BAB II MAKALAH Makalah 1 :

BAB II MAKALAH

Makalah 1 :

Analisis penilaian kinerja karyawan menggunakan Fuzzy Linear Programming (FLP). Dipresentasikan dalam Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA 2013 yang diselenggarakan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam UNY pada tanggal 18 Mei 2013. Termuat dalam prosiding ISBN. 978-979-968880-7-1.

Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013

MANALISIS PENILAIAN KINERJA KARYAWAN MENGGUNAKAN FUZZY LINEAR PROGRAMMING (FLP) Astuti Irma Suryani1), Lilik Linawati2) dan Hanna A. Parhusip2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika [email protected] 1)[email protected] 2) [email protected] 2) Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52 – 60 Salatiga 50711

Abstrak Penilaian kinerja karyawan merupakan satu hal yang dilakukan secara periodik dalam suatu perusahaan atau institusi. Penilaian kinerja karyawan diukur dengan memperhatikan beberapa aspek seperti disiplin kerja, perilaku kerja, kepribadian, kepemimpinan atau kemampuan lainnya yang masingmasing dinyatakan sebagai baik, cukup, kurang atau buruk terhadap kinerja seorang karyawan. Nilai-nilai tersebut belum memberikan pengukuran dan gambaran yang jelas tentang kinerja/kemampuan karyawan secara utuh. Penilaian kinerja bertujuan untuk mengevaluasi pelaksanaan kerja individu dan memberikan basis bagi keputusan-keputusan yang dapat mempengaruhi gaji, promosi, pemberhentian, pelatihan, mutasi (pemindahan), dan kondisikondisi kepegawaian lainnya. Dalam makalah ini akan dikaji hasil penilaian kinerja karyawan untuk menentukan posisi yang sesuai dengan kinerja/kemampuan yang dituntut pada bagian/divisi tertentu. Hasil penilaian dianalisis menggunakan metode FLP untuk mencari solusi pengukuran kinerja karyawan berdasarkan suatu benchmark. Benchmark disusun berdasarkan kumpulan aspek kompetensi yang disyaratkan oleh bagian/divisi tertentu, dalam hal ini bagian front office atau back office. Untuk masingmasing bagian ditetapkan tiga benchmark yang memuat sepuluh aspek kompetensi yang dinilai, setiap aspek terdiri dari lima level penilaian. Solusi model FLP memberikan suatu nilai optimum level-level pada tiap aspek, sehingga dapat dihitung nilai untuk setiap benchmarknya. Mengacu pada benchmark ini maka seorang karyawan dapat ditentukan lebih sesuai pada posisi/bagian yang mana. Kata Kunci : Kinerja, Benchmark, Fuzzy Linear Programming.

PENDAHULUAN Penilaian kinerja merupakan cara untuk melakukan pembinaan dan pengembangan karyawan baik dalam hal kemampuan, karakter atau perilaku. Penilaian dilakukan untuk mendapatkan bahan-bahan pertimbangan yang didasarkan pada data atau pengamatan yang cermat dan obyektif. Hasil penilaian yang diharapkan ini dapat diperoleh melalui proses penilaian kinerja berdasarkan pada standar-standar yang ditentukan oleh lembaga dimana mereka bekerja. Pada umumnya hasil penilaian M-15

Astuti, Lilik, dan Hanna / Analisis Penilaian Kinerja

ISBN. 978-979-968880-7-1

dinyatakan sebagai baik, cukup, kurang atau buruk terhadap aspek-aspek yang dinilai pada seorang karyawan. Nilai tersebut belum memberikan pengukuran dan gambaran yang jelas tentang kinerja/kemampuan karyawan secara utuh. Oleh karena itu, perlu suatu cara atau metode analisis untuk menyatakan penilaian secara tegas atau kuantitatif dan memberikan gambaran secara utuh tentang kinerja seseorang. Kemampuan dan keterampilan seseorang dapat berkembang jika dia bekerja pada lingkungan/bagian tertentu. Penilaian terhadap aspek-aspek yang ditentukan, diharapkan dapat digunakan untuk menentukan bahwa seorang karyawan sesuai pada bagian/divisi tertentu. Dalam penelitian ini, FLP digunakan untuk menganalisis penilaian terhadap aspek-aspek kinerja agar dapat digunakan untuk menentukan posisi yang sesuai bagi seorang karyawan, yaitu dibagian front office (FO) atau back office (BO). Karyawan yang bertugas dan berinteraksi langsung dengan pelanggan adalah bagian FO, sementara karyawan yang pekerjaannya tidak berinteraksi langsung dengan pelanggan atau bertugas dibagian administrasi adalah bagian BO. Sehingga, kemampuan kinerja karyawan yang diperlukan untuk dua jenis karyawan ini bervariasi secara signifikan. Penelitian mengenai penilaian kinerja karyawan menggunakan FLP sudah pernah dilakukan oleh Aminoto yaitu sistem penilaian kinerja karyawan untuk kenaikan jabatan yang kemudian diimplementasikan menggunakan pemrograman Pascal [5]. Penelitian senada juga dilakukan oleh Widodo yaitu penyempurnaan sistem penilaian prestasi kerja PNS berdasarkan analisis SWOT [6]. FUZZY LINEAR PROGRAMMING (FLP) FLP adalah program linear yang diterapkan dalam lingkungan fuzzy, dimana akan dicari nilai dari fungsi objektif yang akan dioptimalkan sedemikian sehingga tunduk pada kendala-kendala yang dimodelkan menggunakan himpunan fuzzy. Dalam model FLP ini fungsi objektif dan pertidaksamaan kendala memiliki parameter fuzzy. Program linear adalah suatu metode yang digunakan untuk mencari hasil optimal (maks/min) fungsi objektif yang memenuhi beberapa kendala dalam bentuk persamaan atau pertidaksamaan linier,yang direpresentasikan dengan model berikut [2] : Kasus minimisasi, menentukan sedemikian sehingga : Min : Kendala :

Kasus maksimisasi, menentukan

sedemikian sehingga :

(1)

Maks : Kendala :

keterangan: vektor variabel keputusan; vektor koefisien fungsi tujuan matriks koefisien fungsi kendala; vektor nilai sebelah kanan pada kendala; Model program linear (1) dalam FLP, menjadi sebagai berikut : Kasus minimisasi, menentukan sedemikian sehingga : Min : Kendala :

Kasus maksimisasi, menentukan

sedemikian sehingga : Maks : Kendala :

M-16

(2)


Tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya kurang dari atau sama dengan dan tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya lebih dari atau sama dengan [2]. Persamaan (2) adalah bentuk umum dari FLP dengan nilai ruas kanan yang bernilai fuzzy. Tiap-tiap kendala akan direpresentasikan dengan sebuah himpunan fuzzy, dengan . Fungsi keanggotaan untuk model fungsi keanggotaan pada himpunan ke- adalah keputusan himpunan fuzzy dapat dinyatakan sebagai: = min{ } (3) Tentu saja diharapkan akan didapat solusi terbaik, yaitu solusi dengan nilai keanggotaan yang paling besar. Dengan demikian solusi sebenarnya adalah : = max min{ } (4) max jika kendala ke- benar-benar dilanggar. Dari sini terlihat bahwa Sebaliknya, jika kendala ke- benar-benar dipatuhi. Nilai akan turun secara monoton pada selang [0,1], yaitu: (5)

1

0 Gambar 1 Fungsi Keanggotaan

(6)

dengan adalah toleransi interval yang diperbolehkan untuk melakukan pelanggaran baik pada fungi obyektif maupun kendala. Dengan mensubstitusikan (6) ke (4) akan diperoleh: max

= max min{

}

(7)

Dari Gambar 1, terlihat bahwa semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil. Sehingga untuk mencari nilai dapat dihitung sebagai , dengan = ruas kanan kendala ke- . Selanjutnya diperoleh bentuk FLP baru sebagai berikut [1] :

M-17


Maksimumkan: Dengan kendala:

λ λ

ISBN. 978-979-968880-7-1

(8) +

FUZZY LINEAR PROGRAMMING PADA PENILAIAN KINERJA Penilaian kinerja adalah proses mengevaluasi pelaksanaan kerja individu. Salah satu dampak penilaian kinerja adalah mutasi (pemindahan). Pemindahan pada umumnya dimaksudkan menempatkan pada posisi yang paling tepat, dengan maksud agar karyawan yang bersangkutan memberikan kontribusi kemampuan yang optimal dan dapat menunjukkan prestasi yang lebih tinggi lagi [3]. Aspek-aspek penilaian yang disyaratkan umumnya berbeda antara FO dan BO, misalnya aspek kompetensi yang dibutuhkan oleh FO yaitu kedisiplinan, kejujuran, kecakapan/keterampilan, sedangkan aspek kompetensi yang dibutuhkan karyawan yang bekerja di BO dituntut memiliki kompetensi antara lain kedisiplinan, kecakapan/keterampilan, kemandirian, kreativitas, kerja sama dll [4]. Penilaian kinerja seorang karyawan dilakukan terhadap beberapa aspek kompetensi yang disyaratkan pada bagian/divisi tertentu. Kumpulan aspek kompetensi ini digunakan sebagai basis untuk penilaian yang dikenal dengan nama benchmark. Benchmark ini terdiri dari aspek-aspek kompensasi yang menjadi pertimbangan dalam penilaian, aspek kompensasi ini bervariasi pada FO maupun BO. Masing-masing aspek terdiri dari tingkat (level) penilaian yaitu nilai level terendah sampai nilai level tertinggi, dengan menetapkan batas bawah untuk jumlah level terendah dan batas atas untuk jumlah level tertinggi. Selanjutnya, perlu ditetapkan batas bawah selisih antar level dalam setiap aspek yang dinilai [2]. Dengan memperhatikan beberapa hal tersebut, maka dapat dirumuskan kendala-kendala sebagai berikut : Tentukan : Kendala : (9) ; ;

;

;

Dengan : : Aspek ke dengan nilai level ke ; : Kendala benchmark ke- ; : Level terendah dalam aspek ke- ; : Level tertinggi dalam suatu aspek; : Kendala jumlah nilai level terendah; : Kendala jumlah nilai level tertinggi; : Kendala selisih nilai antara satu level dengan level sebelumnya. Fungsi kendala dan fungsi objektif yang diwakili oleh fungsi keanggotaan pada (5) yang menunjukkan batas bawah dan batas atas . Disamping itu, dengan mempertimbangkan pertidaksamaan fuzzy serta menggunakan operator pada rumus (8) maka kendala benchmark dapat ditulis sebagai : (10)

M-18


Dengan memperhatikan rumus (9) dan (10), maka mengacu pada rumus (8), disusun model FLP untuk penilaian kinerja berikut ini [2] : Max

dengan kendala : (11) ; ; ; ;

Nilai yang diperoleh dari model (11) merupakan nilai benchmark maksimum yang dapat digunakan untuk menentukan nilai setiap aspek pada setiap level, yang kemudian menentukan nilai benchmark. Selanjutnya, dihitung nilai standar untuk masingmasing bagian/divisi yaitu pada FO atau BO. METODE PENELITIAN Tahap1 : Data yang digunakan adalah data penilaian kinerja karyawan oleh Biro HRD suatu institusi pendidikan di Salatiga. Tahap 2 : Membuat benchmark penilaian berdasarkan Tabel 1 dan Tabel 2. Tahap 3 : Menyusun model FLP menggunakan model (11) Tahap 4 : Menyelesaikan model FLP menggunakan Solver Tahap 5 : Hasil pada tahap 4 dinterpretasikan pada penilaian kinerja karyawan. PENERAPAN FUZZY LINEAR PROGRAMMING PADA PENILAIAN KINERJA Dalam penelitian ini, FLP diterapkan untuk menganalisis penilaian kinerja karyawan untuk penentuan posisi yang tepat bagi seorang karyawan suatu institusi pendidikan di Salatiga. Biro HRD institusi ini ingin menentukan/menilai karyawan mana yang sesuai menempati posisi FO atau BO. Penilaian didasarkan pada 10 aspek kompetensi seperti tersaji pada Tabel 1. Nilai setiap aspek dinyatakan sebagai salah satu dari 5 level penilaian pada Tabel 2. Tabel 1 Aspek Kompetensi yang Dinilai No. 1 2 3 4 5

Aspek Disiplin terhadap jam kerja Menyelesaikan pekerjaan secara mandiri Ucapan dan tindakan dapat dipercaya Ramah dan sopan dalam pelayanan Menunjukkan keterampilan dan pengetahuan

No. 6 7 8 9 10

Aspek Peduli terhadap kesulitan orang lain Terbuka terhadap pendapat dan saran Bersedia bekerja ekstra (lembur) Mampu bekerjasama dengan rekan kerja Memberikan ide dan solusi untuk perbaikan

Tabel 2 Level Penilaian Pada Aspek Kompetensi Level Ke1 2 3 4 5

Tingkat Pencapaian Tidak Setuju Kurang Setuju Cukup Setuju Sangat Setuju

Keterangan Kinerja sangat buruk, tidak dapat diperbaiki Kinerja buruk, namun masih dapat diperbaiki Kinerja cukup, memenuhi persyaratan dasar Kinerja bagus, lebih dari yang diharapkan Kinerja sangat bagus, selalu lebih dari yang diharapkan

M-19


ISBN. 978-979-968880-7-1

Untuk memodelkan FLP dimisalkan adalah aspek ke dengan nilai level ke dengan dan . Ditetapkan benchmark penilaian ( ) dalam 3 peringkat yaitu :

dimana adalah benchmark penilaian peringkat tertinggi. Toleransi yang ditetapkan untuk setiap benchmark dapat dilihat pada Tabel 3. Tabel 3 Toleransi yang Ditetapkan pada 3 Benchmark Benchmark ke1 2 3

Toleransi Nilai Tegas (

)

200 170 140

atas

bawah 20 20 20

Batas bawah

atas 15 10 5

220 190 160

185 160 135

Jumlah nilai level terendah memiliki batasan lebih besar atau sama dengan 100 =100) dan jumlah nilai level tertinggi ditetapkan memiliki batasan lebih kecil atau sama dengan 300 ( =300). Nilai selisih minimum antar satu level dengan level sebelumnya

adalah 2. Permasalahan ini dapat dimodelkan sebagai berikut : yang memaksimumkan Akan dicari dengan kendala :

; ; ; ; ; ; ; ; ;

; ; ; ; ; ; ; ; ; ;

;

Model diatas diselesaikan menggunakan aplikasi Solver pada Ms.Excel 2007 dan didapat nilai , nilai-nilai setiap level pada setiap aspek seperti pada Tabel 4.

M-20


Tabel 4 Nilai Level pada Setiap Aspek Aspek

1 100 0 0 0 0 0 0 0 0 0

1 2 3 4 5 6 7 8 9 10

Level 3 104 4 4 4 4 4 4 4 4 4

2 102 2 2 2 2 2 2 2 2 2

4 106 6 6 6 6 6 6 6 6 6

5 108 8 8 8 8 8 8 8 8 8

, berarti hasil penilaian yang diperoleh FLP sempurna terhadap Nilai nilai benchmark yang ditetapkan, sehingga standar nilai yang baru setiap benchmark dapat dilihat pada Tabel 5. Tabel 5 Standar Nilai Benchmark yang Baru Benchmark ke1 2 3

Skor 180 162 144

Seorang karyawan yang sesuai untuk ditempatkan pada bagian FO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut : Disiplin terhadap jam kerja ( ; Menyelesaikan pekerjaan secara mandiri ( ); Ucapan dan tindakan dapat dipercaya ( ); Ramah dan sopan dalam pelayanan pelayanan ( ; Menunjukkan keterampilan dan pengetahuan ( ); Peduli terhadap kesulitan orang lain ( ); Terbuka terhadap pendapat dan saran ( ); Bersedia bekerja ekstra (lembur) ( ); Mampu bekerja sama dengan rekan kerja ( ); Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan front office untuk semua aspek adalah = + + + 164.

+

+

+

+

+

+

= 108 + 4 + 8 + 8 + 8 + 8 + 8+ 4 + 4 + 4 =

Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum untuk karyawan FO dengan benchmark ke-1 adalah = . Jadi, seorang karyawan pada FO harus memiliki nilai kinerja diatas . Selanjutnya, seorang karyawan yang sesuai untuk ditempatkan pada bagian BO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut :Disiplin terhadap jam ; Menyelesaikan pekerjaan secara mandiri ( ); Ucapan dan tindakan dapat kerja dipercaya ( ); Ramah dan sopan dalam pelayanan pelayanan ( ; Menunjukkan keterampilan dan pengetahuan ( ); Peduli terhadap kesulitan orang lain ( ); Terbuka terhadap pendapat dan saran ( ); Bersedia bekerja ekstra (lembur) ( ); Mampu bekerja sama dengan rekan kerja ( ); Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan BO untuk semua aspek adalah = + + + 8 + 8 = 168.

+

+

+

+

+

+

+

= 108 + 8 + 8 + 4 + 8 + 4 + 4 + 8

Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum karyawan BO dengan benchmark ke-1 adalah = . Jadi, seorang karyawan pada BO harus memiliki nilai kinerja diatas . Pada Tabel 6 disajikan skor minimum sebagai syarat penilaian dibagian FO dan BO untuk masing-masing benchmark.

M-21


ISBN. 978-979-968880-7-1

Tabel 6 Syarat FO dan BO Setiap Benchmark Benchmark ke1 2 3

Front Office Nilai 164 154 134

Skor 91,11 95.06 93.05

Back Office Nilai Skor 168 93,33 156 96,29 138 95,83

Sebagai contoh penerapan, diambil penilaian kinerja karyawan “Y” yaitu 5,4,3,3,4,3,3,3,4,4, dan akan digunakan benchmark-1. Hasil penilaian kinerja karyawan tersebut untuk semua aspek adalah 152. Skor penilaian untuk persyaratan FO adalah dan skor penilaian untuk persyaratan BO adalah .

Karena nilai skor yang diperoleh lebih besar dari syarat minimum bagi FO dan lebih kecil dari syarat minimum BO, maka disimpulkan bahwa karyawan “Y” lebih tepat menduduki posisi di FO. KESIMPULAN Berdasarkan kajian diatas maka FLP dapat digunakan sebagai alat analisis untuk menentukan nilai minimum berdasarkan benchmark yang ditetapkan dalam penilaian kinerja karyawan, untuk kemudian dapat ditentukan posisi kerja yang sesuai bagi seorang karyawan.

DAFTAR PUSTAKA [1]. Klir George J, dan Yuan Bo. 1995. Fuzzy Sets and Fuzzy Logic Theory and Applications. USA: Prentice-Hall International,Inc [2]. Kusumadewi, Sri, dan Purnomo, Hari. 2004. Aplikasi Logika Fuzzy untuk pendukungkeputusan. Yogyakarta: Penerbit Graha Ilmu. [3]. Martoyo Susilo S.E., Kolonel Kal.(Purn.), 2000. Manajemen Sumber Daya Manusia Edisi 4. Yogyakarta: BPFE-Yogyakarta. [4]. Wirawan. 2009. Evaluasi Kinerja Sumber Daya Manusia Teori, Aplikasi, dan Penelitian. Jakarta: Salemba Empat. [5]. Web 1 : Jurnal Evaluasi Kinerja Karyawan Menggunakan Metode Fuzzy Linear Programming oleh Toto Aminoto http://www.geocities.ws/gatot_prabantoro/kinerja_dg_fuzzy.pdf Diakses tanggal 20 Oktober 2012 [6]. Web 2 : Jurnal Evaluasi Terhadap Sistem Penilaian Prestasi Kerja Menurut Sistem DP3 oleh Tri Widodo W Utomo http://www.geocities.ws/mas_tri/SistemDP3.pdf Diakses tanggal 24 Januari 2013

M-22

Makalah 2 :

Fuzzy Linear Programming (FLP) dengan fungsi keanggotaan kurva-S untuk penilaian kinerja karyawan. Dipresentasikan dalam Seminar Nasional Sains dan Pendidikan Sains VIII 2013 yang diselenggarakan oleh Fakultas Sains dan Matematika UKSW 15 Juni 2013. Termuat dalam prosiding ISSN 2087-0922 Vol.4 No.1 Tahun 2013.

PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW

FUZZY LINEAR PROGRAMMING DENGAN FUNGSI KEANGGOTAAN KURVA-S UNTUK PENILAIAN KINERJA KARYAWAN Astuti Irma Suryani1), Lilik Linawati2) dan Hanna A. Parhusip2) 1) Mahasiswa Program Studi Matematika FSM UKSW 2) Dosen Pembimbing Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52 – 60 Salatiga 50711 [email protected] 1)[email protected])[email protected] 2) ABSTRAK Analisis penilaian kinerja karyawan terhadap aspek-aspek kompetensi untuk menentukan posisi yang sesuai dengan kemampuan seorang karyawan pada bagian/divisi tertentu, menggunakan fuzzy linear programming (FLP) telah dibahas berdasarkan fungsi keanggotaan fuzzy berbentuk bahu/linear. Hasil yang diperoleh dari model FLP yaitu yang menjelaskan bahwa hasil penilaian yang diperoleh FLP sempurna terhadap nilai benchmark yang ditetapkan [4]. Dalam makalah ini, data yang sama akan dianalisis menggunakan fungsi keanggotaan nonlinear yaitu fungsi kurva-S, dengan parameter yang berbeda untuk mengetahui fungsi keanggotaan mana yang paling cocok dalam model FLP. Dalam hal ini, solusi model yang diperoleh menggunakan fungsi keanggotaan kurva-S yaitu nilai . Dengan demikian, dapat disimpulkan bahwa model FLP untuk penilaian kinerja karyawan menggunakan fungsi keanggotaan bentuk bahu/ linear lebih baik dibandingkan jika menggunakan fungsi keanggotaan kurva-S. Kata Kunci : Penilaian Kinerja, Kurva-S, Fuzzy Linear Programming (FLP).

PENDAHULUAN Fuzzy Linear Programming (FLP) telah banyak diterapkan untuk menyelesaikan berbagai jenis masalah salah satunya untuk penilaian kinerja karyawan, seperti analisis penilaian kinerja karyawan untuk penentuan posisi yang sesuai bagi seorang karyawan berdasarkan benchmark yang ditentukan, dengan menggunakan fungsi keanggotaan bentuk bahu/linear [4]. Benchmark ini terdiri dari beberapa aspek kompetensi yang disyaratkan pada bagian/divisi tertentu, dalam hal ini bagian front office dan back office. Untuk masing-masing bagian ditetapkan tiga benchmark yang memuat sepuluh aspek kompetensi yang dinilai, setiap aspek terdiri dari lima level penilaian. Solusi model FLP memberikan suatu nilai optimum level-level pada tiap aspek, sehingga dapat dihitung nilai untuk setiap benchmarknya [4].

Ada beberapa model fungsi keanggotaan fuzzy yang dikenal, baik bentuk linear maupun non-linear. Model fuzzy linear programming dalam makalah ini menggunakan fungsi keanggotaan nonlinear bentuk kurvaS. Tujuan dari penelitian ini adalah mengetahui fungsi keanggotaan fuzzy yang terbaik diantara fungsi keanggotaan bentuk bahu/linear dan bentuk kurva-S dalam memodelkan FLP untuk penilaian kinerja karyawan. Penggunaan fungsi keanggotaan bentuk kurva-S pada FLP sudah pernah dilakukan oleh Vasant utuk perencanaan produksi beberapa jenis produk [5]. Penelitian senada juga dilakukan oleh Marie yaitu perencanaan produksi pada suatu industri pangan untuk menghasilkan output produksi yang sesuai dengan permintaan pasar [6].

431

FUZZY LINEAR PROGRAMMING (FLP)

dengan adalah toleransi interval yang diperbolehkan untuk melakukan pelanggaran baik pada fungi obyektif maupun kendala. Pada Gambar 1, terlihat bahwa semakin besar nilai domain, akan memiliki nilai keanggotaan yang cenderung semakin kecil secara linear. Sehingga untuk mencari nilai λ-cut dapat dihitung , dengan sebagai λ = ruas kanan kendala ke- . Selanjutnya model (1) dapat dirumuskan bentuk FLP baru sebagai berikut [1]: Maksimumkan: λ (3) Dengan kendala: λ +

FLP adalah program linear yang diterapkan dalam lingkungan fuzzy, dimana akan dicari nilai dari fungsi objektif yang akan dioptimalkan sedemikian sehingga tunduk pada kendala-kendala yang dimodelkan menggunakan himpunan fuzzy. Dalam model FLP ini fungsi objektif dan pertidaksamaan kendala memiliki parameter fuzzy. Model FLP dapat direpresentasikan dengan rumusan sebagai berikut : Min/Maks : Kendala :

(1)

FUNGSI KEANGGOTAAN KURVAS TERMODIFIKASI

Tanda merupakan bentuk yang diinterpretasikan fuzzy dari sebagai pada dasarnya kurang dari atau sama dengan dan tanda merupakan bentuk fuzzy dari yang diinterpretasikan sebagai pada dasarnya lebih dari atau sama dengan [2]. Persamaan (1) adalah bentuk umum dari FLP dengan nilai ruas kanan yang bernilai fuzzy. Tiap-tiap kendala akan direpresentasikan sebagai sebuah himpunan fuzzy dengan fungsi keanggotaan pada himpunan ke- adalah . Nilai akan turun secara monoton pada selang [0,1], dan fungsi keanggotaan seperti rumus (2) :

Representasi kurva-s atau sigmoid berhubungan dengan kenaikan atau penurunan permukaan secara tak linear [3]. Menurut Vasant, ada dua keadaan himpunan fuzzy tak linear, yaitu: a. Kurva-S untuk Pertumbuhan kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi (1), seperti pada Gambar 2:

(4)

(2)

1

1

0.999 0 0.001 0

Gambar 1. Fungsi Keanggotaan Bentuk Bahu/Linear Turun Monoton

Gambar 2. Himpunan fuzzy kurva Pertumbuhan.

432


b. Kurva-S untuk Penyusutan dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak turun ke kanan nilai domain semakin besar seperti pada Gambar 3:

λ

Maksimumkan: Dengan kendala:

(8)

; ; ; ; ;

(5)

; Dengan : : Aspek ke dengan nilai level ke ; : Kendala benchmark ke- ; : Level terendah dalam aspek ke- ; : Level tertinggi dalam suatu aspek; : Kendala jumlah nilai level terendah; : Kendala jumlah nilai level tertinggi; : Kendala selisih nilai antara satu level dengan level sebelumnya.

1

0.9999

0.001

0

METODE PENELITIAN Gambar 3 Himpunan fuzzy kurva-S Penyusutan Untuk variabel berlaku :

Tahap 1: Data yang digunakan adalah data penilaian kinerja karyawan oleh Biro HRD suatu institusi pendidikan di Salatiga. Tahap 2: Membuat benchmark penilaian berdasarkan Tabel 1 dan Tabel 2. Tahap 3: Menyusun model FLP menggunakan fungsi keanggotaan kurva-S termodifikasi. Tahap 4: Menyelesaikan model FLP menggunakan Solver. Tahap 5: Hasil pada tahap 4 dinterpretasikan pada penilaian kinerja karyawan.

interval

Berikutnya persamaan diatas dapat diselesaikan hingga diperoleh nilai sebagai berikut : (6)

ANALISIS DAN PEMBAHASAN

(7)

Dalam penelitian ini, penilaian kinerja karyawan berdasarkan beberapa aspek kompetensi yang disyaratkan pada bagian/ divisi tertentu dianalisis menggunakan kurva-S termodifikasi. Penilaian didasarkan pada 10 aspek kompetensi seperti tersaji pada Tabel 1. Nilai setiap aspek dinyatakan sebagai salah satu dari 5 level penilaian pada Tabel 2.

Agar nilai dapat dihitung, maka parameter B dan C harus diketahui. Ditetapkan nilai B = 1 dan C = 0,001, sedangkan α bernilai 13,81350956 [5]. Dengan memperhatikan rumus (6) dan (7), maka mengacu pada rumus (3), disusun model FLP untuk penilaian kinerja sebagai berikut :

433

Tabel 1 Aspek Kompetensi yang Dinilai No. 1 2

3 4 5

Aspek Disiplin terhadap jam kerja Menyelesaikan pekerjaan secara mandiri Ucapan dan tindakan dapat dipercaya Ramah dan sopan dalam pelayanan Menunjukkan keterampilan dan pengetahuan

No. 6 7

Terbuka terhadap pendapat dan saran

8

Bersedia bekerja ekstra (lembur)

9 10

2. Permasalahan ini dapat dimodelkan dengan menggunakan fungsi keanggotaan kurva-S termodifikasi, maka akan dicari nilai : Memaksimumkan dengan kendala :

Aspek Peduli terhadap kesulitan orang lain

Mampu bekerjasama dengan rekan kerja Memberikan ide dan solusi untuk perbaikan

Tabel 2 Level Penilaian Pada Aspek Kompetensi Level Ke-

Tingkat Pencapaian

1

Tidak Setuju

2

Kurang Setuju

3

Cukup

4

Setuju

5

Sangat Setuju

Keterangan Kinerja sangat buruk, tidak dapat diperbaiki Kinerja buruk, namun masih dapat diperbaiki Kinerja cukup, memenuhi persyaratan dasar Kinerja bagus, lebih dari yang diharapkan Kinerja sangat bagus, selalu lebih dari yang diharapkan

Berdasarkan Tabel 1 dan Tabel 2 maka ditetapkan Benchmark penilaian ( ) dalam 3 peringkat dan toleransi untuk setiap benchmark yaitu sebagai berikut [4] :

Tabel 3 Toleransi yang Ditetapkan pada 3 Benchmark Nilai Benchmark Tegas ke-( ) ( )

Toleransi atas bawah

bawah (

1

200

20

15

220

185

2 3

170 140

20 20

10 5

190 160

160 135

;

;

;

;

;

;

;

; ; ;

;

; ;

; ;

;

Batas atas

; ; ; ; ;

Model diatas diselesaikan menggunakan Solver, sehingga dengan penyelesaian untuk setiap level pada setiap aspek tersaji pada Tabel 4.

Jumlah nilai level terendah ditetapkan memiliki batasan lebih besar atau sama dengan 100 dan jumlah nilai level tertinggi ditetapkan memiliki batasan lebih kecil atau sama dengan 300. Nilai selisih minimum antar satu level dengan level sebelumnya adalah

434


Tabel 4 Nilai Level pada Setiap Aspek Aspek

1 7,68 17,18 11,03 11,03 11,03 11,03 11,03 11,03 11,03 11,03

1 2 3 4 5 6 7 8 9 10

2 9,68 19,18 13,03 13,03 13,03 13,03 13,03 13,03 13,03 13,03

Level 3 11,68 21,18 15,03 15,03 15,03 15,03 15,03 15,03 15,03 15,03

4 120,50 23,18 17,03 17,03 17,03 17,03 17,03 17,03 17,03 17,03

. Jadi, ke-1 adalah = seorang karyawan pada FO harus . memiliki nilai kinerja diatas Selanjutnya, seorang karyawan yang sesuai untuk ditempatkan pada bagian BO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut :Disiplin terhadap jam kerja ; Menyelesaikan pekerjaan secara mandiri ( ); Ucapan dan tindakan ); Ramah dan dapat dipercaya ( sopan dalam pelayanan pelayanan ( ; Menunjukkan keterampilan dan ); Peduli terhadap pengetahuan ( kesulitan orang lain ( ); Terbuka terhadap pendapat dan saran ( ); Bersedia bekerja ekstra (lembur) ( ); Mampu bekerja sama dengan rekan kerja ( ); Memberikan ide dan solusi ). Sehingga, nilai untuk perbaikan ( yang harus dimiliki oleh karyawan BO + + untuk semua aspek adalah =

5 122,50 25,18 19,03 19,03 19,03 19,03 19,03 19,03 19,03 19,03

Nilai yaitu derajat keanggotaan dari fungsi tujuan yang mengandung arti bahwa model diatas kurang baik karena derajat keanggotaan harus berada pada interval [0,1] sedangkan nilai yang diperoleh sangat besar. Sehingga standar nilai yang baru setiap benchmark dapat dilihat pada Tabel 5. Tabel 5 Standar Nilai Benchmark yang Baru Benchmark ke1 2 3

+

+ + + + + + = 122,50 + 25,18 + 19,03 + 15,03 + 19,03 + 15,03+ 15,03 + 19,03 + 19,03 + 19,03 = 287,92.

Skor 299.92 281.92 263.92

Seorang karyawan yang sesuai untuk ditempatkan pada bagian FO, disyaratkan mempunyai aspek dan level penilaian sebagai berikut : Disiplin terhadap jam kerja ( ; Menyelesaikan pekerjaan secara mandiri ( ); Ucapan dan tindakan dapat dipercaya ( ); Ramah dan sopan dalam pelayanan pelayanan ( ; Menunjukkan keterampilan dan pengetahuan ( ); Peduli terhadap kesulitan orang lain ( ); Terbuka terhadap pendapat dan saran ( ); Bersedia bekerja ekstra (lembur) ( ); Mampu bekerja sama dengan rekan kerja ( ); Memberikan ide dan solusi untuk perbaikan ( ). Sehingga, nilai yang harus dimiliki oleh karyawan front office untuk semua aspek adalah = +

+

Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum karyawan BO dengan benchmark ke-1 . Jadi, adalah = seorang karyawan pada BO harus memiliki nilai kinerja diatas . Pada Tabel 6 disajikan skor minimum sebagai syarat penilaian dibagian FO dan BO untuk masing-masing benchmark. Tabel 6 Syarat FO dan BO Setiap Benchmark Benchmark ke1 2 3

Front Office Nilai Skor 283,92 94,66 273,92 97,16 253,92 96,21

Back Office Nilai Skor 287,92 95,99 275,92 97,87 255,92 96,96

Sebagai contoh penerapan, diambil penilaian kinerja karyawan “Y” yaitu 5,4,3,3,4,3,3,3,4,4, dan akan digunakan benchmark-1. Hasil penilaian kinerja karyawan tersebut untuk semua aspek adalah 271,92. Skor penilaian untuk persyaratan FO adalah

+

+ + + + + + = 122,50 + 21,18 + 19,03 + 19,03 + 19,03 + 19,03 + 19,03+ 15,03 + 15,03 + 15,03 = 283,92.

Jika nilai benchmark dinyatakan sebagai skor 100, maka nilai minimum untuk karyawan FO dengan benchmark

435

dan skor penilaian untuk persyaratan BO adalah . Karena nilai skor yang diperoleh lebih besar dari syarat minimum bagi FO dan lebih kecil dari syarat minimum BO, maka disimpulkan bahwa karyawan “Y” lebih tepat menduduki posisi di FO. Perbandingan hasil yang diperoleh FLP dengan fungsi keanggotaan linear [4] dan fungsi keanggotaan kurva-S termodifikasi disajikan pada Tabel 7.

DAFTAR PUSTAKA [1]. Klir George J, dan Yuan Bo. 1995. Fuzzy Sets and Fuzzy Logic Theory and Applications. USA: PrenticeHall International,Inc [2]. Kusumadewi, S, dan Purnomo, H. 2004. Aplikasi Logika Fuzzy untuk pendukung keputusan. Yogyakarta: Penerbit Graha Ilmu. [3]. Kusumadewi, S. 2004. Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Penerbit Graha Ilmu. [4]. Suryani, I, A., Linawati, L., Parhusip, A, H. 2013. Analisis Penilaian Kinerja Karyawan Menggunakan Fuzzy Linear Programming (FLP). Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA UNY tanggal 18 Mei 2013. ISBN. 978-979-968880-7-1 [5]. Web 1 : Jurnal Application of Multiobjective Fuzzy Linear Programming in Supply Production Planning Problem oleh Pandiant Vasant, http://www.generation5. org/content/2004/data/pandianvasa nt.pdf Diakses tanggal 8 Mei 2013. [6]. Web 2 : Jurnal Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multiobjective Linear Programming Pada Industri Pangan oleh Iveline Anne Marie, http://blog. trisakti.ac.id/jurnalti/files/2012/06/3 8-46.pdf Diakses tanggal 13 November 2012. [7]. Web 3 : Jurnal Optimization in Product Mix Problem Using Fuzzy Linear Programming oleh Pandiant Vasant, http://www.generation5.org/content /2004/data/productmix.pdf Diakses tanggal 8 Mei 2013.

Tabel 7 Perbandingan Hasil FLP dengan Fungsi Keanggotaan Linear dan Fungsi Keanggotaan Kurva-S FLP Fungsi Keanggotaan Linear

FLP Fungsi Keanggotaan Kurva-S

Skor

Skor

Benchmark keFO

BO

FO

BO

1

91,11

93,33

94,66

95,99

2

95,06

96,29

97,16

97,87

3

93,05

95,83

96,21

96,96

KESIMPULAN Berdasarkan kajian diatas hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan kurva-S termodifikasi lebih besar dari 1, sedangkan hasil nilai yang diperoleh model FLP menggunakan fungsi keanggotaan bentuk bahu/linear yaitu atau kurang dari 1. Maka dapat disimpulkan bahwa model FLP menggunakan fungsi keanggotaan linear lebih baik untuk analisis penilaian kinerja karyawan dalam penentuan posisi yang sesuai bagi seorang karyawan jika dibandingkan dengan menggunakan fungsi keanggotaan kurva-S.

436


431

BAB II MAKALAH Makalah 1 :

Recommend Documents