PENILAIAN KINERJA KARYAWAN BERDASARKAN KOMPETENSI MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP), RATING SCALE DAN ANALISIS HIRARCHY CLUSTER (Studi Kasus PG. Krebet Baru II Bululawang, Malang) Competency Based Employee’s Performance AppraisalWith Analytic Network Process (ANP), Rating Scale and Hierarchy Cluster Analysis (Case Study PG. Krebet Baru II Bululawang, Malang). Jazuliatuddiyanah1*, Arif Hidayat2, dan Shyntia Atica Putri2 Alumni Jurusan Teknologi Industri Pertanian-Fakultas Teknologi Pertanian-Universitas Brawijaya 2 Staf Pengajar Jurusan Teknologi Industri Pertanian-Fakultas Teknologi Pertanian-Universitas Brawijaya * Penulis Korespondensi: email
[email protected] 1
ABSTRAK PG. Krebet Baru II merupakan Badan Usaha Milik Negara (BUMN) yang bergerak di bidang agrobisnis yang menghasilkan gula pasir. Penilaian kinerja karyawan diperlukan untuk pengambilan keputusan dalam penghargaan karyawan. Tujuan dari penelitian ini adalah untuk mendapatkan bobot kinerja karyawan tiap kriteria berdasarkan job description dengan ANP, mengetahui hasil penilaian kinerja karyawan dengan rating scale, serta mengetahui hasil pengelompokkan karyawan dengan analisis hirarchy cluster. Analytic Network Process (ANP) merupakan metode yang mempertimbangkan keterkaitan antar kriteria dari subkriteria. Penilaian kinerja karyawan dengan rating scale. Analisis hirarchy cluster dilakukan untuk mengetahui performance kerja karyawan tidak tetap. Analisis kinerja karyawan tidak tetap pada PG. Krebet Baru II Bululawang menggunakan tiga kompetensi penilaian yaitu tanggung jawab, kerja sama, dan sikap disiplin. Analisis ini menghasilkan nilai variabel dan parameter terbobot pada setiap kriteria dan subkriteria penilaian. Kriteria yang secara berurutan dari bobot yang tertinggi hingga bobot terendah adalah sikap disiplin (0,692), tanggung jawab (0,246), dan kerjasama (0,062). Skor tertinggi 4,927, sedangkan skor terendah 2,959. Hasil cluster karyawan tidak tetap terbagai atas dua cluster, yaitu high performance dan low performance. Rentang nilai karyawan untuk high performace antara 4,927 sampai 3,673, sedangkan untuk low performance antara 3,672 sampai 2,959. Karyawan yang mempunyai nilai tertinggi adalah Ts yang merupakan karyawan borongan dengan skor 4,927 Kata Kunci : Analisis Hierarchy Cluster, Analytic Network Process (ANP), Penilaian Kinerja Karyawan ABSTRACT PG Krebet Baru II is a State-Owned Enterprises deals in agribusiness. It processes sugar cane into sugar. Employee performance appraisal is needed for decision making related to employee appreciation. This research is proposed to obtain the quality of each employee's performance based on job descriptions using The ANP method. Rating Scale is used to determine the results of performance appraisal. It is also used to determine the results of grouping employees by hierarchy cluster analysis. Analytic Network Process (ANP) is method to consider interrelations among criteria of the existing subcriteria. The employee performance appraisal rating scale. Furthermore, the cluster analysis hirarchy is held to classify employees according to the quality value. It will reveal the performance of all non permanent employees. Performance analysis of non permanent employees at PG. Krebet Baru II Bululawang uses three competency assessment, those are responsibility, cooperation, and discipline. It generates the variables value and quality parameters at each assessment’s criteria and subcriteria. Sequentially, the highest weight to the lowest of criteria are discipline (0,692), responsibility (0.246), and cooperation (0.062). Value of employee performance are obtained from the multiplication of the weight and value. The highest score was 4,927, while the lowest score was 2,959. The cluster results non permanent employees were divided into two clusters, namely high performance and low performance. The range of values for the high performance employees was between 4,927 to 3,673, while for low performance is between 3,672 to 2,959. Employees with the highest value was Ts, a contract employee with score of 4,927. Keywords : Analytic Network Process (ANP), Employee Performance Appraisal, Hierarchy Cluster Analysis
PENDAHULUAN Manajemen Sumber Daya Manusia (MSDM) merupakan salah satu kunci penting dalam perusahaan, sebagai pelaksana kegiatan serta pengambil keputusan perusahaan (Gomes, 2003). Menurut Griffin (2004) salah satu alasan penilaian kinerja diperlukan untuk mengukur dampak dari program pelatihan, serta untuk membantu dalam membuat keputusan mengenai kenaikan gaji, career plan dan pelatihan. PG. Krebet Baru II merupakan Badan Usaha Milik Negara (BUMN) yang bergerak di bidang agrobisnis berbasis tebu diolah menjadi gula pasir. Karyawan tidak tetap PG. Krebet Baru II terbagi menjadi tiga golongan. Pada stasiun gilingan terdiri dari 49 karyawan kampanye, 7 karyawan Perjanjian Kerja Waktu Tertentu lainnya (PKWT), dan 30 karyawan borongan. Peran karyawan di PG. Krebet Baru II sangat penting terutama bagian instalasi, termasuk stasiun gilingan karena bagian tersebut merupakan stasiun pertama yang digunakan untuk memisahkan ampas tebu dan nira Selama ini penilaian karyawan bagian stasiun gilingan cukup sederhana dan hanya sebatas penilaian menggunakan absensi manual berdasarkan kedatangan karyawan. Kriteria yang dipilih kurang rinci, kurang jelas spesifikasi dalam pekerjaan. Bobot semua kriteria dianggap sama. Penilaian kinerja karyawan yang diusulkan yaitu dengan menggunakan rating scale serta pengelompokkan karyawan berdasarkan kinerja dengan analisis hirarchy cluster. Konsep penilaian kinerja adalah menentukan kompetensi yang sesuai dengan kinerja karyawan, yang dapat mencerminkan kepribadian seseorang dan dapat memprediksi tingkah laku karyawan saat bekerja. Kriteria-kriteria kinerja karyawan tersebut akan dibobotkan dengan menggunakan metode Analytic Network Process untuk mengetahui kriteria yang paling berpengaruh pada karyawan bagian instalasi, stasiun gilingan. Metode Analytic Network Process penting digunakan di PG. Krebet Baru II Bululawang karena nantinya dapat mengetahui kinerja karyawan dari hasil
pembobotan. Setelah dilakukan pembobotan maka akan dilakukan penilaian kinerja karyawan dengan menggunakan rating scale yang kemudian dilakukan analisis hirarchy cluster yang berfungsi untuk mengelompokkan karyawan sesuai dengan nilai pembobotan, sehingga diketahui performance kerja dari seluruh karyawan tidak tetap stasiun gilingan. Menurut Pravitasari (2009), analisis cluster lebih menitikberatkan pada struktur dan metode pengelompokkan. Tujuan pokok dari analisis kelompok adalah untuk mengelompokkan objek pengamatan menjadi beberapa kelompok yang lebih sederhana berdasarkan tingkat kehomogenan objek pengamatan. METODE PENELITIAN Penelitian ini dilaksanakan di PG. Krebet Baru II yang terletak di Jalan Raya Krebet No. 10 Bululawang, Malang pada bulan Januari 2013 hingga Juni 2013. Pengolahan data dilakukan di Laboratorium Komputasi dan Analisis Sistem, Jurusan Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Universitas Brawijaya Malang. Metode untuk pengolahan dan analisis data dilakukan dengan menggunakan Analytic Network Process (ANP), rating scale, dan analisis hirarchy cluster. Analytic Network Process (ANP) terdiri dari tahap pemodelan, tahap pembobotan menghasilkan pembobotan ketertaitan antar cluster dan node, cluster matrix dan unweighted supermatrix, weighted supermatrix, limiting matrix, dan normalisasi limiting matrix. Rating scale yang digunakan skala 1 sampai 5. Analisis hirarchy cluster terdiri dari tahapan perumusan masalah, pemilihan ukuran jarak, pemiliohan prosedur cluster, penentuan jumlah cluster, interpretasi hasil cluster, dan validitas cluster. Batasan masalah dalam sebuah penelitian dibutuhkan agar permasalahan yang diteliti dapat lebih fokus dan tidak melebar. Batasan masalah pada penelitian ini antara lain jenis kriteria yang digunakan 10 kriteria meliputi. Karyawan yang dinilai
adalah karyawan tidak tetap bagian stasiun gilingan PG Krebet Baru II Bululawang. HASIL DAN PEMBAHASAN Gambaran Umum Perusahaan PG Krebet Baru berdiri sejak pemerintahan Hindia Belanda tahun 1906 dibeli oleh Oei Tiong Ham Concern. Pada tahun 1964, Departemen Keuangan Indonesia membentuk PT Perkembangan Ekonomi Nasional (PPEN) Rajawali Nusantara Indonesia yang disingkat PT Rajawali Nusantara Indonesia. PG Krebet Baru selanjutnya berada di bawah kepengurusan PT Rajawali Nusantara Indonesia. Tahun 1976 dibangun pabrik gula dengan nama PG Krebet Baru II untuk menggantikan pabrik gula yang lama Hal ini disebabkan oleh adanya perbaikan dan pergantian mesin-mesin yang sudah tua. 1. Analytic Network Process (ANP) Pemilihan kriteria kompetensi Analytic Network Process (ANP) menggunakan software Super Decions. Kriteria kompetensi yang digunakan adalah tanggung jawab (TJ), kerjasama (KS), dan sikap disiplin (SD), dengan 10 subkriteria meliputi : memenuhi target (TJ1), menjaga kelancaran (TJ2), menjaga kebersihan (TJ3), menjalankan mesin (TJ4), membantu perbaikan mesin (KS1), mengontrol merawat mesin (KS2), bekerja dengan orang lain (KS3), tingkat kehadiran (SD1), datang dan pulang tepat waktu (SD2), penyelesaian tugas tepat waktu (SD3). Dari beberapa kriteria dapat dibentuk Gambar metode jaringan penilaian kinerja berdasarkan kompetensi.
Gambar 1. Metode Jaringan Penilaian Kinerja Berdasarkan Kompetensi.
Terdapat keterkaitan node di dalam cluster kompetensi (inner dependence), selain itu juga terdapat keterkaitan antar kriteria (node comparison) yang menghubungkan antar cluster. Terdapatnya cluster comparison menyebabkan keterkaitan yang terjadi antar node di luar cluster kompetensi (outer dependence) seperti tanggung jawab dipengaruhi oleh sikap disiplin dan kerjasama. Tahap selanjutnya adalah pengisian kuesioner oleh mandor dan kepala seksi perusahaan. Menurut Endri (2009) perbandingan berpasangan digunakan untuk mendapatkan prioritas lokal dari elemen-elemen dalam satu cluster dilihat dari cluster induknya. Nilai pembobotan keterkaitan antar node dan cluster ini merupakan nilai rata-rata geometrik pendapat gabungan responden. Perbandingan berpasangan yang dilakukan oleh 2 responden ahli perlu dihitung ratarata geometrik untuk mendapatkan nilai pendapat gabungan. Menurut Sapto (2008), total bobot prioritas pada tiap kolom dan normalisasi limiting matrix akan sama dengan satu. Normalisasi limiting matrix didapatkan dengan cara membagi nilai limit matrix tiap kriteria dengan jumlah kriteria tersebut dalam satu cluster kompetensi, sehingga didapatkan total nilai satu cluster kompetensi sebesar satu. Hasil bobot akhir setiap kriteria kompetensi terdiri dari 3 cluster kompetensi dan 22 node kriteria kompetensi dengan menggunakan metode ANP dapat dilihat pada Tabel 1. Pada Tabel 1 menjelaskan bahwa bobot kelompok maupun kriteria kompetensi yang berbeda-beda. Kelompok kompetensi sikap disiplin (0,692) memiliki bobot kelompok kompetensi tertinggi yang meliputi tiga kriteria kompetensi. Penyelesaian tugas tepat waktu (0,341) merupakan kriteris kompetensi dengan bobot tertinggi diantara 10 kriteria kompetensi. PG Krebet Baru II Bululawang bagian stasiun gilingan merupakan karyawan produksi yang dituntut untuk menghasilkan target produksi 5.127 TCD, sehingga penyelesaian tugas tepat waktu diperlukan untuk menjaga terget tersebut. Tingkat kehadiran (0,275) merupakan kriteria kompetensi tertinggi kedua. PG Krebet Baru II Bululawang mempunyai sanksi
yang digunakan sebagai sarana untuk menegakkan disiplin kerja karyawan yang mengandung maksud pokok untuk membina dan mendidik. Karyawan yang melakukan pelanggaran atau kesalahan akan mendapatkan, surat teguran, Surat Peringatan I,II, III, pemberhentian untuk sementara waktu (skorsing), dan Pemutusan Hubungan Kerja (PHK). Datang dan pulang tepat waktu (0,076) merupakan kriteria kompetensi terendah dalam kelompok kompetensi sikap disiplin, karena perusahaan mengharapkan karyawan yang masuk tidak sekedar hanya absensi yang diinginkan tetapi bekerja tanpa secara serius dan efisien. Kelompok kriteria kompetensi tanggung jawab (0,246), terdiri dari kriteria kompetensi memenuhi target, menjaga kelancaran, menjaga kebersihan, dan menjalankan mesin. Memenuhi target (0,109) dan menjaga kelancaran (0,102) mempunyai bobot yang cukup tinggi karena stasiun gilingan merupakan bagian produksi yang merupakan stasiun awal memiliki peranan penting dalam memulai proses. Ketika terdapat permasalahan dalam stasiun gilingan maka proses produksi tidak akan berjalan, serta pemenuhan target diperlukan sebagai prioritas bagian produksi untuk menghasilkan output berupa gula pasir secara maksimal. Menjalankan mesin (0,023) tidak mempunyai bobot yang cukup tinggi karena mesin yang digunakan adalah semi otomastis. Menjaga kebersihan (0,012) merupakan kriteria kompetensi dengan nilai terendah pada kompetensi tanggung jawab, karena kondisi bersih tidak menjadikan perbedaan output yang signifikan. Bahan baku berupa tebu dimasukkan ke dalam mesin pencacah dari alat pengangkut melalui stasiun gilingan, sehingga stasiun ini cenderung kurang bersih. Kelompok kriteria kompetensi kerjasama terdiri dari membantu perbaikan mesin, mengontrol merawat mesin, dan bekerja dengan orang lain. Mengontrol merawat mesin (0,037) merupakan kriteria kompetensi terbesar daalam kelompok kompetensi kerjasama karena stasiun
gilingan merupakan stasiun yang urgent dan stasiun pertama yang menjadi acuan berjalannya proses produksi, maka kerjasama untuk mengontrol merawat mesin dibutuhkan agar segera terlaksana. Bekerja dengan orang lain (0,019) merupakan merupakan kriteria kompetensi yang mempunyai bobot yang termasuk rendah diantara 10 kriteria kompetensi, hal ini dikarenakan kegiatan pada stasiun gilingan dilakukan dengan mesin semi otomatis sehingga masalah bekerja dengan orang lain dilakukan dengan minimum. Membantu perbaikan mesin (0,006) merupakan kriteria kompetensi terendah dari 10 kriteria kompetensi yang ada. PG. Krebet Baru II Bululawang mempunyai tim khusus dalam perawatan mesin di luar dari karyawan tidak tetap. Tim tersebut mempunyai jadwal maintenance yang baik, meliputi preventive maintenance yang dilakukan luar masa giling, serta corrective maintenance yang dilakukan ketika dalam masa giling, biasanya setiap 2 minggu sekali. Tabel 1. Bobot Kriteria Kompetensi No KompetensiB Bobot Subkriteria Bobot 1 Tanggung 0,246 jawab TJ1 0,109 TJ2 0,102 TJ3 0,012 TJ4 0,023 2 Kerjasama 0,062 KS1 0,006 KS2 0,037 KS3 0,019 3 Sikap 0,692 SD1 Disiplin 0,275 SD2 0,076 SD3 0,341 Total 1 Sumber : Data Primer diolah (2013) 2. Rating Scale Bobot kompetensi dari setiap kriteria kompetensi yang telah didapat dari metode ANP diaplikasikan dalam penilalaian kinerja karyawan. Penilaian kinerja karyawan dilakukan oleh 2 orang responden ahli yaitu kepala seksi dan mandor stasiun gilingan. Karyawan tidak tetap yang dinilai sejumlah 86 orang yang terbagi atas
karyawan kampanye, karyawan Perjanjian Kerja Waktu Tertentu (PKWT), dan karyawan borongan. Masing-masing karyawan tidak tetap dinilai berdasarkan 10 kriteria berdasarkan kompetensi dengan skala penilaian rating scale 1 sampai 5, keterangan disajikan pada Tabel 3. Hasil nilai dari setiap kriteria yang didapat dikalikan dengan bobot tiap kriteria kemudian dijumlahkan untuk mendapatkan nilai total kompetensi. Tabel 3. Skala Penilaian Kinerja Skala Keterangan Penilaian 1 Sangat Jelek 2 Jelek 3 Sedang 4 Baik 5 Sangat Baik Sumber : Nurmianto (2006) Perhitungan penilaian kinerja adalah sebagai berikut (Nurmianto 2006): Skor = bobot x nilai keterangan: Skor : penilaian kriteria kinerja Bobot : nilai numerik dari perbandingan antar kriteria penilaian nilai : skala penilaian Hasil rata-rata penilaian karyawan tidak tetap tersebut dikalikan dengan bobot kriteria masing-masing sehingga didapatkan hasil penilaian kompetensi setelah dibobotkan. Dari hasil penilaian kompetensi tersebut dibutuhkan suatu pengelompokkan untuk menentukan performance karyawan tidak tetap dengan menggunakan metode hirarchy cluster. Jumlah karyawan yang digunakan dalam penelitian ini sejumlah 86 karyawan, sehingga kurang efektif apabila dilakukan peringkatan dan membutuhkan waktu yang lama. Hal ini yang mendasari dilakukan analisis cluster untuk memudahkan mengetahui performance karyawan dengan efisien dan efektif. 3. Analisis Hirarchy Cluster a. Perumusan Masalah Langkah awal yang dilakukan adalah penentuan variabel yang digunakan dalam
penelitian. Variabel yang digunakan berjumlah sepuluh. Dalam analisis cluster juga harus dilakukan penentuan skala pengukuran untuk masing-masing variabel. Proses pengelompokkan terlebih dahulu harus dilakukan standarisasi dengan menggunakan sofware SPSS. Selanjutnya akan diketahui hasil korelasi. Terdapat hubungan korelasi antar variabel sehingga perlu dilakukan analisis komponen utama. Variabel memenuhi target (TJ1), menjaga kelancaran (TJ2), menjaga kebersihan (TJ3), menjalankan mesin (TJ4), membantu perbaikan mesin (KS1), mengontrol perawatan mesin (KS2), bekerja dengan orang lain (KS3), tingkat kehadiran (SD1), datang dan pulang tepat waktu (SD2), penyelesaian tugas tepat waktu (SD3). Tabel 3. Korelasi Antar Variabel No
Variabel
Pearson Correlation 1 TJ1 dan TJ3 0.399 2 TJ1 dan SD1 0.487 3 TJ2 dan KS1 0.348 4 TJ2 dan KS3 0.469 5 TJ3 dan SD2 0.357 6 TJ3 dan SD3 0.454 7 KS2 dan KS3 0.285 8 KS3 dan SD1 0.342 9 TJ1 dan TJ2 0.501 10 TJ1 dan KS2 0.718 11 TJ1 dan SD3 0.647 12 TJ2 dan KS2 0.603 13 TJ2 dan SD1 0.595 14 TJ2 dan SD3 0.551 15 TJ3 dan KS1 0.587 16 TJ3 dan KS3 0.513 17 KS1 dan SD2 0.660 18 KS2 dan SD1 0.501 19 KS2 dan SD3 0.589 20 KS3 dan SD2 0.631 21 SD1 dan SD3 0.502 22 KS1 dan KS3 0.939 Sumber : Data Primer diolah (2013)
Korelasi Lemah Lemah Lemah Lemah Lemah Lemah Lemah Lemah Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Kuat
Kebebasan antar variabel mutlak diperlukan dalam perhitungan analisis cluster, dengan demikian perlu dilakukan analisis korelasi linier untuk memeriksa
kebebasan antar variabel. Analisis korelasi antar variabel disajikan pada Tabel 3. Berdasarkan Tabel 3 terlihat ada beberapa hubungan korelasi. Menurut Siagian (2006), nilai pearson correlation 0 berarti tidak ada hubungan korelasi, nilai 0-0,5 korelasi lemah, nilai 0,5-0,8 artinya korelasi sedang, nilai 0,8-1 artinya korelasi kuat, dan nilai 1 berarti korelasi sempurna. Pada Tabel 2 dapat diketahui ada beberapa hubungan korelasi kuat, korelasi sedang, dan korelasi lemah. Korelasi kuat yaitu hubungan antara membantu perbaikan mesin (KS1) dengan bekerja dengan orang lain (KS3) dengan nilai korelasi 0,939. Korelasi sedang terdapat 13 korelasi yang saling berhubungan antar variabel. Hasil korelasi sedang mempunyai nilai yang berdekatan yaitu antara 0,501 sampai 0,718. Korelasi lemah terdapat 8 korelasi yang berhubungan, dengan rentang nilai korelasi antara 0,285 sampai 0,487. b. Pemilihan Ukuran Jarak Syarat untuk melakukan analisis cluster yaitu variabel yang saling bebas. Sebelum melakukan analisis cluster maka digunakan analisis dengan menggunakan analisis komponen utama, sehingga memenuhi dua syarat untuk menentukan jarak Pearson, yaitu tidak terdapat korelasi dan memiliki satuan pengukuran yang sama. Menurut Santoso (2010), angka korelasi 0 berarti tidak terdapat hubungan sama sekali antara variabel yang satu dengan yang lainnya. Berdasarkan hasil variabel yang baru diperoleh matriks jarak, maka proses pengelompokan dapat dilakukan.
Hasil agglomeration schedule merupakan hasil proses pengelompokan dengan metode between group linkage atau average linkage. Sifat pengelompokkan agglomerative schedule adalah bottom up artinya setiap pengamatan dimulai dari clusternya masing-masing, sehingga pada awal analisis terdapat n cluster, di mana n=jumlah pengamatan, lalu setiap cluster dipasangkan sehingga menghasilkan jumlah cluster yang lebih sedikit. Pada agglomeration schedule muncul cluster 1 dan cluster 2 yang menunjukkan pasangan cluster awal (pengamatan) yang digabungkan, yang ditunjukkan dalam table cluster combined. Menurut Supranto (2010), kolom stage cluster first appear menunjukkan tahapan pada saat di mana suatu cluster pertama terbentuk. Contohnya pada stage ke-4 yang merupakan penggabungan pengamatan 20 dan 34, stage clusters first mengandung angka 1 pada cluster 1 artinya salah satu dari dua pengamatan tersebut pernah muncul sebelumnya pada stage 1 sebagai cluster 1. Kemudian pada kolom next stage muncul angka 27, artinya salah satu pengamatan yang ada di stage 4 akan muncul lagi di stage 27. Setiap stage menunjukkan penggabungan dua pengamatan yang memiliki kemiripan. Kemiripan ini ditunjukkan oleh nilai coefficient. Metode agglomerasi yang digunakan pada pengelompokkan karyawaan berdasarkan hasil penilaian kinerja berdasarkan kompetensi yaitu dengan menggunakan metode pautan rata-rata (average linkage) akan menghasilkan dendogram.
c. Pemilihan Prosedur Cluster Prosedur cluster yang digunakan adalah hirarki cluster. Metode hirarki dipilih karena cluster yang terbentuk alami, cakupannya luas, serta mempunyai banyak pilihan metode yang dapat digunakan. Metode yang digunakan dalam penelitian ini adalah agglomeration schedule dengan linkage methods. Linkage methods yang dipilih menggunakan pautan rata-rata (average linkage). Average linkage dipilih karena jarak yang digunakan adalah jarak rata-rata antar semua pasangan objek, tidak hanya jarak maksimum atau minimum.
d. Penentuan Jumlah Cluster Dendogram berguna untuk menunjukkan anggota cluster yang terbentuk. Pemotongan dendogram didasarkan pada jarak penggabungan terbesar. Dendogram dapat digunakan untuk menunjukkan kelompok-kelompok yang terbentuk. Hanya, pada dendogram bentuknya berupa garis-garis, agar lebih mudah memahami. Penentuan jumlah cluster dapat dilakukan berdasarkan hasil yang didapatkan pada dendogram maka tampak bahwa dari datadata yang dianalisis akan tergabung menjadi satu kelompok, dapat dilihat pada
Gambar 2. Selain itu, menentukan jumlah cluster yang terbentuk, yaitu dengan cara melihat nilai selisih coefficient terbesar. e. Interpretasi Hasil Cluster Berdasarkan Gambar 2, dapat diketahui pengelompokkan yang dihasilkan beserta perincian anggota kelompok yang menunjukkan anggota untuk masingmasing kelompok. Dapat diketahui bahwa dari anggota cluster I 19 karyawan tidak tetap, pada cluster II terdiri dari 67 karyawan tidak tetap.
analisis deskriptif. Berikut merupakan penjabaran anggota kelompok. 1. Anggota cluster I : Ts, Md, Yf, As, Gw, Dd, Mf, Af, Dy, Sy, Sh, Nr, Di, Ek, Aa, Ss, Sr, Kd. 2. Anggota cluster II: Hk, Rf, Pm, Sg, Mk, Mr, Sy, Mt, Ah, Sd, Rk, Al, Hr, Ad, Su, Nh, Sw, Tt, Ec, An, At, Bs, Da, Ay, Dr, Md, Sm, Mm, Ns, Bd, St, As, Mh, Hd, Am, Jf, Ar, Mk, St, Ak, Zl, Mn, So, St, Sw, Ws, Mb, Ep, At, Ap, Mn, Ma, Ek, As, Fd, Br, Ms, Sw, Sy, Wk, Hs, Am, Sa, Sq, Aw, Dp, Ak
Gambar 2. Dendogram Average Linkage C A S E Label Num Ns Mm St Ar Mk Hs Sa Dr Hr Su Ec Mb Zl As Ep Fd Ah Hd At As Ad Bd Tt Aw Am Ay Sm Mt An Ar Sy Sw Dp Sy Wk Sq Sw Ms Ws Mh Sw At Ek Br Jf Ma Da Pm Kd Mr Hk Sy St Sd Ap Bs Md Mn Nh Al Mn St Sg Am Rk Ak Mk Ss Aa Ts Yf Af Nk As Gw Dd Md Sy Nr Sh Di Mf Dy Ek Sr Rf
20 44 34 40 29 80 86 30 43 38 66 24 54 19 75 78 45 36 52 27 18 26 47 67 69 76 35 74 51 84 13 39 70 71 22 37 28 82 72 83 25 10 79 81 23 77 42 12 14 48 56 21 11 16 73 15 32 68 31 17 41 33 50 85 9 53 8 7 65 61 62 5 59 58 2 57 1 4 6 49 60 63 3 64 46 55
0 5 10 15 20 25 +---------+---------+---------+---------+---------+ ─┐ ─┼───┐ ─┘ ├───┐ ─────┘ ├─┐ ───┬───┐ │ │ ───┘ ├─┘ │ ───────┘ │ ─────┬─────┤ ─────┘ ├─┐ ─┬─────┐ │ │ ─┘ │ │ │ ─┬─┐ ├───┘ │ ─┘ ├─┐ │ ├─┐ ───┘ ├─┘ │ │ ─────┤ │ │ ─────┘ │ │ ─────────────┘ ├─┐ ───┬─┐ │ │ ───┘ │ │ │ ─────┼─────┐ │ │ ─────┘ ├───┘ │ ─────┬─────┘ ├─────┐ ─────┘ │ │ ───┬───┐ │ │ ───┘ ├─┐ │ │ ───────┘ ├─────┐ │ ├───┐ ─────────┘ ├─┘ │ │ ───────────────┘ │ │ ───┬───────────────┐ │ │ ───┘ │ │ │ ─────┬───┐ ├───┘ │ ─────┘ ├───┐ │ │ ─────┬───┘ │ │ ├───┐ ─────┘ ├─────┘ │ │ ───┬───┐ │ │ │ ───┘ ├─┐ │ │ │ ───────┘ ├───┘ │ │ ─────────┘ │ │ ─────┬───────┐ │ │ ─────┘ ├─────────────┘ │ ─────────────┘ │ ─────┬───┐ │ ─────┘ ├─────────┐ │ ─────────┘ ├───────────┤ ───────┬───┐ │ ├─┐ ───────┘ ├───────┘ │ │ ───────────┘ │ │ ───────┬───────┐ │ │ ───────┘ ├─────────┐ │ │ ─────┬───────┐ │ │ │ │ ─────┘ ├─┘ │ │ │ ─────────────┘ ├─────┘ │ ─────┬───┐ │ ├─┐ ─────┘ ├─────┐ │ │ │ ─────────┘ ├─────────┘ │ │ ───────────────┘ │ │ ───┬─┐ │ │ ───┘ ├─────┐ │ │ ─────┘ ├─┐ │ ├─┐ ───────┬───┘ ├─────────────┐ │ │ │ ───────┘ │ │ │ │ │ ─────────────┘ ├─────┘ │ │ ─────┬───────────┐ │ │ ├───────────┐ ─────┘ ├─────────┘ │ │ │ ─────────────────┘ │ │ │ ───────────────────────────────────┘ │ │ ─────────────────────────────────────┘ │ ───────────┬─────────┐ │ ───────────┘ │ │ ─┐ │ │ ─┤ │ │ ─┤ │ │ ─┼─┐ │ │ ─┤ │ │ │ ─┤ │ ├─────┐ │ ─┘ │ │ │ │ ───┼─┐ │ │ │ ───┤ │ │ │ │ ───┘ ├─────────┐ │ │ │ ─┬─┐ │ │ │ ├─────────────────────┘ ─┘ │ │ │ │ │ ───┼─┘ │ │ │ ───┘ ├─────┘ │ ───────────────┤ │ ───────────────┘ │ ───────────────────────────┘
Sumber : Data primer diolah (2013) Untuk melakukan identifikasi karakteristik setiap cluster dilakukan
Cluster I yaitu karyawan yang tergolong mempunyai disiplin tinggi dalam bekerja. Sikap disiplin juga mempunyai bobot tertinggi daripada tanggung jawab dan kerjasama. Karyawan tidak tetap PG. Krebet Baru II Bululawang berjumlah 86 orang. Cluster I terdiri dari 19 karyawan, yang terdiri dari 8 orang karyawan kampanye, 2 orang PKWT, dan 9 orang karyawan borongan. Cluster II terdiri dari 67 karyawan yang terdiri dari 41 karyawan kampanye, 5 orang karyawan PKWT, dan 21 orang karyawan borongan. Cluster II umumnya karyawan yang mempunyai tingkat sikap disiplin rendah, sehingga perusahaan perlu membuat suatu tindakan yang dapat meningkatkannya. Salah satu caranya adalah memberikan punistment apabila datang dan pulang tidak tepat waktu, serta akan diberlakukan absensi secara sidik jari, sehingga karyawan harus datang dan melakukan absensi sendiri. Karyawan tidak tetap pada cluster I mempunyai rentang nilai antara 4,927 sampai 3,673, sehingga karyawan yang berada pada cluster I merupakan karyawan high performance. Pada cluster II merupakan karyawan low performance mempunyai rentang nilai antara 3,672 sampai 2,959. f. Validitas Cluster Validitas sebagai langkah pengujian yang dilakukan terhadap hasil. Tujuannya untuk mengukur ketepatan yang digunakan dalam penelitian, serta agar data yang diperoleh bisa sesuai dengan tujuan
diadakanya pengelompokkan. Validitas cluster dapat dilakukan dengan menggunakan ukuran jarak dan metode yang berbeda dalam melakukan clustering. Metode yang digunakan adalah ward’s method dengan euclidean distance. Menurut Simamora (2005), metode yang terbaik dalam hirarki cluter adalah average linkage dan ward’s method. Selisih coeffisient terbesar terletak di antara stage 84 dan 85. Besarnya selisih coefficient adalah 33,259 sehingga berdasarkan pengelompokkan yang dihasilkan terdiri dari 2 cluster. Gambar 3. Dendogram Ward’s Method C A S E Label Num Ns Mm St Ar Tt St Ah Jf Ma Da Dr Hr Sw Sa Sg Am Nh Mn Md Al Mn Rk Sr Pm Mr Hk Sy Kd Ss Aa Ek Bd Hd As At Ad Mt Mk Hs Fd Su Ec Mb Zl As Ep St Sd Bs Wk Sq Ap Ms Sy Sw Sy Dp Ws Mh Sm Aw Am Ay An Ar Sw Ek Br At Ak Rf Mk Sy Nr Af Dd Nk Gw Md Ts Yf As Sh Mf Dy Di
20 44 34 40 47 33 45 23 77 42 30 43 25 86 50 85 31 68 32 17 41 9 46 12 48 56 21 14 7 65 64 26 36 27 52 18 74 29 80 78 38 66 24 54 19 75 11 16 15 22 37 73 82 13 39 71 70 72 83 35 67 69 76 51 84 28 79 81 10 53 55 8 4 6 5 57 59 2 1 61 62 58 49 63 3 60
0 5 10 15 20 25 +---------+---------+---------+---------+---------+ ─┐ ─┤ ─┤ ─┼─┐ ─┤ │ ─┤ │ ─┘ ├─┐ ─┐ │ │ ─┤ │ │ ─┼─┘ │ ─┤ │ ─┤ │ ─┤ │ ─┘ │ ─┬─┐ │ ─┘ │ │ ─┐ ├─┤ ─┼─┤ │ ─┘ │ │ ─┐ │ ├───┐ ─┼─┘ │ │ ─┤ │ │ ─┘ │ │ ─┐ │ │ ─┤ │ │ ─┤ │ │ ─┼───┤ │ ─┘ │ │ ─┬─┐ │ │ ─┘ ├─┘ │ ───┘ │ ─┐ │ ─┤ │ ─┤ │ ─┼─┐ ├───┐ ─┤ │ │ │ ─┘ │ │ │ ─┐ ├───┐ │ │ ─┼─┤ │ │ │ ─┘ │ │ │ │ ─┐ │ │ │ │ ─┤ │ │ │ │ ─┤ │ │ │ │ ─┼─┘ │ │ │ ─┤ │ │ │ ─┘ │ │ │ ─┐ │ │ │ ─┼─┐ │ │ │ ─┘ │ │ │ │ ─┐ │ ├─┘ │ ─┤ │ │ │ ─┼─┤ │ ├─────────┐ ─┘ │ │ │ │ ─┐ │ │ │ │ ─┤ │ │ │ │ ─┼─┼─┐ │ │ │ ─┘ │ │ │ │ │ ─┐ │ │ │ │ │ ─┤ │ │ │ │ │ ─┼─┤ │ │ │ │ ─┤ │ │ │ │ │ ─┤ │ ├─┘ │ ├─────────────────────────┐ ─┘ │ │ │ │ │ ─┐ │ │ │ │ │ ─┼─┘ │ │ │ │ ─┤ │ │ │ │ ─┤ │ │ │ │ ─┘ │ │ │ │ ─────┘ │ │ │ ─────────┬───┘ │ │ ─────────┘ │ │ ───────────────────────┘ │ ─┐ │ ─┤ │ ─┼─┐ │ ─┤ │ │ ─┤ │ │ ─┤ │ │ ─┘ ├─────────────────────────────────────────────┘ ─┐ │ ─┼─┤ ─┘ │ ─┐ │ ─┤ │ ─┼─┘ ─┘
Sumber : Data Primer diolah (2013 Berdasarakan dendogram yang disajikan dalam Gambar 3 dapat diketahui jumlah cluster yang terbentuk juga menunjukkan 2
cluster. Dapat diketahui bahwa dari anggota cluster I terdiri dari 14 karyawan tidak tetap, pada cluster II terdiri dari 72 karyawan tidak tetap. Untuk melakukan identifikasi karakteristik setiap cluster dilakukan analisis deskriptif. Berikut merupakan penjabaran anggota kelompok. 1. Anggota cluster I : Ts, Md, Yf, As, Gw, Dd, Mf, Af, Dy, Sy, Sh, Nr, Di 2. Anggota cluster II: Ek, Aa, Ss, Sr, Kd, Hk, Rf, Pm, Sg, Mk, Mr, Sy, Mt, Ah, Sd, Rk, Al, Hr, Ad, Su, Nh, Sw, Tt, Ec, An, At, Bs, Da, Ay, Dr, Md, Sm, Mm, Ns, Bd, St, As, Mh, Hd, Am, Jf, Ar, Mk, St, Ak, Zl, Mn, So, St, Sw, Ws, Mb, Ep, At, Ap, Mn, Ma, Ek, As, Fd, Br, Ms, Sw, Sy, Wk, Hs, Am, Sa, Sq, Aw, Dp, Ak. Hasil cluster dengan menggunakan ward’s method terbentuk 2 cluster, yang dilihat berdasarkan dendogram serta agglomeration schedule. Hasil pengelompokkan karyawan antara average linkage method mempunyai perbedaan dengan ward’s method karena perbedaan rumus dan pendekatan cluster yang digunakan. Hasil ward’s method, cluster I terdiri dari 14 karyawan yang meliputi 6 orang karyawan kampanye, 1 orang PKWT, dan 7 orang karyawan borongan. Cluster II terdiri dari 72 karyawan yang meliputi 43 karyawan kampanye, 6 orang karyawan PKWT, dan 23 orang karyawan borongan. Rentang nilai pada ward’s method mempunyai perbedaan dengan average linkage method, untuk cluster I mempunyai rentang nilai antara 4,927 sampai 4,308, sehingga karyawan yang berada pada cluster I merupakan karyawan high performance. Pada cluster II merupakan karyawan low performance mempunyai rentang nilai antara 4,307 sampai 2,958. Hasil ward’s method dan average linkage terdiri dari karyawan tidak tetap yang terdiri dari karyawan kampanye, PKWT, dan borongan. Karyawan yang memiliki nilai tertinggi adalah Ts yang merupakan karyawan borongan, sehingga PG. Krebet Baru II Bululawang seharusnya tidak
mengutamakan tingkatan karyawan sebagai patokan jenjang karir karyawan tidak tetap menjadi karyawan tetap. Terdapat 10 kriteria kompetensi yang menjadi dasar penilaian, dengan rentang nilai 5,000 sampai 3,673 untuk high performance dan 3,672 sampai 1,000 untuk low performance. Metode yang disarankan digunakan dalam menentukan cluster adalah average linkage, karena metode tersebut merupakan bagian dari linkage method dan menggunakan jarak rata-rata sebagai penentu cluster. Hasil dari analisis cluster dengan menggunakan average linkage dan ward’s method memberikan hasil pengelompokkan yang sama, yaitu terbentuk dua cluster, sehingga hasil tersebut menyatakan valid. Karyawan yang termasuk cluster I diharapkan mendapatkan reward yang dapat memberikan motivasi lebih kepada karyawan lainnya untuk dapat meningkatkan performance agar lebih baik lagi. Selama ini karyawan di PG Krebet Baru II Bululawang setelah masa giling mendapat insentif berupa gula pasir dengan cara (jumlah hari giling/30)x 8 kg. Karyawan yang termasuk cluster II merupakan karyawan yang mempunyai sikap disiplin yang cukup rendah, sehingga peraturan yang sudah tertulis dalam buku Perjanjian Kerja Bersama (PKB) PT. PG. Rajawali I unit PG Krebet Baru mengenai sikap disiplin hendaknya dilaksanakan dan dilakukan dengan tegas. Terdapat beberapa peringatan diantaranya surat teguran, Surat Peringatan I,II, III, pemberhentian untuk sementara waktu (skorsing), dan Pemutusan Hubungan Kerja (PHK). Surat teguran diberikan kepada karyawan apabila tidak masuk kerja 1 hari dalam satu bulan tanpa surat ijin, datang terlambat 2 hari dalam seminggu atau 4 hari dalam sebulan tanpa alasan yang wajar, memberikan tanda kehadiran orang lain, meninggalkan tempat kerja pada jam kerja tanpa ijin atau mengurangi efisiensi waktu kerja, menolak tugas dan bekerja sama menyelesaikan pekerjaan dengan teman atau atasan tanpa alasan yang jelas. Surat Peringatan I diberikan kepada karyawan yang telah mendapat teguran dalam
tenggang watu 6 bulan, serta melakukan perbuatan yang sama. Surat Peringatan II diberikan kepada karyawan yang tidak masuk kerja 3 hari dalam 1 bulan tanpa ijin resmi serta mengabaikan tugas pekerjannya, telah diberikan Surat Peringatan I dan dalam masa berlakunya Surat Peringatan I karyawan melakukan pelanggaran lagi. Surat Peringatan III diberikan kepada karyawan yang tidak masuk kerja selam 4 hari dalam satu bulan tanpa ijin resmi, telah diberi Surat Peringatan I atau Surat Peringatan II dan dalam masa berlakunya Surat Peringatan tersebut melakukan pelanggaran lagi. Skorsing diberikan kepada karyawan yang terlibat suatu pelanggaran berat (melakukan perbuatan asusila, meminum minuman keras dalam perusahaan, membawa gambar teknik atau dokumen yang menjadi rahasia perusahaan, keluar dari lingkungan perusahaan tanpa ijin) yang secara yuridis formal belum dibuktikan dan atau yang mendapatkan Surat Peringatan III. PHK diberikan kepada karyawan yang melakukan kejahatan, di dalam maupun di luar perusahaan dan sudah mempunyai kekuatan hukum. SIMPULAN Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa: 1. Analisis kinerja karyawan tidak tetap pada PG. Krebet Baru II Bululawang menggunakan tiga kompetensi penilaian yaitu tanggung jawab, kerja sama, dan sikap disiplin dengan menggunakan metode ANP. 2. Kriteria yang secara berurutan dari bobot yang tertinggi hingga bobot terendah adalah sikap disiplin (0,692), tanggung jawab (0,246), dan kerjasama (0,062). Perolehan bobot parameter, subkriteria yang mendapat tiga bobot tertinggi adalah penyelesaian tugas tepat waktu (0,341), tingkat kehadiran (0,275), memenuhi target (0,109). 3. Nilai kinerja karyawan didapatkan dari perkalian bobot dan nilai, skor tertinggi adalah 4,927, sedangkan skor terendah adalah 2,959. Hasil cluster karyawan tidak tetap terbagai atas dua cluster,
yaitu high performance dan low performance. Rentang nilai karyawan untuk high performace adalah antara 4,927 sampai 3,673, sedangkan untuk low performance adalah antara 3,672 sampai 2,959. Karyawan yang mempunyai nilai tertinggi adalah Ts yang merupakan karyawan borongan dengan skor 4,927.
Scorecard. Jurnal Teknik Industri, Vol 9 No 2: pp 138. Siagian, D. 2006. Metode Statistika untuk Bisnis dan Ekonomi. PT. Gramedia Pustaka Utama. Jakarta. Simamora, B. 2005. Analisis Multivariat Pemasaran. PT. Gramedia Pustaka Utama. Jakarta.
DAFTAR PUSTAKA Endri. 2009. Permasalahan Pengembangan Sukuk Korporasi di Indonesia Menggunakan Metode Analytic Network Process (ANP). Jurnal Keuangan dan Perbankan, Volume 13 No 3: 359-372. Gomes, F. 2003. Manajemen Sumber Daya Manusia. Penerbit Andi. Yogyakarta. Griffin, R. 2004. Management. Penerbit Erlangga. Jakarta. Nurmianto, E. Dan Siswanto, N. 2006. Perancangan Penilaian Kinerja Karyawan Berdasarkan Kompetensi Spencer dengan Metode Analytical Hierarchy Process (Studi Kasus di Sub Dinas Pengairan, Dinas Pekerjaan Umum, Kota Probolinggo). Jurnal Teknik Industri ITS. 8(1): 40-53. Pravitasari, A. A. 2009. Penentuan Banyak Kelompok dalam Fuzzy C-Means Cluster Berdasarkan Proporsi Eigen Value dari Matriks Similarity dan Indeks XB (Xie dan Beni). Prosiding ISBN: 978-979-16353-32. Universitas Padjajaran Bandung. 623-632. Santoso, S. 2010. Statistik Nonparametik. PT Elex Media Komputindo. Gramedia. Jakarta: 220. Sapto. 2008. Aplikasi Analytic Network Process pada Perancangan Sistem Pengukuran Kinerja dengan Menggunakan Metode Balanced
Supranto. 2010. Analisis Multivariat Arti dan Interpretasi. Jakarta: Rineka Cipta: 141-170.
