Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Sistem Pendukung Keputusan Penentuan Instruktur Terbaik Dengan Kombinasi Metode GADA dan GRA Pada Tecnho Garage A Decision Support System for Selecting the Best Instructor Using a Hybrid Approach of GADA and GRA Methods at Techno Garage Dedi Leman*1 1Ilmu Komputer.
Institut Bisnis dan Komputer Indonesia E-mail: 1dedileman280889@gmail.
Abstrak Penentuan instruktur terbaik merupakan aspek penting dalam meningkatkan kualitas pelatihan pada lembaga pelatihan seperti Techno Garage.
Namun, proses penilaian yang bersifat subjektif dan tidak terstruktur sering kali menjadi kendala dalam pengambilan keputusan yang objektif dan tepat sasaran.
Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Pendukung Keputusan (SPK) untuk menentukan instruktur terbaik dengan menggunakan kombinasi metode GADA (Gabungan AHP dan Data Analyti.
dan GRA (Grey Relational Analysi.
Metode GADA digunakan untuk menentukan bobot kriteria secara analitis dan terstruktur, sedangkan metode GRA dimanfaatkan untuk melakukan perankingan alternatif berdasarkan hubungan kedekatan dengan solusi ideal.
Penelitian ini menggunakan data penilaian instruktur dari Techno Garage yang mencakup beberapa kriteria seperti kompetensi teknis, kemampuan komunikasi, kedisiplinan, dan kepuasan peserta.
Hasil penelitian menunjukkan bahwa kombinasi metode GADA dan GRA mampu memberikan hasil penilaian yang lebih akurat dan objektif dibandingkan metode Sistem yang dibangun mampu mengidentifikasi instruktur terbaik secara sistematis, serta memberikan rekomendasi yang dapat dipertanggungjawabkan.
Kesimpulan dari penelitian ini adalah bahwa integrasi metode GADA dan GRA dalam sistem pendukung keputusan efektif digunakan dalam proses seleksi instruktur terbaik di lingkungan lembaga pelatihan.
Kata kunci: Sistem Pendukung Keputusan.
Instruktur Terbaik.
GADA.
GRA.
Techno Garage Abstract Determining the best instructor is a crucial aspect in improving the quality of training at institutions such as Techno Garage.
However, the assessment process is often hindered by subjectivity and a lack of structured evaluation, leading to less accurate and biased decisions.
This study aims to design and develop a Decision Support System (DSS) to determine the best instructor using a combination of the GADA (Analytic Hierarchy Process and Data Analytic.
and GRA (Grey Relational Analysi.
The GADA method is applied to determine the weight of each criterion analytically and systematically, while the GRA method is used to rank the alternatives based on their closeness to the ideal solution.
This research utilizes instructor evaluation data from Techno Garage, which includes several criteria such as technical competence, communication skills, discipline, and participant satisfaction.
The results show A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 that the combination of GADA and GRA provides more accurate and objective evaluation outcomes compared to conventional methods.
The developed system successfully identifies the best instructor in a structured manner and offers reliable recommendations.
The conclusion of this study is that the integration of GADA and GRA methods within a decision support system is effective in the selection process of the best instructor in a training institution environment.
Keywords: Decision Support System.
Best Instructor.
GADA.
GRA.
Techno Garage PENDAHULUAN Instruktur merupakan salah satu elemen penting dalam keberhasilan proses pelatihan di sebuah lembaga pendidikan nonformal seperti Techno Garage.
Peran instruktur sangat menentukan kualitas proses pembelajaran, pencapaian peserta didik, serta citra lembaga di mata publik.
Oleh karena itu, diperlukan upaya untuk menilai dan menetapkan instruktur terbaik secara objektif dan terukur.
Proses penilaian instruktur terbaik di Techno Garage saat ini masih dilakukan secara manual dengan mempertimbangkan kriteria umum seperti kehadiran, masa kerja, serta evaluasi dari peserta pelatihan.
Penilaian dilakukan oleh atasan langsung atau rekan sejawat yang memiliki jabatan lebih tinggi.
Namun, proses ini rentan terhadap subjektivitas, tidak konsisten, dan tidak efisien karena belum menggunakan sistem terstruktur berbasis data.
Masalah semakin kompleks seiring dengan jumlah instruktur yang terus bertambah dan beragamnya program pelatihan yang diselenggarakan.
Kesalahan dalam pengambilan keputusan dapat menyebabkan penetapan instruktur yang kurang tepat, yang berdampak pada penurunan kualitas layanan pelatihan dan berpotensi menurunkan motivasi instruktur lainnya.
Untuk mengatasi permasalahan tersebut, dibutuhkan suatu Sistem Pendukung Keputusan (SPK) berbasis komputer yang mampu membantu manajemen dalam menentukan instruktur terbaik dengan mengacu pada kriteria penilaian yang jelas dan terukur.
SPK merupakan sistem yang dirancang untuk membantu proses pengambilan keputusan pada persoalan yang bersifat semiterstruktur maupun tidak terstruktur dengan menggunakan data dan model tertentu.
Penelitian ini mengusulkan penggunaan kombinasi dua metode pengambilan keputusan multikriteria, yaitu Grey Absolute Decision Analysis (GADA) dan Grey Relational Analysis (GRA).
GADA adalah metode yang memberikan bobot relatif terhadap kriteria dan memprioritaskan alternatif berdasarkan nilai absolut dari hubungan antar data.
Dalam penelitian yang dilakukan oleh Anggraini dan Harahap .
, metode GADA terbukti efektif dalam proses rekrutmen karyawan karena mampu memberikan hasil seleksi yang sesuai dengan kriteria dan bobot yang telah ditentukan.
Sementara itu, metode GRA dikenal memiliki kemampuan dalam mengelola data yang tidak pasti dan tidak lengkap, serta dapat mengakomodasi hubungan kompleks antar variabel.
Penelitian oleh Citra et al.
menunjukkan bahwa A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 penerapan GRA dalam menilai kinerja sales mampu memberikan hasil yang valid dan digunakan sebagai rekomendasi dalam pengambilan keputusan.
Dengan menggabungkan kedua metode tersebut ke dalam sistem pendukung keputusan berbasis web, diharapkan proses penentuan instruktur terbaik di Techno Garage dapat dilakukan secara lebih objektif, efisien, dan akuntabel.
METODOLOGI PENELITIAN
Metode penelitian yang digunakan dalam pengembangan Sistem Pendukung Keputusan Penentuan Instruktur Terbaik dengan Kombinasi Metode GADA dan GRA pada Techno Garage mencakup beberapa tahapan penting, mulai dari pengumpulan data hingga implementasi dan evaluasi sistem.
Setiap tahapan dijelaskan sebagai berikut.
Gambar 1.
Proses Tahapan Penelitian A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Pengumpulan Data Data yang dibutuhkan dalam penelitian ini meliputi data instruktur dan data peserta pelatihan di Techno Garage.
Jenis data yang dikumpulkan mencakup:
Data Instruktur:
Nama dan identitas instruktur Lama masa kerja Jumlah pelatihan yang pernah diampu Nilai evaluasi dari peserta Kehadiran dan keterlibatan dalam pelatihan Inovasi atau kontribusi terhadap materi pelatihan Data Peserta .
ntuk referensi evaluas.
Tingkat kepuasan terhadap instruktur Feedback atau penilaian pasca pelatihan Data diperoleh dari:
Sumber primer: Wawancara langsung dan survei kepada manajemen Techno Garage dan peserta pelatihan.
Sumber sekunder: Catatan kehadiran, laporan evaluasi internal, dan dokumentasi pelatihan sebelumnya.
Preprocessing Data Setelah data terkumpul, dilakukan preprocessing untuk memastikan data layak digunakan dalam pengolahan dan analisis:
Pembersihan data: Menghapus data duplikat, tidak lengkap, atau tidak Transformasi data: Mengonversi penilaian kualitatif menjadi nilai Normalisasi data: Dilakukan untuk menyamakan skala antar kriteria agar hasil penilaian lebih objektif.
Penentuan Kriteria dan Bobot Tahap ini menggunakan metode Grey Absolute Decision Analysis (GADA) untuk menentukan bobot masing-masing kriteria dalam penilaian instruktur, berdasarkan kepentingannya terhadap kualitas pelatihan.
Contoh kriteria yang digunakan:
Kehadiran Kinerja atau evaluasi peserta Lama mengajar Kontribusi dalam pengembangan materi Inovasi dalam mengajar Penerapan Metode GRA Setelah bobot ditentukan dengan GADA, dilakukan proses pengurutan alternatif menggunakan metode Grey Relational Analysis (GRA):
Menghitung nilai kedekatan tiap instruktur terhadap nilai ideal menggunakan Grey Relational Coefficient.
A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Menghasilkan ranking akhir dari instruktur yang paling layak hingga yang kurang layak.
Pengembangan Sistem Sistem pendukung keputusan dikembangkan berbasis web, yang memungkinkan manajemen Techno Garage untuk:
Menginput data instruktur Melakukan penilaian secara otomatis menggunakan algoritma GADA dan GRA Melihat hasil ranking dan rekomendasi instruktur terbaik Pengujian dan Evaluasi Sistem Pengujian dilakukan untuk memastikan sistem berfungsi sesuai kebutuhan:
Pengujian fungsional: Sistem memberikan hasil yang sesuai dengan input.
Pengujian akurasi rekomendasi: Membandingkan hasil sistem dengan keputusan manual manajemen.
Evaluasi performa: Menganalisis kecepatan dan konsistensi hasil dari HASIL DAN PEMBAHASAN Penentuan Kriteria dan Subkriteria Kriteria adalah ukuran yang menjadi dasar penilaian atau penetapan sesuatu.
Ukuran yang dipakai untuk mempertimbangkan suatu keputusan.
Berikut ini merupakan data kriteria dalam Sistem Pendukung Keputusan Penentuan Instruktur Terbaik Dengan Kombinasi Metode Gada Dan Gra Pada Tecnho Garage yang di tampilkan pada Tabel 1:
Tabel 1.
Data Kriteria Bobot Kode Nama Kriteria Kehadiran Lama Mengajar Pengembangan Materi Inovasi Sub Kriteria adalah sebuah tahapan kedua setelah menghitung suatu sistem pendukung keputusan untuk menentukan nilai input pada system.
Berikut ini merupakan data subkriteria dalam penentuan Sistem Pendukung Keputusan Penentuan Instruktur Terbaik Dengan Kombinasi Metode Gada Dan Gra Pada Tecnho Garage yang di tampilkan pada Tabel i.
Tabel i.
Data Subkriteria Kode Nama Kriteria Subkriteria Bobot 1 hari Kehadiran 2 hari 3 hari A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index Kinerja Lama Mengajar Pengembagan Materi Inovasi e-ISSN 2830-3954 p-ISSN 2830-6031 4 Hari 5 Hari Sangat Baik Baik Cukup Baik Kurang Baik Sangat Kurang >4 Tahun 3-4 Tahun 1-2 Tahun 5-9 Bulan <5 Bulan Sangat Baik Baik Cukup Baik Kurang Baik Sangat Kurang Sangat Baik Baik Cukup Baik Kurang Baik Sangat Kurang Metode GADA Berdasarkan data Instruktur, maka alternatif yang terdapat pada tabel 3 dapat dilihat pada tabel berikut ini.
Tabel 3.
Tabel Rating Yang Telah Di Bobotkan Nama Alternatif Abelia Amanda Ade Fristhy Alsia Ade Kurniawan Ade Ridho Ramadhan Dewi Anggraini Dinda Zulaika Jelita Amelia Dwi Adinda Nayla Azeng Suci Ramadhan A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index Nama Alternatif e-ISSN 2830-3954 p-ISSN 2830-6031 Dani Syahputra Aulia Amanda Sujarwo Muhamad Aditia Akbar Nurul Fatiha Zahra Alya Ananda Putri Nilai Geomatrik Mean Menentukan nilai matriks perbandingan berpasangan Abelia Amanda .
= (.
) (.
) (.
) (.
) (.
) .
= 105 .
= (.
) (.
) (.
) (.
) (.
) .
= 105 OO 1 = 1 .
= 1.
Oe.
Ade Fristhy Alsia = (.
) (.
) (.
) (.
) (.
) .
= 105
= (.
) (.
) (.
) (.
) (.
) .
= 90
OO 1 = 1 .
= 1.
Oe.
Ade Kurniawan .
= (.
) (.
) (.
) (.
) (.
) .
= 105
= (.
) (.
) (.
) (.
) (.
) .
= 75
OO 1 = 1 .
= 1.
33 dan seterusnya 1 .
Oe.
Hasil yang diperoleh dengan menghitung matriks perbandingan berpasangan dapat dilihat tabel 4 dibawah ini:
Tabel 4.
Hasil Matriks Perbandingan Berpasangan Nama Alternatif
Abelia Amanda
1,99
1,99
1,98
1,97
1,94
Ade Fristhy Alsia
1,62
1,99
2,56
2,91
1,94
A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954
p-ISSN 2830-6031
Nama Alternatif
Ade Kurniawan 1,33 1,49 1,56 1,39 1,00 Ade Ridho Ramadhan 1,62 2,31 4,83 2,91 1,94 Dewi Anggraini 1,62 1,72 1,98 1,97 1,00 Dinda Zulaika
1,00
1,14
1,56
1,39
1,94
Jelita Amelia
1,47
1,49
1,56
1,39
1,94
Dwi Adinda Nayla
1,33
1,30
1,25
1,00
1,00
Azeng Suci Ramadhan 1,47 1,99 1,98 1,97 1,94 Dani Syahputra
1,33
1,14
1,56
1,39
1,94
Aulia Amanda
1,62
1,49
1,56
1,39
1,94
Sujarwo
1,79
2,72
3,42
2,91
1,94
Muhamad Aditia Akbar
2,22
2,31
4,83
2,91
1,94
Nurul Fatiha Zahra
1,99
2,31
2,56
2,91
1,94
Alya Ananda Putri
1,79
1,99
1,98
1,97
1,94
Metode GRA Tahapan selanjutnya melakukan perkalian antara bobot kriteria dengan matrik GRA.
Abelia Amanda C1,1 = 1.
99 * 0.
25 = 0.
C1,2 = 1.
99 * 0.
35 = 0.
C1,3 = 1.
98 * 0.
2 = 0.
C1,4 = 1.
97 * 0.
1 = 0.
C1,5= 1.
94 * 0.
1 = 0.
Muhamad Aditia Akbar C1,1 = 1.
62 * 0.
25 = 0.
C1,2 = 1.
99 * 0.
35 = 0.
C1,3 = 2.
56 * 0.
2 = 0.
C1,4 = 2.
91 * 0.
1 = 0.
C1,5= 1.
94 * 0.
1 = 0.
1938 dan seterusnya Maka diperoleh hasil dari perkalian antara bobot kriteria dengan matrik GRA adalah sebagai berikut :
Tabel 5 Hasil Perkalian Bobot
Nama Alternatif
Abelia Amanda
0,4976 0,6954 0,3957 0,1968
0,1938
Ade Fristhy Alsia
0,4050 0,6954 0,5117 0,2915
0,1938
A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index Nama Alternatif
e-ISSN 2830-3954
p-ISSN 2830-6031
0,3327 0,5231 0,3121 0,1390
0,1000
0,4050 0,8099 0,9660 0,2915
0,1938
Ade Kurniawan Ade Ridho
Ramadhan Dewi Anggraini 0,4050 0,6015 0,3957 0,1968 0,1000 Dinda Zulaika
0,2500 0,3995 0,3121 0,1390
0,1938
Jelita Amelia
0,3667 0,5231 0,3121 0,1390
0,1938
0,3327 0,4566 0,2492 0,1000
0,1000
0,3667 0,6954 0,3957 0,1968
0,1938
Dwi Adinda Nayla
Azeng Suci
Ramadhan Dani Syahputra
0,3327 0,3995 0,3121 0,1390
0,1938
Aulia Amanda
0,4050 0,5231 0,3121 0,1390
0,1938
0,4482 0,9525 0,6839 0,2915
0,1938
0,5546 0,8099 0,9660 0,2915
0,1938
Sujarwo
Muhamad Aditia
Akbar
Nurul Fatiha Zahra
0,4976 0,8099 0,5117 0,2915
0,1938
Alya Ananda Putri
0,4482 0,6954 0,3957 0,1968
0,1938
Tahapan terakhir yaitu menghitung nilai relasi abu-abu dihitung untuk setiap variabel berdasarkan matriks relasi abu-abu dan bobot relatif yang telah Abelia Amanda = 1 O 0.
4976 O 0.
6954 O 0.
3957 O 0.
1968 O 0.
= 0.
Ade Fristhy Alsia = 1 O 0.
4050 O 0.
6954 O 0.
5117 O 0.
2915 O 0.
= 1.
Ade Kurniawan = 1 O 0.
3327 O 0.
5231 O 0.
3121 O 0.
1390 O 0.
= 0.
703 dan seterusnya Maka dari tabel di atas diperoleh hasil perangkingan dalam penentuan Karyawan Tetap Pada PT.
Medan Bajaindo dengan nilai tertinggi sebagai berikut :
Tabel 6.
Hasil Keputusan Nama Alternatif
Nilai Rang
Keterangan Layak Menjadi karyawan 1 Muhamad Aditia Akbar
1,408
1 tetap 2 Ade Ridho Ramadhan 1,333 2 Tidak layak
Sujarwo
1,285
3 Tidak layak A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index Nurul Fatiha Zahra
1,152
4 Tidak layak
Ade Fristhy Alsia
1,049
5 Tidak layak
Abelia Amanda
0,990
6 Tidak layak
Alya Ananda Putri
0,965
7 Tidak layak
Azeng Suci Ramadhan 0,924 8 Tidak layak
Dewi Anggraini 0,849 9 Tidak layak
10 Aulia Amanda
0,786
10 Tidak layak
11 Jelita Amelia
0,767
11 Tidak layak
12 Ade Kurniawan 0,703 12 Tidak layak
13 Dani Syahputra
0,689
13 Tidak layak
14 Dinda Zulaika
0,647
14 Tidak layak
15 Dwi Adinda Nayla
0,619
15 Tidak layak e-ISSN 2830-3954 p-ISSN 2830-6031 Dengan menggunakan metode GADA dan GRA yang layak untuk dijadikan menjadi Instruktur Terbaik adalah Muhamad Aditia Akbar dengan nilai 1.
KESIMPULAN
Penentuan instruktur terbaik di Techno Garage merupakan salah satu keputusan penting yang mempengaruhi kualitas pelatihan dan perkembangan peserta.
Selama ini, pemilihan instruktur dilakukan secara manual, yang berpotensi menyebabkan ketidakobjektifan dan ketidaktepatan dalam pengambilan keputusan.
Oleh karena itu, dibutuhkan suatu sistem yang dapat memproses data secara sistematis, objektif, dan efisien.
Dalam penelitian ini, pengembangan sistem pendukung keputusan dengan menggabungkan metode Grey Absolute Decision Analysis (GADA) dan Grey Relational Analysis (GRA) diusulkan sebagai solusi untuk permasalahan tersebut.
Dengan menggunakan metode GADA, bobot kriteria penilaian instruktur dapat ditentukan secara lebih objektif, sementara GRA dapat digunakan untuk mengurutkan instruktur berdasarkan kedekatannya dengan kriteria ideal.
Penggunaan kedua metode ini memberikan keuntungan dalam mengatasi ketidakpastian dan kompleksitas dalam pengambilan keputusan.
Hasil dari pengembangan sistem ini diharapkan dapat memperbaiki proses seleksi instruktur di Techno Garage, meningkatkan transparansi, serta menghasilkan keputusan yang lebih akurat dan adil.
Selain itu, sistem ini dapat mempermudah manajemen dalam membuat keputusan berdasarkan data yang lebih terpercaya dan terukur, serta meningkatkan kepuasan peserta pelatihan terhadap kualitas instruktur yang terpilih.
A 2025 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 4.
Nomor: 2.
Mei 2025: 144-154 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Dengan demikian, sistem pendukung keputusan berbasis GADA dan GRA dapat menjadi solusi efektif dalam meningkatkan profesionalisme dan objektivitas dalam proses seleksi instruktur di Techno Garage.
DAFTAR PUSTAKA