PENENTUAN GURU TERBAIK DENGAN METODE SAW STUDI KASUS: SMK KARYA BANGSA

Transkripsi

1 Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 84~88 84 PENENTUAN GURU TERBAIK DENGAN METODE SAW STUDI KASUS: SMK KARYA BANGSA Imron Imron 1, Eni Indah Sari 2 1 ASM BSI Bandung imron.imr@bsi.ac.id 2 STMIK Nusa Mandiri Jakarta angemimori@gmail.com Abstrak Untuk dapat menciptakan siswa-siswi yang cerdas diperlukan peranan Guru yang dapat membentuk karakter siswa, agar siswa menjadi cerdas, terampil dan berprestasi dalam bidang akademik maupun non akademik, melalui sistem pengajaran yang beragam. Namun tidak semua materi yang diajarkan oleh guru mampu diterima dengan baik oleh siswa. Dengan harapan dapat memotivasi guru dalam meningkatkan kinerjanya dalam kegiatan belajar mengajar di sekolah. Untuk penilaian guru pada SMK Karya Bangsa ini diperlukan sistem pendukung keputusan yaitu dengan menggunakan metode Simple Additive Weighting (SAW). Sehingga setelah proses pemilihan guru terbaik dengan metode ini akan diperoleh hasil perangkingan yang akan menentukan guru terbaik dari seluruh guru yang ada pada sekolah ini. Penelitian ini merupakan pertama untuk kasus pemilihan guru terbaik, diharapkan dapat memotivasi guru dalam meningkatkan kinerja di Sekolah. Manfaat dari penelitian ini diharapkan dapat membantu pihak sekolah dalam mengambil keputusan penentuan guru terbaik, dan penggunaan metode SAW agar dapat meminimalisir kesalahan dari sisi pihak Sekolah dan dapat lebih cepat menentukan Guru terbaik pada SMK Karya Bangsa. Keywords: Sistem Pendukung Keputusan, Guru Terbaik, Simple Additive Weighting 1. Pendahuluan Guru sangat berperan penting dalam faktor keberhasilan siswa. Karena tugas seorang guru adalah mengajar, mengarahkan, membimbing, mengevaluasi kegiatan siswa siswi di sekolah (Oktaviani & Nainggolan, 2016). Oleh karenanya guru sangat menentukan mutu pendidikan karena guru yang berinteraksi dengan siswa secara langsung dalam kegiatan pembelajaran di sekolah. Tidak semua guru mampu menyampaikan materi pembelajaran yang mudah dipahami oleh siswanya. Cara mengajar seorang guru ini sangat berpengaruh terhadap keberhasilan proses pembelajaran di sekolah. Serta kedisiplinan guru di lingkungan sekolah berpengaruh terhadap kedisiplinan siswanya, karena guru merupakan panutan bagi semua siswa di sekolah. Penilaian kinerja guru akan menciptakan guru yang mempunyai motivasi tinggi, berdedikasi tinggi, terampil dalam membangkitkan minat siswanya dalam menguasai ilmu pengetahuan dan teknologi. Menurut Gunawan(2015:143) Keputusan yang diambil diharapkan tidak subjektif agar kualitas yang diperoleh dapat sesuai dengan harapan sehingga tidak ada pihak yang dirugikan. Pengambilan keputusan untuk menetapkan apakah kinerja guru tersebut sudah memenuhi kualitas yang diterima atau tidak, didasari beberapa kriteria yang ditetapkan oleh Sekolah. Untuk menentukan guru terbaik pada SMK Karya Bangsa diperlukan sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW). Dengan dilakukannya pemilihan guru terbaik ini diharapkan mampu memotivasi guru dalam meningkatkan kinerja guru di sekolah. Pelaksanaan penilaian kinerja guru dimaksudkan bukan untuk menyulitkan guru, tetapi sebaliknya penilaian kinerja guru dilakukan dalam upaya peningkatan kualitas pembelajaran peserta didik dan sekaligus membantu guru dalam pengembangan karirnya sebagai seorang guru yang profesional. Selain hal tersebut penilaian kinerja guru juga untuk menunjukkan secara tepat tentang kegiatan guru di dalam kelas, Diterima 22 Januari 2017; Revisi 12 Februari 2017; Disetujui 15 Maret, 2017

2 dan membantu mereka untuk meningkatkan pengetahuan serta keterampilannya dalam melaksanakan pembelajaran di sekolah. Dengan demikian diharapkan dapat memberikan kontribusi secara langsung pada peningkatan kualitas pembelajaran yang dilakukan. Diharapkan pelaksanaan penilaian kinerja guru ini dapat menjadi acuan bagi semua pihak yang terkait dengan pelaksanaan penilaian kinerja guru. 2. Metode Penelitian Menurut Bonczek dalam Turban dari Nofriansyah (2014:1) menyimpulkan bahwa sistem pendukung keputusan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi, sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan komponen sistem pendukung lain), sistem pengetahuan (repository pengetahuan domain masalah yang ada pada sistem pendukung keputusan atau sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk mengambil keputusan). 2.1 Metode Simple Additive Weighting Menurut Nofriansyah (2014:11) menyimpulkan bahwa : metode Simple Additive Weighting sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode Simple Additive Weighting adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting membutuhkan proses normalisasi matriks keputusan ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Keunggulan dari Metode Simple Additive Weighting dibandingkan dengan metode sistem keputusan yang lain terletak pada kemampuannya dalam melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot tingkat kepentingan yang dibutuhkan. Dalam metode Simple Additive Weighting juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada kemudian dilakukannya proses perangkingan yang jumlah nilai bobot dari semua kriteria dijumlahkan setelah menentukan nilai bobot dari setiap kriteria. Adapun langkah penyelesaian Simple Additive Weighting sebagai berikut: 1. Menentukan kriteria apa saja yang akan dijadikan acuan dalam pengambilan keputusan yaitu Ci. 2. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria. W = [ W1,W2,W3,,WJ]. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun biaya) sehingga diperoleh matriks ternormalisasi (R). { keterangan : rij = nilai rating kinerja ternormalisasi xij = nilai atribut yang dimiliki dari setiap kriteria Maxi Xij= nilai terbesar dari setiap kriteria Mini Xij = nilai terkecil dari setiap kriteria Benefit = jika nilai terbesar adalah terbaik Cost = jika nilai terkecil adalah terbaik 4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi (R) dengan bobot prefensi (W) sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. Keterangan : : rangking untuk setiap alternatif : nilai bobot dari setiap kriteria : niai rating kinerja ternormalisasi Hasil perhitungan nilai preferensi Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik. 3. Pembahasan 3.1 Penentuan Adapun 4 (empat) kriteria yang digunakan dalam pemilihan guru terbaik yaitu : Tabel 1 Penentuan Kode Ketentuan C1 Penilaian Siswa C2 Penilaian Pimpinan C3 Pendidikan Terakhir Guru C4 Absensi Kehadiran guru KNiST, 30 Maret

3 3.2 Perhitungan data : Berikut ini range dari masing-masing kriteria dalam pemilihan guru terbaik : a) Penilaian Siswa Tabel 2 Penilaian Siswa Tertulis (C1) <=69 Sangat Tidak Baik Tidak Baik Kurang Baik Baik Sangat Baik 5 b) Penilaian Kepala Sekolah Tabel 3 Penilaian Pimpinan Tertulis (C2) <=28 Sangat Tidak Baik Tidak Baik Kurang Baik Baik Sangat Baik 5 c) PendidikanTerakhir Guru ` Tabel 4 PendidikanTerakhir Guru Pendidikan Terakhir S1 Cukup 1 S2 Baik 2 S3 Sangat Baik 3 d) Absensi Kehadiran Guru Tabel 5 Absensi Kehadiran Guru Tertulis (C1) <= 29% Sangat Tidak Baik 1 30% 49% Tidak Baik 2 50% 69% Kurang Baik 3 70% 89% Baik 4 90% 100% Sangat Baik Menentukan bobot preferensi atau tingkat kepentingan (W) pada setiap kriteria Tabel 6 Penilaian dan Bobot No Penilaian Bobot 1 Penilaian Siswa 35 % 2 Penilaian Kepala Sekolah 30% 3 Pendidikan Terakhir Guru 25% 4 Absensi Guru 10% 3.4 Menentukan rating kecocokan dari setiap alternative Tabel 7 rating kecocokan dari setiap alternative Alternatif C1 C2 C3 C4 Nur khomariah, SE H. Abdul Syukur, SH Tahjudin S.Sos, MM Aris Munandar,S.pd Ahmad Dimyati, S.pd Juraid M Dami, S.pd Mawar Marlinah, SE Puspitasari, S.Sos Dedi Setiadi, SE Hana Sutianah,SH Agus Hermawan, S.pd Maesaroh, SE Hendi Mulyadi, SE Rhomadona, SE Nia Kurniawati, S.kom Tyas Setyaningsih, S.Si Rapin, SE Suci Wahyuningsih, SE Raden Juwita AP,SH, MM Siti Sulastri, S.pd Dini Nuraini, S.pd Yuniary Retno N, S.pd Ilham, S.pd Hilman Subhan Hadisty, S.pd Naharoh, S.pd Ike Sukma Indah, SE W = [W1,W2,W3,.,WJ]. KNiST, 30 Maret

4 3.5 Menghitung nilai normalisasi dari setiap alternatif dengan rumus { 1. r11 = r12 = r13 = r14 = 2. r21 = r22 = r23 = r24 = = = 1 = = 0.8 = = 0.5 = = 1 = = 1 = = 0.6 = = 0.5 = = 0.8 Begitu seterusnyaa sampai dengan r274. Kemudian hasil normalisasi dibuat dalam matriks normalisasi sebagai berikut : Pencarian nilai terbaik atau perangkingan dengan memasukan setiap kriteria dalam rumus, serta dengan bobot preferensi yang sudah ditentukan. Bobot preferensi (W) =(35%,30%,25%,10%) 1. V1 = (0.35) (1) + (0.30) (0.8) + (0.25) (0.5) + (0.10) (1) = V2 = (0.35) (1) + (0.30) (0.6) + (0.25) (0.5) + (0.10) (0.8) = V3 = (0.35) (1) + (0.30) (0.8) + (0.25) (1) + (0.10) (1) = V4 = (0.35) (0.8) + (0.30) (0.8) + (0.25) (0.5) + (0.10) (0.6) = Begitu seterusnya sampai V27. Hasil perangkingan yang diperoleh dari data yang telah diolah yaitu sebagai berikut : Tabel 8. Hasil Perangkingan No Nama vi Rank 1 Tahjudin S.Sos, MM Raden Juwita AP,SH, MM Ike Sukma Indah, SE Nur khomariah, SE Juraid M Dami, S.pd Mawar Marlinah, SE Puspitasari, S.Sos Maesaroh, SE Hendi Mulyadi, SE Tyas Setyaningsih, S.Si Suci Wahyuningsih, SE Siti Sulastri, S.pd Dini Nuraini, S.pd Hadisty, S.pd Rapin, SE Ilham, S.pd Hilman Subhan Hana Sutianah,SH Dedi Setiadi, SE Agus Hermawan, S.pd Yuniary Retno N, S.pd Naharoh, S.pd H. Abdul Syukur, SH Ahmad Dimyati, S.pd Nia Kurniawati, S.kom Rhomadona, SE Aris Munandar,S.pd Dari data yang telah diolah dari V1 sampai dengan V27 yang mendapat nilai terbesar adalah V3, sehingga kandidat (alternatif) yang terpilih yaitu V3 = Tahjudin S.Sos, MM KNiST, 30 Maret

5 sebagai guru terbaik pada SMK Karya Bangsa. Penelitian ini merupakan penelitian pertama kali yang mengangkat tema pemilihan guru terbaik pada SMK Karya Bangsa, Manfaat dari penelitian ini diharapkan dapat membantu pihak sekolah dalam mengambil keputusan penentuan guru terbaik, dan penggunaan metode SAW agar dapat meminimalisir kesalahan dari sisi pihak Sekolah dan dapat lebih cepat menentukan Guru terbaik pada SMK Karya Bangsa. 4. Simpulan Berdasarkan pengolahan dan analisis data yang telah penulis lakukan dapat diperoleh kesimpulan bahwa Metode Simple Additive Weighting (SAW) diterapkan dalam sistem pendukung keputusan ini sehingga dapat menentukan pemilihan guru terbaik, Sampel penelitian diperoleh dari 30 siswa SMK Karya Bangsa yang terdiri dari 20 siswa perempuan dan 10 siswa laki-laki, Pengolahan data terdiri dari 4 (empat) kriteria yaitu penilaian kepala sekolah, penilaian siswa, absen kehadiran guru dan juga pendidikan terakhir guru. Diharapkan pada kesempatan mendatang, ada yang meneliti materi yang sama dengan menggunakan software statistik, misalnya saja dengan software SPSS 13, dengan tempat penelitian yang lebih luas lagi, agar tidak terjadi kesalahan dalam perhitungan. Oktaviani, R., & Nainggolan, K. (2016). Analisis Pengaruh Kompensasi Dan Lingkungan Kerja Terhadap Kinerja Guru Di Sma Negeri 1 Klaten. Ecodemica, 4(2), Syafriana, H. (2015). Sistem Pendukung Keputusan Penentuan Pencapaian Guru Honorer dengan Metode Technique for Order Preference by Similiary to ideal Solusiom. Majaah Ilmiah Informasi dan Teknologi Ilmiah, Utari, S. P. (2015). Implemetasi Metode C.45 untuk menentukan Guru terbaik pada SMK 1 Percut Sei Tuan Medan. Medan Pelita Informatika Budi Dharma, Referensi Azuar Juliandi, Azuar, Saprinal Manurung. (2014). Metodelogi Penelitian Bisnis. In M. Penelitian, Metode Penelitian (p. 12). Medan: UMSU PRESS. Gunawan, S. (2015). Sistem Pendukung Keputusan Pemilihan Guru Terbaik Pada SMA Negeri 2 Kutacane dengan menggunakan Simple Additive Weighting. Pelita Informatika Budi Darma, Nofriansyah, D. (2014). Konsep Data Mining VS Sistem Pendukung Keputusan. In D. Nofriansyah, Konsep Data Mining VS Sistem Pendukug Keputusan (p. 22). Yogyakarta: Deepublish. Nofrianto, S. (2008). The Golden Teacher. In S. Nofrianto, The Golden Teacher (p. 22). Depok: Lingkar Pena Creative. KNiST, 30 Maret