PENERAPAN METODE PROFILE MATCHING DALAM REKOMENDASI KANDIDAT CALON DOKTOR UNTUK DOSEN (STUDI KASUS DI STMIK ROYAL KISARAN

Amin, Muhammad (2024) PENERAPAN METODE PROFILE MATCHING DALAM REKOMENDASI KANDIDAT CALON DOKTOR UNTUK DOSEN (STUDI KASUS DI STMIK ROYAL KISARAN. Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_221321031_MUHAMMAD AMIN_Abstrak.pdf Download (188kB)
	Text Tesis_221321031_MUHAMMAD AMIN_BAB I.pdf Download (213kB)
	Text Tesis_221321031_MUHAMMAD AMIN_Daftar Pustaka.pdf Download (902kB)
	Text Tesis_221321031_MUHAMMAD AMIN_Full Text.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kemajuan teknologi informasi dan ilmu pengetahuan telah menghadirkan kemudahan dalam menghasilkan informasi yang berkualitas, penggunaan teknologi informasi sudah memasuki segala bidang terutama bidang pengajaran pada perguruan tinggi dan membantu pengambilan keputusan yang bernilai. Penelitian ini berfokus pada STMIK Royal Kisaran yang mengalami kendala dalam meningkatkan jumlah dosen berpendidikan Doktor. Untuk mengatasi keterbatasan tersebut, penelitian ini mengeksplorasi penerapan Sistem Pendukung Keputusan (DSS) dengan menggunakan metode Profile Matching. Dosen pada pendidikan tinggi mempunyai peran penting dalam memberikan pendidikan, melakukan penelitian, dan memberikan kontribusi kepada masyarakat. Dalam upaya meningkatkan kualifikasi dosen, penelitian ini merancang Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching. Penelitian ini bertujuan untuk memberikan rekomendasi kandidat calon dosen untuk mengejar gelar Doktor dengan berlandaskan faktor kriteria seperti lama kerja, jabatan fungsional, nilai penelitian, nilai pengabdian, umur, dan nilai rekognisi. Data dari 46 dosen STMIK Royal Kisaran yang memenuhi kriteria digunakan untuk menguji validitas dan efektivitas Sistem Pendukung Keputusan (SPK). Melalui analisis terstruktur, menunjukkan bahwa Sistem Pendukung Keputusan menggunakan metode Profile Matching berhasil memberikan rekomendasi calon dosen yang layak direkomendasikan untuk melanjutkan studi ke jenjang Doktor. Kata Kunci : teknologi Informasi; sistem pendukung keputusan; pencocokan profil; kualifikasi dosen; pendidikan yang lebih tingg

Item Type:	Thesis (Masters)
Subjects:	0 Research > Ilmu Komputer 0 Research > Ilmu Komputer > Machine Learning
Divisions/ Fakultas/ Prodi:	Fakultas Ilmu Komputer > Magister Ilmu Komputer (S2)
Depositing User:	Ryan Ariadi A.Md
Date Deposited:	15 Jan 2025 02:47
Last Modified:	15 Jan 2025 02:47
URI:	http://repository.upiyptk.ac.id/id/eprint/12795

Actions (login required)

View Item