PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE AHP (STUDI KASUS : DI STMIK POTENSI UTAMA MEDAN)
Seminar Nasional Informatika 2014
PENILAIAN KINERJA DOSEN DENGAN
MENGGUNAKAN METODE AHP
(STUDI KASUS : DI STMIK POTENSI UTAMA MEDAN)
Ria Eka Sari, Alfa Saleh
STMIK POTENSI UTAMA
JL.KL.YOS SUDARSO KM 6.5 TANJUNG MULIA MEDAN
ladiespure@gmail.com
Abstrak
Penilaian kinerja dosen pada universitas ataupun sekolah tinggi sangat diperlukan untuk melihat bagaimana
baik buruknya kinerja dosen dalam menjalankan semua kegiatan proses belajar mengajar yang ada pada
instansi dosen tersebut bekerja. Dalam mengevaluasi penilaian kinerja dosen diimplementasikan pada SPK
dengan menggunakan AHP untuk mendapatkan peringkat tertinggi dari keempat dosen. Penggunaan
perangkat lunak sistem pendukung keputusan (SPK) dengan metode Analytical Hierarchy Process(AHP)
menggunakan Super Decisions ini terdiri dari 4 kriteria, yaitu kriteria kehadiran dosen, pengumpulan nilai,
keterlambatan masuk pbm dan kecepatan masuk pbm pada suatu penilaian kinerja dosen dan yang menjadi
alternatif 4 dosen yang setelah diakumulasikan mendapatkan nilai tertinggi diantara dosen lainnya. Setelah
mengetahui parameter, langkah selanjutnya adalah menganalisis kebutuhan sistem, merekayasa pengetahuan,
menerapkan metode dan pengujian sistem dengan menggunakan Software Super Decisions.Diharapkan
metode ini dapat memudahkan untuk mendukung sesuatu keputusan dengan masalah yang kompleks.
Kata Kunci : Sistem Pendukung Keputusan, AHP, Super Decisions, Kinerja Dosen
1. PENDAHULUAN
Sebagai seorang professional, kinerja dosen
juga perlu dinilai. Mulyadi (2007) menyatakan
penilaian kinerja adalah penetuan secara periodic
efektivitas operasional suatu organisasi, dan
personalnya, berdasarkan sasaran strategic,
standar, dan kriteria yang telah ditetapkan
sebelumnya. Secara umum Penilaian Kinerja
adalah proses dimana organisasi mengevaluasi
perfoma atau kinerja karyawan dengan tujuan
untuk meningkatkannya. Pada prinsipnya
penilaian kinerja merupakan cara pengukuran
kontribusi-kontribusi dari individu dalam instansi
yang dilakukan terhadap organisasi. Nilai penting
dari penilaian kinerja adalah menyangkut
penentuan tingkat konntribusi individu atau
kinerja yang diekspersikan dalam menyelesaikan
tugas-tugas yang menjadi tanggung jawab.
Penilaian kinerja dosen pada universitas
ataupun sekolah tinggi sangat diperlukan untuk
melihat bagaimana tingkat kinerja dosen dalam
menjalankan semua kegiatan proses belajar
mengajar yang ada pada instansi dosen tersebut
bekerja. Tujuan penelitian ini dimana ingin
mengetahui bagaimana pelaksanaan penilaian
kinerja dosen yang dilakukan dalam pelaksanaan
proses belajar mengajar, mengetahui pengaruh
produktivitas kerja dosen terhadap perusahaan
dan menentukan kinerja dosen yang terbaik
dengan
menggunakan metode AHP sesuai
dengan kriteria yang telah ditetapkan[4].
108
Permasalah yang terjadi karena susahnya Top
Management untuk menentukan dosen terbaik
maka itu penulis mencoba untuk membuat system
pendukung keputusan dengan menggunakan
metode AHP yang kesimpulannya nantinya dapat
menghasilkan urutan atau peringka dosen mana
yang terbaik dari yang terbaik. hal penulis akan
menganalisis dan menguji metode Analitycal
Hierarchy Process (AHP) untuk pengolahan
datanya yang nantinya informasi yang dihasilkan
berguna untuk pihak Akademik dalam
menentukan kinerja dosen terbaik dalam proses
belajar mengajar.
2. DASAR TEORI
2.1 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan
pertama kali diperkenalkan pada awal tahun
1970-an oleh Michael S. Scott Morton dengan
istilah Management Decision System. Konsep
pendukung keputusan ditandai dengan sistem
interaktif berbasis komputer yang membantu
pengambil keputusan memanfaatkan data dan
model untuk menyelesaikan masalah-masalah
yang tidak terstruktur. Pada dasarnya SPK
diracang untuk mendukung seluruh tahap
pengambilan
keputusan
mulai
dari
mengidentifikasi masalah, memilih data yang
relevan, menentukan pendekatan yang digunakan
dalam prosen pengambilan keputusan, sampai
mengevaluasi pemilihan alternatif[1].
Seminar Nasional Informatika 2014
Basis Data
Model
Interface
Gambar 1. Komponen Sistem Pendukung
Keputusan
Gambar
1.
memperlihatkan
Sistem
Pendukung Keputusan terdiri atas tiga komponen
penting utama untuk menentukan kapabilitas
teknis, yaitu:
1. Mendefenisikan permasalahan dan menentukan
tujuan. Bila AHP digunakan untuk memilih
alternatif atau menyusun prioritas alternatif,
maka tahap ini dilakukan pengembangan
alternatif.
2. Menyusun masalah ke dalam suatu struktur
hierarki
sehingga
permasalahan
yang
kompleks dapat ditinjau dari sisi yang detail
dan terukur .
3. Menyusun prioritas untuk tiap elemen masalah
pada setiap hierarki. Prioritas ini dihasilkan
dari suatu matriks perbandingan berpasangan
antara seluruh elemen pada tingkat hierarki
yang sama.
4. Melakukan pengujian konsistensi terhadap
perbandingan antar elemen yang didapatkan
pada tiap tingkat hierarki. Thomas L. Saaty
membuktikan bahwa Indeks Konsistensi dari
matriks berordo –n )[3].
Tabel 1. Penilaian Perbadingan Berpasangan
1. Subsistem manajemen data, subsistem
manajemen data memasukkan satu database
yang berisi data yang relevan untuk situasi dan
dikelola oleh perangkat lunak yang disebut
sistem manajemen database (DBMS)
2. Subsistem manajemen model, merupakan
paket perangkat lunak yang memasukkan
model keuangan, statistik, ilmu manajemen
atau model kuantitatif lainnya yang
memberikan
kapabilitas
analitik
dan
manajemen perangkat lunak yang tepat.
3. Antarmuka
Pengguna,
pengguna
berkomunikasi dengan memerintahkan DSS
melalui subsistem ini[2].
2.2 METODE AHP
Analytical Hierarchy Process (AHP)
dikembangkan oleh Thomas L. Saaty pada tahun
1970-an. Metode ini merupakan salah satu model
pengambilan keputusan multikriteria yang dapat
membantu kerangka berpikir manusia dimana
faktor logika, pengalaman pengetahuan, emosi
dan rasa dioptimasikan ke dalam suatu proses
sistematis. Pada dasarnya, AHP merupakan
metode yang digunakan untuk memecahkan
masalah yang kompleks dan tidak terstruktur ke
dalam kelompok–kelompoknya, dengan mengatur
kelompok tersebut ke dalam suatu hierarki,
kemudian memasukkan nilai numerik sebagai
pengganti persepsi manusia dalam melakukan
perbandingan relatif. Dengan suatu hipotesa maka
akan dapat ditentukan elemen mana yang
mempunyai prioritas tertinggi[1].
1. Tahapan–Tahapan ( AHP )
Secara umum, tahapan-tahapan proses yang harus
dilakukan dalam
menggunakan AHP untuk
memecahkan suatu masalah adalah sebagai
berikut :
Pada Kasus di STMIK Potensi Utama Medan
Hubungan antara Kriteria dan Alternative dapat
digambarkan sebagai berkut :
GOAL
Penilaian Kinerja Dosen
KRITERIA
Kehadiran Dosen
Pengumpulan Nilai
Keterlambatan Masuk PBM
Kecepatan Selesai PBM
ALTERNATIVE
Dosen 1
Dosen 2
Dosen 3
Dosen 4
Gambar 2. Hirarki antara Kriteria dan
Alternative
3. HASIL DAN PEMBAHASAN
Pengujian menggunakan software Super
Decisions menggunakan Ratings yang berfungsi
109
Seminar Nasional Informatika 2014
untuk menguji data perbandingan yang kita
lakukan apakah konsisten atau tidak dan nantinya
juga memudahkan kita untuk mendapat peringkat
untuk mendukung keputusan nantinya.
1. Membuat Matriks Perbandingan Kriteria
Tahapan ini pemberian bobot masing-masing
kriteria menggunakan model AHP (Analytical
Hieracrchy Process) . Data kriteria didapatkan
dari
pihak
perusahaan
yang
langsung
membandingkan kriteria dan kriteria sesuai
dengan tabel kepentingan dan sampel hasil
matriks perbandingan berpasangan dapat dilihat
pada tabel 2.
Tabel 2. Matriks Perbandingan Berpasangan
Kriteria
KH
PN
KMP
KSP
Kriteria
KH
1/1
4/1
7/1
7/1
PN
KMP
1/4
1/7
1/1
1/6
6/1
1/1
6/1
1/1
KSP
7/1
1/6
1/1
1/1
Tabel 3. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Kehadiran
Dosen
AM
NS
LN
YS
KD
AM
1/1
3/1
2/1
1/1
NS
LN
1/3
1/2
1/1
5/1
1/5
1/1
1/5
2/1
YS
1/1
5/1
1/2
1/1
Tabel 4. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Pengumpulan
Nilai
AM
NS
LN
YS
PN
AM
1/1
1/2
1/2
3/1
NS
LN
2/1
2/1
1/1
1/2
2/1
1/1
4/1
2/1
YS
1/3
1/4
1/2
1/1
Tabel 5. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Keterlambatan
Masuk PBM
AM
NS
LN
YS
KMP
AM
NS
LN
YS
AM
1/1
1/1
3/1
3/1
NS
LN
1/1
1/3
1/1
1/1
1/1
1/1
2/1
2/1
YS
1/3
1/2
1/2
1/1
KSP
2. Hasil Analisa Metode AHP
Hasil analisa bobot dari kriteria dan alternative
yang sudah dihitung dapat dilihat pada gambar
dibawah ini:
Tabel 7. Hasil Analisa Kriteria
KD
PN
KMP
KSP
Eigen
KD
1.000
4.000
7.000
7.000
0.6169
PN
KM
P
KSP
0.250
0.143
1.000
0.167
6.000
1.000
6.000
1.000
0.2703
0.0564
0.143
0.167
1.000
1.000
0.0564
JM
L
1.536
5.333
15.000
15.000
1.000
K
E-Maks = 4.080982
CI = 0.026994 dan CR = 0.029993 < 0.1
Konsisten
Tabel 8. Hasil Analisa Alternatif berdasarkan
kriteria Kehadiran Dosen
AM
NS
LN
YS
KD
Eigen
AM
1.000
3.000
2.000
1.000
0.3434
NS
LN
0.333
0.500
1.000
5.000
0.2000
1.000
0.2000
2.000
0.0709
0.3225
YS
1.000
5.000
0.500
1.000
0.2632
JM
L
2.833
14.000
3.700
4.200
1.000
E-Maks = 4.264257
CI = 0.088086 dan CR = 0.097873 < 0.1
Konsisten
Tabel 9. Hasil Analisa Alternatif berdasarkan
kriteria Pengumpulan Nilai
AM
NS
LN
YS
Eigen
PN
AM
1.000
0.500
0.500
3.000
0.2066
AM
1/1
1/2
3/1
2/1
NS
LN
2.000
2.000
1.000
0.500
2.000
1.000
4.000
2.000
0.4295
0.2649
NS
LN
2/1
1/3
1/1
1/2
2/1
1/1
2/1
2/1
YS
0.333
0.250
0.500
1.000
0.0999
2.250
4.000
10.000
1.000
1/2
1/2
1/2
1/1
JM
L
5.333
YS
Tabel 6. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Kecepatan
Selesai PBM
110
E-Maks = 4.117842
CI = 0.039281 dan CR = 0.043645 < 0.1
Konsisten
Seminar Nasional Informatika 2014
Tabel 11. Hasil Analisa Alternatif berdasarkan
kriteria Keterlambatan Masuk PBM
AM
NS
LN
YS
Eigen
AM
1.000
0.500
3.000
2.000
0.3068
NS
2.000
1.000
2.000
2.000
0.3835
LN
0.333
0.500
1.000
2.000
0.1752
YS
0.500
0.500
0.500
1.000
0.1346
JML
3.833
2.500
6.500
7.000
1.000
KMP
tools Super decisions. Adapun tahap-tahapnya
adalah sebagai berikut :
1. Tahap ini melakukan pengujian pada tool
super decision berikut Setelah semua Cluster
dihubungkan dengan semua Node, maka akan
terlihat seperti apada gambar 3.
E-Maks = 4.215817
CI = 0.071939 dan CR = 0.079932 < 0.1
Konsisten
Tabel 12. Hasil Analisa Alternatif berdasarkan
kriteria Kecepatan Selesai PBM
AM
NS
LN
YS
Eigen
AM
1.000
1.000
3.000
3.000
0.4015
NS
1.000
1.000
1.000
2.000
0.2719
LN
0.333
1.000
1.000
2.000
0.2069
YS
0.333
0.500
0.500
1.000
0.1197
JML
2.667
3.500
5.500
8.000
1.000
KSP
E-Maks = 4.117867
CI = 0.039289 dan CR = 0.043654 < 0.1
Konsisten
Tabel 13. Hasil Analisa Dss atau Ranking
Perhitungan Manual
KD
PN
KMP
KSP
Bob
ot
0.6169
AM
0.3434
NS
0.0709
LN
0.3225
YS
0.2632
0.270
3
0.206
6
0.429
5
0.264
9
0.099
9
0.056
4
0.306
8
0.383
5
0.175
2
0.134
6
0.05
64
0.40
15
0.27
19
0.20
69
0.11
97
B.Fin
al
Rank
0.307
6
0.200
3
0.292
1
0.203
5
1
Gambar 3. Cluster Yang Telah Terhubung
Setelah semua Cluster terhubung, langkah
selanjutnya adalah melakukan perbandingan antar
Cluster dengan mengisi data pada jendela
Questionnaire
dengan
mengklik
menu
Assess/Compare lalu klik Do Comparison untuk
pengisian data seperti pada gambar 4.
4
2
3
Didapatkan kesimpulan bahwa Abdul
Meizar mendapat peringkat pertama Sebagai hasil
keputusan sebagai dosen dengan penilaian
kinerjanya paling baik. Labuan Nababan
peringkat kedua, Yusfrizal peringkat ketiga dan
Nita Sari peringkat keempat.
1. Abdul Meizar
( Peringkat Pertama )
2. Labuan Nababan
( Peringkat Kedua )
3. Yusfrizal
( Peringkat Ketiga )
4. Nita Sari
( Peringkat Keempat)
Gambar 4. Perbandingan Antara Cluster
Pada langkah awal menentukan bobot
kriteria, inputkan nilai matriks berpasangan ke
software super decision seperti pada gambar 5.
3.2 Hasil Pengujian dengan Super Decisions
Untuk menguji konsistensi nilai CR > 0.1
maka sebaiknya kita uji dengan menggunakan
111
Seminar Nasional Informatika 2014
Gambar 5. Input Nilai Matriks Berpasangan
Perbandingan Kriteria
Gambar 5. memperlihatkan, nilai matriks
berpasangan yang didapatkan akan dimasukkan
ke dalam software super decisions untuk
dilakukan proses menentukan bobot kriteria.
berdasarkan goal maka prioritas perbandingan
kriteria dapat dijelaskan pada gambar 6.
Gambar 6. Hasil Pembobotan Nilai Matriks
Berpasangan Kriteria
Gambar 7. Hasil Bobot Prioritas
Perbandingan
Alternatif Berdasarkan Kehadiran Dosen
Gambar 8. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Pengumpulan Nilai
Dari hasil proses pembobotan nilai matriks
berpasangan, maka didapatkan hasil perbandingan
bobot prioritas yaitu :
1. Kehadiran Dosen menjadi prioritas utama
dalam memilih kriteria untuk perbaikan jalan
dengan bobot kriteria sebesar 0.6061.
2. Pengumpulan Nilai menjadi prioritas kedua
yaitu dengan bobot prioritas sebesar 0.2734.
3. Keterlambatan Masuk PBM dan Kecepatan
Selesai PBM mempunyai prioritas yang sama
yaitu 0.060.
Gambar 9. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Keterlambatan Masuk PBM
112
Seminar Nasional Informatika 2014
Gambar 10. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Kecepatan Selesai PBM
Gambar 13. Rankings Lengkap Hasil Analisa
4. KESIMPULAN
Gambar 11. Hasil Hasil Prioritas Keseluruhan
Kriteria
1. Kriteria yang berpengaruh terhadap penentuan
penilaian kinerja dosen pada STMIK Potensi
Utama Medan adalah kriteria kehadiran dosen
dengan nilai 0.6169 (61%), kemudian
pengumpulan
nilai
0.2703
(27%),
keterlambatan masuk pbm 0.0564 (5%) dan
kecepatan mengakhiri pbm 0.0564 (5%).
2. Dari hasil analisis matrik AHP diperoleh
model keputusan, dengan prioritas yaitu untuk
seluruh bobot / prioritas kriteria dan alternatif
yang menjadi prioritas penilaian kinerja dosen
di STMIK Potensi Utama Medan adalah
peringkat 1 Abdul Meizar dengan nilai 0.3067
(30%) , peringkat 2 Labuan Nababan dengan
nilai 0.2877 (28%), peringkat 3 Yusfrizal
dengan nilai 0.2054 (20%), peringkat 4 Nita
Sari dengan nilai 0.2003 (20%).
3. Metode AHP ternyata dapat digunakan dalam
proses penilaian kinerja dosen, karena metode
tersebut mampu menyelesaikan masalah
multikriteria yang belum terstruktur menjadi
lebih terstruktur dan lebih mudah dipahami
dengan hasil yang akurat.
4.
Gambar 12. Hasil Synthesized Priorities dari
Alternatives
Model sistem pendukung keputusan untuk
penilaian kinerja dosen pada STMIK Potensi
Utama Medan menggunakan metode AHP,
mempunyai 4 kriteria yaitu kehadiran dosen,
pengumpulan nilai, keterlambatan masuk pbm
da kecepatan keluar pbm sedangkan untuk
alternatif terdiri dari : Abdul meizar, Labuan
Nababan, Nita Sari dan Yusfrizal
5. SARAN
1. Perlunya
ketelitian
saat
melakukan
perhitunggan berpasangan baik kriteria
maupun alternatif, kesalahan pada pemasukan
data dapat menyebabkan hasil akhir tidak
terpenuhi dan mengembangkan permasalahan
113
Seminar Nasional Informatika 2014
dengan menambahkan sub kriteria agar
permasalahan lebih kompleks.
2. Bagi para peneliti yang ingin mengembangkan
lebih luas dan lebih dalam lagi untuk
menentukan
media
informasi
sistem
pengambilan keputusan ini dapat ditingkatkan
dengan menambahkan kriteria dan alternatifalternatif yang lebih banyak dan lebih
bervariasi
dengan
melengkapi
dan
menambahkan cluster beserta node pada
Super Decision untuk media penyampaian
informasi pada masa yang akan datang.
3. Agar penelitian ini lebih baik lagi diharapkan
bagi para peneliti bisa membuat aplikasi
Sistem Pendukung Keputusan dengan metode
AHP yang sudah dijelaskan oleh peneliti
sebelumnya agar SPK ini lebih bermanfaat
dan dapat digunakan dan dimengerti fungsi
dan tujuan sistem ini oleh orang banyak
114
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
Hilyah
Magdalena.,
2012,
Sistem
Pendukung Keputusan Untuk Menentukan
Mahasiswa Lulusan Terbaik di Perguruan
Tinggi, Jurnal Teknologi Informasi dan
Komunikasi ISSN:2089-9815. Hal.50 sd
51.
[2] Efraim Turban, Jay E. Aronson, Ting
Peng Liang.,2005, Decision Support
System and Intelligent Systems Edisi 7
Jilid 1, Yogyakarta : Andi Offset.
Yusuf
Anshori.,2012,
Pendekatan
Triangular Fuzzy Number Dalam Metode
Analytical Hierarchy Process , Jurnal
Ilmiah Foristek Vol.2 No.1. Hal.127.
Mulyadi, 2007. Sistem Perencanaan dan
Pengendalian
Manajemen,
Penerbit
Salemba Empat, Jakarta.
PENILAIAN KINERJA DOSEN DENGAN
MENGGUNAKAN METODE AHP
(STUDI KASUS : DI STMIK POTENSI UTAMA MEDAN)
Ria Eka Sari, Alfa Saleh
STMIK POTENSI UTAMA
JL.KL.YOS SUDARSO KM 6.5 TANJUNG MULIA MEDAN
ladiespure@gmail.com
Abstrak
Penilaian kinerja dosen pada universitas ataupun sekolah tinggi sangat diperlukan untuk melihat bagaimana
baik buruknya kinerja dosen dalam menjalankan semua kegiatan proses belajar mengajar yang ada pada
instansi dosen tersebut bekerja. Dalam mengevaluasi penilaian kinerja dosen diimplementasikan pada SPK
dengan menggunakan AHP untuk mendapatkan peringkat tertinggi dari keempat dosen. Penggunaan
perangkat lunak sistem pendukung keputusan (SPK) dengan metode Analytical Hierarchy Process(AHP)
menggunakan Super Decisions ini terdiri dari 4 kriteria, yaitu kriteria kehadiran dosen, pengumpulan nilai,
keterlambatan masuk pbm dan kecepatan masuk pbm pada suatu penilaian kinerja dosen dan yang menjadi
alternatif 4 dosen yang setelah diakumulasikan mendapatkan nilai tertinggi diantara dosen lainnya. Setelah
mengetahui parameter, langkah selanjutnya adalah menganalisis kebutuhan sistem, merekayasa pengetahuan,
menerapkan metode dan pengujian sistem dengan menggunakan Software Super Decisions.Diharapkan
metode ini dapat memudahkan untuk mendukung sesuatu keputusan dengan masalah yang kompleks.
Kata Kunci : Sistem Pendukung Keputusan, AHP, Super Decisions, Kinerja Dosen
1. PENDAHULUAN
Sebagai seorang professional, kinerja dosen
juga perlu dinilai. Mulyadi (2007) menyatakan
penilaian kinerja adalah penetuan secara periodic
efektivitas operasional suatu organisasi, dan
personalnya, berdasarkan sasaran strategic,
standar, dan kriteria yang telah ditetapkan
sebelumnya. Secara umum Penilaian Kinerja
adalah proses dimana organisasi mengevaluasi
perfoma atau kinerja karyawan dengan tujuan
untuk meningkatkannya. Pada prinsipnya
penilaian kinerja merupakan cara pengukuran
kontribusi-kontribusi dari individu dalam instansi
yang dilakukan terhadap organisasi. Nilai penting
dari penilaian kinerja adalah menyangkut
penentuan tingkat konntribusi individu atau
kinerja yang diekspersikan dalam menyelesaikan
tugas-tugas yang menjadi tanggung jawab.
Penilaian kinerja dosen pada universitas
ataupun sekolah tinggi sangat diperlukan untuk
melihat bagaimana tingkat kinerja dosen dalam
menjalankan semua kegiatan proses belajar
mengajar yang ada pada instansi dosen tersebut
bekerja. Tujuan penelitian ini dimana ingin
mengetahui bagaimana pelaksanaan penilaian
kinerja dosen yang dilakukan dalam pelaksanaan
proses belajar mengajar, mengetahui pengaruh
produktivitas kerja dosen terhadap perusahaan
dan menentukan kinerja dosen yang terbaik
dengan
menggunakan metode AHP sesuai
dengan kriteria yang telah ditetapkan[4].
108
Permasalah yang terjadi karena susahnya Top
Management untuk menentukan dosen terbaik
maka itu penulis mencoba untuk membuat system
pendukung keputusan dengan menggunakan
metode AHP yang kesimpulannya nantinya dapat
menghasilkan urutan atau peringka dosen mana
yang terbaik dari yang terbaik. hal penulis akan
menganalisis dan menguji metode Analitycal
Hierarchy Process (AHP) untuk pengolahan
datanya yang nantinya informasi yang dihasilkan
berguna untuk pihak Akademik dalam
menentukan kinerja dosen terbaik dalam proses
belajar mengajar.
2. DASAR TEORI
2.1 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan
pertama kali diperkenalkan pada awal tahun
1970-an oleh Michael S. Scott Morton dengan
istilah Management Decision System. Konsep
pendukung keputusan ditandai dengan sistem
interaktif berbasis komputer yang membantu
pengambil keputusan memanfaatkan data dan
model untuk menyelesaikan masalah-masalah
yang tidak terstruktur. Pada dasarnya SPK
diracang untuk mendukung seluruh tahap
pengambilan
keputusan
mulai
dari
mengidentifikasi masalah, memilih data yang
relevan, menentukan pendekatan yang digunakan
dalam prosen pengambilan keputusan, sampai
mengevaluasi pemilihan alternatif[1].
Seminar Nasional Informatika 2014
Basis Data
Model
Interface
Gambar 1. Komponen Sistem Pendukung
Keputusan
Gambar
1.
memperlihatkan
Sistem
Pendukung Keputusan terdiri atas tiga komponen
penting utama untuk menentukan kapabilitas
teknis, yaitu:
1. Mendefenisikan permasalahan dan menentukan
tujuan. Bila AHP digunakan untuk memilih
alternatif atau menyusun prioritas alternatif,
maka tahap ini dilakukan pengembangan
alternatif.
2. Menyusun masalah ke dalam suatu struktur
hierarki
sehingga
permasalahan
yang
kompleks dapat ditinjau dari sisi yang detail
dan terukur .
3. Menyusun prioritas untuk tiap elemen masalah
pada setiap hierarki. Prioritas ini dihasilkan
dari suatu matriks perbandingan berpasangan
antara seluruh elemen pada tingkat hierarki
yang sama.
4. Melakukan pengujian konsistensi terhadap
perbandingan antar elemen yang didapatkan
pada tiap tingkat hierarki. Thomas L. Saaty
membuktikan bahwa Indeks Konsistensi dari
matriks berordo –n )[3].
Tabel 1. Penilaian Perbadingan Berpasangan
1. Subsistem manajemen data, subsistem
manajemen data memasukkan satu database
yang berisi data yang relevan untuk situasi dan
dikelola oleh perangkat lunak yang disebut
sistem manajemen database (DBMS)
2. Subsistem manajemen model, merupakan
paket perangkat lunak yang memasukkan
model keuangan, statistik, ilmu manajemen
atau model kuantitatif lainnya yang
memberikan
kapabilitas
analitik
dan
manajemen perangkat lunak yang tepat.
3. Antarmuka
Pengguna,
pengguna
berkomunikasi dengan memerintahkan DSS
melalui subsistem ini[2].
2.2 METODE AHP
Analytical Hierarchy Process (AHP)
dikembangkan oleh Thomas L. Saaty pada tahun
1970-an. Metode ini merupakan salah satu model
pengambilan keputusan multikriteria yang dapat
membantu kerangka berpikir manusia dimana
faktor logika, pengalaman pengetahuan, emosi
dan rasa dioptimasikan ke dalam suatu proses
sistematis. Pada dasarnya, AHP merupakan
metode yang digunakan untuk memecahkan
masalah yang kompleks dan tidak terstruktur ke
dalam kelompok–kelompoknya, dengan mengatur
kelompok tersebut ke dalam suatu hierarki,
kemudian memasukkan nilai numerik sebagai
pengganti persepsi manusia dalam melakukan
perbandingan relatif. Dengan suatu hipotesa maka
akan dapat ditentukan elemen mana yang
mempunyai prioritas tertinggi[1].
1. Tahapan–Tahapan ( AHP )
Secara umum, tahapan-tahapan proses yang harus
dilakukan dalam
menggunakan AHP untuk
memecahkan suatu masalah adalah sebagai
berikut :
Pada Kasus di STMIK Potensi Utama Medan
Hubungan antara Kriteria dan Alternative dapat
digambarkan sebagai berkut :
GOAL
Penilaian Kinerja Dosen
KRITERIA
Kehadiran Dosen
Pengumpulan Nilai
Keterlambatan Masuk PBM
Kecepatan Selesai PBM
ALTERNATIVE
Dosen 1
Dosen 2
Dosen 3
Dosen 4
Gambar 2. Hirarki antara Kriteria dan
Alternative
3. HASIL DAN PEMBAHASAN
Pengujian menggunakan software Super
Decisions menggunakan Ratings yang berfungsi
109
Seminar Nasional Informatika 2014
untuk menguji data perbandingan yang kita
lakukan apakah konsisten atau tidak dan nantinya
juga memudahkan kita untuk mendapat peringkat
untuk mendukung keputusan nantinya.
1. Membuat Matriks Perbandingan Kriteria
Tahapan ini pemberian bobot masing-masing
kriteria menggunakan model AHP (Analytical
Hieracrchy Process) . Data kriteria didapatkan
dari
pihak
perusahaan
yang
langsung
membandingkan kriteria dan kriteria sesuai
dengan tabel kepentingan dan sampel hasil
matriks perbandingan berpasangan dapat dilihat
pada tabel 2.
Tabel 2. Matriks Perbandingan Berpasangan
Kriteria
KH
PN
KMP
KSP
Kriteria
KH
1/1
4/1
7/1
7/1
PN
KMP
1/4
1/7
1/1
1/6
6/1
1/1
6/1
1/1
KSP
7/1
1/6
1/1
1/1
Tabel 3. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Kehadiran
Dosen
AM
NS
LN
YS
KD
AM
1/1
3/1
2/1
1/1
NS
LN
1/3
1/2
1/1
5/1
1/5
1/1
1/5
2/1
YS
1/1
5/1
1/2
1/1
Tabel 4. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Pengumpulan
Nilai
AM
NS
LN
YS
PN
AM
1/1
1/2
1/2
3/1
NS
LN
2/1
2/1
1/1
1/2
2/1
1/1
4/1
2/1
YS
1/3
1/4
1/2
1/1
Tabel 5. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Keterlambatan
Masuk PBM
AM
NS
LN
YS
KMP
AM
NS
LN
YS
AM
1/1
1/1
3/1
3/1
NS
LN
1/1
1/3
1/1
1/1
1/1
1/1
2/1
2/1
YS
1/3
1/2
1/2
1/1
KSP
2. Hasil Analisa Metode AHP
Hasil analisa bobot dari kriteria dan alternative
yang sudah dihitung dapat dilihat pada gambar
dibawah ini:
Tabel 7. Hasil Analisa Kriteria
KD
PN
KMP
KSP
Eigen
KD
1.000
4.000
7.000
7.000
0.6169
PN
KM
P
KSP
0.250
0.143
1.000
0.167
6.000
1.000
6.000
1.000
0.2703
0.0564
0.143
0.167
1.000
1.000
0.0564
JM
L
1.536
5.333
15.000
15.000
1.000
K
E-Maks = 4.080982
CI = 0.026994 dan CR = 0.029993 < 0.1
Konsisten
Tabel 8. Hasil Analisa Alternatif berdasarkan
kriteria Kehadiran Dosen
AM
NS
LN
YS
KD
Eigen
AM
1.000
3.000
2.000
1.000
0.3434
NS
LN
0.333
0.500
1.000
5.000
0.2000
1.000
0.2000
2.000
0.0709
0.3225
YS
1.000
5.000
0.500
1.000
0.2632
JM
L
2.833
14.000
3.700
4.200
1.000
E-Maks = 4.264257
CI = 0.088086 dan CR = 0.097873 < 0.1
Konsisten
Tabel 9. Hasil Analisa Alternatif berdasarkan
kriteria Pengumpulan Nilai
AM
NS
LN
YS
Eigen
PN
AM
1.000
0.500
0.500
3.000
0.2066
AM
1/1
1/2
3/1
2/1
NS
LN
2.000
2.000
1.000
0.500
2.000
1.000
4.000
2.000
0.4295
0.2649
NS
LN
2/1
1/3
1/1
1/2
2/1
1/1
2/1
2/1
YS
0.333
0.250
0.500
1.000
0.0999
2.250
4.000
10.000
1.000
1/2
1/2
1/2
1/1
JM
L
5.333
YS
Tabel 6. Matriks Perbandingan Berpasangan
Alternatif berdasarkan kriteria Kecepatan
Selesai PBM
110
E-Maks = 4.117842
CI = 0.039281 dan CR = 0.043645 < 0.1
Konsisten
Seminar Nasional Informatika 2014
Tabel 11. Hasil Analisa Alternatif berdasarkan
kriteria Keterlambatan Masuk PBM
AM
NS
LN
YS
Eigen
AM
1.000
0.500
3.000
2.000
0.3068
NS
2.000
1.000
2.000
2.000
0.3835
LN
0.333
0.500
1.000
2.000
0.1752
YS
0.500
0.500
0.500
1.000
0.1346
JML
3.833
2.500
6.500
7.000
1.000
KMP
tools Super decisions. Adapun tahap-tahapnya
adalah sebagai berikut :
1. Tahap ini melakukan pengujian pada tool
super decision berikut Setelah semua Cluster
dihubungkan dengan semua Node, maka akan
terlihat seperti apada gambar 3.
E-Maks = 4.215817
CI = 0.071939 dan CR = 0.079932 < 0.1
Konsisten
Tabel 12. Hasil Analisa Alternatif berdasarkan
kriteria Kecepatan Selesai PBM
AM
NS
LN
YS
Eigen
AM
1.000
1.000
3.000
3.000
0.4015
NS
1.000
1.000
1.000
2.000
0.2719
LN
0.333
1.000
1.000
2.000
0.2069
YS
0.333
0.500
0.500
1.000
0.1197
JML
2.667
3.500
5.500
8.000
1.000
KSP
E-Maks = 4.117867
CI = 0.039289 dan CR = 0.043654 < 0.1
Konsisten
Tabel 13. Hasil Analisa Dss atau Ranking
Perhitungan Manual
KD
PN
KMP
KSP
Bob
ot
0.6169
AM
0.3434
NS
0.0709
LN
0.3225
YS
0.2632
0.270
3
0.206
6
0.429
5
0.264
9
0.099
9
0.056
4
0.306
8
0.383
5
0.175
2
0.134
6
0.05
64
0.40
15
0.27
19
0.20
69
0.11
97
B.Fin
al
Rank
0.307
6
0.200
3
0.292
1
0.203
5
1
Gambar 3. Cluster Yang Telah Terhubung
Setelah semua Cluster terhubung, langkah
selanjutnya adalah melakukan perbandingan antar
Cluster dengan mengisi data pada jendela
Questionnaire
dengan
mengklik
menu
Assess/Compare lalu klik Do Comparison untuk
pengisian data seperti pada gambar 4.
4
2
3
Didapatkan kesimpulan bahwa Abdul
Meizar mendapat peringkat pertama Sebagai hasil
keputusan sebagai dosen dengan penilaian
kinerjanya paling baik. Labuan Nababan
peringkat kedua, Yusfrizal peringkat ketiga dan
Nita Sari peringkat keempat.
1. Abdul Meizar
( Peringkat Pertama )
2. Labuan Nababan
( Peringkat Kedua )
3. Yusfrizal
( Peringkat Ketiga )
4. Nita Sari
( Peringkat Keempat)
Gambar 4. Perbandingan Antara Cluster
Pada langkah awal menentukan bobot
kriteria, inputkan nilai matriks berpasangan ke
software super decision seperti pada gambar 5.
3.2 Hasil Pengujian dengan Super Decisions
Untuk menguji konsistensi nilai CR > 0.1
maka sebaiknya kita uji dengan menggunakan
111
Seminar Nasional Informatika 2014
Gambar 5. Input Nilai Matriks Berpasangan
Perbandingan Kriteria
Gambar 5. memperlihatkan, nilai matriks
berpasangan yang didapatkan akan dimasukkan
ke dalam software super decisions untuk
dilakukan proses menentukan bobot kriteria.
berdasarkan goal maka prioritas perbandingan
kriteria dapat dijelaskan pada gambar 6.
Gambar 6. Hasil Pembobotan Nilai Matriks
Berpasangan Kriteria
Gambar 7. Hasil Bobot Prioritas
Perbandingan
Alternatif Berdasarkan Kehadiran Dosen
Gambar 8. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Pengumpulan Nilai
Dari hasil proses pembobotan nilai matriks
berpasangan, maka didapatkan hasil perbandingan
bobot prioritas yaitu :
1. Kehadiran Dosen menjadi prioritas utama
dalam memilih kriteria untuk perbaikan jalan
dengan bobot kriteria sebesar 0.6061.
2. Pengumpulan Nilai menjadi prioritas kedua
yaitu dengan bobot prioritas sebesar 0.2734.
3. Keterlambatan Masuk PBM dan Kecepatan
Selesai PBM mempunyai prioritas yang sama
yaitu 0.060.
Gambar 9. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Keterlambatan Masuk PBM
112
Seminar Nasional Informatika 2014
Gambar 10. Hasil Bobot Prioritas
Perbandingan Alternatif Berdasarkan Kriteria
Kecepatan Selesai PBM
Gambar 13. Rankings Lengkap Hasil Analisa
4. KESIMPULAN
Gambar 11. Hasil Hasil Prioritas Keseluruhan
Kriteria
1. Kriteria yang berpengaruh terhadap penentuan
penilaian kinerja dosen pada STMIK Potensi
Utama Medan adalah kriteria kehadiran dosen
dengan nilai 0.6169 (61%), kemudian
pengumpulan
nilai
0.2703
(27%),
keterlambatan masuk pbm 0.0564 (5%) dan
kecepatan mengakhiri pbm 0.0564 (5%).
2. Dari hasil analisis matrik AHP diperoleh
model keputusan, dengan prioritas yaitu untuk
seluruh bobot / prioritas kriteria dan alternatif
yang menjadi prioritas penilaian kinerja dosen
di STMIK Potensi Utama Medan adalah
peringkat 1 Abdul Meizar dengan nilai 0.3067
(30%) , peringkat 2 Labuan Nababan dengan
nilai 0.2877 (28%), peringkat 3 Yusfrizal
dengan nilai 0.2054 (20%), peringkat 4 Nita
Sari dengan nilai 0.2003 (20%).
3. Metode AHP ternyata dapat digunakan dalam
proses penilaian kinerja dosen, karena metode
tersebut mampu menyelesaikan masalah
multikriteria yang belum terstruktur menjadi
lebih terstruktur dan lebih mudah dipahami
dengan hasil yang akurat.
4.
Gambar 12. Hasil Synthesized Priorities dari
Alternatives
Model sistem pendukung keputusan untuk
penilaian kinerja dosen pada STMIK Potensi
Utama Medan menggunakan metode AHP,
mempunyai 4 kriteria yaitu kehadiran dosen,
pengumpulan nilai, keterlambatan masuk pbm
da kecepatan keluar pbm sedangkan untuk
alternatif terdiri dari : Abdul meizar, Labuan
Nababan, Nita Sari dan Yusfrizal
5. SARAN
1. Perlunya
ketelitian
saat
melakukan
perhitunggan berpasangan baik kriteria
maupun alternatif, kesalahan pada pemasukan
data dapat menyebabkan hasil akhir tidak
terpenuhi dan mengembangkan permasalahan
113
Seminar Nasional Informatika 2014
dengan menambahkan sub kriteria agar
permasalahan lebih kompleks.
2. Bagi para peneliti yang ingin mengembangkan
lebih luas dan lebih dalam lagi untuk
menentukan
media
informasi
sistem
pengambilan keputusan ini dapat ditingkatkan
dengan menambahkan kriteria dan alternatifalternatif yang lebih banyak dan lebih
bervariasi
dengan
melengkapi
dan
menambahkan cluster beserta node pada
Super Decision untuk media penyampaian
informasi pada masa yang akan datang.
3. Agar penelitian ini lebih baik lagi diharapkan
bagi para peneliti bisa membuat aplikasi
Sistem Pendukung Keputusan dengan metode
AHP yang sudah dijelaskan oleh peneliti
sebelumnya agar SPK ini lebih bermanfaat
dan dapat digunakan dan dimengerti fungsi
dan tujuan sistem ini oleh orang banyak
114
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
Hilyah
Magdalena.,
2012,
Sistem
Pendukung Keputusan Untuk Menentukan
Mahasiswa Lulusan Terbaik di Perguruan
Tinggi, Jurnal Teknologi Informasi dan
Komunikasi ISSN:2089-9815. Hal.50 sd
51.
[2] Efraim Turban, Jay E. Aronson, Ting
Peng Liang.,2005, Decision Support
System and Intelligent Systems Edisi 7
Jilid 1, Yogyakarta : Andi Offset.
Yusuf
Anshori.,2012,
Pendekatan
Triangular Fuzzy Number Dalam Metode
Analytical Hierarchy Process , Jurnal
Ilmiah Foristek Vol.2 No.1. Hal.127.
Mulyadi, 2007. Sistem Perencanaan dan
Pengendalian
Manajemen,
Penerbit
Salemba Empat, Jakarta.