Tesis Indah Purwandani

Tesis Indah Purwandani

• By Indah Purwandani;
• 220

Dosen adalah salah satu komponen esensial dalam suatu sistem pendidikan di Perguruan Tinggi. Untuk meningkatkan kualitas dosen salah satu usaha yang dapat dilakukan adalah dengan mengadakan evaluasi terhadap hasil kinerja dosen. Evaluasi kinerja dosen mempengaruhi proses pembelajaran di lingkungan pendidikan, kesalahan dalam mengevaluasi kinerja dosen salah satunya menyebabkan menurunya motivasi dosen dalam mengajar. Hal ini akan mempengaruhi proses pembelajaran secara keseluruhan.
Pada penelitian ini pendekatan Adaptive Neuro Fuzzy Inference System digunakan untuk mengolah IPKAD dan meningkatkan keakurasian penilaian kinerja dosen. Beberapa tipe fungsi keanggotaan diujicoba untuk melihat perbandingan akurasi penilaian yang dihasilkan. Pengujian dengan menggunakan tipe fungsi keanggotaan yang berbeda menghasilkan akurasi yang berbeda. Dalam penelitian ini menunjukan bahwa tipe fungsi keanggotaan segitiga (trimf) dan trapezium (trapmf) menghasilkan tingkat akurasi yang lebih tinggi dibandingkan dengan tipe fungsi keanggotaan Gaussian (gaussmf) dan lonceng (gbellmf).

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Arikunto, S. (1998). Prosedur Penelitian Edisi Revisi IV. Jakarta: Rineka Cipta

BSI. (2009). Panduan IPKAD. Jakarta: Bina Sarana Informatika.

Changjun Zhu, B. W. (2009). PSO-base RBF neural Network Model for Teaching Quality Evaluation. International Conference on Control, Automation and System Engineering, 47.

Changjun Zhu, L. (2009). Fuzzy Neural Network Moel and Its Application in Teaching Quality Evaluation. International Symposium on Intelligent Ubiquitous Computing and Education, 239.

Dikti. (2010). Pedoman Beban Kerja Dosen dan Evaluasi Pelaksanaan Tridharma Perguruan Tinggi. Jakarta: Dikti.

GE Dongyuan, Y. X. (2007). Application of Neural Network in Teaching Quality Evaluation of SCM Course. National H-Tech Research and Development Program of China, 638.

Goupeng, Z. (2006). Data Analysis With Fuzzy Inference System. In Computational Intelligence:Method and Application. Singapore: School of Computer Engineering, Nanyang Technological University.

Hongxia Jin, H. Y. (2008). Classroom Teaching Quality Evaluation Base on Neuro Fuzzy ID3 Algorithm. International Symposium on Computational Intelligence anda Design, 166.

Junaedi, A. (2010). Fuzzy Logic Untuk Deteksi Diabetes. 10.

Jyh-Shing Roger Jang, E. M. (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. North America: Prentice Hall.

Luthfi, E. T. (2007). Implementasi Adaptive Neuro Fuzzy Inference System Pada Prediksi Pembayaran Pinjaman Berdasar Analisis Rencana Pembiayaan Nasabah. Seminar Nasional Teknologi SNT.

Negoro, S. P. (2009). Penerapan Metode Neu Fuzzy Neuron Dalam Sistem Pendukung Keputusan Penilaian Kinerja Pegawai Pada PDAM Jombang.

Peng Dong, F. D. (2009). Evaluation for Teaching Quality Based on Fuzzy Neural network. International Workshop on Eucation Technology and Computer Science, 112.

Qi Yan-ming, W. C.-l. (2009). Evaluation of Classroom teaching quality ini universities base on artificial neural network. International Conference on Control, Automation an System Engineering, 513.

Rudianto. (2006). Akuntansi Manajemen Untuk Pengambilan Keputusan Manajemen. Jakarta: PT.Grasindo.

Setiawan, N. (2007). Penentuan Ukuran Sampel Memakai Rumus Slovin Krejcie-Morgan: Telaah Konsep Aplikasinya. fakultas Peternakan Universitas Padjajaran, 6.

Simamora, H. (2001). Manajemen Sumber Daya Manusia. Yogyakarta: YKBN.

Sri Kusumadewi, S. H. (2006). Fuzzy Multi Attribute Decision Making. Yogyakarta: Graha Ilmu.

Sri Kusumadewi, S. H. (2010). Neuro Fuzzy Integrasi sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.

Sugiyono. (2002). Metode Penelitian Bisnis. Bandung: CV. Alfabeta.

Sunarto. (2005). MSDM Strategik. Yogyakarta: Amus.

Suyanto. (2008). Soft Computing Membangun Mesin Ber-IQ Tinggi. Bandung: Informatika.

XiuHong Zhang, G. L. (2009). The Method of Evaluating Teacher's Teaching Work Base on AHP and Fuzzy Theory. International Workshop on Information Security and Application, 609.