Dosen merupakan sumber daya utama setiap perguruan tinggi dengan peran mentransformasikan, mengembangkan, dan menyebarluaskan ilmu pengetahuan dan teknologi melalui pendidikan dan pengajaran, penelitian, dan pengabdian kepada masyarakat. Sebagai sumber pengetahuan organisasi, maka pengetahuan baik tacit dan explicit yang ada dalam diri dosen perlu dikelola. Selama ini terdapat beberapa penelitian terkait dengan identifikasi kepakaran, namun masih terdapat kelemahan pada tingkat akurasinya yang masih rendah khususnya teknik association rule. Penelitian ini bertujuan untuk mengidentifikasi kepakaran dosen yang ada di Fakultas Ilmu Komputer dengan teknik association rule dan pembobotan AHP. Bidang-bidang kepakarannya mengikuti taksonomi dari ACM CCS 2012 yang terdiri dari 13 bidang kepakaran. Hasil pemetaan menunjukan variasi jumlah bidang kepakaran setiap dosen, ada yang tiga bidang kepakaran, hingga semua bidang kepakaran. Selain itu, hasil evaluasi pemetaan kepakaraan dosen dengan teknik association rule dan pembobotan kriteria dengan AHP menghasilkan kinerja sebesar 92%. Kontribusi pembobotan kriteria AHP terlihat pada urutan bidang kepakaran bidang kepakaran seorang dosen. Jika tidak menggunakan AHP, bidang minat dosen yang termasuk dalam bidang kepakaran utamanya yaitu sebesar 72%, sedangkan jika menggunakan AHP meningkat menjadi 74%. Untuk penelitian selanjutnya, agar menggunakan acuan bidang kepakaran yang lebih lengkap untuk pemetaannya. Selain itu juga, agar menambahkan metode evaluasi konfirmasi hasil pemetaan dengan dosen yang bersangkutan.

---

Lecturers are the main resource of each University with the role of transforming, developing, and disseminating science and technology through education and teaching, research, and community service. As a source of organizational knowledge, both tacit and explicit knowledge present in lecturers needs to be managed. There have been several studies related to the identification of expertise, but there are still weaknesses in the level of accuracy, which is still low, especially the association rule technique. This study aims to identify the expertise of lecturers in the Faculty of Computer Science with the Association rule technique and AHP weighting. The expertise fields follow the taxonomy of CCS 2012, which consists of 13 expertise fields. The mapping results show variations in the number of expertise fields for each lecturer, there are three expertise fields, up to all expertise fields. In addition, the evaluation results of lecturer literacy mapping with association rule techniques and weighting criteria with AHP resulted in 92% performance. The contribution of AHP criteria weighting can be seen in the order of expertise in the field of expertise of a lecturer. If not using AHP, the area of interest of lecturers included in the field of expertise is 72%, whereas if using AHP increases to 74%. For further research, in order to use an up to date and complete expertise field reference for mapping. In addition, to add a method of evaluating the confirmation of mapping results with the lecturer concerned.