Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
ISSN: 2089-9815
SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN CALON PEGAWAI DI PT. HOLI PHARMA MENGGUNAKAN METODE AHP DAN ANP Ega Agustri M. Manik1, Gunawan Abdillah2,Agus Komaruddin3 Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jenderal Achmad Yani Jl.Terusan Jenderal Sudirman PO BOX 148 Cimahi, Jawa Barat, Indonesia E-mail: 1
[email protected] ABSTRAKS Dalam seleksi calon pegawai peran ilmu psikologi dibutuhkan untuk penempatan calon pegawai yang nantinya akan berpengaruh terhadap kinerja perusahaan. Dalam tahap seleksi terdapat uji psikotes seperti psikotes PAPI Kostick untuk menentukan penempatan calon pegawai. Dalam menentukan penempatan calon pegawai memakan waktu yang cukup lama dengan calon pegawai yang begitu banyak sehingga menimbulkan kurang efektif dari segi waktu, dengan adanya sebuah sistem pendukung keputusan sebagai alat bantu, dapat menyelesaikan masalah tersebut. Penelitian ini membangun sistem pendukung keputusan untuk memberikan rekomendasi penempatan calon pegawai berdasarkan skor work direction, work style, leadership, social nature, activity, followership, dan temperament yang didapat dari hasil uji psikotes sebagai kriteria tiap calon pegawai. Skor dari tiap kriteria dilakukan proses pembobotan menggunakan metode Analytic Hierarchy Process dengan mencari nilai eigenvector-nya dan untuk proses perangkingan menggunakan metode Analytic Network Process dengan membuat supermatirks dari nilai eigenvector tersebut untuk memberikan rekomendasi penempatan yang sesuai dengan skor psikotes tiap calon pegawai. Hasil dari penelitian ini berupa rekomendasi penempatan untuk calon pegawai. Dari 7 data calon pegawai yang diuji, diperoleh nilai presisi 70%, nilai akurasi 67% dan lama proses perhitungan 0,1420 detik. Kata Kunci: Sistem Pendukung Keputusan, Analytic Network Process, Analytic Hierarchy Process, Calon pegawai, PAPI Kostick melalui tahapan Recruitment dan Selection, bagian 1. PENDAHULUAN HRD dapat menentukan penempatan (Placement) 1.1 Latar Belakang Pegawai merupakan elemen yang sangat calon pegawai yang telah lulus uji administrasi dan penting dalam perusahaan. Setiap perusahaan dibutuhkan oleh perusahaan industri tersebut sesuai tentunya berhati-hati dalam memilih penempatan dengan hasil kriteria dari beberapa aspek yang bagi calon pegawai baru, karena penempatan didapat dari tahapan sebelumnya, tetapi terdapat pegawai pada suatu perusahaan sangat masalah ketika bagian HRD menangani banyaknya mempengaruhi aspek kinerja dari perusahaan jumlah calon pegawai dan kompleksnya kriteria tersebut. PT. Holi Pharma Cimahi adalah salah satu penempatan calon pegawai sehingga membutuhkan perusahaan industri yang bergerak dibidang farmasi waktu yang cukup lama untuk menarik satu atau pabrik obat yang memiliki ribuan pegawai dari kesimpulan penempatan calon pegawai dari hasil pegawai tetap, kontrak dan harian. Perusahaan analisis aspek-aspek yang diperhitungkan. industri ini terbagi menjadi tiga bagian penempatan, Metode Analytic Network Process (ANP) yaitu bagian kantor, bagian teknisi/produksi dan merupakan salah satu metode yang mampu bagian lapangan. Bagian yang menentukan merepresentasikan tingkat kepentingan berbagai penempatan calon pegawai di perusahaan adalah pihak dengan mempertimbangkan keterkaitan antar bagian Human Resources Development (HRD) yang kriteria dan sub kriteria yang ada. Model ini berlatar belakang ilmu psikologi. Bagian HRD merupakan pengembangan dari Analytic Hierarchy bertugas untuk memberikan tes psikologi bagi calon Process (AHP) sehingga kompleksitasnya lebih pegawai yang sudah lulus uji administrasi dan dibanding metode AHP. Beberapa penelitian nantinya disesuaikan dengan kriteria yang dimiliki. menggunakan ANP, AHP atau pun keduanya seperti Terdapat lima alat tes psikologi yang digunakan pengukuran kinerja di kebun Sidamanik (Hidayati, dalam proses penempatan pegawai, tetapi untuk 2012), pemilihan trase jalan (Ibrahim, 2013), menilai calon pegawai dalam lingkungan kerja agar pemilihan vendor Alat Pelindung Diri (APD) sesuai dengan penempatannya alat tes yang (Priyandika, 2011), penentuan Starting Line Up pada digunakan adalah PAPI Kostick. pertandingan sepak bola(Putra, 2012), pemilihan Tahapan yang digunakan dalam penempatan suppiler bahan baku (Sandy, 2013), penempatan calon pegawai oleh Bagian HRD dalam ilmu ulang pegawai berdasarkan psikotes (Saputra, 2014), Psikologi Industri dan Organisasi (PIO) adalah penempatan kerja pada sebuah instansi (Susianti, Recruitment, Selection dan Placement. Setelah 2011), pemilihan kualitas batu mulia (Wahyuni,
543
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
2012), dan membangun ulang bobot akreditasi pada program studi di universitas (Diana, 2009). Dalam penelitian ini, uji psikotes PAPI Kostick dilakukan terintegrasi oleh sistem terhadap aspekaspek atau pernyataan yang telah dibuat,seperti halnya proses pengolahan psikotes yang dilakukan secara manual. Hasil penelitian diterapkan dalam perangkat lunak agar dapat digunakan oleh bagian HRD PT. Holi Pharma Cimahi agar tidak membutuhkan waktu yang cukup lama dalam menarik kesimpulan hasil tes yang menjadi penentu penempatan calon pegawai. Penelitian ini bertujuan untuk membangun sistem yang dapat memberikan rekomendasi penempatan calon pegawai berdasarkan kriteria yang didapat dari hasil uji psikotes PAPI kostick dengan menggunakan metode Analytic Hierarchy Process dan Analytic Network Process.
ISSN: 2089-9815
Gambar 1. Model Stuktur AHP(a) dan ANP(b) 1.Konstruksi model dan strukturisasi masalah Tujuan utamanya adalah untuk mengidentifikasi alternatif yang menjadi paling signifikan dalam pengambilan keputusan 2.Matriks perbandingan berpasangan yang menunjukkan keterkaitan. Dalam ANP pendekatan dalam pengambilan keputusan tetap didasarkan kepada keputusan untuk mendapatkan prioritas sebagaimana halnya metode AHP.
1.2 Landasan Teori 1.2.1 AHP dan ANP ANP merupakan suatu sistem dengan pendekatan feedback yang digunakan untuk menilai hubungan multiarah yang dinamis antar atribut keputusan. ANP adalah solusi untuk mengatasi keterbatasan pada metode pendahulunya, yaitu AHP. ANP memiliki kelebihan mengacu pada fakta bahwa tidak semua persoalan dapat disusun secara hirarkis karena dependensi (inner/outer), serta hubungan saling mempengaruhi di antara dan di dalam cluster (kriteria dan alternatif). Jika konsep utama ANP adalah pengaruh (influence), maka AHP adalah preferensi (preferrence). Adanya feedback dalam model ANP juga akan meningkatkan prioritas yang diturunkan dari judgements, sehingga prediksi menjadi lebih akurat. Ringkasnya, penggunaan ANP menuntun kepada suatu konsep yang diharapkan lebih obyektif, yaitu apa yang paling berpengaruh(Sandy, 2013). Pembobotan dengan ANP membutuhkan model yang merepresentasikan saling keterkaitan antar kriteria dan subkriteria yang dimilikinya. Terdapat 2 kontrol yang perlu diperhatikan di dalam memodelkan sistem yang hendak diketahui bobotnya. Kontrol pertama adalah kontrol hierarki yang menunjukkan keterkaitan kriteria dan sub kriterianya. Pada kontrol ini tidak membutuhkan struktur hierarki seperti pada metode AHP. Kontrol lainnya adalah kontrol keterkaitan yang menunjukkan adanya saling keterkaitan antar kriteria atau cluster. Pengaruh dari satu set elemen dalam suatu cluster pada elemen yang lain dalam suatu sistem dapat direpresentasikan melalui vektor prioritas berskala rasio yang diambil dari perbandingan berpasangan. Jaringan pada metode ini memiliki kompleksitas yang tinggi dibanding dengan jenis lain, karena adanya fenomena feedback dari cluster satu ke cluster lain, bahkan dengan cluster-nya sendiri. Model Struktur metode AHP dan ANP dapat dilihat pada Gambar 1(Diana, 2009).
3. Perhitungan bobot elemen Bobot yang dicari dinyatakan dalam vektor W = [WI, W2, W3,...,Wn]. Nilai Wn menyatakan bobot relatif kriteria An terhadap keseluruhan set kriteria pada sub sistem tersebut. Pada situasi penilaian yang sempurna (teoritis) maka didapatkan hubungan seperti pada persamaan (2.1) : aik = aij. ajk untuk semua i, j, k...................(2.1) Matriks yang diperoleh adalah matriks yang konsisten. aij dapat dinyatakan di dalam vektor W sebagai persamaan (2.2) : aij = wi / wj i,j = 1,2,3, . . .n.......................( 2.2) Dari persamaan (2.2) diatas dapat dibuat persamaan (2.3) (2.4) (2.5) : aij.wj /wi=l,
i
= 1, 2, 3, ……n…...( 2.3) i i
= 1, 2, 3,n( 2.4) = 1, 2, 3,n ( 2.5)
Dalam teori matriks rumus di atas adalah persamaan karakteristik dengan W merupakan Eigenvector dari matriks A dengan nilai eigen sebesar n. Bila ditulis secara lengkap maka persamaan tersebut akan terlihat seperti pada Gambar 2 berikut ini :
544
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
ISSN: 2089-9815
Berdasarkan persamaan dapat diperoleh harga λmaks dengan memasukkan persamaan λmaks dan ditambah dengan persamaan , maka akan diperoleh bobot masing-masing elemen operasi Wi, dengan i=l, 2, ..., n yang merupakan eigenvector yang berkesesuaian dengan eigenvalue maksimum(Saputra, 2014) 4. Perhitungan rasio konsistensi Tingkat ketidak konsistenan pada respon di sebut dengan rasio ketidak konsistenan (CI) yang perhitungannya adalah sebagai berikut:
Gambar 2. Persamaan matriks ANP Pada umumnya ada beberapa nilai eigenvector yang bersesuaian yang memenuhi persamaan di atas. Variabel n pada persamaan (2.3) (2.4) (2.5) dapat digantikan dengan sebuah vektor A,seperti persamaan (2.6) :
CI= (λmaks – N) / (N-1) ..........................( 2.12) Keterangan : λmaks = eigenvalue maksimum n = ukuran matriks CI = indeks konsistensi
AW = λW ....................................................( 2.6)
Perbandingan antara CI dan RI untuk suatu matriks didefinisikan sebagai rasio konsistensi (CR) :
Dimana λ = (λ1, λ2, ..., λn) Setiap λ.yang memenuhi persamaan di atas dinamakan sebagai eigenvalue, sedangkan vektor yang memenuhi persamaan (2.6) tersebut dinamakan sebagai eigenvector. Bila matriks A diketahui dan ingin diperoleh nilai W, maka dapat diselesaikan melalui persamaan (2.7) :
CR = RI / CI .............................................( 2.13) Keterangan : RI = indeks rasio CI = indeks konsistensi CR = rasio konsistensi
(A-nI)W = 0 ................................................(2.7) 5. Membentuk Cluster Matrix. Membuat cluster matrix dengan cara membentuk matrik perbandingan yang bobot tiap cluster-nya telah ditentukan sebelumnya, lalu setiap nilai dari matriks perbandingan antar cluster dihitung eigenvector-nya, dan cluster matrix didapat dari nilai eigenvector tersebut(Ibrahim, 2013).
Persamaan ini dapat menghasilkan solusi yang tidak nol (jika dan hanya jika) n merupakan eigenvalue dari A dan W adalah eigenvectornya. Setelah eigenvalue matriks perbandingan A tersebut diperoleh. misalnya: λ1. A2, λn dan berdasarkan matriks A yang mempunyai keunikan yaitu aij= 1. dcngan 1=1. 2, ..., n, maka seperti persamaan (2.8):
6. Pembentukan super matriks dan analisis Super matriks berisikan submatriks yang terdiri atas hubungan-hubungan antara dua tingkat pada model grafis. Asumsikan bahwa komponen k, dinyatakan dengan Ck, k=l,....,N dengan nk elemen, yang dinyatakan dengan Ck1, Ck2,...,Ckn sebagaimana diperlihatkan dalam supermatriks pada Gambar 3.
...........................................(2.8) Di sini semua eigenvalue bernilai nol. kecuali satu yang tidak no1 yaitu eigenvalue maksimum. Kemudian jika penilaian yang dilakukan konsisten akan diperoleh eigenvalue maksimum dari A yang bernilai n. Untuk mendapatkan W, maka dapat dilakukan dengan mensubtitusikan harga eigenvalue maksimum pada persamaan (2.9) : AW = λmaks W, ................................................( 2.9) selanjutnya persamaan tersebut menjadi persamaan (2.10):
dapat
diubah
A – λmaks 1 W = 0...................................( 2.10)
Gambar 3. Model dasar supermatriks ANP
untuk memperoleh nilai nol maka yang harus dilakukan seperti persamaan (2.11) :
Matrik hasil Perbandingan berpasangan direpresentasikan kedalam bentuk vertikal dan horizontal berbentuk matrik yang bersifat stochatic disebut sebagai supermatriks 3 tahap supermatriks:
A – λmaks I = 0.........................................( 2.11)
545
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
a. Supermatriks tanpa bobot(Unweighted Super Matrix) Membuat unweighted superm atrix dengan cara memasukkan semua eigenvector yang telah dihitung sebelumnya ke dalam sebuah supermatriks.
ISSN: 2089-9815
Hasil perhitungan unweighted supermatirx :
b. Supermatriks terbobot(Weighted Super Matrix) Membuat weighted supermatrix dengan cara melakukan perkalian setiap isi unweighted supermatrix terhadap matriks perbandingan kriteria (cluster matrix), sehingga setiap kolom pada weighted Super Matrix memiliki jumlah satu. c. Supermatriks batas(Limitting Super Matrix) Membuat limiting supermatrix dengan cara mengalikan weighted Super Matrix dengan dirinya sendiri lalu hasil perkalian dijadikan bobot untuk dinormalisasikan dan di cari nilai eigenvector-nya. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limit matrix telah stabil dan proses perkalian matrik dihentikan.(Susianti, 2011)
2. PEMBAHASAN DAN HASIL 2.1 PEMBAHASAN Pada penelitian ini penentuan bobot kriteria dilakukan dengan menggunakan metode AHP, sedangkan untuk tahap perankingan dengan menggunakan metode ANP, Berdasarkan tahapantahapan pada metode penelitian, maka diimplementasikan suatu contoh kasus penempatan calon pegawai dengan perhitungan sebagai berikut: Nilai psikotes tiap calon pegawai :
Hasil perhitungan cluster matrix :
Bobot prioritas tiap bagian :
Nilai weighted supermatrix merupakan hasil perkalian dari unweighted supermatrix dan cluster matrix.
Bobot tiap prioritas tiap bagian dan nilai psikotes tiap calon pegawai di bentuk matriks perbandingan untuk mencari nilai eigenvector tiap kriteria. Nilai eigenvector tersebut akan membentuk unweighted supermatrix.
546
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
Hasil perhitungan Weighted Supermatix :
ISSN: 2089-9815
2.2 HASIL Berikut adalah hasil dari penelitian ini, berupa rekomendasi dari hasil perhitungan dengan sistem.
Bagian kantor:
Hasil perhitungan limit matrix : Bagian Teknisi/Produksi:
Bagian Lapangan:
Limit matrix didapat dengan cara melakukan perkalian terhadap weighted supermatix dengan dirinya sendiri, lalu hasil perkalian tersebut menjadi bobot baru dan dicari nilai eigenvector-nya untuk mendapatkan bobot akhir. Berikut merupakan hasil akhir perhitungan :
3.
KESIMPULAN DAN SARAN Hasil pengujian kualitas pada sistem ini mencapai nilai 85%. Serta berdasarkan hasil pengujian akurasi data yang dilakukan dengan jumlah keluaran data sebanyak 7 data yang diproses dan dibandingkan dengan hasil rekomendasi penempatan calon pegawai yang dilakukan oleh PT. Holi Pharma Cimahi, menghasilkan nilai presisi 70%, nilai akurasi 67% dan lama proses perhitungan 0,1420 detik. Dapat disimpulkan bahwa sistem pendukung keputusan ini memiliki hasil yang relevan sehingga dapat membantu PT. Holi Pharma
547
Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016
Cimahi dalam penempatan calon pegawai dengan waktu pemrosesan data yang singkat. Saran untuk sistem pendukung keputusan penempatan calon pegawai ini diharapkan dapat dikembangkan kembali dan dapat dijadikan bahan evaluasi untuk penelitian selanjutnya. Berikut adalah beberapa saran yang disampaikan, yaitu: 1. Penerapan metode ANP yang lebih kompleks seperti two level network atau complex network, agar hasilnya lebih akurat lagi. 2. Data kriteria sebagai pengukur penempatan calon pegawai dapat ditambah lagi yang lebih rinci ditiap kriterianya, tidak hanya work direction, work style, leadership, social nature, activity, followership, dan temperament. 3. Hasil dari alat tes PAPI Kostick dapat dianalisis sebagai pengenalan pola untuk penilaian calon pegawai ketika berada di dalam lingkungan kerja.
ISSN: 2089-9815
Starting Line Up Pada Pertandingan Sepak Bola Menggunakan Metode Analytic Network Process," National Conference Green Techonolgy 3, pp. 311 - 314, 2012 Sandy, Ignatius A.; Alfian; P., Moch. Giovani A., "Penerapan Metode Analytic Network Process (ANP) Untuk Pemilihan Supplier Bahan Baku Pada CV TX," Seminar Nasional IENACO, pp. 141 - 147, 2013. Saputra, Fajar Eka Purwa; Djamal, Esmeralda C.; Wahana, Agung;, "Sistem Pendukung Keputusan Alat Ukur Penempatan Ulang Pegawai Berdasarkan Psikotes Menggunakan Fuzzy Analytic Hierarchy Process," SNIJA, pp. 245253, 2014. Susianti, Meilia Nur Indah, "Sistem Pendukung Keputusan Dengan Analytic Network Process (ANP) Untuk Penempatan Kerja Pada Sebuah Instansi," Pengkajian Penerapan Teknik Informatika, pp. 77-162, 2011.
PUSTAKA Berikut daftar pustaka yang digunakan pada penelitian ini.
Wahyuni, Sri; Hartati, Sri, "Sistem Pendukung Keputusan Model Fuzzy AHP Dalam Pemilihan Kualitas Perdagangan Batu Mulia," "IJCCS Vol.6 No.1, pp. 43-54, 2012.
Diana Lesmes, Mario Castillo, and dkk, "Application Of The Analytic Network Process (ANP) To Establish Weights In Order To ReAccredit a Program Of a University," Proceedings of the International Symposium on the Analytic Hierarchy Process, pp. 1-14, 2009. Hidayati, Juliza, "Penerapan Analytical Network Process (ANP) pada Sistem Pengukuran Kinerja Di Kebun Sidamanik Pematang Siantar," J@TI Undip, Vol VII, No 1, pp. 51 - 60, Januari 2012. Ibrahim, Fadly; Pangeran, Moch. Husnullah;, "Perbandingan Hasil Pemilihan Trase Jalan Dengan Menggunakan Pendekatan AHP dan ANP (Studi Kasus: Pengembangan Jalan Kolektor Provinsi Gorontalo)," Konferensi Nasional Teknik Sipil 7 (KoNTekS 7), pp. 37 44, 2013. M. Sadeghi, M. A. Rashidzadeh, and dkk, "Using Analytic Network Process in a Group DecisionMaking for Supplier Selection," Informatica, vol. 23, pp. 621-643, April 2012. Priyandika, Chandra; Singgih, Mosses L., "Pengambilan Keputusan Multi kriteria Dalam Pemilihan Vendor Alat Pelindung Diri (APD) Dengan Pendekatan Risk Management dan Analytical Network Process," Prosiding Seminar Nasional Manajemen Teknologi XIII, pp. A-55-3 - A-55-9, 2011 Putra, Dimas P.; Abidin, Zainal; Yaqin, M. Ainul, "Sistem Pendukung Keputusan Penentuan
548