JOINT (Journal of Information Technolog.
Vol.
04 No 02 Agustus 2022, pp.
ISSN: 2527-9467/.
ISSN: 2656-7539
Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan Dengan Metode Fuzzy Analytic Hierarchy Process Senas Salsabila1.
Wina Witanti2.
Irma Santikarama3
1,2,3
Jurusan Teknik Informatika.
Fakultas Sains dan Informatika Universitas Jenderal Achmad Yani Cimahi Jl.
Terusan Sudirman.
Cimahi 1snsbilaa94@gmail.
IntisariAi Pegawai merupakan sumber daya utama yang dituntut untuk mampu memberikan pelayanan terbaik dan kinerja yang Pegawai terbaik dapat dinilai dari kinerjanya yang baik, merupakan salah satu aspek yang penting di dalam badan usaha, atau organisasi, atau suatu lembaga.
Banyaknya data pegawai atau tenaga kependidikan yang bekerja di lembaga pendidikan besar seperti Universitas Jenderal Achmad Yani (Unjan.
cukup sulit untuk menentukan dan mengetahui tenaga kependidikan dengan kinerja baik secara objektif, karena tanpa adanya penilaian secara objektif, maka kinerja tenaga kependidikan hanya dapat dinilai dengan cara pandang subjektif.
Hal tersebut dapat mempengaruhi kurangnya kinerja tenaga kependidikan dengan baik serta optimal, maka dalam mengatasi masalah tersebut, dalam penelitian ini membangun sistem pendukung keputusan berbasis web untuk memilih dan menilai alternatif tenaga kependidikan yang bekerja di Unjani, diantaranya terdapat atribut atau kriteria yang digunakan terdiri dari kriteria yang dinamis atau dapat ditambah dan/atau diubah sesuai dengan kebutuhan.
Metode pengambilan keputusan yang digunakan adalah metode Fuzzy Analytic Hierarchy Process (F-AHP).
Hasil dari penelitian ini adalah terwujudnya Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan dengan metode F-AHP dengan hasil uji akurasi MAE 7.
0%, diharapkan dapat mempermudah dalam melakukan penilaian kinerja tenaga kependidikan teladan di Unjani serta mengurangi adanya unsur subjektif dalam penilaian, dimana nilai akurasi tersebut berasal dari penilaian pada sistem yang masih berjalan yang terdapat penilaian bersifat subjektif, sedang pada Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan sudah menjadi objektif, hanya saja belum dibagi untuk tiap Golongan kerja.
Menjadikan data hasil alternatif tidak terpisah antara Golongan satu dengan yang lainnya.
Kata kunciAi Sistem Pendukung Keputusan (SPK).
Fuzzy Analytic Hierarchy Process (F-AHP), kinerja pegawai.
AbstractAi Employees are the main resource that is required to be able to provide the best service and optimal performance.
The best employees can be judged from their good performance, which is one of the important aspects of a business entity, organization, or A large number of data on employees or education personnel working in large educational institutions such as Jenderal Achmad Yani University (Unjan.
is quite difficult to determine and identify educational personnel with good performance objectively because, without an objective assessment, the performance of education personnel can only be assessed by means of a subjective point of view.
This can affect the lack of good and optimal performance of educational staff, so in overcoming this problem, this study build a web-based decision support system to select and assess alternative education personnel working at Unjani, including attributes or criteria, used consisting of criteria dynamic or can be added and/or changed as needed.
The decision-making method used is the Fuzzy Analytic Hierarchy Process (F-AHP) method.
The results of this study are the realization of a Decision Support System for Educational Personnel Assessment with the F-AHP method with an accuracy test result of 7.
0%, which is expected to make it easier to assess the performance of exemplary educational personnel at Unjani and reduce the subjective element in the assessment, where the accuracy value comes from The assessment on an ongoing system where there is an assessment is subjective, while the Education Personnel Assessment Decision Support System has become objective, it's just that it has not been divided for each workgroup.
Make alternative result data not separated from one group to another.
KeywordsAi Decision Support System (DSS).
Fuzzy Analytic Hierarchy Process (F-AHP), employee performance.
PENDAHULUAN
Pengelolaan Sumber Daya Manusia (SDM) dari suatu perusahaan atau lembaga sangat mempengaruhi banyak aspek penentu keberhasilan kerja dari suatu perusahaan atau suatu lembaga pendidikan tinggi seperti universitas.
Jika SDM dapat diorganisir dengan baik, maka diharapkan suatu perusahaan atau suatu lembaga pendidikan tinggi seperti universitas dapat menjalankan semua proses usahanya dengan baik .
Diperlukan sumber daya manusia yang mempunyai kompetensi tinggi karena keahlian atau kompetensi yang dapat mendukung peningkatan prestasi kerja pegawai.
Penilaian kinerja pegawai harus dilakukan untuk mengetahui prestasi yang dapat dicapai dari setiap Dengan melakukan proses penilaian kinerja maka prestasi yang dicapai setiap pegawai dengan nilai baik sekali, baik, cukup atau kurang dapat diketahui.
Penilaian prestasi penting bagi setiap pegawai dan berguna bagi suatu perusahaan atau suatu lembaga pendidikan tinggi seperti universitas untuk menetapkan tindakan kebijaksanaan selanjutnya .
Penilaian kinerja dan pemilihan pegawai tenaga kependidikan teladan di Universitas Jenderal Achmad Yani (Unjan.
dinilai oleh tim dari Ka.
Biro SDM selaku tim penilai dan disahkan oleh Wakil Rektor II yang dilakukan sebelum Dies Natalis berlangsung.
Jenis pemilihan tenaga kependidikan teladan ini dibagi atas dua tingkat yaitu tingkat fakultas lalu tingkat universitas.
Data hasil seleksi pegawai kependidikan dari fakultas akan diusulkan ke tingkat Salsabila.
: Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan A universitas, untuk selanjutnya dilakukan seleksi pada tingkat universitas yang merupakan hasil perpaduan antara penilaian administrasi sebesar 30% dan penilaian presentasi sebesar 70% .
anya untuk golongan .
Untuk golongan I dan II tidak melewati tahap penilaian presentasi, maka hanya melewati tahap penilaian administrasi sebesar 100%.
Setelah melewati tahap penilaian, bagi tenaga kependidikan yang memiliki jumlah nilai tertinggi, maka berhak menjadi tenaga kependidikan teladan dan mendapatkan penghargaan yang biasanya akan diumumkan pada saat Dies Natalis.
Dies Natalis merupakan suatu peringatan atas hari lahir yang di dalam sejumlah besar budaya dianggap sebagai peristiwa penting yang menandai awal perjalanan kehidupan.
Apalagi bagi sebuah perguruan tinggi yang memiliki fungsi utama melahirkan para ilmuwan akademisi yang berkualitas.
Dalam pelaksanaannya.
Unjani melaksanakan beberapa rangkaian acara di antaranya sidang senat terbuka dan wisuda periode I dan II, pemilihan dosen berprestasi dan tenaga kependidikan teladan, perlombaan kebersihan, pengabdian kepada Covid-19, penganugerahan satyalancana.
Faktor penilaian sangat penting dalam meningkatkan kinerja tenaga kependidikan.
Berdasarkan hasil observasi yang dilakukan dalam penelitian ini, ditemukan subjektifitas pada penilaian kinerja dan pemilihan tenaga kependidikan teladan yang diterapkan di Unjani saat ini, sehingga hasil tidak sesuai dan tidak dapat mencapai rata-rata target dari setiap aspek kriteria yang diterapkan.
Dalam melakukan penilaian kinerja tenaga kependidikan, diperlukan penilaian secara objektif karena akan berdampak pada hasil keputusan yang diberikan nantinya.
Oleh karena itu, metode yang dapat diterapkan dalam menyelesaikan masalah ini adalah menggunakan metode Fuzzy Analytic Hierarchy Process (FAHP).
Dimana kriteria .
aktor penilaia.
dan alternatif .
enaga kependidika.
dibandingkan satu dengan yang lainnya, sehingga memberikan keluaran berupa nilai intensitas prioritas yang menghasilkan suatu sistem yang memberikan penilaian terhadap masing-masing pegawai.
Metode Fuzzy Analytic Hierarchy Process telah banyak diteliti oleh beberapa ahli, dalam beberapa jurnal dijelaskan mengenai bagaimana penerapan dan penyelesaian masalahnya dengan beberapa model pembobotan, diantaranya adalah penerapan metode analisis luasan pada fuzzy AHP oleh Chang .
Jasril .
yang membangun Sistem Pendukung Keputusan pemilihan karyawan teladan menggunakan metode F-AHP.
Sutapa .
yang meneliti aplikasi F-AHP dalam seleksi karyawan dengan model pembobotan non-additive.
Serta S.
Lee .
yang menggunakan Fuzzy Analytic Hierarchy Process untuk mengembangkan model evaluasi modal intelektual untuk menilai kontribusi kinerja mereka di universitas.
Penelitian ini membangun Sistem Pendukung Keputusan dalam menilai kinerja tenaga kependidikan menggunakan metode Fuzzy Analytic Hierarchy Process di Universitas Jenderal Achmad Yani.
Diharapkan dari adanya penelitian ini, dapat memberikan kemudahan dalam memilih dan menilai pegawai teladan, mempermudah dalam memberikan kebijakan untuk pegawai yang teladan, serta mampu meningkatkan kualitas tenaga kependidikan yang berada di Universitas Jenderal Achmad Yani.
II.
METODE PENELITIAN
Pengumpulan Data Metode penelitian untuk pemenuhan kebutuhan sistem terdiri dari tiga tahap, yaitu:
Observasi Observasi dilakukan untuk mengumpulkan data yang terkait untuk pembuatan sistem yang dimaksudkan untuk dapat mengamati dan mendapatkan data secara akurat atau tidak dibuat-buat.
Dilakukan selama empat kali pertemuan tatap muka untuk mendapatkan data melalui pengamatan langsung terhadap data kebutuhan yang digunakan untuk penilaian tenaga kependidikan teladan yang terdapat di Wawancara Dilakukan melalui tahap tatap muka dan tanya jawab langsung dengan narasumber yaitu Ka.
Biro Kepegawaian atau SDM Unjani, untuk memperoleh informasi yang diperlukan untuk dicatat atau didokumentasikan.
Dilakukan selama empat kali pertemuan tatap muka untuk mendapatkan data dan informasi melalui pengamatan langsung terhadap data kebutuhan yang digunakan untuk penilaian tenaga kependidikan teladan yang terdapat di lapangan.
Studi Pustaka Tahapan studi pustaka ini, dilakukan dengan mencari referensi penelitian, serta mempelajari jurnal yang berhubungan dengan permasalahan yang dibahas, juga berhubungan dengan penerapan metode Fuzzy Analytic Hierarchy Process pada Sistem Pendukung Keputusan yang berguna sebagai acuan atau pendukung penelitian ini.
Pengolahan Data Pada tahap ini, dilakukan pengolahan data yang didapat dari pengumpulan data pada saat observasi.
Data yang dihasilkan berupa data tenaga kependidikan, kriteria nilai kinerja tenaga kependidikan yang telah ditentukan, yang nantinya digunakan sebagai atribut yang ditampilkan dalam Fuzzy Analytic Hierarchy Process (F-AHP) Berikut adalah langkah-langkah pengambilan keputusan berdasarkan metode Fuzzy Analytic Hierarchy Process Extend Analysis Chang .
Membuat struktur hirarki masalah yang akan Berikut adalah contoh gambaran perancangan hirarki atau arsitektur .
dari sistem yang dibangun dapat dilihat pada Gambar 1 Perancangan Hirarki/Arsitektur Sistem.
Gambar 1.
Perancangan Hirarki/Arsitektur Sistem.
JOINT (Journal of Information Technolog.
Vol 04 No 02.
Agustus 2022 Menentukan matriks perbandingan kepentingan berpasangan antar kriteria dengan skala Triangular Fuzzy Number (TFN) yang dapat dilihat pada Tabel 1 Skala Triangular Fuzzy Number Chang.
dilanjutkan dengan menggunakan metode AHP seperti pada langkah selanjutnya.
Melakukan perankingan bobot vektor, total ranking diperoleh dengan cara mengalikan vektor evaluasi dari masing-masing penerima bantuan dengan vektor prioritasnya .
Pengambilan keputusan dengan memilih total ranking atau nilai alternatif tertinggi .
Tabel 1.
Skala Triangular Fuzzy Number Chang.
Intensitas Kepentingan AHP Himpunan Linguistik Perbandingan elemen yang sama (Just Equa.
Pertengahan (Intermediat.
Elemen satu cukup penting dari yang lainnya (Moderately Importan.
Pertengahan (Intermediat.
elemen satu lebih cukup penting dari yang lainnya Elemen satu kuat pentingnya dari yang lain (Strongly Importan.
Pertengahan (Intermediat.
Elemen satu lebih kuat pentingnya dari yang lain (Very Stron.
Pertengahan (Intermediat.
Elemen satu mutlak lebih penting dari yang (Extremely Stron.
Triangular
Fuzzy Number
(TFN)
,m,.
( 1, 1, 1 ) Reciprocal (Kebalika.
( 1/2, 1, 3/2 ) ( 2/3, 1, 2 ) ( 1, 3/2, 2 ) ( 1/2, 2/3, 1 ) ( 1, 1, 1 ) ( 3/2, 2, 5/2 ) ( 2/5, 1/2, 2/3 ) ( 2, 5/2, 3 ) ( 1/3, 2/5, 1/2 ) ( 5/2, 3, 7/2 )
( 2/7, 1/3, 2/5 )
( 3, 7/2, 4 )
( 1/4, 2/7, 1/3 )
( 7/2, 4, 9/2 )
( 2/9, 1/4, 2/7 )
( 4, 9/2, 9/2 )
( 2/9, 2/9, 1/4 )
ycu yco yc Eyc ] ycIyuEN = Oc ycAycaycn A [Oc Oc ycA ycaycn yc=1 ycn=1 yc=1 .
Menghitung derajat keanggotaan dari perbandingan nilai sintesis fuzzy untuk memperoleh vektor dengan menggunakan .
cA2 Ou ycA1 ) = { , ycycnycoyca yco2 Ou yco1 , ycycnycoyca yco1 Ou yc2 .
co1 Oe yc2 ) ( yco2 Oe yc2 ) Oe ( yco1 Oe yco1 ) ycycaycuyci ycoycaycnycuycuycyca.
Normalisasi bobot vektor atau nilai prioritas kriteria yang telah diperoleh menggunakan .
ycO A = .
ccA .
a1 ), yccA .
a2 ).
A , yccA .
aycu )) ycN Implementasi Pada tahap ini, pembangunan Sistem Pendukung Keputusan dilakukan setelah menyelesaikan tahapan sebelumnya, dengan menggunakan bahasa pemrograman PHP, basis data MySQL dan Web Server Apache yang terdapat dalam aplikasi XAMPP berupa data tenaga kependidikan serta kriteria yang telah ditentukan sebagai penghubung antara aplikasi dengan server, serta menggunakan Google Chrome sebagai media web browser.
Perancangan Sistem Pada tahap ini, perancangan sistem mengalokasikan kebutuhan-kebutuhan sistem dengan membentuk arsitektur sistem secara keseluruhan.
Melibatkan identifikasi dan penggambaran abstraksi sistem dasar perangkat lunak dan Hasil dari tahap ini yaitu berupa UML (Unified Modeling Languag.
untuk menspesifikasi, memvisualisasi, membangun dan mendokumentasikan artefak yaitu bagian dari informasi yang digunakan untuk dihasilkan oleh proses pembuatan perangkat lunak.
Oe1 Analisis Kebutuhan Pada tahap ini, proses bisnis, kendala yang ada, telah didiskusikan bersama dengan pihak SDM Unjani pada saat observasi yang kemudian didefinisikan secara rinci dan berfungsi sebagai spesifikasi sistem, dan fitur perangkat Kemudian membuat dokumen yang dapat membantu proses pengembangan lebih lanjut.
Menentukan nilai sitesis fuzzy (S.
untuk mendapatkan bobot relative bagi unsur-unsur pengambilan keputusan, menggunakan .
yco Metode Pengembangan Perangkat Lunak Metode penelitian yang diterapkan yaitu dengan pengembangan metode waterfall yang merupakan model pengembangan sistem informasi sistematik dan sekuensial.
Terdapat tahapan-tahapan yang dilakukan adalah sebagai berikut .
Pengujian Pada tahap ini.
Sistem Pendukung Keputusan yang telah dibangun diuji untuk dapat menemukan kesalahan, dan melakukan pengecekan pada setiap fungsi yang terdapat pada sistem agar sesuai dengan yang diinginkan sebelumnya.
Laporan dan Publikasi Tahap ini merupakan tahap pelaporan sistem berupa Kemudian mempublikasikan sistem kepada pihak perusahaan terkait, dan/atau memasukkan hasil karya yang telah diteliti untuk dipublikasikan.
Setelah dilakukan tahap normalisasi bobot vektor, maka vektor yang diperoleh bukan lagi bilangan fuzzy.
Salsabila.
: Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan A i.
HASIL DAN DISKUSI
KR8
Pengumpulan Data Hasil dari pengumpulan data yang dilakukan pada saat observasi menghasilkan data tenaga kependidikan Unjani serta kriteria nilai kinerja tenaga kependidikan yang telah ditentukan oleh tim/staff Ka.
Biro SDM Unjani.
Pengolahan Data Pada penelitian ini setelah proses pengumpulan data telah dilakukan, data dirancang menyesuaikan tujuan yaitu untuk dapat membantu mempermudah pengambilan keputusan dengan menggunakan kriteria dinamis serta dapat dengan mudah ditambah maupun diganti sesuai dengan Dalam hal ini, kriteria dalam sistem yang digunakan ialah gabungan antara kriteria administrasi (KR1 untuk Pendidikan Terakhir.
KR2 untuk Masa Kerja.
KR3 untuk Notulen/BA.
KR4 untuk DP4.
KR5 untuk KPI.
KR6 untuk Kehadiran Apel.
KR7 untuk Kehadiran Kerj.
, serta KR8 yaitu kriteria penilaian presentasi untuk alternatif Golongan i.
Penyesuaian terhadap sistem yang dibangun yaitu dengan penilaian alternatif menggunakan usulan tenaga kependidikan teladan dari tiap fakultas pada bulan Juni sebelum Dies Natalis berlangsung.
Perancangan Hirarki/Arsitektur Sistem Berikut adalah gambaran perancangan hirarki atau arsitektur dari sistem yang dibangun dapat dilihat pada Gambar 2.
Mengkonversi nilai perbandingan berpasangan antar kriteria ke Pairwise Comparison Matrix (Matriks Perbandingan Berpasanga.
untuk menghasilkan bobot relatif antar kriteria .
Maka menghasilkan tabel konversi nilai perbandingan antar kriteria ke matriks berpasangan fuzzy dapat dilihat pada Gambar 3.
KONVERSI NILAI PERBANDINGAN ANTAR KRITERIA KE MATRIKS BERPASANGAN FUZZY
KR1
KR2
KR3
KR4
KR5
KR6
KR7
KR8
m u l
m u l m u
KR1 1
1 1 1.
5 2 2 2.
KR2 0.
1 1 1.
KR3 0.
5 4 4 4.
5 1 1 1
KR4 0.
5 3 3 3.
5 4 4 4.
KR5 0.
5 2 2 2.
5 3 3 3.
KR6 1
1 1 1.
5 2 2 2.
KR7 0.
667 1 1
1 1 1.
KR8 0.
667 1 1 1 1
Gambar 3.
Konversi Nilai Perbandingan Antar Kriteria ke Matriks Berpasangan Fuzzy.
Dari proses Pairwise Comparison Matrix antar kriteria maka akan didapatkan nilai Triangular Fuzzy Number dapat dilihat pada Tabel 3.
Tabel 3.
Triangular Fuzzy Number (TFN).
TRIANGULAR FUZZY NUMBER (TFN)
Nilai Sintesis Fuzzy (S.
Setelah nilai jumlah baris dan kolom diperoleh dari masing-masing matriks perbandingan, langkah selanjutnya adalah menggunakan .
Gambar 2.
Perancangan Hirarki/Arsitektur Sistem yang dibangun.
Matriks Perbandingan Kepentingan Antar Kriteria Berikut merupakan tahap perbandingan kepentingan berpasangan antar kriteria dari skala himpunan linguistik dalam nilai perbandingan matriks extend analysis Chang pada Tabel 2 setelah membuat struktur hirarki.
Tabel 2.
Matriks Perbandingan Antar Kriteria.
KR1
KR2
KR3
KR4
KR5
KR6
KR7
KR8
KR1
KR2
KR3
KR4
KR5
KR6
KR7
Berikut adalah hasil Nilai Sintesis Fuzzy (S.
untuk Kriteria dapat dilihat pada Tabel 4.
Tabel 4.
Nilai Sintesis Fuzzy (S.
untuk Kriteria.
SINTESIS FUZZY (SI)
KR1
KR2
KR3
KR4
KR5
KR6
KR7
KR8
JOINT (Journal of Information Technolog.
Vol 04 No 02.
Agustus 2022 Derajat Keanggotaan Untuk mendapatkan derajat keanggotaan digunakan .
Diperoleh derajat kenggotaan dari perbandingan nilai Sintesis Fuzzy (S.
dengan perhitungan sebagai berikut:
Perbandingan antara Pendidikan Terakhir dengan kriteria lain yaycI1 Ou yaycI2 = 1 yaycI1 Ou yaycI3 = 1 yaycI1 Ou yaycI4 = 1 yaycI1 Ou yaycI5 = 1 yaycI1 Ou yaycI6 = 1 yaycI1 Ou yaycI7 = 1 yaycI1 Ou yaycI8 = 1 Dari perhitungan di atas diperoleh nilai-nilai derajat keanggotaan dari perbandingan dua nilai Sintesis Fuzzy (S.
, kemudian diambil yang paling minimum dengan .
ycc A .
aycn ) = min ycO .
cIycn Ou ycIyco ) .
Maka diperoleh:
ycc A .
cEyceycuyccycnyccycnycoycaycu ycNyceycycaycoEaycny.
= min .
, 1, 1, 1, 1, 1, .
Perbandingan antara Masa Kerja dengan kriteria lain yaycI2 Ou yaycI1 = .
141 Oe 0.
Oe .
196 Oe 0.
Oe 0.
= 0.
yaycI2 Ou yaycI3 = 1 yaycI2 Ou yaycI4 = 1 yaycI2 Ou yaycI5 = 1 yaycI2 Ou yaycI6 = 1 yaycI2 Ou yaycI7 = 1 yaycI2 Ou yaycI8 = 1 Dari perhitungan di atas diperoleh nilai-nilai derajat keanggotaan dari perbandingan dua nilai Sintesis Fuzzy (S.
, kemudian diambil yang paling minimum dengan .
Maka diperoleh:
ycc A .
cAycaycyca yayceycycyc.
= min .
832, 1, 1, 1, 1, 1, .
= 0.
Setelah dilakukan perbandingan antara seluruh kriteria dengan kriteria lainnya, maka diperoleh bobot vektor untuk ycO A = .
, 0.
832, 0, 0, 0, 0, 0, .
ycN Normalisasi Bobot Vektor Setelah menetukan bobot vektor untuk masing-masing kriteria, dilakukan normalisasi bobot vektor yang diperoleh dengan cara membagi masing-masing elemen pada ycO A dengan jumlah keseluruhan elemen pada ycO A .
Bobot vektor .
cO A ) untuk kriteria:
ycO A = .
, 0.
832, 0, 0, 0, 0, 0, .
= .
546, 0.
454, 0, 0, 0, 0, 0, 0 )ycN Berikut adalah Normalisasi Bobot Vektor dapat dilihat pada Tabel 5.
Tabel 5.
Normalisasi Bobot Vektor.
Kriteria KR1 KR2 KR3 KR4 KR5 KR6 KR7 KR8 Total ycA yc Peringkat atau Ranking Untuk mendapatkan keputusan dari penentuan tenaga kependidikan teladan maka dilakukan proses pengurutan peringkat atau ranking, dengan total ranking seperti halnya pada metode AHP yang diperoleh dari perkalian faktor evaluasi masing-masing alternatif dan dengan faktor Diketahui Bobot Nilai Kriteria adalah 1.
00 untuk penilaian Sangat Baik, 0.
75 untuk Baik, 0.
5 untuk Cukup, 25 untuk Kurang, serta 0.
00 untuk Sangat Kurang.
Perhitungan Bobot Nilai Kriteria Untuk Masing-Masing Alternatif dapat dilihat pada Tabel 6.
Tabel 6.
Perhitungan Bobot Nilai Kriteria Untuk Masing-Masing Alternatif KR1 KR2 KR3 KR4 KR5 KR6 KR7 KR8 Nilai TK1 0.
TK2 0.
TK3 0.
TK4 0.
TK5 0.
TK6 0.
TK7 0.
TK8 0.
TK9 0.
TK10 0.
TK11 0.
TK12 0.
TK13 0.
TK14 0.
TK15 0.
TK16 0.
Dari hasil perhitungan di atas maka dilakukan perankingan dimana kode alternatif TK9 memiliki nilai alternatif tertinggi sebagai tenaga kependidikan teladan.
Metode analisis data yang digunakan dalam penelitian ini adalah Mean Absolute Error (MAE).
Digunakan untuk menghitung tingkat akurasi atau besar error hasil prediksi dari sistem terhadap ranking sebenarnya yang user berikan terhadap suatu item, seperti pada .
sebagai berikut .
ycAyaya = Oc = 1 .
cyycn Oe ycyc.
ycA Dengan jumlah keseluruhan elemen pada ycO :
ycn 1 0.
832 0 0 0 0 0 0 = 1.
Keterangan:
MAE : nilai rata-rata kesalahan hitungan N : jumlah item yang dihitung pi : nilai predisksi item ke i qi : nilai rating sebenarnya item ke i Sehingga bobot vektor ternormalisasinya adalah:
0 ycN
= (
Cara menghitung akurasi dari MAE yaitu dengan .
Salsabila.
: Sistem Pendukung Keputusan Penilaian Tenaga Kependidikan A yaycoycycycaycycn = 1 Oe ycAyaya
REFERENSI