202072353
Vol. 7, No. 6, Desember 2020, hlm. 1137-1146 p-ISSN: 2355-7699
Akreditasi KEMENRISTEKDIKTI, No. 36/E/KPT/2019 e-ISSN: 2528-6579
Abstrak
Pegawai laboratorium merupakan tenaga kerja kependidikan yang membantu proses pembelajaran mahasiswa
dalam bagian vokasi dan akademik. Dalam menjalankan pekerjaannya, pegawai laboratorium terkadang masih
belum maksimal. Sehingga kepala sarana & prasarana dan supervisor harus mengontrol pegawai untuk
memastikan pegawai berkerja dengan baik. Untuk mengatasi permasalahan dalam pegawai laboratorium serta
membantu dalam memanajemen kinerja, dibuatlah sistem informasi berbasis website yang berisi implementasi
algoritma TOPSIS pada penilaian kinerja pegawai laboratorium. Terdapat enam kriteria penilaian pegawai
laboratorium yang terdiri dari kedisiplinan, tanggung jawab, kerja tim, skill, akademik, dan komunikasi. Hasil
akhir penelitian berupa nilai preferensi (Vi) setiap alternatif, dimana terdapat nilai preferensi tertinggi yaitu 1 yang
diperoleh 3 dari 12 orang pegawai pada pengujian algoritma TOPSIS. Penyajian sistem informasi dilakukan
dengan database yang ditampilkan menggunakan desain dashboard yang tepat digunakan untuk manajemen data.
Pengujian EUCS pada website sistem informasi adalah 3.41 dari total nilai kepuasan (4) yang tergolong dalam
kategori puas, sehingga dianggap layak dan diterima oleh user.
Laboratory employee is a education labor which help process learning college student within part of vocational
and academic. In carrying out his work, laboratory employee sometimes it's still not optimal. So that the head of
facilities & infrastructure and supervisor must control the employee to make sure employees are working well.
For counter the problem in laboratory employee and help in performance management, made information system
based on website which contain implementation of the TOPSIS algorithm on performance rating of the laboratory
employee. There are six laboratory employee rating criteria which consisting of dicipline, responsible, team work,
skill, academic, and communication. Last result of the research is the form of preference values (Vi) every
alternatif, where there is highest preference value is 1 which is obtained 3 out of 12 employee of the TOPSIS
algorithm testing. Presentment of the information system perform with database and displayed using dashboard
design which exact used for present data management. EUCS testing on information system website is 3.41 from
total satisfaction value (4) which classified of satisfied categori, so that good considered and accepting by user.
Penilaian kinerja merupakan cara pengukuran kinerja pegawai laboratorium secara jelas dan terdata.
kontribusi – kontribusi dari individu dalam instansi Dengan melakukan penilaian kinerja, kepala sarana &
yang dilakukan terhadap organisasi. Pengukuran prasarana dan supervisor bisa mengetahui tingkat
kinerja pegawai sangat penting untuk evaluasi dan kinerja pegawai pada setiap periode guna
peningkatan kualitas sumber daya manusia. Nilai memanajemen kinerja para pegawai. Salah satu
penting dari penilaian kinerja adalah menyangkut metode yang tepat untuk penilaian kinerja yaitu
penentuan tingkat kontribusi individu atau kinerja dengan algoritma TOPSIS.
yang diekspresikan dalam penyelesaian tugas – tugas Berdasarkan permasalahan tersebut, maka
yang menjadi tanggung jawabnya (Shaout & Yousif, dilakukan penelitian dengan mengimplementasikan
2014). Dalam melakukan penilaian kinerja, sistem algoritma TOPSIS pada sistem informasi penilaian
pendukung keputusan mampu memberikan hasil dari kinerja pegawai laboratorium Fakultas Teknologi
tingkat kinerja setiap pegawai. Sehingga kepala Informasi Universitas Kristen Satya Wacana Salatiga.
sarana & prasaran dan supervisor dapat menjadikan Dengan adanya implementasi algoritma TOPSIS
hasil keputusan tersebut untuk memanajemen kinerja pada penilaian kinerja pegawai laboratorium secara
pegawai laboratorium. perseorangan menjadi penting untuk sebagai tolak
Algoritma TOPSIS merupakan algoritma ukur dasar kemampuan setiap pegawai laboratorium
sistem pendukung keputusan dengan banyak kriteria, dan menjadi evaluasi untuk meningkatkan kinerja
yang mempertimbangkan jarak terhadap solusi ideal serta menjadi sarana untuk memanajemen sumber
positif dan jarak terhadap solusi ideal negatif dengan daya manusia, guna menjaga kualitas dan kinerja
mengambil jarak terdekat dari solusi ideal positif dan pegawai laboratorium.
jarak terpanjang dari solusi ideal negatif, sehingga Penelitian yang dilakukan oleh Hilman Nuril
memperoleh alternatif nilai preferensi dari Hadi dan Wayan Firdaus Mahmudy (2015) yang
perbandingan terhadap jarak relatifnya (DSN, 2015). berjudul Penilaian Prestasi Kinerja Pegawai
Konsep TOPSIS ini sederhana, mudah dipahami, Menggunakan Fuzzy Tsukamoto. Penelitian ini
perhitungan yang efisien dan memiliki fungsi untuk mengimplementasi Fuzzy Tsukamoto pada penilaian
melakukan penilaian kinerja pegawai dari alternatif – kinerja pegawai pada suatu perusahaan. Hasil
alternatif keputusan secara matematis serta penilaian penelitian memberikan akurasi sebesar 84% pada
kinerja dilakukan berdasarkan bobot pada kriteria percobaan sebanyak 25 data pegawai, dimana fuzzy
yang ditentukan. ini disarankan menambah fuzzy neuro untuk
Penelitian mengenai penerapan algoritma optimalisasi jumlah kriteria pada penilaian kinerja
TOPSIS dalam Sistem Pendukung Keputusan pegawai (Hadi & Mahmudy, 2015).
Pemberian Pinjaman pada Koperasi Karyawan yang Penelitian yang dilakukan oleh Merlien N.
dilakukan oleh tati mardiana (2017), menjelaskan Febriyati dkk (2016) yang berjudul Perbandingan
kegunaan algoritma TOPSIS juga sebagai metode SAW dan TOPSIS untuk Open Recruitment Warga
pendukung keputusan pemilihan karyawan yang Laboratorium Teknik Informatika di Universitas
layak diberi pinjaman. Hasil penelitian dengan Trunojoyo Madura. Penelitian ini menguji akurasi
algoritma TOPSIS menentukan karyawan yang layak antara algoritma SAW dan algoritma TOPSIS dalam
menerima pinjaman koperasi berdasarkan penilaian perekrutan warga laboratorium dari mahasiswa –
kinerja setiap karyawan (Mardiana, 2017). mahasiswa yang berprestasi. Hasil pengujian kedua
Penelitian mengenai Penilaian Kinerja Dosen algoritma, menunjukan nilai kecocokan alternatif dari
dengan studi kasus AMIK Mitra Gama yang algoritma SAW sebesar 33,33% dan jumlah nilai
dilakukan sebelumnya oleh Candra Surya (2018), kecocokan alternatif real sebesar 93,33%. Sedangkan
menjelaskan kegunaan algoritma TOPSIS sebagai nilai kecocokan alternatif dari algoritma TOPSIS
sistem pengambilan keputusan penilaian kinerja. sebesar 46,67% dan jumlah nilai kecocokan alternatif
Hasil penelitian membuktikan bahwa sistem real sebesar 100%. Sehingga algoritma TOPSIS
pengambilan keputusan merekomendasikan untuk memiliki akurasi yang baik daripada algoritma SAW
mengevaluasi kinerja dosen (Surya, 2018). (Febriyati, Sophan & Yunitarini, 2016).
Dilihat dari tingkat banyaknya kebutuhan dari Penelitian yang dilakukan oleh Bayu Firmanto
program studi yang ada di Fakultas Teknologi dkk (2016) yang berjudul Perbandingan Kinerja
Informasi dalam melaksanakan kegiatan perkuliahan Algoritma Promethee dan TOPSIS untuk Pemilihan
serta keperluan proses akreditasi BAN-PT sangatlah Guru Teladan. Penelitian ini membandingkan dua
didukung oleh laboratorium. Laboratorium ini algoritma yang digunakan untuk penilaian kinerja,
diorganisir oleh kepala sarana & prasarana yang dimana algoritma Promethee dan algoritma TOPSIS.
membawahi supervisor dan pegawai laboratorium Hasil perbandingan dari kedua algoritma ini
sebagai pelaksananya. Di dalam melaksanakan menunjukan algoritma TOPSIS memiliki akurasi
pekerjaannya, pegawai laboratorium terkadang masih yang baik daripada algoritma Promethee, dimana
belum maksimal. Sehingga kepala sarana & prasarana akurasi nilai precision, recall, accuracy dan error
dan supervisor harus mengontrol kinerja pegawai rate untuk Promethee masing – masing 91%, 54%,
untuk memastikan pegawai berkerja dengan baik. 88% dan 11%. Sedangkan algoritma TOPSIS
Penilaian kinerja digunakan untuk mengontrol memiliki akurasi nilai precision, recall, accuracy dan
Saputro & Hartomo, Implementasi Algoritma TOPSIS dan Metode EUCS ... 1139
error rate masing – masing 90%, 94%, 74% dan 5% Identifikasi Masalah dan Studi Literatur (1)
(Firmanto, Soekotjo & Dachlan, 2016).
Penelitian yang dilakukan oleh Asti Shofi
Damayanti dkk (2018) yang berjudul Evaluasi
Studi Lapangan dan Pengumpulan Data (2)
Kepuasan Pengguna Aplikasi Tapp Market
Menggunakan Metode EUCS. Penelitian ini menguji
aplikasi Tapp Market menggunakan metode EUCS.
Metode EUCS menghasilkan nilai variabel penilaian Perancangan dan Implementasi Sistem Informasi (3)
yang berbeda – beda sesuai dengan hasil pengujian.
Diperoleh pada variabel Content dengan 74,7% dari
hasil pengujian 100 kuesioner. Sehingga pengguna Implementasi Algoritma TOPSIS (Technique for Order
(4)
merasa puas dengan Content aplikasi Tapp Market Preference by Similarity to Ideal Solution)
(Damayanti, Mursityo & Herlambang, 2018).
Penelitian yang dilakukan oleh Asih
Prasetyowati dan Roro Kushartanti (2018) yang Pengujian EUCS (End User Computing Statifications) (5)
berjudul User Satisfaction Analysis of Primary Care
Information Systems in Semarang City with EUCS
Model. Penelitian ini menganalisis sistem informasi
Analisis Hasil Penelitian (6)
Primary Care untuk mengetahui tingkat kepuasan
pengguna BPJS. Analisis membuktikan dengan
metode EUCS sistem informasi dapat diterima oleh
user, dimana hasil analisis mendapat nilai 75,5 yang Kesimpulan (7)
termasuk dalam kategori puas (Prasetyowati & Gambar 1. Metodologi Penelitian
Kushartanti, 2018).
Berdasarkan penelitian penilaian kinerja dengan Kriteria pembobotan diperoleh dengan
algoritma yang sudah diteliti sebelumnya, menyebarkan kuesioner kepada kepala sarana &
keterbaruan penelitian ini menggunakan algoritma prasarana dan supervisor. Kriteria penilaian terdiri
TOPSIS, dimana algoritma ini merupakan algoritma dari C1 = kedisiplinan, C2 = tanggung jawab, C3 =
sistem pendukung keputusan dengan banyak kriteria. kerja tim, C4 = skill, C5 = akademik, dan C6 =
Algoritma TOPSIS dipilih karena memiliki akurasi komunikasi. Sehingga diperoleh hasil perhitungan
yang baik daripada algoritma Promethee dan pembobotan kriteria dari kuesioner seperti pada tabel
algoritma SAW yang digunakan juga untuk penilaian 1.
kinerja. Pengujian sistem informasi menggunakan
metode EUCS yang memiliki kemampuan untuk Tabel 1. Pembobotan Kriteria
menganalisis kepuasan user. Selain itu, pada Responden C1 C2 C3 C4 C5 C6
penelitian ini menggunakan studi kasus penilaian Kepala Sarana &
5 5 5 4 4 5
Prasarana
kinerja pegawai laboratorium yang terdapat pada Supervisor A 5 4 5 5 3 5
Fakultas Teknologi Informasi Universitas Kristen
Supervisor B 5 3 5 3 3 5
Satya Wacana Salatiga dengan kriteria yang sebagian
Supervisor C 5 4 5 5 3 5
besar disamakan dengan kriteria pegawai yang ada di
Supervisor D 5 4 5 3 2 5
universitas, sehingga bisa menjadi prototype untuk
sistem penilaian kinerja pegawai laboratorium yang Hasil 5 4 5 4 3 5
ada di Universitas Kristen Satya Wacana.
Tabel 1 merupakan hasil pembobotan setiap
2. METODE PENELITIAN kriteria. Dari hasil kuesioner yang disebarkan,
mencari rata – rata setiap kriteria untuk mendapatkan
Penelitian dilakukan dengan menggunakan pembobotan kriteria.
algoritma TOPSIS. Algoritma TOPSIS melakukan
penilaian dengan konsep banyak kriteria, sehingga 3. TECHNIQUE FOR ORDER PREFERENCE
penilaian mempertimbangkan hasil relatif dari jarak BY SIMILARITY TO IDEAL SOLUTION
solusi ideal positif dan negatif. Proses penelitian
implementasi algoritma TOPSIS dilakukan dengan Technique for Order Preference by Similarity to
berbagai tahapan yang saling berhubungan. Berikut Ideal Solution (TOPSIS) merupakan sebuah
merupakan gambar metodologi penelitian yang algoritma yang digunakan untuk membuat urutan
terdapat pada gambar 1. rangking berdasarkan hasil perhitungan, dengan
Data penilaian kinerja pegawai laboratorium penilaian bobot kinerja yang ditentukan (Brima Surya
menggunakan data primer, yang diperoleh dengan Prayoga, 2017). Konsep TOPSIS berdasarkan pada
memberikan kuesioner terhadap salah satu supervisor pemilihan alternatif yang memiliki jarak terpendek
yang bertugas untuk menilai pada periode tersebut. solusi ideal positif dan jarak terpanjang solusi ideal
Terdapat 12 data pegawai pada pengujian algoritma negatif (Madi & Tap, 2011). Metode ini
TOPSIS seperti pada tabel 2. dikembangkan oleh Kwangsun Yoon Dan Hwang
1140 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 7, No. 6, Desember 2020, hlm. 1137-1146
Cin-Lai pada tahun 1980. Adapun langkah-langkah 𝑦1+ ~ 𝑦𝑛+ = nilai maksimal dari matriks
dari algoritma TOPSIS adalah sebagai berikut: terbobot setiap kriteria.
𝑦1− ~ 𝑦𝑛− = nilai minimal dari matriks
- Membentuk matriks keputusan yang
terbobot setiap kriteria.
ternormalisasi dengan persamaan (1).
𝑥𝑖𝑗 - Menentukan jarak antara nilai setiap
𝑟𝑖𝑗 = (1) alternatif dengan matriks solusi ideal positif &
√∑𝑚 2
𝑖=1 𝑥 𝑖𝑗
matriks solusi ideal negatif ditentukan
Dimana: dengan persamaan (5) dan (6).
i = 1, 2,…, m dan j = 1, 2,…, n
𝑟𝑖𝑗 = matriks ternomalisasi [i][j] 𝐷𝑖+ = √∑𝑛𝑗=1(𝑦𝑖+ − 𝑦𝑖𝑗 )2 (5)
𝑥𝑖𝑗 = matriks keputusan [i][j]
- Membentuk matriks keputusan yang 𝐷𝑖− = √∑𝑛𝑗=1(𝑦𝑖𝑗 − 𝑦𝑖− )2 (6)
ternormalisasi berbobot ditentukan dengan
persamaan (2). Dimana:
𝐷𝑖+ = jarak alternatif solusi ideal positif
𝑦𝑖𝑗 = 𝑤𝑖 𝑟𝑖𝑗 (2) 𝐷𝑖− = jarak alternatif solusi ideal negatif
Dimana: - Menentukan nilai preferensi untuk setiap
𝑦𝑖𝑗 = matriks ternomalisasi berbobot [i][j] alternatif ditentukan dengan persamaan (7).
𝑤𝑖 = matriks pembobotan kriteria [i] 𝐷𝑖−
𝑉𝑖 = (7)
- Menentukan matriks solusi ideal positif & 𝐷𝑖 − 𝐷𝑖+
−
Mulai Perhitungan
Normalisasi
Pembobotan
Input
Periode Perhitungan
Alternatif Positif
dan Negatif
Tabel 7 merupakan hasil perhitungan jarak ideal Gambar 6. Tampilan Penilaian Kinerja Pegawai
negatif, dimana jarak ideal negatif ditentukan dengan
1144 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 7, No. 6, Desember 2020, hlm. 1137-1146
Hasil 3.41
Saputro & Hartomo, Implementasi Algoritma TOPSIS dan Metode EUCS ... 1145