Kualitas Sumber daya manusia termasuk dosen merupakan salah satu faktor yang diperlukan untuk meningkatkan produktivitas kinerja suatu perguruan tinggi dalam mencapai visi melalui misi yang telah disebutkan. Oleh karena itu, diperlukan sumber daya manusia yang mempunyai kompetensi tinggi karena keahlian atau kompetensi yang dapat mendukung peningkatan prestasi kerja dosen. Kegiatan akademik yang melibatkan dosen, karyawan, dan mahasiswa dengan komposisi beban didasarkan pada ketentuan DIKTI yang interpretasikan ke dalam komponen Beban Kerja Dosen (BKD). Komposisi beban yang dimaksud merupakan Tri Dharma Perguruan Tinggi sebagai unsur utama, yaitu pendidikan, penelitian, dan pengabdian masyarakat, serta unsur tambahan, yaitu penunjang. Dosen sebagai salah satu knowledge worker dalam proses knowledge conversion menjadi objek penelitian mengenai pengelolaan beban-beban tersebut dalam melaksanakan kewajibannya.
Jurusan Matematika dan Teknologi Informasi (JMTI) Institut Teknologi Kalimantan (ITK) adalah salah satu jurusan yang di dalamnya terdapat enam program studi yaitu Matematika, Informatika, Sistem Informasi, Statistika, Aktuaria dan Bisnis Digital. Dalam rangka mencapai tujuan institut, JMTI memiliki visi menjadi pusat pengembangan matematika, pengolahan data, teknologi informasi, dan penerapannya untuk berperan aktif dalam pemberdayaan potensi daerah Kalimantan Timur pada tahun 2035. JMTI ITK memiliki 61 dosen yang berasal dari enam program studi. Dari data yang didapatkan masih sulit untuk menentukan apakah dosen sudah mempunyai beban kerja yang tinggi atau dosen masih memiliki beban kerja yang rendah, serta apakah terjadi pemerataan beban kerja tersebut untuk setiap dosen di program studi atau ada program studi tertentu yang beban kerja dosennya masih di bawah rata-rata.
Tujuan dari penelitian ini adalah untuk memetakan SDM dosen JMTI ITK berdasarkan jumlah SKS bidang pendidikan, penelitian, pengabdian masyarakat dan penunjang lainnya sehingga diperoleh informasi apakah terdapat kelebihan beban kerja dan belum meratanya bobot kerja yang mengindikasi bahwa masih dibutuhkannya tambahan SDM yang mumpuni untuk membantu proses pencapaian kinerja yang optimal. Metode yang digunakan pada penelitian adalah knowledge conversion 5C untuk mengubah data menjadi informasi dan knowledge conversion 4C untuk mengubah informasi menjadi knowledge. Proses konversi data menjadi informasi menggunakan metode knowledge conversion 5C yang terdiri dari Contextualized, Categorized, Corrected, dan Condensed. Proses konversi informasi menjadi knowledge menggunakan metode knowledge conversion 4C yang terdiri dari Comparison, Consequences, Connection, dan Conversation. Hasil konversi 5C-4C digunakan untuk mengidentifikasi informasi dan knowledge yang dapat berpengaruh terhadap beban kerja untuk dilakukan pemetaan SDM dosen di JMTI ITK.
Berikut adalah langkah analisis yang dibentuk menjadi diagaram alir.
Pada tahap pengumpulan data terdapat dua data yang akan dikumpulkan yakni tacit knowledge dan explicit knowledge. Tacit knowledge didapatkan dengan melakukan melakukan studi literatur terhadap pembobotan BKD. Explicit knowledge didapatkan dengan mencari data-data berupa SK maupun surat tugas dosen untuk selanjutnya diidentifikasi agar dapat dikonversi menjadi SKS.
Pada proses ini akan dilakukan proses pengolahan data explicit yang telah didapat yakni data-data terkait tugas dosen pada bidang pendidikan dan faktor penunjang untuk dikonversi menjadi informasi. Metode 5C terdiri dari contextualization, categorized, calculated, corrected, dan condensed.
Berikut jumlah dosen yang terdapat pada setiap cluster yang dibagi menjadi data Semester Genap 2021/2022 dan data Semester Ganjil 2022/2023.
Tabel 1. Final Partition Data Semester Genap 2021/2022
|
Number of |
Within |
Average |
Maximum |
Cluster1 |
6 |
14,138 |
1,44785 |
2,16088 |
Cluster2 |
42 |
258,806 |
2,42041 |
3,61391 |
Cluster3 |
3 |
12,438 |
2,02192 |
2,34004 |
Tabel 2. Final Partition Data Semester Genjil 2022/2023
|
Number of |
Within |
Average |
Maximum |
Cluster1 |
24 |
152,851 |
2,41594 |
4,22394 |
Cluster2 |
35 |
153,282 |
2,03620 |
3,25868 |
Cluster3 |
1 |
0,000 |
0,00000 |
0,00000 |
Cluster4 |
1 |
0,000 |
0,00000 |
0,00000 |
Pada proses terdiri dari tahap comparison, consequencess, connection, dan conversation. Setelah melakukan semua tahap pada metode 4C, diperoleh hasil pada tabel berikut.
Tabel 3. Jumlah Dosen dengan status BKD pada setiap Cluster
Jenis Data |
Jenis Cluster |
Jumlah |
||
Tidak Memenuhi BKD |
Memenuhi BKD |
Overload BKD |
||
Semester Genap 2021/2022 |
Cluster 1 |
6 |
- |
- |
Cluster 2 |
2 |
3 |
37 |
|
Cluster 3 |
- |
- |
3 |
|
Semester Ganjil 2022/2023 |
Cluster 1 |
4 |
8 |
12 |
Cluster 2 |
- |
- |
35 |
|
Cluster 3 |
- |
- |
1 |
|
Cluster 4 |
- |
- |
1 |
Berdasarkan analisis pemetaan yang telah dilakukan, diperoleh hasil bahwa penyebab utama clusterisasi adalah bobot data explisit BKD, setelah itu melihat variabel data explisit JMTI ITK. Diketahui bahwa sebagian besar dosen JMTI ITK memiliki status bobot BKD yang overload. Namun, terdapat 10% dosen perlu mendapatkan perhatian untuk meningkatkan bobot BKD penelitian, pengabdian masyarakat dan penunjangnya. Sedangkan bobot BKD pendidikan sudah terbagi secara merata.
Hasil penelitian ini dapat dijadikan sebagai bentuk evaluasi beban kinerja dosen di JMTI. Penelitian ini dapat dikembangkan lagi menjadi penelitian tahap lanjut dengan mencobakan metode klasifikasi Machine Learning sehingga nantinya dapat dibuat suatu system pengelolaan informasi yang mampu memberikan klasifikasi yang lebih cepat. Selain itu pengembangan system informasi untuk pengelolaan database BKD diperlukan seiring dengan meningkatnya jumlah dosen di ITK agar semua data dapat terintegrasi dengan baik.
Untuk membantu proses pencapaian kinerja yang optimal berdasarkan Beban Kinerja Dosen (BKD)