Volume 2, No.

2, Desember 2018 e-ISSN 2580-9741

p-ISSN 2088-3943

PENERAPAN METODE COMPOSITE PERFORMANCE INDEX

DALAM MENDUKUNG PENGAMBILAN KEPUTUSAN
PEMILIHAN GURU TERBAIK (STUDI KASUS : SDN 003
PAGARAN TAPAH)
R Mahdalena Simanjorang

Teknik Informatika
STMIK Pelita Nusantara Medan Jln. Iskandar Muda No. 1, 20154, Indonesia
lenasinaga30@gmail.com

Abstrak
Perkembangan Teknologi Informasi memiliki dampak yang sangat besar dalam berbagai sisi kehidupan,
mulai dari pemerintahan, administrasi, ekonomi, dan pendidikan. Mengenai masalah pendidikan khususnya,
pemanfaatan teknologi injbrmasi ini akan membawa perubahan yang sangat baik dilam sistem pedidikan yang
akan dikembangkan materi yang ankan disampaikan. Dengan adanya teknologi komputer sebagai pendukung
dalam pemrasesan data dan informasi sudah menrjadi kebutuhan semua manusia, sehingga informasi
informasi yang dibutuhkan dapat diperoleh dengan cepat dan akurat. Bahkan salah satu salah satufaktor yang
paling panting dalam masalah teknologi informasi adalah masalah jaringan atau media akses yang menjadi
jembatan antar sumber belajar dan pihak yang terlibat proses pembelajaran. roses Penilaian Kinerja Guru
pada metode Composite Performance index (CPI) merupakan hal yang sangat baik dalam pengembangaan
tingkat pengetahuan pada masyarakat awam, sehingga pemanfaatan teknologi informasi dapat bermanfaat
secara maksimal pada setiap lapisan masyarakat.

Kata Kunci : Informasi, SPK, CPI

1. Pendahuluan kecakapan, pengalaman dan kesungguhan serta

Peningkatan mutu pendidikan ditentukan oleh
kesiapan sumber daya manusia yang terlibat dalam
proses pendidikan. Guru rnerupakan salah satu
faktor penentu tinggi rendahnya mutu hasil
pendidikan mempunyai posisi strategis maka
setiap usaha peningkatan mutu pendidikan perlu
memberikan perhatian besar kepada peningkatan
guru baik dalam segi jumlah maupun mutunya.
Guru sebagai tenaga kependidikan merupakan
salah satu faktor penentu keberhasilan tujuan
pendidikan, karena guru yang langsung
bersinggungan dengan peserta didik, untuk
memberikan bimbingan yang akan menghasilkan
tamatan yang diharapkan. Guru merupakan sumber
daya manusia yang menjadi perencana, pelaku dan
penentu tercapainya tujuan pendidikan. Untuk itu
dalam menunjang kegiatan guru, diperlukan iklim
sekolah yang kondusif dan hubungan yang baik
antar unsur-unsur yang ada di sekolah antara lain
kepala sekolah, guru, tenaga administrasi dan
siswa. Serta hubungan baik antar unsur-unsur yang
ada di sekolah dengan orang tua murid maupun
masyarakat.
Kinerja guru harus selalu ditingkatkan
mengingat tantangan dunia pendidikan untuk
menghasilkan kualitas sumber daya manusia yang
mampu bersaing di era global semakin ketat.
Kinerja guru (performance) "merupakan hasil yang
dicapai oleh guru dalam melaksanakan tugas-tugas
yang dibebankan kepadanya yang didasarkan atas
penggunaan waktu. Upaya-upaya untuk
meningkatkan kinerja itu biasanya dilakukan
dengan cara memberikan motivasi disamping cara-
cara yang lain. Guru hakekatnya adalah sebuah
jabatan profesi yang dalam kiprahnya
membutuhkan suatu keahlian khusus dibidangnya,
memiliki komitmen dan tanggung jawab moral
dalam mengantar para peserta didik pada dunia
kehidupan yang lebih dewasa dan berguna bagi
semua, merniliki kecintaan, keikhlasan kepedulian
pada profesi yang diembannya.
Perkembangan Sistem Pendukung Keputusan
(SPK) atau Decision Support Sistem (DSS)
pertama kali diungkapkan pada awal tahun 1970-
an oleh Michael S.Scott Morton dengan istilah
Management Decision Sistem, Sistem tersebut
adalah suatu sistem yang berbasis computer yang
ditujukan untuk membantu mengambil keputusan
dengan memanfaatkan data dan model tertentu
untuk memecahkan berbagai persoalan yang tidak
terstruktur.
2. Teori
a. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau
Decision Support System (DSS) didefinisikan
sebagai suatu sistem informasi untuk membantu
manajer levei menengah untuk proses pengambilan
keputusan setengah terstruktur (semi structured)
supaya lebih efektif dengan menggunakan model-

180
Jurnal Mantik Penusa Vol. 2, No. 2 Desember 2018, pp. 180-184 Terakreditasi DIKTI No.SK 21/E/KPT/2018
 Volume 2, No. 2, Desember 2018
model analisis dan data yang tersedia. (sumber :
Sistem Teknologi 1nfi;rmasi, Jogiyanto, 2005)
b. Konsep Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) mulai
dikembangkan pada tahun 1960 -an, tetapi istilah
Sistem Pendukung Keputusan itu sendiri baru
muncul pada tahun 1971, yangdiciptakan oleh G.
Anthony Gorry dan Micheal S.Scott Morton,
keduanya adalah profesor di MIT. Hal itu mereka
lakukan dengan tujuan untuk menciptakan
kerangka kerja guna mengarahkan aplikasi
komputer kepada pengambilan keputusan
manajemen. Sementara itu, perintis sistem
pendukung keputusan yang lain dari MIT, yaitu
Peter GIW. Keen yang bekelja sama dengan Scott
Morton telah mendefenisikan tiga tujuan yang
harus djcapai oleh sistem pendukxmg
keputusan,yajtu:
1) Sistem hams dapat membanm manajer dalam
membuat keputusan gxma
2) memecahkan masalah semi terstmktur.
3) Sistem harus dapat rnendukung manajenbukan
mencoba menggantikannya.
4) Sistem hams dapat meningkatkan efektivitas
pengambilan keputusan manajer.
Tujuan-tujuan tersebut mengacu pada tiga prinsip
dasar sistem pendukungkeputusan (Kadarsah,
1998), yaitu:
a) Struktur masalah : untuk masalah yang
terstruktur, penyelesaian dapat dilakukan
dengan mcnggunakan rumus-rumus yang
sesuai, sedangkan untuk masalah terstruktur
tidak dapat dikomputerisasi. Sementara itu,
sistem pendukung keputusan dikembangkan
khususnya untuk menyelesaikan masalahyang
semi terstruktur.
b) Dukungan keputusan : sistem pendukung
keputusan tidak dimaksudkan untuk
menggantikan manajer, karena komputer
berada di bagian terstruktur,sementara manajer
berada dibagian tak terstruktur untuk
memberikan penilaian dan melakukan analisis.
Manajer dan komputer bekerja sama sebagai
sebuah tim pemecah masalah semi terstruktur.
c) Efektivitas keputusan : tujuan utama dari
sistem pendukung keputusan bukanlah
mernpersingkat waktu pengambilan keputusan,
tetapi agar keputusan yang dihasilkan dapat
lebih baik.
c. Composite Performance lndek (CPI)
Composite Performance lndek (CPI) digunakan
untuk memilih beberapa alternatif. Teknik CPI
merupakan indeks gabungan (composite index)
yang dapat digunakan untuk menentukan penilai
an atau peringkat dari berbagai altematif (i).
Prosedur penyelesaian CPI adalah:
Jurnal Mantik Penusa Vol. 2, No. 2 Desember 2018, pp. 180-184
e-ISSN 2580-9741
p-ISSN 2088-3943
1) Identifikasi kriteria tren positif (semakin tinggi
nilainya semakin baik) dan tren negatif
(semakin rendah nilainya semakin baik).
2) Untuk kriteria tren positif, nilai minimum pada
setiap kriteria ditransformasi ke seratus,
sedangkan nilai lainnya ditransformasi secara
proporsional lebih tinggi
3) Untuk kriteria tren negatif, nilai minimmn pada
setiap kriteria ditransformasi ke seratus,
sedangkan nilai lainnya ditransformasi secara
proporsional lebih rendah. lndeks gabungan
yang digunakan untuk menentukan penilaian
atau peringkat dari berbagai alternatif
keputusan berdasarkan beberapa kriteriadari
setiap aitematif, dirumuskan sebagai berikut:
di mana:
Aij = Nilai alternatif ke-i pada kriteria ke-j
Xij = Nilai awal alternatif ke-1 pada kriteria ke-j
Xij(min) = Nilai alternatif ke-i pada kriteria
minimum ke-j
Bi = Bobot kepentingan kriteria ke-j
Ii = lndeks gabungan kriteria pada altematif ke-1
3. Analisa
a. Analisa Masalah
Pengalaman yang muncul saat diadakannya
proses pemilihan serta penyeleksian guru terbaik
yang dilakukan setiap tahunnya memberikan guru
menjadi yang berguna. Sebagaimana telah
diuraikan pada latar belakang masalah, bahwa
SDN 003 Pagaran Tapah membutuhkan alat bantu
yang dapat menghasilkan keterangan diterima atau
tidak diterima dengan cepat dan akurat.
Pengambilan keputusan yang dilakukan selama ini
cukup memakan waktu. Oleh karena itu dapat
disimpulkan bahwa SDN O03 Pagaran Tapah
memerlukan suatu Aplikasi Pendukung Keputusan
berbasis komputer untuk dapat mernbantu dalam
pengambilan keputusan dan proses analisis lebih
akurat.
b. Analisa Model FMADM dengan Metode
CPI
Dalam penyeleksian Guru Terbaik dengan
menggunakan model Fuzzy Multiple Attribute
Decision Maaking (FIMADM) dengan metode
Composite Performance index (CPI) diperlukan
kreteria-kreteria dan bobot untuk melakukan
perhitungannya sehingga akan didapat alternative
terbaik, dalam hal ini alternatif yang dimaksud
adalah Peserta guru — guru SDN O03 Pagaran
Tapah.
181
Terakreditasi DIKTI No.SK 21/E/KPT/2018
 Volume 2, No. 2, Desember 2018 e-ISSN 2580-9741
p-ISSN 2088-3943

c. Kriteria dan Bobot Gum Terbaik. Data-data dari tiap Gum tersebut
Dalam me-tode CPI terdapat kriteria yang akan dimasukan ke dalam Tabel 4 di bawah ini :
dijadikan bahan perhimngan pada proses
perangkingan. Hal itu dimaksud untuk menentukan Tabel 4.
siapa yang akan terseleksi sebagai peserta didik. Data Daftar Guru Terbaik
Adapun kreteria yang menjadi bahan pertimbangan
pihak sekolah adalah Dapat dilihat pada tabel 1
sebagai berikut:

Tabel 1.
Kriteria

Kriteria Keterangan

C1 Kemampuan bidang studi

Berdasarkan langkah-langkah menggunakan
C2 Tanggung jawab
C3 kreatifitas
metode Fuzzy Multiple Attribute Decision Making
C4 Kornunikasi (FAMDM) maka yang hams dilakukan untuk
menyeleksi menentukan yayasan/panitia terhadap
Dalam tahapan ini dibutuhkan kriteria yang akan calon peserta calon Gum Terbaik dengan
dijadikan bahan Terbaik. Hal tersebut dimaksud menggunakan metode Composite Peijormance
untuk menentukan siapa yang akan terpilih Index yaitu: Memberikan nilai setiap alternatif (Ai)
beberapa sebagai Guru Terbaik. Adapun kreteria pada setiap kriteria (Cj) yang sudah ditentukan.
yang dibutuhkan sebagai bahan pertimban pada a. Nilai rata-rata pada kriteria Kemampuan
oleh pihak yayasan/panitia dapat dilihat Tabel 2 bidang Studi. Pada variabel nilai rata-rata
berikut ini : Kemampuan bidang studi rating kecocokan
alternatif pada klitcria dinilai dengan satu
Tabel 2. sampai empat yaitu 1
Bobot Setiap kriteria 1 = Buruk
2 = Cukup
Bobot Tingkat Kepentingan 3 = Baik
1 SangatPenting Sekali 4 = Sangat Baik
2 Penting Sekali
3 Penting Rating kecocokan dari altematif terhadap kritefia
4 Kurang Penting Kemampuan Bidang Studi dapat dilihat pada Tabel
5 di bawah ini.
Pada pembobotan untuk tiap-tiap kriteria
ditentukan dari tingkat masing-masing kriteria. Tabel 5.
Tingkat kepentingan tertinggi terdapat kemampuan Nilai Rata - rata Kemampuan Bidang Studi
bidang studi, kemudian kriteria tanggung jawab
dan kreatifitas dan komunikasi juga memiliki Nilai rata rata Pembobotan Keterangan
tingkat kepentingan yang setara. Berdasarkan nilai Kemampuan Nilai
dari bobot terhadap kepentingan dari masing- Bidang Study(CI)
masing kriteria maka bobot awal untuk setia C1= 0 – 55 0,15 Buruk
C1= 60 - 65 0,25 Cukup
kriteria( C1— C4) dari setiap alternatif dapat
CI= 70 – 75 0,25 Cukup
dilihat pada Tabel 3 berikut ini .
Cl =80 - 100 0,35 Sangat Baik
Tabel 3.
Bobot tiap awal Kriteria b. Nilai rata-rata pada kriteria Tanggung Jawab
Pada variabcl nilai rata-rata Tanggung jawab
Kriteria Bobot rating kecocokan alternatif pada kriteriia dinilai
C1 1 dengan satu sampai empat yaitu :
C2 2 1 = Buruk
C3 3 2 = Cukup
C4 4 3 = Baik
4 = Sangat Baik
Dari banyaknya guru yang akan diseleksi Rating kecocokan dari alternatif terkada
diambil empat guru sebagai contoh untuk kriteria pada Tabel 6 di bawah ini.
penerapan Fuzzy Multiple Attribute Decision
Making (FMADM) dalam penyeleksian pesefla

182
Jurnal Mantik Penusa Vol. 2, No. 2 Desember 2018, pp. 180-184 Terakreditasi DIKTI No.SK 21/E/KPT/2018
 Volume 2, No. 2, Desember 2018 e-ISSN 2580-9741
p-ISSN 2088-3943

Tabel 6. kecocokan dari setiap alternative pada setiap

Nilai Rata-rata Tanggung Jawab kriteria, dapat dilihat dibawah ini.
Nilai Rata – rata Pembobotan Keterangan Tabel 9.
Tanggung Jawab Nilai Rating Kecocokan Dari Setiap Alternatif Pada Setiap
(C2) Kriteria
C2 = 0 – 55 0,15 Buruk Alternat Kriteria
C2 = 60 - 65 0,25 Cukup if C1 C2 C3 C4
C2 = 70 - 75 0,25 Cukup A1 0,25 0,25 0,25 0,15
C2 = 80 - 100 0,35 Sangat Baik A2 0,35 0,25 0,15 0,15
A3 0,25 0,25 0,15 0,25
c. Nilai rata-rata pada kriteria Kreatifitas A4 0,25 0,25 0,25 0,25
Pada variabel nilai rata-rata Kreatifitas rating
kecocokan altematif pada kriteria dinilai 0,25 0,25 0,25 0,15
dengan satu sampai empat yaitu : 0,35 0,25 0,15 0,15
X= 0,25 0,25 0,15 0,25
1 = Buruk 0,25 0,25 0,25 0,25
2 = Cukup
3 = Baik 1. Tahap seleksi
4 = Sangat Baik C1 Test kemampuan bidang study :35%
Rating kecocokan dari altematif terhadap kriteria =0,35
Kreatifitas dapat dilihat pada Tabel 7 di bawah ini. C2 Tanggmig Jawab : 25% =0,25 T W
C3 Kreatifitas : 25% =0,25
Tabel 7. C4 Komunikasi : 15% =O,l5
Nilai Rata-rata Kreatifitas
2 Memberikan nilai bobot (W).
Nilai Rata – rata Pembobotan Keterangan
Untuk mezaentukan bobot dari nilai hasil
Tanggung Jawab Nilai dibentuk dalam tabel di bawah ini :
(C3)
C3 = 0 – 55 0,15 Buruk Tabel 10.
C3 = 60 - 65 0,25 Cukup Bobot
C3 = 70 - 75 0,25 Cukup Kriteria Keterangan Nilai
C3 = 80 - 100 0,35 Sangat Baik C1 Sangat Bagus(SB) 0.35
C2 Bagus(B) 0.25
d. Nilai rata-rata pada kriteria Kreatifas C3 Bagus(B) 0.25
C4 Bagus(B) 0.15
Pada variabel nilai rata-rata Komunikasi rating
kecocokan altematif pada kriteria dinilai den
gan satu sampai empat yaitu : Dari Tabel 10 diperoleh nilai bobot (W) dengan
1 = Buruk data: W = [ 0,35 ; 0,25 : 0,25 : 0,15]
2 = Cukup
Tabel 11.
3 = Baik Bobot dam Tran Kriteria
4 = Sangat Baik
Rating kecocokan dari alternatif terhadap kriteria NO Kriteria Bobot Tren
Komunikasi dapat dilihatglada Tabel 8 di bawah 1 Kemampuan 0.35 +
ini. Bidang Studi
Tabel 8. 2 Tanggung Jawab 0.25 +
Nilai Rata-ram Komunikasi 3 Kreatifitas 0.25 -
Nilai Rata – rata Pembobotan Keterangan 4 Komunikasi 0.15 -
Tanggung Jawab Nilai
(C4) Studi Kasus
C4 = 0 – 55 0,15 Buruk
Dari banyaknya Guru yang mengajar di SDN
C4 = 60 - 65 0,25 Cukup
O03 Pagaran tapah diambii empat oxang Guru
C4 = 70 - 75 0,25 Cukup
C4 = 80 - 100 0,35 Sangat Baik
sebagai contoh untuk penerapan Composize
Performance Index (CPI) dalam penyeleksian
Supaya lebih jelas dimisalkan dari Tabel 4.8 diatas GuruTerbaik. Data-data dari tiap Guru tersebut di
merupakan data nilai sesuai kriteria calon guru masukan ke dalam Tabel 11 di bawah ini.
terbaik peflama adalah A1, calon guru terbaik ke 2
= A2, Guru Terbaik ke 3 = A3, Guru Terbaik ke 4
= A4. Tabel 4.9 di bawah ini menunjukan rating

183
Jurnal Mantik Penusa Vol. 2, No. 2 Desember 2018, pp. 180-184 Terakreditasi DIKTI No.SK 21/E/KPT/2018
 Volume 2, No. 2, Desember 2018 e-ISSN 2580-9741
p-ISSN 2088-3943

Tabel 12.
Data Penilaian d. Penghjmngan Id_calon C004
CPI = 108,3 * 0,35 + 116,6 * 0,25 + 83,33 * 0,25
+ 66,67 * 0,15 = 37,9 + 29,15 + 20,83 + 10,05 =
97,93
Berikut ini adalah table hasil perhitungan CPI :
Mengurutkan berdasarkan nilai tertinggi.

Tabel 13.
Hasil Penghitungan CPI
No Id Nama Nilai Peringkat
Tren pada kriteria Kemampuan Bidang Studi calon CPI
adalah (+), dimana semakin tinggi nilai, akan 1 C001 Ramses Saragih 98,9 3
semakin baik. 2 C002 Katerina 109,15 1
Tren (+) = Nilai N / Nilai Min * I00 3 C003 R.Sihombing 108,31 2
1. 60: 60= 1 * 100= 100 4 C004 S.Sembiring 97,93 4
2. 80:60 = 1,33 *100 = 133,3
3. 75 : 60= 1,25 * 100: 125 4. Kesimpulan
4. 70:60 = 1,08 * 100= 108,3
Berdasarkan uraian pembahasan dari penelitian
Tren pada kriteria Tanggung Jawab adalah (+), yang telah dilakukan, maka dapat diperolah
dimana semakin tinggi nilai, akan semakin baik. kesimpilan scbagai berikut :
Tren (+) = Nilai N / Nilai Min * 100 1. Sistem pendukung keputusan yang dibangun
1. 75: 60= 1,25 *10O = 125 dapat mempennudah dalam menyeleksi guru
2. 60:60=1*100=100 terbaik untuk mempercepat proses
3. 65 :60 = 1,08 *100 = 108,3 penyeieksian Guru Terbaik.
4. 70:60 = 1,16 *100 = 116,67 2. Dengan adanya sistem pendukung keputusan
dapat meminimalisir kesalahan dan pemilihan
Tren pada kriteria Kreatifitas adalah (-), dimana Guru Terbaik secara subyektif.
semakin rendah nilai, akan semakin baik.
Tren (-) 1 Nilai Min /Nilai N * I00 5. Referensi
1. 5'0 : 65 = 0,76 * 100 = 76,92
2. 50:55 =~0,9O * 100 = 90 [1]. Bin Ladjamudin Al-Bahra 2005, ’Analisis dan
3. 5O:50= * l00=100 Desain Sistem Informasi’,
4. 50 I 60 3 0,83 * 100 = 83,33 Yogyakatta: Penerbit Graha Ilmu.
[2]. Kusumadewi, Sri,2003, Artificial Intelligence
Tren pada kriteria Kreatifitas adalah (-), dimana (Teknik & Aplikasinya), Graha Ilmu,Yogyakarta.
semakin rendah nilai, akan semakin baik. [3]. Kusumadewi, S1'i,2006, Fuzzy Multi-Attribute
Tren (-) I Nilai Min /Nilai N * 100 Decision Making (Fuzzy
1. 50 : 55i0,9O *100:90 MADM),Graha Ilmu,Y0gyakarta.
2. 5O:5O= l*100=100 [4]. Dadan, Umar dan Daihani, Komputerisasi
3. 50:60 : 0,83 * 100 = 83,33 Pengambilan Keputusan, PT. ElexMedia
Komputindo, Jakarta, 2001.
4. 50 : 75 = 0,66 * 100 = 66,67
[5]. Dewi, Sri Kusuma, Hartati, Haljoko dan Wardoyo,
Fuzzy Multi Attribute
CPI=ni1ai_kriteria_1*bobot+ Decision Making (Fuzzy MADM), Graha Ilmu,
ni1ai_kriteria_2*b0but + ni1a.i_kriteria_3 *bobot 2006
+ nilai_kriteria_4*b0b0t + ni1ai_kn'teria_5*b0b0t [6]. Jogiyanto, Analisis dan Desain Sistem Informasi,
a. Penghitungan Id_calon C001 Andi Offset, Yogyakarta, 1990
CPI =100"-* 0,351+ 125 * 0,25 + 76,92 * 0,25 + [7]. Wardana, Membuat Aplikasi Berbasis Pendekatan
90 * 0,15 = 35 + 31,25 +19,23 + 13,5 = 98,9 Sistem Dengan Visual Basic Net 2008, PT. Elex
Media Komputindo, Jakarta, 2008.
b. Penghitungan Id_cal0n C002 [8]. Hasugian, P. S., Hutahaean, H. D., & Sihotang, H.
CPI = 133,3 * 0,35 +100 * 0,25 + 90 * 0,25 +100 T. (2017). Sistem Pendukung Keputusan
* 0,15 = 46,65 + 25 + 22,5 +15 = 109,15 Penentuan Guru Wali Kelas Pada SMP Negeri 19
Medan Dengan Menggunakan Metode Simple
c. Penghitungan Id_caIon C003
Additive Weighting. Journal Of Informatic Pelita
CPI = 125 * 0,35 + 108,3 * 0,25 +100 * 0,25 + Nusantara, 2(1), 32-39.
83,33 * 0,15 = 43,75 + 27,07 + 25 + 12,49 =
108,31

184
Jurnal Mantik Penusa Vol. 2, No. 2 Desember 2018, pp. 180-184 Terakreditasi DIKTI No.SK 21/E/KPT/2018