Penerapan Fuzzy Analytical Hierarchy Process pada Sistem Penilaian Pegawai di Rumah Sakit Onkologi Surabaya Risky Dinal Ardiantoa , Wiwik Anggraenib, Renny Pradina Kusumawardanic Jurusan Sistem Informasi Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember Kampus ITS, Jl. Raya ITS, Sukolilo – Surabaya 60111 Telp. +62 31 5939214, Fax. +62 31 5913804
E-mail : a
[email protected] , b
[email protected] ,
[email protected]
Abstrak
Sumber daya manusia merupakan elemen yang sangat penting dalam suatu perusahaan. Dengan adanya sumber daya manusia yang berkualitas dapat mempengaruhi perusahaan dalam pencapaian tujuan perusahaan, baik dalam kinerja, profit, maupun kelangsungan hidup organisasi itu sendiri. Penilaian kinerja dilakukan untuk mendapatkan bahan-bahan pertimbangan dalam pengembangan SDM. Penilaian kinerja pegawai di banyak perusahaan seperti Rumah Sakit Onkologi Surabaya, dilakukan proses penilaian secara manual, perhitungan kinerja cenderung subyektif. Oleh karena itu dibutuhkan metode penilaian kinerja yang obyektif guna mendapatkan hasil yang lebih dapat dipertanggungjawabkan. Metode Fuzzy Analytical Hierarchy Process merupakan metode yang cukup obyektif untuk proses penilaian berdasarkan hirarki kriteria yang digabungkan dengan konsep fuzzy sesuai kriteria penilaian kinerja pegawai. Konsep fuzzy digunakan untuk menentukan bobot kriteria berdasarkan pengalaman dan penilaian manusia yang digambarkan sebagai sesuatu yang bersifat linguistik. Dengan dikembangkannya sistem aplikasi penilaian kinerja, diharapkan pihak Rumah Sakit Onkologi Surabaya dapat terbantu dalam melakukan penilaian pegawai secara obyektif untuk memajukan kualitas kinerja SDM yang ada. Kata Kunci: Fuzzy, Analytical Hierarchy Process, Sumber daya manusia, Penilaian kinerja 1. Pendahuluan Sumber daya manusia adalah salah satu elemen yang sangat penting dalam suatu perusahaan, baik perusahaan pemerintahan, pendidikkan maupun swasta. Pesatnya persaingan globalisasi dan perkembangan teknologi, menuntut organisasi untuk memiliki SDM yang berkualitas. Hal tersebut dapat mempengaruhi perusahaan dalam
pencapaian tujuan perusahaan, baik dalam kinerja, profit, maupun kelangsungan hidup perusahaan itu sendiri. Penilaian kinerja merupakan cara untuk mengetahui kemampuan dari setiap pegawai di suatu perusahaan, penilaian dilakukan untuk mendapatkan bahan-bahan pertimbangan dalam pengembangan SDM perusahaan. Penilaian kinerja harus dilakukan secara adil, realistis, valid dan relevan dengan pekerjaan yang dikerjakan, selain itu harus bebas dari diskriminasi. Hal tersebut menjadi tantangan yang dihadapi oleh kebanyakan perusahaan saat melakukan penilaian kinerja pegawai. Pihak manajemen diharapkan tidak subyektif dalam melakukan penilaian kinerja yang akan dilakukan sehingga tidak ada pihak yang merasa dirugikan. Rumah Sakit Onkologi Surabaya adalah sebuah perusahaan swasta yang bergerak pada bidang jasa layanan kesehatan. Penilaian kinerja yang dilakukan di perusahaan ini ada dua macam, yaitu penilaian kinerja pegawai kontrak dan penilaian kinerja pegawai tetap. Untuk pegawai kontrak, penilaian dilakukan untuk proses seleksi menjadi karyawan tetap setelah masa kerja selama tiga bulan, sedangkan pegawai tetap proses penilaian dilakukan untuk pengukuran dan perbaikan kinerja. Proses penilaian kinerja yang dilakukan oleh rumah sakit masih dilakukan secara manual, sehingga perhitungan kinerja cenderung subyektif. Oleh karena itu jika proses penilaian kinerja dilakukan secara komputerisasi dengan mengembangkan aplikasi sederhana dan menggunakan metode yang tepat, maka subyektifitas peniliaian akan berkurang dan lebih obyektif. Untuk melakukan penilaian kinerja yang obyektif diperlukan sistem pendukung keputusan (SPK) yang dapat membantu pihak manajemen dalam mengukur serta mengevaluasi kinerja. SPK merupakan suatu model yang dibangun untuk menyelesaikan permasalahan yang terstrukutur. Untuk itu diperlukan sebuah metode untuk mendukung SPK yang dapat memecahkan permasalahan penilaian kinerja secara akurat dan obyektif. Sistem yang dikembangkan dengan menggunkan berbagai macam metode, yang salah satunya adalah Analytical Hierarchy Process (AHP), selain itu AHP juga dapat diintegrasikan dengan konsep himpunan fuzzy. Fuzzy AHP merupakan salah satu metode pendukung keputusan yang cukup popular dan telah handal dalam mengatasi 1
permasalahan pengukuran kinerja sesuai dengan kriteria yang diukur secara kualitatif dan kuantitatif. AHP digunakan karena sangat penting untuk formalisasi masalah yang kompleks dengan menggunakan struktur hirarki dan menggunakan perbandingan pair-wise (Gugor et al, 2009). Dalam penelitian yang dilakukan oleh Albayrak dan Erensal (2004) penggunaan AHP untuk menentukan pembobotan prioritas alternatif yang berbeda dapat meningkatkan kinerja manusia. Konsep fuzzy set dilakukan agar menyediakan hasil yang lebih nyata dan akurat karena seringkali pembobotan suatu kriteria bersifat subyektif. Menurut Gugor et al (2009), dalam berbagai situasi manusia sering lebih memilih untuk mengekspresikan perasaannya dengan ekspresi verbal. Model fuzzy linguistic mampu menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa verbal kedalam nilai numerik. Pada tugas akhir ini akan dibuat suatu SPK yang akan dikembangkan dengan metode AHP yang diintegrasikan dengan fuzzy. Antarmuka yang akan digunakan adalah sistem berbasis desktop yang user-friendly agar mudah dipahami oleh pihak manajemen Rumah Sakit Onkologi Surabaya. Hasil tugas akhir ini diharapkan dapat meningkatkan efisiensi dan efektivitas dalam proses penilaian kinerja pegawai. 2. Rumah Sakit Onkologi Surabaya Rumah Sakit Onkologi Surabaya (RSOS) merupakan satu-satunya rumah sakit yang melayani pasien khusus penyakit kanker dengan pelayanan onkologi sesuai dengan standar akademik dengan pembiayaan yang rasional. Berawal dari sebuah klinik yang berada di jalan Bawean Surabaya di tahun 1996-2006, kemudian pada tahun 2006 berkembang menjadi RS. Onkologi Surabaya. Pelayanan yang diberikan oleh RSOS berpegang pada prinsip ‘Profesionalisme’ dan ‘Humanistik’ membuat sistem pelayanan lebih terarah, terkoordinir dan efisien. Untuk menjadikan rumah sakit yang bertaraf internasional, suatu penilaian kinerja perlu dilakukan agar pihak manajemen dapat mengelola rumah sakit dengan baik dan dapat bersaing dengan rumah sakit swasta lainnya. Dalam kasus ini SDM sangat berpengaruh bagi kemajuan rumah sakit. Dengan adanya SDM yang handal dan kompeten, maka RSOS akan lebih siap menghadapi persaingan dalam industri rumah sakit. Menyadari hal tersebut RSOS terus berupaya untuk meningkatkan kinerja pegawainya, mulai dari tingkat direktur hingga pelaksana. Setiap pegawai dituntut untuk dapat melaksanakan dan memperhatikan pekerjaannya sesuai dengan tugas yang telah dibebankan, dimana setiap pegawai harus memperhatikan tiga aspek, yaitu aspek sikap, prestasi, dan manajerial demi keberhasilan pekerjaannya. Untuk itu diperlukan suatu sistem penilaian yang dapat mempermudah dalam mengevaluasi kinerja dari masingmasing pegawai berdasarkan ketiga aspek tersebut. Sehingga pihak manajemen dapat mengambil keputusan dalam melakukan pembinaan untuk pegawai yang kinerjanya kurang maksimal. Terdapat dua jenis penilaian pegawai yang dilakukan oleh RSOS, yaitu penilaian pegawai tetap dan penilaian pegawai kontrak. Penilaian 2
pegawai kontrak merupakan seleksi pegawai baru yang telah bekerja selama tiga bulan untuk diangkat menjadi pegawai tetap. Sistem penilaian pegawai dilakukan dengan menerapkan sistem 180 derajat, maksudnya adalah penilaian dilakukan oleh atasan langsung berdasarkan struktur manajerial yang ada di RSOS. Adapun struktur manajerial yang digunakan adalah seperti yang ditunjukkan pada gambar 1. Berdasarkan struktur manajerial tersebut, yang berwenang untuk menilai wakil direktur adalah direktur utama, sedangkan wakil direktur berwenang menilai kepala departemen, begitu seterusnya.
Gambar 1 Struktur Manajerial RSOS
3. Sistem Pendukung Keputusan Sistem Pendukung keputusan adalah bagian dari sistem informasi berbasis computer (termasuk sistem berbasis pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem computer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik (Haniff,2007). Sistem pendukung keputusan memiliki karakteristik berikut: a. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komputerisasi. b. Dalam proses pengolahannya, sistem pendukung keutusan mengkombinasikan penggunaan model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi interogasi informasi. c. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat digunakan/dioperasikan dengan mudah.
d. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan beradaptasi yang tinggi. 4. Fuzzy Analytical Hierarchy process (FAHP) Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematik yang kini mengajar di Universitas Pitsburgh, Amerika Serikat. Analytical Hierarchy Process (AHP) adalah salah satu bentuk metode pengambilan keputusan yang pada dasarnya berusaha menutupi semua kekurangan dari metode sebelumnya. Peralatan utama dari metode ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Dengan adanya hirarki, masalah kompleks atau tidak terstruktur dipecah dalam sub-sub masalah kemudian disusun menjadi suatu bentuk hirarki. AHP mempunyai kemampuan untuk memecahkan masalah multikriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Dasar berfikir dari AHP adalah proses pembobotan untuk menyusun peringkat dari setiap alternative keputusan berbasis pada bagaimana sebaiknya alternative tersebut dicocokkan dengan kriteria para pembuat keputusan. Langkah-langkah pengerjaan AHP adalah : a. Menganalisa permasalahan riil dalam struktur hirarki atas unsur-unsur pendukungnya. b. Membuat penilaian tentang kepentingan relatif antara dua elemen pada suatu tingkat tertentu yang disajikan dalam bentuk matriks perbandingan dengan menggunakan skala prioritas. Jika terdapat n elemen maka akan diperoleh matriks pairwise comparison. Apabila terdapat n elemen, maka yang diperoleh adalah matriks n x n. dan banyaknya penilaian yang
keanggotaannya didefinisikan oleh tiga bilangan real yang diekspresikan sebagai (l,m,u). Untuk membuat matrik pairwise perbandingan dari alternative dilakukan berdasarkan kriteria sesuai dengan teori AHP. Perbandingan antar kriteria, subkriteria, dan alternative pada matrik Fuzzy Triangular Number didefinisikan seperti pada gambar 2.
Gambar 2 Matriks Perbandingan Berpasangan pada Fuzzy AHP
Agar diperoleh skala yang bermanfaat ketika membandingkan dua elemen, diperlukan pengertian menyeluruh tentang elemen yang dibandingkan dan relevansinya terhadap variabel atau tujuan yang dipelajari, dalam penyusunan skala kepentingan, digunakan patokan skala saaty yang ditransformasikan pada triangular fuzzy number yang tertera pada tabel 1. Tabel 1 Penyesuaian Skala Saaty terhadap Triangular Fuzzy Number
No.
Variabel Linguistik
n ( n 1 )
perlukan adalah . Tahapan yang dilakukan 2 dalam penilaian terhadap elemen-elemen yang dibandingkan adaah: Elemen mana yang lebih penting/berpengaruh/disukai Elemen satu berapa kali lebih penting/ berpengaruh/ disukai dari pada elemen lainnya. c. Tahap terakhir dalam AHP adalah proses perhitungan prioritas global untuk menentukan urutan prioritas dengan cara melakukan operasi perkalian matriks lokal yang dimulai dengan mengalikan gabungan prioritas dari level terbawah dengan level di atasnya sampai pada level hirarki teratas. Fuzzy AHP merupakan ekstensi dari AHP dengan mengkombinasikan dengan teori logika fuzzy. Di dalam fuzzy AHP, skala rasio fuzzy digunakan untuk mengindikasikan kekuatan relatif dari faktor-faktor pada kriteria yang bersangkutan. Sehingga, sebuah matriks keputusan fuzzy dapat dibentuk. Nilai akhir dari alternatifalternatif juga disajikan dalam angka-angka fuzzy. 4.1. Transformasi Logika Fuzzy terhadap AHP Berdasarkan penelitian yang telah dilakukan Gugor, et al (2009), operasi matriks perbandingan pair-wise dilakukan dengan menggunakan Triangular fuzzy number, yang merupakan kelas khusus bilangan fuzzy yang
1. 2. 3. 4. 5.
Sama penting Sedikit penting Lebih penting Sangat lebih penting Mutlak lebih penting
Penyesuain Terhadap Skala Nilai Perbandingan Saaty 1 3
Triangular Fuzzy Number
5 7
(3,5,7) (5,7,9)
9
(7,9,9)
(1,1,1) (1,3,5)
Kemudian setelah semua elemen dari matrik perbandingan pair-wise dikonversikan ke TFN, metode mean geometric diterapkan untuk menghitung prioritas kriteria. Rumus perhitungan geometric mean dapat dilihat pada rumus (1) G 1 ( li , m i , u i ) l i ( l i 1 l i 2 ... l i k )
1
k
i 1, 2 , ..., k
m i ( m i 1 m i 2 ... m i k ) u i ( u i 1 u i 2 ... u i k )
1
k
1
k
i 1, 2 , ..., k i 1, 2 , ..., k
(1)
Setelah menghitung nilai geometrik mean untuk setiap member TFN. Langkah selanjutnya adalah menghitug bobot untuk masing-masing kriteria atau alternative dengan 3
membagikan tiap elemen TFN hasil perhitungan geometric mean dengan jumlah total perhitungan geometric mean sesuai dengan member TFN. Rumus normalisasi perhitungan bobot TFN dapat dilihat pada rumus (2) . w
k
Gi GT
k
( li , m i , u i ) /( li , i 1
i 1
k l m u mi , ui ) k i , k i , k i i 1 u i m i li i 1 i 1 i 1
(2)
Setelah mendapatkan hasil akhir yang berupa nilai fuzzy, kemudian hasil akhir tersebut melalui proses defuzzifikasi pada nilai setiap kriteria dan alternatif dengan menggunakan rumus (3).
=
(
,
,
,
,
,
)
(3)
5. Penyelesaian Permasalahan dengan Fuzzy AHP 5.1. Definisi Kriteria Penilaian Penilaian kinerja yang dilakukan di RSOS dibagi menjadi dua bagian, yaitu penilaian kinerja pegawai tetap dan penilaian kinerja pegawai kontrak. Keduanya memiliki cara penilaian yang berbeda namun memiliki konsep penilaian yang sama. Penilaian dilakukan berdasarkan atas kriteria dan subkriteria yang telah ditetapkan oleh RSOS. Hasil penilaian akan digunakan pihak manajemen untuk mebuat keputusan. Kriteria penilaian ini telah ditetapkan pihak manajemen untuk melakukan penilaian kinerja. Kriteria penilaian pegawai tetap dapat dilihat pada tabel 2 Tabel 2 Kriteria Penilaian Pegawai Tetap
No. 1
2
3
4
Materi Penilaian Sikap Kerja a. Kedisiplinan b. Tanggung Jawab - Ketepatan waktu dalam menyelesaikan tugas/pekerjaan - Perhatian terhadap pekerjaan - Pemakaian barang inventaris dan peralatan RSOS c. Komunikasi d. Kerapian dan kesiapan bekerja e. Inisiatif f. Kerjasama g. Integritas pribadi Prestasi Kerja a. Pengetahuan tentang bidang kerja b. Kualitas hasil kerja c. Kreatifitas d. Ketrampilan yang dimiliki e. Kemampuan menyelesaikan tugas sesuai dengan target yang diharapkan Manajerial Skill (khusus karyawan Kanit, Kadep, Wadir, & Direktur) a. Kemampuan perencanaan b. Pengambulan keputusan c. Kepemimpinan - Memotivasi unit kerja/bawahan - Pencapaian program dan sasaran
Bobot 46 7 15 6 6 3 5 2 5 7 5 25 10 7 2 2 5 30 6 8 11 1 4
strategis Kemampuan koordinasi dan mengorganisasi d. Kemampuan pelaporan dan analisa -
6 3
Khusus untuk bagian pelaksana dan pakarya, kriteria yang digunakan untuk penilaian adalah hanya berdasarkan aspek sikap kerja dan prestasi kerja. Sedangkan untuk kriteria penilaian kinerja pegawai kontrak dapat dilihat pada tabel 3. Tabel 3 Kriteria Penilaian Pegawai Kontrak
No. 1 2 3 4 5 6 7 8 9 10
Item Penilaian ketrampilan teknis Kuantitas hasil kerja Kualitas hasil kerja Hubungan dan kerja sama Inisiatif Kreatifitas Kedisiplinan Kehadiran Kerja Tanggung Jawab Cara pandang terhadap masalah
Bobot 20 5 8 10 8 8 8 5 20 8
5.2. Pemodelan Permasalahan dengan Fuzzy AHP Beberapa tahapan yang dilakukan untuk menyelesaikan permasalahan penilaian kinerja pegawai dengan menggunakan FAHP yang dapat dilihat pada gambar 3. Tahap 1 Tahapan awal yang dilakukan adalah mendefinisikan kriteria penilaian dan alternatif yang disusun berdasarkan struktur hirarki AHP. Tahapan ini disebut juga tahap perancangan input data, hasil pendefinisian kriteria dan alternatif tersebut disimpan kedalam database untuk mempermudah dalam tahap selanjutnya. Tahap 2 Tahapan ini merupakan tahap untuk melakukan proses dari data-data yang telah disimpan pada tahap sebelumnya. Tahapan ini dibagi menjadi dua bagian yaitu proses untuk melakukan perbandingan kriteria dan perbandingan alternatif/pegawai. Memenbentuk matriks perbandingan antar kriteria dan subkriteria dengan menggunakan skala linguistik sesuai pada tabel 1. Hal ini dilakukan untuk menentukan tingkat kepentingan dari setiap kriteria dan subkriteria. Menghitung geometric mean sesuai dengan rumus 1. Hal ini digunakan untuk mencari prioritas bobot kriteria pada tahap normalisasi. Proses defuzzifikasi untuk mencari nilai crisp dari TFN menjadi bilangan real, hal ini dilakukan agar pengguna dapat lebih mudah memahami hasil dari keluaran sistem. Menghitung konsistensi dengan menggunakan rumus 4 dan 5 sesuai dengan rumus konsistensi indeks dan konsistensi rasio pada AHP.
CI=
(4)
CR=
(5)
Untuk subkriteria, diperlukan perhitungan bobot global prioritas yang merupakan hasil perkalian bobot subkriteria dengan bobot induk kriterianya.
kemudian dijumlahkan untuk mengetahui bobot prioritas masing-masing alternatif. Tahap 3 Tahap ini merupakan tahap output hasil proses data, hasil kalkulasi yang telah dilakuka dan disimpan database untuk ditampilkan ke user agar mudah dipahami. Tabel 4 Poin Penilaian Pegawai Tetap
No. 1 2 3 4
Nilai Aspek Buruk Cukup Baik Sangat Baik
Nilai Angka 6 7 8 9
6. Uji Coba dan Evaluasi proses pengujian dan pengevaluasian hasil uji coba perangkat lunak dengan cara melakukan validasi sistem terhadap perhitungan manual yang telah diterapkan oleh pihak rumah sakit. 6.1. Validasi Pada tahap ini akan dilakukan perbandingan antara data penilaian pegawai rumah sakit yang dihitung secara manual tanpa fuzzy AHP dengan penilaian pegawai yang dihitung menggunakan output sistem fuzzy AHP. Hal ini dilakukan untuk mengetahui apakah hasil keluaran dari sistem telah valid dan dapat digunakan dalam penilaian kinerja pegawai. 6.1.1 Penilaian Penilaian Kinerja Pegawai Tetap Hasil ranking total nilai penilaian kinerja pegawai tetap yang telah dilakukan oleh RSOS selama ini dapat dilhat pada tabel 5. Penilaian ini dilakukan dengan mengalikan input nilai pegawai dengan bobot kriteria, yang kemudian dijumlahkan. Tabel 5 Ranking Total Nilai Penilaian Pegawai Tetap oleh RSOS
Nama Pegawai Budi Setyaningsih Purwadi Eko Mulyo
Gambar 3 Langkah-langkah penyelesaian dengan fuzzy AHP
Membentuk matriks perbandingan berpasangan antar alternatif/pegawai. Perbandingan antar pegawai tidak menggunakan TFN, sehingga hanya dilakukan perbandingan berdasarkan poin penilaian pegawai RSOS yang dapat dilihat pada tabel 4. Setelah bobot prioritas alternatif dan kriteria telah dihitung kemudian menghitung bobot global dengan menggunakan rumus 5, yaitu perkalian masingmasing bobot alternatif dengan subkriteria yang
Ranking 1 2 3
Total Nilai 755 678 678
Dari tabel 5 diketahui bahwa nilai tertinggi ada pada Budi Setyaningsih dengan nilai 755. Tertinggi berikutnya ada pada Eko Mulyo dan Purwadi dengan nilai yang sama yaitu 678. Kesamaan nilai ini dapat memepersulit pihak manajemen ketika menentukan prioritas ranking. Sedangkan untuk hasil penilaian dengan menggunakan FAHP yang dikeluarkan sistem dapat dilihat pada tabel 6. Perhitungan ini menggunakan bobot kriteria yang telah dihitung menggunakan FAHP yang dapat dilihat pada tabel 7. Tabel 6 Ranking Total Nilai Penilaian Pegawai Tetap dengan FAHP
Nama Pegawai Budi Setyaningsih Purwadi Eko Mulyo
Ranking 1 2 3
Total Nilai 0.358669 0.326825 0.314506 5
Tabel 7 Bobot Kriteria Penilaian Pegawai Kontrak dengan FAHP
Kriteria Sikap Kerja Kedisiplinan Tanggung Jawab Ketepatan waktu Fokus pekerjaan pemakaian barang inventaris komunikasi kerapian kesiapan bekerja Inisiatif Kerja Sama Integritas Pribadi Prestasi Kerja Pengetahuan bidang kerja kualitas hasil kerja kreatifitas ketrampilan yang dimiliki kemampuan menyelesaikan tugas sesuai target Manajerial Skill Kemampuan Perencanaan Pengambilan keputusan Kepemimpinan memotivasi unit kerja/bawahan pencapaian program dan sasaran strategis kemampuan koordinasi kemampuan pelaporan
Bobot 0.610568 0.107399 0.219686 0.099219658 0.099219658 0.021160683 0.051508 0.015898 0.051506 0.113063 0.051506 0.119324 0.0591017 0.0312748 0.0070441 0.0070441 0.0148551
Nama Pegawai Maya K Windasari Kalimatus Mira S Dewi S
Nilai Total 373.1 369.52 353.85 334.36 273
Lolos/Tidak Lolos Lolos Lolos Lolos Lolos Tidak Lolos
Untuk hasil perhitungan penilaian pegawai kontrak dengan menggunakan fuzzy AHP dapat dilihat pada tabel 10. Bobot kriteria pegawai kontrak dengan menggunakan FAHP dapat dilihat pada tabel 9. Pada perhitungan penilaian pegawai kontrak dengan fuzzy AHP nilai minimum ikut disisipkan kedalam perhitungan. Hal ini bertujuan untuk mengetahui apabila terdapat pegawai yang memiliki nilai dibawah nilai minimum tersebut, dapat dinyatakan tidak lolos seleksi. Tabel 9 Bobot Kriteria Penilaian Pegawai Kontrak dengan FAHP
Kiteria
Bobot
Ketrampilan Teknis
0.302506
Kuantitas Hasil Kerja
0.023602
0.270108 0.0372 0.075367 0.145886 0.011215
Kualitas Hasil Kerja
0.048451
Hubungan Kerjasama
0.104889
Inisiatif
0.048451
Kreatifitas
0.048451
kedisiplinan
0.048451
0.044035
Kehadiran Kerja
0.023617
Tanggung Jawab
0.303121
Cara Pandang
0.048462
0.090682 0.011658
Berdasarkan tabel 6 dapat diketahui bahwa Budi Setyaningsih menduduki peringkat pertama. Urutan nilai tertiggi tersebut membuktikan bahwa perbandingan antara perhitungan oleh RSOS dan yang menggunakan Fuzzy AHP adalah sama. Namun yang membedakan adalah pada nilai Purwadi dan Eko Mulyo. Dengan menggunakan Fuzzy AHP total nilai Purwadi lebih tinggi yaitu 0.326825 dan total nilai Eko Mulyo adalah 0.314506. Berdasarkan perbandingan tersebut, output sistem penilaian kinerja pegawai tetap telah valid dan dapat digunakan di RSOS. 6.1.2 Penilaian Kinerja Pegawai Kontrak Pada tabel 8 merupakan hasil penilaian kinerja pegawai kontrak yang telah dilakukan oleh RSOS. Sama halnya dengan penilaian kinerja pegawai tetap, perhitungan diperoleh dari perkalian nilai pegawai dengan nilai bobot kriteria kemudian dijumlahkan. RSOS telah menetapkan kebijakan bahwa apabila terdapat pegawai kontrak yang memiliki nilai dibawah jumlah nilai minimum yaitu 301, maka pegawai tersebut dinyatakan tidak lolos seleksi. Berdasarkan tabel 7 dapat diketahui bahwa Dewi tidak lolos seleksi karena memiliki nilai < 301. 6
Tabel 8 Ranking Total Nilai Penilaian Pegawai Kontrak oleh RSOS
Tabel 10 Ranking Total Nilai Penilaian Pegawai Kontrak dengan FAHP
Nama Pegawai Maya K Windasari Kalimatus Mira S
Nilai Total 0.1852299 0.1833447 0.174763 0.1654228
Lolos/Tidak Lolos Lolos Lolos Lolos Lolos
Nilai Minimum
0.1573968
-
Dewi S
0.1338419
Tidak Lolos
Berdasarkan tabel 6.12 dari lima pegawai kontrak yang ikut dalam proses seleksi, yang lolos adalah empat pegawai. Dan nilai tertinggi ada pada Maya dengan total nilai 0.1852299 dan nilai terendah ada pada Dewi dengan total nilai 0.1338419. Karena nilai minimum adalah 0.15739 maka Dewi tidak lolos dalam seleksi. Hasil seleksi tersebut membuktikan bahwa perbandingan antara perhitungan penilaian pegawai kontrak oleh RSOS dan menggunakan Fuzzy AHP adalah sama.
7. Kesimpulan Setelah dilakukan uji coba dan analisis terhadap perangkat lunak yang dibuat, maka dapat diambil beberapa kesimpulan sebagai berikut : 1. Berdasarkan hasil verifikasi sistem, aplikasi ini sudah menerapkan metode fuzzy AHP dengam benar karena perbandingan hasil antara perhitungan system dengan perhitungan spreadsheet adalah sama. 2. Berdasarkan validasi sistem yang telah dilakukan yaitu dengan membandingkan perhitungan manual RSOS dan perhitungan dengan fuzzy AHP, sistem telah menghasilkan hasil urutan ranking yang sama sehingga sistem telah valid. 3. Berdasarkan validasi sistem, fuzzy AHP dapat mengatasi permasalahan dalam menentukan ranking prioritas ketika terdapat nilai pegawai yang jumlahnya sama. 4. Dengan memanfaatkan teknologi pemrograman dan database yang ada, proses penilaian pegawai dapat dilakukan dengan cepat karena tidak memerlukan komputasi secara manual dan terkomputerisasi sehingga siap untuk dilakukan dalam penilaian kinerja pegawai pada instansi yang bersangkutan.
Daftar Pustaka Chang, D.Y. 1996. “Applications of Extent Analysis Method on Fuzzy AHP”. European Journal of Operational Research, 95, 649-655. Güngör, Z., Serhadlıoglu, G., dan Kesen, S. E.2009. “ A Fuzzy AHP Approach to Personel Selection Problem”. Applied Soft Computing, 9, 641–646. Tsai, H.Y., Chang, C.W., dan Lin H.L. 2010. “Fuzzy Hierarchy Sensitive with Delphi Method to Evaluate Hospital”. Expert Systems with Applications, 37, 5533-5541. Kusumadewi, Sri, dan Hartati, Sri. (2006). Neuro Fuzzy: Integrasi Sistem Fuzzy & Jaringan Syaraf. Yogyakarta: Graha Ilmu. http://samianstats.files.wordpress.com/2008/08/penilaian kinerja.pdf diambil pada bulan Februari 2011. http://syaifullah08.files.wordpress.com/2010/02/pengenala n-analytical-hierarchy-process.pdf diambil pada bulan Februari 2011 http://jurnal-sdm.blogspot.com/2009/04/penilaian-kinerjakaryawan-definisi.html diambil pada bulan Februari 2011
7
