SNIPTEK 2016
ISBN: 978-602-78250-3-3
PENERAPAN FUZZY ANALYTIC HIERARCHY PROCESS UNTUK MENENTUKAN KINERJA GURU DALAM PEMILIHAN KELAYAKAN KENAIKAN PANGKAT DAN TENAGA KONTRAK (STUDI KASUS SMK NEGERI 2 CILAKU – CIANJUR) Apip Supiandi STMIK Nusa Mandiri Sukabumi Jl. Veteran No 20 A Sukabumi
[email protected] ABSTRAK—In improving the quality of education is one important factor is the performance of teachers, the Government issued a budget to 20% as mandated by law, therefore teacher performance should be balanced with a fair reward and punishment of government regulations. In order to assist the management of the school, then built a system that can later be used as the standard of competence assessment with several teachers. This system is known as decision support systems using Fuzzy Analytical Hierarchy Process method. In making the decision with this method with several stages which is a unity that must be done systematically. This system is built with Microsoft Access as a maker of GUI and Microsoft Excel as manual mathematical calculations. From the test results, the system can determine the order of priority for PNS teachers for promotion and the order of priority for non PNS Teachers to labor contracts with the assessment objekif compared to manual calculation. Software created can be accepted by the management, with the results of software testing methods Software Quality Assurance. Keywords : Fuzzy Analytical Hierarchy Process, GUI, Microsoft Access, Microsoft Excel, Software Quality Assurance. INTISARI—Dalam meningkatkan kualitas pendidikan merupakan salah satu faktor penting adalah kinerja guru, Pemerintah mengeluarkan anggaran untuk 20% sebagaimana diamanatkan oleh undang-undang, oleh karena itu kinerja guru harus seimbang dengan pahala yang adil dan hukuman dari peraturan pemerintah. Dalam rangka membantu manajemen sekolah, kemudian membangun sebuah sistem yang nantinya dapat digunakan sebagai standar penilaian kompetensi dengan beberapa guru. Sistem ini dikenal sebagai sistem pendukung keputusan dengan menggunakan metode Analytical Hierarchy Process Fuzzy. Dalam membuat keputusan dengan metode ini dengan beberapa tahapan yang merupakan satu kesatuan yang harus dilakukan secara sistematis. Sistem ini dibangun dengan Microsoft Access sebagai pembuat GUI dan Microsoft Excel perhitungan matematika sebagai panduan. Dari hasil pengujian, sistem dapat menentukan urutan prioritas untuk guru PNS untuk
promosi dan urutan prioritas untuk non PNS Guru kontrak kerja dengan penilaian objekif dibandingkan dengan perhitungan manual. Software yang dibuat dapat diterima oleh manajemen, dengan hasil software metode pengujian perangkat lunak Quality Assurance. Kata kunci: Fuzzy Hierarchy Process Analytical, GUI, Microsoft Access, Microsoft Excel, Software Quality Assurance.
PENDAHULUAN Guru adalah pendidik profesional yang mempunyai tugas, fungsi dan peran penting dalam mencerdaskan kehidupan bangsa. Oleh karena itu Guru yang profesional diharapkan mampu berpartisipasi dalam pembangunan nasional untuk mewujudkan insan Indonesia yang bertaqwa kepada Tuhan YME, unggul dalam ilmu pengetahuan dan teknologi, memiliki jiwa estetis, etis, berbudi pekerti luhur dan berkepribadian (Kementrian Pendidikan dan Kebudayaan, 2012). Masalah kinerja menjadi sorotan berbagai pihak, kinerja Guru akan dirasakan oleh siswa atau orang tua siswa. Berbagai usaha dilakukan untuk mencapai kinerja yang baik. Perhatian pemerintah terhadap pendidikan sudah dilaksanakan anggaran pendidikan 20 % yang diamanatkan Undang-Undang. Maka kinerja Guru tentunya akan menjadi perhatian semua pihak. Guru harus benarbenar kompeten dibidangnya dan Guru juga harus mampu mengabdi secara optimal (Achmadi, 2012). Metode-metode dalam memprediksi kinerja seperti FIS Mamdani (Tiayudi A, Az Nazori, 2012), ANFIS (Gustian, D, 2013), AHP (Nurmianto E., Siswanto N., 2006). Logika Fuzzy Logika Fuzzy memiliki kelebihan dapat mengekspresikan konsep yang sulit untuk dirumuskan (Nugroho, A.S., 2003). Sementara kelemahannya adalah belum adanya metode umum untuk mengembangkan dan implementasi pengendali fuzzy (Saelan A, 2009). ANFIS memiliki kelebihan dapat menerjemahkan pengetahuan dari pakar dalam bentuk-bentuk aturan, sedangkan kelemahannya dibutuhkan waktu yang lama untuk menetapkan fungsi keanggotaan (Kuncahyo, B, et al, 2012). AHP memliki kelebihan yang dapat membantu kerangka
91
SNIPTEK 2016 berfikir manusia sebagai masukan kualitatif (Nurmianto E., Siswanto N., 2006). Namun kelemahannya untuk pengambilan keputusan dengan banyak criteria yang bersifat subjektif, seringkali seorang pengambil keputusan dihadapkan pada suatu masalah yang sulit dalam penentuan bobot setiap criteria (Rahardjo, J., Sutapa I.N., 2002). F-AHP memiliki kelebihan sangat berguna dalam masalah-masalah kompleks yang tidak terstruktur sehingga kriteria didefinisikan dalam struktur hirarki sehingga menjadi lebih sederhana dan dipahami (Findati, Y., Imron, M. dan Dayawati, R,N., 2012, p.1), sedangkan kekurangannya membutuhkan waktu yang lama karena banyak membutuhkan interaksi user untuk meng-inputkan nilai perbandingan berpasangan. Selain itu bila ada dua kriteria yang memiliki nilai hampir sama, maka akan menghasilkan nilai 0 dan 1 (Findati, Y., Imron, M. dan Dayawati, R,N., 2012, p.2). Pada penelitian ini digunakan Fuzzy Analytical Hierarchy Process (F-AHP) dalam membuat Sistem Penunjang Keputusan Penilaian Kinerja Guru Berdasarkan Kompetensi Ke-Guruan sehingga hasil prediksi lebih akurat.
BAHAN DAN METODE 1.
Fuzzy Logika fuzzy merupakan pengembangan dari teori himpunan fuzzy yang diprakasai oleh Prof. Lofti Zadeh dari Universitas California USA, pada tahun 1965. Logika Fuzzy berbeda dengan logika digital biasa, dimana logika digital biasa hanya mengenal dua keadaan yaitu: Ya_Tidak atau ON_OFF atau High_Low atau “1”_”0”. Sedangkan logika fuzzy meniru cara berfikir manusia dengan menggunakan konsep sifat kesamaran suatu nilai (Mardison, 2012). Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama Kusumadewi, S. et al, 2006. AHP Metoda Analytical Hierrchy Process (AHP) dekembangkan oleh Prof. Thomas Lorie Saaty dari Wharton Business School di awal tahun 1970, yang digunakan untuk mencari rangking atau urutan prioritas dari berbagai alternatif dalam pemecahan suatu permasalahan. Dalam kehidupan sehari-hari, seseorang senantiasa dihadapkan untuk melakukan pilihan dari berbagai alternatif (Sinaga, J. 2009).
ISBN: 978-602-78250-3-3 decision-making. Bagaimanapun, seharusnya untuk kesamaran dan ketidakpastian pada pertimbangan pengambilan keputusan, crisp, perbandingan pasangan dengan AHP konvensional tidak dapat mengambil secara akurat pertimbangan pengambilan keputusan (Findati, Y., Imron, M. dan Dayawati, R,N., 2012, p.3). Pada pendekatan triangular fuzzy numbers digunakan untuk memilih pilihan dari satu kriteria dari yang lain dan kemudian menggunakan metode analisis yang lebih luas, menghitung nilai sintetik luas dari perbandingan berpasangan, Berdasarkan pendekatan ini, bobot vector dapat diputuskan dan dinormalisasi, kemudian bobot vektor yang telah dinormalisasi akan diputuskan. Prioritas terbesar dapat diberikan pada bobot dengan nilai terbesar (Findati, Y., Imron, M. dan Dayawati, R,N., 2012, p.4). 4.
Algoritma Fuzzy-AHP Penggunaan FAHP, secara orisinil diperkenalkan oleh Chang (1996). X = {X1,X2,X3 …….,Xn} sebagai himpunan objek, dan G = {g1,g2,g3 ….,Gn} sebagai goal himpunan. Berdasarkan metode analisa perluasan Chang, tiap objek diambil dan perluasan analisa untuk tiap goal ditampilkan secara berurutan. Oleh karena itu, m nilai perluasan analisa untuk tiap objek dapat didapatkan, dengan tanda sebagai berikut: Langkah 1 : Nilai dari perluasan fuzzy sintetik dengan respek pada objek pertama yang di definisikan : (1) Untuk mendapatkan menampilkan penjumlahan operasi fuzzy dari nilai perluasan analisa m untuk matrix particular : (2) Dimana adalah nilai terendah dari TFN, adalah nilai tengah dari TFN, dan adalah nilai tertinggi dari TFN pada matrik berpasangan. Dan untuk mendapatkan menampilkan operari penambahan fuzzy dari
2.
3.
Fuzzy AHP Analytic Hierarchy Process (AHP) telah digunakan secara luas untuk menyelesaikan masalah multicriteria
(3) Dan kemudian menghitung vektor diatas seperti : (4)
Langkah 2 : Sebagai
dan adalah dua triangular fuzzy number, derajat yang memungkinkan dari di definisikan sebagai :
92
SNIPTEK 2016
ISBN: 978-602-78250-3-3 (5)
Tabel. 1 Himpunan Linguistik Triangular Fuzzy Number (TFN) Triangular Fuzzy
Reciprocal
Number (TFN)
(kebalikan)
Perbandingan Elemen yang sama
(1, 1, 1)
(1, 1, 1)
Pertengahan (Intermediate)
(½, 1, 3/2)
(2/3, 1, 2)
Elemen satu cukup penting dari yang
(1, 3/2, 2)
(1/2, 2/3, 1)
Pertengahan (Intermediate) elemen yang satu lebih Elemen satu kuat pentingnya dari yang lain (Strongly Important) Pertengahan (Intermediate)
(3/2, 2, 5/2)
(2/5, 1/2, 2/3)
(2, 5/2, 3)
(1/3, 2/5, ½)
(5/2, 3, 7/2)
(2/7, 1/3, 2/5)
Elemen satu lebih kuat pentingnya dari yang lainnya (Very Strong) Pertengahan (Intermediate)
(3, 7/2, 4)
(1/4, 2/7, 1/3)
(7/2, 4, 9/2)
(2/9, 1/4, 2/7)
(4, 9/2, 9/2)
(2/9, 2/9, 1/4)
Dan secara ekuivalen dapat diekpresikan sebagai berikut : (6)
Himpunan Linguistik
(7)
Untuk membandingkan dan
dan
diperlukan nilai
.
Langkah 3 : Derajat kemungkinan untuk bilangan fuzzy cembung lebih besar dari k cembung fuzzy bilangan didefinisikan sebagai:
.
(8)
Asumsi adalah diimana prioritas didefinisikan sebagai:
.
Kemudian
lainnya (moderately important)
Elemen satu mutlak lebih penting dari yang lainnya (Exremely Strong)
Sumber : Chang (1996) 2. Penyusunan Kriteria Evaluasi Fase ini digunakan untuk mengecek apakah matrik berpasangan yang dibuat konsisten atau tidak. Perhitungan jumlah dari tiap kolom kriteria
vektor
(9) dimana
Sumber: Hasil penyusnan Kreteria evaluasi(2016) Gambar 2. Kriteria Evaluasi
adalah n element.
Langkah terakhir setelah normalisasikan bobot vektor :
melalui
normalisasi,
W
Penentuan vektor prioritas dari masing-masing baris Tabel 2. Vektor Prioritas
(10)
Dimana W adalah bilangan non-fuzzy
a1
a2
dst
total
Vektor Prioritas
a1
1.1/j1
1.2/j2
1.n/jn
a2
2.1/j1
2.2/j2
2.n/jn
=(1.1/j1)+(1.1 /j2)+(1.n/jn) =(2.1/j1)+(2.1 /j2)+(2.n/jn)
=(1.1/j1)+(1.1/j2)+(1.n/jn) /jumlah n =(2.1/j1)+(2.1/j2)+(2.n/jn) /jumlah n
j1
j2
jn
dst
1. Penentuan Nilai Síntesis (SI) Teori himpunan yang membantu dalam pengukuran konsep iniguitas yang berhubungan dengan penilaian subjektif manusia memakai variabel linguistik bilangan Triangular Fuzzy Number (TFN).
Jumlah = jumlah tiap kolom dari kriteria
Sumber:hasil analisis(2016) Menghitung perkalian matriks vektor prioritas dengan tiap kriteria. Tabel 2. Perkalian matriks vektor prioritas dengan tiap kriteria
Sumber: hasil analasis(2016) Gambar 1. Triangular Fuzzy Number (TFN)
93
SNIPTEK 2016
ISBN: 978-602-78250-3-3
Menghitung Nilai Geometrik Mean Penentuan Nilai Ordinat Fuzzifikasi (D’) Normalisasi (W) Perangkingan Alternatif dan Hasil Keputusan
2. Data Kriteria dan Sub Kriteria Tabel 4. Data kriteria dan sub kriteria
Sumber: hasil analasis(2016) Bobot prioritas bisa dilihat tabel dibawah : Tabel 3 Bobot prioritas Hasil Total Bobot Prioritas hasil 1 VP1 H1/VP1 hasil 2 VP2 H2/VP2 hasil 3 VP3 H3/VP3 hasil n VPn Hn/VPn Sumber: hasil analasis(2016) Rata-rata bobot prioritas ƛmaks= Menghitung indeks konsistensi CI dan CR CI=(
)
CR=
HASIL DAN PEMBAHASAN Dalam melakukan penelitian ini yang dilakukan pada SMK Negeri 2 Cilaku - Cianjur, langkah pertama yang dilakukan adalah mengumpulkan informasi yang dibutuhkan antara lain kompetensi pedagogik, kepribadian, social dan kompetensi professional. Data yang diperoleh kemudian dimasukkan sebagai input dari Fuzzy-Analysis Hierarchy Process (FAHP), Sedangkan outputnya adalah kelayakan kinerja yang ditentukan standar baik Guru PNS maupun Guru Non PNS. 1. Tahapan penelitian dengan Fuzzy Analytical Hierarchy Process Penelitian ini meliputi beberapa langkah penelitian, yaitu sebagai berikut ini : 1. Data kriteria dan Sub Kriteria 2. Fuzzy AHP Struktur Hirarki Penentuan Nilai Síntesis (Si) Perhitungan Jumlah Matriks Setiap Kolom Sel Penyusunan Kriteria Evaluasi
Sumber: hasil analasis(2016) 3. Fuzzy AHP A. Struktur Hirarki
Sumber: hasil analasis(2016) Gambar 4. Struktur hirarki kinerja guru dengan F-AHP
94
SNIPTEK 2016 Dalam gambar diatas nampak bahwa sebagai tujuan utama dari penelitian ini adalah menghasilkan rekomendasi suatu keputusan bagi pihak manajemen sekolah. Dimana setiap penilaian kinerja mempuyai penilaian masing-masing aspek kompetensi keguruan, yakni kompetensi pedagogik, kepribadian, sosial dan profesional. Setiap kompetensi tersebut mempunyai masing-masing kriteria yang nantinya dijadikan ukuran kelayakan kinerja seorang guru. 4. Penentuan Nilai Síntesis (SI) Tabel 5. dibawah adalah Perbandingan matriks berpasangan kriteria F-AHP Tabel 5. Perbandingan matriks berpasangan kriteria F-AHP
ISBN: 978-602-78250-3-3 7. Menghitung indeks konsistensi CI dan CR
6. Menghitung Nilai Geometrik mean Setelah memperoleh kesimpulan dari CR apakah konfigurasi matriks yang dibuat konsisten atau tidak. Artinya bahwa jika nilai CR <= 0.1 maka matrik yang dibuat cukup konsisten, tetapi jika sebaliknya maka konfiguasi matrik harus dirubah kembali dan menyusun konfigurasi matriks yang baru sampai nilai CR <= 0.1 7. Penentuan Nilai Ordinat Defuzzifikasi (D’) Pada langkah ini bertujuan untuk mengubah bilangan fuzzy menjadi nilai nyata (crisp) 8. Normalisasi Setelah mendapatkan nilai vektor dan defuzzifikasi, maka dilakukan normalisasi yang bertujuan untuk mendapatkan nilai yang nantinya akan dijadikan nilai acuan dari masing-masing kriteria (total tiap kriteria). 9. Perangkingan Alternatif dan Hasil Keputusan Nilai yang diberikan oleh peneliti dan pihak manajemen dibagi menjadi lima bagian, yakni range A, B, C, D dan E. Dimana masing-masing range memiliki ranking hasil dari F-AHP yang telah dihitung.
Sumber: hasil analasis(2016) 5. Penyusunan Kriteria Evaluasi 1. Konversi bilangan fuzzy triangular kedalam desimal. Tabel 2. Konversi bilangan fuzzy tiangular dalam desimal. No Keterangan Bilangan Fuzzy Penentuan Triangular matrix dalam desimal 1 Tidak layak (1,1,3) 1.00 2 Kurang layak (1,3,5) 3.00 3 Cukup layak (3,5,7) 5.00 4 Layak (5,7,9) 7.00 5 Sangat layak (7,7,9) 9.00 Sumber : Chang (1996) 2. Perhitungan jumlah dari tiap kolom kriteria 3. Penentuan vektor prioritas dari masing-masing baris 4. Menghitung perkalian matriks vektor prioritas dengan tiap kriteria. 5. Bobot prioritas 6. Rata-rata bobot prioritas
Tabel 3. Perancangan perangkingan untuk Guru PNS dan Non PNS No Range Rangking Keterangan 1 A 1 Sangat layak 2 B 2 Layak 3 C 3,4 Cukup layak 4 D 5 Kurang layak 5 E 6 Tidak layak Sumber: hasil analasis(2016) No Range Rangking 1 A 1-9 2 B 10-18 3 C 19-27 4 D 28-36 5 E 37-45 Sumber: hasil analasis(2016)
Keterangan Sangat layak Layak Cukup layak Kurang layak Tidak layak
10. Jenis Penelitian Jenis penelitian yang dilakukan pada penelitian ini adalah jenis penelitian eksperimen. Dimana dalam metode ini dilakukan dengan menguji kebenaran sebuah hipotesis dengan statistik dan menghubungkannya dengan masalah penelitian (Andriani, A. 2013). 11. Metode Pengumpulan Data
95
SNIPTEK 2016
ISBN: 978-602-78250-3-3
Dalam penelitian ini, penulis menggunakan metode wawancara dan quisioner yang didapat dari dari pihak terkait, seperti kasubag kepegawaian, Kepala Jurusan Pengajaran Umum, Kasie Operasional dan pengembangan mutu dan lain sebagainya. Dimana semua data tersebut merupakan kegiatan supervisi yang diadakan setiap tahun dan menjadi agenda rutin sekolah dalam memonitor kinerja para karyawannya. 12. Uji kehandalan GUI Quisioner dengan Metode SQA (Software Quality Assurance). Dalam SQA terdapat tiga point pengertian dari kualitas perangkat lunak, diantaranya sebagai berikut ini : 1. Kebutuhan-kebutuhan perangkat lunak merupakan fondasi darimana kualitas diukur 2. Standar-standar spesifik yang menentukan kriteria pengembangan yang menuntun pembuatan suatu perangkat lunak 3. Terdapat kebutuhan-kebutuhan yang implisit yang sering tidak diperhatikan (misalnya: keinginan untuk pemeliharaan yang terbaik (Ria Kusuma Handayani, 2010) 4. Skor masing-masing responden = <skor audiability> * 0.10 + <skor accurancy> *0.10 + skor completeness> * 0.15 + <skor error tolerance> * 0.10 + <skor excecution efficiency> * 0.10 + <skor operability> * 0.15 + <skor simplicity> * 0.15 + <skor training> * 0.15 5. Dalam mengevaluasi berdasarkan kriteria, dalam penelitian ini meggunakan persamaan: 6. Rata – rata responden :
2. Saran Beberapa saran yang dapat dikemukakan, diantaranya sebagai berikut ini : 1. Pihak sekolah hendaknya dapat menerapkan model perangkat lunak dalam penelitian ini, sehingga proses penilain kinerja Guru, hal ini tentu saja berlainan dengan proses pemilihan selama ini yang digunakan secara manual. 2. Pihak sekolah hendaknya memberikan pelatihan kepada pihak-pihak yang berkepentingan dalam hal ini, seperti waka kurikulum, Evaluasi dan pengembangan, Kepala Jurusan/program studi dan koordinator masingmasing mata pelajaran. Hal ini bertujuan agar proses pihak-pihak tersebut dapat menggunakan perangkat lunak ini dengan baik, sehingga supervisi yang dihasilkan dapat digunakan sebagai pengambil kebijakan sekolah. 3. Perangkat lunak yang dibuat hendaknya disesuaikan dengan kondisi dan situasi disekolah tersebut, artinya bahwa kompetensi yang sudah ada dapat ditambah atau mungkin ada beberapa kompetensi penilaian yang harus ditiadakan jika sekolah tersebut tidak menggunakan kompetensi penilaian itu. Lain halnya dengan dari sisi arsitektur, hendaknya perangkat lunak yang dibuat dapat dihubungkan ke database sehingga data yang telah dientry dapat tersimpan sebagai arsip data dan hasilnya dapat dicetak jika diperlukan dan sebagainya.
REFERENSI PENUTUP 1. Kesimpulan Beberapa kesimpulan yang dapat dikemukakan, diantaranya sebagai berikut : 1. SPK penilian kinerja Guru menggunakan metode F-AHP berhasil dibangun guna menghasilkan suatu keputusan yang lebih objektif dengan perangkingan kinerja Guru baik PNS maupun non PNS, yakni dengan menggunakan tolak ukur kompetensi Guru yang ada 2. Dengan menggunakan metode F-AHP dapat mengurangi masalah dari pengukuran yang terjadi seperti terjadi dua kali pengukuran, hal ini karena baik pihak sekolah maupun pengawas menggunakan SPK yang dibangun 3. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka diperoleh nilai rata-rata sekitar 82. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80, meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya benar, karena audience yang menguji GUI ini hanya 5 orang dari jabatan/posisi yang berbeda, sehingga nilai ratarata yang sebaiknya minimal terdiri ¾ dari sampling guru yang diuji alam penelitian ini
Achmadi (2012), Hubungan kepemimpinan Kepala Sekolah, Motivasi berprestasi dan Kompensasi Kinerja Guru Sekolah Dasar, PPs IKIP PGRI Semarang, Indonesia. Andriani, A. (2013). Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus : AMIK”BSI Yogyakarta”, Program Studi Manajemen Informatika, AMIK BSI Jakarta. Findati, Y., Imron, M., Dayawati, R,N. (2012). Aplikasi Pendukung Underwriting Akseptasi Dan Penerbitan Polis Pada Ajb Bumiputera 1912 Menggunakan Metode Fuzzy-Ahp dan Weighted Product Model, Universitas Muhammadiya Sidoarja, Indonesia. Gustian, D (2013). Kajian Kinerja Guru Berdasarkan Metode Adaptive Neuro Fuzzy Inference System Untuk Mengukur Kelayakan Sertifikasi :Studi Kasus SMK Negeri 1 Kota Sukabumi, Program Pascasarjana Magister Ilmu Komputer, STMIK Nusa Mandiri, Jakarta, Indonesia. Kementrian Pendidikan dan Kebudayaan, Badan Pengembangan Sumber Daya Manusia Pendidikan
96
SNIPTEK 2016 Dan Kebudayaan Penjaminan Mutu Pendidikan Pusat Pengembangan Profesi Pendidik. (2012). Pedoman Pelaksanaan Penilaian Kinerja Guru. Kuncahyo, B.T., Ginardi, R.V., Arieshanti, I. (2012). Penerapan metode Adaptive neuro-fuzzy inference system untuk Memprediksi nilai Post testMahasiswa pada jurusan teknik Informatika FTIF ITS, Indonesia. Kusumadewi, S. et all., 2006. Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Penerbit : Graha Ilmu,. Nugroho, A.S. (2003). Pengantar Softcomputing, Ilmu Komputer.com, Indonesia. Nurmianto E., Siswanto N., (2006). Perancangan Penilaian Kinerja Karyawan Berdasarkan Kompetensi Spencer Dengan Metode Analytical Hierarchy Process :Studi Kasus Di Sub Dinas Pengairan, Dinas Pekerjaan Umum, Kota Probolinggo, Program Pascasarjana, Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia. Peraturan Pemerintah Republik Indonesia Nomor 99 Tahun 2000 Tentang Kenaikan Pangkat Pegawai Negeri Sipil Presiden Republik Indonesia.
ISBN: 978-602-78250-3-3 Rahardjo, J., Sutapa I.N., (2002). Aplikasi Fuzzy Analytical Hierarchy Process Dalam Seleksi Karyawan, Fakultas Teknologi Industri, Jurusan Teknik Industri, Universitas Kristen Petra, Indonesia. Saelan A. (2009), Logika Fuzzy, Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Indonesia. Sinaga, J. (2009). Penerapan Analytical Hierarchy Process (AHP) Dalam Pemilihan Perusahaan Badan Usaha Milik Negara (BUMN) Sebagai Tempat Kerja Mahasiswa Universitas Sumatera Utara, Departemen Matematika Fakultas Matematika dan Ilmu Pengetahua Alam, Universitas Sumatera Utara, Medan, Indonesia. Tiayudi A, Az Nazori (2012). Analisa Sistem Penilaian Kinerja Guru Menggunakan Fuzzy Inference System Mamdani: Studi Kasus Upt Dinas Pendidikan Kec. Penengahan Lampung Selatan, Program Studi Magister Ilmu Komputer, Univesitas Budi Luhur, Jakarta, Indonesia. Tim Instruktrur FISIP Administrasi. Modul Microsoft Office. Universitas Padjadjaran, Bandung., 2002.
97