52
INFOKAM Nomor II / Th. IX/ September / 13 PENDEKATAN MODEL CANNAVACCIULO DENGAN FUZZY SET THEORY UNTUK PENILAIAN M I CROTEACHI NG INSTRUKTUR KURSUS (STUDI KASUS LPK ALFABANK SEMARANG) Oleh : Sugeng Murdowo Dosen AMIK JTC Semarang Abstrak Microteaching calon instruktur di Lembaga Pendidikan Alfabank Semarang merupakan salah satu proses yang harus dilalui oleh calon instruktur yang melamar disana. Untuk itu dibutuhkan cara penilaian yang objektif dalam melakukan seleksi yang dapat dilakukan dengan menggunakan model Cannavacciulo dengan Fuzzy Set Theory untuk melakukan perhitungan dalam proses seleksi tersebut. Supaya memudahkan dalam melakukan penilaian maka dibuatkan sistem informasi yang berfungsi untuk melakukan penyimpanan dan perhitungan hasil seleksi calon instruktur.
K eyw ord : Fuzzy Set Theory, M odel Cannavacciulo 1. PENDAHULUAN Perkembangan teknologi informasi yang begitu cepat baik dalam hal teknologi maupun penggunanya. Hampir semua bidang menggunakan alat bantu teknologi informasi dalam menyelesaikan tugas dan pekerjaannya, terutama didunia pendidikan baik formal maupun non formal sangat berperan penting dalam menunjang kegiatan belajar mengajar. Untuk menangani sumber daya manusia dalam pengelolaannya sangat dibutuhkan bantuan teknologi informasi dan komunikasi dalam pengolahan data karyawan mulai dari proses penerimaan karyawan, pendataan karyawan, promosi karyawan sampai dengan karyawan tersebut pensiun. Khusus untuk proses penerimaan dan promosi karyawan dibutuhkan suatu penilaian kinerja dan kemampuan untuk masing-masing karyawan yang didasarkan atas beberapa faktor-faktor yang mempengaruhi penilaian kinerja tersebut. Untuk itu dibutuhkan peralatan teknologi informasi yang digunakan untuk melakukan analisa kinerja masing-masing karyawan untuk menentukan performancenya. Salah satu model yang digunakan melakukan evaluasi adalah modifikasi dari model Fuzzy yang dapat dikembangkan untuk melakukan evaluasi dari kinerja karyawan sebelum melakukan promosi ataupun penerimaan karyawan. ( Adnan Shaout, at all , 1999) Dengan menggunakan model fuzzy berbasis kompetensi ini maka dapat mengakomodimasi ketidaktepatan, penilaian menjadi lebih sederhana dan logis, serta dapat mengurangi konflik dan biaya dalam proses seleksi dan promosi karyawan. Selain dari pada itu pihak pengambil keputusan lebih mudah dalam memutuskan secara objektif.(Adem Golec, at all, 2007) Lembaga Pendidikan Alfabank Semarang untuk melakukan seleksi instruktur melalui microteaching dengan menggunakan dasar penelitian diatas maka model fuzzy yang dimodifikasi dapat digunakan untuk melakukan penilaian terhadap peserta test microteaching di Lembaga Pendidikan Alfabank Semarang siapa yang akan dipilih. 1.1.
KERANGKA TEORI 1.1.2 System Development Life Cycle Dalam pengembangan sistem mulai dari studi kelayakan telah diciptakan beberapa model pengembangan antara lain : waterfall, spiral prototype dan lain-lain, yang bertujuan untuk membangun sebuah sistem dengan struktur yang jelas. 1.1.3 Model Waterfall Model air terjun adalah sebuah proses pembangunan perangkat lunak sekuensial, dimana kemajuan proyek dipandang sebagai air terjun melalui tahapan Conception, Inisiasi, Analisis, Desain (validasi), Konstruksi, Pengujian dan pemeliharaan. Proyek kecil perangkat lunak database menengah umumnya dipecah menjadi lima tahap: (Vishwas Massey, At All, 2012)
INFOKAM Nomor II / Th. IX/ September / 13
53
Gambar 1 : Model Waterfall Tahap – Tahap Dalam Model Waterfall:
a. Requirement Analysis
Seluruh kebutuhan software harus bisa didapatkan dalam fase ini, termasuk didalamnya kegunaan software yang diharapkan pengguna dan batasan software. Informasi ini biasanya dapat diperoleh melalui wawancara, survey atau diskusi. Informasi tersebut dianalisis untuk mendapatkan dokumentasi kebutuhan pengguna untuk digunakan pada tahap selanjutnya.
b. System Design
Tahap ini dilakukan sebelum melakukan coding. Tahap ini bertujuan untuk memberikan gambaran apa yang seharusnya dikerjakan dan bagaimana tampilannya. Tahap ini membantu dalam menspesifikasikan kebutuhan hardware dan sistem serta mendefinisikan arsitektur sistem secara keseluruhan.
c. Implementation
Dalam tahap ini dilakukan pemrograman. Pembuatan software dipecah menjadi modul-modul kecil yang nantinya akan digabungkan dalam tahap berikutnya. Selain itu dalam tahap ini juga dilakukan pemeriksaaan terhadap modul yang dibuat, apakah sudah memenuhi fungsi yang diinginkan atau belum.
d. Integration & Testing
Di tahap ini dilakukan penggabungan modul-modul yang sudah dibuat dan dilakukan pengujian ini dilakukan untuk mengetahui apakah software yang dibuat telah sesuai dengan desainnya dan masih terdapat kesalahan atau tidak.
e. Operation & Maintenance
Ini merupakan tahap terakhir dalam model waterfall. Software yang sudah jadi dijalankan serta dilakukan pemeliharaan. Pemeliharaan termasuk dalam memperbaiki kesalahan yang tidak ditemukan pada langkah sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru.
1.1.4
Pendekatan Fuzzy Konsep logika fuzzy pertama kali diperkenalkan oleh Profesor Lotfi A. Zaedah dari Universitas California, pada bulan Juni 1965. Sebagai cara matematis untuk mewakili ketidakjelasan dalam kehidupan sehari-hari. Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan, yaitu 0 dan 1. Dalam logika fuzzy, nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah. Konsep ini berbeda dengan teori himpunan klasik (crisp) . ( Adnan Shaout, at all , 1999) Teori himpunan klasik tergantung pada logika dua-nilai (two-valued logic atau logika bivalent) untuk menentukan apakah sebuah objek merupakan suatu
54
INFOKAM Nomor II / Th. IX/ September / 13 anggota himpunan atau bukan. Sedangkan dalam gugus fuzzy, suatu obyek mungkin menjadi milik gugus secara bagian. (Klir At Al.,1995) Dengan teori himpunan fuzzy, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masingmasing himpunan, dimana nilainya diukur dari perluasan fungsi keanggotaan gugus klasik. Misal, fungsi keanggotaan di dalam suatu gugus fuzzy A dinyatakan dengan µA = [0,1}. Fungsi keanggotaan ini memetakan x ke dalam kodomain dalam bentuk interval dari 0 sampai 1. Nilai 0 menunjukkan bahwa x bukan anggota gugus, nilai 1 menunjukkan x anggota gugus secara penuh, sedangkan nilai antara 0-1 (selain 0 dan 1) menunjukkan derajat keanggotaan x dalam suatu gugus. 1.1.4.1
Variabel Linguistik Suatu variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan. Sebagai contoh, ”umur” adalah variabel linguistik jika nilainya ”muda”, ”tidak muda”, ”sangat muda”, ”tua”, ”tidak tua”, atau ”sangat tua”. Umumnya, nilai variabel linguistik dapat dibangkitkan dari nilai yang paling utama (contohnya ”muda”), lawan katanya (contohnya ”tua”), kumpulan modifier (contohnya ”tidak”, ”sangat”, ”cukup”), dan kata hubung (”dan” dan ”atau”).(Wang, 1997)
1.1.4.2
Model Cannavacciulo Model Cannavacciuolo dengan menggunakan pendekatan fuzzy set theory mengembangkan suatu teknik penilaian karyawan dengan menggunakan pendekatan fuzzy. Teori himpunan fuzzy membantu untuk kedua puncak dan menciptakan model mudah bagi situasi keputusan yang biasanya diabaikan oleh model tradisional dalam evaluasi personil. Hal ini juga memberikan kontribusi untuk menyederhanakan terjemahan dari penalaran manusia ke dalam prosedur. Dalam model ini menggunakan sembilan preferensi yang menggambarkan hasil penilaian yaitu VVL (Very Very Low) – Sangat-sangat Buruk, VL (Very Low) – Sangat Buruk, L (Low) – Buruk, ML (Medium Low) – Dibawah Rata-Rata, M (Medium) – Rata-Rata, MH (Medium High) – diatas rata-rata, H (High) – Baik, VH (Very High) – Sangat Baik, dan VVH (Very Very High) – Sangat-Sangat Baik. Dengan jarak setiap nilai dianggap memiliki skala yang sama sehingga μ(x) = (jarak suatu nilai – 0 ) / (jumlah fakta selang – 0). Derajat keanggotaan tiap kategori = membandingkan luas daerah arsiran ( hasil kali jumlah fakta dengan suatu nilai ) dengan luas seluruh bidang yang terbentuk. (Cannavacciuolo et al.,1994)
Gambar 2 : Nilai Selang Dalam Model Cannavacciulo 2. METODE PENILITIAN Metode penelitian yang dilakukan melalui tahapan sebagai berikut mulai dari observasi ke Lembaga Pendidikan Alfabank Semarang untuk mengetahui prosedur penerimaan instruktur, memcari tahu standar yang digunakan untuk menerima seorang instruktur, mendapatkan form manual penilaian calaon instruktur berikut standar penilaiannya, dilanjutkan dengan studi pustaka tentang teori dari model Cannavacciulo dan fuzzy set theory, membuat perhitungan manual, membuat desain sistem dan desain database, dilanjutkan dengan membangun sistem informasi, lakukan debungging untuk fungsionalitas dari sistem.
INFOKAM Nomor II / Th. IX/ September / 13
55
3. PEMBAHASAN 3.1 Penentuan Kriteria Calon Instruktur Pencarian calon instruktur ini dilakukan dengan seleksi administratif dari lamaran dengan melihat pendidikan terakhir dan kompetensi dari calon pelamar. Untuk menentukan calon instruktur yang terpilih, terlebih dahulu dimasukkan persyaratan atau kriteria-kriteria sebagai calon instruktur yang ditentukan oleh lembaga pendidikan, dalam hal ini LKP Alfabank, yaitu : 1.Pendidikan Akhir Calon Instruktur, 2. Kompetensi yang dikuasai, 3.Pengalaman Kerja, 4.Pengetahuan Dibidang IT, 5.Mampu berkomunikasi dengan baik, 6. Mengerti tentang GBPP dan SAP. 3.2 Standar Penilaian Penilaian calon instruktur relatif terhadap beberapa kategori. Beberapa kategori calon instruktur yang ideal yang digunakan pada penilaian calon instruktur adalah : 1. Calon Ideal A, hasil penilaian diluar kriteria lembaga, 2. Calon Ideal B, penilaian disesuaikan dengan kriteria yang sudah ditentukan, 3. Calon Ideal C, diberikan tugas untuk menyelesaikan tugas tertentu. 3.3 Penilaian Kriteria evaluasi untuk mikroteaching ditentukan oleh masing-masing lembaga pendidikan dalam hal ini mengambil studi kasus LKP Alfabank , yaitu : Untuk menerangkan penilaian terhadap seorang calon instruktur tertentu dapat dibuat beberapa fakta evaluasi (Fi; 1=i=n, yang menerangkan suatu fakta Fi dapat menyatakan satu atau lebih kondisi). Fakta-fakta tersebut direferensikan kepada kategori ideal yang telah ditetapkan lembaga pendidikan, misalnya direferensikan dengan tiga kategori calon ideal pada standar penilaian di atas, yaitu calon ideal A, B, dan C. Hasil pereferensian suatu fakta dengan kategori-kategori tersebut akan menghasilkan nilai (terms). Hal ini dilakukan untuk mendapatkan hubungan fuzzy antara fakta-fakta dan kategori-kategori calon ideal. Adapun nilai pereferensian yang digunakan sesuai dengan Lembaga Pendidikan Alfabank, yaitu :1.SSB : Sangat-Sangat Buruk, 2.SB : Sangat Buruk, 3.B : Buruk, 4.R- : Di Bawah Rata-Rata, 5.R : Rata-Rata, 6.R+ : Di Atas Rata-Rata, 7.A : Baik, 8.SA : Sangat Baik, dan 9.SSA : Sangat-Sangat Baik. Tabel 1 : Kriteria penilaian Jenis Kriteria
Fakta
Jenis Kategori
Pendahuluan
Fakta 1 : Jika seorang calon instruktur dapat menyajikan tiga unsur yaitu diskripsi singkat, relevansi atau manfaat dan tujuan instruksional
Kandidat ideal B, Kandidat ideal C
Penyajian Materi
Fakta 2 : Jika seorang calon instruktur dapat menyajikan materi yang mengandung uraian, contoh, latihan dan rangkuman.
Kandidat Ideal A, Kandidat Ideal B, Kandidat Ideal C
Pemberian Contoh
Fakta 3 : Jika seorang calon instruktur dapat menyajikan contoh yang relevan dengan konsep yang dijelaskan
Kandidat Ideal A, Kandidat Ideal B
Penggunaan Media
Fakta 4 : Jika seorang calon instruktur dapat menggunakan media pembelajaran yang sesuai dengan pokok bahasan
Kandidat Ideal B, Kandidat Ideal C
56
INFOKAM Nomor II / Th. IX/ September / 13
Mengaktifkan Peserta
Fakta 5 : Jika seorang calon instruktur dapat mengaktifkan peserta didik untuk sibuk baik fisik dan mental dengan materi yang diberikan
Kandidat Ideal A, Kandidat Ideal B
Memotivasi Peserta
Fakta 6 : Jika seorang calon instruktur dapat memberikan motivasi peserta didik untuk mencapai nilai maksimal dengan memberi pujian dan dorongan.
Kandidat Ideal A, Kandidat Ideal B
Penguasaan Ruangan
Fakta 7 : Jika seorang calon instruktur dapat memanfaatkan ruang yang ada secara maksimal dan merata di seluruh ruaangan dalam proses belajar mengajar.
Kandidat ideal B
Penggunaan Waktu
Fakta 8 : Jika seorang calon instruktur dapat membagi waktu pendahuluan 5%, penyajian 80% dan penutup 15%.
Kandidat Ideal A, Kandidat Ideal B
Evaluasi
Fakta 9 : Jika seorang calon instruktur dapat menyelenggarakan evaluasi dengan baik dimana peserta didik mampu mengerjakan secara mandiri
Kandidat Ideal A, Kandidat Ideal B, Kandidat Ideal C
Penutup
Fakta 10 : Jika seorang calon instruktur dapat melakukan penutupan dan penyimpulan yang mengandung umpan balik terhadap peserta didik untuk kegiatan lanjutan
Kandidat ideal B
Sumber : Akademik LPK Alfabank Semarang 3.4 Menghitung Derajat Keanggotaan Hasil analisis calon instruktur x Tabel 2 : Hasil Analisis Calon Instruktur X Kode Fakta F1 F2 F3 F4 F5 F6 F7 F8 F9 F10
A SA A RR R A -
Jenis Kategori B SA SSA SA A R+ R+ R SA SA A
C A R R A -
Setiap nilai memiliki derajat keanggotaan masing-masing. Derajat keanggotaannya didapat dari suatu fungsi keanggotaan tertentu. Pada penelitian ini, digunakan asumsi bahwa nilai-nilai tersebut, yang digunakan mengevaluasi fakta, memiliki karakteristik (bobot ) yang sama lihat gambar 2. Derajat keanggotaan suatu nilai diperoleh dengan cara jarak suatu nilai dikurangi batas bawah selang lalu dibagi dengan hasil pengurangan batas atas selang dengan batas bawah selang. Dari gambar 2, nilai-nilai pereferensian yang digunakan adalah dari SSB sampai
INFOKAM Nomor II / Th. IX/ September / 13
57
SSA, batas bawah adalah 0 dan batas atas adalah 9, sehingga derajat keanggotaan setiap nilai pereferensian adalah : Setiap nilai memiliki derajat keanggotaan masing-masing. Derajat keanggotaannya didapat dari suatu fungsi keanggotaan tertentu. Pada penelitian ini, digunakan asumsi bahwa nilai-nilai tersebut, yang digunakan mengevaluasi fakta, memiliki karakteristik (bobot ) yang sama lihat gambar 2. Derajat keanggotaan suatu nilai diperoleh dengan cara jarak suatu nilai dikurangi batas bawah selang lalu dibagi dengan hasil pengurangan batas atas selang dengan batas bawah selang. Dari gambar 2, nilai-nilai pereferensian yang digunakan adalah dari SSB sampai SSA, batas bawah adalah 0 dan batas atas adalah 9, sehingga derajat keanggotaan setiap nilai pereferensian adalah : µ(x) = (jarak suatu nilai-0) / (9-0) = (jarak suatu nilai) / 9 Adapun hasil pencarian fungsi keanggotaan dan derajat keanggotaan tiap kandidat berdasarkan data hasil analisis penilaian (tabel 3 ), yaitu : Tabel 3 Data penilaian pada calon instruktur X Nilai (terms)
Jenis Kategori A
B
C
a
b
c
D
e
f
g
h
e
f
g
h
e
f
g
h
SSB
1
1
0,11
-
0
0
0
-
0
0
0
-
0
0
0
SB
1
2
0,22
-
0
0
0
-
0
0
0
-
0
0
0
B
1
3
0,33
-
0
0
0
-
0
0
0
0
0
0
R-
1
4
0,44
F5
1
1
0,16
-
0
0
0
-
0
0
0
R
1
5
0,56
F6,F8
2
3
0,50
F7
1
1
0,1
F2,F4
2
2
0,5
R+
1
6
0,67
-
0
3
0,5
F5,F6
2
3
0,3
-
0
2
0,5
A
1
7
0,78
F3,F9
2
5
0,83
F4,F10
2
5
0,5
F1,F9
2
4
1
SA
1
8
0,89
F2
1
6
1
F1,F3, F8,F4
4
9
0,9
0
4
1
SSA
1
9
1
-
0
6
1
F2
1
10
1
0
4
1
Keterangan : a = nilai-nilai pereferensian, e = kode fakta, b = bobot nilai, f = jumlah fakta pada nilai tertentu, c = jarak nilai dalam selang, g = jarak fakta dalam selang. d, h = derajat keanggotaan nilai, Setelah semua nilai pada setiap kategori calon instruktur ideal telah dihitung derajat keanggotaannya (dapat dilihat pada gambar), maka grafik fungsi keanggotaan untuk setiap kategori kandidat ideal, yaitu seperti pada gambar grafik di bawah ini, dimana sumbu y menyajikan gugus universal dari nilai yang disusun untuk membuat penilaian dan sumbu x adalah kumpulan fakta yang ada :
INFOKAM Nomor II / Th. IX/ September / 13
Nilai Preferensi
10 8 6 4 2 0 F5
F6
F8
F3
F9
F2
KODE FAKTA Gambar 3 : Grafik Fungsi Keanggotaan X pada Calon Ideal A Derajat keanggotaan kandidat X untuk kategori Calon Ideal A yaitu : µA(x) = luas daerah fakta / luas bidang = jumlah (fxc) / luas bidang = (4+5+5+7+7+8) / (6*9) =36/54 = 0.667
Nilai Preferensi
9 7 5 3 1 -1
F7 F5 F6 F4 F10 F1 F3 F4 F8 F2 FAKTA Gambar 4 : Grafik Fungsi Keanggotaan X pada Calon Ideal B
Derajat keanggotaan kandidat X untuk kategori Calon Ideal B yaitu : µB(x) = luas daerah fakta / luas bidang = jumlah (fxc) / luas bidang = (5+6+6+7+7+8+8+8+8+9) / (10*9) =72/90 = 0.80 9 Nilai Preferensi
58
7 5 3 1 -1
F2
F4
FAKTA
F1
F9
Gambar 5 : Grafik Fungsi Keanggotaan X pada Calon Ideal C Derajat keanggotaan kandidat X untuk kategori Calon Ideal C yaitu : µC(x) = luas daerah fakta / luas bidang = jumlah (fxc) / luas bidang = (5+5+7+7+) / (4*9) =24//36 = 0.667
INFOKAM Nomor II / Th. IX/ September / 13
59
Setelah perhitungan derajat keanggotaan pada masing-masing ketegori calon instruktur ideal didapat, maka diperoleh penilaian akhir seorang calon instruktur untuk diterima sebagai instruktur yaitu : µP(X) = (µA(X) + µB(X) + µC(X)) / 3 = (0,667 + 0,800 + 0,667) / 3 = 2.134 / 3 = 0,711, memiliki nilai akhir di atas R atau disekitar A (tabel 3 kolom d), Kemudian dibandingkan dengan Calon Instuktur lain kemudian dipilih yang memiliki nilai tertinggi. 4.1. Desain Sistem
Gambar 6 : Diagram Contex
Gambar 7 : DFD Level 1 4.2.
Interface Sistem
a. Pengisian Nilai
Gambar 8 : Form Penilaian
60
INFOKAM Nomor II / Th. IX/ September / 13 b. Laporan
Gambar 9 : Laporan 5. Kesimpulan Dengan menggunakan preferensi dari model Cannavacciulo dengan fuzzy set theory dapat memberikan nilai yang baik sesuai dengan kriteria dan fakta kriteria yang harus dipenuhi oleh calon instruktur dan penilai sendiri lebih mudah untuk memberikan secara objektif kepada peserta microteaching. Daftar Pustaka Adem Golec, Esra Kahya, 2007, A fuzzy model for competency-based employee evaluation and selection, ElSevier : Computers & Industrial Engineering 52 (2007) 143–16 Adnan Shaout, Minwir Al-Shammari , 1998, Fuzzy logic modeling for performance appraisal systems A framework for empirical evaluation, Pergamon : Expert Systems With Applications 14 323–328 Cannavacciuolo, A., G. Capaldo, A. Ventre, A. Volpe & G. Zollo. 1994. An approach to the evaluation of human resources by using fuzzy set theory, hlm. 1165-1170. Craig, J. C. 1997. Microsoft Visual Basisc 4.0 Developer’s Workshop. Ed. Ke-3.. J. Klir, Goerge dan Yuan, Bo. 1995. Fuzzy Set And Fuzzy Logic Theory And Applications. Prentice Hall PTR. Vishwas Massey, K. J. Satao, 2012, Evolving a New Software Development Life Cycle Model (SDLC) incorporated with Release Management, International Journal of Engineering and Advanced Technology (IJEAT) ISSN: 2249 – 8958, Volume-1, Issue-4, April 2012