Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815

Yogyakarta, 18-19 Maret 2016

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI

DENGAN METODE ANP DAN TOPSIS
Rendra Gustriansyah
Program Studi Informatika, Fakultas Ilmu Komputer,Universitas Indo Global Mandiri
Jl.Jenderal Sudirman No. 629 Palembang 30113
Telp. (0711)322705 E-
mail: rendra@uigm.ac.id

ABSTRAKS
Pemilihan Dosen Berprestasi merupakan suatu agenda Direktorat Perguruan Tinggi (Dikti) yang dimaksudkan
untuk mendorong motivasi, dedikasi, loyalitas, dan profesionalisme dosen, yang diharapkan berpengaruh positif
pada peningkatan kinerja. Keputusan untuk memilih dosen berprestasi yang sesuai dengan kriteria yang
dibutuhkan bukanlah suatu pekerjaan yang mudah. Untuk membantu penentuan urutan dosen berprestasi yang
sesuai dengan kriteria yang diinginkan maka diperlukan suatu sistem pendukung keputusan yang mempunyai
kemampuan analisis pemilihan dosen berprestasi dengan menggunakan metode yang menggunakan metode ANP
dan TOPSIS. Metode ANP digunakan untuk menentukan bobot kriteria menurut pengambil keputusan, kemudian
metode TOPSIS digunakan untuk menentukan peringkat/prestasi dosen. Sistem penunjang keputusan ini
diharapkan dapat membantu dan memberikan alternatif dalam menilai prestasi setiap dosen, sehingga akan
didapatkan dosen yang paling layak diberi penghargaan dan mewakili perguruan tinggi dalam pemilihan dosen
berprestasi ditingkat Kopertis/PTN maupun Nasional.
Kata Kunci: SPK, Dosen Berprestasi, ANP, TOPSIS
1. PENDAHULUAN
Perguruan tinggi berkewajiban
menyelenggarakan pendidikan, penelitian dan
pengabdian kepada masyarakat. Salah satu unsur
dalam penyelenggaraan pendidikan tinggi adalah
dosen. Dosen merupakan tenaga akademik yang
bertugas merencanakan dan melaksanakan proses
pembelajaran, menilai hasil pembelajaran,
melakukan pembimbingan dan pelatihan, serta
melakukan penelitian serta pengabdian kepada
masyarakat. Berdasarkan Undang-undang Republik
Indonesia No. 14 tahun 2005 tentang Guru dan
Dosen, Pasal 51 Ayat (1) Butir b, bahwa dosen
berhak mendapatkan promosi dan penghargaan
sesuai dengan kinerja akademiknya.
Merujuk pada pemikiran di atas, sudah
selayaknya pemberian penghargaan diberikan
kepada dosen yang memiliki prestasi dalam bidang
tridarma perguruan tinggi. Pemberian penghargaan
tersebut akan mendorong dosen untuk berprestasi
secara lebih produktif, sehingga dapat mendorong
tercapainya tujuan pengembangan sistem pendidikan
tinggi khususnya, dan pembangunan nasional pada
umumnya.
Secara teknis, pemilihan dosen berprestasi
dilaksanakan secara bertingkat, dimulai dari tingkat
perguruan tinggi, kopertis/PTN, dan tingkat
nasional. Dalam aspek penilaian pemilihan dosen
berprestasi (PDB), konsistensi penilaian merupakan
hal yang sangat penting. Jika dalam proses penilaian
terjadi inkonsistensi, maka akan ada beberapa pihak
yang dirugikan. Karena perubahan salah satu kriteria
penilaian akan menyebabkan perubahan bobot
penilaian yang signifikan pada saat disatukan
dengan penilaian dari kriteria-kriteria yang lain. Hal
ini dikarenakan adanya perbedaan range penilaian
dengan kriteria yang lain.
Berdasarkan permasalahan yang dihadapi, maka
diperlukan suatu sistem pendukung keputusan (SPK)
yang mampu menangani pengaruh interdependensi
antar kriteria dalam proses PDB.
Penelitian Adriyendi & Rahmadi (2011) dan
Jasril & Meitarice (2013) telah membahas SPK
dosen berprestasi dengan menggunakan metode
Analytic Hierarchy Process (AHP) yang kurang
mampu menangani pengaruh interdependensi antar
kriteria/sub kriteria karena tidak melibatkan
feedback antar kriteria/sub kriteria.
Selain itu, untuk pemilihan alternatif/dosen
dalam jumlah banyak, metode AHP memerlukan
waktu pengolahan matriks perbandingan
berpasangan yang berbanding eksponensial.
Oleh karena itu, penelitian ini menggunakan
metode Analytic Network Process (ANP) yang
melibatkan feedback, yang mampu
merepresentasikan tingkat kepentingan berbagai
pihak dengan mempertimbangkan interdependensi
antar kriteria/sub kriteria yang ada (Saaty, 2004),
dan dikombinasikan dengan Technique for Order
Preference by Similarity to Ideal Solution (TOPSIS)
untuk merekomendasikan urutan dalam pemilihan
dosen berprestasi (PDB) yang bersifat langsung dan
mudah diterapkan (Ball & Korukolu, 2009) serta
tidak terpengaruh dengan banyaknya alternatif/dosen
yang dipilih.
Pada paper ini, ANP digunakan untuk
menentukan bobot kriteria menurut pengambil
keputusan, lalu metode TOPSIS digunakan untuk
33
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 terstruktur (Turban, seperti perbandingan
menentukan peringkat Sharda, dan Delen, yang dihasilkan lebih merupakan data primer
dosen berprestasi. 2005). objektif, kemampuan yang didapat dari hasil
Penggabungan kedua Dengan sekumpulan prediktif yang lebih wawancara dengan
metode ini diharapkan kemampuan untuk akurat, dan hasil yang pakar, praktisi, dan
dapat memperoleh mengolah informasi/data lebih stabil (Tanjung & regulator yang
peringkat dosen yang diperlukan dalam Abrista, 2013). memiliki pemahaman
berprestasi sesuai proses pengambilan Data yang tentang permasalahan
dengan kriteria yang keputusan, SPK hanya digunakan yang dibahas.
diinginkan. berfungsi sebagai alat dalam metode Dilanjutkan dengan
bantu manajemen. Jadi ANP pengisian kuesioner
1.1 Sistem SPK ini tidak pada pertemuan kedua
Pendukung dimaksudkan untuk dengan responden.
Keputusan (SPK) menggantikan fungsi Data yang siap olah
Sistem Penunjang pengambil keputusan dalam ANP adalah
Keputusan dalam membuat variabel-variabel
(SPK)/Decision keputusan penilaian responden
Support System adalah (Gustriansyah, dkk, terhadap masalah yang
sistem cerdas yang 2015). Tetapi SPK ini menjadi objek
mengikutsertakan dirancang hanya untuk penelitian dalam skala
sistem berbasis membantu pengambil numerik atau
pengetahuan untuk keputusan dalam berdasarkan intensitas
mendukung aktifitas melaksanakan tugasnya. kepentingan.
pembuatan keputusan Pertanyaan dalam
dengan cepat dan tepat 1.2 Metode ANP dan kuesioner ANP berupa
(Holzinger, 2011). SPK TOPSIS pairwise comparison
menggunakan data, 1.2.1 Analytic (pembandingan
menyediakan Network berpasangan) antar
antarmuka yang mudah Process (ANP) elemen dalam
digunakan, dan ANP adalah teori kriteria/cluster untuk
memungkinkan matematis yang mengetahui mana di
pembuat keputusan memungkinkan seorang antara keduanya yang
untuk menggunakan pengambil keputusan lebih besar
wawasan sendiri (Tariq menghadapi faktor-faktor pengaruhnya (lebih
dan Rafi, 2012). SPK yang saling berkaitan dominan) dan seberapa
tidak dimaksudkan (dependence) serta umpan besar perbedaannya
untuk balik (feedback) secara dilihat dari satu sisi.
mengotomatisasikan sistematik. ANP Skala numerik 1-9
pengambilan merupakan satu dari yang digunakan
keputusan, tetapi metode pengambilan merupakan terjemahan
memberikan perangkat keputusan berdasarkan dari penilaian verbal
interaktif yang banyak kriteria atau (Grener, 2012).
memungkinkan Multiple Kriteria
pengambilan keputusan Decision Making 1.2.2 Technique for
untuk melakukan (MCDM) yang Order
berbagai analisis dikembangkan oleh Preference by
menggunakan model- Thomas L Saaty. Metode Similarity to
model yang tersedia ini merupakan Ideal
(Kusrini, 2007). pendekatan baru metode Solution
Konsep SPK kualitatif yang merupakan (TOPSIS)
pertama kali perkembangan lanjutan Metode TOPSIS
diungkapkan pada dari metode adalah salah satu
tahun 1970-an oleh Analytic Hierarchy metode pengambilan
Scott Morton. Menurut Process (AHP) keputusan multi
Gorry dan Morton (Saaty, 2008). Pada kriteria yang pertama
(1971), SPK umumnya, penelitian kali diperkenalkan oleh
didefinisikan sebagai dengan pendekatan Yoon dan Hwang pada
Sistem berbasis kualitatif hanya tahun 1981. Metode ini
komputer interaktif mendeskripsikan hasil merupakan salah satu
yang membantu para penemuan yang ada di metode yang banyak
pengambil keputusan lapangan tanpa digunakan untuk
untuk menggunakan melakukan sintesis lebih menyelesaikan
data dan berbagai dalam. Tetapi ANP pengambilan keputusan
model untuk melakukan sintesis lebih secara praktis. Konsep
memecahkan masalah- mendalam, memiliki dari alternatif yang
masalah yang tidak banyak kelebihan,
dipilih oleh TOPSIS alternatif keputusan
merupakan alternatif (Yanti & Rahmadani,
terbaik yang 2014).
memiliki jarak Adapun langkah
terpendek dari solusi metode TOPSIS
ideal positif dan adalah sebagai
jarak terjauh dari berikut (Shanian &
solusi ideal negatif Savadogo, 2006),
(Hwang & Yoon, (Rouhani, Ghazanfari,
1981). & Jafari, 2012):
Semakin a. Membuat matriks
banyaknya faktor keputusan
yang harus alternatif Ai pada
dipertimbangkan setiap kriteria Fi,
dalam proses kemudian
pengambilan dinormalisasi
keputusan, maka menjadi matriks R
semakin relatif sulit (rij) dengan
untuk mengambil menggunakan
keputusan terhadap Persamaan (1).
suatu permasalahan.
Apalagi jika
34
pengambilan
keputusan dari suatu
permasalahan
tertentu melibatkan
beberapa orang
pengambil
keputusan, selain
mempertimbangkan
berbagai
faktor/kriteria yang
beragam.
Permasalahan yang
demikian dikenal
dengan
permasalahan
multiple criteria
decision making
(MCDM). Dengan
kata lain, MCDM
dapat disebut
sebagai suatu
pengambilan
keputusan untuk
memilih alternatif
terbaik dari
sejumlah alternatif
berdasarkan
beberapa kriteria
tertentu.
Metode TOPSIS
dapat digunakan
untuk
menyelesaikan
permasalahan
MCDM. Hal ini
disebabkan
konsepnya
sederhana dan
mudah dipahami,
komputasinya
efisien dan memiliki
kemampuan untuk
mengukur kinerja
relatif dari alternatif-
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 dan solusi ideal Jasril & Meitarice
r x , i=1,2,,mnegatif (Sj) dengan
dan j=1,2,...,n (1) (2013).
ij ij Persamaan (3) dan pada Kampoeng Kopi
(4). Selain itu, beberapa Banaran Semarang,
m + penelitian yang
xij 2 Sj = {(maks Vij | j J), (min V
+
i=1,2,3,...m} = {V1 , V2
menggunakan metode
Jafari dkk. (2013)
menganalisis kinerja
i1 yang sejenis (ANP dan
Sj = {(min Vij | j J), (maks V
TOPSIS) antara lain: G.
terminal kontainer,
dimana: serta Hamidi,
i=1,2,3,...m} = {V1 , V2 Sakthivel & M.
r Gheibdoust &
i J = {j=1,2,3, ..., n dan Ilangkumaran (2015)
j j merupakan benefit Ramezanian (2014)
mengevaluasi campuran
criteria} menganalisis mutu
= BBM terbaik pada
J = {j=1,2,3, ..., n pelayanan dengan
industri manufaktur di
dan j merupakan cost menggabungkan
m India, Rinawati
criteria} metode ANP dan
a & Handoko (2015) TOPSIS. Secara
d. Menentukan jarak menentukan prioritas
t antara setiap umum, penelitian
r supplier bahan baku terkait yang
alternatif Vi dengan pada PT. Nyonya
i solusi ideal positif menggunakan metode
k Meneer di Semarang,
dan solusi ideal dan SPK pemilihan
s Susanti & Adiati (2014)
negatif dengan dapat dilihat pada lihat
memilih strategi
Persamaan (5) dan Tabel 1.
n pemasaran
(6).
o n
V Tabel 1. Penelitian
r
m Si

(Vij j ) terkait SPK
j 1 pemilihan
a
l Penulis Th Obyek Metode
i n
(V V
z Si

ij j )
Penelitian
e j 1 Adriyendi dan 2011 STAIN AHP
d Rahmadi Batusangkar
Jasril dan 2013 BPPM UIN F-AHP
e. Menghitung nilai Meitarice Suska Riau
x kedekatan relatif
i Sakthivel & Industri ANP dan
j (closeness 2015 Manufaktur
coefficient) yang Ilangkumaran TOPSIS
India
= merupakan nilai Rinawati & 2015 PT. Nyonya ANP dan
preferensi untuk Handoko Meneer TOPSIS
m setiap alternatif ANP dan
a dengan Persamaan Jafari, dkk. 2013 Iran
TOPSIS
t (7).
r , Susanti & Kampoeng ANP dan
i C S i 2014 Kopi Banaran
Adiati TOPSIS
i S Semarang
k i
S
i
s ANP dan
dimana 0 Ci+ 1 Hamidi, dkk. 2014 Iran
F-TOPSIS
dan i = 1,2,3,..., m
k f. Mengurutkannilaiclo
e senesscoefficient 1.3 Metodologi
p (Lasavani dkk.,
u Penelitian
2012). 1.3.1 Pengumpulan
t
u Data
1.2.3 Penelitian Sejenis Data yang
s
Penelitian dipergunakan dalam
a
menggunakan metode penelitian ini berasal
n
ANP kurang populer dari:
b. Menghitung dalam literatur, a. Studi literatur,
matriks keputusan
sementara penelitian mengumpulkan
yang ternormalisasi
dengan metode AHP teori-teori
terbobot
telah sangat populer pendukung yang
menggunakan
(Othman, Wozny, bersumber dari
Persamaan
& Repke, 2011). Ada buku, jurnal dan
(2).
tiga penelitian sejenis penelitian yang
vij = Wj * rij
yang membahas SPK terkait dengan
dimana wij
dosen berprestasi tetapi kriteria dosen
merupakan bobot
menggunakan metode berprestasi,
dari kriteria ke-j.
c. Menentukan solusi AHP yaitu Adriyendi & metode ANP dan
ideal positif (Sj+) Rahmadi (2011), dan TOPSIS.
 b. Wawancara dan
kuisioner
dilakukan
terhadap Biro
Administrasi
Akademik
(BAA), serta
Lembaga
Penelitian dan
Pengabdian
kepada
Masyarakat
(LPPM).

1.3.2 Analisis
Penyeleksian Data
Analisis
penyeleksian data
dimulai dari
pengolahan data
input menjadi
informasi yang
berguna bagi
pengambil
keputusan. Proses
tersebut meliputi
tahapan seperti
ditunjukan pada
Gambar 1.
Diawali dengan
menentukan
kriteria-kritera yang
diperlukan dalam
pemilihan dosen
berprestasi. Setelah
memperoleh kriteria
yang diperlukan
kemudian
menentukan
hubungan pengaruh
ketergantungan
(interdependence)
antara kriteria yang
ada. Selanjutnya
adalah menghitung
bobot prioritas
kriteria dengan
mempertimbangkan
pengaruh
ketergantungan
antar kriteria
menggunakan
metode ANP.
Setelah memperoleh
bobot prioritas
kriteria
ketergantungan,
selanjutnya adalah
melakukan
perangkingan dosen
berprestasi

35
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
dengan menggunakan metode TOPSIS sehingga
diperoleh urutan rekomendasi dosen berprestasi.
menentukan kriteria yang digunakan
untuk penilaian dosen berprestasi.
menentukan pengaruh hubungan
interdependensi antar kriteria.
menghitung bobot prioritas kriteria
interdepedensi menggunakan metode
ANP
perangkingan alternatif dengan
menggunakan metode TOPSIS
Hasil (rangking dosen)
Gambar 1. Tahapan analisis data hingga proses
pengambilan keputusan
1.3.3 Menentukan Kriteria
Salah satu bagian terpenting dalam SPK adalah
menentukan kriteria dan mengukur indikator. Oleh
karena itu, desain dan pemilihan indeks sebagai
input dari model pengambilan keputusan memiliki
dampak langsung terhadap efisiensi model (Kambiz
Shahroudi, Rouydel, Assimi, & Eyvazi, 2011).
Penentuan urutan rekomendasi PDB didasarkan
pada 5 kriteria dan 15 sub kriteria. Kriteria dan sub
kriteria tersebut diperoleh dari persyaratan PDB
(Kementerian Pendidikan dan Kebudayaan
Direktorat Jenderal Pendidikan Tinggi Direktorat
Pendidik dan Tenaga Kependidikan, 2013) serta
wawancara langsung dengan beberapa unit terkait di
perguruan tinggi. Kriteria dan sub kriteria tersebut
adalah sebagai berikut:
a. (K1) Karya Prestasi Unggul (60%): karya
prestasi dalam satu bidang dari Tri Dharma PT
yang diunggulkan, dengan sub kriteria: (K11)
Pendidikan dan Pengajaran, (K12) Penelitian,
(K13) Pengabdian pada Masyarakat.
b. (K2) Pendidikan dan pembelajaran (14%)
memiliki sub kriteria: (K21) buku ajar, (K22)
perkuliahan, (K23) pembimbing/penguji.
c. (K3) Penelitian (18%) memiliki sub kriteria:
(K31) HAKI, (K32) publikasi ilmiah, (K33)
model, (K34) bahan ajar.
d. (K4) Pengabdian pada masyarakat (4%)
memiliki sub kriteria: (K41) model, (K42)
konsultasi, (K43) pengembangan pendidikan &
penelitian.
e. (K5) Kegiatan penunjang tridarma (4%)
memiliki sub kriteria: (K 51) kepanitian, (K52)
peserta seminar.
1.3.4 Menentukan Hubungan Pengaruh
Interdependensi antar Kriteria
Setelah dilakukan penentuan kriteria-kriteria
PDB, selanjutnya kriteria-kriteria tersebut dibentuk
menjadi sebuah struktur network ANP seperti pada
Gambar 2 dan 3 untuk mengidentifikasi hubungan
yang saling mempengaruhi.
K5
K52 K51
K2 K3 K4
K23K21K22 K32K31 K34K33 K41K42K43
K11 K12 K13
K1
Gambar 2. Hubungan pengaruh interdependensi
antar sub kriteria
K5
K2 K3 K4
K1
Gambar 3. Hubungan pengaruh
interdependensi antar kriteria
1.3.5 Menghitung Vektor Prioritas Kriteria
dengan Interdependensi
Merujuk model pengaruh interdependensi yang
dibuat sebelumnya, pengambil keputusan atau pakar
diminta untuk mengevaluasi semua kriteria
berpasangan yang diusulkan. Kriteria yang
mempengaruhi kriteria lainnya dapat dibandingkan
dalam matriks berpasangan. Demikian juga untuk
sub kriteria yang mempengaruhi sub kriteria lain.
Pengolahan matriks perbandingan antar kriteria
atau antar sub kriteria akan menghasilkan vektor
eigen. Tabel 2 merupakan salah satu matriks
perbandingan antar sub kriteria yang menghasilkan
vektor eigen tersebut. Sedangkan Tabel 3 merupakan
salah satu matriks perbandingan antar kriteria dari 5
matriks perbandingan antar kriteria. Sintesa hasil
perhitungan matriks perbandingan antar kriteria
dapat dilihat pada Tabel 4. Sementara, sintesa hasil
perhitungan matriks perbandingan antar sub kriteria
disebut unweighted supermatrix.
36
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 Kriteria yang diperoleh dari
Tabel 2. Matriks K11 1.3.6 Perangking metode ANP (Tabel 5),
perbandingan K12 an Dosen sehingga diperoleh
berpasangan untuk K13 dengan matriks keputusan
sub kriteria K12 pada Menggunak ternormalisasi terbobot
K21
kriteria K1 an Metode menggunakan
K22 Persamaan (2).
K23 TOPSIS
K31 K32 Tahap selanjutnya,
K31 Matriks nilai
K31 1.00 2.00 dicari solusi ideal
analisis TOPSIS
K32 0.50 1.00 K32 positif dan solusi ideal
(Tabel 6) yang
K33 0.00 0.00 K33 negatif dengan
memuat penilaian
K34 semua kriteria setiap Persamaan (3) dan (4),
K41 dosen diperoleh dari serta menghitung jarak
Tabel 3. Matriks Euclidean dari setiap
perbandingan K42 kuisioner yang
alternatif (Tabel 7)
berpasangan pada K43 dilakukan terhadap
dengan menggunakan
kriteria K1 K51 BAA dan LPPM.
Persamaan
K52 Penilaian ini merujuk
K1 K2 Permendikbud Nomor (5) dan (6) sehingga
92 tahun 2014 tentang diperoleh koefisien
K1 1.000 1.000 kedekatan (closeness
Petunjuk Teknis
K2 1.000 1.000 coefficient) dari PDB
Pelaksanaan Penilaian
K3 1.000 2.000 untuk solusi ideal
Angka Kredit Jabatan
K4 1.000 0.333 (Tabel 8)
Fungsional Dosen,
Tabel 4. Matriks bobot kriteria menggunakan
Pedoman Operasional
Persamaan (7).
Penilaian Angka
Kredit Kenaikan
K1 K2 Pangkat/Jabatan Tabel 7. Jarak Solusi
K1 0.239 0.000 Akademik Dosen Ideal Positif dan
K2 0.249 0.320 tahun 2014 dan Jarak Solusi Ideal
K3 0.380 0.557 Matriks Penilaian Negatif (Si)
K4 0.132 0.123 Instrumen Akreditasi
K5 0.000 0.000 Program Studi. Dosen

Perkalian dari Si+

Tabel 6. Matriks
setiap bobot
nilai analisis
unweighted Si-
TOPSIS
supermatrix pada D1
kriteria yang sama
dengan nilai matriks Kriteria D1 D2 0.03075
bobot kriteria dari K11 3 3
Tabel 4 akan diperoleh 0.02223
K1 K12 4 4
weighted supermatrix. D2
Selanjutnya, limit K13 2 3
supermatrix didapat K21 2 3 0.01023
dengan cara K2 K22 3 4
mengalikan nilai dari K23 4 4 0.03439
weighted supermatrix K31 0 0 D3
dengan dirinya sendiri K3 K32 4 3
sehingga setiap kolom K33 2 2 0.02865
dalam satu baris pada
K34 1 2
matriks memiliki bobot
yang sama. K41 4 4 0.02425
Bobot prioritas K4 K42 2 3 D4
kriteria K43 3 3
interdependensi yang K5 K51 4 3 0.01737
diperoleh dalam setiap K52 4 4
baris dari limit 0.03525
supermatrix D5
Agar matriks
merupakan hasil
keputusan
perhitungan ANP 0.03566
ternormalisasi, maka
(Tabel 5).
nilai Tabel 6 harus
Tabel 5. Bobot dihitung dengan 0.01895
Prioritas Kriteria Persamaan (1). Lalu, 37
Interdependensi dikalikan dengan
bobot setiap kriteria
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 Kriteria SubKriteria Matriks
Tabel 8. Koefisien kedekatan dan peringkat l< IDSub l< KodeM
IDKriteria l l
dosen (Ci) NamaKriteria NamaSub NIDN
Keterangan IDKriteria IDSub
Dosen Ci Peringkat Bobot Nilai
D1 0.41953 4

<
l
D2 0.77077 1

l
Hasil Dosen
D3 0.45844 3 NIDN l< l NIDN
D4 0.66995 2 Koefisien NmDosen
PenAk
D5 0.34695 5 Prodi

1.3.7 Rancangan Antar Muka Gambar 5. Diagram relasi antar tabel SPK PDB
Rancangan antar muka berfokus pada
penggunaan Unified Modeling Language (UML). 2. PEMBAHASAN
UML menawarkan fasilitas menggambar 2.1 Hasil Pengurutan Alternatif
menggunakan diagram use case yang dapat Pengentrian bobot-bobot kriteria ini ke dalam
digunakan untuk mewakili aktivitas utama dari aplikasi untuk diolah dengan metode TOPSIS dapat
setiap pengguna dan interaksi antar pengguna.pada dilihat pada Gambar 6.
sebuah sistem. Sebuah diagram use case
mempresentasikan suatu interaksi antara aktor
dengan sistem. Gambar 4 menunjukan diagram use
case yang menggambarkan SPK PDB dengan
metode ANP dan TOPSIS.
Ada empat fungsi utama yang terdapat pada SPK
PDB, yaitu entri data dosen, entri kriteria dosen,
entri bobot kriteria dan entri matriks keputusan.
Pengguna utama dari sistem adalah dosen dan
admin. Gambar 6. Entri bobot kriteria dari ANP
Admin mengentrikan data master (dosen, kriteria
dan sub kriteria), lalu mengentri data bobot kriteria Pengentrian nilai matriks keputusan yang akan
merupakan hasil pengolahan ANP. Setelah itu, data diolah dengan metode TOPSIS dapat dilihat pada
penilaian setiap dosen berdasarkan kriteria yang Gambar 7 dan hasil pengurutan alternatif PDB
diperoleh dari BAA dan LPPM dientrikan ke dalam dengan TOPSIS tersebut dapat dilihat pada Tabel 9.
matriks keputusan. Hasil peringkat/prestasi dosen
diperoleh setelah sistem mengolah data tersebut
dengan metode TOPSIS. Dosen dapat melihat
laporan peringkat PDB.
 SPK PDB
login

Entri data <<incl

dosen ude

>>
admin Entri kriteria Entri matriks
keputusan

dosen >>
<<include>>
e
<<include>> lu
d
c
<
in
Laporan
Entri bobot < Peringkat
kriteria dosen
 Gambar 4.
Diagram use case
SPK PDB

1.3.8 Entity
Relationship Diagram Gambar 7. Entri nilai
(ERD) matriks keputusan
ERD digunakan
untuk
menginterpretasikan,
menentukan dan 38
mendokumentasikan
kebutuhan-kebutuhan
untuk sistem
pemrosesan basis data.
ERD SPK PDB dengan
metode ANP-TOPSIS
ditunjukan dalam
Gambar 5.
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 perbandingan g. SPK ini dapat
Tabel 9. Peringkat berpasangan yang relatif b. Hasil SPK PDB dijadikan alternatif
lebih sedikit (26 dapat dijadikan penilaian kinerja
PDB (closeness
perbandingan sebagai alternatif dosen perguruan
coefficient)
berpasangan) pengambilan tinggi.
Peringkat Dosen dibandingkan dengan keputusan bagi
1 D2 pengurutan perguruan tinggi. PUSTAKA
2 D4 menggunakan metode c. Sistem yang Adriyendi & Rahmadi.
ANP (52 perbandingan dikembangkan 2011. Aplikasi
3 D3
berpasangan), sehingga dengan metode AHP Sebagai
4 D1 sistem yang Model SPK
ANP dan
5 D5 dikembangkan Pemilihan
TOPSIS dapat
menggunakan metode Dosen. Seminar
digunakan
2.2 Pengujian ANP-TOPSIS mampu Nasional
dengan jumlah
Pengurutan memberikan hasil Aplikasi
kriteria yang
Dosen pengurutan dalam waktu Teknologi
dapat ditentukan
Berprestasi yang lebih singkat informasi
oleh pembuat
antara karena jumlah (SNATI) (hlm.
keputusan,
Metode ANP- perbandingan 1116).
sehingga dapat
TOPSIS berpasangan yang harus Ball, S. & Korukolu,
disesuaikan
dengan diolah lebih sedikit S. 2009.
dengan
Metode ANP dibandingkan dengan Operating Sistem
kebutuhan.
Pengujian menggunakan metode Selection Using
d. Pemanfaatan
ANP. Fuzzy AHP and
dilakukan dengan metode ANP
TOPSIS
mengukur performa terbukti mampu
Methods.
sistem yang Tabel 10. menangani Mathematical
dikembangkan dengan Perbandingan antara pengaruh and
cara membandingkan metode ANP dengan interdependensi Computational
penggunaan metode metode ANP dan antar kriteria/sub Applications,
ANP-TOPSIS dengan TOPSIS kriteria sehingga 14(2): 119130.
ANP. Salah satu hasil pembobotan
Jumlah Matriks Perbandingan Grener, A. 2012.
parameter mengukur kriteria menjadi
Berpasangan Comparing AHP
performa dari sebuah Dosen lebih objektif dan
ANP ANP dan TOPSIS and ANP: An
sistem adalah efisiensi. sesuai dengan
5 52 Application of
Efisiensi yang keadaan yang
10 77 Strategic
dimaksud adalah sebenarnya.
15 102 Decisions
berapa banyak e. Pemanfaatan Making in a
perbandingan metode TOPSIS Manufacturing
berpasangan yang 3. KESIMPULAN dapat Company.
diperlukan untuk Kesimpulan yang mengefisienkan International
memperoleh hasil akhir dapat ditarik dari hasil banyak langkah Journal of
pengurutan dosen dan pembahasan pada perbandingan Business and
berprestasi, semakin SPK PDB menggunakan berpasangan Social Science,
sedikit perbandingan metode ANP dan yang harus 3(11): 194.
berpasangan yang TOPSIS adalah sebagai dilakukan
berikut: Gustriansyah, R.,
diperlukan, maka menggunakan Sensuse, D. I. &
semakin efisiensi a. Sistem yang metode ANP dan Ramadhan, A.
sistem dengan metode dikembangkan memberikan 2015. Decision
tertentu tersebut mampu hasil penilaian
memberikan urutan Support System
(Turban, Sharda, & dalam waktu
dosen berprestasi for Inventory
Delan, 2005) . yang lebih
berdasarkan atas Management in
Hasil pengujian singkat.
bobot prioritas Pharmacy Using
pada Tabel 10 f. SPK ini dapat
kriteria Fuzzy Analytic
memperlihatkan bahwa juga digunakan
interdependensi dan Hierarchy
sistem yang untuk
dokumen penilaian Process and
dikembangkan dengan menentukan
dosen berprestasi. Sequential
metode ANP-TOPSIS calon dosen tetap Pattern Analysis
memiliki efisiensi yang yang akan Approach. In
lebih baik diterima sebagai Proceeding of
dibandingkan dengan dosen tetap yang
the 3rd
metode ANP saja. merupakan
International
Karena pemanfaatan urat nadi Conference on
metode ANP-TOPSIS kelangsungan
New Media
mampu memberikan hidup di
Studies
hasil pengurutan perguruan tinggi.
(CONMEDIA
dengan jumlah
 2015) (hlm.
18-23).
Tangerang.
Hamidi, N.,
Gheibdoust,
H. &
Ramezanian,
M. R. 2014. A
combined
ANP and
fuzzy TOPSIS
based strategic
analysis of
electronic
service quality
in healthcare
services.
Sciences,
International
Journal of
Management
and
Humanity,
3(3): 1596
1602. Diakses
dari
http://www.ij
mhsjournal.co
m
Holzinger, A. 2011.
Biomedical
Decision
Making:
Reasoning
and Decision
Support.
Hwang, C.-L. &
Yoon, K.
1981.
Multiple
Attribute
Decision
Making
Methods and
Applications
A State-of-
the-Art
Survey. New
York:
Springer-
39
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: 2089-9815
Yogyakarta, 18-19 Maret 2016
 Pendukung Diakses dari
Verlag Berlin Keputusan, 1st http://ejournal. browse.php?
Heidelberg. ed. undip.ac.id/ind a_code=A-10-6-
Jafari, H., Saeidi, N.,
Yogyakarta: ex.php/jgti/arti 2&slc_lang=en&
Andi. cl sid=1
Amerkaabi,
Noshadi, E. & Lavasani, S. M. M., e/view/8132. Sakthivel, G. &
Hallafi, H. R. Wang, J., Rouhani, S., Ilangkumaran, M.
2013. A Hybrid Yang, Z. and Ghazanfari, 2015. A hybrid
Approach Using
Finlay, J. 2012. M., & Jafari, multi-criteria
Application of M. 2012. decision making
ANP and TOPSIS
MADM in a Evaluation approach of ANP
Methods for
fuzzy model of and TOPSIS to
Comparative
environment business
Analysis of evaluate the
for selecting intelligence for
Performance in optimum fuel
the best barrier enterprise
Container blend in IC
for offshore systems using
Terminals. engine.
wells. Expert fuzzy TOPSIS.
International International
Syst. Appl., Expert
SAMANM Journal Journal of
39(3): 2466 Systems with
of Marketing and Decision Support
2478. Applications,
Management, 1(3): Systems. 1(3):
Lin, C.-T., Chen, C.- 39(3): 3764
5363. 268-293.
B. & Ying- 3771. Diakses
Jasril, & Meitarice, S. Shahroudi, K., Rouydel,
Chan Ting. dari
2013. Sistem H., Assimi, S., &
2011. An ERP http://dx.doi.or
Pendukung Eyvazi, H. R.
model for g/
Keputusan 2011. Supplier
supplier 10.1016/j.eswa
Pemilihan Dosen selection and
selection in .2011.09.074
Teladan order allocation a
electronics Saaty, T. L. 2004.
Menggunakan main factor in
industry. Fundamentals supply chain. In
Metode Fuzzy Expert System of the analytic
Analytical Proceeding of 3rd
with network
Hierarchy Process International
Application, process
(F-AHP) (Studi Conference on
38(3): 1760 dependence
Kasus: BPPM Advanced
1765. and feedback
UIN Suska Riau). Management
Othman, M. R., in decision-
Jurnal Hasil Science.
Wozny, G., & making with a
Penelitian Dan Singapore:
Repke, J.-U. single
Karya Ilmiah IACSIT Press.
2011. Network.
Dalam Bidang Shanian, A., & Savadogo,
Selection of Journal of
Sains, Teknologi O. 2006. TOPSIS
Sustainable Systems
Dan Industri, multiple-criteria
Chemical Science and
11(1): 1218. decision support
Process Design Systems
Kementerian Riset analysis for
Using ANP: A Engineering,
Teknologi dan material selection
Biodiesel Case 13(2): 129
Pendidikan Tinggi of metallic bipolar
Study. In 157.
Direktorat plates for polymer
Proceedings of http://doi.org/
Jenderal electrolyte fuel
the 10.1007/s1151
Pendidikan Tinggi 8-006-0158-y cell. Journal of
International
Direktorat Symposium on Saaty, T. L. 2008. The Power Sources,
Pendidik dan the Analytic Analytic Network Process. 159(2): 1095
Tenaga Hierarchy 1104. Diakses dari
Iranian
Kependidikan. Process Journal of http://dx.doi.org/10
2015. Pedoman (hlm. 16). Germany. Operations .1016/j.jpowsour.2
Umum Pemilihan Research, 1(1): 005.12.0 92
Rinawati, D.I. &
Dosen Handoko, M. I. 127. Diakses Susanty, A. & Adiati, W.
Berprestasi. T. 2015. dari 2014. Pemilihan
Diakses dari Integrasi http://www.ior Strategi
http://upm.unsri.a Metode ANP s.ir/journal/ Pemasaran di
c.id/userfiles/file/ dan TOPSIS Kampoeng Kopi
1.-Pedoman- 40 Banaran
dalam
Dosen- Menggunakan
Menentukan
Berprestasi- Pendekatan
Prioritas
2015.pdf Metode ANP dan
Supplier
Kusrini. 2007. Konsep TOPSIS. J@TI
Bahan Baku.
dan Aplikasi Undip, 9(3): 163-
J@ti Undip,
Sistem 172.
10(1): 7-18.
Tanjung, H., & Abrista, D.
2013. Metodologi
Penelitian Ekonomi
Islam. Gramedia.
Tariq, A. and Rafi, K. 2012.
Intelligent Decision
Support System A
Framework. Information
and Knowledge
Management. Inf.
Knowl. Manag., 2(6).
Turban, E., Sharda, R.E.,
& Delan, D.
2005.
Decision Support and
Business Intelligent
Systems, 7th ed. Prentice
Hall.
Yanti, N., & Rahmadani, U.
2014. Penyeleksian
Calon Mahasiswa
Dengan
Fuzzy
Multi
Attribute Decision
Making
Menggunakan
TOPSIS. In K.
Surendro
(Ed.),
Konferensi
Nasional Sistem
Informasi
(hlm. 304
310).
Makassar.