PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING DALAM PERANCANGAN PEMODELAN PENGAMBILAN KEPUTUSAN PEREKRUTAN TEKNISI OTOMOTIF (Studi Kasus: MD AUTOCARE, Sleman)
Naskah Publikasi
diajukan oleh: Adhipta Abwa Rabbika 07.12.2480
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKRTA 2011
1
Application of Fuzzy Multi Attribute Decision Making for Modeling Design of Automotive Technisian Recruitment Decission (Case Study : MD AUTOCARE, Sleman) PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING DALAM PERANCANGAN PEMODELAN PENGAMBILAN KEPUTUSAN PEREKRUTAN TEKNISI OTOMOTIF (Studi Kasus: MD AUTOCARE, Sleman)
Adhipta Abwa Rabbika Jurusan Sistem Informasi STMIK AMIKOM YOGYAKARTA
ABSTRACT
Human resources is one resource that most impact the performance of a company. A company certainly in dire need of competent human resources and professionals to help move the wheel of his efforts toward better. Recruitment of labor that does not have a professional human resources must be correlated to the declining performance of the company. Therefore, selection and good decisionmaking in the recruitment of manpower is expected to meet company expectations for quality human resources. To simplify and speed up decision-making processes appropriate and consistent in the recruitment of manpower, we need a system that can handle the job. The system can be used to assist in solving these problems is the Decision Support System (DSS) or Decision Support System (DSS), which aims to help make decisions based on the alternative selection decision is the result of processing the information. The purpose of this thesis is how to apply the Fuzzy Multi-Attribute Decision Making to design a system that can be used as a modeling decisionmaking. Will be taken case studies recruitment automotive technician in MD Autocare to simulate how these systems work and applied to a case in the real world. Calculation of Fuzzy Multi-Attribute Decision Making by the methods of Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) will be used to find the best alternative based on the criteria that qualified candidates have been determined. This method was chosen because it is able to select the best alternative from a number of alternatives, in this case meant that alternative candidates suitable technicians were recruited based on criteria that have been determined. Research done by finding the weights for each attribute, then do the ranking that will determine the optimal alternative, which is the best qualified candidates. Keywords : DSS, FMADM, TOPSIS
2
1.
Pendahuluan Di era globalisasi, perkembangan teknologi sangat berpengaruh terhadap
perkembangan suatu perusahaan atau instansi. Cara-cara konvensional dalam mengelola manajemen perusahaan kini sudah mulai tergantikan oleh peranan komputer sebagai alat kerja bantu yang handal. Dengan mengaplikasikan sistem yang terkomputerisasi dalam proses manajemen dan bisnis, diharapkan dapat menghasilkan suatu kinerja yang lebih baik bagi perusahaan maupun instansi yang bersangkutan. Salah satu contoh alat kerja bantu yang terkomputerisasi ialah Decision Support Sistem (DSS) atau Sistem Pendukung Keputusan (SPK). DSS merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data. Sistem tersebut dapat digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur maupun situasi yang tidak terstruktur, di mana tak seorangpun yang tahu bagaimana keputusan seharusnya dibuat. Salah satu contoh penerapan DSS yang masih berkaitan dengan perencanaan Sumber Daya Manusia (SDM) dalam lingkup manajemen perusahaan ialah pada kasus perekrutan/ pengadaan tenaga kerja. CV. Pillar/MD Autocare sebagai badan usaha independen yang bergerak di bidang pelayanan jasa otomotif, yaitu service kendaraan bermotor tidak bisa menghindari betapa pelik dan kompleksnya proses perekrutan tenaga kerja profesional dan berkompeten di bidang otomotif seperti teknisi otomotif. Proses penyeleksian calon teknisi otomotif itu sendiri menggunakan beberapa kriteria yang disesuaikan dengan prosedur perusahaan, yaitu dengan cara melakukan beberapa tes. Dalam proses perekrutan teknisi otomotif tersebut, pihak MD Autocare kerap mengalami kendala yang disebabkan oleh buruknya kinerja dari sistem yang sedang berjalan. Untuk membantu pemecahan masalah tersebut, akan dirancang sebuah aplikasi yang dapat membantu dalam pemodelan pengambilan keputusan. Aplikasi yang menerapkan Fuzzy Multi-Attribute Decision Making dengan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) ini dapat digunakan sebagai Sistem Pendukung Keputusan untuk perekrutan teknisi otomotif yang dilakukan secara terkomputerisasi sehingga proses perhitungan, perangkingan, dan pengelolaan data dapat dilakukan dengan cepat, mudah, dan akurat.
2.
Landasan Teori
2.1
Definisi Sistem Pendukung Keputusan (Decision Support System) DSS (Decision Support System) merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi
3
yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat (alter, 2002).
1
Menurut Scout Merton dan Gorry (1970-an) berpendapat bahwa DSS merupakan sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur (Turban, dkk 2005: 19).
2.2
Logika Fuzzy Sebelum munculnya teori logika fuzzy, dikenal sebeuah logika tegas (Crisp
Logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzy, sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya.
2.3
Fuzzy Multi-Attribute Decision Making (FMADM) Fuzzy Multi-Attribute Decision Making adalah suatu metode yang digunakan untuk
mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif, dan pendekatan integrasi antara subyektif dan obyektif.
2.4 Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) Sistem yang dikembangkan akan menerapkan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) sebagai metode penyelesaian masalah. 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. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan masalah keputusan secara praktis. Hal ini disebabkan karena konsepnya sederhana dan
1
Kusrini. Konsep dan Aplikasi Sistem Pendukung Keputusan. Andi, 2007, hal 15.
4
mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.
2
2.5 Prosedur Penyelesaian FMADM Menggunakan Metode TOPSIS Secara umum, prosedur TOPSIS mengikuti langkah-langkah sebagai berikut : 1.
Membuat matriks keputusan yang ternormalisasi.
2.
Membuat matriks keputusan yang ternormalisasi terbobot.
3.
Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.
4.
Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif.
5.
Menentukan nilai preferensi untuk setiap alternatif. TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj yang
ternormalisasi, yaitu: =
; dengan i=1, 2, … ,m; dan j=1, 2, …, n;
(2.1)
Di mana, : Nilai matriks keputusan eksperimen ke-i, respon ke-j. : Nilai eksperimen ke-i, respon ke-j. Solusi ideal positif rating bobot ternormalisasi =
dan solusi ideal negatif
dapat ditentukan berdasarkan
sebagai:
; dengan i=1, 2, … ,m; dan j=1, 2, …, n;.
(2.2)
=(
);
(2.3)
=(
);
(2.4)
Di mana, : Nilai matriks terbobot eksperimen ke-i, respon ke-j.
2
Kusumadewi, Sri; Hartanti, Sri; Harjoko, Agus; Wardoyo, Retantyo. Fuzzy Multi-Attribute Decision Making. Graha Ilmu, 2006, hal 88.
5
: Bobot respon ke-j. Jarak antara alternatif
Ai dengan solusi ideal positif dirumuskan sebagai berikut: ;
(2.5)
Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai berikut: (2.6)
Dimana, : Ukuran pisah alternatif solusi ideal eksperimen ke-i. : Ukuran pisah alternatif solusi negatif eksperimen ke-i. Nilai
preferensi
untuk
setiap
alternatif
( )
diberikan
sebagai
:
(2.7) Dimana, Vi : Nilai kedekatan relatif eksperimen ke –i. Nilai Vi yang lebih besar akan menunjukkan bahwa alternatif Ai lebih dipilih. 3.
Analisis
3.1 Analisis Kebutuhan Data .
Dalam hal ini terdapat dua kriteria seleksi yang digunakan, yakni kriteria global dan
kriteria lokal. Kriteria global merupakan jenis kriteria yang digunakan dalam proses seleksi, yaitu usia, pendidikan, tes wawancara, tes praktek, pengalaman kerja, dan sertifikasi. Sedangkan kriteria lokal merupakan nilai dari masing-masing kriteria global, misalnya sebagai berikut : 1. Usia a. Cukup = 18 – 20 tahun b. Baik = 21 – 23 tahun c. Sangat Baik = 24 – 26 tahun 2. Pendidikan a. Cukup = SMA b. Baik = SMK/STM Mesin c. Sangat Baik = Diploma/Sarjana
6
3. Tes Wawancara a. Sangat Kurang = nilai < 51 b. Kurang = nilai 51 - 60 c. Cukup = nilai 61 - 70 d. Baik = nilai 71 - 80 e. Sangat Baik = nilai > 80 4. Tes Praktek a. Sangat Kurang = nilai < 51 b. Kurang = nilai 51 - 60 c. Cukup = nilai 61 - 70 d. Baik = nilai 71 - 80 e. Sangat Baik = nilai > 80 5. Pengalaman Kerja a. Cukup = 0 tahun b. Baik = 1 – 2 tahun c. Sangat Baik = > 2 tahun 6. Sertifikasi a. Cukup = Tidak Punya b. Baik = 1 – 2 c. Sangat Baik = > 2 Nilai-nilai di atas merepresentasikan properti setiap calon teknisi otomotif. Faktor usia dan pendidikan menjadi kriteria-kriteria yang ikut dinilai karena pihak MD Autocare memiliki standar minimal dan maksimal usia serta pendidikan bagi calon teknisi otomotif yang hendak direkrut. Sedangkan tes wawancara, tes praktek, pengalaman kerja merupakan parameter kemampuan/skill yang dimiliki setiap calon teknisi otomotif. Semakin tinggi nilai tes wawancara dan tes praktek akan semakin baik. Semakin tinggi nilai
pengalaman
kerja
menandakan
calon
teknisi
tersebut
memiliki
jam
terbang/pengalaman kerja yang lebih banyak di bidangnya. Memiliki sertifikasi di bidang otomotif merupakan nilai tambah bagi para calon teknisi otomotif.
3.2
Metode Penilaian Untuk Seleksi Perekrutan Calon Teknisi Otomotif Berdasarkan tipe data
yang digunakan pada
setiap kinerja alternatif-
alternatifnya, FMADM dapat dibagi menjadi 3 kelompok, yaitu semua data yang digunakan adalah data fuzzy; semua data yang digunakan adalah data crisp; atau data yang digunakan merupakan campuran antara data fuzzy dan crisp.
7
Dikarenakan setiap kriteria lokal yang diberikan masih berbentuk data dalam bilangan fuzzy, maka data tersebut harus dikonversi terlebih dahulu ke bilangan crisp. Untuk mengkonversi bilangan fuzzy ke bilangan crisp dilakukan dengan cara defuzzy (penegasan) menggunakan metode Larges of Maximum (LOM). Pada metode LOM, solusi crisp diperoleh dengan cara mengambil nilai domain terbesar pada suatu himpunan fuzzy yang memiliki nilai keanggotaan maksimum.
8
3.3
Bagan Alir (Flowchart) Sistem Yang Diusulkan
Data Calon Teknisi
Data Nilai Kriteria Calon Teknisi
Data Nilai Bobot Preferensi
Input Data Calon Teknisi
Input Data Nilai Kriteria Calon Teknisi
Input Data Nilai Bobot Preferensi
Pengolahan Data Calon Teknisi
Pengolahan Data Nilai Kriteria Calon Teknisi
PengolahanData Nilai Bobot Preferensi
Calon Teknisi
Nilai Kriteria
Nilai Bobot
Menyiapkan Laporan
Laporan Data Pribadi Calon Teknisi
Menyiapkan Laporan
Laporan Nilai Kriteria Calon Teknisi
Proses Perhitungan Nilai Total dan Perangkingan
Nilai Total
Menyiapkan Laporan
Laporan Perhitungan Nilai Total dan Perangkingan
Gambar 3.1 Bagan Alir (Flowchart) Sistem yang Diusulkan
9
3.4
Data Flow Diagram (DFD) Level 1
Input Bobot Preferensi Kriteria
Input Data Calon Teknisi
1.0 Pengolahan Data Calon Teknisi
Laporan Seleksi Perekrutan Calon Teknisi Otomotif
Data Calon Teknisi
Bagian Operasional
Pengambil Keputusan
3.0 Merekam Bobot Preferensi Kriteria
Data Bobot Preferensi Kriteria
Calon Teknisi
Nilai Bobot
Data Calon Teknisi
Data Bobot Preferensi Kriteria
5.0 Laporan Seleksi Perekrutan Calon Teknisi Otomotif
Hasil Perhitungan Nilai Total Input Nilai Kriteria Calon Teknisi
2.0 Pengolahan Nilai Kriteria Calon Teknisi
4.0 Perhitungan Nilai Total
Nilai Total
Hasil Perhitungan Nilai Total Nilai Kriteria Calon Teknisi
Nilai Kriteria
Nilai Kriteria Calon Teknisi Data Nilai Kriteria Calon Teknisi Otomotif Data Pribadi Calon Teknisi Otomotif
Gambar 3.2 DFD Sistem yang Diusulkan
10
4.
Hasil Penelitian dan Pembahasan
4.1
Testing Sistem Pada form perhitungan nilai total ini berisi seluruh nilai kriteria dan nilai bobot yang
telah diinputkan sebelumnya. Pada form ini juga seluruh nilai kriteria yang telah dimasukkan pada langkah-langkah sebelumnya akan dihitung untuk mencari nilai totalnya.
Gambar 4.1 Form Perhitungan Nilai Total Untuk memulai menghitung nilai total, tekan tombol proses yang terdapat pada bagian pojok kanan bawah. Setelah itu sistem akan melakukan perhitungan nilai total. Hasil perhitungan nilai total akan ditampilkan pada tab baru yang muncul secara otomatis apabila proses perhitungan telah selesai dilakukan.
11
Gambar 4.11 Hasil Perhitungan Nilai Total Gambar di atas merupakan tab hasil penilaian yang muncul secara otomatis ketika proses perhitungan nilai total telah selesai dilakukan oleh sistem. Nilai total tertera pada kolom nilai total yang ditandai dengan angka berwarna merah. Kemudian untuk mencetak hasil perhitungan tersebut, klik tombol cetak. Secara otomatis sistem akan membuatkan laporan hasil perhitungan nilai total.
5.
Kesimpulan Dengan selesainya seluruh kegiatan penelitian, analisis sistem, perancangan
sistem, hingga tahap implementasi yang telah penulis lakukan di CV. Pillar / MD Autocare, maka dapat diambil kesimpulan sebagai berikut: 1. Dalam proses perhitungan nilai secara manual kerap terjadi beberapa kesalahan yang disebabkan oleh human error. Selain itu, proses manual sangat memakan begitu banyak waktu. Lamanya pembuatan laporan untuk proses pengambilan keputusan juga merupakan masalah yang terjadi pada proses perekrutan teknisi otomotif di CV. Pillar, sehingga perlu adanya suatu sistem baru yang dapat mengatasi masalah-masalah tersebut.
12
2. Fuzzy Multi-Attribute Decision Making dan metode TOPSIS dapat diandalkan untuk memecahkan permasalahan multikriteria. 3. Dengan adanya sistem baru ini, diharapkan akan meningkatkan keefisienan dalam mengolah data, menghitung nilai total dengan metode yang ditawarkan (TOPSIS), serta pembuatan laporan. 4. Setelah melakukan serangkaian pengujian, sistem yang dikembangkan penulis sudah layak dipakai oleh CV. Pillar sebagai alat bantu pengambilan keputusan perekrutan teknisi otomotif. Hal tersebut dikarenakan PROSPEKTIF mudah digunakan, tidak memakan banyak memory pada saat dijalankan, pengolahan data, proses pembuatan laporan, serta perhitungan nilai dengan metode TOPSIS dapat dilakukan dengan mudah, cepat dan akurat.
13
DAFTAR PUSTAKA
Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit Andi. Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi. Yogyakarta: Penerbit Andi. Kusumadewi, Sri; Hartanti, Sri; Harjoko, Agus; Wardoyo, Retantyo. 2006. Fuzzy MultiAttribute Decision Making. Yogyakarta: Graha Ilmu. Kurniawan, Agus. 2004. Pengenalan Bahasa C#. Jakarta: Project Otak. Ariyanto. 2008. Net Enterprise Application Programming Using Pattern and Framework. Bogor : INDC Kusumo, Ario. 2006. Pemrograman Visual Basic 2005. Jakarta: Elex Media Komputindo.
14
