Prosiding Seminar Nasional Riset Information ISSN: 2686-0260

Science (SENARIS) September 2019

Hal:822-834

Implemententasi Metode Rank Order Cendroid (ROC)

dan Operational Competitiveness Rating Analysis
(OCRA) dalam Penilaian Kinerja Dosen Komputer
Menerapkan (Studi Kasus: STMIK Budi Darma)
Mesran1, TengkuMohdDiansyah2, Fadlina3
1STMIK Budi Darma, Medan, Indonesia
2Universitas Harapan Medan, Medan, Indonesia
3AMIK STIEKOM Sumatera Utara, Rantauprapat, Indonesai

Email: mesran.skom.mkom@gmail.com

Abstract- As an educator, the responsibilities of lecturers are demanded on three things, known
as the tri dharma of higher education. A lecturer must be able to make a real contribution to
students. Not only to students but also required to be able to cooperate well with the institutions
where the lecturers serve. In order for the performance of a lecturer to be better, then, in this
case, the educational institution can conduct a performance appraisal of the lecturers at the
institute. Effective assessment is certainly needed so that the results obtained are better and
more appropriate. For this reason, the writer tries to use the Operational Competitiveness Rating
Analysis (OCRA) and Centroid Rank Order (ROC) methods in evaluating the performance of
lecturers at STMIK Budi Darma.

Keywords: Lecturer, Assessment, Information System, ROC, OCRA Performance

Abstrak- Sebagai seorang pendidik, tanggung jawab dosen dituntut pada tiga hal, yang dikenal
dengan tridarma perguruan tinggi. Seorang dosen harus mampu memberikan kontribusi nyata
pada peserta didik. Bukan hanya kepada peserta didik, namun juga dituntut untuk dapat
melakukan kerjasama yang baik dengan institusi tempat dosen mengabdi. Agar kinerja seorang
dosen menjad ilebih baik, maka dalam hal ini, institusi pendidikan dapat melakukan penilaian
kinerja terhadap dosen yang terdapat pada institutinya. Penilaian yang efektif tentu di perlukan
agar hasil yang diperoleh lebih baik dan tepat. Untuk itu pada penelitian ini, penulis mencoba
untuk menggunakan metode Operational Competitiveness Rating Analysis (OCRA) dan Rank
Order Centroid (ROC) dalam melakukan penilaian terhadap kinerja dosen pada STMIK Budi
Darma.

Kata Kunci: Kinerja Dosen, Penilaian, Sistem Informasi, ROC, OCRA Performance

1. PENDAHULUAN
Dosen merupakan profesi pendidik yang dimiliki oleh suatu institusi perguruan
tinggi. Kualitas mahasiswa komputer sebagai pesertadidik, dapat terlihat dari kinerja
dosen komputer yang terdapat pada institusi pendidikan tersebut. Apalagi di saat
perkembangan teknologi informasi saat ini, dosen komputer dituntut untuk bisa
memberikan kontribusi yang berperan penting terhadap peserta didik. Agar dosen
menjadi lebih baik dan termotivasi untuk berkontribusi aktif pada perguruan tinggi,
Implementasi Metode ROC dan OCRA (Mesran) | 822
Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

salah satu upaya yang penting dilakukanya itu melakukan penilaian kinerja dosen. Hal
inipenting di lakukan, karena jika tanpa adanya suatu penilaian, dosen akan lebih
cenderung bersifat pasif dalam peningkatan kualitas dirinya.
Dalam penilaian kinerjanya dosen memiliki 3 tanggungjawab yang dikenal
dengan istilah tridarma perguruantinggi. Diantaranya yaitu aspek pendidikan dan
pengajaran, penelitian, pengabdian. Namun dalam pelaksananya penilaian terhadap
kinerja dosen, bukan hanya tridarma saja, namun beberapa faktor pendukung lainnya
juga dilibatkan dalam penilaian kinerja dosen, diantaranya kerjasama, pernah
tidaknya mendapatkan peringatan tertulis, memiliki buku ajar, pernah tidaknya
menjadi pembicara, keanggotaan aktif dalam organisasi profesi dan aspek penunjang
lainnya. Sehingga, bila tridarma bagi dosen sudah cukup namun aspek yang lainnya
kurang mendukung, tetap di katakan dosen belum memiliki kinerja yang baik. Peran
perguruan tinggi dalam melakukan penilaian juga mutlak diperlukan, khususnya pada
unit jaminan mutu, maupun unit lembaga penelitian dan pengabdianmasyarakat.
Kedua unit tersebut merupakan unit yang paling penting didalam melakukan
penilaian kinerja dosen, sehingga pimpinan perguruan tinggi nantinya akan lebih
mudah mendapatkan data data bagi dosen yang akan dinilai. Untuk memudahkan
pimpinan dalam menilai kinerja dosen yang terdapat di institusinya, maka dibutuhkan
sistem pendukung keputusan, yang merupakan suatu sistem informasi berbasis
komputer [1]–[3].
Sistem pendukung keputusan merupakan sistem dengan menerapkan metode-
metode tertentu dalam menghasilkan informasi, seperti pada pemilihan lokasi SPBU
menggunakan MOORA [4], efektifitas keputusan menerapkan TOPSIS [5], pemilihan
dosen terbaik menggunakan Promethee [6]. Mesran (2017), melakukan penelitian
dengan topik pemilihan dosen terbaik menerapkan metode ELECTRE dapat
memberikan hasil yang efektif, walaupun didalam proses perhitungannya metode
electre masih tidak begitu spesifik, namun hasil yang diberikan pada penelitian
tersebut dapat memberikan keputusan yang optimal bagi pimpinan perguruan tinggi
[7]. Bukan hanya pada bidang manajemen, pada bidang pendidikan, penerapan SPK
juga dibutuhkan, seperti yang dilakukan oleh Nella Astiani (2016). Penerapan SPK
pada penentuan tanaman obat herbal sangat bermanfaat, sehingga pengguna dapat
menentukan tanaman obat herbal yang tepatuntuk di kembangkan[8].
Dalam penelitian ini penulis tertarik untuk menggunakan metode Operational
Competitiveness Rating Analysis (OCRA) pada proses perangkingan terhadap
penilaian kinerja dosen. Pada metode Operational Competitiveness RatingA nalysis
(OCRA), juga membutuhkan bobot pada setiapkriterianya. Bobotkriteriapada sistem
pendukung keputusan mutlak diperlukan, banyak metode yang berkembang saat ini,
namun pada penerapannya bobottetap ditentukan sendiri oleh pengambil keputusan.
Tentu saja hal ini, kurang tepat, karena masih bersifat subyektif. Terdapat beberapa
metode yang dapat menghasilkan nilai bobot, diantaranya Rank Order Centroid[8],
Analytic Hierarchy Process (AHP) [9], Entropy [10]. Pada penelitian ini, bobot

Implementasi Metode ROC dan OCRA (Mesran) | 823

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

dihasilkan dengan menggunakan metode ROC. ROC dipilih, karena penerapannya yang
cukup sederhana, sesuai dengan tingkat prioritas dari kriteria yang digunakan.

2. METODOLOGI PENELITIAN
2.1 Kerangka Penelitian
Tahapan yang penulis lakukan pada penelitian ini melalui beberapa tahapan,
diantaranya:
a. Studi Lapangan
Pada tahapan ini, dilakukan serangkaian teknik untuk memperoleh data pada
STMIK Budi Darma, diantaranya wawancara, observasi serta sampling. Data yang
diambil berupa data-data dosen (alternatif) sebanyak 30 data dosen, kriteria.
b. Studi Literatur
Pada tahapan ini, dilakukan pemahaman terhadap objek yang akan diteliti, dengan
membaca buku-buku, jurnal, ataupun sumber bacaan yang lain. Pada tahapan ini
juga melakukan pemahaman terhadap penelitian penelitian sejenis yang pernah
dilakukan oleh penelitian lain.
c. Tahapan Analisa Masalah
Tahapan Analisa masalah bertujuan untuk mengetahui sumber masalah yang
terjadi. Sehingga penyelesaian yang dihasilkan diharapkan nantinya dapat
mengatasi permasalahan yang ada.
d. Tahapan Implementasi Metode ROC dan OCRA
Pengujian metode ditujukan untuk menghitung nilai-nilai dari setiap alternatif dan
kriteria yang ada.
e. Pembuatan laporan akhir penelitian
Tahapan akhir dari penelitian ini, yaitu mengumpulkan semua data, bahan serta
hasil pengujian yang dituangkan kedalam bentuk laporan penelitian.

2.2 Metode Rank OrderCentroid (ROC)

Pada penelitian digunakan metode Rank Order Centroid(ROC) untuk
menghasilkan nilai bobot pada tiap-tiapkriteria. Penentuan bobot Metode ROC
merupakan metode yang menitik beratkan terhadap prioritas kriteria menjadi yang
utama. Dalamhal ini, kriteria-1 merupakan prioritas yang tertinggi dibandingkan
kriteria ke 2, begitu juga kriteria ke-2 merupakan priotitas tertinggi bila dibandingkan
kriteria ke 3, selanjutnya dilakukan langkah yang sama hingga pritoritas kriteria yang
terendah [8]. Hal ini dapat dilihat pada persamaan ke 1.
Cr1 ≥ Cr2 ≥ Cr3 ≥ ... ≥ Cm (1)

Sehingga setelah di proses akan menghasilkan:

W1 ≥ W2 ≥ W3 ≥ ... ≥ Cm (2)

Untuk mendapatkan nilai bobot(W), maka digunakan persamaan ke 3, sebagai

berikut:
Implementasi Metode ROC dan OCRA (Mesran) | 824
Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

1 𝑚 1
𝑊𝑚 = ∑ ( )
𝑚 1=1 𝑖
(3)
Hasil dari total Wm, yaitu berinilai 1.

2.3 Metode Operational Competitiveness Rating Analysis(OCRA)

Metode OCRA adalah pendekatan pengukuran kinerja relatif berdasarkan sebuah
model nonparametrik[11]. Ocra pertama kali dikembangkan oleh Parkan pada tahun
1994 dan merupakan metode yang sangat berguna dan sederhana untuk menganalisis
sektor yang berbeda dan membandingkan unit keputusan yang berbeda. Ocra adalah
teknik pengukuran efisiensi non-parametrik dan pertama kali diusulkan untuk
menyelesaikan kinerja masalah pengukuran dan analisis produktivitas [11]. Proses
kerja dari metode metode Operational Competitiveness Rating Analysis(OCRA)
memiliki beberapa tahapan [12], [13], yaitu:
a. Pembentukan matriks keputusan X. Di baris keputusan matriks alternatif
ditempatkan, dan di kolom kriteria ditempatkan. Dalam matriks ini, X ij
menunjukkan kinerja alternatif i dibawah kriteria j.
𝑋11 ⋯ 𝑋12 … 𝑋1𝑛
⋮ ⋱ ⋮ ⋱ ⋮
X= [Xij]mxn= 𝑋21 … 𝑋22 … 𝑋2𝑛 i = 1,....,m; j = 1 ,2, ...., n (4)
⋮ ⋱ ⋮ ⋱ ⋮
[𝑋𝑚1 … 𝑋𝑚2 … 𝑋𝑚𝑛 ]

Dimana : m = Jumlah Alternatif

n = Jumlah criteria
Xij = Nilai performa dari alternative i terhadap kriteria j
X0j = Nilai optimum dari kriteria j

b. Peringkat preferensi dimana yang dihitung hanya nilai kinerja dari alternatif untuk
kriteria yang akan diminimalkan (cost).
̅𝐼𝑖 = ∑𝑔𝑗=1 𝑊𝑗 max(𝑋𝑖𝑗)−𝑋𝑖𝑗 (i = 1, 2, ...., m; j = 1, 2, ...., g) (5)
min(𝑋 )
𝑖𝑗

c. Pada langkah ini, menghitung peringkat preferensi linier dari setiap alternatif
untuk kriteria yang akan diminimalkan (cost).
𝐼̿𝑖 = 𝐼̅𝑖 − min(𝐼̅𝑖 ) (6)

d. Peringkat preferensi dimana yang dihitung hanya nilai kinerja dari alternatif untuk
kriteria yang akan dimaksimalkan (benefit).
̅𝑖 = ∑𝑛𝑗=𝑔+1 𝑊𝑗 𝑋𝑖𝑗 − min(𝑋𝑖𝑗 )
𝑂 (i = 1, 2, ...., m; j = g + 1, g + 2, ...., n) (7)
min(𝑋 )
𝑖𝑗

e. Pada langkah ini, menghitung peringkat preferensi linier dari setiap alternatif
untuk kriteria yang akan dimaksimalkan (benefit).
̿𝑖 = 𝑂
𝑂 ̅𝑖 − min(𝑂
̅𝑖 ) (8)
Implementasi Metode ROC dan OCRA (Mesran) | 825
Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

f. Menghitung total nilai preferensi untuk setiap alternatif.

𝑃𝑖 = (𝐼̿𝑖 + 𝑂
̿𝑖 ) – min(𝐼̿𝑖 + 𝑂
̿𝑖 ) i = 1, 2, ...., m (9)

3. HASIL DAN PEMBAHASAN

Untuk menghasilkan keputusan terhadap penilaian kinerja dosen komputer,
maka dibutuhkan data-data pendukung, yaitu data kriteria, bobot dan alternatif.
Sample data alternatif yang akandigunakansebanyak30 data dosenkomputer. Adapun
kriteria-kriteria dalam menghitung penilaian kinerja dosen, yaitu lama mengajar, h-
index gs, h-index scopus, jumlah publikasi scopus, jurnal terakreditasi, jumlah
dokumen pengabdian, sertifikat kompetensi komputer, jumlah pembicara external,
keanggotaan profesidosen, jabatan fungsional, umur, surat peringatan. Untuk lebih
jelasnya kriteria tersebut dapat dilihat pada tabel 1.

Tabel 1. Kriteria
Kriteria Keterangan Jenis
C1 H-Index Scopus Benefit
C2 H-Index GS Benefit
C3 Dok Scopus Benefit
C4 JurnalTerakreditasi Benefit
C5 DokPengabdian Benefit
C6 SertifikatKompetensi Benefit
C7 Pembicara External Benefit
C8 KeanggotaanProfesiDosen Benefit
C9 JabatanFungsional Benefit
C10 Lama Mengajar Benefit
C11 Umur Cost
C12 Surat Peringatan Cost

Pada kriteria tabel 1, belum memiliki bobot, sehingga bobot dapat dihasilkan
dengan menerapkan metode Rank Order Centroid (ROC). Perhitungan untuk
mendapatkan hasil bobot yang diinginkan dapat dilihat berikut ini, dengan
menggunakan persamaan 3.
1 1 1 1 1 1 1 1 1 1 1
1+ + + + + + + + + + +
𝑊1 = 2 3 4 5 6 7 8 9 10 11 12
= 0,259
12

1 1 1 1 1 1 1 1 1 1 1
0+ + + + + + + + + + +
𝑊2 = 2 3 4 5 6 7 8 9 10 11 12
= 0,175
12

1 1 1 1 1 1 1 1 1 1
0+0+ + + + + + + + + +
𝑊3 = 3 4 5 6 7 8 9 10 11 12
= 0,134
12

1 1 1 1 1 1 1 1 1
0+0+0+ + + + + + + + +
𝑊4 = 4 5 6 7 8 9 10 11 12
= 0,105
12

Implementasi Metode ROC dan OCRA (Mesran) | 826

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

1 1 1 1 1 1 1 1
0+0+0+0+ + + + + + + +
𝑊5 = 5 6 7 8 9 10 11 12
= 0,085
12

1 1 1 1 1 1 1
0+0+0+0+0+ + + + + + +
𝑊6 = 6 7 8 9 10 11 12
= 0,068
12

1 1 1 1 1 1
0+0+0+0+0+0+ + + + + +
𝑊7 = 7 8 9 10 11 12
= 0,054
12

1 1 1 1 1
0+0+0+0+0+0+0+ + + + +
𝑊8 = 8 9 10 11 12
= 0,043
12

1 1 1 1
0+0+0+0+0+0+0+0+ + + +
𝑊9 = 9 10 11 12
= 0,032
12

1 1 1
0+0+0+0+0+0+0+0+0+ + +
𝑊10 = 10 11 12
= 0,023
12

1 1
0+0+0+0+0+0+0+0+0+0+ +
𝑊11 = 11 12
= 0,015
12

1
0+0+0+0+0+0+0+0+0+0+0+
𝑊12 = 12
= 0,007
12

Sehingga diperoleh nilai bobot dari setiap kriteria, yaitu: W1=0,259, W2=0,175,
W3=0,134, W4=0,105, W5=0,085, W6=0,068, W7=0,054, W8=0,043, W9=0,032,
W10=0,023, W11=0,015, W12=0,007. Alternatif dosen yang digunakan pada penelitian
ini, diambil sebanyak 30 sample dosen, sebagai berikut:

Tabel 2. Alternatif Dosen

Nama C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
Nelly(A1) 0 10 0 0 10 2 2 1 IIID 10 35 0
Mesran(A2) 5 23 11 2 12 2 6 1 IIID 14,7 41 0
Garuda(A3) 1 3 2 0 12 1 0 1 IIID 14 52 0
Sinar(A4) 1 2 1 0 10 1 0 1 IIID 13,4 52 0
Hery(A5) 0 3 1 0 10 1 0 1 IIID 14 44 0
Pristiwanto(A6) 0 3 0 1 5 1 0 1 IIIC 9 37 0
Saidi(A7) 0 1 0 0 4 1 0 1 IIIB 6 29 0
Rivalri(A8) 1 4 1 0 4 2 0 1 IIIC 7,4 30 0
Guidio(A9) 0 5 0 0 6 2 1 1 IIIC 10 32 0
Imam (A10) 1 6 2 0 3 4 0 1 IIIB 5 27 0
Bister (A11) 0 0 0 0 1 1 0 1 - 2,8 28 0
Alwin (A12) 0 2 0 0 1 1 0 1 - 2,8 28 0
Fince(A13) 1 6 1 0 2 1 0 1 IIIB 5 30 0
Rian (A14) 0 0 0 0 1 1 0 1 - 2,8 27 0

Implementasi Metode ROC dan OCRA (Mesran) | 827

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

Nama C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12

Soeb(A15) 0 3 0 0 1 1 0 1 - 2,8 26 0
Syahrizal(A16) 2 6 2 0 8 1 0 1 IIIC 11 36 0
Abdul (A17) 0 1 1 0 8 1 0 1 IIIC 11 34 0
Yasir (A18) 0 1 0 0 8 1 0 1 IIIB 11 38 1
Berto(A19) 0 2 0 0 8 1 0 1 IIIB 11 34 0
Noferianto(A20) 0 1 0 0 4 1 0 1 IIIB 8 34 1
Efori(A21) 1 9 1 0 4 2 0 1 IIIC 8 31 0
Kristian (A22) 0 0 0 0 4 1 0 1 IIIB 8 38 1
Kennedi (A23) 0 3 0 0 10 1 0 1 IIIA 13,6 52 0
Eferoni (A24) 0 3 0 1 2 1 0 1 IIIB 5 28 0
Matias (A25) 0 1 0 0 3 1 0 1 - 7,4 31 1
Marzuki (A26) 1 1 6 0 6 1 0 1 IIIB 10 36 0
Edward (A27) 0 1 0 0 1 1 0 1 IIIB 2,4 50 0
Lince (A28) 1 3 1 0 12 1 0 1 IIID 14,7 46 0
Chandra (A29) 0 0 0 0 4 1 0 1 IIIB 9 36 0
Surya (A30) 1 11 3 0 4 2 0 1 IIIC 8 29 0

Pada kriteria golongan, harus di lakukan pembobotan, hal ini dikarenakan data
masih bersifat linguistik. Berikut pembobotan sederhana menggunakan tabel berikut.

Tabel 3. Kriteria Golongan Kepangkatan

Keterangan Nilai
IVA 6
IIID 5
IIIC 4
IIIB 3
IIIA 2
- 1

Tabel 4. Kriteria Dokumen Scopus

Keterangan Nilai
>=11 10
6-10 5
1-5 3
0 1

Tabel 5. Kriteria Jurnal Terakreditasi

Keterangan Nilai
4-8 5
1-3 3
0 1

Implementasi Metode ROC dan OCRA (Mesran) | 828

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

Tabel 6. Kriteria Pembicara External

Keterangan Nilai
4-8 5
1-3 3
0 1

Tabel 7. Kriteria Surat Peringatan

Keterangan Nilai
>=2 3
1 2
0 1

Tabel 8. Kriteria H-Index Scopus dan GS

Keterangan Nilai
>=11 10
6-10 5
1-5 3
0 1

Maka hasil dari rating kecocokan dapat dilihat pada tabel 4.

Tabel 9. Alternatif Dosen

Alternatif C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
A1 1 5 1 1 10 2 3 1 5 10 35 1
A2 5 10 5 3 12 2 5 1 5 14,7 41 1
A3 3 3 3 1 12 1 1 1 5 14 52 1
A4 3 3 3 1 10 1 1 1 5 13,4 52 1
A5 1 3 3 1 10 1 1 1 5 14 44 1
A6 1 3 1 3 5 1 1 1 4 9 37 1
A7 1 3 1 1 4 1 1 1 3 6 29 1
A8 3 3 3 1 4 2 1 1 4 7,4 30 1
A9 1 3 1 1 6 2 2 1 4 10 32 1
A10 3 5 3 1 3 4 1 1 3 5 27 1
A11 1 1 1 1 1 1 1 1 1 2,8 28 1
A12 1 3 1 1 1 1 1 1 1 2,8 28 1
A13 3 5 3 1 2 1 1 1 3 5 30 1
A14 1 1 1 1 1 1 1 1 1 2,8 27 1
A15 1 3 1 1 1 1 1 1 1 2,8 26 1
A16 3 5 3 1 8 1 1 1 4 11 36 1
A17 1 3 3 1 8 1 1 1 4 11 34 1
A18 1 3 1 1 8 1 1 1 3 11 38 2
A19 1 3 1 1 8 1 1 1 3 11 34 1
A20 1 3 1 1 4 1 1 1 3 8 34 2
A21 3 5 3 1 4 2 1 1 4 8 31 1
A22 1 1 1 1 4 1 1 1 3 8 38 2
A23 1 3 1 1 10 1 1 1 2 13,6 52 1
A24 1 3 1 3 2 1 1 1 3 5 28 1
Implementasi Metode ROC dan OCRA (Mesran) | 829
Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

Alternatif C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12

A25 1 3 1 1 3 1 1 1 1 7,4 31 2
A26 3 3 5 1 6 1 1 1 3 10 36 1
A27 1 3 1 1 1 1 1 1 3 2,4 50 1
A28 3 3 3 1 12 1 1 1 5 14,7 46 1
A29 1 1 1 1 4 1 1 1 3 9 36 1
A30 3 10 3 1 4 2 1 1 4 8 29 1

Berikut langkah yang dibutuhkan untuk penilaian kinerja karyawan dengan

menerapkan metode OCRA.

a. Tahap awal malakukan perumusan terhadap Matriks Keputusan (dapat dilihat pada
persamaan 4)
1 5 1 1 10 2 3 1 5 10 35 1
5 10 5 3 12 2 5 1 5 14,7 41 1
3 3 3 1 12 1 1 1 5 14 52 1
3 3 3 1 10 1 1 1 5 13,4 52 1
1 3 3 1 10 1 1 1 5 14 44 1
1 3 1 3 5 1 1 1 4 9 37 1
1 3 1 1 4 1 1 1 3 6 29 1
3 3 3 1 4 2 1 1 4 7,4 30 1
1 3 1 1 6 2 2 1 4 10 32 1
3 5 3 1 3 4 1 1 3 5 27 1
1 1 1 1 1 1 1 1 1 2,8 28 1
1 3 1 1 1 1 1 1 1 2,8 28 1
𝑋𝑖𝑗 3 5 3 1 2 1 1 1 3 5 30 1
1 1 1 1 1 1 1 1 1 2,8 27 1
1 3 1 1 1 1 1 1 1 2,8 26 1
3 5 3 1 8 1 1 1 4 11 36 1
1 3 3 1 8 1 1 1 4 11 34 1
1 3 1 1 8 1 1 1 3 11 38 2
1 3 1 1 8 1 1 1 3 11 34 1
1 3 1 1 4 1 1 1 3 8 34 2
3 5 3 1 4 2 1 1 4 8 31 1
1 1 1 1 4 1 1 1 3 8 38 2
1 3 1 1 10 1 1 1 2 13,6 52 1
1 3 1 3 2 1 1 1 3 5 28 1
1 3 1 1 3 1 1 1 1 7,4 31 2
3 3 5 1 6 1 1 1 3 10 36 1
1 3 1 1 1 1 1 1 3 2,4 50 1
3 3 3 1 12 1 1 1 5 14,7 46 1
1 1 1 1 4 1 1 1 3 9 36 1
3 10 3 1 4 2 1 1 4 8 29 1

Implementasi Metode ROC dan OCRA (Mesran) | 830

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

b. Pada langkah berikutnya menghitung peringkat preferensi untuk kriteria cost (𝐼̅𝑖 )
dan peringkat preferensi untuk kriteria benefit (𝑂̅𝑖), berdasarkan persamaan ke 5
dan 7. Hasil perhitungan akan terlihat pada tabel 10.

Tabel 10. Peringkat preferensi Cost dan Benefit

Alternatif Preferensi(𝑰̅𝒊 ) ̅̅̅𝒊
Preferensi𝑶
A1 0.017 1.910
A2 0.013 4.674
A3 0.007 2.730
A4 0.007 2.554
A5 0.012 2.042
A6 0.016 1.479
A7 0.020 1.124
A8 0.020 1.887
A9 0.019 1.242
A10 0.021 1.961
A11 0.021 0.424
A12 0.021 0.774
A13 0.020 2.080
A14 0.021 0.424
A15 0.022 0.774
A16 0.016 2.679
A17 0.017 1.811
A18 0.008 1.511
A19 0.017 1.511
A20 0.010 1.143
A21 0.019 2.243
A22 0.008 0.793
A23 0.007 1.674
A24 0.021 1.154
A25 0.012 0.988
A26 0.016 2.386
A27 0.008 0.834
A28 0.010 2.737
A29 0.016 0.802
A30 0.020 3.118

c. Kemudian menghitung tingkat preferensi linier ( 𝐼̿𝑖) untuk kriteria Cost dan
preferensi linier (𝑂̿𝑖) untuk kriteria benerif, menggunakan persamaan 6 dan 8.
Hasilnya terlihat pada tabel 11.

Tabel 11. Preferensi linier

Alternatif 𝑰̿𝒊 ̿̿̿
𝑶𝒊
A1 0.010 1.486
A2 0.006 4.250
A3 0.000 2.306

Implementasi Metode ROC dan OCRA (Mesran) | 831

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

Alternatif 𝑰̿𝒊 ̿̿̿

𝑶𝒊
A4 0.000 2.131
A5 0.005 1.618
A6 0.009 1.055
A7 0.013 0.700
A8 0.013 1.463
A9 0.012 0.818
A10 0.014 1.537
A11 0.014 0.000
A12 0.014 0.350
A13 0.013 1.656
A14 0.014 0.000
A15 0.015 0.350
A16 0.009 2.256
A17 0.010 1.388
A18 0.001 1.088
A19 0.010 1.088
A20 0.003 0.719
A21 0.012 1.819
A22 0.001 0.369
A23 0.000 1.251
A24 0.014 0.730
A25 0.005 0.564
A26 0.009 1.962
A27 0.001 0.410
A28 0.003 2.313
A29 0.009 0.378
A30 0.013 2.694

d. Langkah terakhir menghitung preferensi akhir Pi dengan menggunakan persamaan

9, sehingga menghasilkan nilai akhir seperti pada tabel 12.

Tabel 12. Preferensi Akhir

Alternatif Pi Peringkat Keterangan
A2 4.243 1 Kinerja Baik
A30 2.693 2 Kinerja Baik
A28 2.303 3 Kinerja Baik
A3 2.292 4 Kinerja Baik
A16 2.251 5 Kinerja Baik
A4 2.117 6 Kinerja Baik
A26 1.957 7 Kinerja Baik
A21 1.817 8 Kinerja Baik
A13 1.655 9 Kinerja Baik
A5 1.609 10 Kinerja Baik
A10 1.538 11 Kinerja Baik
A1 1.482 12 Kinerja Baik
A8 1.462 13 KinerjaBaik

Implementasi Metode ROC dan OCRA (Mesran) | 832

Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

Alternatif Pi Peringkat Keterangan

A17 1.384 14 Kinerja Baik
A23 1.237 15 Kinerja Baik
A19 1.084 16 Kinerja Baik
A18 1.075 17 KinerjaBaik
A6 1.05 18 Kinerja Baik
A9 0.816 19 Kinerja Baik
A24 0.73 20 Kinerja Baik
A20 0.708 21 Kinerja Baik
A7 0.699 22 Kinerja Baik
A25 0.555 23 Kinerja Baik
A27 0.397 24 Kinerja Baik
A29 0.374 25 Kinerja Kurang
A22 0.356 26 Kinerja Kurang
A15 0.351 27 Kinerja Kurang
A12 0.35 28 Kinerja Kurang
A14 0.001 29 Kinerja Kurang
A11 0 30 Kinerja Kurang

Dari tabel 12, terlihat peringkat kinerja karyawan. Kinerja karyawan yang paling
rendah berada pada peringkat antara 25 hingga peringkat 30. Dari kriteria yang
digunakan terlihat bahwa masa kerja serta golongan sangat mempengaruhi hasil
perhitungan. Beberapa yang terdapat pada peringkat 25-30 merupakan dosen dengan
masa kerja di bawah 3 tahun dan belum memiliki golongan kepangkatan. Sehingga
hasil perhitungan tersebut belum bisa dibandingkan dengan dosen yang telah
mengajar selama 5 tahun lebih namun belum memiliki kepangkatan dan hal tersebut
dapat menjadi dasar keringanan terhadap dosen-dosen tersebut. Prioritas kriteria
juga perlu dinilai kembali, misalnya dengan menyertakan kriteria kerjasama.

4. KESIMPULAN
Dari hasil penelitian yang dilakukan bahwa kriteria-kriteria yang digunakan
perlu dilakukan pertimbangan kembali dengan memasukkan kriteria kerjasama.
Khusus untuk penilaian kinerja dosen, bahwa dosen yang masih dibawah 4 tahun dan
yang telah lebih dari 4 tahun belum bisa dilakukan penilaian yang sama, hal ini di
karenakan dosen baru dibawah 2 tahun belum memilikigolongan, sehingga pada masa
kerja dan golongan akan memiliki nilai yang rendah walaupun dari penilaian langsung
tentang kerjasama, dosen tersebut memiliki nilai yang baik.Penetapan bobot dengan
menggunakan metodeRank Order Centroid (ROC) dinilai memberikan kemudahan atas
dasar pemberian bobot.

DAFTAR PUSTAKA
[1] D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan. 2015.
[2] D. Nofriansyah and S. Defit, Multi Criteria Decision Making (MCDM) pada Sistem Pendukung
Keputusan. 2018.
[3] M. K. Kusrini, “Konsep dan Aplikasi Sistem Pendukung Keputusan,” pp. 11–24, 2007.
Implementasi Metode ROC dan OCRA (Mesran) | 833
Prosiding Seminar Nasional Riset Information ISSN: 2686-0260
Science (SENARIS) September 2019
Hal:822-834

[4] J. Afriany, L. Ratna, S. Br, I. Julianty, and E. L. Nainggolan, “Penerapan MOORA Untuk Mendukung
Efektifitas Keputusan Manajemen Dalam Penentuan Lokasi SPBU,” vol. 5, no. 2, pp. 161–166,
2018.
[5] G. Ginting, Fadlina, Mesran, A. P. U. Siahaan, and R. Rahim, “Technical Approach of TOPSIS in
Decision Making,” Int. J. Recent Trends Eng. Res., vol. 3, no. 8, pp. 58–64, 2017.
[6] H. Sujaini and H. S. Pratiwi, “Sistem Pendukung Keputusan Pemilihan Dosen Terbaik
Menggunakan Metode Promethee ( Studi Kasus: Teknik Informatika Universitas Tanjungpura ),”
vol. 1, no. 1, pp. 1–6, 2016.
[7] Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation of Elimination and Choice
Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI
DARMA ),” Int. J. Eng. Res. Technol. (IJERT, vol. 6, no. 02, pp. 141–144, 2017.
[8] N. Astiani, D. Andreswari, and Y. Setiawan, “Aplikasi Sistem Pendukung Keputusan Tanaman
Obat Herbal Untuk Berbagai Penyakit Dengan Metode Roc (Rank Order Centroid) Dan Metode
Oreste Berbasis Mobile Web,” J. Inform., vol. 12, no. 2, 2016.
[9] K. Safitri, F. T. Waruwu, and M. Mesran, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN
KARYAWAN BERPRESTASI DENGAN MENGGUNAKAN METODE ANALYTICAL HIEARARCHY
PROCESS (Studi Kasus : PT.Capella Dinamik Nusantara Takengon),” MEDIA Inform. BUDIDARMA,
vol. 1, no. 1, Feb. 2017.
[10] A. S. Harapah, Tulus, and E. Budhiarti, “PENERAPAN METODE ENTROPY DAN METODE
PROMETHEE,” Pelita Inform., vol. 16, no. 3, pp. 208–213, 2017.
[11] N. K. phD, “Pendekatan Pengambilan Keputusan Multi-Kriteria Yang Terintegrasi Untuk
Pemilihan Komputer tablet,” vol. 15, p. 40, 2017.
[12] N. Kundakcı, “An Integrated Multi-Criteria Decision Making Approach for Tablet Computer
Selection,” Eur. J. Multidiscip. Stud., vol. 5, no. 1, p. 36, 2017.
[13] M. Madic, D. Petkovic, and M. Radovanovic, “Selection of non-conventional machining processes
using the OCRA method,” Serbian J. Manag., vol. 10, no. 1, pp. 61–73, 2015.

Implementasi Metode ROC dan OCRA (Mesran) | 834