Jurnal Media Infotama, Vol.9, No.2, September

Transkripsi

1 Junal Media Infotama, Vol.9, No.2, Septembe SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE SAW UNTUK PENILAIAN DOSEN BERPRESTASI (STUDI KASUS DI UNIVERSITAS DEHASEN BENGKULU) Leni Natalia Zulita Dosen Tetap Fakultas Ilmu Kompute Univesitas Dehasen Bengkulu ABSTRACT One element in the administation of highe education is the Lectue. Lectue is an academic staff in chage of implementing the Ti Dhama Peguuan Tinggi, which includes education and leaning, eseach and development of science and technology, as well as community sevice. Accoding to Undang-Undang Republik Indonesia No 14 tahun 2005 tentang Guu dan Dosen, Pasal 51 Ayat (1) Buti b, that Lectues ae entitled to pomotions and ewads accoding to thei academic pefomance. In this study designed a decision suppot system fo the assessment of outstanding lectues at Dehasen Bengkulu univesity. The method used is Simple Additive Weighting is a simple anking method to assist in decision making. In the pocess of detemining achievement lectue used seveal citeia: Educational Qualification, Functional, Reseach, Jounals, and Devotion in the community. Results fom the system ae made is to detemine which has the highest value Lectues and top, and will seve as outstanding lectue. INTISARI Salah satu unsu dalam penyelenggaaan pendidikan tinggi adalah dosen. Dosen meupakan tenaga akademik yang betugas melaksanakan Ti Dhama Peguuan Tinggi, yang meliputi pendidikan dan pembelajaan, penelitian dan pengembangan ilmu pengetahuan dan teknologi, seta pengabdian pada masyaakat. Bedasakan Undang-Undang Republik Indonesia No 14 tahun 2005 tentang Guu dan Dosen, Pasal 51 Ayat (1) Buti b, bahwa Dosen behak mendapatkan pomosi dan penghagaan sesuai dengan kineja akademiknya. Dalam penelitian ini diancang sebuah Sistem Pendukung Keputusan untuk penilaian dosen bepestasi di Univesitas Dehasen Bengkulu. Metode yang digunakan adalah Simple Additive Weighting yang meupakan metode peankingan sedehana untuk membantu dalam pengambilan keputusan. Dalam poses penentuan pestasi dosen digunakan bebeapa kiteia yaitu : Kualifikasi Pendidikan, Pembelajaan, Penelitian, Junal, dan Pengabdian Pada Masyaakat. Hasil dai sistem yang dibuat adalah untuk menentukan Dosen yang memiliki nilai tetinggi dan teatas, dan akan dijadikan sebagai Dosen yang bepestasi. Kata kunci : Sistem Pendukung Keputusan, SAW, Dosen Bepestasi 1. PENDAHULUAN Salah satu unsu dalam penyelenggaaan pendidikan tinggi adalah dosen. Dosen meupakan tenaga akademik yang betugas melaksanakan Ti Dhama Peguuan Tinggi, yang meliputi pendidikan dan pembelajaan, penelitian dan pengembangan ilmu pengetahuan dan teknologi, seta pengabdian pada masyaakat. Bedasakan Undang-undang Republik Indonesia No 14 tahun 2005 tentang Guu dan Dosen, Pasal 51 Ayat (1) Buti b, bahwa dosen behak mendapatkan pomosi dan penghagaan sesuai dengan kineja akademiknya. Pemilihan dosen bepestasi diselenggaakan di tingkat Peguuan Tinggi, Kopetis dan tingkat nasional. Dimana yang sebagai dosen bepestasi adalah dosen tetap peguuan tinggi yang bekeja penuh waktu dan bestatus sebagai dosen tetap dan juga dalam tiga tahun teakhi memiliki pestasi pada peguuan tinggi asal. Dosen tesebut diusulkan secaa tetulis oleh Pimpinan Peguuan Tinggi Negei/Koodinato Kopetis bagi Peguuan Tinggi Swasta, yang dilampii Suat Keputusan Rekto/Ketua/Diektu/Koodinato Kopetis tentang Dosen Bepestasi. Klasifikasi untuk dosen bepestasi adalah sekuang-kuangnya Magiste atau setaa tanpa dibatasi usia, kepangkatan dan golongan, jabatan pimpinan Peguuan Tinggi ataupun jabatan fungsional akademik. Meujuk pada pemikian di atas sudah selayaknya dibangun suatu Sistem Pendukung Keputusan (SPK) yang bebasis kompute (Compute Based Decision Suppot System). Sistem Pendukung Keputusan dengan Metode SAW... ISSN

2 Junal Media Infotama, Vol.9, No.2, Septembe Sistem ini adalah suatu sistem yang bebasis kompute yang ditujukan untuk membantu pengambilan keputusan dan mempunyai kemampuan analisa dalam pemilihan dosen bepestasi dengan memanfaatkan data dan model tetentu untuk memecahkan bebagai pemasalahan. Poses pengambilan keputusan dilakukan dengan menggunakan metode Simple Additive Weighting (SAW) dengan konsep dasa metode ini adalah mencai penjumlahan tebobot dai ating kineja pada setiap altenatif semua atibut. Dimana masing-masing kiteia sebagai fakto penilaian dan sebagai altenatif dalam hal ini adalah paa Dosen. A.Peumusan Masalah Pada penelitian ini peumusan masalahnya adalah : 1. Bagaimana caa pengambilan keputusan dalam penilaian dosen bepestasi? 2. Bagaimana mengimplementasikannya dengan menggunakan Metode Simple Additive Weighting (SAW)? B.Batasan Masalah Pada penelitian ini batasan masalah teletak pada : 1. Penilaian dilakukan pada Dosen tetap Univesitas Dehasen Bengkulu 2. Metode yang digunakan adalah metode Simple Additive Weighting (SAW) 3. Kiteia penilaian meliputi : Pendidikan, Pembelajaan, banyaknya Penelitian, banyaknya penulisan Junal dan banyaknya kegiatan Pengabdian pada masyaakat 4. Yang digunakan dalam implementasi dan pengujiannya adalah menggunakan PHP MYSQL C.Tujuan Penelitian Tujuan pada penilitian ini adalah : 1. Meancang sebuah Sistem Pendukung Keputusan yang bebasis kompute untuk menentukan nilai dosen bepestasi 2. Sistem pengambilan keputusan dosen bepestasi dilakukan dengan menggunakan Simple Additive Weighting (SAW). 3. Dai hasil pengolahan data tesebut akan digunakan sebagai petimbangan Pimpinan untuk menetukan dosen yang memiliki nilai tetinggi dan memiliki pestasi tebaik II. KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Sistem adalah kumpulan objek sepeti oang, sumbe daya, konsep, dan posedu yang dimaksudkan untuk melakukan suatu fungsi yang dapat diidentifikasi atau untuk melayani suatu tujuan. Sebagai contoh, suatu univesitas adalah suatu sistem mahasiswa, fakultas, staf, administasi, gedung, pelengkapan, ide-ide atau atuan dengan tujuan mendidik mahasiswa, menghasilkan iset, dan membeikan layanan kepada komunitas (sistem lain). Definisi yang jelas mengenai tujuan sistem meupakan petimbangan kitis dalam mendesain sistem pendukung manajemen (MSS). Catatan mengenai level-level (yakni hieaki) sistem menceminkan fakta bahwa semua sistem secaa aktual adalah subsistem kaena setiap sistem diisikan di dalam sistem yang lebih besa(tuban, 2005). Menuut Kusini (2005), keputusan meupakan kegiatan memilih stategi atau tindakan dalam pemecahan masalah tesebut. Kiteia dai keputusan adalah banyak pilihan/altenatif, ada kendala/syaat, mengikuti suatu pola/model tingkah laku, banyak input/vaiabel, ada fakto esiko, dibutuhkan kecepatan dan ketepatan seta keakuatan. Menuut Efaim Tuban, et al. (2005), pengambilan keputusan adalah sebuah poses memilih tindakan (di antaa bebagai altenatif) untuk mencapai suatu tujuan atau bebeapa tujuan. Sistem Pendukung Keputusan (Decision Suppot System/DSS) meupakan sistem infomasi inteaktif yang menyediakan infomasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semitestuktu dan situasi yang tidak testuktu, dimana tak seoang pun tahu pasti bagaimana keputusan sehausnya dibuat (Kusini, 2007). Sistem Pendukung Keputusan biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. Biasanya Sistem Pendukung Keputusan lebih ditujukan untuk mendukung manajemen dalam melakukan pekejaan yang besifat analitis dalam

3 Junal Media Infotama, Vol.9, No.2, Septembe situasi yang kuang testuktu dan dengan kiteia yang kuang jelas. B. Tujuan Sistem Pendukung Keputusan Sistem Pendukung Keputusan tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan, tetapi membeikan peangkat inteaktif yang memungkinkan pengambil keputusan untuk melakukan bebagai analisis menggunakan model-model yang tesedia. Tujuan dai sistem pendukung keputusan adalah : 1. Membantu manaje dalam pengambilan keputusan atas masalah semitestuktu 2. Membeikan dukungan atas petimbangan manaje dan bukannya dimaksudkan untuk menggantikan fungsi manaje 3. Meningkatkan efektifitas keputusan yang diambil manaje lebih daipada pebaikan efesiensinya 4. Kompute memungkinkan paa pengambil keputusan untuk melakukan banyak komputasi secaa cepat dengan biaya yang endah 5. Peningkatan poduktifitas 6. Kompute bisa meningkatkan kualitas keputusan yang dibuat 7. Bedaya saing 8. Mengatasi ketebatasan kogntif dalam pemoesan dan penyimpanan C. Sistem Pendukung Keputusan Ditinjau dai tingkat teknologinya Menuut Kusini (2007), dilihat dai tingkat teknologinya, Sistem Pendukung Keputusan dibagi menjadi 3 yaitu : 1. Sistem Pendukung Keputusan Spesifik SPK ini betujuan membantu memecahkan suatu masalah dengan kaakteistik tetentu misalnya SPK penentuan haga satuan baang Meupakan suatu softwae yang khusus digunakan membangun dan mengembangkan SPK 3. Pelengkapan Sistem Pendukung Keputusan Beupa softwae dan hadwae yang digunakan atau mendukung pembangunan SPK spesifik maupun pembangkit SPK. D. Tingkatan Dukungan Sistem Pendukung Keputusan Menuut Kusini (2007), bedasakan tingkat dukungannnya, sistem pendukung keputusan tebagi atas: 1. Retieve Infomation Elements Ini adalah dukungan teendah yang dibeikan oleh Decision Suppot System (DSS) yaitu beupa akses selektif tehadap infomasi. 2. Analyze Entie File Pada tahap ini paa maneje dibei akses untuk melihat dan menganalisa file secaa lengkap. 3. Pepae Repot Fo Multiple Files Dukungan ini cendeung dibutuhkan mengingat paa manaje behubungan dengan banyak aktivitas dalam satu momen tetentu. 4. Estimete Decision Consequences Dalam tahapan ini manaje dimungkinkan untuk melihat dampak dai setiap keputusan yang diambil. 5. Popose Decision Pada tahapan ini suatu altenatif keputusan bisa dibeikan kepada manaje untuk dipetimbangkan. 6. Make Decision Ini adalah tahapan dukungan yang dihaapkan dai sistem pendukung keputusan. 2. Pembangkit Sistem Pendukung Keputusan

4 Junal Media Infotama, Vol.9, No.2, Septembe E. Keangka Keja Pendukung Keputusan Menuut Efaim Tuban, et al. (2005), keangka keja klasik untuk pendukung keputusan beikut ini menggambakan bebeapa isu tambahan sepeti hubungan antaa teknologi dan evolusi sistem tekomputeisasi yaitu sebagai beikut : 1. Keputusan Testuktu (Stuctue Decision) Adalah keputusan yang dilakukan secaa beulang-ulang dan besifat utin seta posedu pengambilan keputusan jelas. 3. Pemilihan (Choice) Setelah tahap design ditentukan bebagai altenatif model beseta vaiabel-vaiabel, pada tahapan ini akan dilakukan pemilihan modelny temasuk solusi dai model tesebut. Selanjutnya dilakukan analisis sensivitas yaitu mengganti bebeapa vaiabel. 4. Membuat Decision Suppot System Setelah menetukan modelnya, selanjutnya adalah menginplementasikannya dalam aplikasi DSS. 2. Keputusan Semitestuktu (Semistuctue Decision) Adalah keputusan yang memiliki dua sifat dimana sebagian keputusan bisa ditangani oleh kompute dan yang lainnya tetap haus dilakukan oleh pengambil keputusan. Contohnya adalah pengevaluasian kedit dan penjadwalan poduksi. 3. Keputusan Tidak Testuktu (Unstuctued Decision) Adalah keputusan yng penanganannya umit kaena tidak tejadi beulang-ulang atau tidak selalu tejadi. Contohnya keputusan untuk pengembangan teknologi bau. F. Langkah-langkah Pemodelan Dalam Sistem Pendukung Keputusan Saat melakukan pemodelan dalam pembangunan Sistem Pendukung Keputusan, ada 4 fase dalam poses pengambilan keputusan, yaitu: 1. Studi Kelayakan (Intellegence) Pada tahap ini sasaan ditentukan dan dilakukan pencaian posedu, pengumpulan data, identifikasi kepemilikan masalah, klasifikasi masalah, hingga akhinya tebentuk sebuah penyataan masalah. 2. Peancangan (Design) Pada tahap ini akan difomulasikan model yang akan digunakan dan kiteia-kiteia yang ditentukan, setelah itu dicai altenatif model yang bisa menyelesaikan masalah tesebut. Gamba 1. Fase Sistem Pendukung Keputusan G. Komponen Sistem Pendukung Keputusan Menuut Tuban (2005), kompenen sistem pendukung keputusan tedii dai bebeapa subsistem, yaitu: 1. Subsistem Manajemen Data (Database) Subsistem manajemen data memasukkan satu database yang beisi data yang elevan untuk suatu situasi dan dikelola oleh peangkat lunak yaitu Database Managemen System (DBMS). Subsistem manajemen data bisa diintekoneksikan dengan data waehouse peusahaan, suatu epositoi untuk data peuusahaan yang elevan dengan pengambilan keputusan.

5 Junal Media Infotama, Vol.9, No.2, Septembe Subsistem Manajemen Model (Model base) Meupakan paket peangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen atau model kuantitatif lain yang membeikan kapabilitas analitik dan manajemen peangkat lunak yang tepat. 3. Subsistem Antamuka Pengguna (Use Inteface System) Pengguna bekomunikasi dengan dan memeintahkan sistem pendukung keputusan melalui subsistem tesebut. Pengguna adalah bagian yang dipetimbangkan dai sistem. Paa peneliti menegaskan bahwa bebeapa kontibusi unik dai sistem pendukung keputusan beasal dai inteaksi yang intensif antaa kompute dan pembuatan keputusan. H. Subsistem Manajemen Bebasis Pengetahuan Subsistem tesebut mendukung semua subsistem lain atau betindak langsung sebagai suatu komponen independen dan besifat opsional. Gamba 2 Model Konseptual SPK I. Pendekatan Dalam Pembangunan Sistem Pendukung Keputusan Menuut Kusini (2007), ada 2 pendekatan dalam pembangunan sistem pendukung keputusan yaitu : bahasa pemogaman geneik/umum. Sepeti visual basic, delphi, pascal, dll. 2. Menggunakan geneato sistem pendukung keputusan. Geneato sistem pendukung keputusan adalah sebuah sistem aplikasi yang mengeliminasi penulisan kode pogam saat meancang dan membangun sistem pendukung keputusan. J. Pengetian Penilaian Penilaian adalah poses sistematis meliputi pengumpulan infomasi (angka atau deskipsi vebal), analisis, dan intepetasi untuk mengambil keputusan. Sedangkan penilaian pendidikan adalah poses pengumpulan dan pengolahan infomasi untuk menentukan pencapaian hasil belaja peseta didik. (Kamus Besa Bahasa Indonesia,2003) Untuk itu, dipelukan data sebagai infomasi yang diandalkan sebagai dasa pengambilan keputusan. Dalam hal ini, keputusan behubungan dengan sudah atau belum behasilnya peseta didik dalam mencapai suatu kompetensi. Penilaian meupakan suatu poses yang dilakukan melalui langkah-langkah peencanaan, penyusunan alat penilaian, pengumpulan infomasi melalui sejumlah bukti yang menunjukkan pencapaian hasil belaja peseta didik, pengolahan, dan penggunaan infomasi tentang hasil belaja peseta didik. Penilaian dilaksanakan melalui bebagai bentuk antaa lain: penilaian unjuk keja (pefomance), penilaian sikap, penilaian tetulis (pape and pencil test), penilaian poyek, penilaian melalui kumpulan hasil keja/kaya peseta didik (potfolio), dan penilaian dii. K. Dosen Bepestasi Dosen adalah pendidik pofesional dan ilmuan dengan tugas utama mentansfomasikan, mengembangkan, dan menyebaluaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian pada masyaakat.(uu-ri No.1 Tahun 2005 Pasal 1 (2) Tentang Guu dan Dosen). 1. Membangun sistem pendukung keputusan yang dibuat dengan bahasa pemogaman sesuai kepeluan ognisasi. Stategi pembangunannya adalah menggunakan Dai pasal 1 ini pelu ditekankan bahwa seoang dosen bukan hanya meupakan seoang pendidik pofesional pada peguuan tinggi, tapi juga meupakan seoang ilmuwan. Untuk itu, dalam UU RI no. 14 Tahun 2005 pasal 45,

6 Junal Media Infotama, Vol.9, No.2, Septembe dikatakan bahwa Dosen wajib memiliki kualifikasi akademik, kompetensi, setifikat pendidik, sehat jasmani dan ohani, dan memenuhi kualifikasi lain yang dipesyaatkan satuan pendidikan tinggi tempat betugas, seta memiliki kemampuan untuk mewujudkan tujuan pendidikan nasional. Secaa umum Pemeintah melalui UU RI No.14 Tahun 2005 pasal 46, menghauskan setiap dosen memiliki kualifikasi akademik minimum sebagai beikut: 1) Lulusan pogam magiste untuk dosen pogam diploma atau pogam sajana. 2) Lulusan pogam dokto untuk dosen pogam pascasajana. Menuut Kamus Besa Bahasa Indonesia (2003:895) Pestasi adalah hasil yang telah dicapai (dai yang telah dilakukan, dikejakan dan sebagainya). Dosen bepestasi adalah dosen yang dalam tiga tahun teakhi memiliki pestasi yang sangat bemanfaat dan dapat dibanggakan peguuan tinggi asal, seta diakui pada skala nasional atau intenasional. (01/PP/DITDIKTENDIK/2013 tentang Pedoman Umum Pemilihan Dosen Bepestasi). L. Pengetian Fuzzy Teoi himpunan Fuzzy petama kali dipekenalkan oleh Lotfi A. Zadeh pada tahun Pada teoi ini komponen utama yang sangat bepengauh adalah fungsi keanggotaan. Fungsi keanggotaan meepesentasikan deajad kedekatan suatu objek tehadap atibut tetentu, sedangkan pada teoi pobabilitas lebih pada penggunaan fekuensi elatif. (Si Kusumadewi et al, 2006). Teoi himpunan fuzzy meupakan keangka matematis yang digunakan untuk meepesentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, kekuangan infomasi, dan kebenaan pasial. Menuut Kusumadewi dan Punomo ( 2004 : 1 ) Logika Fuzzy adalah suatu caa yang tepat untuk memetakan suatu uang input ke dalam suatu uang output. Ada bebeapa alasan oang menggunakan logika fuzzy : 1. Konsep logika fuzzy mudah dimengeti 2. Logika fuzzy sangat fleksibel 3. Logika fuzzy memiliki toleansi tehadap data-data yang tidak tepat 4. Logika fuzzy mampu memodelkan fungsifungsi nonlinea yang sangat kompleks 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman paa paka secaa langsung tanpa haus melalui poses pelatihan. 6. Logika fuzzy dapat bekejasama dengan teknik-teknik kendali secaa konvensional 7. Logika fuzzy didasakan pada bahasa alami. M. Konsep Dasa Himpunan Fuzzy 1. Himpunan Klasik (Cips) Pada teoi himpunan klasik kebeadaan suatu elemen pada suatu himpunan A hanya akan memiliki 2 kemungkinan keanggotaan yaitu menjadi anggota A atau tidak menjadi anggota A. Suatu nilai yang menunjukkan sebeapa besa tingkat keanggotaan suatu elemen (x) dalam suatu himpunan A, seing dikenal dengan nama nilai keanggotaan atau deajat keanggotaan, dinotasikan dengan µa(x). Pada himpunan klasik hanya ada 2 nilai keanggotaan yaitu µ A (x)=1 untuk x menjadi anggota A ; dan µ A (x)=0 untuk x bukan anggota dai A. 2. Himpunan Fuzzy Lotfi A. Zadeh membeikan definisi tentang himpunan fuzzy à sebagai : Jika X adalah koleksi dai obyek-obyek yang dinotasikan secaa geneik oleh x, maka himpunan fuzzy à dalam X adalahn suatu himpunan pasangan beuutan. à = {(x,m A (X)) xϵx} Dengan µ A (x) adalah deajat keanggotaan x yang memetakan X ke

7 Junal Media Infotama, Vol.9, No.2, Septembe uang keanggotaan M yang teletak pada entang (0,1). Suppot dai himpunan fuzzy Ã,S (Ã) adalah himpunan cips dai xϵx sedemikian hingga µ à (x) > 0 Himpunan a-level adalah himpunan elemen-elemen yang ada pada himpunan fuzzy à sedemikian hingga untuk suatu nilai α : Aα ={ xϵx µ à (x) α}, dan A α = { µ à (x) > α} Himpunan Fuzzy Ã, dikatakan convex jika : µ à (λx 1 + (1-λ) x 2 ) min (µ à (x 1 ), µ à (x 2 ), x 1, x 2 ϵ X, λϵ [0,1]) Himpunan fuzzy convex memiliki fungsi keanggotaan dengan deajat keanggotaan senantiasa monoton (naik atau tuun) atau memiliki deajat keanggotaan yang monoton naik kemudian monoton tuun. N. Fuzzy Multi Attibute Decision Making(FMADM) Fuzzy Multiple Attibute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencai altenatif optimal dai sejumlah altenatif dengan kiteia tetentu. Inti dai Fuzzy MADM adalah menentukan nilai bobot untuk setiap atibut, kemudian dilanjutkan dengan poses peankingan yang akan menyeleksi altenatif yang sudah dibeikan. Pada dasanya, ada 3 pendekatan untuk mencai nilai bobot atibut, yaitu : 1. Pendekatan subyektif 2. Pendekatan obyektif 3. Pendekatan integasi antaa subyektif dan obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan bedasakan subyektifitas dai paa pengambil keputusan, sehingga bebeapa fakto dalam poses peankingan altenatif bisa ditentukan secaa bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secaa matematis sehingga mengabaikan subyektifitas dai pengambil keputusan. Ada bebeapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM antaa lain : a. Simple Additive Weighting Method (SAW); b. Weighted Poduct (WP) c. Elimination Et Choix Taduisant la Realite (ELECTRE) d. Technique fo Ode Pefeence by Similaity to Ideal Solution (TOPSIS) e. Analytic Hieachy Pocess (AHP) O. Algoitma FMADM Menuut Heny Wibowo, et al. (2009), Algoitma FMADM adalah: 1. Membeikan nilai setiap altenatif (Ai) pada setiap kiteia (Cj) yang sudah ditentukan, dimana nilai tesebut di peoleh bedasakan nilai cisp; i=1,2, m dan j=1,2, n. 2. Membeikan nilai bobot (W) yang juga didapatkan bedasakan nilai cisp. 3. Melakukan nomalisasi matiks dengan caa menghitung nilai ating kineja tenomalisasi (ij) dai altenatif Ai pada atibut Cj bedasakan pesamaan yang disesuaikan dengan jenis atibut (atibut keuntungan/benefit=maksimum atau atibut biaya/cost=minimum). Apabila beupa atibut keuntungan maka nilai cisp (Xij) dai setiap kolom atibut dibagi dengan nilai cisp MAX (MAX Xij) dai tiap kolom, sedangkan untuk atibut biaya, nilai cisp MIN (MIN Xij) dai tiap kolom atibut dibagi dengan nilai cisp (Xij) setiap kolom. 4. Melakukan poses peankingan dengan caa mengalikan matiks tenomalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai pefeensi untuk setiap altenatif (Vi) dengan caa menjumlahkan hasil kali antaa matiks tenomalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besa

8 Junal Media Infotama, Vol.9, No.2, Septembe mengindikasikan bahwa altenatif Ai lebih tepilih. P. Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Adapun langkahlangkahnya adalah: R ij = x ij Max x ij Jika j adalah atibut keuntungan (benefit) Min x ij x ij biaya (cost) Jika j adalah atibut 1. Menentukan kiteia-kiteia yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan ating kecocokan setiap altenatif pada setiap kiteia. 3. Membuat matiks keputusan bedasakan kiteia (Ci), kemudian melakukan nomalisasi matiks bedasakan pesamaan yang disesuaikan dengan jenis atibut sehingga dipeoleh matiks tenomalisasi R. 4. Hasil akhi dipeoleh dai poses peankingan yaitu penjumlahan dai pekalian matiks tenomalisasi R dengan vekto bobot sehingga dipeoleh nilai tebesa yang dipilih sebagai altenatif tebaik (Ai) sebagai solusi.(kusumadewi, 2006). Q. Metode Simple Additive Weighting (SAW) Menuut Kusumadewi (2006), metode ini meupakan metode yang paling dikenal dan paling banyak digunakan oang dalam menghadapi situasi Multiple Aibut Decision Making (MADM). Metode ini menghauskan pembuat keputusan menentukan bobot dai setiap atibut. Sko total untuk pembuat altenatif dipeoleh dengan menjumlahkan seluuh hasil pekalian antaa ating (yang dapat dibandingkan lintas atibut). Rating tiap atibut hauslah bebas dimensi dalam ati telah melewati poses nomalisasi sebelumnya. Metode SAW membutuhkan poses nomalisasi matiks keputusan (X) ke suatu skala yang dapat dipebandingkan dengan semua ating altenatif yang ada. Keteangan : R ij = Nilai ating kineja tenomalisasi x ij = Nilai atibut yang dimiliki dai setiap kiteia Max x ij = Nilai tebesa dai setiap kiteia Min x ij = Nilai tekecil dai setiap kiteia Benefit = jika nilai tebesa adalah tebaik Cost = jika nilai tekecil adalah tebaik Dimana ij adalah ating kineja tenomalisasi dai altenative A i pada atibut Cj ; i=1,2,..,m dan j=1,2,..,n. Nilai pefeensi (yang paling utama) untuk setiap altenative (Vi) dibeikan sebagai : n V i = W j ij j=1 Keteangan : Vi = angking untuk setiap altenatif wj = nilai bobot dai setiap kiteia ij = nilai ating kineja tenomalisasi Nilai Vi yang lebih besa mengindikasikan bahwa altenative Ai lebih tepilih. Adapun langkah-langkah penyelesaian Simple Additive Weigthing (SAW) adalah : 1. Menentukan Kiteia apa saja yang akan dijadikan acuan dalam pengambilan keputusan, yaitu : C1 = Kualifikasi Pendidikan C2 = Pembelajaan C3 = Banyaknya Penelitian C4 = Banyaknya Menulis Junal C5 = Banyaknya Kegiatan Pengabdian Kepada Masyaakat Yang Telah Dilakukan

9 Junal Media Infotama, Vol.9, No.2, Septembe Setelah membuat matiks bedasakan kiteia (C 1,C 2,C 3,...,C J ), kemudian melakukan nomalisasi matiks bedasakan pesamaan yang disesuaikan dengan jenis atibut (aibut keuntungan ataupun atibut biaya), sehingga matiks tenomalisasi R penelitian aga tidak tejadi keancuan selama pengejaan penelitian dan hasil yang dicapai menjadi lebih maksimal. Keangka keja pada penelitian ini dapat dilihat pada gamba beikut : j R = i1 i2 ij 2. Menentukan ating kecocokan setiap altenatif pada setiap kiteia misalnya : Nilai 1 = Sangat Kuang (SK) Nilai 2 = Kuang (K) Nilai 3 = Cukup (C) Nilai 4 = Baik (B) Nilai 5 = Tebaik (TB) membeikan bobot pefeensi (W) 3. Hasil akhi dipeoleh dai poses peenkingan yaitu penjumlahan dai pekalian matiks tenomalisasi R dengan vekto bobot pefeensi, sehingga dipeoleh nilai tebesa yang dipilih sebagai altenatif tebaik misalnya (Ai) sebagai solusi. III. ANALISIS DAN PERANCANGAN A. Pendahuluan Penelitian meupakan angkaian kegiatan ilmiah dalam angka pemecahan suatu pemasalahan. Fungsi penelitian adalah mencaikan penjelasan dan jawaban tehadap pemasalahan seta membeikan altenatif bagi kemungkinan yang dapat digunakan untuk pemecahan masalah. Penjelasan dan jawaban tehadap pemasalahan itu dapat besifat abstak dan umum sebagaimana halnya dalam penelitian dasa dan dapat pula sangat konket dan spesifik sepeti biasanya ditemui pada penelitian. B. Keangka Keja Keangka keja dipelukan dalam acuan langkah-langkah mengejakan suatu penelitian dengan membuat sebuah tahapan metodologi Gamba 1. Keangka Keja Penelitian 1. Identifikasi Masalah Masalah yang diidentifikasi dalam penelitian ini adalah bagaimana mengimplementasikan sistem pendukung keputusan dengan metode simple additive weighting (SAW) untuk menentukan penilaian dosen bepestasi. 2. Menganalisa Masalah Setelah mengindentifikasi masalah yang akan diteliti, maka masalah-masalah tesebut pelu dianalisis. Hal ini pelu dilakukan aga tidak ada kendala dalam pemecahan masalah tesebut. Pada penelitian ini masalah yang behubungan dengan menganalisa penilaian kineja dosen tehadap pendidikan, jenjang jabatan akademik, penelitian, penulisan junal, dan pengabdian pada masyaakat.

10 Junal Media Infotama, Vol.9, No.2, Septembe Pengumpulan Data Data dikumpulkan dai bebagai sumbe yang ada. Pengumpulan data pada penelitian ini dilakukan dengan tiga metode, yaitu studi pustaka, metode obsevasi dan wawancaa. a. Obsevasi : Dalam metode ini dilakukan pengamatan secaa langsung di tempat penelitian untuk mengetahui secaa jelas dan teinci pemasalahan yang ada. b. Wawancaa : Metode ini dilakukan untuk mempeoleh infomasi atau data yang dibutuhkan dengan caa melakukan wawancaa langsung pada tempat atau objek penelitian. 4. Menganalisa Data Data yang didapat langsung dai Univesitas Dehasen Bengkulu seta wawancaa dengan bagian kepegawaian. Data tesebut disimpan dalam bentuk fomat Micosoft Excel. Kemudian data itu ditanfomasikan ke dalam database yang dimiliki oleh Php. 5. Studi Liteatu Selain data yang dipeoleh dai tempat penelitian, penulis juga mengumpulkan liteatuliteatu yang behubungan dengan penelitian, yaitu mengumpulkan buku-buku, e-book dan junal yang bekaitan dengan judul yang dibuat. 6. Peancangan Sistem Setelah data dikumpukan, dilanjutkan dengan pembuatan aplikasi menggunakan Php Mysql. 7. Pembangunan Sistem Pada tahapan peancangan sistem akan dilakukan instalisasi softwae untuk mendukung implementasi atau pengujian pada penelitian ini. Softwae yang digunakan adalah xampp, php dan database mysql. 8. Pengujian Sistem Tahap pengujian sistem dimulai dengan melakukan input data kedalam aplikasi. Kemudian pengujian dilakukan dengan konsep dasa metode simple additive weigthing dengan menghitung penjumlahan bobot dai ating kineja dosen di setiap altenatif pada semua atibut untuk memastikan kebenaan poses. Setelah behasil maka akan di lakukan pengujian tehadap data yang sebenanya. 9. Pengambilan Kesimpulan Pada akhi pembahasan dilakukan penaikan kesimpulan sebagai penilaian kineja dan manfaat sistem secaa nyata dalam menentukan nilai dai kineja dosen sehingga akan didapatkan nilai tetinggi dan dan pestasi tebaik. C. Analisa Dan Peancangan Sistem Sistem pendukung keputusan digunakan untuk membantu pengambilan keputusan dalam situasi yang semitestuktu dan situasi yang tidak testuktu Biasanya sistem pendukung keputusan dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. Pada penelitian ini penulis membahas mengenai analisa dan peancangan sistem yang betujuan untuk membei gambaan kepada pemakai tentang sistem yang dibuat dan membeikan gambaan yang jelas kepada pogamme yang akan mengimplementasikan sistem. Taget analisa ini adalah gambaan poses peankingan dengan menggunakan bobot pada setiap kiteia pada setiap altenatif. Yang telah dibeikan oleh pengambil keputusan. Bedasakan gambaan ini, maka akan dibuat ancangan. I. Analisis Sistem Pada penelitian ini, penulis menganalisa poses peankingan dengan menggunakan metode Simple Additive Weigthing (SAW) untuk mendapatkan altenatif tebaik yang dipeoleh bedasakan nilai keseluuhan pefeensi yang dibeikan. Hasil peankingan didapatkan dai nilai akhi pada semua altenatif yang memiliki nilai tebesa dijadikan sebagai peingkat teatas. Pada metode ini konsep dasanya adalah mencai

11 Junal Media Infotama, Vol.9, No.2, Septembe penjumlahan tebobot dai ating kineja pada setiap altenatif semua atibut. Hasil akhi dai poses peankingan yaitu penjumlahan dai pekalian matiks tenomalisasi R dengan vekto bobot sehingga akan dipeoleh nilai tebesa yang dipilih sebagai altenatif tebaik (Ai) sebagai solusi. Ada bebeapa tahapan yang akan dilaksanakan pada analisis sistem dalam penelitian ini yaitu analisis pemasalahan dan analisis kebutuhan sistem. a. Analisis Pemasalahan Pada penilaian dosen belum adanya alat yang dapat membantu membeikan kemudahan bagi pengambil keputusan atau pihak manajemen untuk mempeoleh hasil atau penilaian tehadap kegiatan dosen secaa cepat dan akuat. Poses penilaian dosen bepestasi pada Univesitas Dehasen Bengkulu selama ini dilakukan bedasakan pada setiap altenatif atau paa dosen yang mengikuti seleksi ditindaklanjuti dengan pemeiksaan dokumen di bagian kepegawaian. Akan tetapi selama ini hasil dai sistem penyeleksian dosen bepestasi belum sesuai dengan yang dihaapkan. Sebagai contohnya ada dosen yang bena-bena layak di jadikan sebagai dosen bepestasi tetapi tidak dimasukkan ke dalam altenatif dalam penilaian dosen bepestasi. b. Analisis Kebutuhan Sistem bebeda-beda. Altenatif yang dimaksud adalah dosen tetap pada Univesitas Dehasen Bengkulu. Infomasi yang dibutuhkan pada sistem implementasi dalam pemilihan dosen bepestasi yang diusulkan adalah sebagai beikut : 1. Kiteia Penilaian Beikut ini adalah kiteia yang dibutuhkan untuk pengambilan keputusan bedasakan altenatif yang telah ditentukan, sebagai beikut ini: C1 = Kualifikasi Pendidikan C2 = Pembelajaan C3 = Banyaknya Penelitian C4 = Banyaknya menulis junal C5 = Banyaknya kegiatan pengabdian kepada masyaakat yang telah dilakukan Dai kiteia tesebut akan dibuat suatu tingkat kepentingan kiteia bedasakan nilai bobot yang telah ditentukan ke dalam bilangan fuzzy. Rating kecocokan setiap altenatif pada setiap kiteia sebagai beikut : Nilai 1 = Sangat Kuang (SK) Nilai 2 = Kuang (K) Nilai 3 = Cukup (C) Nilai 4 = Baik (B) Nilai 5 = Tebaik (TB) Bedasakan ating kecocokan di atas, selanjutnya penjabaan bobot setiap kiteia yang telah di konvesikan dengan bilangan fuzzy. Pada kebutuhan sistem, yang dibutuhkan adalah semua infomasi data yang bekaitan dengan poses penilaian dosen bepestasi. Dilihat dai analisis masalah pada sistem penyeleksian yang tidak sesuai dengan yang dihaapkan maka pada penilitian ini yang dibutuhkan adalah kiteia yang dijadikan sebagai acuan dalam pengambilan keputusan, altenatif yaitu dosen, ating kecocokan pada setiap altenatif pada setiap kiteia, dan bobot kepentingan. Output yang akan dihasilkan dai penelitian ini adalah sebuah altenatif yang memiliki nilai tetinggi dibandingkan dengan altenatif nilai yang lain. Hasil Outputnya diambil dai uutan altenatif tetinggi ke altenative yang teendah. Hasil akhi yang dikeluakan oleh pogam beasal dai nilai setiap kiteia, kaena dalam setiap kiteia memiliki nilai yang a)kiteia kualifikasi Pendidikan Kiteia Kualifikasi Pendidikan meupakan pesyaatan petama yang dibutuhkan untuk pengambilan keputusan, bedasakan kualifikasi pendidikan dengan penilaian 20%. Beikut ini adalah inteval kualifikasi pendidikan yang telah dikonvesikan dengan bilangan fuzzy : Tabel 1 Kualifikasi Pendidikan Kualifikasi Pendidikan Nilai S3 5 S2 4 S1 3 b)kiteia Pembelajaan Kiteia Pembelajaan meupakan pesyaatan kedua yang dibutuhkan untuk

12 Junal Media Infotama, Vol.9, No.2, Septembe pengambilan keputusan yang bedasakan kineja akademiknya untuk pembimbing tesis, Pembimbing Lapoan Tugas Akhi (LTA) dan pembimbing Paktik Keja Lapangan (PKL). Beikut ini adalah penjabaan inteval pembelajaan yang telah dikonvesikan dengan bilangan fuzzy : Tabel 2 Pembelajaan Pembelajaan Nilai Tesis 5 Skipsi 4 LTA 3 PKL 2 c)kiteia Penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap Kiteia Penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap meupakan pesyaatan ketiga yang dibutuhkan untuk pengambilan keputusan yang bedasakan banyaknya penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap. Beikut ini adalah penjabaan inteval penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap yang telah dikonvesikan dengan bilangan fuzzy : Tabel 3. Penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap Banyaknya Penelitian yang Nilai telah dilakukan Lebih dai e)kiteia Banyaknya Pengabdian pada masyaakat Kiteia banyaknya jumlah Pengabdian pada masyaakat meupakan pesyaatan beikutnya yang dibutuhkan untuk pengambilan keputusan yang bedasakan banyaknya jumlah kegiatan dalam pengabdian pada masyaakat sejak ditetapkan sebagai dosen tetap. Beikut ini adalah penjabaan inteval pengabdian pada masyaakat dikonvesikan dengan bilangan fuzzy : Tabel 5. Banyaknya Pengabdian pada masyaakat Pengabdian pada masyaakat Nilai Lebih dai Altenatif yang ditunjuk sebagai kandidat dosen bepestasi Sebagai bahan implementasi pada metode Simple Additive Weighting secaa manual, yaitu dengan 6 oang dosen tetap sebagai altenatif dosen bepestasi yang melengkapi pesyaatan dan bekas di Univesitas Dehasen Bengkulu. Dai pengisian kuesione maka datadatanya dimasukkan ke dalam tabel beikut : d)kiteia Banyaknya menulis junal Kiteia banyaknya jumlah penulisan junal meupakan pesyaatan beikutnya yang dibutuhkan untuk pengambilan keputusan yang bedasakan banyaknya jumlah penulisan junal sejak ditetapkan sebagai dosen tetap. Beikut ini adalah penjabaan inteval banyaknya menulis junal yang telah dikonvesikan dengan bilangan fuzzy : Tabel 4. Banyaknya Menulis Junal Banyaknya Menulis Junal Nilai Lebih dai Bedasakan data altenatif diatas dapat dibentuk ating kecocokan dai setiap altenatif

13 Junal Media Infotama, Vol.9, No.2, Septembe pada setiap kiteia, yang telihat pada tabel beikut: Kaena setiap nilai yang dibeikan pada setiap altenatif di setiap kiteia meupakan nilai kecocokan (nilai tebesa adalah tebaik), maka semua kiteia yang dibeikan diasumsikan sebagai kiteia keuntungan. Pengambil keputusan membeikan bobot bedasakan tingkat kepentingan masing-masing kiteia yang dibutuhkan sebagai beikut: Vekto Bobot : W = {4, 4, 5, 5, 5} Selanjutnya adalah membuat matiks keputusan X, dibuat dai tabel kecocokan sebagai beikut ini : X = Petama, dilakukan nomalisasi matiks X untuk menghitung nilai masing-masing kiteia bedasakan kiteia diasumsikan sebagai kiteia keuntungan atau biaya sebagai beikut : max4;4;4;4;4; max4;4;4;4;4; max4;4;4;4;4; max 4;4;4;4;4; max4;4;4;4;4; max4;4;4;4;4; max3;4;4;3;2; max3;4;4;3;2; max3;4;4;3;2; max3;4;4;3;2; max3;4;4;3;2; max3;4;4;3;2; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max5;3;3;3;1; max 5;2;2;3;1; ,75 0, ,75 0,5 0,25 1 0,6 0,6 0,6 0, ,6 0,6 0,6 0,2 0 1

14 Junal Media Infotama, Vol.9, No.2, Septembe max5;2;2;3;1; max5;2;2;3;1; max5;2;2;3;1; max5;2;2;3;1; max 5;2;2;3;1; ,4 0,4 0,6 0,2 0,2 V 4 = (4)(1)+(4)(0,5)+(5)(0,2)+(5)(0,2)+(5)(0,2) = 9 V 6 = (4)(0,75)+(4)(0,25)+(5)(0)+(5)(0)+(5)(0,2) = 5 Hasil peangkingan dalam bentuk tabel dapat dilihat pada tabel beikut ini: Dai hasil 11 sampai dengan 65 maka dibuatkan nomalisasi matiks R sebagai beikut: R = 1 0, ,6 0,6 0, ,6 0,6 0,4 1 0,75 0,6 0,6 0,6 1 0,5 0,2 0,2 0,2 0,75 0, ,2 Selanjutnya akan dibuat pekalian matiks W * R dan penjumlahan hasil pekalian untuk mempeoleh altenatif tebaik dengan melakukan peankingan nilai tebesa sebagai beikut ini : n V i = W j ij j=1 Dimana : Vi = angking untuk setiap altenatif wj = nilai bobot dai setiap kiteia ij = nilai ating kineja tenomalisasi Dengan pesamaan di atas, maka akan didapat : V 1 = (4)(1)+(4)(0,75)+(5)(1)+(5)(1)+(5)(1) = 22 V 2 = (4)(1)+(4)(1)+(5)(0,6)+(5)(0,6)+(5)(0,4) = 16 V 3 = (4)(1)+(4)(1)+(5)(0,6)+(5)(0,6)+(5)(0,4) = 16 V 4 =(4)(1)+(4)(0,75)+(5)(0,6)+(5)(0,6)+(5)(0,6) = 16 Sehingga dengan demikian nilai tebaik ada pada V 1 dengan altenatif A1 adalah altenatif yang tepilih sebagai altenatif tebaik untuk meaih pestasi pada Univesitas Dehasen Bengkulu. Dengan kata lain, Dosen A1 akan tepilih sebagai dosen bepestasi. II. Analisis Peancangan Sistem Model dai sistem yang diusulkan akan disajikan dalam dua bentuk, yang petama yaitu menggunakan pemodelan fisik (phisycal model) dengan membuat flowchat system. Model tesebut akan menunjukkan kepada use bagaimana nantinya sistem yang diusulkan bekeja secaa fisik. Bentuk kedua yaitu menggunakan pemodelan logic (logical model), model ini akan menggambakan dengan diagam aus data (DFD) yang akan menjelaskan kepada use bagaimana nantinya fungsi-fungsi sistem yang akan diusulkan secaa logika akan bekeja. a) Flowchat System Beikut ini adalah flowchat dai langkah-langkah sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) yang menggambakan dimulainya aus data sampai dengan hasil vekto untuk altenatif

15 Junal Media Infotama, Vol.9, No.2, Septembe tepilih, sesuai dengan gamba Flowchat System di bawah ini : Data Altenatif Input Data Altenatif Mulai Data Kiteia Input Data Kiteia c) Database Poses peancangan sistem membutuhkan suatu database yang digunakan untuk menyimpan data dan infomasi yang dipelukan dalam sistem dan disusun sedemikian upa ke dalam bentuk tabel untuk mempemudah sistem dalam mengambil keputusan. Seluuh tabel saling behubungan dengan yang lainnya dan gambaan tabel basis pengetahuan yang digunakan adalah sebagai beikut: Altenatif Kiteia Rancangan File admin Rating Kecocokan Nilai Altenatif Nilai Altenatif Pehitungan Vekto Tabel admin ini meupakan simpan data bagi admin yang akan login ke seve. Hanya admin yang behak menambah, mengedit dan menghapus data yang ada pada sistem. Nama file : Admin Pimay Key : Use_login Seconday Key : - Vekto Hasil Vekto / Altenatif Tebaik Selesai Gamba 2. Flowchat System b) Diagam Konteks Diagam Konteks meupakan gambaan secaa gais besa suatu ancangan Sistem. Dengan Diagam Konteks ini akan mempelihatkan hubungan anta entitas. Diagam Konteks juga akan menggambakan alian data yang melalui seluuh poses Sistem. Secaa detail dapat dijelaskan pada gamba 4.3 beikut ini : Rancangan File Kasus Tabel File Kasus ini meupakan isi dai data Kasus. Nama file : Kasus Pimay Key : id_kasus Seconday Key : - Rancangan File Altenatif Tabel File Altenatif ini meupakan isi dai biodata Dosen. Nama file : Altenatif Pimay Key : id_altenatif Gamba 3. Diagam Konteks Seconday Key : -

16 Junal Media Infotama, Vol.9, No.2, Septembe Rancangan File Kiteia Pada ancangan file kiteia beisi data-data kiteia. Nama file : Kiteia Pimay Key : Id_Kiteia Seconday Key : - Rancangan File Nilai Bobot Pefeensi Nama file : Nilai Bobot Pefeensi Pimay Key : id_bobot Seconday Key : - Rancangan File Nilai Kepentingan Pada ancangan file Nilai Kepentingan beisi nilai kepentingan pada setiap kiteia. Nama file : Nilai Kepentingan Pimay Key : Id_Nilai Seconday Key : - Rancangan File Poses Nama file : Poses Pimay Key : id_poses Seconday Key : - Rancangan File Nilai Kiteia Nama file : Nilai Pimay Key : id_nilai_kiteia Seconday Key : id_altenatif Nama file : Poses Pimay Key : id_poses Seconday Key : -

17 Junal Media Infotama, Vol.9, No.2, Septembe IV. HASIL DAN PEMBAHASAN A. Skenaio Pengujian Pada penelitian ini Skenaio pengujian dilakukan untuk menguji sistem dan memeiksa apakah sistem yang dibuat sudah baik dan bena. Pada penilaian dosen bepestasi, yang akan dilakukan adalah menganalisa setiap vaiabel yang didapat dai data kuesione untuk mendapatkan nilai yang bisa diambil mewakili penilaian tesebut. Metode yang digunakan adalah metode Simple Additive Weighting (SAW) yaitu penjumlahan tebobot. Tahapan pada skenaio pengujian adalah tahap pesiapan, menyiapkan vaiabel input, dan vaiabel output. 1)Tahap pesiapan Yang petama dilakukan pada skenaio pengujian adalah membuka aplikasi XAMPP Contol Panel Aplication untuk mengaktifkan apache dan mysql. Setelah kedua module tesebut unning, maka yang beikutnya adalah membuka bowse mozilla fiefox. Ketik untuk menuju ke sistem yang bebasis php. 2)Vaiabel Input Pada tahapan beikut ini adalah poses pesiapan bebeapa vaiabel input yang akan di masukkan ke dalam sistem. Masing-masing vaiabel mewakili semua tahapan yang dilakukan dalam pengujian sistem. A. Kasus Pesiapkan kasus yang akan dibuat dalam sistem pendukung keputusan menggunakan metode SAW. Pada penelitian ini kasusnya adalah penilaian dosen bepestasi. B. Altenatif Bila kasus telah ditentukan, yang beikutnya adalah menentukan altenatif. Dalam penilaian dosen bepestasi pada Univesitas Dehasen Bengkulu ditunjuk 6 oang dosen tetap yayasan yang mewakili setiap fakultas. Dosen inilah yang dijadikan sebagai altenatif dalam penilaian dosen bepestasi. 6 altenatif Ai (i=1,2,,n) yang akan dinilai yaitu : A1 = Dosen 1 A2 = Dosen 2 A3 = Dosen 3 A4 = Dosen 4... A20 = Dosen 20 C. Kiteia Ada 5 kiteia Cj dimana j=1,2,,n yang ditentukan untuk melakukan penilaian yaitu : C1 = Kualifikasi Pendidikan C2 = Pembelajaan C3 = Banyaknya Penelitian C4 = Banyaknya Junal C5 = Banyaknya Pengabdian Pada Masyaakat D. Nilai Bobot Untuk dijadikan sebagai penilaian, ada 5 kategoi nilai untuk menentukan ating kecocokan setiap altenatif pada setiap kiteia, yaitu: Nilai 1 = Sangat Kuang (SK) Nilai 2 = Kuang (K) Nilai 3 = Cukup (C) Nilai 4 = Baik (B) Nilai 5 = Tebaik (TB) Dai data kiteia Cj dan nilai bobot di atas, maka dibuat susunan inteval nilai bobot dai masing-masing kiteia yang telah dikonvesikan ke bilangan Fuzzy. Disini ada 5 tabel kiteia yaitu: Tabel 1 Kiteia Kualifikasi Pendidikan C1 Nilai Bobot S3 5 S2 4 S1 3 Pada kiteia ini, kualifikasi Pendidikan ditentukan 3 tingkatan dan masing-masing dibei bobot sesuai dengan tingkatan tinggi dan endahnya pendidikan tesebut. Untuk nilai

18 Junal Media Infotama, Vol.9, No.2, Septembe bobot yang tebesa mengidentifikasi bahwa kualifikasi pendidikan memenuhi nilai yang tebaik. Dan akan disusun ke bawah sesuai dengan tingkatan pendidikan. Tabel 2 Pembelajaan C2 Nilai Bobot Tesis 5 Skipsi 4 LTA 3 PKL 2 Pada Pembelajaan, penentuan nilai bobot sama sepeti penentuan di kualifikasi pendidikan. Semakin tinggi tingkatan fungsi sebagai pembimbing sebuah altenatif, maka semakin tinggi nilai bobot yang ditentukan. Tabel 3 Kiteia Banyaknya Penelitian C3 Nilai Bobot Lebih Dai Penelitian 4 4 Penelitian 3 3 Penelitian 2 2 Penelitian 1 Dai kegiatan penelitian yang dilakukan oleh masing-masing altenatif, nilai bobot dipeoleh dai tingkatan beapa banyak jumlah penelitian yang telah dilakukan sejak ditetapkan sebagai dosen tetap. Begitu juga pada kiteia banyaknya junal dan banyaknya pengabdian pada masyaakat, pembeian nilai bobot sama sepeti pembeian nilai bobot pada kiteia banyaknya penelitian. Dapat dilihat pada tabel 5.4 dan tabel 5.5. Tabel 4 Kiteia Banyaknya Junal C4 Nilai Bobot Lebih Dai Junal 4 4 Junal 3 3 Junal 2 2 Junal 1 Tabel 5 Kiteia Banyaknya Pengabdian Pada Masyaakat C5 Nilai Bobot Lebih Dai Pengabdian 4 4 Pengabdian 3 3 Pengabdian 2 2 Pengabdian 1 E. Bobot Pefeensi Beikut ini adalah tahap pembeian bobot pefeensi untuk menentukan tingkatan kepentingan dai sebuah kiteia. Pengambil keputusan membeikan bobot untuk setiap kiteia bedasakan tingkat kepentingannya, yaitu: C1 = 4 C2 = 4 C3 = 5 C4 = 5 C5 = 5 Tingkatan kepentingan tesebut dibeikan sesuai dengan pedoman pada penilaian dosen bepestasidan telah ditetapkan oleh peguuan tinggi pada tempet penelitian. Untuk nilai 5 mengidentifikasikan bahwa kiteia tesebut dianggap paling penting dan sebagai kiteia tebaik dalam penilaian dosen bepestasi. Setelah dibuat susunan inteval bobot, bedasakan dai pengisian kuesione setiap altenatif dibeikan bobot ating kecocokan sebagai beikut sesuai dengan tabel : Tabel 6 Rating Kecocokan setiap altenatif pada setiap kiteia Kiteia Altenatif C1 C2 C3 C4 C5 A A A A A ) Vaiabel Output Taget yang ingin dicapai dai sistem yang dibuat pada sistem pendukung keputusan penilaian dosen bepestasi adalah hasil peankingan yang sesuai dengan pehitungan menggunakan metode SAW. Dai tabel ating kecocokan setiap altenatif pada setiap kiteia, ditentukan atibut yang digunakan adalah atibut keuntungan (bonefit=maximum) yaitu nilai yang tebesa itu nilai yang tebaik.

19 Junal Media Infotama, Vol.9, No.2, Septembe Pada metode SAW, hasil yang ingin dicapai adalah altenatif yang memiliki nilai tetinggi. Pada tabel 7 di bawah ini akan dipelihatkan hasil poses peankingan yang ingin dicapai dai uji coba di sistem. Tabel 7 Hasil Poses Peankingan Maka dilihat dai tabel diatas, nilai tebesa ada pada A1 dan meupakan yang tepilih sebagai dosen bepestasi. B. Implementasi Skenaio Pengujian Poses implementasi skenaio pengujian meliputi ancangan antamuka. Peangkat lunak yang dikembangkan untuk membantu menganalisis poses penilaian dan peankingan altenatif yang tebaik sesuai dengan metode Simple Additive Weighting. Antamuka peangkat lunak dibuat menggunakan PHP MYSQL. Untuk masuk ke antamuka sistem pendukung keputusan penilaian dosen bepestasi, di mulai dengan pengaktifan XAMPP Contol Panel Aplication. Pada apache dan mysql di stat dan selanjutnya buka menu bowse mozilla fiefox, ketik Gamba 2 Localhost SPK Penilaian Dosen Bepestasi Pada awal membuka Aplikasi ini, use akan dihadapkan dengan menu Jendela login administato. Menu ini befungsi meneima masukan beupa usename dan passwod untuk kemudian akan dicek apakah usename dan passwod tesebut telah valid. Jika ya, maka pengguna dapat menggunakan aplikasi ini. Namun jika tidak, aplikasi ini akan menolak usename dan passwod tesebut dan aplikasi ini tidak dapat digunakan. Masukkan Use Login dan Passwod lalu klik Login dan akan muncul tampilan sepeti di bawah ini : 1. Menu Utama Gamba 3 Menu Login Gamba 1. XAMPP Contol Panel Aplication Menu utama meupakan menu yang petama kali tampil ketika pogam dijalankan oleh pengguna. Adapun antamuka menu utama, dapat dilihat pada gamba beikut :

20 Junal Media Infotama, Vol.9, No.2, Septembe sub menu poses SAW dapat dilihat pada gamba beikut: Gamba 4 Menu Utama 2. Menu Input Data Pada sub menu input data beisi tentang input Kasus, input data altenatif, input data kiteia, input data nilai bobot, dan input data nilai kiteia dapat dilihat pada gamba beikut ini : 4. Menu Logout Gamba 6 Menu Poses SAW Menu Logout befungsi mengakhii aplikasi. 3. Menu Poses SAW Gamba 5 Menu Input Data Menu poses SAW adalah menu untuk poses peankingan dai tahapan metode SAW pada penilaian dosen bepestasi. Pada menu ini setelah di klik langsung menghasilkan poses akhi untuk mendapatkan nilai anking tetinggi dai semua altenatif yang memiliki nilai tebesa dan dijadikan sebagai peingkat teatas. Tampilan Gamba 7 Menu Logout A. Poses Input Data

21 Junal Media Infotama, Vol.9, No.2, Septembe a. Data Kasus Klik pada menu data kasus maka akan tampil sepeti gamba beikut : c. Data Kiteia Menu input data kiteia dibuat dengan tujuan untuk menambahkan data kiteia atau syaat yang sudah ditentukan dalam penilaian dosen bepestasi. Menu kiteia dapat dilihat pada gamba beikut : Gamba 8 Input Data Kasus Input data kasus meupakan fom yang befungsi untuk memasukkan data kasus yang akan di poses dalam penilaian menggunakan metode SAW. Pada penelitian ini kasusnya adalah Penilaian Dosen Bepestasi. Klik Tambah untuk melakukan poses selanjutnya. b. Data Altenatif Gamba 10 Input Data kiteia d. Nilai Bobot Pefeensi Menu input data altenatif befungsi untuk menginput altenatif yang akan di nilai dalam poses penilaian dosen bepestasi. Gamba 9 Input Data Altenatif Gamba 11 Input Nilai Bobot Pefeensi

22 Junal Media Infotama, Vol.9, No.2, Septembe e. Nilai Kiteia 1. Hasil dai Menyusun Matiks Nilai kiteia untuk masing-masing altenatif yang telah dimasukkan dalam sistem akan disusun dalam sebuah matik, beikut ini adalah hasil poses penyusunan matik dai data altenatif dan kiteia yaitu sebagai beikut : Gamba 12 Input Nilai Kiteia B. Poses SAW Poses akhi yang dilakukan adalah Poses SAW yaitu untuk menunjukkan hasil dai penilaian dosen bepestasi sesuai dengan pehitungan metode Simple Additive Weighting (SAW). Klik pada Poses SAW lalu klik pada hasil, maka akan kelua tampilan sepeti gamba beikut : Gamba 14 Hasil Susunan Matik 2. Hasil Peankingan Setelah dipeoleh hasil pehitungan, maka dipeoleh hasil peankingan yang dibentuk ke dalam tabel dan disimpulkan altenatif tebaik yang mempeoleh nilai tetinggi dan teatas, sepeti pada gamba beikut ini : Gamba 13 Poses SAW Gamba 15 Hasil Peankingan