Seminar Nasional Informatika 2015
Optimalisasi TOPSIS untuk Perankingan Data Terklasifikasi Uyock Saputro1, Hafiz Ridha Pramudita2, Anna Baita3 1,2
3
Sistem Informasi, MTI STMIK AMIKOM Yogyakarta STMIK AMIKOM Yogyakarta, Jl. Ring Road Utara, Condong Catur, Depok, Sleman, Yogyakarta. 1
[email protected], 2
[email protected], 3
[email protected]
Abstrak Tujuan dari penelitian ini adalah memaksimalkan hasil dari metode TOPSIS yang digunakan untuk melakukan perankingan data terklasifikasi. Penelitian ini diimplementasian pada proses seleksi penerimaan karyawan, sehingga dapat memetakan posisi calon karyawan sesuai dengan bidang kompetensinya. TOPSIS merupakan salah satu metode yang digunakan pada sistem pendukung keputusan. Hasil TOPSIS yang digunakan untuk memetakan posisi calon karyawan belum maksimal. Hasil TOPSIS tidak dapat memetakan posisi seorang karyawan yang memiliki urutan ranking yang sama pada beberapa posisi jabatan. Untuk itu penelitian ini mengusulkan normalisasi hasil TOPSIS untuk mendapatkan ranking hasil TOPSIS yang telah diklasifikasikan berdasarkan bidang kompetensi. Hasil dari penelitian ini membuktikan bahwa optimalisasi TOPSIS dapat memetakan jabatan karyawan sesuai bidang kompetensinya . Kata kunci : TOPSIS, Optimalisasi, Klasifikasi, Karyawan 1.
Pendahuluan
Pengambilan keputusan bukan merupakan hal yang sederhana ketika dihadapkan dengan banyak kriteria untuk diperhitungkan. Setiap kriteria tersebut memiliki bobot masing-masing sebagai bahan pertimbangan pengambilan keputusan. Untuk itu perlu sebuah metode untuk dapat membantu dalam pengambilan keputusan. TOPSIS merupakan salah satu metode yang cukup praksis yang digunakan untuk memecahkah masalah dalam melakukan pengambilan keputusan pada banyak atribut (multiple atribut decision making/MADM), yang berasal dari konsep penempatan titik ideal yang memiliki jarak terpendek dari solusi ideal positif [1]. Terdapat beberapa penelitian yang telah membahas tentang TOPSIS. Dalam penelitian Zhai Yan[6], topsis digunakan untuk melakukan evaluasi performa kinerja dari Lithium-Ion Power Battery. TOPSIS dapat menunjukkan baterai mana yang terbaik dan baterai mana yang terburuk kinerjanya. Penelitian Lixian Xing[4] mengusulkan fuzzy TOPSIS berdasarkan Vague Set. Metode ini diimplementasikan dalam evaluasi kinerja dari Resiko Proyek IT. Pada penelitian Nuri[5] TOPSIS digunakan pada sistem rekomendasi pemberian beasiswa. Penelitian ini hanya hanya membahas pemberian rekomendasi satu jenis beasiswa pada peserta didik. Pada realitanya dalam sebuah instansi pendidikan seringkali menyediakan beragam beasiswa dengan berbagai persyaratan yang beragam pula. Sesuai dengan kriteria yang diberikan oleh pemberi beasiswa. Peserta didik seharusnya hanya berhak mendapatkan satu macam beasiwa saja, agar manfaat dari beasiswa
ini lebih merata. Penelitian ini belum dapat menyelesaikan permasalahan tersebut. Penelitian Lestari[3] membahas tentang penerapan fuzzy TOPSIS untuk seleksi penerimaan karyawan. Penelitian ini memberikan rekomendasi karyawan yang diterima dalam sebuah perusahaan untuk sebuah jabatan. Pada realitanya sebuah perusahaan melakukan rekruitasi karyawan tidak hanya untuk satu posisi jabatan tertentu. Seleksi biasanya dilakukan dalam satu waktu untuk mendapatkan karyawan sesuai dengan posisi yang dibutuhkan perusahaan. Pada penelitian ini belum dapat menyelesaikan permasalahan rekruitasi karyawan dalam memetakan karyawan sesuai dengan komposisi jabatan yang dibutuhkan oleh perusahaan. Berdasarkan hal tersebut, maka penelitian ini mengusulkan optimalisasi metode TOPSIS untuk perankingan data terklasifikasi. Metode usulan tersebut diimplementasikan pada kasus pemetaan penerimaan karyawan baru yang disesuaikan antara posisi jabatan dengan kompetensi bidang yang dimiliki oleh calon karyawan. 2.
Metode Penelitian
2.1 TOPSIS Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif [2]. Langkah-langkah penyelesaian MADM dengan TOPSIS [2] :
masalah
77
Seminar Nasional Informatika 2015
a.
Membuat matriks keputusan yang ternormalisasi (r) dengan metode Euclidean length of a vector. (1) Dimana : = hasil dari normalisasi matriks nilai i = 1,2,...m j = 1,2,...n
b.
Membuat matriks keputusan yang ternormalisasi terbobot (weighted normalized decision matriks), dengan bobot (w) = (w1,w2,...,wn) (2)
c.
Menentukan matriks solusi ideal positif A+ & matriks solusi ideal negatif A-.
(3)
Mulai
Input Data Peserta
Input Data Kriteria
Buat Matriks Keputusan
Input Data Jabatan
Normalisasi Matriks Keputusan
Input Data Bobot Kriteria
Hitung matriks normalisasi terbobot
Menentukan Solusi Ideal
Menentukan jarak alternatif
Preferensi tiap alternatif
(4) Dimana : Vij = elemen matriks V baris ke-i, kolom ke-j J = berhubungan benefit kriteria J’ = berhubungan dengan cost criteria d.
Optimalisasi TOPSIS
Menentukan jarak (D) antara nilai setiap alternatif dengan matriks solusi ideal positif (D+) & matriks solusi ideal negatif (D -). ,dengan
Normalisasi preferensi alternatif
Hitung rangkin peserta tiap posisi jabatan
i=1,2,...,m(5) ,dengan
Selesai
i=1,2,...,m(6) Gambar 1. Proses optimalisasi TOPSIS e.
Menentukan nilai preferensi (V) untuk setiap alternatif. (7)
2.2 Optimalisasi TOPSIS Proses optimasi TOPSIS untuk data terklasifikasi digambarkan dalam bagan berikut ini:
78
Pada gambar 1 dijabarkan bahwa proses optimalisasi TOPSIS dihitung menggunakan normalisasi dari hasil perhitungan TOPSIS dari masing-masing posisi Jabatan. Sehingga diperoleh karyawan sesuai dengan posisi jabatannya. Analisis model diilustrasikan pada gambar 2 dan Gambar 3 berikut ini:
Seminar Nasional Informatika 2015
TOPSIS and rule based positioning for human resource selection Input data peserta Input nilai peserta Jenis Bidang Bobot kriteria tiap bidang
Admin
Rangking Calon Berdasarkan Bidang kompetensi
Decision maker
Gambar 4. Relasi tabel Gambar 2. DFD Level 0 Gambar 2 menjelaskan tentang DFD level 0. User dalam sistem yang akan dibangun ada 2, yakni Admin sebagai penginput data, dan Kepala HRD sebagai Decision Maker. Decision maker dapat menginputkan kriteria dan kompetensi jabatan sesuai dengan kebutuhan perusahaan. DFD level 1 diperlihatkan oleh gambar berikut ini: Bidang Kompetensi
Decision maker
Kriteria yang dibutuhkan
Bobot kriteria tiap bidang
Data peserta
1 Jenis Bidang Kompetensi
Bidang Kompetensi
2 Kriteria
Kriteria
3 Bobot kriteria tiap bidang 4 Input data pesera
Data peserta
5 Input Nilai peserta
Nilai peserta
Admin
Nilai peserta
6 Proses rangkin dengan TOPSIS pada tiap Bidang
Rangkin calon berdasar Bidang kompetensi
7 Seleksi Rangking berdasarkan bidang kompetensi
Gambar 3. DFD Level 1 Pada gambar 3 tersebut menjelaskan detil proses penyimpanan data. Proses pengambilan keputusan dengan metode TOPSIS digambarkan oleh proses 1-6. Proses ke 7 merupakan optimalisasi dari hasil TOPSIS. Struktur Relasi tabel dalam sistem ini adalah sebagai berikut:
Gambar 4 merupakan struktur basis data yang digunakan untuk menyimpan peserta, kriteria dan kompetensi (jabatan) secara dinamis. Pemberian bobot kriteria pada masing-masing kompetensi (jabatan) dapat dilakukan secara subyektif oleh user sesuai kepentingannya. Sedangkan proses penghitungan TOPSIS, disimpan dalam tabel temporary.
3.
Hasil dan Pembahasan
Dalam penelitian ini menggunakan lima macam kriteria, yakni tes kepribadian(C1), tes logika(C2), tes komputer (C3), tes matematika(C4), dan tes bahasa Inggris(C5) untuk menentukan posisi jabatan pelamar kerja sesuai dengan kompetensi bidangnya. Jenis jabatan sesuai kompetensi yang digunakan dalam penelitian ini ada 3 macam, yakni: Programmer (K1), Administrator Jaringan (K2) dan Customer Service (K3). Tabel 1. Bobot kriteria tiap kompetensi
K1 K2 K3
C1 C2 C3 C4 C5 2 5 2 4 3 2 3 5 3 3 5 1 1 4 5
Pada tabel 1 dijabarkan bobot pada tiap-tiap kriteria yang dibutuhkan. Masing-masing kriteria memiliki bobot tersendiri untuk membedakan dengan kriteria lainnya. Data yang akan digunakan dapat dijabarkan pada tabel 2 yang berupa daftar peserta beserta dengan nilai tiap kriteria yang dimiliki peserta. Yang mana nilai tersebut digunakan sebagi acuhan penilaian. Data tersebut tersaji dalam tabel 2 sebagai berikut :
79
Seminar Nasional Informatika 2015
Tabel 2. Peserta beserta nilai tiap kriteria Nilai Ujian No 1 2 3 4 5 6 7 8 9
Nama Uyock Hafiz Wahyu Ferian Ana Sharazita Yoga Hendra Yusha
C1 70 98 45 45 90 56 90 78 76
C2 65 65 90 88 78 98 87 78 87
C3 80 79 55 82 56 76 54 49 68
C4 87 88 87 70 78 98 67 96 78
C5 98 77 88 56 87 56 98 68 89
Adapun proses pembuatan sistem pendukung keputusan menggunakan TOPSIS adalah sebagai berikut: Pertama, melakukan normalisasi data tersebut, sehingga diperoleh hasil sesuai dengan tabel 3 sebagai berikut: Tabel 3. Normalisasi nilai tiap peserta C1
C2
Normalisasi C3
0.3138351 0.4393691 0.2017511 0.2017511 0.4035023 0.2510681 0.4035023 0.349702 0.3407352
0.2627383 0.2627383 0.3637915 0.3557073 0.315286 0.3961286 0.3516652 0.315286 0.3516652
0.393926197 0.389002119 0.27082426 0.403774352 0.275748338 0.374229887 0.265900183 0.241279795 0.334837267
C4
C5
0.345906 0.3498819 0.345906 0.2783152 0.3101226 0.3896412 0.2663874 0.3816894 0.3101226
0.4025498 0.3162891 0.3614733 0.2300285 0.3573656 0.2300285 0.4025498 0.2793203 0.3655809
Kedua, setelah mendapatkan hasil normalisasi yang dijabarkan pada tabel 3, maka dihitung normalisasi terbobot sesuai dengan nilai bobot kriteria masing-masing Jabatan, untuk kriteria jabatan 1 dapat dijabarkan dalam tabel 4. Kemudian menghitung nilai min dan max pada tiap kriteria tersebut. Tabel 4. Normalisasi terbobot
Ketiga, setelah mendapatkan hasil normalisasi terbobot seperti pada tabel 4 untuk kompetensi ke 1, kemudian dilakukan penghitungan nilai D+, Ddan V untuk masing-masing jabatan. Hasil perhitungan tersebut disajikan dalam tabel 5 berikut ini. Tabel 5. Nilai D+ D- dan V D+
D-
v
0.492758931
0.97854778
0.665087553
0.496777028
0.949266326
0.656457722
0.842350298
0.571083382
0.404039744
0.787380542
0.859756653
0.521970274
0.740955662
0.616859102
0.454302839
0.656904513
0.865148562
0.568408931
0.796802656
0.719035802
0.474348568
0.94251326
0.503911905
0.34838436
0.494696608
0.741517618
0.599829384
Dari tabel 5 tersebut dapat ditarik urutan ranking untuk tiap-tiap Jabatan sesuai nilai V. Tabel 6. Ranking peserta tiap jabatan Nama
K1
List Ranking K2 K3
Uyock
6
1
4
Hafiz
7
2
1
Wahyu
4
8
7
Ferian
9
5
9
Ana
5
7
2
Sharazita
2
4
8
Yoga
3
6
3
Hendra
8
9
6
Yusha
1
3
5
K1 No
C1
C2
C3
C4
C5
1
0.6276702
1.3136917
0.7878524
1.383624
1.2076494
2
0.8787382
1.3136917
0.7780042
1.3995277
0.9488674
3
0.4035023
1.8189577
0.5416485
1.383624
1.0844198
4
0.4035023
1.7785365
0.8075487
1.1132607
0.6900854
5
0.8070045
1.57643
0.5514967
1.2404905
1.0720969
6
0.5021361
1.9806429
0.7484598
1.558565
0.6900854
7
0.8070045
1.7583258
0.5318004
1.0655495
1.2076494
8
0.6994039
1.57643
0.4825596
1.5267575
0.8379608
9
0.6814705
1.7583258
0.6696745
1.2404905
1.0967428
max
0.8787382
1.9806429
0.8075487
1.558565
1.2076494
min
0.4035023
1.3136917
0.4825596
1.0655495
0.6900854
80
Pada tabel 6 telah didapatkan daftar ranking untuk tiap kompetensi jabatan, rangking tersebut digunakan untuk melakukan pemetaan posisi jabatan, dengan langkah sebagai berikut: 1. Cek nilai rangking peserta pada tiap jabatan. 2. Pilih jabatan yang memiliki ranking terbaik(nilai terkecil) 3. Hapus nama peserta dari keanggotaan jabatan, yang tidak terpilih Dari penghitungan TOPSIS pada tabel 6, maka Yoga akan menempati posisi yang sama pada K1 dan K3. Sistem tidak bisa merekomendasikan posisi jabatan yang tepat untuk Yoga. Untuk itu diperlukan satu metode untuk dapat merekomendasikan seseorang apabila seseorang memiliki nilai yang sama untuk tiap
Seminar Nasional Informatika 2015
jabatan. Penelitian ini mengusulkan normalisasi dari hasil TOPSIS yang telah didapat, untuk menghitung kembali nilai V tiap peserta. Proses normalisasi dijabarkan dalam langkah keempat dan kelima. Langkah Keempat: melakukan optimalisasi TOPSIS dengan menghitung nilai normalisasi dari V hasil TOPSIS untuk masing-masing jabatan. Tabel 7. Optimalisasi TOPSIS tiap Jabatan Nama
Programer (K1)
List Ranking Jaringan (K2)
CS(K3)
Uyock
0.3150388
0.416933
0.3661161
Hafiz
0.311859
0.4115231
0.432597
Wahyu
0.3457468
0.2532862
0.2216659
Ferian
0.2548196
0.327215
0.0659703
Ana
0.3314332
0.2847954
0.428468
0.368119
0.3563267
0.1848187
Yoga
0.3605651
0.2973617
0.4187581
Hendra
0.3098669
0.2183967
0.316567
Yusha
0.3842348
0.3760237
0.3633389
Sharazita
Optimalisasi yang dilakukan dan dihasilkan pada tabel 7 diperlukan untuk mengetahui jabatan yang paling sesuai berdasarkan nilai maksimalnya. Kelima: melakukan perangkingan dengan memilih nilai max untuk masing-masing peserta, sehingga diperoleh jabatan yang sesuai. Kemudian mengurutkan perolehan nilai untuk masing-masing jabatan sehingga diperoleh hasil sebagai berikut ini:
Dari optimalisasi TOPSIS pada gambar 5, maka dapat diperoleh solusi pemetaan calon karyawan sesuai dengan bidang kompetensi yang dibutuhkan perusahaan. calon karyawan hanya dapat menempati satu jabatan. Rekomendasi diperoleh berdasarkan urutan bobot kriteria yang dikehendaki perusahaan. 4.
Kesimpulan dan Saran Metode TOPSIS yang dioptimalisasi dengan proses normalisasi hasil TOPSIS dapat digunakan untuk melakukan perankingan data multi kriteria yang sudah diklasifikasikan. Metode usulan ini akan eror apabila ada peserta yang memiliki nilai yang 100% sama pada tiap kriteria, untuk itu pada penelitian selanjutnya diharapkan dapat menambahkan kriteria seperti data diri untuk mengurangi potensi kesamaan hasil. Metode ini tidak memiliki limit kuota masing-masing jabatan yang diperlukan, sehingga akan memungkinkan surplus ataupun defisit peserta untuk tiap jabatan. Daftar Pustaka: [1]
[2]
[3]
[4]
[5]
[6]
Fu, Yang, & Lu, 2007, An extended TOPSIS for belief group decision making, IEEE Journal. Kusumadewi, dkk. 2006. Fuzzy MultiAtribute Decision Making (MADM). Graha Ilmu, Yogyakarta. Lestari, s dan Priyodiprodjo,w, 2011, Implementasi Metode Fuzzy Topsis Untuk Seleksi Penerimaan Karyawan, IJCCS, Vol.5 No.2 Lixian Xing , Keran Tu, Ling Ma, 2009, The performance evaluation of IT project risk based on TOPSIS and Vague set, IEEE Journal Perdana, Nuri Guntur dan Widowo, Tri, 2013, Sistem Pendukung Keputusan Pemberian Beasiswa Kepada Peserta Didik Baru Menggunakan Metode TOPSIS, Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2013. Zhai Yan, Zhang Weige, Sun Bing-xiang, Zheng Fang, and Zhang Man, 2014, The application of TOPSIS in the study of the comprehensive performance of lithium-ion power battery, IEEE Journal
Gambar 5. Hasil akhir rangking tiap jabatan
81
