Abstract - Competence of ectureris one of the factors that dosen, juga dapat dijadikan sebagai pedoman dalam
influence the achievement of learning and education, but rangka pembinaan dan pengembangan tenaga guru atau
the competence of teachers or lecturers do not stand dosen [8].
alone, but affected the educational background, teaching Evaluasi hasil studi merupakan proses penentuan
experience, and length of teaching. These competencies
tingkat kelulusan mahasiswa dalam menempuh studi [9].
include pedagogic competence, professional, personal and
social. To perform the analysis in this case using Fuzzy
Output terakhir dari perguruan tinggi adalah predikat
Quantification Theory I (FQT) is a qualitative assessment kelulusan. Predikat kelulusan sebagai penghargaan
of the relationship between the factors of professional akademik atas prestasi yang diperoleh seorang
competence of students to faculty and student attendance mahasiswa selama mengikuti pendidikan di Universitas
for the graduation of students. The results of this study Muhammadiyah Purwokerto terdiri ata tiga tingkat yaitu
demonstrate that the professional competence of lecturer memuaskan, sangat memuaskan dan dengan pujian yang
who most influence on the final value of students is the ditandai dalam transkip akademik. Klasifikasi predikat
ability to give relevant examples of the concepts being kelulusan yang ditetapkan di Universitas
taught, which has a value of 3.2717 weight category with a Muhammadiyah Purwokerto adalah IPK (Indeks Prestasi
contribution of 1.1255.
Komulatif) 2,76 – 3,50 sangat memuaskan, 3,51 – 4,00
Keywords: Professional Competence, FQT, qualitative,
dengan pujian (cum laude).Selain IPK untuk mengukur
relevant, contribution tingkat keberhasilan lulusan dalam menyerap ilmu
pengetahuan adalah lama studi. Semakin tinggi IPK dan
semakin kecil lama studi lulusan maka akan semakin
I. PENDAHULUAN baik, sehingga jika IPK dan lama studi dijadikan sebagai
Kompetensi guru atau dosen adalah salah satu faktor dasar klasifikasi, maka dapat mengukur tingkat
yang mempengaruhi tercapainya tujuan pembelajaran keberhasilan dan kecepatan lulusan menyelesaikan
dan pendidikan, namun kompetensi guru atau dosen studinya. Hasil klasifikasi ini diharapkan dapat
tidak berdiri sendiri, tetapi dipengaruhi latar belakang memberikan gambaran mengenai lulusan suatu program
pendidikan, pengalaman mengajar, dan lamanya studi atau perguruan tinggi berdasarkan kualitas lulusan
mengajar. Kompetensi ini meliputi kompetensi dinyatakan oleh IPK dan lama studi [1].
pedagogik, profesional, kepribadian dan sosial. Tugas guru atau dosen adalah membantu peserta
Kompetensi guru atau dosen dapat dinilai penting didik agar mampu melakukan adaptasi terhadap berbagai
sebagai alat seleksi dalam penerimaan calon guru atau tantangan kehidupan serta desakan yang berkembang
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 99
dalam dirinya. Pemberdayaan peserta didik ini meliputi Secara umum metode kuantifikasi menggunakan
aspek-aspek kepribadian terutama aspek intelektual, data kasar seperti hasil evaluasi dan pendapat orang
sosial, emosional, dan keterampilan. Tercapainya tujuan yang mana kuantitas dan pemahanan tentang data-data
proses belajar mengajar dalam suatu perguruan tinggi tersebut tidak secara normal diekspresikan secara
tidak terlepas dari peranan dosen dan mahasiswa. numeris. Biasanya, suatu pendapat atau evaluasi
Keaktifan para dosen dalam memberikan perkuliahan terhadap suatu aktivitas akan direpresentasikan dalam
dan keaktifan mahasiswa dalam mengikuti proses belajar bentuk kualitatif secara linguistik, seperti: baik, cukup,
mengajar menjadi kunci utama suksesnya proses belajar buruk, puas, dll. Padahal sebenarnya, untuk
mengajar. Suksesnya proses belajar mengajar, bagi membandingkan pendapat atau evaluasi akan lebih
mahasiswa, dapat dilihat dengan alat ukur berupa nilai mudah apabila ekspresi yang berbentuk kualitatif
akhir yang diperoleh. Sedangkan kesuksesan seorang tersebut diganti dengan bentuk numeris. Untuk
dosen adalah dari kompetensi yang dimilikinya, dalam keperluan tersebut, maka dibutuhkan metode
hal ini adalah kompetensi profesional. kuantifikasi. Fuzzy quantification theory adalah metode
Selama ini alat ukur yang digunakan LJM (Lembaga untuk mengendalikan data kualitatif dengan
Jaminan Mutu) Universitas Muhammadiyah Purwokero menggunakan teori himpunan fuzzy. Pengendalian disini
untuk memantau kinerja atau kompetensi dosen adalah lebih dimaksudkan untuk menjelaskan kejadian-kejadian
menggunakan IKAD (Indeks Kinerja Akademik Dosen). fuzzy menggunakan nilai dalam rentang [0, 1] yang
Sistem IKAD ini berlaku untuk semua Fakultas dan mengekspresikan pendapat-pendapat secara kualitatif
Program Studi (Prodi) khususnya Prodi Teknik [4].Apabila terdapat sampel data xk (k=1,2,...,n), dengan
Informatika. Sistem penentu IKAD ini masih dilakukan derajat keanggotaan pada fuzzy group B adalah µB[xk],
secara manual yaitu dengan menggunakan formula- dan terdapat S fuzzy group, maka dapat dicari total mean
formula atau rumus-rumus matematis dalam m dan mean mBi (i=1,2,...,S) sebagai berikut (persamaan
penghitungannya tidak secara otomatis. 1 - 4):
Menurut Undang-undang Nomor 14 Tahun 2005 1 S n
tentang Guru dan Dosen, kompetensi profesional adalah
m= ∑ ∑ x k µ Bi [x ] ….. (1)
N i =1 k =1
“kemampuan penguasaan materi pelajaran secara luas 1 n
∑ xk µ Bi [x ]
m Bi = …..(2)
dan mendalam”. Maksudnya adalah kompetensi atau N ( Bi ) i =k
kemampuan yang berhubungan dengan penyesuaian
dengan,
tugas-tugas keguruan dan dosen yang dapat membantu
n
anak didiknya dalam mengembangkan materi yang telah N ( B ) = ∑ µ B [xk ] …. (3)
diberikan. Indikator profesionalisme seorang dosen i=k
adalah penguasaan materi pelajaran secara luas dan S
100 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
Tabel 1. Karakteristik Fuzzy Quantification Theory I yang lain bersifat tetap dapat dilihat melalui koefisien
No. Ekstenal Kategori Fuzzy korelasi parsial.
(k) Data (y) A 1… A i … A p Group (B) Fuzzy mean dan fuzzy covariance untuk kategori ke-
1 y1 µ1(1) ... µi(1) ... µP(1) µB(1) i dan y(k) adalah sebagai berikut (persamaan 16 – 17):
2 y2 µ1(2) ... µi(2) ... µP(2) µB(2)
3 y3 µ1(3) ... µi(3) ... µP(3) µB(3) r σ ij
……… (16)
ij =
σ ii σ jj
k yk µ1(k) ... µi(k) ... µP(k) µB(k)
r σ iy ..……. (17)
N yN µ1(n) ... µi(n) ... µP(n) µB(n) iy =
σ iiσ yy
Tabel 1 menunjukkan karakteristik Fuzzy Disini, Xi(k) = aiµi(k). Dengan menggunakan covariance
Quantification Theory I. Pada tabel tersebut terdapat n tersebut, koefisien korelasi fuzzy rij dan riy dapat dicari
buah sampel. External Standard (y) menunjukkan fungsi dengan persamaan 18 – 22 berikut.
tujuan. yk adalah fungsi tujuan dari sampel ke-k. µi(k) 1 M n …… (18)
adalah derajat suatu tanggapan terhadap kategori X =
i ∑∑
X ( k ) µ (k )
N r =1 k =1
i Br
kulitatif ke-i (i=1,2, ..., P) pada sampel ke-k yang diberi 1 M n
nilai [0, 1]. y= ∑∑ X y ( k ) µ Br ( k ) ….. (19)
N r =1 k =1
Fuzzy Quantification Theory I sama halnya
menentukan suatu fungsi linear dari beberapa kategori
(persamaan 8):
1 M n
σ ji = (
∑∑ Xi (k) − X i X j (k) − X j µBr (k)
N r=1 k=1
)( )
p
y (k ) = ∑ a i µ i (k ) …….. (8) ….. (20)
i =1 1 M n
N r=1 k=1
(
σiy = ∑∑ Xi (k) − Xi y(k) − y j µBr (k)….. )( )
Persamaan tersebut diharapkan menghasilkan variasi
(21)
tujuan dengan memberikan nilai error yang sangat kecil.
Untuk keperluan tersebut, dapat disusun bentuk matriks σ yy =
1 M n
N r =1 k =1
2
(
∑∑ y(k ) − y j µ Br (k ) ) …..
(persamaan 9 - 12):
y ' = [ y1 , y 2 ,..., y n ] ….. (9) (22)
µ B (1) 0 Dari sini dapat dibentuk matriks R dengan elemen-
G = O
.… (10) elemen sebagai berikut (persamaan 23 – 24):
1 r12 L r1K r1 y
0 µ B (n) r
21 1 L r12 r2 y
µ1 (1) L µ i (1) L µ P (1) …… (23)
M M M …… (11) R= M M M M
X = [µ i (k )] = µ1 (k ) L µ i (k ) L µ p (k ) rK 1 rK 2 L 1 rKy
M M M ry1 ry 2 L ryK 1
µ 1 ( n) L µ i ( n) L µ p ( n)
invers dari matrik R adalah :
a ' = [a1 , a2 ,..., an ] ….. (12) r 11 r 12 L r 1K r 1 y
21
Dengan demikian, error variance σ B2 untuk fuzzy group r r 22 L r 2 K r 2 y
B adalah (persamaan 13 -14): R −1 = M M M M .……. (24)
1 K1
σ B2 = ( y − X a )' G( y − X a ) …… (13) r r K 2 L r KK r Ky
N ( B) r y1 r y 2 L r yK r yy
dari
∂σ B2 Kemudian variabel y dan koefisien korelasi parsialnya,
= −2 X ' Gy + 2 X ' GX a = 0 …… (14) riy dengan i=1, 2, ...,i-1, i+1, ..., K adalah:
∂a
Bobot kategori a yang meminimumkan error variance − r iy
diberikan dengan persamaan 15. riy = ……. (25)
a = ( X ' GX ) X ' Gy
−1
…… (15) r ii r yy
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 101
Koefisien korelasi parsial ini menunjukkan pengaruh SDLC (System Development Life Cycle), yaitu berupa
variabel ke-i pada variabel y apabila variabel lainnya tahapan-tahapan sebagai berikut :
tetap [3].
Aplikasi ini dibangun menggunakan bahasa A. Analisiskebutuhan
pemrograman C#. C# (c sharp) yang merupakan sebuah 1. Kebutuhan Hardware berupa Laptop Acer
bahasa pemrograman berbasis objek yang didukung oleh Aspire 4720Z, dengan spesifikasi Processor
Microsoft.NET Framework. Microsoft.NET Framework Intel(R) Pentium(R) dual-core CPU T2330 @
adalah perantara agar aplikasi dengan bahasa 1.60GHz, RAM DDR II 1 GB, DVD-Super
pemrograman yang didukung dapat berkomunikasi Multi DL, dan Harddisk 80GB
dengan sistem operasi yang digunakan oleh komputer 2. Kebutuhan Software meliputi Windows XP
[2]. Tool yang dipakai adalah Visual Studio 2010 Profesional SP 2, Ms Visual Studio 2010
Express Edition. Visual Studio adalah sebuah tool yang Express edition, dan Microsoft SQL server 2005.
dikembangkan oleh Microsoft yang digunakan untuk B. Desain Sistem
membangun aplikasi, baik itu aplikasi windows form Desain sistem disini digambarkan dengan diagram
ataupun aplikasi web. Sistem ini akan menggunakan alur menggunakan flowchart(Gambar 1).
database server Ms Sql Server 2005. Database server
adalah sebuah server yang melayani akses pemakai Analisa kebutuhan
terhadap data[6].
Berdasarkan uraian di atas, maka tujuan penelitian
ini adalah sebagai berikut: Desain
1. menganalisis hubungan antara kompetensi
profesional dosen terhadap tingkat kelulusan
menggunakan fuzzy quantification theory I. Pengkodean
2. menganalisis hubungan antara kehadiran mahasiswa
terhadap tingkat kelulusan menggunakan fuzzy
quantification theory I. Pengujian
3. menganalisis hubungan antara kompetensi
profesional dan kehadiran mahasiswa terhadap
tingkat kelulusan menggunakan fuzzy quantification Penerapan program
theory I.
4. membangun sistem penentu hubungan antara
Gambar 1. Diagram Alur Sistem FQT Kompetensi Profesional
kompetensi profesional dan kehadiran mahasiswa Dosen
terhadap tingkat kelulusan menngunakan fuzzy
quantification theory I. Analisa kebutuhan meliputi pengumpulan data
eksternal, fuzzy group, dan penyelesaian masalah
II. METODE menggunakan Fuzzy Quantification TheoryI. Pada
Penelitian ini merupakan penelitian pengembangan penelitian ini, digunakan data hasil evaluasi kompetensi
yaitu mengembangkan sistem untuk menganalisa profesional dosen, tingkat kehadiran mahasiswa, dan
hubungan antara kompetensi profesional dan kehadiran distribusi nilai akhir mahasiswa di Jurusan Teknik
mahasiswaterhadap nilai kelulusan mahasiswa dalam Informatika pada semester genap tahun akademik
suatu mata kuliah. Pengumpulan data menggunakan 2010/2011.Selanjutnyadilakukan tahapan Fuzzy
metode studi literatur, dokumentasi, dan angket. Studi Quantification Theory I sebagai berikut :
literatur dimaksudkan untuk mengkaji informasi melalui 1. menentukan variabel – variabel yang akan
media cetak seperti buku dan jurnal. Dokumentasi menjadi atribut untuk Fuzzy group. Kemudian
digunakan untuk pengambilan data kompetensi menyusun tabel yang merepresentasikan data atau nilai
profesional dan kehadiran dosen, serta data nilai dari atribut tersebut.
mahasiswa. Sedangkan angket digunakan untuk
mengumpulkan data penilaian mahasiswa terhadap 2. membuat Fuzzy groupdari tiap atribut yang
kompetensi profesional dosen. nilainya pada selang [0,1], kemudian menyusun tabel
Metode yang digunakan dalam pengembangan yang merepresentasikan data atau nilai atribut tersebut.
sistem pada penelitian ini adalah menggunakan metode 3. menganalisa tiap Fuzzy group untuk
mendapatkan persamaan fungsi lineardari tiap atribut,
102 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
sehingga didapatkan bobot kategori dan penambahan group yang dilakukan dengan menggunakan fuzzy
kontribusi dari tiap atribut . quantification theory I.
5. menentukan kesimpulan.
4. membuat tabel rangkuman bobot kategori
atribut dan penambahan konstibusinya untuk tiap fuzzy Sistem dirancang berdasarkan table dengan relasi seperti
pada Gambar 2.
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 103
5. Fuzzy Group 5 (P5) : Penguasaan akan isu-isu p/5 ; 0 ≤ p <5
mutakhir dalam bidang yang diajarkan. µKompetensi[p] = ……….. (26)
6. Fuzzy Group 6 (P6) : Penggunaan hasil-hasil 1 ;x=5
penelitian untuk meningkatkan kualitas
Selanjutnya disusun tabel yang merepresentasikan data
perkuliahan.
atau nilai dari atribut yang dipakai dan membuat fuzzy
7. Fuzzy Group 7 (P7): Pelibatan mahasiswa dalam
group dari tiap atribut dan mencari nilai fungsi
penelitian/kajian dan atau
keanggotaan yang nilainya pada selang [0,1] atau
pengembangan/rekayasa/desain yang dilakukan
dengan kata lain melakukan normalisai data, kemudian
dosen.
menyusun tabel yang merepresentasikan data atau nilai
8. Fuzzy Group 8 (P8) : Kemampuan
atribut tersebut. Variabel yang dipakai adalah
menggunakan beragam teknologi komunikasi.
kompetensi profesional dosen, kehadiran mahasiswa dan
Data Kompetensi Profesional dinormalisasi dengan
nilai akhir mahasiswa (Gambar 3).
persamaan 26.
104 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
mempertimbangkan faktor – faktor lainnya, sehingga kompetensi profesional dan kehadiran mempunyai
diperoleh persamaan regresi linear berikut, dengan hubungan erat positif. Dan begitu juga untuk Nilai
persamaan seperti pada Gambar 5. koefisien korelasi antara kehadiran mahasiswa dengan
nilai mahasiswa sebesar r = 0.692654 atau r = 69.2654
y = 4.887709 + -2.793296 µ[x]
%, yang berarti bahwa antara kehadiran mahasiswa dan
atau
nilai mahasiswa juga mempunyai hubungan erat positif.
y = 4.887709 + -0.558659 x
Berikutnya dilakukan analisa tiap Fuzzy group untuk
mendapatkan persamaan fungsi linear menggunakan
Fuzzy Quantification TheoryI dari tiap atribut, sehingga
didapatkan bobot kategori dan penambahan konstribusi
dari tiap atribut (Gambar 7).
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 105
Gambar 8. Analisis Fuzzy Group– 1
Setelah data karakteristik Fuzzy Quantification theory I
untuk fuzzy group – 1 disusun, kemudian dicari vektor
bobot kategori dari fuzzy group – 1 yang hanya berisi
satu elemen dengan menggunakan persamaan 30.
a = (X’GX)-1X’Gy ……….. (30)
keterangan : Dengan menggunakan matriks X, G dan y di atas,
a : nilai bobot kategori kemudian dilakukan perhitungan bobot kategori untuk
X : Matriks X berukuran n sampel di kalikan 1 fuzzy group – 1dandiperoleh
(100X1), dengan elemen baris berisi derajat a = (X’GX)-1 X’Gy = 3,25241721870721
keanggotaan dari sampel pada kategori sehingga, dari persamaan 30 diperoleh :
kehadiran mahasiswa tertinggi. y1 = 3.2524µ[x] atau y1 = 0.2323 x
G : Matiks G merupakan matriks bujur sangkar Kontribusi tambahan dari fuzzy group – 1 kemampuan
dengan nilai elemen diagonalnya berisi nilai seorang dosen menjelaskan pokok bahasan/topik secara
Fuzzy Group – 1 (Kemampuan menjelaskan tepat, dapat dicari dengan mengurangi nilai koefisien
pokok bahasan/topik secara tepat) dan elemen regresi linier antara kehadiran dan nilai akhir mahasiswa
lainnya berisi nol. Matriks G berukuran dengan nilai bobot kategori dari fuzzy group – 1.
banyaknya sampel X banyaknya sampel (100 X Sehingga tambahan konstribusi kemampuan
100). menjelaskan pokok bahasan/topik secara tepat terhadap
y : Matriks y adalah matriks berukuran n sampel di nilai mahasiswa diperoleh:
kalikan 1 (100X1), dengan elemen baris adalah y1 – y = 3.2524 –2.3751 = 0.8772
nilai akhir mahasiswa. atau sebesar = 0.2323 - 0.1696 = 0.0626
2. Fuzzy Group – 2 : Kemampuan memberi contoh
relevan dari konsep yang diajarkan. Analisis fuzzy group
– 2, diperlukan data karakteristik Fuzzy Quantification
TheoryI untuk menunjukkan hubungan antara kehadiran
mahasiswa dengan kemampuan memberi contoh relevan
dari konsep yang diajarkanuntuk mendapatkan nilai
akhir mahasiswa(Gambar 9).
106 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
Gambar 9. Analisis Fuzzy Group – 2
Selanjutnya dicari vektor bobot kategori dari fuzzy group relevan dari konsep yang diajarkan terhadap nilai
– 2 yang hanya berisi satu elemen dengan menggunakan mahasiswa diperoleh:
persamaan 30, diperoleh bobot kategori y2 – y = 3,2717 –2.3751 = 0.8966
atau sebesar = 0.2336 - 0.1696 = 0.0640
a = (X’GX)-1 X’Gy = 3.27177655136857
sehinggay2 = 3,2717µ[x] atau y2 = 0.2336x 3. Fuzzy Group – 3 : Kemampuan menjelaskan
keterkaitan bidang/topik yang diajarkan dengan topik
Kontribusi tambahan dari fuzzy group – 2 kemampuan
lain. Analisis fuzzy group – 3, diperlukan data
memberi contoh relevan dari konsep yang diajarkan,
karakteristik Fuzzy Quantification TheoryI untuk
dapat dicari dengan mengurangi nilai koefisien regresi
menunjukkan hubungan antara kehadiran mahasiswa
linier antara kehadiran dan nilai akhir mahasiswa dengan
dengan kemampuan menjelaskan keterkaitan
nilai bobot kategori dari fuzzy group – 2. Sehingga
bidang/topik yang diajarkan dengan topik lain untuk
tambahan konstribusi kemampuan memberi contoh
mendapatkan nilai akhir mahasiswa (Gambar 10).
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 107
Sebagaimana halnya dengan pencarian vector bobot y3 – y = 3.2541–2.3751 = 0.8789
kategori dari fuzzy group, maka diperoleh atau sebesar = 0.2324 - 0.1696 = 0.0627
a = (X’GX)-1 X’Gy = 3.25412601301488 4. Fuzzy Group – 4 : Kemampuan menjelaskan
sehinggay3 = 3.2541µ[x] atau y3 = 0.2324.x keterkaitan bidang/topik yang diajarkan dengan konteks
Kontribusi tambahan dari fuzzy group – 3 kemampuan kehidupan. Analisis fuzzy group – 4, ditunjukkan pada
menjelaskan keterkaitan bidang/topik yang diajarkan Gambar 11.
dengan topik lain diperoleh:
108 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
Diperolehbobot kategori sebesara = 3.21804866092753 6. Fuzzy Group – 6 : Penggunaan hasil-hasil
sehinggay5 = 3.2180µ[x] atau y5 = 0.2298x. penelitian untuk meningkatkan kualitas perkuliahan.
Kontribusi tambahan dari fuzzy group – 5 diperoleh: Hasilanalisisdiperlihatkanpada Gambar 13.
y5 – y= 3.2180 –2.3751 = 0.8429
atau sebesar 0.2298 - 0.1696 = 0.0602
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 109
Dari perhitungan bobot kategori diperoleha = atau sebesar = 0.2314 - 0.1696 = 0.0617
3.24000200166462, sehingga y7 = 3.2400µ[x] atau y7 =
8. Fuzzy Group – 8 : Kemampuan menggunakan
0.2314x.
beragam teknologi komunikasi. Hasil analisis
Kontribusi tambahan dari fuzzy group – 7 diperoleh:
ditunjukkan pada Gambar 15.
y7 – y = 3.2400 –2.3751 = 0.8648
110 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.
Pada Gambar 16 terlihatbahwa nilai yang terbesar dengan nilai bobot kategorinya 3.2717 atau 0.2336 dan
terdapat pada fuzzy group – 2 yaitu kemampuan penambahan konstribusinya sebesar 1.255 atau 0.0803.
memberi contoh relevan dari konsep yang diajarkan
JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M. 111
[5] Maulana, I., dkk, 2006, Pengembangan aplikasi bank. [8] Prasetya E. 2011. Empat Kompetensi Dasar Guru.
Fasilkom UI., Jakarta http://www.google.com/Empat-Kompetensi-Dasar-Guru-
[6] Nugroho, A, 2009, T-Sql Query dan Programming Ms Sql ExiaBlog’s.htm. Diakses pada tanggal 3 Oktober 2011.
Server. Penerbit Andi, Yogyakarta. [9] UMP, 2011, Panduan Akademik, Universitas
[7] Tim Pokja Sertifikasi Dosen. 2007. Sertifikasi Dosen. Muhammadiyah Purwokerto, Purwokerto.
Direktorat Ketenagaan Direktorat Jendral Pendidikan
Tinggi.
112 JUITA ISSN: 2086-9398 Vol. II Nomor 2, Nopember 2012 | Wiharti, Y.W., Mustafidah, H., dan Hamka, M.