ANALISIS SISTEM PENUNJANG KEPUTUSAN UNTUK MENENTUKAN PELAMAR CALON DOSEN MENJADI DOSEN DENGAN MENGGUNAKAN FUZZY MADM (STUDI KASUS : STIKOM DINAMIKA BANGSA) Jasmir, S.Kom, M.Kom Dosen Tetap STIKOM Dinamika Bangsa Jambi . Abstrak Banyak hal yang harus diperhatikan dalam mengambil keputusan, khususnya dalam menentukan calon dosen yang akan menjadi dosen, disamping syarat mutlak yang sudah ditetapkan oleh Dirjen Dikti, yaitu berpendidikan minimal S2, maka khusus untuk STIKOM Dinamika Bangsa Jambi, ada beberapa syarat dan ketentuan yang haru dimiliki oleh pelamar calon dosen sehingga mereka berhak untuk diterima sebagai dosen. Dalam hal ini penulis mengambil 10 orang pelamar calon dosen untuk menjadi dosen yang hasil akhirnya adalah peringkat atau urutan dari yang paling layak. Penulis menggunakan metode yang terdapat dalam Fuzzy Multi-Atribute Decision Making yaitu Metode Topsis, sedangkan kriteria untuk calon dosen adalah taraf kecerdasan, struktur kecerdasan, stabilitas emosi, usaha, cara kerja dan penyesuaian sosial. Dalam struktur kecerdasan berisi item seperti daya tangkap, daya pikir konkret praktis, daya pikir analogi, daya abstrak verbal, daya pikir praktis bilangan, daya pikir abstraksi bilangan, daya sintesa analisa, daya bayang ruang dan daya ingat.
1. PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi yang semakin pesat menuntut kita lebih kreatif dan mandiri, berbagai cara dilakukan agar ilmu dan teknologi tidak musnah begitu saja, tuntutan tersebut mengharuskan kita untuk tetap mengabadikan dan mengabdikan ilmu salah satunya dengan menjadi guru atau dosen. STIKOM Dinamika Bangsa Jambi saat ini sedang giatnya membuka lowongan kerja untuk ditempatkan di posisi dosen, dengan kualifikasi minimal jenjang pendidikan strata 2 sesuai dengan Undang-undang pemerintah tentang standar nasional pendidikan, syarat tersebut tidak lah sulit dipenuhi bagi sebagian calon dosen, karena untuk mencapai kualifikasi S2 sekarang sudah tidaklah sulit, perguruan tinggi yang membuka program studi jenjang strata 2 juga sudah banyak, bahkan sampai ke daerah. Namun bagi STIKOM Dinamika Bangsa Jambi, tentu ada beberapa syarat dan kriteria tambahan yang harus dipenuhi oleh calon pelamar sebagai dosen, calon dosen juga harus memalui tes psikologi, disana terdapat beberapa bererapa aspek yang harus diikuti oleh calon dosen seperti taraf kecerdasan, struktur kecerdasan, stabilitas emosi, usaha, cara kerja dan penyesuaian sosial. Dalam struktur kecerdasan berisi item seperti daya tangkap, daya pikir konkret praktis, daya pikir analogi, daya abstrak verbal, daya pikir praktis bilangan, daya pikir abstraksi bilangan, daya sintesa analisa, daya bayang ruang dan daya ingat. Oleh karena banyaknya pelamar calon dosen dan banyaknya kriteria yang harus dipenuhi, maka disini penulis tertarik untuk membantu pihak akademik untuk memberikan Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
1
gambaran siapa saja yang layak untuk diangkat sebagai dosen melaui penelitian yang berjudul Sistem Penunjang keputusan untuk menentukan pelamar calon dosen menjadi dosen dengan menggunakan Fuzzy MADM (Studi Kasus : STIKOM Dinamika Bangsa Jambi )
1.2 Perumusan Masalah Berdasarkan latar belakang diatas, maka perumusan masalahnya adalah “Bagaimana menganalisa Sistem Penunjang keputusan untuk menentukan pelamar calon dosen menjadi dosen dengan menggunakan metode Fuzzy MADM ? 1.3 Batasan Masalah Adapun batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Penelitian ini hanya untuk menentukan pelamar calon dosen menjadi dosen, tidak untuk calon karyawan atau staf. 2. Penelitian ini mengunakan Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dalam Fuzzy Multi Atribute Decision Making (FMADM) 2. TINJAUAN PUSTAKA 2.1 Sistem Penunjang Keputusan Menurut Kusrini (2007 : 15), “Sistem penunjang keputusan (SPK) merupakan suatu sistem informasi yang menyediakan informasi, pemodelan, dan pemanipulasian data”. Menurut Jogiyanto (2005 : 327), Sistem Penunjang Keputusan didefinisikan sebagai “Sistem Informasi untuk membantu manajer level menengah untuk proses pengambilan keputusan setengah terstruktur supaya lebih efektif dengan menggunakan model analitis dan data yang tersedia”. Menurut Daihani (2001 : 54), “Sistem Penunjang Keputusan adalah sistem informasi spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi struktur”. Dari beberapa pendapat ahli di atas, dapat disimpulkan bahwa sistem penunjang keputusan merupakan sistem informasi yang mendukung manajemen level menengah dalam mengambil keputusan setengah terstruktur atau semi structured dengan menggunakan pemodelan analitis dan data yang ada. Dalam pengambilan keputusan tersebut, perlu diperhatikan beberapa hal mengenai apa itu keputusan dan bagaimana kriteria keputusan, tipologi keputusan, dan langkah-langkah pengambilan keputusan. Selain beberapa hal dalam pengambilan keputusan tersebut, perlu juga kita memahami apa tujuan sistem penunjang keputusan, karakteristik dan nilai guna sistem penunjang keputusan, komponen, dan langkah-langkah pemodelan dalam sistem penunjang keputusan. 3. METODE PENELITIAN 3.1 FUZZY MADM Multiple Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Berdasarkan tujuannya, MCDM dapat dibagi menjadi 2 model (Zimmermann, 1991): Multi Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
2
Attribute Decision Making (MADM); dan Multi Objective Decision Making(MODM). Seringkali MCDM dan MADM digunakan untuk menerangkan kelas atau kategori yang sama. MADM digunakan untuk menyelesaikan masalah- masalah dalam ruang diskret. Oleh karena itu, pada MADM biasanya digunakan untuk melakukan penilaian atau seleksi terhadap beberapa alternatif dalamjun-dah yang terbatas. Sedangkan MODM digunakan untuk menyelesaikan masalah-masalah pada ruang kontinyu (seperti permasalahan pada pemrograman matematis). Secara umum dapat dikatakan bahwa, MADM i ,nenyeleksi alternatif terbaik dari sejumlah alternatif; sedangkan MODM merancang alternatif terbaik. Perbedaan mendasar terlihat pada Tabel 3.1 (Yoon, 1981). Tabel 3.1 Perbedaan antara MADM dan MODM. MADM
MODM
Kriteria (didefinisikan oleh) Tujuan
Atribut
Tujuan
Implisit
Eksplisit
Atribut Altematif
Eksplisit
Implisit
Diskret, dalam jumlah terbatas Seleksi
Kontinu, dalam jumlah tak terbatas Desain
Kegunaan
Ada beberapa fitur umum yang akan digunakan dalam MCDM (Janko, 2005), yaitu: a. Alternatif, alternatif adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan. b. Atribut, atribut Bering juga disebut sebagai karakteristik, komponen, atau kriteria keputusan. Meskipun pada kebanyakan kriteria bersifiat satu level, namun tidak menutup kemungkinan adanya sub kriteria yang berhubungan dengan kriteria yang telah diberikan. c. Konflik, antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya. d. Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, W = (w1, w2, ..., wn.). Pada MCDM akan dicari bobot kepentingan dari setiap kriteria. e. Matriks keputusan, suatu matriks keputusan X yang berukuran m x n, berisi elemen-elemen xj, yang merepresentasikan rating dari alternatif A, (i=1,2,...,m) terhadap kriteria Ci (j=1,2,...,n). 1.2 TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memilikin jarak terpanjang dari solusi ideal negatif (Hwang, 1981) (Zeleny, 1982). Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis (Hwang, 1993)(Liang, 1999)(Yeh, 2000). Hal dini disebabkan: konsepnya sederhana dan mudah dipahami; komputasinya efisien; dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatifalternatif keputusan dalam bentuk matematis yang sederhana. Secara umum, prosedur TOPSIS mengikuti langkah-langkah sebagai berikut: 1. Membuat matriks keputusan yang ternormalisasi; 2. Membuat matriks keputusan yang ternormalisasi terbobot; 3. Menentukan matriks solusi ideal positif &- matriks solusi ideal negatif; 4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif & Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi 3
matriks solusi ideal negatif; 5. Menentukan nilai preferensi untuk setiap alternatif. TOPSIS membutuhkan rating kinerja setiap alternatif A, pada setiap kriteria. C, yang ternormalisasi, yaitu:
Solusi ideal positif A+ dan solusi ideal negatif A- dapat ditentukan berdasarkan rating bobot ternormalisasi (yij) sebagai: Yij = wirij ; dengan i=1,2,….,m; dan j=1,2,…,n. (3.21) + + + … + A = (y 1,y 2, ,y n); (3.22) - … A = (y 1,y 2, ,y n); (3.23) Dengan max y+j =
i
jika j adalah atribut yij; keuntungan
min yij; jika j adalah atribut biaya i
max y-j =
i
jika j adalah atribut yij; keuntungan
min yij; jika j adalah atribut biaya i
j=1,2,…,n. jarak antara alternative Ai dengan solusi ideal positif dirumuskan sebagai :
jarak antara alternative Ai dengan solusi ideal negatif dirumuskan sebagai :
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: Nilai Vi yang lebih besar menunjukkan bahwa alternatif Ai lebih dipilih
4. ANALISA KEBUTUHAN SISTEM 4.1 Analisa Sistem Lama STIKOM DINAMIKA BANGSA dalam beberapa hal sudah menggunakan bantuan IT untuk menjalankan manajemen, namun ada beberapa yang belum tersentuh konsep IT nya, seperti penentuan calon dosen menjadi dosen. Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
4
Pada STIKOM DINAMIKA BANGSA, penentuan dosen yang diterima dari pelamar calon dosen masih menggunakan pola lama misalnya seperti calon dosen itu diterima sebagai dosen karena hubungan baik dengan calon dosen tersebut, atau hubungan kekerabatan karena belum adanya tolak ukur baku yang dapat digunakan dalam mentukan calon dosen yang akan diterima. 4.2 Analisis Kebutuhan Informasi Dari analisa diatas maka dapat disimpulkan kebutuhan-kebutuhan informasi seperti apa yang dibutuhkan oleh perusahaan sehingga dapat menjadi solusi bagi permasalahanpermasalahan yang ada. Maka dibutuhkan suatu sistem baku dalam sistem pangambilan keputusan penerimaan calon dosen menjadi dosen, sehingga dalam pemilihan dosen dapat dipilih dosen yang betul-betul punya kompetens dibidangnya. 4.3 Matriks Keputusan Matriks keputusan atau yang dikenal dengan rating kinerja merupakan kondisi yang merepresentasikan kecocokan antara setiap alternatif terhadap setiap kriteria dan merupakan unsur terpenting dalam menyelesaikan permasalahan sistem penunjang keputusan dengan menggunakan logika Fuzzy TOPSIS. Dalam penelitian ini, bobot keputusan didapat dari hasil tes psikologi (melalui psikolog) terhadap 10 orang pelamar calon dosen menjadi dosen tabel 4.1 di bawah ini, penulis sajikan mengenai data calon dosen. Tabel 4.1 Data Responden No. Nama Jabatan/Bagian Saat ini 1 Abdul Haris Calon dosen 2 Abdul Rahim Calon dosen 3 Beni Irawan Calon dosen 4 Herti Yani Calon dosen 5 Irawan Calon dosen 6 Irwan Bustami Calon dosen 7 Maria Rosario Calon dosen 8 Martono Calon dosen 9 Pareza Alam Calon dosen 10 Xaverius Sika Calon dosen Pada tabel 4.2 di bawah ini, disajikan rating kecocokan antara setiap alternatif terhadap setiap kriteria yang telah ditentukan oleh bagian personalia pada STIKOM DINAMIKA BANGSA Tabel 4.2 Rating Kecocokan Setiap Alternatif Pada Setiap Kriteria
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
5
Alternatif Dosen1 Dosen2 Dosen3 Dosen4 Dosen5 Dosen6 Dosen7 Dosen8 Dosen9 Dosen10
1 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6
2 3,6 3,9 3,6 3,6 3,6 2,6 4,6 4,6 3,6 4,6
3 3,3 3,6 2,6 3,9 3,3 3,3 3,3 3,3 3,6 3,6
4 3,3 4,6 3,3 3,6 3,9 3,9 3,9 3,9 3,6 3,6
5 3,6 3,6 3,6 3,6 3,6 3,9 3,3 3,6 3,6 3,6
6 2,6 3,6 3,3 3,6 4,6 3,3 3,3 5,6 3,6 2,6
7 3,6 2,6 3,6 3,6 3,3 1,3 3,9 3,6 3,6 2,6
Kriteria 8 9 2,6 3,6 3,6 3,3 2,6 3,6 3,9 2,6 3,6 4,6 3,6 3,9 2,6 3,9 3,6 3,9 3,6 4,6 3,6 3,6
10 3,6 1,6 3,9 3,6 2,6 1,6 3,9 2,6 3,6 3,3
11 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,3 3,3 3,3
12 3,6 3,6 3,9 3,6 3,6 3,6 4,6 3,6 3,6 3,6
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
13 2,9 3,6 3,3 3,6 3,6 2,9 4,3 2,9 3,6 3,3
14 2,9 3,9 3,9 3,6 3,6 2,9 3,6 3,6 3,6 2,9
15 3,6 3,6 3,6 3,6 3,6 3,3 3,6 3,6 3,6 3,6
16 4,3 3,9 3,9 3,6 3,6 3,3 3,9 3,6 3,6 3,9
6
Tabel 4.3. Tabel Kriteria C Keterangan 1 Taraf Kecerdasan Struktur Kecerdasan 2 Daya tangkap 3 Daya Pikir konkrit praktis 4 Daya Pikir analogi 5 Daya abstraksi verbal 6 Daya pikir praktis bilangan 7 daya pikir abstarksi bilangan 8 Daya sintesa analisa 9 Daya bayang ruang 10 Daya ingat 11 Stabilitas emosi 12 Usaha Cara Kerja 13 Kecepatan 14 Ketelitian 15 Ketekunan 16 Penyesuaian Sosial
BP 4 4 3 4 3 3 3 4 3 4 4 4 3 4 4 3
Tabel 4.4 Skala Penilaian Rating Kecocokan Baik Sekali Baik Cukup Kurang Kurang sekali
5 4-4,9 3-3,9 2-2,9 1-1,9
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
7
Dengan mengacu pada tabel 2, maka dapat dibentuk matriks keputusan X sebagai berikut : Tabel 4.5. Matriks Ternormalisasi X
x
3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,6
=
3,6 3,9 3,6 3,6 3,6 2,6 4,6 4,6 3,6 4,6
3,3 3,6 2,6 3,9 3,3 3,3 3,3 3,3 3,6 3,6
3,3 4,6 3,3 3,6 3,9 3,9 3,9 3,9 3,6 3,6
3,6 3,6 3,6 3,6 3,6 3,9 3,3 3,6 3,6 3,6
2,6 3,6 3,3 3,6 4,6 3,3 3,3 5,6 3,6 2,6
3,6 2,6 3,6 3,6 3,3 1,3 3,9 3,6 3,6 2,6
2,6 3,6 2,6 3,9 3,6 3,6 2,6 3,6 3,6 3,6
3,6 3,3 3,6 2,6 4,6 3,9 3,9 3,9 4,6 3,6
3,6 1,6 3,9 3,6 2,6 1,6 3,9 2,6 3,6 3,3
3,6 3,6 3,6 3,6 3,6 3,6 3,6 3,3 3,3 3,3
3,6 3,6 3,9 3,6 3,6 3,6 4,6 3,6 3,6 3,6
2,9 3,6 3,3 3,6 3,6 2,9 4,3 2,9 3,6 3,3
2,9 3,9 3,9 3,6 3,6 2,9 3,6 3,6 3,6 2,9
3,6 3,6 3,6 3,6 3,6 3,3 3,6 3,6 3,6 3,6
4,3 3,9 3,9 3,6 3,6 3,3 3,9 3,6 3,6 3,9
4.4 Bobot Keputusan Bobot keputusan merupakan kepentingan relatif dari setiap kriteria. Selain matriks keputusan, bobot keputusan juga merupakan salah satu unsur terpenting dalam menyelesaikan permasalahan sistem penunjang keputusan dengan menggunakan logika fuzzy MADM dengan metode TOPSIS. Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan nilai kecocokan (nilai terbesar adalah terbaik), maka semua kriteria diasumsikan sebagai kriteria keuntungan. Berdasarkan kompetensi yang telah dijelaskan sebelumnya, maka pengambil keuputusan dapat mengambil bobot preferensi sebagai berikut : Tabel 4.6. Bobot Keputusan w
=
4
4
3
4
3
3
3
4
3
4
4
4
3
4
4
3
4.5 Analisis dengan Metode TOPSIS Analisis dengan menggunakan metode penyelesaian TOPSIS ini mengikuti beberapa tahapan, yaitu normalisasi matriks keputusan, matriks keputusan ternormalisasi terbobot, matriks solusi ideal positif dan matriks solusi ideal negatif, menentukan jarak antara nilai alternatif dengan matriks solusi ideal, dan menentukan nilai preferensi untuk setiap alternatif (perankingan). 4.6 Normalisasi Matriks Keputusan Proses normalisasi matriks keputusan diproses dengan menggunakan persamaan 2.1. 3,62 + 3,62 + 3,62 + 3,62 + 3,62 + 3,62 + 3,6 + 3,62 + |x1| = √ = 11,384 3,62
r11 =
x11 |x1|
=
r21 =
x21
=
3,6 = 0,3162 11,384
3,6
= 0,3162
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
8
|x1|
11,384
r31 =
x31 |x1|
=
3,6 = 0,3162 11,384
r41 =
x41 |x1|
=
3,6 = 0,3162 11,384
r51 =
x51 |x1|
=
3,6 = 0,3162 11,384
r61 =
x61 |x1|
=
3,6 = 0,3162 11,384
r81 =
x71 |x1|
=
3,6 = 0,3162 11,384
r91 =
x81 |x1|
=
3,6 = 0,3162 11,384
=
X91 |x1|
=
3,6 = 0,3162 11,384
r101
Demikian seterusnya sehingga diperoleh matriks keputusan ternormalisasi R Matrik R
0,3162 0,3162 0,3162 0,3162 0,3162 0,3162 0,3162 0,3162 0,3162 0,3162
0,294 0,318 0,294 0,294 0,294 0,212 0,375 0,375 0,294 0,375
0,307 0,335 0,242 0,363 0,307 0,307 0,307 0,307 0,335 0,335
0,276 0,385 0,276 0,301 0,327 0,327 0,327 0,327 0,301 0,301
0,316 0,316 0,316 0,316 0,316 0,342 0,29 0,316 0,316 0,316
0,222 0,307 0,281 0,307 0,392 0,281 0,281 0,477 0,307 0,222
0,349 0,252 0,349 0,349 0,32 0,126 0,379 0,349 0,349 0,252
0,244 0,338 0,244 0,366 0,338 0,338 0,244 0,338 0,338 0,338
0,3 0,275 0,3 0,216 0,383 0,324 0,324 0,324 0,383 0,3
0,362 0,161 0,392 0,362 0,262 0,161 0,392 0,262 0,362 0,332
0,324 0,324 0,324 0,324 0,324 0,324 0,324 0,297 0,297 0,297
0,304 0,304 0,33 0,304 0,304 0,304 0,389 0,304 0,304 0,304
0,268 0,332 0,305 0,332 0,332 0,268 0,397 0,268 0,332 0,305
0,264 0,355 0,355 0,328 0,328 0,264 0,328 0,328 0,328 0,264
0,319 0,319 0,319 0,319 0,319 0,292 0,319 0,319 0,319 0,319
0,361 0,327 0,327 0,302 0,302 0,277 0,327 0,302 0,302 0,327
4.7 Matriks Keputusan Ternormalisasi Terbobot Proses menentukan matriks keputusan ternormalisasi terbobot adalah proses perkalian antara matriks keputusan ternormalisasi dengan bobot keputusan. Berikut adalah proses menentukan matriks keputusan ternormalisasi terbobot terhadap bobot keputusan responden pertama (W1) dengan menggunakan persamaan 2.2. y11 = y21 =
w1r11 w1r21
= =
4 x 0,3162 4 x 0,3162
= 1,2649 = 1,2649
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
9
y31 y41 y51 y61 y71 y81 y91 y101
= = = = = = = =
w1r31 w1r41 w1r51 w1r61 w1r71 w1r81 w1r91 w1r101
= = = = = = = =
4 x 0,3162 4 x 0,3162 4 x 0,3162 4 x 0,3162 4 x 0,3162 4 x 0,3162 4 x 0,3162 4 x 0,3162
= 1,2649 = 1,2649 = 1,2649 = 1,2649 = 1,2649 = 1,2649 = 1,2649 = 1,2649
Demikian seterusnya sehingga didapat sebuah matriks Y1 Dengan cara yang sama, dilakukan perhitungan terhadap semua data responden sehingga didapat matriks Y sebagai berikut : Matriks Y 1,2649 1,2649 1,2649 1,2649 1,2649 1,2649 1,2649 1,2649 1,2649 1,2649
1,175 1,273 1,175 1,175 1,175 0,848 1,501 1,501 1,175 1,501
0,922 1,006 0,726 1,09 0,922 0,922 0,922 0,922 1,006 1,006
1,105 1,541 1,105 1,206 1,306 1,306 1,306 1,306 1,206 1,206
0,948 0,948 0,948 0,948 0,948 1,027 0,869 0,948 0,948 0,948
0,665 0,921 0,844 0,921 1,176 0,844 0,844 1,432 0,921 0,665
1,048 0,757 1,048 1,048 0,961 0,379 1,136 1,048 1,048 0,757
0,977 1,353 0,977 1,466 1,353 1,353 0,977 1,353 1,353 1,353
0,899 0,824 0,899 0,649 1,148 0,973 0,973 0,973 1,148 0,899
1,448 0,644 1,569 1,448 1,046 0,644 1,569 1,046 1,448 1,328
1,296 1,296 1,296 1,296 1,296 1,296 1,296 1,188 1,188 1,188
1,217 1,217 1,318 1,217 1,217 1,217 1,555 1,217 1,217 1,217
0,803 0,997 0,914 0,997 0,997 0,803 1,191 0,803 0,997 0,914
1,057 1,421 1,421 1,312 1,312 1,057 1,312 1,312 1,312 1,057
1,275 1,275 1,275 1,275 1,275 1,169 1,275 1,275 1,275 1,275
1,082 0,982 0,982 0,906 0,906 0,831 0,982 0,906 0,906 0,982
4.8 Matriks Solusi Ideal Positif Dan Matriks Solusi Ideal Negatif Setelah membuat matriks keputusan ternormalisasi terbobot, langkah berikutnya adalah menentukan matriks solusi ideal positif dan matriks solusi ideal negatif. Matriks solusi positif (A+) dihitung berdasarkan persamaan 2.3 dengan menggunakan rating keputusan ternormalisasi terbobot (yij) Berikut adalah perhitungan matriks solusi positif (A+) untuk data responden calon dosen. A+
Y1+ Y2+ Y3+ Y4+ Y5+ Y6+ Y7+ Y8+ Y9+ Y10+ Y11+ Y12+ Y13+ Y14+ Y15+ Y16+ 1,2649 1,501 1,09 1,541 1,027 1,432 1,136 1,466 1,148 1,569 1,296 1,555 1,191 1,421 1,275 1,082
Matriks solusi negatif (A-) dihitung dengan menggunakan rating keputusan ternormalisasi terbobot (yij). Proses berikut ini adalah perhitungan matriks solusi negatif (A-) untuk data responden calon dosen. A-
Y1Y2Y3Y4Y5Y6Y7Y8Y9Y10- Y11- Y12- Y13- Y14- Y15- Y161,2649 0,848 0,726 1,105 0,869 0,665 0,379 0,977 0,649 0,644 1,188 1,217 0,803 1,057 1,169 0,831
Dengan cara yang sama, proses perhitungan matriks solusi ideal positif (A+) dan matriks solusi ideal negatif (A-) juga dilakukan terhadap semua data responden calon dosen. 4.9 Menentukan Jarak Antara Nilai Alternatif Dengan Matriks Solusi Ideal Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif, sedangkan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif. Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
10
Berikut adalah proses perhitungan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif dari data responden yang pertama (W1). D1+ D2+ D3+ D4+ D5+ D6+ D7+ D8+ D9+ D10+
1,2805 1,2676 1,1098 0,9761 0,8791 1,6734 0,8634 0,8562 0,8573 1,156
Berikut adalah proses perhitungan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif dari data responden yang pertama (W1). D1D2D3D4D5D6D7D8D9D10-
1,1815 1,025 1,3089 1,3366 1,2149 0,6276 1,5643 1,4278 1,3685 1,1754
4.10
Menentukan Nilai Preferensi Untuk Setiap Alternatif (Perankingan) Proses pada tahap menentukan nilai preferensi untuk setiap alternatif (V 1) ini menggunakan persamaan 2.5 dalam penyelesaiannya. Proses perhitungan di bawah ini adalah proses perhitungan nilai preferensi untuk setiap alternatif dari data responden yang pertama (W1). V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
0,4799 0,4471 0,5412 0,5779 0,5802 0,2728 0,6444 0,6251 0,6148 0,5042
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
11
Nilai terbesar dari perhitungan nilai preferensi untuk setiap alternatif (V i) untuk data responden pertama (W1) di atas adalah pada V7 sehingga alternatif A7 adalah alternatif yang terpilih sebagai alternatif terbaik. 5.
KESIMPULAN Dari penelitian yang telah dilakukan, dapat diambil kesimpulan- kesimpulan sebagai berikut : 1. Dari hasil analisa dengan 10 orang calon dosen nilai yang didapat diantara 10 orang calon dosen tersebut tidak jauh berbeda, namun semuanya dinyatakan layak untuk menjadi dosen 2. Dengan menggunakan metode TOPSIS ini, pihak manajeman tidak kesulitan lagi untuk menentukan calon dosen yang layak untuk dijadikan.
DAFTAR PUSTAKA Daihani, Dadan Umar. 2001. Komputerisasi Pengambilan Keputusan. Jakarta : PT. Elex Media Komputindo. Febrian, Jack., 2007, Kamus Komputer Dan Teknologi Informasi, Bandung : Informatika Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi. Kusumadewi, Sri, dkk. 2006. Fuzzy Multi-Attribute Decision Making (FMADM). Yogyakarta : Graha Ilmu. Hermawan, Julius. 2005. Membangun Decision Support System. Yogyakarta : Andi. Turban, Efraim, dkk. 2005. Decision Support Systems and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas) Edisi 7. Yogyakarta : Andi Offset.
Jurnal SISFO Vol. 7, No.1, Februari 2013 – STIKOM Dinamika Bangsa - Jambi
12
