KURNIADI, Dedy and Gernowo, Rahmat and Surarso, Bayu (2026) PENGEMBANGAN METODE HYBRID BWM-GRA-PROMETHEE UNTUK PEMERINGKATAN PERGURUAN TINGGI BERBASIS INDIKATOR METRIK PUBLIKASI ILMIAH. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text cover aja.pdf Download (330kB)
	Text Cover lengkap.pdf Restricted to Repository staff only Download (4MB)
	Text 4. BAB I Disertasi Dedy Kurniadi.pdf Download (208kB)
	Text 5. BAB II Disertasi Dedy Kurniadi.pdf Download (203kB)
	Text 6. BAB III Disertasi Dedy Kurniadi.pdf Restricted to Repository staff only Download (821kB)
	Text 7. BAB IV Disertasi Dedy Kurniadi.pdf Restricted to Repository staff only Download (2MB)
	Text 8. BAB V Disertasi Dedy Kurniadi.pdf Restricted to Repository staff only Download (151kB)
	Text Daftar Pustaka.pdf Download (157kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (261kB)

Abstract

Penelitian disertasi ini berangkat dari permasalahan mendasar pada pemeringkatan universitas berbasis indikator scientometric yang hingga saat ini masih banyak menggunakan model agregasi kompensatori. Pendekatan tersebut memungkinkan nilai ekstrem pada satu atau dua indikator mendominasi hasil evaluasi, sekaligus sangat rentan terhadap keberadaan outlier serta ketidakstabilan bobot kriteria yang bergantung pada karakteristik data. Untuk menjawab tantangan tersebut, disertasi ini mengembangkan dan menerapkan kerangka hibrid BWM–GRA–PROMETHEE (BGP) yang mengintegrasikan tiga pendekatan utama. Best–Worst Method (BWM) untuk menentukan bobot kriteria berdasarkan penilaian pakar sehingga terbebas dari distorsi statistik akibat distribusi data yang skewed. Grey Relational Analysis (GRA) sebagai mekanisme transformasi data yang mampu mereduksi pengaruh nilai ekstrem dan menyatukan skala indikator yang heterogen. PROMETHEE II sebagai metode pemeringkatan berbasis outranking non-kompensatori untuk membatasi dominasi indikator tertentu dan memastikan keseimbangan kinerja antar kriteria. Penerapan kerangka BGP pada seperangkat indikator scientometric menghasilkan pemeringkatan yang lebih stabil dan konsisten. Hasil pengujian menunjukkan bahwa struktur peringkat yang dihasilkan tetap terjaga meskipun terjadi variasi bobot kriteria maupun ambang batas preferensi, serta tidak mengalami distorsi signifikan pada skenario data yang terkontaminasi outlier. Analisis perbandingan juga menunjukkan bahwa pendekatan BGP memiliki tingkat ketahanan yang lebih tinggi dibandingkan metode ARAS, MABAC, dan TOPSIS, yang tercermin dari stabilitas peringkat dan kekonsistenan hasil evaluasi. Secara keseluruhan, disertasi ini memberikan kontribusi metodologis dengan menghadirkan kerangka evaluasi scientometric yang secara terpadu mampu mengatasi tiga kelemahan utama pemeringkatan konvensional, yaitu sensitivitas terhadap outlier, efek kompensatori antar kriteria, dan ketidakstabilan pembobotan berbasis data. Dengan demikian, kerangka BGP yang diusulkan menawarkan pendekatan pemeringkatan yang lebih kokoh secara teoretis dan lebih andal secara empiris, menghadirkan dasar evaluasi kinerja riset yang objektif dan transparan bagi peneliti, pimpinan perguruan tinggi, maupun perumus kebijakan.

This doctoral research is motivated by a fundamental problem in university ranking systems based on scientometric indicators, which predominantly rely on compensatory aggregation models. Such approaches allow extreme values in one or two indicators to dominate the overall evaluation, making the ranking results highly vulnerable to outliers and to instability in criterion weights that depend on data characteristics. To address these challenges, this dissertation develops and applies a hybrid BWM–GRA–PROMETHEE (BGP) framework that integrates three complementary methods. The Best–Worst Method (BWM) is employed to derive criterion weights based on expert judgment, thereby avoiding statistical distortions caused by skewed data distributions. Grey Relational Analysis (GRA) is used as a data transformation mechanism to reduce the influence of extreme values and to harmonize heterogeneous indicator scales. PROMETHEE II is applied as a non-compensatory outranking-based ranking method to limit the dominance of specific indicators and to ensure balanced performance across criteria. The application of the BGP framework to a set of scientometric indicators produces rankings that are more stable and consistent. Empirical results demonstrate that the resulting ranking structure remains robust under variations in criterion weights and preference thresholds, and does not exhibit significant distortion under outliercontaminated data scenarios. Comparative analysis further shows that the BGP approach exhibits higher robustness than ARAS, MABAC, and TOPSIS, as reflected in greater ranking stability and evaluation consistency. Overall, this dissertation contributes methodologically by proposing an integrated scientometric evaluation framework that effectively addresses three major limitations of conventional ranking approaches, namely sensitivity to outliers, compensatory effects among criteria, and instability of data-driven weighting schemes. Consequently, the proposed BGP framework offers a theoretically sound and empirically reliable ranking approach, providing an objective and transparent basis for research performance evaluation for scholars, university leaders, and policy makers.

Actions (login required)

View Item