Si st em Pen du ku n g K ep utu s an d en gan Apl ik asi , V olu me 3, N o mo r 1, Mar et 2 0 24

Sistem Pendukung Keputusan dengan Aplikasi
Halaman beranda jurnal: https://journal.aira.or.id/index.php/spk/index

Kombinasi AHP-TOPSIS Untuk Pemilihan Dosen Terbaik Berdasarkan Metriks
SINTA
Muhammad Dedi Irawan*, Muhammad Rezeki Fasya
Universitas Islam Negeri Sumatera Utara, Medan, Indonesia
Jl. Lap. Golf No.120 Pancur Batu, Sumatera Utara, 20235
*

email: muhammaddediirawan@uinsu.ac.id

(Naskah masuk: 16 Januari 2024; diterima untuk diterbitkan: 18 Maret 2024)

ABSTRAK - Dalam dunia pendidikan tinggi, evaluasi merupakan salah satu langkah untuk meningkatkan kualitas dosen.
Namun, penilaian dosen seringkali menghadapi kendala dalam pemrosesan hasil kuesioner/data penilaian yang memakan
waktu lama dan subjektif, sehingga mengakibatkan keputusan yang kurang valid. Metriks SINTA dipilih sebagai kriteria
dalam penelitian ini karena mencakup berbagai aspek penilaian kinerja dosen, termasuk publikasi ilmiah, dampak
penelitian, dan keterlibatan dalam kegiatan akademik. Penggunaan Metriks SINTA dapat memberikan dimensi kuantitatif
yang signifikan dalam penilaian kinerja dosen. Penelitian ini bertujuan untuk mengoptimalkan hasil perangkingan
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) menggunakan Analitical Hierarchy Process
(AHP) dalam perhitungan bobot kriteria. Proses ini dilakukan dengan menghitung bobot kriteria dari Metriks SINTA
menggunakan metode AHP. Hasil pembobotan tersebut kemudian digunakan dalam perangkingan oleh metode TOPSIS.
Dengan mengkombinasikan kedua metode, maka dihasilkan Dosen 1 sebagai dosen terbaik yang memiliki skor tertinggi
0.603 lebih unggul dibanding dosen lainnya.
KATA KUNCI – AHP-TOPSIS, dosen, SINTA

AHP-TOPSIS Combination for Selection of the Best Lecturers Based on the
SINTA Metric
ABSTRACT - In the world of higher education, evaluation is one step to improve the quality of lecturers. However, lecturers'
assessments often face problems in processing questionnaire results/assessment data which takes a long time and is subjective, resulting in
less valid decisions. The SINTA metric was chosen as the criterion in this research because it covers various aspects of lecturer performance
assessment, including scientific publications, research impact, and involvement in academic activities. The use of the SINTA Metric can
provide a significant quantitative dimension in assessing lecturer performance. This research aims to optimize the results of the Technique
for Order Preference by Similarity to Ideal Solution (TOPSIS) ranking using the Analytical Hierarchy Process (AHP) in calculating criteria
weights. This process is carried out by calculating the criteria weights from the SINTA Metric using the AHP method. The weighting
results are then used in ranking by the TOPSIS method. By combining the two methods, Lecturer 1 was produced as the best lecturer who
had the highest score of 0.603, superior to the other lecturers.
KEYWORDS – AHP-TOPSIS, lecturer, SINTA

1.

PENDAHULUAN
Perguruan tinggi menjadi pilar atau landasan penting dalam pembentukan dan penyebaran ilmu pengetahuan[1].
Di tengah kompleksitas tugas-tugasnya, peran dosen dalam konteks pendidikan tinggi memiliki dimensi yang sangat
penting[2]. Di lingkungan pendidikan tinggi, peran dosen tidak hanya terbatas pada pengajaran tetapi juga meliputi
penelitian, bimbingan, dan kontribusi terhadap perkembangan akademik[2], [3], [4].

© 2024 Penulis. Diterbitkan oleh Sistem Pendukung Keputusan dengan Aplikasi.Ini adalah artikel akses terbuka di bawah lisensi
CC BY-SA(http://creativecommons.org/licenses/by-sa/4.0/).

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Evaluasi kinerja dosen menjadi krusial dalam memastikan mutu pendidikan yang optimal[5], [6]. Namun, penilaian
kinerja dosen sering kali melibatkan sejumlah kriteria yang kompleks dan subjektif[7]. Dalam konteks ini, Sistem
Pendukung Keputusan (SPK) menjadi penyelesaian yang penting, karena dapat menyederhanakan proses penilaian
dengan memberikan landasan objektif dalam pengambilan keputusan[8], [9], [10].
Dalam penelitian ini, akan digunakan metode gabungan antara AHP (Analitical Hierarchy Process) dan TOPSIS
(Technique for Order Preference by Similarity to Ideal Solution). AHP merupakan sebuah model pendukung keputusan
yang mengadopsi struktur hierarkis fungsional, dengan penekanan pada persepsi manusia sebagai input utama dalam
proses pengambilan keputusan[11], [12]. Dalam sistem pendukung keputusan, metode TOPSIS digunakan untuk
memperoleh solusi optimal dari sejumlah alternatif yang ada. Metode ini melakukan penilaian terhadap sejauh mana suatu
alternatif mendekati solusi ideal yang diinginkan dalam konteks permasalahan dengan berbagai kriteria yang relevan[13],
[14].
Dalam penelitian ini, telah dilakukan kombinasi metode AHP-TOPSIS untuk kasus penilaian dosen. Namun,
berbeda dengan penelitian sebelumnya, peneliti menggunakan Metriks SINTA sebagai kriteria penilaiannya, karena
Metriks SINTA sudah mencakup berbagai kriteria seorang dosen yang baik, mulai dari riset dan penelitian, kualitas,
jangkauan serta dampak penelitian yang dihasilkan. SINTA adalah pusat indeks ilmu pengetahuan dan teknologi yang
menilai peneliti berdasarkan H-Index. Data disajikan melalui Tabel dan grafik untuk mendukung pengambilan keputusan
seperti penghargaan dan pengakuan internasional bagi peneliti, instansi, dan jurnal. Portal SINTA dapat mendukung EIS
(Executive Information System) dan DSS (Decision Support System)[15].
Dengan menggabungkan kedua metode ini, maka dapat menyelaraskan preferensi subjektif dengan analisis objektif,
mempertimbangkan bobot relatif dari kriteria yang berbeda, dan pada akhirnya menghasilkan pemilihan dosen terbaik
yang lebih terinformasi dan dapat dipertanggungjawabkan berdasarkan metriks SINTA.
Dalam penelitian ini, peneliti merujuk pada referensi yang juga menggunakan sistem pendukung keputusan dengan
metode kombinasi AHP-TOPSIS. Hal ini dilakukan untuk membandingkan perbedaan antara penelitian yang sedang
dilakukan dengan penelitian yang telah ada sebelumnya[16].
Penelitian ini bertujuan untuk membantu pihak Prodi Sistem Informasi UIN Sumatera Utara Medan dalam memilih
dosen terbaik. Sehingga dosen terpilih bisa diberikan apresiasi, baik berupa, bantuan biaya penelitian, beasiswa S3,
ataupun lainnya.

2.

METODE PENELITIAN
Metode penelitian merupakan penjalan tahapan penelitian yang dilakukan dapat di lihat pada Gambar 1 berikut.

Gambar 1. Tahapan Penelitian
1). Identifikasi Masalah dan Identifikasi Metode, dilakukan untuk menyelesaikan permasalahan dan menentukan metode
yang sesuai.
2). Studi Literatur, berupa review jurnal, buku, dan berbagai referensi lain sesuai dengan topik dan metode yang dipakai
untuk memperkuat penelitian.
3). Pengumpulan Data, yang didapatkan dari hasil pengamatan pada situs web SINTA.

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 2

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

4). Analisis Data dan Sistem, dilakukan dengan menerapkan data-data yang dikumpulkan ke dalam perhitungan
kombinasi metode AHP-TOPSIS yang kemudian dibuatkan perancangan aplikasi perhitungan sistem pendukung
keputusan dengan pengkombinasian metode AHP-TOPSIS.
5). Proses Perhitungan Metode AHP, dimana dengan melakukan langkah-langkah sebagai berikut:
1. Dalam langkah awal, perlu ditentukan masalah yang ingin diselesaikan, merumuskan solusi yang diinginkan,
dan menyusun hirarki permasalahan dengan menetapkan tujuan utama sebagai sasaran sistem pada level teratas.
2. Untuk memberikan prioritas pada setiap elemen, langkahnya adalah dengan membuat perbandingan berpasangan
menggunakan matriks perbandingan. Dalam matriks ini, bilangan diisi untuk mencerminkan kepentingan relatif
antara elemen-elemen tersebut. Dengan membandingkan elemen-elemen tersebut secara berpasangan, kita dapat
menentukan prioritas mereka dengan lebih jelas.
Tabel 1. Matriks Perbandingan Berpasangan
C1 C2 C3
C1 1
C2
1
C3
1
Dalam menilai kepentingan antar elemen, menggunakan skala perbandingan Saaty seperti yang tercantum dalam
Tabel 2.
Tabel 2. Skala Perbandingan Saaty
Nilai
Keterangan
1
A memiliki tingkat kepentingan yang sama dengan B
3
A memiliki tingkat kepentingan yang sedikit besar daripada B
5
A memiliki tingkat kepentingan yang lebih besar daripada B
7
A memiliki tingkat kepentingan yang sangat lebih besar daripada B
9
A memiliki tingkat kepentingan yang mutlak lebih besar daripada B
2, 4, 6, 8 Jika terdapat keraguan antara 2 nilai yang berdekatan, nilai tingkat kepentingannya
1/(1-9)
Dalam skala 1-9, nilai kepentingan akan diubah menjadi kebalikannya

3.

4.

5.

Skala ini membantu memberikan penilaian yang lebih terperinci dan mudah dipahami terhadap hubungan relatif
di antara elemen tersebut.
Untuk mendapatkan prioritas keseluruhan, perbandingan berpasangan dapat disintesis dengan menjumlahkan
nilai pada setiap kolom dalam matriks. Selanjutnya, dilakukan normalisasi matriks dan perhitungan nilai ratarata untuk setiap baris. Dengan langkah-langkah ini, prioritas keseluruhan dapat diperoleh dengan akurat dan
terpercaya.
Untuk mengukur konsistensi, langkah-langkah yang dilakukan adalah mengalikan nilai pada setiap kolom
dengan prioritas relatif elemen, menjumlahkan setiap baris, dan membaginya dengan elemen prioritas relatif
yang sesuai. Hasil dari langkah ini kemudian dijumlahkan dan dibagi dengan jumlah elemen untuk mendapatkan
nilai konsistensi, yang memiliki nilai maksimum 1.
Menghitung Consistency Index (CI) dengan persamaan:
𝐶𝐼 =

6.

(1)

𝑛−1

Menghitung Consistency Ratio (CR) dengan persamaan:
𝐶𝑅 =

7.

Λ𝑚𝑎𝑥−𝑛

𝐶𝐼

(2)

𝑅𝐼

Untuk memeriksa konsistensi hierarki, langkahnya adalah dengan mengevaluasi nilai Consistency Ratio (CR).
Jika nilai CR ≤ 0,1, maka hasil perhitungan data dianggap dapat diterima. Namun, jika nilai CR ≥ 0,1, maka
hasil kriteria pembobotan dianggap tidak dapat diterima. Dalam hal ini, perlu dilakukan pengulangan
perbandingan berpasangan untuk memperbaiki konsistensi hierarki[17].

6). Proses Perhitungan Metode TOPSIS, dengan langkah-langkah sebagai berikut:
1. Membuat matriks keputusan yang telah dinormalisasi dengan persamaan:
𝑟𝑖𝑗 =

𝑥𝑖𝑗
2
√∑𝑚
𝑖=1 𝑥𝑖𝑗

3 | Muhammad Dedi Irawan

(3)

DOI: https://doi.org/10.55537/spk.v3i1.751

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

2.

ISSN 2829-2189 (Online)

Setelah normalisasi, matriks diberi pembobotan dengan mengalikan setiap kolomnya dengan bobot-bobot yang
telah ditentukan.
𝑊𝑖𝑗 = 𝑊𝑖𝑅𝑖𝑗

3.

(4)

Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif dengan persamaan:
𝐴+ = (𝑦1+ , 𝑦2+ , … , 𝑦𝑛+ )
𝐴− = (𝑦1− , 𝑦2− , … , 𝑦𝑛− )

4.

(5)

Menghitung jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif
dengan persamaan:
𝐷+
1

√∑𝑛𝑗=1(𝑦𝑖𝑗 − 𝑦𝑖+ )2

𝐷−
1

√∑𝑛𝑗=1(𝑦𝑖𝑗 − 𝑦𝑖− )2

5.

(6)

Menghitung nilai preferensi untuk setiap alternatif dengan persamaan:
𝑉𝑖

𝐷𝑖

(7)

𝐷𝑖− +𝐷𝑖+

3.

HASIL DAN PEMBAHASAN
Untuk melakukan evaluasi dan pemilihan dosen terbaik, diperlukan identifikasi kriteria yang telah ditetapkan.
Penentuan bobot kriteria ini akan menggunakan metode AHP, dan kemudian dilakukan uji konsistensi agar dapat
digunakan dalam metode TOPSIS. Data kriteria penilaian diperoleh dari situs web SINTA, yang akan menjadi landasan
untuk menentukan hasil akhir dalam proses pemilihan dosen terbaik.
3.1 Penentuan Kriteria
Kriteria yang digunakan sebagai dasar penilaian adalah Metriks yang ada pada SINTA, dimana peneliti
mengklasifikasikan kriteria nya seperti pada Gambar 2.

Gambar 2. Data Kriteria
Pada Gambar di atas terlihat kriteria yang digunakan antara lain Jumlah Scopus dan WOS Document, Jumlah
Garuda, Jumlah GS, Buku Ajar, Buku Referensi, Buku Monograf, dan Jumlah HK.
3.2

Alternatif
Dibawah ini dapat dilihat Tabel alternatif yang berisikan nama-nama dosen yang menjadi kandidat penilaian
menggunakan kriteria yang telah ditentukan.

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 4

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Gambar 3. Data Alternatif
Dari Gambar 3 terlihat 12 kandidat dosen yang masing-masing nya memiliki kode alternatif, mulai dari A1, A2, A3,
hingga B1, B2, dan terakhir B3.
3.3

Metode AHP
Metode AHP digunakan untuk memperoleh nilai bobot dari setiap kriteria yang akan digunakan sebagai acuan dalam
proses penilaian.
3.3.1 Membuat Matrik Perbandingan Berpasangan
Pada tahap pertama, kita membuat matriks perbandingan berpasangan yang berasal dari Tabel nilai kriteria.

Gambar 4. Matriks Perbandingan Berpasangan
Pada Gambar 4, terlihat bahwa C1, C5, dan C7 lebih penting dari kriteria lainnya sedangkan C2, C3, C4, C6, dan
C8 memiliki nilai skala sama penting dan sedikit lebih penting.
3.3.2 Normalisasi Matriks Kriteria
Setelah itu, matriks nilai kriteria yang berasal dari matriks perbandingan berpasangan dinormalisasi sesuai dengan
kriterianya. Setelahnya bobot prioritas akan diuji konsistensinya sebelum digunakan dalam proses perangkingan
menggunakan Metode TOPSIS. Penjumlahan matriks dari tiap kolom dapat dilihat pada Gambar 5.

5 | Muhammad Dedi Irawan

DOI: https://doi.org/10.55537/spk.v3i1.751

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Gambar 5. Penjumlahan Matriks Tiap Kolom
Dengan matriks pembobotan kriteria, kita dapat menghitung nilai eigen, lamda maksimum, dan CR. Sebelum
dilakukan perhitungan nilai eigen, terlebih dahulu dicari nilai perbandingan pada setiap kolom dengan membaginya
dengan jumlah kolom. Hal ini dapat dilihat pada Gambar 6.

Gambar 6. Nilai Perbandingan Setiap Kolom Dibagi Jumlah Kolom
Setelah dilakukan perbandingan tiap kolom dengan jumlah kolom, baru lah dilanjutkan dengan melakukan
perhitungan nilai eigen.
3.3.3 Menghitung Eigen Value
Setelah matriks nilai kriteria dinormalisasi, langkah berikutnya adalah menghitung nilai eigen dan lamda maksimum
pada sub-kriteria seperti pada Gambar 7.

Gambar 7. Nilai Eigen

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 6

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Dari Gambar 7 terlihat bahwa setiap kriteria sudah memiliki nilai eigen nya masing-masing sesuai dengan
perhitungan.
3.3.4 Perhitungan Rasio Konsistensi
Konsistensi matriks perbandingan dapat diperiksa dengan mengalikan setiap kolom matriks perbandingan dengan
bobot prioritas kriteria yang sesuai, kemudian menjumlahkan hasilnya per baris dan membagi dengan bobot prioritas
bersesuaian, seperti terlihat pada Gambar 8.

Gambar 8. Konsistensi Matriks Perbandingan
Uji batas ketidakkonsistenan yang diperkenalkan oleh Saaty diukur menggunakan nilai CR (Consistency Ratio). CR
merupakan perbandingan antara nilai CI (Consistency Index) dan RI (Ratio Index), seperti pada Gambar 9.

Gambar 9. Ratio Index Berdasarkan Ordo Matriks
Dikarenakan matriks kriteria yang digunakan adalah ordo 7x7 maka bisa dilihat pada Gambar di atas bahwa nilai RI
adalah 1.32.

Gambar 10. Hasil Rasio Konsistensi
Setelah mendapatkan nilai RI, selanjutnya dihitung Consistency Index (CI) untuk mentukan hasil rasio konsistensi
dengan persamaan (1) dan (2) sehingga didapatkan hasil seperti pada Gambar 10.
3.4

Metode TOPSIS
Metode TOPSIS digunakan untuk melakukan perangkingan berdasarkan nilai yang telah ditentukan untuk setiap
kriteria. Sebelumnya, bobot prioritas untuk kriteria-kriteria tersebut telah dihitung menggunakan metode AHP[18].
3.4.1 Perangkaian Alternatif
TOPSIS menggunakan pendekatan pemilihan alternatif berdasarkan kedekatannya dengan solusi ideal positif dan
jaraknya yang jauh dari solusi ideal negatif. Penilaian dilakukan dengan mengurutkan nilai-nilai, di mana alternatif yang
memiliki jarak terdekat dengan solusi ideal positif dianggap sebagai pilihan terbaik. Dalam hal ini, alternatif dengan nilai
yang lebih tinggi dianggap lebih superior dan pantas dipilih. Data yang digunakan sebagai perhitungan adalah total skor
metriks dalam kurun waktu 3 tahun (3Yr/3 Years).

7 | Muhammad Dedi Irawan

DOI: https://doi.org/10.55537/spk.v3i1.751

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Gambar 11. Data Matriks Nilai Alternatif
Pada Gambar 11, setiap alternatif kemudian diberikan nilai sesuai dengan data yang didapatkan pada profil Metriks
SINTA masing-masing dosen.
3.4.2 Penilaian Kriteria Masing-Masing Alternatif
Matriks nilai yang telah dinormalisasi berasal dari penilaian kriteria terhadap setiap alternatif, yang kemudian diolah
menggunakan persamaan (3) sehingga terbentuk seperti Gambar 12.

Gambar 12. Nilai Normalisasi
Tahap berikutnya adalah menghitung nilai matriks ternormalisasi terbobot dengan mengalikan setiap elemennya
dengan bobot dari kriteria yang telah dihasilkan melalui perhitungan menggunakan metode AHP dengan persamaan (4).

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 8

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Gambar 13. Normalisasi Terbobot
Solusi ideal positif (A+) didefinisikan sebagai nilai maksimum dari nilai normalisasi terbobot untuk atribut
keuntungan (benefit) dan nilai minimum untuk atribut biaya (cost). Sementara itu, solusi ideal negatif (A-) didefinisikan
sebagai nilai minimum dari nilai normalisasi terbobot untuk atribut keuntungan (benefit) dan nilai maksimum untuk
atribut biaya (cost). Perhitungan ini menggunakan persamaan (5).

Gambar 14. Nilai Solusi Ideal Positif dan Solusi Ideal Negatif
Dengan menghitung jarak antara nilai setiap alternatif terhadap matriks solusi ideal positif, nilai kedekatan setiap
alternatif terhadap solusi ideal dapat ditentukan. Nilai preferensi (V) untuk setiap alternatif diperoleh dari perhitungan ini,
yang mengGambarkan seberapa dekat alternatif tersebut dengan nilai ideal yang diinginkan. Dalam perhitungannya,
menggunakan persamaan (6) dan (7).

Gambar 15. Nilai Jarak Ideal Positif, Jarak Ideal Negatif, dan Preferensi
9 | Muhammad Dedi Irawan

DOI: https://doi.org/10.55537/spk.v3i1.751

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

Menurut hasil perhitungan yang menggabungkan metode AHP dan TOPSIS, maka hasil perangkingan untuk
penilaian dosen terbaik dengan Metriks SINTA terlihat seperti pada Gambar 16.

Gambar 16. Hasil Perangkingan
Dosen 1 menduduki peringkat pertama dengan nilai preferensi tertinggi, yaitu 0,603. Di peringkat kedua, yaitu
Dosen 4 yang memiliki nilai preferensi 0,485. Di peringkat terakhir, yaitu Dosen 12 dengan nilai preferensi 0,011. Ini
menunjukkan urutan prioritas berdasarkan penilaian gabungan kedekatan dengan nilai ideal yang diinginkan.
Tabel 3. Hasil Perbandingan Perangkingan
No
1
2
3
4
5
6
7
8
9
10
11
12

Alternatif
Dosen 1
Dosen 2
Dosen 3
Dosen 4
Dosen 5
Dosen 6
Dosen 7
Dosen 8
Dosen 9
Dosen 10
Dosen 11
Dosen 12

AHP + TOPSIS Score 3Yr
0.603
0.459
0.429
0.485
0.181
0.243
0.066
0.193
0.203
0.029
0.187
0.011

SINTA Score 3Yr
496
388
328
323
204
150
144
129
101
59
27
23

Pada Tabel 3 menunjukkan perbandingan dari penelitian yang telah dilakukan antara Score AHP-TOPSIS dengan
SINTA Score dalam kurun waktu 3 tahun. Terlihat Dosen 1 memiliki score tertinggi dibandingkan keseluruhan dosen
lainnya sehingga berada di peringkat pertama. Sedangkan Dosen 12 mendapatkan peringkat terakhir dikarenakan score
nya paling rendah diantara keseluruhan dosen lainnya.
Dalam penelitian dengan kasus yang sama sebelumnya, penilaian dosen terbaik telah diuji menggunakan berbagai
metode seperti ARAS[19], SAW[20], dan TOPSIS[21]. Namun, perbedaannya terlihat pada kriteria yang digunakan dan
hasil akhirnya. Pada penelitian sebelumnya, terlihat menggunakan kriteria yang umum nya sering digunakan, seperti
presensi atau kehadiran, seminar, pembelajaran. Tetapi tidak bisa dihindari bahwasanya data dari kriteria tersebut dapat
dimanipulasi dan bersifat subjektif. Oleh karena itu, hal paling penting dari hasil penelitian di atas adalah perbandingan
dalam penelitian ini, dimana Metriks SINTA lebih objektif dan tidak dapat dimanipulasi sesuka hati sehingga dihasilkan
dosen yang terpilih adalah dosen yang memiliki kapabilitas terbaik dalam berkontribusi menjalankan tugas dan
kewajibannya.

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 10

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

ISSN 2829-2189 (Online)

4.

KESIMPULAN
Pemilihan Metriks SINTA sebagai kriteria penilaian kinerja dosen sangat tepat karena melibatkan berbagai aspek
akademik. Hal ini didasarkan pada kemampuan Metriks SINTA untuk memberikan dimensi penilaian yang signifikan
dalam menilai kinerja dosen, serta sebagai standar yang komprehensif untuk mengevaluasi aspek-aspek penting dari
pekerjaan seorang dosen. Oleh karena itu, pemilihan Metriks SINTA dapat memberikan dasar yang kuat dan objektif
dalam menentukan kualitas kinerja dosen.
Kombinasi metode Analitical Hierarchy Process - Technique for Order Preference by Similarity to Ideal Solution
dapat digunakan secara efektif dalam memilih dosen terbaik berdasarkan Metrik SINTA. Metode AHP membantu dalam
menentukan bobot kriteria yang digunakan dalam evaluasi dosen, sementara TOPSIS digunakan untuk merangking dosen
berdasarkan setiap kriteria yang telah ditetapkan. Namun kekurangannya, tidak menjabarkan Scopus per-indeks nilai Q
dan Garuda yang mana tidak sesuai dengan SINTA 1-6.
Hasil dari kombinasi AHP-TOPSIS adalah perhitungan yang mampu memberikan urutan peringkat yang objektif
dalam menentukan dosen terbaik. Dengan memanfaatkan metode ini, keputusan mengenai pemilihan dosen terbaik
menjadi lebih terarah, berdasarkan pada data, dan mengurangi subjektivitas dalam proses penilaian. Ini membantu instansi
pendidikan dalam memastikan kualitas pengajaran dan kontribusi akademik yang optimal dari para dosen.
DAFTAR PUSTAKA
[1]

[2]
[3]
[4]
[5]

[6]

[7]
[8]

[9]
[10]

[11]
[12]

[13]
[14]

[15]
[16]
[17]

I. Y. Sitinjak et al., “Aspek Urgensi Pendidikan Tinggi Bagi Masyarakat Sebagai Bentuk Mewujudkan Tri
Dharma Perguruan Tinggi,” Community Dev. J. J. Pengabdi. Masy., vol. 2, no. 3, Art. no. 3, 2021, doi:
10.31004/cdj.v2i3.2981.
T. Tasbih, “Peran Dosen Terhadap Pembinaan Mahasiswa Berbasis Kompetensi,” AL-IRSYAD AL-NAFS J.
Bimbing. DAN Penyul. ISLAM, vol. 8, no. 1, Art. no. 1, May 2021, doi: 10.24252/al-irsyad.
R. Rosalia and A. J. Fuad, “Peran Dosen dalam Meminimalisasi Perilaku Plagiasi Mahasiswa,” Indones. J. Islam.
Educ. Stud. IJIES, vol. 2, no. 1, Art. no. 1, Aug. 2019, doi: 10.33367/ijies.v2i1.882.
D. Suhaida and I. Azwar, “Peran Dosen Dalam Mengembangkan Karakter Mandiri pada Mahasiswa,” Sos. Horiz.
J. Pendidik. Sos., vol. 5, no. 1, Art. no. 1, Sep. 2018, doi: 10.31571/sosial.v5i1.866.
T. H. Retnowati, D. Mardapi, B. Kartowagiran, and S. Suranto, “Model evaluasi kinerja dosen: pengembangan
instrumen untuk mengevaluasi kinerja dosen,” J. Penelit. Dan Eval. Pendidik., vol. 21, no. 2, pp. 206–214, Dec.
2017, doi: 10.21831/pep.v21i2.16626.
S. Suparno and L. Asmawati, “Monitoring Dan Evaluasi Untuk Peningkatan Layanan Akademik Dan Kinerja
Dosen Program Studi Teknologi Pembelajaran Pascasarjana,” JTPPm J. Teknol. Pendidik. Dan Pembelajaran
Edutech Intructional Res. J., vol. 6, no. 1, Art. no. 1, Jul. 2019, Accessed: Jan. 09, 2024. [Online]. Available:
https://jurnal.untirta.ac.id/index.php/JTPPm/article/view/7415
T. Terttiaavini and E. Ermatita, “Sistem Penilaian Kinerja Dosen menggunakan Decision Maker Respondent
Opinion Model,” J. Ilm. Inform. Glob., vol. 13, no. 1, Art. no. 1, Mar. 2022, doi: 10.36982/jiig.v13i1.2041.
V. N. Sari, M. W. Sari, S. R. Mulyani, and S. Defit, “Analisis Dan Usulan Solusi Sistem Untuk Mendukung
Keputusan Penilaian Kinerja Dosen Menggunakan Metode Analytical Hierarchy Process (AHP),” Pros. Semin.
Nas. Ris. Inf. Sci. SENARIS, vol. 1, no. 0, Art. no. 0, Sep. 2019, doi: 10.30645/senaris.v1i0.17.
M. N. Sutoyo, N. Ihsan, B. Basrawi, and A. Nasir, “Evaluasi Kinerja Dosen dengan Pendekatan Metode AHP dan
BORDA,” Pros. SISFOTEK, vol. 7, no. 1, Art. no. 1, Oct. 2023.
R. P. Sari and M. A. Rifaldi, “Sistem Penentuan Keputusan Seleksi Pemilihan Asisten Dosen Sistem Informasi
Dengan Penerapan Metode TOPSIS,” J. Sist. Komput. Dan Inform. JSON, vol. 3, no. 4, Art. no. 4, Jun. 2022, doi:
10.30865/json.v3i4.4184.
P. S. Sukanto and R. T. Subagio, “Sistem Pendukung Keputusan Penilaian Kinerja Dosen Menggunakan Metode
AHP,” JUMANJI J. Masy. Inform. Unjani, vol. 3, no. 01, Art. no. 01, Jul. 2019, doi: 10.26874/jumanji.v3i01.48.
D. E. H. Purnomo and Y. A. Sunardiansyah, “Implementasi Metode Analytical Hierarchy Process (AHP) Untuk
Evaluasi Pemasok Kayu Pada Industri Furnitur,” JISO J. Ind. Syst. Optim., vol. 4, no. 1, p. 1, Jun. 2021, doi:
10.51804/jiso.v4i1.1-7.
M. E. Marpaung and Anita Sindar RMS, “Penilaian Guru Terbaik SMP Tri Sakti Lubuk Pakam Menggunakan
Metode Topsis,” J. KomtekInfo, vol. 5, no. 2, Art. no. 2, Dec. 2018, doi: 10.35134/komtekinfo.v5i2.20.
D. Nababan and R. Rahim, “Sistem Pendukung Keputusan Reward Bonus Karyawan Dengan Metode TOPSIS,”
J. Inf. Syst. Dev. ISD, vol. 3, no. 1, Art. no. 1, Jan. 2018, Accessed: Jan. 09, 2024. [Online]. Available:
https://ejournal-medan.uph.edu/isd/article/view/185
T. Michael, “Strategi Peningkatan Sinta Melalui Prototipe Dan Produk,” J. Dharma Jnana, vol. 3, no. 3, pp. 222–
228, Dec. 2023.
R. Agusli, M. I. Dzulhaq, and F. C. Irawan, “Sistem Pendukung Keputusan Penerimaan Karyawan Menggunakan
Metode AHP-TOPSIS,” Acad. J. Comput. Sci. Res., vol. 2, no. 2, Jul. 2020, doi: 10.38101/ajcsr.v2i2.286.
I. Nisaa and A. Wibowo, “Penentuan Dosen Terbaik Menggunakan Metode Analytical Hierarchy Process (AHP)
dan Technique For Order By Similarity To Ideal Solution (TOPSIS): Studi Kasus Akademi Teknologi Bogor, ”

11 | Muhammad Dedi Irawan

DOI: https://doi.org/10.55537/spk.v3i1.751

Sistem Pendukung Keputusan dengan Aplikasi, Volume 3, Nomor 1, Maret 2024

[18]
[19]

[20]

[21]

ISSN 2829-2189 (Online)

Explore IT J. Keilmuan Dan Apl. Tek. Inform., vol. 12, no. 2, pp. 62–74, Dec. 2020, doi:
10.35891/explorit.v12i2.2288.
J. Siregar, A. Arifian, and W. A. Azis, “Sistem Pendukung Keputusan Pemilihan Guru Terbaik Dengan Metode
AHP dan TOPSIS,” J. Innov. Res. Knowl., vol. 1, no. 10, Art. no. 10, Mar. 2022, doi: 10.53625/jirk.v1i10.1369.
A. Y. Labolo, “Sistem Pendukung Keputusan Penilaian Kinerja Dosen Dengan Menggunakan Metode Additive
Ratio Assessment (ARAS),” Simtek J. Sist. Inf. Dan Tek. Komput., vol. 5, no. 1, Art. no. 1, Apr. 2020, doi:
10.51876/simtek.v5i1.69.
C. A. Gemawaty and Y. Yuliani, “Pemilihan Dosen Terbaik Dengan Metode SAW (Simple Additive Weighting),”
JISAMAR J. Inf. Syst. Appl. Manag. Account. Res., vol. 7, no. 3, Art. no. 3, Jul. 2023, doi:
10.52362/jisamar.v7i3.1159.
R. M. Simanjorang, “Sistem Pendukung Keputusan Pemilihan Dosen Terbaik dengan menggunakan Metode
TOPSIS (Studi Kasus: STMIK Pelita Nusantara Medan),” MEANS Media Inf. Anal. Dan Sist., pp. 10–15, Jun.
2019, doi: 10.54367/means.v4i1.312.

NOMENKLATUR
CI
= Indeks konsistensi
n
= Banyak kriteria
Λ𝑚𝑎𝑥 = Lambda maksimum/Nilai normalisasi terbesar dari matriks n
CR
= Rasio konsistensi
RI
= Indeks rasio
𝑟𝑖𝑗
= Elemen matriks ternormalisasi pada alternatif ke-i kriteria ke-j
𝑥𝑖𝑗
= Elemen matriks keputusan X pada alternatif ke-i kriteria ke-j
𝑚
= Jumlah baris dalam matriks keputusan
𝑤𝑖𝑗
= Bobot pada alternatif ke-i kriteria ke-j
𝐴+
= Matriks solusi ideal positif
𝐴−
= Matriks solusi ideal negatif
𝑦
= Elemen matriks ternormalisasi terbobot
𝐷1+
= Jarak alternatif ke-i dengan solusi ideal positif
𝐷1−
= Jarak alternatif ke-i dengan solusi ideal negatif
𝑦𝑖+
= Elemen solusi ideal positif [i]
𝑦𝑖−
= Elemen solusi ideal negatif [i]
𝑦𝑖𝑗
= Elemen matriks ternormalisasi terbobot [i],[j]
𝑉𝑖
= Kedekatan tiap alternatif terhadap solusi ideal

BIODATA PENULIS
Muhammad Dedi Irawan, e-mail: muhammaddediirawan@uinsu.ac.id, lahir pada tanggal 31
Januari 1990 di Aek Nubuntu. Meraih gelar Sarjana pada tahun 2013 dari Universitas Asahan
dengan gelar “ST” Sarjana Teknik (Jurusan Teknik Informatika). Setelah itu pada tahun 2015,
beliau mengikuti program Magister Ilmu Komputer, dan lulus dari Universitas Putra Indonesia
"YPTK" Padang, dengan gelar “M.Kom” (konsentrasi Teknologi Informasi). Sejarah mengajar
sebagai instruktur sejak 2015 di berbagai kampus swasta, hingga beliau lulus sebagai PNS pada tahun
2019 dan mengajar di Universitas Islam Negeri Sumatera Utara sampai sekarang. Beliau juga aktif
dalam berbagai penelitian diantaranya di bidang Algoritma dan Pemrograman, Kecerdasan Buatan,
Sistem Pendukung Keputusan, dan lainya.
Muhammad Rezeki Fasya, e-mail: muhammadrezekifasya@gmail.com, lahir pada 6 September
2003 di Tanjung Balai Karimun. Penulis menyelesaikan pendidikan SMA pada tahun 2021 di SMA
Negeri 1 Karimun dengan jurusan Ilmu Pengetahuan Sosial (IPS). Setelah lulus dari SMA, penulis
langsung melanjutkan pendidikan di Universitas Islam Negeri Sumatera Utara dengan jurusan Sistem
Informasi dan saat ini berada di semester 5. Penulis juga memiliki minat di bidang Manajemen Bisnis,
Sistem Pendukung Keputusan, dan Tata Kelola IT menggunakan Cobit 5.

DOI: https://doi.org/10.55537/spk.v3i1.751

Muhamamd Dedi Irawan | 12