleh karena itu seorang dosen diharus sanggup memotivasi dan mengembangkan dirinya dengan cara meningkatkan kinerjanya secara maksimal seperti dalam hal proses belajar mengajar. Dimana untuk mengukur peningkatan kinerja dosen tersebut salah satu caranya iyalah dengan melakukan penilaian. Penilaian ini dilakukan oleh mahasiswa yang diajar oleh dosen tersebut dan lembaga Perguruan Tinggi sebagai media penghubungnya.

Selain dari itu, untuk mendukung proses belajar mengajar tidak hanya dari faktor dosen saja, kita dapat menggunakan multi kriteria penilaian [1] seperti dari segi Pelayanan, dalam hal ini adalah fasiltas sarana penunjang yang disediakan oleh pihak perguruan Tinggi untuk mahasiswaa dan untuk menentukan kelayakan tersebut, mahasiswa juga melakukan Penilaian terhadap fasilitas sarana

yang disediakan tersebut dengan melakukan Quesioner.

Berdasarkan hasil dari quesioner mahasiswa tersebut menghasilkan point-point penilaian dalam bentuk kriteria yang banyak [2]. Metode AHP bersifat multikriteria sehingga dapat melakukan proses pengambil keputusan dengan kriteria yang banyak dapat melakukan pengambilan keputusan [3], selain AHP, TOPSIS dapat melakukan pengam ilan keputusan dengan multi kriteria [4][5], karena menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.

Sedangkan pada paper yang lainnya dijelaskan bahwa metode TOPSIS dapat mem-berikan sebuah solusi dengan membandingkan setiap alternatif dengan alternatif terbaik dan alternatif terburuk yang ada [6][7]. Sehingga bisa digunakan untuk

melakukan penge-lompokan atau

penggolongan kriteria sehingga dapat menghasilkan kelompok - kelompok kriteria seperti kriteria Baik, Cukup atau Kurang dalam Proses belajar mengajar.

2.

KAJIAN PUSTAKA

2.1. Decisions Support System (DSS)

DSS merupakan salah satu cara untuk mengorganisir informasi dalam bentuk data dengan tujuan untuk membuat keputusan, sehingga dapat digunakan untuk membantu pengambil keputusan dalam melakukan mengambil keputusan yang akurat dan tepat sasaran [8]. DSS yang dirancang untuk menyelesaikan masalah para pengambil keputusan dan kebutuhan-kebutuhan aplikasi tidak dapat menggantikan atau mengambil alih para pengambil keputusan secara utuh, melainkan sebagai alat bantu untuk melakukan proses pengambilan keputusan bagi pengguna.

Ada beberapa metode yang bisa digunakan untuk menbangun DSS diantaranya : analytical hierarchy process (AHP) [1][2], Simple Additive Weighting (SAW) [3][4], Technique for Order Performance by Similarity to Ideal Solution (TOPSIS) [5][6],

Fuzzy Quantification Theory I [7][9] dan lain-lain.

Berikut Arsitektur pemodelan dari Decisions Support System (DSS) pada gambar dibawah ini.

Gambar 1. Arsitektur Pemodelan DSS [13] 2.2. Metode Analytic Hierarchy Process

(AHP).

Metode AHP merupakan sebuah metode pengambilan keputusan yang multi kriteria [1]. Untuk melakukan pengambilan keputusan pada penilaian Dosen dari Proses Belajar Mangajar juga mengandalkan kriteria-kriteria yaitu berdasarkan point dari hasil jawaban quesioner Mahasiswa terhadap masing – masing dosen serta matakuliah yang ditempuh pada semester yang ditempuh.

Untuk menentukan solusi, Metode AHP memerlukan point-poin penilaian dari masing-masing quesioner yang ditanyakan. Selain itu AHP dalam menentukan keputusan banyak menggunakan kriteria - kriteria yang bersifat multikriteria.

Berikut Diagram dari struktur hirarkis AHP

Goal

Criteria 1 Criteria 2 Criteria 3 Criteria 4

Alternatif 1 Alternatif 2 Alternatif 3

Gambar 2. Diagram dari struktur hirarkis AHP

2.3. Metode Technique for Order Performance by Similarity to Ideal Solution (TOPSIS).

TOPSIS merupakan metode pengambilan keputusan multikriteria yang menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal.[4][5]

Sedangkan pada paper yang lainnya dijelaskan bahwa metode TOPSIS ini memberikan sebuah solusi dari sejumlah alternatif dengan cara membandingkan setiap alternatif mulai dari alternatif terbaik dan alternatif terburuk yang ada. Dimana metode TOPSIS ini menggunakan jarak untuk melakukan perbandingan alternatif – alternatif tersebut [6] [7].

Dari kedua metode AHP dan TOPSIS tersebut memiliki peranan masing-masing dalam menghasilkan nilai yang optimal dalam menentukan urutan atau perangkingan prioritas, dimana pada paper ini Metode AHP akan digunakan untuk menentukan pembobotan kriteria, dan selanjutnya hasil dari pembobotan kriteria tersebut akan digunakan sebagai inputan dalam penghitungan TOPSIS yang nantinya akan digunakan dalam menentukan perangkingan penilaian dari kinerja Dosen pada saat proses PBM. Alternatif Kriteria Proses AHP Vektor Eigen Alternatif Pada Masing-Masing Kriteria Proses TOPSIS Urutan / prioritas alternatif Bobot Kriteria

Gambar 3. Blog diagram Proses Metode

AHP dan TOPSIS

3. METODE PENELITIAN

3.1. Desain Penelitian

Metode kualitatis digunakan dengan studi kasus yang merupakan cara sistematis melihat suatu pristiwa, mengumpulkan data, menganalisa dan mengolah informasi yang diperoleh serta melaporkan hasilnya. Pada studi kasus ini, metode pengumpulan data dilakukan dengan memberikan Quisioner

kepada mahasiswa atas penilaian Dosen sebagai bahan informasi.

3.2. Koleksi Data

Tahap pengumpulan data yang digunakan dalam paper yaitu Quisioner dan Literatur Review. Pada Quisioner tersebut, ada 12 point penilaian yang ditanyakan kepada masing-masing mahasiswa diantaranya yaitu :

1. Tepat Waktu dalam memulai dan mengakhiri perkuliahan.

2. Menjelaskan Silabus Perkuliahan

3. Menjelaskan Manfaat dari Matakuliah yang diajarkan.

4. Menjelaskan referensi yang digunakan. 5. Menjelaskan Penilaian.

6. Pemberian Materi secara terurut. 7. Waktu diskusi.

8. Materi mudah dimengerti. 9. Membahas tugas kuliah. 10. Menggunakan media ajar. 11. Transparansi penilaian, dan

12. Soal sesuai materi yang telah diajarkan. 3.3. Analisis data

Dari data yang diperoleh, terlebih dahulu data tersebuh dianalisa dengan cara menentukan kriteria - kriteria yang akan digunakan, mendefinisikan kriterinya dan menentukan solusi yang akan digunakan, menentikan prioritas elemennya, sintesis serta mengukur konsistensi yang digunakan. 3.4. Tahapan Penelitian

Start

Input Data hasil Quisioner Mahasiswa Menormalisasikan Matrik Menghitung preferensi untuk menentukan penilaiannya Menghitung Matrik ternormalisasi terbobot Menghitung nilai rata – rata

dan kriteria Mengurutkan dan mengelompokkan hasil

Bobot prioritas dari metode AHP

Memperoleh hasil penilaian Dosen serta

pengelompokannya

Finish

Gambar 4.Diagram alir Penelitian menggunakan metode AHP dan TOPSIS.

4.

HASIL DAN PEMBAHASAN

Untuk memperoleh hasil berdasarkan tujuan penelitian ini yaitu akan penggunaan metode TOPSIS untuk menentukan penilaian Dosen dengan cara pembobotan prioritas yang dihitung menggunakan metode AHP. dimana metode AHP berkerja dengan cara menentukan bobot kriteria, berikut uraian untuk menentukan bobot kriteria.

Tabel 1. Alternatif Pilihan dan Nilai

Do- sen Quisioner 1 2 3 4 5 6 7 8 9 10 11 12 D1 4,6 4,6 4,7 4,6 4,7 4,7 4,7 4,7 4,7 4,7 4,7 4,8 D2 4,1 5,0 4,1 4,2 4,3 4,3 4,2 4,2 3,8 4,1 4,0 4,3 D3 4,1 4,3 4,3 4,3 4,3 4,4 4,3 4,1 4,1 4,3 3,7 4,4 Do- sen Quisioner 1 2 3 4 5 6 7 8 9 10 11 12 D4 4,3 4,3 4,0 4,2 4,3 4,2 4,0 4,2 4,2 4,2 3,3 4,4 D5 4,2 4,2 4,1 4,2 4,0 4,2 4,0 4,2 4,1 4,3 3,9 4,3 D6 4,1 4,1 4,3 4,1 4,1 4,1 4,2 4,1 4,2 4,1 4,3 4,3 D7 3,6 4,2 4,3 4,3 4,0 4,4 4,4 4,4 4,2 4,6 4,3 4,6 D8 4,6 4,5 4,4 4,4 4,4 4,6 4,4 4,4 4,5 4,6 4,5 4,6 D9 4,2 4,3 4,3 4,2 4,3 4,3 4,3 4,1 4,2 4,3 4,1 4,3 D10 4,3 4,6 4,2 4,2 4,2 4,8 4,4 4,5 4,2 4,7 4,0 4,7 Indikator penilaian : 1. Tepat Waktu 2. Menjelaskan Silabus 3. Menjelaskan Manfaat 4. Menjelaskan referensi 5. Menjelaskan Penilaian 6. Materi berurutan 7. Waktu diskusi 8. Materi dimengerti 9. Membahas tugas

10. Menggunakan media ajar 11. Transparansi penilaian 12. Soal sesuai materi

Matrik keputusan dari nilai quisioner dari setiap alternatif dan setiap indikator penilaian.

[ ]

Setelah menentukan matriknya, selanjutnya dilanjutkan proses normalisasi matrik ( Rij ). ( ) s/d ( )

Sehingga menghasilkan matrik ternomalisasi seperti dibawah ini :

[ ] Proses terakhir yaitu proses perangkingan yang di proses dari hasil matrik diatas menjadi persamaan dibawah ini :

D1 = {(1)(1,0) + (1)(0,9) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0)} = 11,9 D2 = {(1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,9)} = 10,7 D3 = {(1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,8) + (1)(0,9)} = 10,7 D4 = {(1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,7) + (1)(0,9)} = 10,5 D5 = {(1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,8) + (1)(0,9)} = 10,5 D6 = {(1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9)} = 10,6

D7 = {(1)(0,8) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,8) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(1,0)} = 10,8 D8 = {(1)(1,0) + (1)(0,9) + (1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(0,9) + (1)(1,0) + (1)(1,0) + (1)(1,0) + (1)(1,0)} = 11,4 D9 = {(1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9)} = 10,7 D10 = {(1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(1,0) + (1)(0,9) + (1)(1,0) + (1)(0,8) + (1)(1,0)} = 11,2

Pada proses ini, Nilai terbesar ada pada Poin D1 sehingga Dosen pertama merupakan Dosen dengan Nilai yang paling tinggi.

5. KESIMPULAN

Berdasarkan hasil perhitungan dengan menggunakan metode AHP (Analytic Hierarchy Process) dan metode TOPSIS (Technique for Order Performance by Similarity to Ideal Solution) untuk melakukan proses pengambil keputusan untuk menentukan penilaian Dosen, maka diperoleh kesimpulan sebagai berikut :

1. Proses pengambilan keputusan ini dapat memberikan informasi penilaian dosen berdasarkan data Quisioner mahasiswa. 2. Untuk hasil pengujian tingkat akurasi

dilakukan sebanyak 10 data, dari 10 data tersebut terdapat 8 data yang cocok, sedangkan dalam pengujian yang dilakukan dengan 20 data, 16 diataranya cocok. sehingga nilai akurasinya dari pengujian ini mencapai 80 %.

3. Kelemahan dari metode ini yaitu semakin banyak data yang akan kita olah maka makin banyak pula jumlah matrik yang akan diproses sehingga mengakibatkan penggunaan memory dalam jumlah besar dalam melakukan proses data-data tersebut.

6. DAFTAR PUSTAKA

[1] Nugroho Joko Usito, “SISTEM PENDUKUNG KEPUTUSAN PENILAIAN PROSES BELAJAR MENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW),” Tesis, 2013. [2] F. G. M. Al-Azab and M. a. Ayu, “Web

based multi criteria decision making using AHP method,” Proceeding 3rd Int. Conf. Inf. Commun. Technol. Moslem World 2010, pp. A6–A12, 2010. [3] Z. Fu and V. Delcroix, “Bayesian

network based on the method of AHP for making decision,” 2011 6th IEEE Jt. Int. Inf. Technol. Artif. Intell. Conf., vol. 1, pp. 223–227, 2011.

[4] S. Kusumadewi, S. Hartati, A. Harjoko, and R. Wardoyo, “Fuzzy Multi-Attribute Decision Making (FUZZY MADM),” Yogyakarta Graha Ilmu, 2006.

[5] R. W. Sri Kusumadewi, Sri Hartati, Agus Harjoko, Fuzzy Multi-Attribute Decision Making (Fuzzy Madm)”. Yogyakarta: Graha Ilmu, 2006.

[6] H. Shih, H. Shyur, and E. S. Lee, “An extension of TOPSIS for group decision making,” vol. 45, pp. 801–813, 2007. [7] D. Jato-Espino, E. Castillo-Lopez, J.

Rodriguez-Hernandez, and J. C. Canteras-Jordana, “A review of application of multi-criteria decision making methods in construction,” Autom. Constr., vol. 45, pp. 151–162, Sep. 2014. [8] A. Kelemenis and D. Askounis, “A new

TOPSIS-based multi-criteria approach to personnel selection,” Expert Syst. Appl., vol. 37, pp. 4999–5008, 2010.

[9] W. Deni, O. Sudana, and A. Sasmita, “Analysis and Implementation Fuzzy Multi-Attribute Decision Making SAW Method for Selection of High Achieving Students in Faculty Level,” Int. J. Comput. Sci. Issues, vol. 10, no. 1, pp. 674–680, 2013.

[10] B. Şimşek, Y. T. Iç, and E. H. Şimşek, “A TOPSIS-based Taguchi optimization to determine optimal mixture proportions of the high strength self-compacting concrete,” Chemom. Intell. Lab. Syst., vol. 125, pp. 18–32, 2013.

[11] S. Uyun and I. Riadi, “A Fuzzy Topsis Multiple-Attribute Decision Making for Scholarship Selection,” Evaluation, vol. 9, no. 1, pp. 37–46, 2011.

[12] Y. H. Y. Hu, S. W. S. Wu, and L. Cai, “Fuzzy Multi-criteria Decision-making TOPSIS for Distribution Center Location Selection,” 2009 Int. Conf. Networks Secur. Wirel. Commun. Trust. Comput., vol. 2, 2009.

[13] B. Dikandang, P. Menggunakan, M. Ahp, and D. A. N. Topsis, “Sistem pendukung keputusan penentuan kelayakan pengisian bibit ayam broiler dikandang peternak menggunakan metode ahp dan topsis,” pp. 1–9. [14] P. Principles, “Journal of professional

nursing : official journal of the American Association of Colleges of Nursing,” J. Prof. Nurs., vol. 23, no. 4, p. 186.