BAB II. KAJIAN PUSTAKA. A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto

Transkripsi

1 BAB II. KAJIAN PUSTAKA A. Kinerja Pegawai di Universitas Muhammadiyah Purwokerto Masalah kinerja pegawai di Universitas Muhammadiyah Purwokerto sangat mendapat perhatian. Hal ini dibuktikan dengan diadakannya penilaian kinerja pegawai setiap enam bulan sekali yang diselenggarakan oleh Lembaga Penjaminan Mutu. Peraturan penilaian kinerja pegawai di Universitas Muhammadiyah Purwokerto adalah: 1. Pegawai non edukatif Penilaian kinerja pegawai non-edukatif didasarkan pada 2 aspek, yaitu: a. Penilaian umum Penilaian umum dimaksudkan untuk menilai kinerja pegawai nonedukatif dari aspek perilaku kerja dan tanggung jawab pekerjaan. Penilaian dilakukan setiap akhir semester dengan menggunakan alat ukur berupa kuisioner. Penilai dapat bersumber dari atasan langsung (Ka. TU, Ka. Lembaga, Ka. Biro, Ka. Bagian, Ka. Sub Bag, Dekan), atasan tidak langsung, rekan kerja (peers) dan pegawai lain yang berada dalam satu ruang kerja. b. Tingkat kehadiran Tingkat kehadiran diukur dengan mencari rata-rata prosentase jam kehadiran selama satu semester (6 bulan). Tingkat kehadiran dihitung dari rekapitulasi finger print. Pegawai yang hadir tetapi jam kehadirannya tidak tertulis dalam mesin finger print maka yang bersangkutan dianggap tidak hadir pada hari yang dimaksud. Skor kehadiran dihitung berdasarkan 4

2 prosentase, dengan cara membandingkan antara total waktu kerja yang dicapai pegawai dan jumlah waktu kerja ideal tiap pegawai dikalikan 100 %, dengan skor sebagai berikut (Tabel 1): Tabel 1. Skor kehadiran Prosentase yang dicapai Skor < 20, 00 % 1 20, 00 < x < 40, 00 % 2 40, 00 < x < 60, 00 % 3 60, 00 < x < 80, 00 % 4 80, 00 < x < 100, 00 % 5 c. Keislaman 1) Penilaian keislaman dimaksudkan untuk menilai akidah, ibadah dan akhlak pegawai 2) Penilaian dilakukan oleh LPPI setiap akhir semester dengan menggunakan alat ukur berupa kuisioner. Hasil penilaian ini selanjutnya akan dilaporkan dalam bentuk buku rapor kinerja sebagai berikut (Gambar 1): 5

3 Gambar 1. Rapor Penilaian Kinerja Pegawai Non Edukatif 2. Pegawai edukatif a. Indeks kinerja akademik dosen (IKAD) Penilaian indeks kinerja akademik dosen (IKAD) meliputi: 1) Penilaian terhadap kegiatan Pendidikan dan Pengajaran dengan melibatkan mahasiswa dan rekan sejawat dengan tolok ukur evaluasi belajar mengajar, kehadiran dosen dalam memberikan kuliah, akurasi dan ketepatan menyerahkan nilai 2) Penilaian terhadap kegiatan Penelitian dan Pengabdian Masyarakat dengan tolok ukur: keaktifan melakukan penelitian dan pengabdian masyarakat. 3) Penilaian terhadap kegiatan publikasi ilmiah dengan tolok ukur keaktifan membut tulisan ilmiah yang dipublikasikan melalui jurnal publikasi (terakreditasi atau nonterakreditasi, baik lokal regional, nasional maupun internasional). 6

4 b. Penilaian umum 1) Penilaian umum dimaksudkan untuk menilai kinerja pegawai edukatif dari aspek perilaku kerja, yang diukur dari indikator tanggung jawab, kreativitas, kerja sama, kedisiplinan, kohesivitas, kepemimpinan dan orientasi pelanggan. 2) Untuk keperluan tersebut (point a) dikembangkan alat ukur berupa kuisioner. 3) Penilai adalah ketua dan sekretaris program studi/bagian 4) Penilaian dilakukan satu semester sekali pada akhir semester. c. Keislaman 1) Penilaian keislaman dimaksudkan untuk menilai akidah, ibadah dan akhlak pegawai 2) Penilaian dilakukan oleh LPPI setiap akhir semester dengan menggunakan alat ukur berupa kuisioner. Hasil penilaian ini selanjutnya akan dilaporkan dalam bentuk buku rapor kinerja sebagai berikut (Gambar 2): 7

5 Gambar 2. Rapor Penilaian Kinerja Pegawai Edukatif B. Konsep Logika Fuzzy Teori fuzzy diperkenalkan pertama kali oleh Lotfi A. Zadeh pada tahun 1965 pada presentasinya mengenai Fuzzy Sets. 1. Pengertian logika fuzzy Sebelum munculnya logika fuzzy, dikenal sebuah logika tegas yang memiliki nilai benar atau salah secara tegas. Sebaliknya Logika Fuzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya. Logika Fuzzy adalah suatu cara untuk memetakan ruang input ke dalam suatu ruang output (Kusumadewi, 2003). 2. Perbedaan himpunan fuzzy dengan himpunan pasti (crisp) 8

6 Fuzzy System (sistem kabur) didasari atas konsep himpunan kabur yang memetakan domain input ke dalam domain keluaran. Perbedaan mendasar himpunan Pasti (crisp) dengan himpunan kabur adalah nilai keluarannya. Himpunan tegas hanya memiliki dua nilai output yaitu nol atau satu, sedangkan himpunan kabur memiliki banyak nilai keluaran yang dikenal dengan derajat keanggotaannya. Pada himpunan pasti (crisp) nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μa*x+, memiliki 2 kemungkinan, yaitu: Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau Nol (0), yang berarti bahwa suatu item tidak menjadi anggota suatu himpunan. Misalkan variabel kinerja dibagi menjadi 3 kategori, yaitu: RENDAH Nilai Kinerja 1, 375 SEDANG 1, 75 < Nilai Kinerja 3, 125 TINGGI Nilai Kinerja > 3, 125 Nilai keanggotaan secara grafis, himpunan tegas RENDAH, SEDANG, dan TINGGI ini dapat dilihat pada Gambar 3. 9

7 Gambar 3. Himpunan Tegas RENDAH, SEDANG, dan TINGGI Pada Gambar 3, dapat dijelaskan bahwa: Apabila nilai kinerja seseorang = 1, 256 maka nilai kinerjanya masuk dalam kategori rendah. Apabila nilai kinerja seseorang = 1, 375 maka nilai kinerjanya dikatakan tidak masuk dalam kategori sedang. Berdasarkan contoh di atas bisa dikatakan pemakaian himpunan crisp untuk menyatakan nilai kinerja sangat tidak adil, adanya perubahan sedikit saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, RENDAH dan SEDANG, SEDANG dan TINGGI, dsb. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaan-nya. Gambar 4 menunjukkan himpunan fuzzy untuk variabel kinerja. 10

8 Gambar 4. Himpunan (fuzzy) RENDAH, SEDANG, dan TINGGI Pada Gambar 4, dapat dijelaskan bahwa: Apabila nilai kinerja seseorang = 1, 5 maka nilai kinerjanya masuk dalam kategori rendah dengan derajat keanggotaan 0, 5 tetapi nilai kinerjanya masuk juga dalam kategori sedang dengan derajat keanggotaan 0, 11. Berdasarkan contoh di atas bisa dikatakan pemakaian himpunan fuzzy untuk menyatakan nilai kinerja sangat fleksibel, adanya perubahan sedikit pada suatu nilai dapat ditoleransi. 3. Atribut himpunan fuzzy Himpunan fuzzy memiliki dua atribut yaitu: Variabel linguistik merupakan sebuah variabel yang memiliki nilai berupa kata - kata dalam bahasa alamiah bukan angka, misalnya sedang, tinggi, rendah. Numeris Yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel seperti: 40, 25, 30, dan sebagainya (Kusumadewi, 2003). 4. Fungsi keanggotaan 11

9 Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1 (Kusumadewi, 2003). Logika Fuzzy menggunakan beberapa fungsi antara lain: a. Linear naik Fungsi linear naik dapat digambarkan sebagai berikut: Gambar 5. Representasi Linear Naik Pada Gambar 5, dapat dijelaskan bahwa kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi. b. Linear turun Fungsi linear turun dapat digambarkan sebagai berikut (Gambar 6): 12

10 Gambar 6. Representasi Linear Turun Pada Gambar 6, dapat dijelaskan bahwa garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. c. Segitiga Fungsi linear turun dapat digambarkan sebagai berikut (Gambar 7): Gambar 7. Representasi Fungsi Segitiga 13

11 Pada Gambar 7, dapat dijelaskan bahwa terdapat hanya satu nilai x yang memiliki derajat keanggotaan sama dengan 1, yaitu ketika x = b. Tetapi, nilai-nilai di sekitar b memiliki derajat keanggotaan yang turun cukup tajam menjauhi Operator himpunan fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy (Kusumadewi, 2003). Ada tiga operator dasar dalam logika fuzzy yang diciptakan oleh Zadeh yaitu: a. Operator AND Operator ini berhubungan dengan operasi interseksi pada himpunan. α- predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan. µa AND B = min(µa[], µb[y]) b. Opertor OR Operator ini berhubungan dengan operasi union pada himpunan. α- predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunanhimpunan yang bersangkutan. µa OR B = max(µa[], µb[y]) c. Operator NOT Operator ini berhubungan dengan operasi komplemen himpunan. α- predikat sebagai hasil operasi dengan operator NOT diperoleh dengan 14

12 mengambil nilai komplemen keanggotaan elemen pada himpunanhimpunan yang bersangkutan. µa = 1-µA[X] 6. Fuzzy database model Tahani Fuzzy database model tahani ini merupakan sebuah basis data yang masih menggunakan relasi standar, hanya saja pada model ini menggunakan teori himpunan fuzzy untuk mendapatkan informasi pada query nya (Kusumadewi dan Purnomo, 2004). Metode Tahani tersusun atas tahapan yaitu: a) Tahap 1. menggambarkan fungsi keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetakan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki internal antara 0 sampai 1, salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Beberapa fungsi yang dapat digunakan yaitu Representasi linier, Representasi Kurva Segitiga, Representasi Kurva Trapesium. Masing-masing fungsi tersebut, akan menghasilkan nilai antara 0 dan 1 dengan cara yang berbeda, sesuai dengan jenis representasi yang digunakan. b) Tahap 2. fuzzyfikasi Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy yaitu pengubahan nilai tegas ke nilai fuzzy. Prosesnya adalah sebagai berikut: suatu besaran analog dimasukkan sebagai masukan (crisp input), lalu input tersebut dimasukkan pada batas scope dari membership function. Membership function ini biasanya dinamakan membership function input. 15

13 Keluaran dari proses fuzzifikasi ini adalah sebuah nilai input fuzzy atau yang biasanya dinamakan fuzzy input. c) Tahap 3. fuzzyfikasi query Fuzzyfikasi Query diasumsikan sebuah query konvensional (nonfuzzy) DBMS yang akan mencoba membuat dan menerapkan sebuah sistem dasar logika fuzzy query. d) Tahap 4. Operator dasar Zadeh untuk operasi himpunan fuzzy Nilai keanggotaan sebagai dari 2 himpunan fuzzy dikenal dengan nama Fire Strength atau α-predikat. Sangat mungkin digunakan operator dasar dalam proses query berupa operator AND dan OR. α -predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunanhimpunan yang bersangkutan, dinotasikan: µanb = min(µa[x], µb[x]). Sedangkan untuk hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunanhimpunan yang bersangkutan, dinotasikan: µaub = max(µa[x], µb[x]). Alternatif yang direkomendasikan adalah alternatif yang memiliki nilai Fire Strength atau tingkat kesesuaian dengan kriteria pilihan diatas angka 0 (nol) sampai dengan angka 1 (satu). C. Hasil Penelitian Sejenis adalah: Beberapa penelitian tentang pengembangan aplikasi fuzzy yang telah dilakukan 16

14 1. Elyani dkk. (2009) telah mengembangkan Decision support system untuk pembelian mobil menggunakan fuzzy database model tahani. Dalam aplikasi ini digunakan variabel input data mobil yang meliputi panjang mobil, lebar mobil, kapasitas penumpang, ukuran mesin, tinggi mobil, berat mobil, harga mobil, dan kapasitas tangki bahan bakar. Dari input tersebut diperoleh output aplikasi yang dapat membantu menghasilkan keputusan yang lebih cepat untuk dijadikan bahan pertimbangan dalam persiapan pembelian produk mobil. Pada kesempatan ini fuzzy database model tahani akan diterapkan untuk evaluasi kinerja pegawai. 2. Hasiholan dan Sudrajat (2008) telah melakukan penelitian tentang Evaluasi Kinerja Karyawan Menggunakan Metode Pemrograman Linear Fuzzy yang membahas suatu metode penilaian kinerja karyawan dengan faktor-faktor fuzzy sebagai parameter. Dalam penelitian tersebut hanya menggunakan linear fuzzy untuk menentukan kinerja karyawan belum menggunakan Fuzzy database. 17