PENILAIAN KINERJA KARYAWAN DI IFUN JAYA TEXTILE DENGAN METODE FUZZY SIMPLE ADDITIVE WEIGHTED Much. Rifqi Maulana Program Studi Teknik Informatika,STMIK Widya Pratama Jl. Patriot 25 Pekalongan Telp (0285)427816 email :
[email protected]
ABSTRAK Pengukuran kinerja suatu perusahaan sangat penting guna evaluasi dan perencanaan masa depan. Penilaian prestasi karyawan mutlak harus dilakukan untuk mengetahui prestasi yang hendak dicapai setiap karyawan. Untuk itu setiap perusahaan mempunyai cara yang berbeda dalam melakukan penilaian prestasi kerja karyawan. Dalam praktiknya, kegiatan penilaian atas prestasi kerja para karyawan harus dilakukan dengan metode yang baik dan tepat, sehingga tidak terjadi kesalahan dalam penilaian. Hasil penilaian yang dilakukan harus dapat menjamin perlakuan yang adil serta memuaskan bagi para karyawan yang dinilai, sehingga pada gilirannya menumbuhkan loyalitas dan semangat kerja. Ada beberapa alat bantu yang sudah umum digunakan untuk melakukan penilaian prestasi kerja karyawan, yaitu dengan metode performance apparsial. Akan tetapi metode ini memiliki beberapa masalah diantaranya adalah penilaian masih bersifat samar, terjadi efek halo, kecenderungan terpusat, dipengaruhi umur, ras dan jenis kelamin. Sistem pendukung keputusan merupakan alat bantu yang dapat digunakan untuk melakukan penilaian prestasi kerja karyawan dengan cara memperbaiki metode penilaian dari performance apparsial. Metode Fuzzy Simple Additive Weighting dipilih untuk melakukan penilaian dan perangkingan prestasi kerja karyawan. Dari hasil pengujian dapat disimpulkan bahwa aplikasi ini dapat diimplementasikan untuk penilaian prestasi kerja karyawan kontrak di Ifun Jaya Textile. Kata Kunci: Sistem Pendukung Keputusan, FSAW, Prestasi Kerja Karyawan 1. PENDAHULUAN 1.1 Latar Belakang Pengukuran kinerja suatu perusahaan sangat penting guna evaluasi dan perencanaan masa depan. Penilaian prestasi karyawan mutlak harus dilakukan untuk mengetahui prestasi yang hendak dicapai setiap karyawan. Apakah prestasi yang dicapai setiap karyawan baik, sedang atau kurang. Penilaian prestasi penting bagi perusahaan untuk menetapkan tindakan kebijaksanaan selanjutnya (1). Untuk itu setiap perusahaan mempunyai cara yang berbeda dalam melakukan penilaian prestasi kerja karyawan. Penilaian ini tergantung pada kebijakan perusahaan. Ifun Jaya Textile merupakan sebuah perusahaan yang bergerak dibidang produksi kain tenun. Perusahaan ini memiliki karyawan yang jumlahnya selalu meningkat, hal ini dikarenakan jumlah permintaan produksi yang semakin bertambah. Kondisi saat ini, penilaian dilakukan dengan mengamati karyawan kemudian data diolah secara manual, dimana masih banyak terjadinya kesalahan dalam penginputan data karyawan dan penilaian prestasi kerja serta membutuhkan waktu yang relatif lebih lama. Terdapat beberapa pendekatan untuk menyelesaikan permasalahan penilaian prestasi karyawan, antara lain dengan menggunakan Multi Attribute Decision Making (MADM) dengan metode Simple Additive Weighting (SAW), Weighted Product (WP), ELECTRE, TOPSIS, Analytic Hierarchy Process (AHP). Menurut Afshari Alireza, Mojahed Majid dan Mohd Yusuff Rosnah dalam “Simple Additive Weighting Approach to Personnel Selection Problem” keterbatasan dari makalah tersebut adalah adalah bahwa SAW mengabaikan fuzziness of executivesselama proses pengambilan keputusan. Selain itu, beberapa kriteria dapat memiliki struktur kualitatif atau memiliki struktur yang tidak pasti dan tidak dapat diukur dengan tepat (2). Armadyah Amborowati pada jurnalnya yang berjudul “Sistem Pendukung Keputusan Penilaian Karyawan Berprestasi berdasarkan Kinerja” membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan analisa pemilihan karyawan berprestasi dengan menggunakan metode Analytic Hierarchy Process (AHP), dimana masing-masing kriteria dalam hal ini faktor- faktor penilaian dan alternatif dalam hal ini para karyawan dibandingkan satu dengan yang lainnya sehingga memberikan output nilai intensitas prioritas yang menghasilkan suatu sistem yang memberikan penilaian terhadap setiap karyawan. Sistem pendukung keputusan ini membantu melakukan penilaian setiap karyawan, melakukan perubahan kriteria,dan perubahan nilai bobot. Hal ini berguna untuk memudahkan pengambil keputusan yang terkait dengan masalah pemilihan karyawan berprestasi, sehingga akan di dapatkan karyawan yang paling layak diberi reward atau penghargaan (3). [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
1
Tabel 1. Related Research No Topik/Judul 1 Simple Additive Weighting Approach to Personnel Selection Problem
Penulis Afshari Alireza, Mojahed Majid, and Mohd Yusuff Rosnah
Metode Simple Additive Weighting (SAW)
Fuzzy Simple Additive Weighting (FSAW) Analytical Hierarchi Process (AHP)
2
Fuzzy Simple Additive Weighting Method by Preference Ratio
M. Modarres and Sadi Nezhad S.
3
Rancang Bangun SPK Penilaian Kinerja Karyawan Menggunakan Metode Analytical Hierarchi Process (AHP) Performance Measurement in a Public Sector Passenger Bus Transport Company using Fuzzy Topsis, Fuzzy AHP and ANOVA
Rohmat Taufiq
4
M. Vetrivel Sezhian
Hasil/Kesimpulan Metode SAW dapat meningkatkan efisiensi dan kemudahan dalam melakukan penilaian karyawan terbaik, namun SAW mengabaikanfuzziness of executivesselama proses pengambilan keputusan. Selain itu, beberapa kriteria dapat memiliki struktur kualitatif atau memiliki struktur yang tidak pasti dan tidak dapat diukur dengan tepat (2). Dengan menerapkanrasiopreferensi, menunjukkan bahwa metode FSAWbekerja cepatdanberakhir dengannilai crispuntuksetiap alternatif (4). Sistem pendukung keputusan ini dapat digunakan untuk semua proses penilaian sementara menentukan kriteria dan sub kriteria ini dapat berubah sesuai dengan perjanjian manajemen (5).
Fuzzy Topsis, Fuzzy AHP and Analysis of Variance (ANOVA)
Membantu perusahaan dalammengukurkinerja secara keseluruhandengan memasukkanaspekproduktivitasbaik sertadimensikualitas layanan, sehingga memungkinkanmanajemen untukmengidentifikasi kekuatan dankelemahan,mendeteksitrenyang berlaku danbenchmark terhadapyang terbaikdalam bisnis (6). Dari beberapa pendekatan yang memungkinkan, dipilih pendekatan Fuzzy Multi Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW). Metode ini dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah yang berhak menerima reward berdasarkan kriteria-kriteria yang ditentukan. Alasan lain penggunaan Fuzzy Multi Attribute Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) karena data penilaian yang diinput tidak harus berupa data crips, berbeda dengan metode Multi Attribute Decision Making (MADM) klasik, dimana input data penilaian harus berupa data crips. Tujuan dari penelitian ini adalah bagaimana melakukan penilaian kinerja karyawan di Ifun Jaya Textile dengan memanfaatkan metode Fuzzy Simple Additive Weighting (FSAW). Diharapkan penilaian kinerja karyawan dengan metode FSAW di Ifun Jaya Textile dapat dilakukan dengan lebih baik dan cepat, sehingga bisa membantu manajemen dalam mengambil sebuah keputusan. 1.2 Landasan Teori 1.2.1. Fuzzy Multi Attribute Decision Making (FMADM) Pada dasarnya proses MADM dilakukan melalui 3 tahapan yaitu: penyusunan komponen-komponen situasi, analisis dan sintesis informasi. Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan tribut. Salah satu cara untuk menspesifikasikan tujuan situasi |Oi, i=1,...,t | adalah dengan cara mendaftar konsekuensi-konsekuensi yang mungkin dari alternatif yang telah teridentifikasi | Ai, i=1,...,n|. Selain itu juga disusun atribut-atribut yang akan digunakan |ak, k=1,...,n|. Tahap analisis dilakukan melalui 2 langkah, yaitu: a. Mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif. b. Meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap resiko yang timbul.
2
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
Masalah Multi Attribute Decision Making (MADM) adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut X, diberikan sebagai: [
]
Dimana Xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat kepentingan relatif setiap atribut, sebagai W. W = {W1,W2,...,Wn} Rating kinerja (X) dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari pengambil keputusan. Metode MADM klasik memiliki beberapa kelemahan, antara lain : a. Tidak cukup efisien untuk menyelesaikan masalah-masalah pengambilan keputusan yang melibatkan datadata yang tidak tepat, tidak pasti dan tidak jelas. b. Biasanya diasumsikan bahwa keputusan akhir terhadap alternative-alternatif diekspresikan dengan bilangan riil, sehingga tahap perangkingan menjadi kurang mewakili beberapa permasalahn tertentu dan penyelesaian masalah hanya terpusat pada tahap agregasi. Salah satu cara yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan menggunakan Fuzzy Multi Attribute Decision Making (FMADM). Tahapan untuk penyelesaian masalah dengan FMADM : a. Membuat rating pada setiap alternative berdasarkan agregasi derajat kecocokan pada semua kriteria. b. Merangking semua alternative untuk mendapatkan alternative terbaik. Ada 2 (dua) cara yang digunakan, yaitu defuzzy atau relasi preferensi fuzzy (7). 1.2.2. Simple Additive Weighting Method (SAW) Metode ini sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode ini adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (7). Metode ini membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. jika j adalah atribut keuntungan (benefit) {
(1.1) jika j adalah atribut biaya (cost)
Dimana rij adalah rating kinerja ternormalisasi dari aloternatif Ai pada atribut Cj, i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: ∑ (1.2) Nilai Vi yang lebih besar mengidentifikasikan bahwa alternatif Ai lebih terpilih. 2. METODE PENELITIAN 2.1 Jenis Penelitian Penelitian dilakukan di Ifun Jaya Textile dengan membandingkan antara penilaian kinerja karyawan secara manual dengan penilaian kinerja karyawan dengan metode FSAW untuk mengetahui seberapa cepat, akurat dan tepat proses perhitungan yang dilakukan. Untuk melakukan penelitian dilakukan observasi terlebih dahulu di Ifun Jaya Textile dengan membagikan kuesioner dan melakukan wawancara kepada pemilik perusahaan. 2.2 Populasi dan Sampel Jumlah karyawan di Ifun Jaya Textile pada Desember tahun 2011 adalah 35 orang, adapun jumlah detailnya adalah sebagai berikut : Tabel 2. Jumlah karyawan Ifun Jaya Textile Tahun 2011 Bulan 1 2 3 4 5 6 7 8 9 10 11 12 Tahun 2011 20 20 24 24 24 24 30 30 35 35 35 35 Dengan jumlah populasi yang hanya 35 orang, maka seluruh populasi akan digunakan dalam penelitian.
2.3 Metode Pengumpulan Data Pengumpulan data dilakukan dengan memberikan kuesioner kepada 4 (empat) orang yang terdiri dari pemilik perusahaan, manager operasional, mandor dan bendahara perusahaan. Berikut pertanyaan yang disampaikan pada pre test : [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
3
1. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan informasi yang akurat? 2. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan hasil yang cepat? 3. Penilaian kinerja karyawan yang saat ini berjalan dapat membantu perusahaan dalam pengambilan keputusan? 4. Proses yang saat ini berjalan dapat memudahkan dalam melakukan penilaian kinerja karyawan? 5. Proses yang saat ini berjalan sudah memberikan analisis yang tepat dan akurat terhadap penilaian kinerja karyawan? 6. Penilaian kinerja karyawan yang saat ini berjalan menggunakan beberapa parameter/variabel? 7. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan keuntungan bagi perusahaan? Hasil kuesioner tersebut diukur dengan skala Likert, yang merupakan bentuk skala penilaian antara 1 (satu) sampai 4 (empat) dengan deskripsi sebagai berikut : Angka 1 (satu) menyatakan tidak setuju (TS) Angka 2 (dua) menyatakan kurang setuju (KS) Angka 3 (tiga) menyatakan setuju (S) Angka 4 (empat) menyatakan sangat setuju (ST) Tabel 3. Hasil Pre Test : Pertanyaan No Nama Karyawan Jabatan Total 1 2 3 4 5 6 7 1 H. Zabidin Pemilik Perusahaan 3 1 2 3 2 3 2 16 2 Saefun Naja Manager Operasional 3 2 2 2 3 2 3 17 3 M. Nizam Mandor 2 3 1 2 3 1 3 15 4 Talita Khusna Bendahara 2 2 2 3 1 3 2 15 Selain memberikan kuesioner, dilakukan pula wawancara terhadap pemilik perusahaan Ifun Jaya Textile. Wawancara dilakukan untuk mengetahui apa yang menjadi kriteria penilaian kinerja karyawan dan bagaimana pembobotan yang saat ini dilakukan. Dari hasil wawancara yang dilakukan, pemilik perusahaan menetapkan beberapa kriteria dan bobot untuk penilaian kinerja karyawan, yaitu : Tabel 4. Kriteria dan Bobot Penilaian Kinerja Karyawan di Ifun Jaya Textile No Kriteria Penilaian Bobot Preferensi Keterangan 1 Kualitas dan Sangat Tinggi Menilai berapa jumlah dan bagaimana kualitas pekerjaan yang kuantitas kerja telah diselesaikan karyawan 2 Ketaatan Tinggi Menilai tanggung jawab terhadap seluruh proses pelaksanaan tugas dan ketaatan terhadap aturan perusahaan 3 Kerjasama Cukup Menilai tingkat kemampuan bekerjasama dengan atasan dan rekan kerja dalam melaksanakan tugas 4 Semangat kerja Cukup Menilai motivasi secara terus menerus dalam pelaksanaan tugas dan antusiasme untuk pengembangan dirinya 5 Disiplin kerja Tinggi Menilai ketepatan hadir di tempat kerja 2.4 Teknik Pengolahan dan Analisa Data Setelah data diperoleh, selanjutnya adalah melakukan perhitungan dengan data tesebut dengan metode FSAW. Untuk menganalisis data hasil angket dilakukan langkah-langkah sebagai berikut: 1. Melakukan identifikasi kriteria. Identifikasi Kriteria C1 = Kualitas dan Kuantitas Kerja C2 = Ketaatan C3 = Kerjasama C4 = Semangat Kerja C5 = Disiplin Kerja Dari bilangan fuzzy bobot yang telah ditentukan dapat dikonversikan ke bilangan crips : Sangat Rendah (SR) =0; Rendah (R)=0,25; Cukup (C)=0,5; Tinggi (T)=0,75; dan Sangat Tinggi (ST)=1;
Tabel 5. Rating kecocokan dari setiap alternatif pada setiap kriteria Nilai Kriteria NO
Alternatif C1
4
C2
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
C3
C4
C5
1
Ahmad Sholeh
Baik
Baik
Sangat Baik
Cukup
Baik
2
Eko Darmawanto
Sangat Baik
Baik
Baik
Baik
Sangat Baik
3
Kiswandi
Baik
Sangat Baik
Cukup
Baik
Baik
4
Ibnu Nugroho
Cukup
Baik
Cukup
Cukup
Baik
5
Slamet
Baik
Baik
Baik
Baik
Cukup
6
Lukman Hakim
Baik
Baik
Cukup
Cukup
Cukup
7
Sudomo
Baik
Baik
Baik
Cukup
Cukup
8
Kasmuri
Kurang
Baik
Cukup
Baik
Baik
9
Carmun
Kurang
Cukup
Baik
Kurang
Kurang
10
Setyadi
Cukup
Cukup
Baik
Cukup
Cukup
11
Adi Kusumo
Baik
Cukup
Cukup
Cukup
Kurang
12
Kurniawan
Baik
Sangat Baik
Baik
Baik
Baik
13
Irham
Baik
Baik
Cukup
Cukup
Cukup
14
Mulyono
Baik
Sangat Baik
Baik
Baik
Baik
15
Condro
Baik
Cukup
Cukup
Baik
Baik
16
Amat Ridho
Baik
Baik
Baik
Baik
Sangat Baik
17
Miftahuddin
Baik
Cukup
Baik
Cukup
Cukup
18
Mirza
Cukup
Baik
Baik
Cukup
Cukup
19
Nurul Huda
Baik
Baik
Sangat Baik
Baik
Baik
20
Zaenal Abidin
Baik
Cukup
Cukup
Baik
Baik
21
Mustofa
Baik
Baik
Cukup
Baik
Sangat Baik
22
Agus Salim
Baik
Sangat Baik
Baik
Baik
Baik
23
Ahmad Dahlan
Baik
Cukup
Cukup
Baik
Baik
24
Sobiyanto
Baik
Baik
Sangat Baik
Baik
Sangat Baik
25
Sobirin
Cukup
Baik
Kurang
Baik
Baik
26
Mustaqim
Cukup
Cukup
Baik
Kurang
Kurang
27
Ismail
Baik
Cukup
Baik
Cukup
Cukup
28
M. Zakaria
Baik
Cukup
Cukup
Cukup
Kurang
29
Burhanuddin
Cukup
Baik
Baik
Cukup
Cukup
30
Farid
Sangat Baik
Baik
Baik
Baik
Baik
31
M. Taufiq
Baik
Cukup
Cukup
Baik
Baik
32
Saefuddin
Baik
Baik
Baik
Baik
Baik
Nilai Kriteria NO 33
Alternatif Ghufron
C1
C2
C3
C4
C5
Cukup
Cukup
Baik
Kurang
Kurang
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
5
34
Junaidi
Baik
Cukup
Baik
Cukup
Cukup
35
Yusron
Baik
Cukup
Baik
Sangat Baik
Sangat Baik
2. Melakukan konversi bilangan fuzzy ke bilangan crips. Semua kriteria terbagi atas 5 (lima) bilangan fuzzy, yaitu sangat kurang (SK), kurang (K), cukup (C), baik (B), sangat baik (SB). Bilangan-bilangan fuzzy tersebut dapat dikonversikan ke bilangan crips : SK=0; K=0,25; C=0,5; B=0,75; dan SB=1; Tabel 6. Hasil konversi bilangan fuzzy kebilangan crips dari setiap alternatif pada setiap kriteria Nilai Kriteria NO
Alternatif C1
C2
C3
C4
C5
0.75
0.75
1
0.5
0.75
1
0.75
0.75
0.75
1
1
Ahmad Sholeh
2
Eko Darmawanto
3
Kiswandi
0.75
1
0.5
0.75
0.75
4
Ibnu Nugroho
0.5
0.75
0.5
0.5
0.75
5
Slamet
0.75
0.75
0.75
0.75
0.5
6
Lukman Hakim
0.75
0.75
0.5
0.5
0.5
7
Sudomo
0.75
0.75
0.75
0.5
0.5
8
Kasmuri
0.25
0.75
0.5
0.75
0.75
9
Carmun
0.25
0.5
0.75
0.25
0.25
10
Setyadi
0.5
0.5
0.75
0.5
0.5
11
Adi Kusumo
0.75
0.5
0.5
0.5
0.25
12
Kurniawan
0.75
1
0.75
0.75
0.75
13
Irham
0.75
0.75
0.5
0.5
0.5
14
Mulyono
0.75
1
0.75
0.75
0.75
15
Condro
0.75
0.5
0.5
0.75
0.75
16
Amat Ridho
0.75
0.75
0.75
0.75
1
17
Miftahuddin
0.75
0.5
0.75
0.5
0.5
18
Mirza
0.5
0.75
0.75
0.5
0.5
19
Nurul Huda
0.75
0.75
1
0.75
0.75
20
Zaenal Abidin
0.75
0.5
0.5
0.75
0.75
21
Mustofa
0.75
0.75
0.5
0.75
1
22
Agus Salim
0.75
1
0.75
0.75
0.75
23
Ahmad Dahlan
0.75
0.5
0.5
0.75
0.75
24
Sobiyanto
0.75
0.75
1
0.75
1
25
Sobirin
0.5
0.75
0.25
0.75
0.75
Nilai Kriteria NO 26
6
Alternatif Mustaqim
C1
C2
C3
C4
C5
0.5
0.5
0.75
0.25
0.25
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
27
Ismail
0.75
0.5
0.75
0.5
0.5
28
M. Zakaria
0.75
0.5
0.5
0.5
0.25
29
Burhanuddin
0.5
0.75
0.75
0.5
0.5
30
Farid
1
0.75
0.75
0.75
0.75
31
M. Taufiq
0.75
0.5
0.5
0.75
0.75
32
Saefuddin
0.75
0.75
0.75
0.75
0.75
33
Ghufron
0.5
0.5
0.75
0.25
0.25
34
Junaidi
0.75
0.5
0.75
0.5
0.5
35
Yusron
0.75
0.5
0.75
1
1
3. Membuat matriks keputusan. Berdasarkan tabel rating kecocokan, dapat dibentuk matriks keputusan dibentuk sebagai berikut : [
]
Dari matriks keputusan (X) tersebut kemudian dilakukan proses normalisasi ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada sesuai dengan persamaan 1.1 : Tabel 7. Hasil normalisasi matriks keputusan : Nilai Kriteria NO
Alternatif C1
C2
C3
C4
C5
0.75
0.75
1
0.5
0.75
1
0.75
0.75
0.75
1
1
Ahmad Sholeh
2
Eko Darmawanto
3
Kiswandi
0.75
1
0.5
0.75
0.75
4
Ibnu Nugroho
0.5
0.75
0.5
0.5
0.75
5
Slamet
0.75
0.75
0.75
0.75
0.5
6
Lukman Hakim
0.75
0.75
0.5
0.5
0.5
7
Sudomo
0.75
0.75
0.75
0.5
0.5
8
Kasmuri
0.25
0.75
0.5
0.75
0.75
9
Carmun
0.25
0.5
0.75
0.25
0.25
10
Setyadi
0.5
0.5
0.75
0.5
0.5
11
Adi Kusumo
0.75
0.5
0.5
0.5
0.25
12
Kurniawan
0.75
1
0.75
0.75
0.75
13
Irham
0.75
0.75
0.5
0.5
0.5
14
Mulyono
0.75
1
0.75
0.75
0.75
15
Condro
0.75
0.5
0.5
0.75
0.75
16
Amat Ridho
0.75
0.75
0.75
0.75
1
Nilai Kriteria NO
Alternatif C1
C2
C3
C4
C5
17
Miftahuddin
0.75
0.5
0.75
0.5
0.5
18
Mirza
0.5
0.75
0.75
0.5
0.5
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
7
19
Nurul Huda
0.75
0.75
1
0.75
0.75
20
Zaenal Abidin
0.75
0.5
0.5
0.75
0.75
21
Mustofa
0.75
0.75
0.5
0.75
1
22
Agus Salim
0.75
1
0.75
0.75
0.75
23
Ahmad Dahlan
0.75
0.5
0.5
0.75
0.75
24
Sobiyanto
0.75
0.75
1
0.75
1
25
Sobirin
0.5
0.75
0.25
0.75
0.75
26
Mustaqim
0.5
0.5
0.75
0.25
0.25
27
Ismail
0.75
0.5
0.75
0.5
0.5
28
M. Zakaria
0.75
0.5
0.5
0.5
0.25
29
Burhanuddin
0.5
0.75
0.75
0.5
0.5
30
Farid
1
0.75
0.75
0.75
0.75
31
M. Taufiq
0.75
0.5
0.5
0.75
0.75
32
Saefuddin
0.75
0.75
0.75
0.75
0.75
33
Ghufron
0.5
0.5
0.75
0.25
0.25
34
Junaidi
0.75
0.5
0.75
0.5
0.5
35
Yusron
0.75
0.5
0.75
1
1
4. Melakukan Perangkingan. Setelah proses normalisasi, kemudian dihitung nilai preferensi untuk setiap alternatif (Vi) dengan vector bobot W = [1; 0,75; 0,5; 0,5; 0,75] sesuai dengan persamaan 1.2 : Tabel 8. Hasil perangkingan dengan FSAW : Vi C1 C2 C3 C4 C5 Nilai V Ahmad Sholeh 0.75 0.56 0.50 0.25 0.56 2.63 Eko Darmawanto 1.00 0.56 0.38 0.38 0.75 3.06 Kiswandi 0.75 0.75 0.25 0.38 0.56 2.69 Ibnu Nugroho 0.50 0.56 0.25 0.25 0.56 2.13 Slamet 0.75 0.56 0.38 0.38 0.38 2.44 Lukman Hakim 0.75 0.56 0.25 0.25 0.38 2.19 Sudomo 0.75 0.56 0.38 0.25 0.38 2.31 Kasmuri 0.25 0.56 0.25 0.38 0.56 2.00 Carmun 0.25 0.38 0.38 0.13 0.19 1.31 Setyadi 0.50 0.38 0.38 0.25 0.38 1.88 Adi Kusumo 0.75 0.38 0.25 0.25 0.19 1.81 Kurniawan 0.75 0.75 0.38 0.38 0.56 2.81 Irham 0.75 0.56 0.25 0.25 0.38 2.19 Mulyono 0.75 0.75 0.38 0.38 0.56 2.81 Condro 0.75 0.38 0.25 0.38 0.56 2.31 Amat Ridho 0.75 0.56 0.38 0.38 0.75 2.81 Miftahuddin 0.75 0.38 0.38 0.25 0.38 2.13 Mirza 0.50 0.56 0.38 0.25 0.38 2.06 Vi C1 C2 C3 C4 C5 Nilai V Nurul Huda 0.75 0.56 0.50 0.38 0.56 2.75 Zaenal Abidin 0.75 0.38 0.25 0.38 0.56 2.31 Mustofa 0.75 0.56 0.25 0.38 0.75 2.69 Agus Salim 0.75 0.75 0.38 0.38 0.56 2.81 Ahmad Dahlan 0.75 0.38 0.25 0.38 0.56 2.31
8
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
Sobiyanto Sobirin Mustaqim Ismail M. Zakaria Burhanuddin Farid M. Taufiq Saefuddin Ghufron Junaidi Yusron
0.75 0.50 0.50 0.75 0.75 0.50 1.00 0.75 0.75 0.50 0.75 0.75
0.56 0.56 0.38 0.38 0.38 0.56 0.56 0.38 0.56 0.38 0.38 0.38
0.50 0.13 0.38 0.38 0.25 0.38 0.38 0.25 0.38 0.38 0.38 0.38
0.38 0.38 0.13 0.25 0.25 0.25 0.38 0.38 0.38 0.13 0.25 0.50
0.75 0.56 0.19 0.38 0.19 0.38 0.56 0.56 0.56 0.19 0.38 0.75
2.94 2.13 1.56 2.13 1.81 2.06 2.88 2.31 2.63 1.56 2.13 2.75
3. HASIL DAN PEMBAHASAN 3.1 Hasil Setelah penilaian kinerja karyawan dengan metode FSAW diimplementasikan di Ifun Jaya Textile, disebar kuesioner tahap kedua dengan responden yang sama untuk mengukur dampak implementasi sistem dengan pertanyaan dan hasil sebagai berikut : 1. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat memberikan informasi yang lebih akurat? 2. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat lebih efektif untuk menilai kinerja karyawan? 3. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat membantu perusahaan dalam pengambilan keputusan? 4. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat digunakan secara mudah dalam melakukan penilaian prestasi kerja karyawan? 5. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat memberikan analisis yang lebih tepat dan akurat? 6. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat digunakan untuk menilai kinerja karyawan dengan menggunakan beberapa parameter? 7. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat memberikan keuntungan bagi perusahaan? Tabel 9. Hasil Post Test Pertanyaan No Nama Karyawan Jabatan Total 1 2 3 4 5 6 7 1 H. Zabidin Pemilik Perusahaan 3 3 4 3 3 4 3 23 2 Saefun Naja Manager Operasional 3 3 3 4 4 4 3 24 3 M. Nizam Mandor 3 3 3 3 3 4 3 22 4 Talita Khusna Bendahara 3 3 4 3 3 4 3 23 Dari hasil pre test dan post test tersebut, bisa dirangkum dalam table berikut : Tabel 10. Hasil Pre Test dan Post Test No Nama Karyawan Jabatan Pre Test Post Test 1 H. Zabidin Pemilik Perusahaan 16 23 2 Saefun Naja Manager Operasional 17 24 3 M. Nizam Mandor 15 22 4 Talita Khusna Bendahara 15 23 Apabila table hasil pre test dan post test tersebut digambarkan dalam bentuk grafik, akan tampak perbedaan yang signifikan terhadap penggunaan sistem pendukung keputusan penilaian kinerja kerja karyawan dengan metode FSAW.
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
9
30 25 20 15 10 5 0
Pre Test Post Test Pemilik Manager Perusahaan Perusahaan
Mandor
Bandahara
Gambar 1. Grafik hasil pre test dan post test 3.2 Pembahasan Sebelum adanya sistem pendukung keputusan penilaian prestasi kerja karyawan, penilaian dilakukan secara manual. Setelah nilai direkap, kemudian dilakukan perhitungan dengan cara menjumlahkan nilai dari setiap kriteria, sehingga didapatkan nilai total dari setiap karyawan. Adapun contoh penilaian karyawan kontrak yang dilakukan secara manual adalah sebagai berikut : Tabel 11. Hasil penilaian karyawan secara manual Kualitas & Semangat Disiplin Nilai Nama Karyawan Ketaatan Kerjasama Kuantitas Kerja Kerja Kerja Total Ahmad Sholeh 8 8 9 7 8 40.00 Eko Darmawanto 8 7 7 7 8 37.00 Kiswandi 8 9 7 8 8 40.00 Ibnu Nugroho 6 7 6 6 7 32.00 Slamet 8 8 8 8 7 39.00 Lukman Hakim 7 7 6 6 6 32.00 Sudomo 8 8 8 7 7 38.00 Kasmuri 5 7 6 7 7 32.00 Carmun 6 7 8 6 6 33.00 Setyadi 6 6 7 6 6 31.00 Adi Kusumo 7 6 6 6 5 30.00 Kurniawan 7 8 7 7 7 36.00 Irham 8 8 7 7 7 37.00 Mulyono 7 8 7 7 7 36.00 Condro 7 6 6 7 7 33.00 Amat Ridho 7 7 7 7 8 36.00 Miftahuddin 7 6 7 6 6 32.00 Mirza 7 8 8 7 7 37.00 Nurul Huda 7 7 8 7 7 36.00 Zaenal Abidin 7 6 6 7 7 33.00 Mustofa 8 8 7 8 9 40.00 Agus Salim 7 8 7 7 7 36.00 Ahmad Dahlan 8 7 7 8 8 38.00 Sobiyanto 7 7 8 7 8 37.00 Sobirin 7 8 6 8 8 37.00 Mustaqim 6 6 7 5 5 29.00 Ismail 8 7 8 7 7 37.00 M. Zakaria 7 6 6 6 5 30.00 Burhanuddin 7 8 8 7 7 37.00 Farid 8 7 7 7 7 36.00 M. Taufiq 7 6 6 7 7 33.00 Saefuddin 8 8 8 8 8 40.00 Ghufron 6 6 7 5 5 29.00 Junaidi 8 7 8 7 7 37.00 Yusron 7 6 7 8 8 36.00 Dari hasil perhitungan secara manual dan dengan menggunakan sistem pendukung keputusan terdapat perbedaan dalam hasil perangkingan yang dilakukan. Hal ini dikarenakan pada perhitungan manual nilai total didapat
10
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
dengan menjumlahkan semua nilai pada setiap kriteria, sedangkan pada perhitungan dengan sistem pendukung keputusan, dilakukan pembobotan terlebih dahulu untuk setiap kriteria, kemudian dilakukan penjumlahan nilai dari setiap kriteria. Perbedaan perangkingan tersebut bisa dilihat pada table dibawah ini. Tabel 12. Perbedaan perangkingan manual dengan perhitungan FSAW Nama Karyawan Rangking Perhitungan Manual Rangking Perhitungan FSAW Ahmad Sholeh 1 12 Eko Darmawanto 8 1 Kiswandi 2 10 Ibnu Nugroho 27 22 Slamet 5 14 Lukman Hakim 28 20 Sudomo 6 15 Kasmuri 29 29 Carmun 23 35 Setyadi 31 30 Adi Kusumo 32 31 Kurniawan 16 4 Irham 9 21 Mulyono 17 5 Condro 24 16 Amat Ridho 18 6 Miftahuddin 30 23 Mirza 10 27 Nurul Huda 19 8 Zaenal Abidin 25 17 Mustofa 3 11 Agus Salim 20 7 Ahmad Dahlan 7 18 Sobiyanto 11 2 Sobirin 12 24 Mustaqim 34 33 Ismail 13 25 M. Zakaria 33 32 Burhanuddin 14 28 Farid 21 3 M. Taufiq 26 19 Saefuddin 4 13 Ghufron 35 34 Junaidi 15 26 Yusron 22 9 Apabila tabel perbedaan perangkingan dengan perhitungan manual dan perangkingan dengan perhitungan Fuzzy Simple Additive Weighting tersebut digambarkan dalam bentuk grafik, akan tampak hasil sebagai berikut :
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
11
40 35 30 25 20 15 10 5 Ahmad Sholeh Eko Darmawanto Kiswandi Ibnu Nugroho Slamet Lukman Hakim Sudomo Kasmuri Carmun Setyadi Adi Kusumo Kurniawan Irham Mulyono Condro Amat Ridho Miftahuddin Mirza Nurul Huda Zaenal Abidin Mustofa Agus Salim Ahmad Dahlan Sobiyanto Sobirin Mustaqim Ismail M. Zakaria Burhanuddin Farid M. Taufiq Saefuddin Ghufron Junaidi Yusron
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 Perhitungan Manual
Perhitungan FSAW
Gambar 2. Perbedaan perangkingan manual dengan perhitungan FSAW 4. Kesimpulan Penilaian prestasi kerja karyawan kontrak dengan parameter penilaian kualitas dan kuantitas kerja, ketaatan, kerjasama, semangat kerja dan disiplin kerja menggunakan algoritma Fuzzy Simple Additive Weighting sudah berjalan dengan baik dan dapat menghasilkan analisis dan informasi yang akurat dan cepat terlihat dibandingkan dengam perhitungan manual sehingga Ifun Jaya Textile dapat mempergunakannya sebagai alat bantu untuk pengambilan keputusan. 5. Daftar Pustaka 1. Malayu SH. Manajemen Sumber Daya Manusia Edisi Revisi Jakarta: Bumi Aksara; 2009. 2. Alireza A, Majid M, Rosnah MY. Simple Additive Weighting approach to Personnel Selection problem. 2010. 3. Amborowati A. Sistem Pendukung Keputusan Penilaian Karyawan Berprestasi berdasarkan Kinerja. 2007. 4. Modarres M, S. SN. Fuzzy Simple Additive Weighting Method by Preference Ratio. Intelligent Automation and Soft Computing. 2005; 11: p. 235-244. 5. Taufiq R. Rancang Bangun Sistem Pendukung Keputusan Penilaian Kinerja Karyawan menggunakan Metode Analytical Hierarchi Process. . 6. Sezhian MV. Performance Measurement in a Public Sector Passenger Bus Transport Company using Fuzzy Topsis, Fuzzy AHP and ANOVA. IJEST. 2011 Feb; 3. 7. Kusumadewi S. Fuzzy Multi-Attribute Decision Making Yogyakarta: Graha Ilmu; 2006.
12
[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]
