multi criteria decision model penentuan dosen …

Jurnal TELEMATIKA MKOM, Vol.3 No.1, Maret 2011 ISSN 2085-725X

13

MULTI CRITERIA DECISION MODEL PENENTUAN DOSEN PENGAJAR MATAKULIAH MENGGUNAKAN ANALYTICAL

NETWORK PROCESS (ANP) : STUDI KASUS KELAS EKSEKUTIF KAMPUS PUSAT FAKULTAS TEKNOLOGI

INFORMASI UNIVERSITAS BUDI LUHUR

Anita Diana

Program Studi Magister Ilmu Komputer, Program Pascasarjana Universitas Budi Luhur [email protected]

ABSTRAK

Untuk dapat terus berdaya saing dengan kompetitor, Kelas Eksekutif Universitas Budi Luhur khususnya Kelas Eksekutif Kampus Pusat terus berupaya meningkatkan kualitas. Salah satu upayanya adalah melakukan peningkatan kualitas pelayanan kepada mahasiswa, dengan cara melakukan penilaian dosen untuk mengajar matakuliah.Kendala yang dihadapi adalah tidak adanya sistem informasi yang secara khusus dapat memberikan dukungan bagi pengambil keputusan (Decision Support), yaitu Kepala Unit Kelas Eksekutif Kampus Pusat, sehingga sulit menghasilkan keputusan yang optimal. Selain itu, data pendukung yang diperlukan sebagai dasar pengambilan keputusan berasal dari bagian dan biro lain sehingga proses pengambilan keputusan memerlukan waktu yang cukup lama.Untuk analisis data, penelitian ini menggunakan teknik analsis deskriptif dan instrumen yang digunakan untuk menentukan prioritas kebijakan yaitu Analytic Network Process (ANP) dengan software Super Decision. Penelitian ini diharapkan dapat menghasilkan sebuah Model yang dapat menunjang dalam pengambilan keputusan dalam hal menentukan dosen dengan kinerja terbaik yang akan mengajar matakuliah tertentu pada setiap periode. Kata Kunci : Decision Support, Analytic Network Process, SuperDecision, penilaian dosen 1. Pendahuluan Latar Belakang Untuk dapat berperan serta dalam penyelenggaraan pendidikan yang bermutu, maka seorang dosen wajib memenuhi kualifikasi seperti yang dinyatakan dalam Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 tentang Guru dan Dosen Pasal 4. Kelas Eksekutif Kampus Pusat Universitas Budi Luhur adalah suatu program perkuliahan untuk mahasiswa yang telah bekerja (kaum eksekutif). Selama ini, untuk menentukan dosen dengan kinerja terbaik, kelas eksekutif pusat memiliki beberapa kriteria yang harus dipenuhi. Ada beberapa kendala yang dihadapi dalam proses pengambilan keputusan, antara lain

dalam hal mempersiapkan data-data yang diperlukan karena harus menunggu dari bagian atau biro lain. Serta sempitnya waktu per periode nya untuk menentukan prioritas dosen yang mengajar guna penyusunan penjadwalan. Informasi kriteria penilaian kinerja dosen dalam mengajar matakuliah, didapat dari berbagai pihak. Sempitnya waktu untuk menentukan prioritas dosen yang mengajar guna penyusunan penjadwalan, dikarenakan aktifitas akademik yang sangat padat pada kelas eksekutif. Kendala tersebut berakibat pada lambatnya keputusan yang diambil dan pada kualitas keputusan yang tidak optimal. Sehingga diperlukan satu sistem yang dapat memberikan dukungan informasi dalam menunjang proses pengambilan keputusan,


14

yaitu Decision Support System (Sistem Penunjang Keputusan). Masalah penelitian Identifikasi masalah Berdasarkan latar belakang yang telah dinyatakan, ditemukan beberapa permasalahan yang menjadi dasar dari penelitian ini, yaitu: 1) Tidak adanya faktor yang menentukan

prioritas dosen untuk mengajar matakuliah setiap periode.

2) Tidak adanya nama-nama dosen yang paling tepat untuk mengajar suatu matakuliah setiap periode.

Batasan masalah 1. Penelitian ini hanya membahas

mengenai bagaimana menentukan prioritas dosen untuk mengajar matakuliah per periode dan tidak sampai pada pembuatan penjadwalan.

2. Penelitian ini hanya meliputi Fakultas Teknologi Informasi Universitas Budi Luhur Kelas Eksekutif Kampus Pusat, dikarenakan untuk contoh data yang terbanyak adalah Fakultas Teknologi Informasi.

3. Beberapa nama calon dosen yang akan menjadi prioritas, dapat tidak mempunyai data secara administratif tetapi diusulkan dan mendapat persetujuan dari fakultas.

Rumusan Masalah Berdasarkan identifikasi masalah yang ada, perumusan masalah penelitian dapat dinyatakan sebagai berikut: 1) Faktor apa saja yang menentukan

prioritas dosen untuk mengajar matakuliah setiap periode?

2) Dosen mana yang paling tepat untuk mengajar suatu matakuliah setiap periode?

Tujuan dan manfaat penelitian Tujuan Penelitian Penelitian ini bertujuan untuk memberikan dukungan informasi dalam pengambilan keputusan bagi Kelas Eksekutif Kampus Pusat Universitas Budi Luhur untuk

menentukan prioritas dosen untuk mengajar matakuliah tertentu per periode. Manfaat Penelitian a) Mempermudah penjadwalan bagi staff

administrasi Sekretariat Kelas Eksekutif Kampus Pusat Universitas Budi Luhur yang dilakukan per periodenya.

b) Memberikan alternatif dosen yang akan mengajar per matakuliah setiap periode nya.

c) Menilai kualitas dosen dalam mengajar matakuliah tertetntu.

2. Landasan Teori Tinjauan pustaka

Penilaian Dosen Untuk menjadi seorang dosen, dibutuhkan kriteria tertentu. Ada beberapa kriteria menurut Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 tentang Guru dan Dosen Pasal 45, Pasal 46 Ayat (1) dan Ayat (2). Sertifikasi dosen adalah proses pemberian sertifikat pendidik untuk dosen. Program ini merupakan upaya meningkatkan mutu pendidikan nasional, dan memperbaiki kesejahteraan hidup dosen, dengan mendorong dosen untuk secara berkelanjutan meningkatkan keahliannya. Sertifikat pendidik yang diberikan kepada dosen melalui proses sertifikasi adalah bukti formal pengakuan terhadap dosen sebagai tenaga profesional jenjang pendidikan tinggi. Pada salah satu Perguruan Tinggi Negeri di Indonesia, penilaian seorang dosen adalah: 1) Penilaian Dosen oleh Mahasiswa

Di UI penilaian dosen oleh mahasiswa disebut dengan Evaluasi Dosen Oleh Mahasiswa yang disingkat dengan EDOM. Penilaian disini menyangkut kinerja dosen dalam proses belajar mengajar dan mencakup bukan hanya kemampuan dosen dalam menyampaikan materi pengajaran tapi juga terkait erat dengan berbagai aspek interaksi dosen dan mahasiswa serta suasana/atmosfir lingkungan pengajaran.

2) Penilaian Dosen oleh Institusi Penilaian dosen oleh institusi di UI disebut dengan Evaluasi Dosen Oleh


15

Institusi (EDOI). Kegiatan ini merupakan bagian dari fungsi manajemen mutu akademik institusi.

Decision Support Framework Dalam bukunya, Turban (2005) [1], mengajukan sebuah framework sebagai berikut:

Gambar 1. Decision Support Framework [1]

Gambar di atas dibuat berdasarkan gagasan Simon yang menyatakan bahwa proses pengambilan keputusan memiliki rentang keputusan dari yang paling terstruktur (disebut juga dengan istilah programmed) sampai pada keputusan yang paling tidak terstruktur (disebut juga dengan istilah nonprogrammed) Proses terstruktur adalah rutinitas, dan biasanya merupakan masalah yang sering terjadi sehingga dibuatkan sebuah metode solusi yang standar. Proses yang tidak terstruktur adalah masalah yang fuzzy, kompleks sehingga tidak ada metode solusi yang cut-and-dried. Simon juga menggambarkan ada 3 fase dalam pengambilan keputusan, yaitu Intelligence (mencari kondisi yang membutuhkan suatu keputusan), design (menemukan, membangun/ mengembangkan, dan menganalisa kemungkinan arah tindakan) dan choice (memilih satu dari beberapa kemungkinan yang ada). Bila dalam beberapa fase tersebut (bukan semua) terdapat keputusan yang terstruktur maka Gorry dan Scott Morton menyebutnya dengan istilah semi terstruktur.

Pada masalah yang terstruktur, prosedur untuk mendapatkan solusi yang terbaik (atau paling tidak yang cukup baik) sudah diketahui. Sedangkan pada masalah yang tidak terstruktur, intuisi manusia sering kali menjadi dasar dalam pengambilan keputusan. Dalam multicriteria decision model, diperlukan sebuah pengambilan keputusan. Keputusan yang diambil adalah sebuah keputusan semistruktur, dimana dibutuhkan sebuah Decision Support System untuk mendukung keputusan yang diambil pada setiap kriteria dalam multicriteria decision model. Keputusan yang akan dihasilkan adalah sebuah strategic planning, berupa penentuan dosen untuk sebuah matakuliah.

Beberapa Fase Dalam Pengambilan Keputusan Dalam mengambil keputusan, disarankan untuk mengikuti proses pengambilan keputusan yang fsistematis. Ada tiga fase utama, yaitu Intelligence, Design dan Choice, kemudian Simon menambahkan fase keempat, yaitu Implementation.

INTELLIGENCEAda Masalah?

Identifikasi masalah atau kesempatan

DESIGNApa kemungkinan Alternatif?

CHOICEApa yang harus dipilih?

IMPLEMENTATIONApakah alternatif terpilih

berhasil?

Membuat beberapa alternatif solusidan melakukan uji kelayakan

Memilih alternatif "Terbaik" danMengambil Keputusan

Memonitor hasil dari keputusan yangdiambil

Gambar 2. 4 (empat) Fase dalam Pengambilan Keputusan [1]

Intelligence dalam pengambilan keputusan meliputi analisa lingkungan, baik secara bertahap maupun berkesinambungan. Termasuk kegiatan mengidentifikasi masalah atau kesempatan (termasuk juga memonitor hasil dari fase implementasi). Fase Design meliputi kegiatan menemukan atau mengembangkan dan menganalisa kemungkinan alternatif solusi. Termasuk kegiatan memahami masalah dan menguji beberapa kemungkinan solusi. Sebuah


16

model dari masalah dalam pengambilan keputusan dibangun, diuji dan divalidasi. Choice adalah tahapan kritis dalam pengambilan keputusan. Pada fase inilah keputusan sebenarnya dibuat dan komitmen untuk mengikuti arah tertentu dari tindakan terpilih dilakukan. Batasan antara fase design dan fase choice seringkali tidak jelas karena ada beberapa aktivitas tertentu dapat dilakukan dalam kedua fase ini dan karena seringkali seseorang berpindah dari aktivitas choice ke aktivitas design. Dalam fase implementation, sebuah tindakan dilakukan sebagai bentuk realisasi dari pemilihan sebuah solusi dari masalah yang ada.

Analytic Network Process (ANP)

Metode Analytic Network Process (ANP) adalah pengembangan metode Analytical Hierarchy Process (AHP). Metode ANP mampu memperbaiki kelemahan AHP berupa kemampuan mengakomodasi keterkaitan antar kriteria atau alternatif [2]. Keterkaitan pada metode ANP ada 2 jenis yaitu keterkaitan dalam satu set elemen (inner dependence) dan keterkaitan antar elemen yang berbeda (outer dependence). Adanya keterkaitan tersebut menyebabkan metode ANP lebih kompleks dibanding metode AHP. Menurut Saaty [3], ANP digunakan untuk menurunkan rasio prioritas komposit dari skala rasio individu yang mencerminkan pengukuran relatif dari pengaruh elemen-elemen yang saling berinteraksi berkenaan dengan kriteria kontrol. ANP merupakan teori matematika yang memungkinkan seseorang untuk memperlakukan dependence dan feedback secara sistematis yang dapat menangkap dan mengkombinasi faktor-faktor tangible dan intangible. Berbeda dengan AHP, ANP dapat menggunakan jaringan tanpa harus menetapkan level seperti pada hierarki yang digunakan dalam AHP. Konsep utama dalam ANP adalah influence ‘pengaruh’, sementara konsep utama dalam AHP adalah preferrence ‘preferensi’. AHP dengan asumsi-asumsi dependensinya tentang

cluster dan elemen merupakan kasus khusus dari ANP [3]. Kelebihan ANP dari metodologi AHP adalah : a. Kekuatan ANP terletak dalam

penggunaan rasio skala untuk menangkap semua jenis interaksi dan membuat prediksi yang akurat, dan bahkan lebih, untuk membuat keputusan yang lebih baik.

b. Kemampuannya untuk membantu kita dalam melakukan pengukuran dan sintesis sejumlah faktor-faktor dalam hierarki atau jaringan.

c. Kesederhanaan metodologinya membuat ANP menjadi metodologi yang lebih umum dan lebih mudah diaplikasikan untuk studi kualitatif yang beragam, seperti pengambilan keputusan, forecasting, evaluasi, mapping, strategizing, alokasi sumber daya, dan lain sebagainya.

d. Dibandingkan dengan metodologi AHP, ANP memiliki banyak kelebihan, seperti komparasi yang lebih obyektif, prediksi yang lebih akurat, dan hasil yang lebih stabil dan robust. Software ANP (Superdecisions) dan manual ANP dapat diunduh secara gratis.

e. ANP akan sangat membantu perusahaan dalam riset evaluasi dan pengambilan keputusan, terkait pengembangan organisasi & manajemen, produk, layanan dan marketing, karena akan lebih akurat dan sangat efisien.

Pada jaringan AHP terdapat level tujuan, kriteria, subkriteria, dan alternatif, dimana masing-masing level memiliki elemen. Sementara itu, pada jaringan ANP, level dalam AHP disebut cluster yang dapat memiliki kriteria dan alternatif didalamnya, yang sekarang disebut simpul (lihat gambar 3).


17

Gambar 3. Perbandingan Hierarki Linier dan

Jaringan Feedback. [3]

Dengan feedback, alternatif-alternatif dapat bergantung/terikat pada kriteria seperti pada hierarki tetapi dapat juga bergantung/terikat pada sesama alternatif. Lebih jauh lagi, kriteria-kriteria itu sendiri dapat tergantung pada alternatif-alternatif dan pada sesama kriteria. Oleh karena itu, hasil dari ANP diperkirakan akan lebih stabil. Dari jaringan feedback pada gambar 3 dapat dilihat bahwa simpul atau elemen utama dan simpul-simpul yang akan dibandingkan dapat berada pada cluster-cluster yang berbeda. Sebagai contoh, ada hubungan langsung dari simpul utama C4 ke cluster lain (C2 dan C3), yang merupakan outer dependence. Sementara itu, ada simpul utama dan simpul-simpul yang akan dibandingkan berada pada cluster yang sama, sehingga cluster ini terhubung dengan dirinya sendiri dan membentuk hubungan loop. Hal ini disebut inner dependence. Elemen dalam suatu komponen/cluster dapat mempengaruhi elemen lain dalam komponen/cluster yang sama (inner dependence), dan dapat pula mempengaruhi elemen pada cluster yang lain (outer dependence) dengan memperhatikan setiap kriteria. Akhirnya, hasil dari pengaruh ini dibobot dengan tingkat kepentingan dari kriteria, dan ditambahkan untuk memperoleh pengaruh keseluruhan dari masing-masing elemen [3].

Software SuperDecision SuperDecision mengimplementasikan ANP yang dikembangkan oleh Dr Thomas Saaty. Program ini ditulis oleh Tim ANP, bekerja untuk Yayasan Keputusan Creative. Berikut adalah gambaran menjalankan perangkat lunak dengan model burger cukup terkenal.

Gambar 4. Sample SuperDecision

SuperDecision yang digunakan untuk pengambilan keputusan dengan ketergantungan dan umpan balik. SuperDecision memperluas AHP yang menggunakan dasar yang sama proses prioritas berdasarkan prioritas yang berasal melalui penilaian pada unsur pasang atau dari pengukuran langsung. Dalam AHP unsur-unsur tersebut diatur dalam struktur keputusan hierarki sementara ANP menggunakan satu atau lebih jaringan datar cluster yang mengandung unsur-unsur. ANP tidak membatasi pemahaman dan pengalaman manusia untuk pengambilan keputusan menjadi model yang sangat teknis yang tidak wajar dan dibuat-buat. Tinjauan Studi ANP merupakan pendekatan baru metode kualitatif. Diperkenalkan Profesor Thomas Saaty pakar riset dari Pittsburgh University, dimaksudkan untuk menyempurnakan metode AHP dalam pengambilan keputusan. Dalam penelitan yang dilakukan oleh Iwan Vanany pada tahun 2003 [4], membahas aplikasi ANP untuk mendukung pembobotan pada perancangan sistem pengukuran kinerja dengan metode Balanced Scorecard. Hasil penelitiannya adalah pembobotan dengan metode ANP menunjukkan adanya kulminasi nilai bobot pada perspektif finansial dari Strategy Map di PT. X. Penelitian lain yang dilakukan Saaty pada tahun 2007 menggunakan ANP dalam “Mencari Solusi Rendahnya Pembiayaan


18

Bagi Hasil Diperbankan Syariah Indonesia”, membuktikan bahwa ANP menjadi metodologi yang lebih umum dan lebih mudah diaplikasikan untuk studi kualitatif yang beragam. Kecukupan data dalam ANP tidak menjadi syarat. Hal yang penting adalah responden harus menguasai/ahli dalam masalah yang diteliti. Penelitian ini juga membuktikan bahwa, kelebihan ANP dari AHP adalah komparasi yang lebih obyektif, prediksi yang lebih akurat dan hasilnya lebih stabil.

Dalam penelitian lain Fadjar Hutomo pada tahun 2005 [5] membahas Multi Criteria Decision Model Menggunakan AHP/Rating Model – Linier Goal Programming (Studi Kasus : Pemilihan Proposal Investasi CPPU/PPU PT.Sarana Jatim Ventura). Penelitian ini meneliti proses pengambilan keputusan pemilihan proposal investasi di sebuah perusahaan modal ventura daerah, khususnya PT.Sarana Jatim Ventura. Dari penelitian ini diperoleh beberapa kesimpulan sebagai berikut: Pertama, Model AHP/Rating memberikan kerangka kerja yang logis, terstruktur dan koheren dalam melaksanakan sebuah proses pengambilan keputusan kelompok dimana proposal investasi dievaluasi dalam berbagai kriteria yang telah diprioritaskan. Kedua, pemanfaatan Model AHP/Rating untuk pengambilan keputusan pemilihan proposal investasi secara multikriteria dalam sebuah kelompok dapat memfasilitasi proses diskusi kelompok, meningkatkan kerjasama dan memperbaiki kualitas keputusan yang akan diambil. Ketiga, Model AHP–LGP yang terintegrasi memberikan keleluasaan dalam mengalokasikan sumber dana yang terbatas hanya kepada proposal investasi terpilih yang akan memaksimumkan keuntungan atau manfaat perusahaan. Tinjauan obyek penelitian

Fakultas Teknologi Informasi (FTI) sebagai salah satu fakultas pada Universitas Budi

Luhur merupakan fakultas yang lahir dari AMIK Budi Luhur semenjak 1979. Terdiri dari 4 (empat) program studi; Teknik Informatika (TI), Sistem Informasi (SI), Sistem Komputer (SK) dan Komputerisasi Akuntansi (KA) dengan jumlah mahasiswa aktif terbanyak; pada semester Genap tahun ajaran 2008/2009 jumlah mahasiswa aktif 2356 mahasiswa dan jumlah dosen 103 orang termasuk dosen tetap dan dosen tidak tetap. Kelas Eksekutif ini perkuliahannya dilaksanakan per periode atau per 2 bulan. Dan pelaksanaan kuliah dilaksanakan pada malam hari : Senin–Jumat pk 18.30–pk 21.00 dan Sabtu : pk 13.00–pk. 17.00 WIB. Bertujuan untuk membantu para mahasiswa yang telah bekerja tetapi belum menyelesaikan studi Strata 1. Dan mereka mempunyai kendala waktu untuk kuliah di waktu reguler. Staff yang terdapat pada kelas eksekutif adalah berjumlah 12 orang. Kerangka konsep Untuk menentukan seorang dosen pengajar suatu matakuliah, diperlukan penilaian dari pihak Fakultas, dari mahasiswa yang disalurkan melalui BKM (Biro Kendali Mutu), dan penilaian dari Administrasi atau pengajaran. Penilaian dari beberapa pihak tersebut, diolah dengan metode ANP dan software Superdecision. Maka akan menghasilkan prioritas dosen dari masing-masing pihak. Sebagai pengambil keputusan, Kepala Pengelola Kelas Eksekutif akan memberikan penilaian terhadap prioritas dosen yang diusulkan tentunya dengan unsur kognitifnya. Maka akan dihasilkan sebuah nama dosen sebagai pengajar suatu matakuliah. Hasil dari software superdecision dengan metode ANP ini, akan diuji validasinya dengan pendapat human atau responden dari masing-masing bagian, melalui interview atau kuesioner. Kerangka konsep di atas dapat digambarkan dengan diagram sebagai berikut:


19

Gambar 5. Kerangka konsep

Hipotesis

Dengan diterapkannya model ANP di Kelas Eksekutif Kampus Pusat Fakultas Teknologi Informasi, dapat ditentukan prioritas dosen pengajar matakuliah Kelas Eksekutif Kampus Pusat Fakultas Teknologi Informasi Universitas Budi Luhur setiap periode. 3. Metodologi Penelitian Metode penelitian

Penelitian ini menggunakan metode analisis deskriptif yang bertujuan untuk mendapatkan gambaran yang lebih mendalam dan lengkap dari obyek yang akan diteliti dengan melakukan pengamatan serta wawancara langsung di lapangan. Untuk menentukan dosen pengajar matakuliah, digunakan penilaian dari beberapa pihak yang akan diolah dengan metode ANP dan software Superdecision. Melalui software dan metode ini, akan dihasilkan prioritas nama dosen, yang akan mendukung keputusan Kepala Pengelola Kelas Eksekutif. Dan hasilnya akan diuji validasinya dengan pendapat human melalui interview atau kuesioner.

Metode pengumpulan data Metode pengumpulan data dengan cara menyebarkan angket/kuesioner kepada responden. Untuk data dan informasi yang bersifat sekunder diperoleh melalui studi literatur yang ada dilingkungan akademik; hasil penelitian tentang Proses Belajar-Mengajar Universitas Budi Luhur yang dilakukan oleh Lembaga Penjaminan Mutu dan dari database yang menyimpan pengolahan transaksi operasional harian.

Contoh nama matakuliah dalam pengujian dan penelitian, hanya diambil 2 (dua) matakuliah karena, pelaksanaan perkuliahan ada pada 2 jenis lokasi, yaitu di Laboratorium (untuk matakuliah yang bersifat praktikum) dan di kelas. Tapi pada jurnal ini hanya 1 yang ditampilkan. Instrumentasi Penelitian ini menggunakan angket atau kuesioner yang digunakan sebagai instrumentasi guna memperoleh data dalam proses penentuan dosen terbaik untuk mengajar matakuliah setiap semester. Teknik Analisa Data Analisis yang digunakan dalam penelitian ini adalah analisis deskriptif dan Analytic Network Process (ANP). Analisis deskriptif dilakukan melalui penyajian rangkuman hasil survey dan identifikasi dalam bentuk tabulasi dan/atau grafik. Dengan analisis ini akan digambarkan kondisi pengambilan keputusan di Fakultas Teknologi Informasi pada saat ini. Sedangkan ANP digunakan sebagai instrumen untuk menentukan prioritas kebijakan dalam menentukan dosen terbaik untuk mengajar matakuliah. 4. Analisis dan Interpretasi

Pengelompokan Data

Kriteria dalam menentukan dosen pengajar matakuliah Menurut standarisasi nasional untuk sertifikasi dosen [6] dan mengacu pada pola penjaminan mutu di salah satu universitas negeri di Indonesia [7], maka penilaian dosen pengajar suatu matakuliah pada Fakultas Teknologi Informasi Kelas


20

Eksekutif Universitas Budi Luhur dilakukan oleh 3 pihak, yaitu : a) Fakultas Sesuai dengan studi kasus yaitu Fakultas Teknologi Informasi, Fakultas yang akan memberikan data-data dosen secara akademik.

b) Pengajaran Dalam hal ini yang dilibatkan adalah Bagian Pengajaran Kelas Reguler dan Kelas Eksekutif, karena dosen-dosen yang mengajar di Kelas Reguler, dapat mengajar di Kelas Eksekutif. Bagian Pengajaran adalah bagian yang mengontrol operasional harian jalannya perkuliahan.

c) BKM (Biro Kendali Mutu) Biro Kendali Mutu sebagai biro yang bertugas untuk penjaminan mutu perkuliahan dan penjaminan mutu tenaga pengajar dalam universitas. Berdasarkan data yang dikumpulkan melalui interview dan kuesioner, maka setiap bagian mempunyai kriteria tersendiri dalam menentukan dosen dengan kinerja terbaik untuk mengajar suatu matakuliah. Kriteria tersebut adalah: a) Fakultas

i. Beban akademik ii. Cara membimbing & menjawab

iii. Etika dosen iv. Interaksi dengan mahasiswa v. Kedisiplinan waktu

vi. Kejelasan suara vii. Kepangkatan akademik

viii. Pendidikan terakhir ix. Latar belakang pendidikan dosen x. Penampilan

xi. Penelitian xii. Pengabdian masyarakat

xiii. Penguasaan materi xiv. Penjelasan materi xv. Sikap mengajar

b) Pengajaran

i. Absen harian kedatangan ii. Berperilaku sopan & baik

iii. Konfirmasi ketidakhadiran iv. Memelihara sarana v. Mengajar tepat waktu

vi. Mengembalikan absen perkuliahan vii. Mengisi BAP

viii. Nilai tepat waktu

c) BKM i. Banyaknya tugas yang diberikan

ii. Kelengkapan materi iii. Kemampuan menyampaikan materi iv. Kesempatan bertanya/diskusi v. Kesesuaian materi

vi. Memotivasi mahasiswa vii. Pelayanan terhadap mahasiswa

viii. Pemberian contoh soal ix. Penampilan x. Tingkat kehadiran

Standar Penilaian Per Kriteria Dalam Bagian Berdasarkan hasil interview ke masing-masing bagian, maka setiap kriteria dalam bagian mempunyai bobot masing-masing. Berikut adalah bobot masing-masing kriteria dalam bagian: a) Fakultas

Tabel 1. Tabel Peringkat Kepentingan Kriteria dalam Fakultas

Kriteria Peringkat Latar belakang pendidikan dosen 1 Pendidikan terakhir 2 Penguasaan materi 3 Beban akademik 4 Penjelasan materi 5 Interaksi dengan mahasiswa 6 Etika dosen 7 Cara membimbing & menjawab 8 Kepangkatan akademik 9 Kedisiplinan waktu 10 Penampilan 11 Sikap mengajar 12 Kejelasan suara 13 Penelitian 14 Pengabdian masyarakat 15

b) Pengajaran

Tabel 2. Tabel Peringkat Kepentingan Kriteria dalam Pengajaran

Kriteria Peringkat Mengajar tepat waktu 1 Konfirmasi ketidakhadiran 2 Berperilaku sopan & baik 3 Nilai tepat waktu 4 Mengisi BAP 5


21

Mengembalikan absen 6 Absen harian kedatangan 7 Memelihara sarana 8

c) BKM (Biro Kendali Mutu)

Tabel 3. Tabel Peringkat Kepentingan Kriteria dalam BKM

Kriteria Peringkat Kelengkapan materi 1 Kesesuaian materi 2 Penyampaian materi 3 Kesempatan bertanya/diskusi 4 Memotivasi mahasiswa 5 Pemberian contoh soal 6 Banyaknya tugas yang diberikan 7 Pelayanan terhadap mahasiswa 8 Penampilan 9 Tingkat kehadiran 10

Untuk menentukan dosen pengajar matakuliah, dibutuhkan beberapa kriteria ideal dari semua kriteria bagian-bagian yang terkait dalam penilaian, sebagai standar kriteria. Berdasarkan hasil interview dan kuesioner, masing-masing bagian menentukan angka standar kriteria ideal sebagai berikut: Fakultas : 5 kriteria terbesar dari seluruh

kriteria di fakultas. Pengajaran : 3 kriteria terbesar dari seluruh

kriteria di pengajaran. BKM : 4 kriteria terbesar dari seluruh

kriteria di BKM.

Data alternatif

Data alternatif diambil dari data dosen pengajar suatu matakuliah di Semester Gasal 2009/2010. Berdasarkan matakuliah tersebut, hanya diambil 3 nama dosen sebagai perbandingan dalam pengujian. Dan untuk hasil perbandingan beberapa kriteria dalam Fakultas diambil dari Raport Dosen semester Gasal 2009/2010. Kriteria yang dimaksud adalah : Cara membimbing & menjawab, Etika dosen, Interaksi dengan mahasiswa, Kedisiplinan waktu, Kejelasan suara, Penampilan, Penguasaan materi, Penjelasan materi, dan Sikap mengajar.

Metode ANP

Berikut adalah gambar metode ANP dalam penentuan dosen pengajar matakuliah melalui software SuperDecision:

Gambar 7. ANP dalam Penentuan Dosen

Pengajar Matakuliah

Dalam studi kasus penentuan dosen pengajar mataluliah, elemen alternative berupa orang yaitu dosen pengajar matakuliah yang dilambangkan dengan Dosen A, Dosen B, dan Dosen C. Sedangkan elemen dalam komponen/cluster yang lain yaitu cluster Fakultas, cluster Pengajaran dan cluster BKM, adalah criteria dari masing-masing bagian/cluster. Perbandingan dalam cluster dan Perbandingan antar cluster didapat dari kuesioner yang disebar ke responden. Berikut adalah gambar perbandingan antar alternative dalam kriteria dan perbandingan antar kriteria yang didapat dari kuesioner:

Gambar 8. Perbandingan antar alternative

dalam criteria


22

Gambar 9. Perbandingan alternative dalam cluster

Gambar 10. Perbandingan kriteria dalam

cluster

Hasil Penelitian

Dalam penelitian ini, digunakan metode ANP dengan bantuan software Super Decision dengan mengambil matakuliah Pemrograman VB.Net. Matakuliah tersebut mempunyai nama-nama dosen alternatif yang berbeda. Berikut adalah hasil pengujian pada matakuliah. Matakuliah Pemrograman VB.Net Alternatif : a) Dosen A: Anita Ratnasari, M.Kom b) Dosen B : Ferdiansyah, S.Kom c) Dosen C : Lis suryadi, S.Kom

Hasil penelitian dari masing-masing cluster/bagian: a) Dari bagian / cluster : BKM

Gambar 11. Hasil penelitian prioritas kriteria matakuliah Pemrog VB.Net dalam

cluster BKM

Gambar 12. Hasil penelitian prioritas kriteria dosen matakuliah Pemrog VB.Net

dalam cluster BKM Akan menghasilkan sebuah file Full Report berupa sebuah file html yang dibuka dengan browser:

Gambar 13. Hasil penelitian ranking untuk kriteria matakuliah Pemrog VB.Net dalam

cluster BKM b) Dari bagian / cluster : Fakultas


23

Gambar 14. Hasil penelitian prioritas kriteria matakuliah Pemrog VB.Net dalam

cluster Fakultas

Gambar 15. Hasil penelitian prioritas alternatif dosen matakuliah Pemrog VB.Net

dalam cluster Fakultas

Akan menghasilkan sebuah file Full Report berupa sebuah file html yang dibuka dengan browser:

Gambar 16. Hasil penelitian ranking untuk

alternatif matakuliah Pemrog VB.Net dalam cluster Fakultas

c) Dari bagian / cluster : Pengajaran

Gambar 17. Hasil penelitian prioritas

kriteria matakuliah Pemrog VB.Net dalam cluster Pengajaran


alternatif dosen matakuliah Pemrog VB.Net dalam cluster Pengajaran

Akan menghasilkan sebuah file Full Report berupa sebuah file html yang dibuka dengan browser :


alternatif matakuliah Pemrog VB.Net dalam cluster Pengajaran

Dengan keterkaitan semua bagian/cluster dalam ANP, akan ditentukan prioritas dari cluster-cluster yang terkait oleh Kepala Pengelola Kelas Eksekutif.


24

Gambar 20. Perbandingan cluster

matakuliah Pemrog VB.Net dalam ANP

Data tersebut diolah melalui software SuperDecision maka akan dihasilkan:


alternatif dosen matakuliah Pemrog VB.Net antar semua cluster

Akan menghasilkan sebuah file Full Report berupa sebuah file html yang dibuka dengan browser:


alternatif matakuliah Pemrog VB.Net dalam semua cluster

Hasil Pengujian Dari penelitian yang dilakukan, maka didapatkan: a) Faktor-faktor yang menentukan prioritas

dosen untuk mengajar matakuliah setiap periode menurut masing-masing bagian. i. Berdasarkan hasil interview atau

wawancara dan kuesioner, maka Fakultas menentukan 5 kriteria atau faktor terbesar untuk menentukan pengajar matakuliah. Dan berdasarkan hasil pengujian yang dilakukan pada metode ANP dengan software SuperDecision maka didapatkan:

Tabel 4. Tabel Prioritas Faktor atau Kriteria dalam Fakultas

Kriteria Peringkat Latar belakang pendidikan dosen 1 Pendidikan terakhir 2 Penguasaan materi 3 Beban akademik 4 Penjelasan materi 5

ii. Berdasarkan hasil interview atau wawancara dan kuesioner, maka Pengajaran menentukan 3 kriteria atau faktor terbesar untuk menentukan pengajar matakuliah. Dan berdasarkan hasil pengujian yang dilakukan pada metode ANP dengan software SuperDecision maka didapatkan:

Tabel 5. Tabel Prioritas Faktor atau Kriteria

dalam Pengajaran Kriteria Peringkat

Mengajar tepat waktu 1 Konfirmasi ketidakhadiran 2 Berperilaku sopan & baik 3

iii. Berdasarkan hasil interview atau wawancara dan kuesioner, maka BKM menentukan 4 kriteria atau faktor terbesar untuk menentukan pengajar matakuliah. Dan berdasarkan hasil pengujian yang dilakukan pada metode ANP dengan software SuperDecision maka didapatkan:

Tabel 6. Tabel Prioritas Faktor atau Kriteria

dalam BKM Kriteria Peringkat

Kelengkapan materi 1 Kesesuaian materi 2 Kemampuan menyampaikan materi 3 Kesempatan bertanya/diskusi 4

b) Dosen yang paling tepat untuk mengajar

suatu matakuliah setiap periodenya, adalah: Matakuliah : Pemrograman Vb.Net Dosen : Anita Ratnasari, M.Kom Data hasil akhir ranking dosen tersebut belum termasuk kriteria Sertifikasi Dosen yang dimiliki oleh setiap dosen alternatif.

c) Hasil pengujian ini telah duji validasi nya dengan pendapat human yaitu responden yang mengisi kuesioner dan tertuang dalam kuesioner .Nama dosen


25

hasil dari pengujian, diuji validasinya dengan nama dosen yang diunggulkan dalam suatu bagian, tertuang dalam kuesioner .

Implikasi Penelitian Dari penelitian yang telah dilakukan telah menghasilkan beberapa kesimpulan dan implikasi penelitian. a) Dari segi manajerial : Pihak manajemen yang terkait, perlu memperhatikan beberapa hal sebagai implikasi dari hasil tindak lanjut penelitian yang telah dilakukan. Hal yang perlu mendapat perhatian, antara lain adalah aturan atau kebijakan, peningkatan kualitas pelayanan dosen pengajar matakuliah, dan dari sisi personil atau user yang menggunakan sistem. b) Dari segi sistem : Agar dapat mendukung hasil analisa penelitian, perlu adanya kesiapan sistem yang berjalan baik. Untuk mendapatkan sistem yang baik, perlu adanya dukungan dari berbagai pihak. Dalam Universitas Budi Luhur, pihak-pihak yang terlibat dapat memberikan dukungan sistem yang baik, antara lain adalah Biro Teknologi Informasi, Biro Pelayanan umum dan Penyedia Layanan Umum. Sistem yang akan digunakan haruslah kuat dan dapat berjalan dengan baik. Software dan hardware yang ada sekarang, perlu ditingkatkan lagi supaya bisa bekerja dan memberikan hasil secara maksimal. c) Untuk penelitian berikutnya : Penelitian ini dirasakan masih banyak kekurangan. Hal yang perlu dikembangkan, antara lain perlu dilibatkan unsur Sertifikasi Dosen sebagai kriteria dalam menentukan dosen pengajar matakuliah. Penelitian ini juga dapat dikembangkan untuk menyelesaikan masalah bagaimana menentukan dosen koordinator matakuliah. Penutup

Kesimpulan Berdasarkan pembahasan dan analisa pada bagian sebelumnya, maka dapat disimpulkan: 1. Terdapat 12 (duabelas) kriteria dalam

menentukan dosen pengajar matakuliah

dari semua bagian yang terkait dengan uraian sebagai berikut; a) Dari Fakultas: prioritas 5 kriteria

adalah: Latar belakang pendidikan dosen, Pendidikan terakhir, Penguasaan materi, Beban akademik, Penjelasan materi.

b) Dari Pengajaran: prioritas 3 kriteria adalah: Mengajar tepat waktu, Konfirmasi ketidak hadiran, Berperilaku sopan & baik.

c) Dari BKM: prioritas 4 kriteria adalah: Kelengkapan materi, Kesesuaian materi, Kemampuan menyampaikan materi, Kesempatan bertanya /diskusi.

2. Hasil pengujian ini divalidasi dengan pendapat human yaitu responden yang mengisi kuesioner dan tertuang dalam kuesioner.

Saran 1. Perlu dilakukan penelitian lebih lanjut

karena belum dilibatkannya unsur Sertifikasi Dosen sebagai kriteria dalam menentukan dosen .

2. Penelitian ini dapat dikembangkan untuk menyelesaikan masalah bagaimana menentukan dosen koordinator matakuliah.

3. Perlu adanya aturan dan kebijakan dari pihak manajemen untuk mendukung penerapan sistem yang dibutuhkan.

4. Perlu adanya dukungan dari berbagai pihak yang terkait, supaya sistem dapat berjalan dengan baik dan memberikan hasil yang mendukung keputusan pimpinan.

Daftar Pustaka

[1] Turban, Efraim, Jay E. Aronson, Ting Peng Liang,”Decision Support Systems and Intelligent Systems”, 7th edition, Prentice-Hall, New Jersey, 2005.

[2] Saaty, Thomas L., “The Essentials of the Analytic Network Process with Seven Examples”, Decision Making with Dependence and Feedback : The Super Decisions Software, 1999


26

[3] Ascarya,“Analytic Network Process (ANP): Pendekatan Baru Studi Kualitatif”, Pusat Pendidikan dan Studi Kebanksentralan Bank Indonesia, 2005

[4] Iwan Vanany, “Aplikasi Analytic Network Process (ANP) Pada Perancangan Sistem Pengukuran Kinerja (Studi Kasus pada PT. X)”, Jurnal Teknik Industri Vol. 5, No. 1, Surabaya, Juni 2003.

[5] Fadjar Hutomo, ”Multi Criteria Decision Model Menggunakan Ahp/Rating Model – Linear Goal Programming” (Studi Kasus : Pemilihan Proposal Investasi CPPU/PPU PT.Sarana Jatim Ventura)”, Prosiding Seminar Nasional Manajemen Teknologi I, Pebruari 2005, ISBN : 979-99302-0-0

[6] Sertifikasi dosen, Buku 1 Naskah Akademik, Direktorat Jendral Pendidikan Tinggi Departemen Pendidikan Nasional, Jakarta, 2008

[7] Badan Penjaminan Mutu Akademik Universitas Indonesia, “Pedoman Penjaminan Mutu Akademik Universitas Indonesia”, Depok, 2007

[8] Mahkamah Agung, “Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 Tentang Guru Dan Dosen”,http://legislasi.mahkamahagung.go.id/docs/UU/2005/UU_NO_14_2005.pdf (diakses 20 Januari 2010)

[9] Saaty, Thomas L., Vargas, Luis G., “Decision Making with the Analytic Network Process”, 2006

[10] http://www.superdecisions.com (diakses 20 Februari 2010)

multi criteria decision model penentuan dosen …

Documents