ISBN: 978-602-73690-8-5
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA) Clara Hetty Primasari* Program Sistem Informasi, Universitas Atma Jaya Yogyakarta Email:
[email protected]
Abstrak Apresiasi terhadap pegawai penting untuk dilakukan oleh setiap pelaku usaha, tidak terkecuali usaha kecil dan menengah. Bentuk apresiasi terhadap pegawai yang memiliki kinerja dan performa yang baik dapat dilakukan dengan pemberian bonus untuk pegawai yang memiliki kinerja terbaik. Penentuan pegawai terbaik bisa saja menjadi subjektif jika tidak dilakukan dengan memperhatikan kriteria-kriteria sikap yang berpengaruh terhadap kemajuan usaha, standar penilaian untuk kriteriakriteria tersebut, dan perhitungan akhir dari skor-skor tiap pegawai. Penelitian ini bertujuan untuk membangun sebuah Sistem Pendukung Keputusan untuk pemilihan pegawai terbaik Parkir Inap Motor P-24. Pada studi kasus ini ditetapkan lima kriteria, antara lain kejujuran, ketepatan waktu, presensi, kesigapan, dan hubungan terhadap customer. Sistem ini dibangun dengan metode Simple Additive Weighting (SAW) yang merupakan salah satu metode Fuzzy Multiple Attribute Decision Making (FMADM). Simple Additive Weighting juga dikenal dengan weighted linear combination atau scoring methods. SAW merupakan teknik pengambilan keputusan yang berbasis pada rata-rata berbobot. Nilai untuk setiap alternatif ditentukan dengan skala 1-5. Semakin besar nilainya maka semakin baik nilai pegawai tersebut untuk kriteria yang bersangkutan. Skor evaluasi dihitung untuk setiap alternatif dengan mengalikan nilai berskala yang diberikan kepada alternatif dengan bobot kepentingan yang ditentukan secara langsung oleh decision maker. Hasil keputusan yang diperoleh dari SPK ini adalah peringkat karyawan mulai dari yang terendah hingga tertinggi. Hasil peringkat ini diharapkan dapat mempermudah pemilik usaha untuk menentukan pegawai yang memperoleh bonus kinerja. Kata-kata kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Pegawai Terbaik
Pendahuluan Keefektifan dan efisiensi dari sebuah usaha tidak hanya bergantung pada sumber finansial dan penggunaan teknologi terbaru, namun juga ditentukan dari bagaimana mereka mendayagunakan karyawan yang berdedikasi, termotivasi dan efisien. Lebih jauh, keberhasilan sebuah usaha bergantung pada jumlah karyawan yang puas yang akan melanjutkan untuk menyediakan layanan berharga mereka untuk usaha tersebut [1]. Sistem penilaian yang adil sangat penting pada setiap organisasi untuk mempertahankan karyawan yang berharga. Hal ini memungkinkan karyawan untuk memahami tanggung jawab pekerjaan mereka. Persoalan penilaian
karyawan telah diteliti oleh beberapa peneliti antara lain dalam Sistem Pendukung Keputusan (SPK) Pemilihan Karyawan pada PT. Herba Penawar Alwahida [2], Karyawan terbaik pada PT. Pertamina RU II Dumai [3], dan pegawai berprestasi pada Universitas Potensi Utama Medan [4]. Metode yang digunakan dalam SPK tersebut adalah Simple Additive Weighting (SAW). SAW dipilih karena menentukan nilai bobot setiap atribut, kemudian dilanjutkan proses perankingan akan menyeleksi alternatif terbaik dari sejumlah alternatif. Dengan SAW diharapkan perankingan akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan [5]. SAW juga digunakan dalam pemilihan Project Manager pada perusahaan
11
SEMINAR NASIONAL Dinamika Informatika 2017 Universitas PGRI Yogyakarta
MAPNA di Iran dan kebergunaan metode ini telah dibuktikan para ahli [6]. Pranolo dan Widyastuti menggunakan SAW untuk menyediakan analisa dan desain untuk pengambil keputusan dalam pengawasan kesehatan hutan [7]. Selain itu SAW juga digunakan untuk menilai performa dari Usaha Hutan Negeri di Lithuania. Penggunaan SAW dalam kasus tersebut mudah diterapkan, dikembangkan, diinterpretasikan, dan komprehensif untuk masyarakat luas [8]. Bagian selanjutnya akan menjelaskan tentang teori dari SAW dan penerapannya pada kasus pemilihan pegawai terbaik Parkir Inap Motor P-24 Yogyakarta, perancangan dan terakhir, implementasi sistem. Teori Simple Additive Weighting (SAW) yang juga dikenal dengan weighted linear combination atau scoring methods adalah teknik pengambilan keputusan yang sederhana dan sering diterapkan. Metode ini berbasis pada rata-rata berbobot. Skor evaluasi dihitung untuk setiap alternatif dengan mengalikan nilai berskala yang diberikan kepada alternatif dari atribut dengan bobot kepentingan yang ditentukan secara langsung oleh decision maker, dilanjutkan dengan penjumlahan products untuk semua kriteria. Proses dari SAW terdiri dari langkah berikut ini: Langkah ke-1: Membentuk matriks keputusan (m x n) yang memasukkan m alternatif pegawai dan n kriteria, kemudian menghitung normalisasi matriks keputusan untuk kriteria positif: Dan kriteria negatif: r j* adalah nilai maksimum r di kolom j. Langkah ke-2: Mengevaluasi tiap alternative, Ai dengan formula di bawah ini: Di mana xij adalah skor dari alternatif kei yang berkaitan dengan kriteria ke-j, w j adalah bobot kriteria. Perhitungan di atas akan menghasilkan Nilai Preferensi dari tiap Alternatif.
12
Setelah memperoleh nilai Preferensi tiap
nij
nij
rij r j*
i 1, , m,
r j min rij
j 1, , n
i 1, , m,
j 1, , n
(1)
(2)
alternatif, kita dapat meranking pegawai dari
Ai w j .xij
(3)
nilai preferensi terbesar hingga terkecil. Pegawai terbaik merupakan pegawai dengan nilai preferensi paling besar. Tabel 1 menunjukkan kriteria yang digunakan dalam penilaian beserta bobot yang telah ditentukan oleh pemilik usaha. Tabel 1. Kriteria dan Bobot Kriteria Penilaian Kriteria Penjelasan Bobot C1 Kejujuran 0.3 C2 Ketepatan Waktu 0.25 C3 Presensi 0.15 C4 Kesigapan 0.15 C5 Hubungan terhadap cust 0.1
Tabel 2 menunjukkan nilai dari setiap alternatif pegawai (A1-A5) terhadap kriteria C1-C5 dengan skala penilaian 1-5. Semakin besar nilainya maka semakin baik. Dengan penilaian tersebut maka jenis kriteria yang digunakan adalah kriteria positif. Alternatif pegawai, antara lain A1= Eko, A2= Ibas, A3= Fery, A4= Wahyu, dan A5= Henry.
Alternatif A1 A2 A3 A4 A5
C1 1 5 2 4 3
C2 2 1 2 4 5
Kriteria C3 5 2 2 4 2
C4 4 4 1 3 4
C5 3 2 3 4 3
Setelah membentuk matriks, kemudian menghitung normalisasi matriks keputusan untuk kriteria positif dengan Persamaan (1). Dan seterusnya hingga n55 dan dihasilkan matriks ternormalisasi seperti pada Tabel 3.
ISBN: 978-602-73690-8-5 Tabel 3. Tabel Matriks Ternormalisasi Kriteria Alternatif C1 C2 C3 C4 A1 0.2 0.4 1 1 A2 1 0.2 0.4 1 A3 0.4 0.4 0.4 0.25 A4 0.8 0.8 0.8 0.75 A5 0.6 1 0.4 1
Start
C5 0.75 0.5 0.75 1 0.75
Input Data Pegawai
Input Nilai Alternatif untuk tiap Kriteria
1 1 0.2 max(1;5;2;4;3) 5 1 2 n12 0.4 max(2;1;2;4;5) 5
n11
Pembuatan Matriks Penilaian
Kemudian mengevaluasi setiap alternatif dengan Persamaan (3) sehingga diperoleh Nilai tiap preferensi alternatif seperti pada Tabel 4.
Pembuatan Matriks Normalisasi
Tabel 4. Nilai Preferensi Tiap Alternatif Alternatif Nilai Preferensi A1 A2
0.535 0.61
A3 A4
0.3925 0.7725
A5
0.715
Perankingan Pegawai
DECISION OUTPUT: Ranking Pegawai
Jika nilai preferensi diurutkan dari yang terbesar hingga terkecil, akan didapatkan urutan A4, A5, A2, A1, dan A3. Sehingga dapat ditarik kesimpulan bahwa pegawai terbaik adalah A4 (Wahyu).
Stop
Gambar 1. Flowchart SPK
Model, Use Case, DFD Level 0 dan 1 dari SPK ini ditunjukkan pada Gambar 2-5.
Perancangan Sistem
SPK PEMILIHAN KARYAWAN TERBAIK
OUTPUT PERINGKAT ALTERNATIF
C1 C2 C3 C4 C5
SPK Pemilihan Pegawai dibangun dengan mengikuti alur seperti pada flowchart Gambar 1.
INPUT ALTERNATIF A1 A2 A3 A4 A5
KRITERIA
Gambar 2. Model SPK
13
SEMINAR NASIONAL Dinamika Informatika 2017 Universitas PGRI Yogyakarta
Gambar 7. Tabel Administrator
Gambar 3. Use Case Diagram Gambar 8. Tabel Pegawai
Gambar 4. DFD Level 0
Gambar 9. Tabel Kriteria
Gambar 10. Tabel Matriks Penilaian
Hasil dan diskusi Gambar 5. DFD Level 1
Untuk perancangan basis data, Gambar 6 menunjukkan Entity Relationship Diagram dari SPK, sedangkan Gambar 7-10 menunjukkan perwujudan tabel-tabel dalam basis data.
SPK dibangun dengan Tools Microsoft Visual Studio 2010 dan DBMS SQL Server 2008 R2. Gambar 11-15 menunjukkan implementasi dari SPK Pemilihan Pegawai Terbaik.
Gambar 11. Implementasi Halaman Awal
Gambar 6. ERD SPK
14
ISBN: 978-602-73690-8-5
Referensi [1] Hosain, M.S., “Impact of Best HRM Practices on Retaining the Best Employees: A Study on Selected Bangladeshi Firms”, Asian Journal of Social Sciences and Management Studies 3(2), 108-114 (2016). [2] Primahudi, B.A, Suciono, F.A., and Widodo, A.A., “Sistem Pendukung Keputusan untuk Pemilihan Karyawan dengan Metode Simple Additive Weighting di PT. Herba Penawar Alwahida Indonesia”, Jurnal Informatika Merdeka Pasuruan 2 (1), 57-80 (2016) [3] Lulu W., Y. D., Sari, W.R.M., Rachmawati, H., “Sistem Pendukung Keputusan Penentuan Karyawan Terbaik menggunakan metode SAW Studi Kasus PT. Pertamina RU II Dumai”, http:// yohana.komputer.pcr.ac.id/wp-content/ uploads/sites/46/2014/02/YDL_SistemPendukung-Keputusan-PenentuanKary awan -Terbaik -M eng g u n akan Metode-Saw-_Simple-AdditiveWeighting_-Studi-Kasus-PT.pdf [4] Tanti, L.,”Pemilihan Pegawai Berprestasi Berdasar Evaluasi Kinerja Pegawai dengan Metode SAW”, Prosiding Seminar Nasional Teknologi Informasi dan Multimedia, 6-8 Februari, STMIK AMIKOM, Yogyakarta, pp 169-174. [5] Eniyati, S., “Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerima Beasiswa dengan Metode SAW”, Jurnal Teknologi Informasi DINAMIK 16 (2), 171-177 (2011)
Gambar 12. Implementasi Pengelolaan Data Pegawai
Gambar 13. Implementasi Pengelolaan Matriks Penilaian
Gambar 14. Implementasi Matriks Ternormalisasi
Gambar 15. Peringkat Nilai Preferensi
Ucapan terima kasih Penulis mengucapkan terima kasih pada Pemilik Parkir Inap P-24 Yogyakarta yang telah bersedia menjadi objek penelitian penulis dan atas bantuan-bantuan yang diberikan selama penelitian.
[6] Afshari, A., Yusuff, R., Derayatifar, A. R., “Project Manager Selection by Using Fuzzy Simple Additive Method”, International Conference on Innovation, Management and Technology Research (ICIMTR2012), 21-22 May 2012, Malacca, Malaysia, pp. 412-416.
15
SEMINAR NASIONAL Dinamika Informatika 2017 Universitas PGRI Yogyakarta
[7] Pranolo, A., Widyastuti, S. M., “Simple Additive Weighting Method on Intelligent Agent for Urban Forest Health Monitoring”, International Conference on Computer, Control, Informatics, and Its Application, 21-23 Oktober 2014, Bandung, Indonesia, pp. 132-135.
16
[8] Kavaliauskas, M., Deltuvas, R., Cinga, G., “Simple Additive Weighting to score the State Forest Enterprise in Lithuania”, Proceedings of the International Scientific Conference, 5(2), 34-40 (2011)
