Perbandingan Metode Profile Matching Dengan Metode SMART Untuk Seleksi Asisten Laboratorium
| Autor: | Rusydi Umar, Sunardi, Sri Rahayu Astari |
|---|---|
| Rok vydání: | 2020 |
| Předmět: |
Decision support system
lcsh:T58.5-58.64 lcsh:Information technology Computer science business.industry Microteaching Machine learning computer.software_genre Calculation methods lcsh:TA168 lcsh:Systems engineering Profile Matching Simple Multi Attribute Rating Technique Laboratory Assistant Decision Support Profile Matching Simple Multi Attribute Rating Technique Laboratorium Asisten Pendukung Keputusan Artificial intelligence business Competence (human resources) computer |
| Zdroj: | Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi); Vol 4 No 2 (2020): April 2020; 311-318 Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), Vol 4, Iss 2, Pp 311-318 (2020) |
| ISSN: | 2580-0760 |
| DOI: | 10.29207/resti.v4i2.1723 |
| Popis: | Laboratory assistant in university are the main factors in determining the course of practical in the laboratory. So it needs to be selected to get an assistant with good competence. Assistant selection is done by assessing four aspects namely administration, competence, microteaching, and interview. So far the assessment is still done manually, the criteria value still has the same importance. The calculation method which is also not optimal has an impact on the results and the long time of decision making. So we need a method to overcome these problems. In this study the calculation methods used are Profile Matching and SMART (Simple Multi Attribute Rating Technique). Based on research conducted both methods work by grouping criteria according to their level of importance. There are 12 criteria divided into four aspects, and alternative data of 7 participants were taken from 2019 participant data. The results of the two methods are ranking sequences compared with ranking results in 2019 selection. The results of this study show better profile matching because it has an accuracy value 100% is exactly the same as the results of the previous selection, while SMART is only 42.8%. Asisten laboratorium di perguruan tinggi menjadi faktor utama dalam menentukan berjalannya praktikum di laboratorium. Sehingga perlu dilakukan seleksi untuk mendapatkan asisten dengan kompetensi yang baik. Seleksi asisten dilakukan dengan menilai empat aspek yaitu administrasi, kompetensi, microteaching, dan wawancara. Selama ini penilaian masih dilakukan secara manual, nilai kriteria masih memiliki kepentingan yang sama. Metode perhitungan yang juga belum optimal berdampak pada hasil dan waktu pengambilan keputusan yang lama. Sehingga dibutuhkan metode untuk mengatasi permasalahan tersebut. Pada penelitian ini metode perhitungan yang digunakan adalah Profile Matching dan SMART (Simple Multi Attribute Rating Technique). Berdasarkan penelitian yang dilakukan kedua metode bekerja dengan mengelompokan kriteria sesuai dengan tingkat kepentingannya. Terdapat 12 kriteria yang terbagi dalam empat aspek, dan data alternatif sebanyak 7 peserta diambil dari data peserta 2019. Hasil dari kedua metode adalah urutan ranking yang dibandingkan dengan hasil ranking pada seleksi 2019. Hasil dari penelitian ini menunjukan profile matching lebih baik karena memiliki nilai akurasi 100% sama persis dengan hasil seleksi sebelumnya, sedangkan SMART hanya 42,8%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|