SISTEM PENDUKUNG KEPUTUSAN PEREKRUTAN KARYAWAN PRODUKSI MENGGUNAKAN METODE SIMPLE ADDITVE WEIGHTING ( SAW ) PADA CV.GARUDA PLASTIK KURIPAN Ari Tri Handayani Program Studi Sistem Informasi, Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jalan Nakula 1 No.5-11 Semarang 50131 Telp (024) 3517261 Fax (024) 3520165 E-mail :
[email protected] ABSTRAK
CV. Garuda Plastik merupakan salah satu perusahaan yang bergerak dibidang produksi plastik. Untuk meningkatkan produktivitasnya perusahaan membutuhkan banyak karyawan yang berkualitas maka dari itu perlu dilakukan sebuah proses perekrutan karyawan. Namun demikian seringkali penerimaan karyawan tidak dapat menghasilkan karyawan yang kompeten dan sesuai dengan kriteria perusahaan karena adanya pengaruh subjektifitas dari pengambil keputusan. Subjektifitas terjadi karena pengambil keputusan belum mampu mendefinisikan dengan baik dalam menilai kelayakan calon karyawan. Oleh karena itu dibutuhkan sebuah sistem pendukung untuk pengambilan suatu keputusan yang sudah terkomputerisasi dan memudahkan penilaian calon karyawan produksi. SAW merupakan suatu model pendukung keputusan yang menguraikan masalah multi faktor atau multi kriteria. Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dengan rating kinerja pada setiap alternatif pada semua atribut. Skoring dengan metode ini diperoleh dengan menambahkan kontribusi dari setiap atribut. Sistem yang dibangun bukan sebagai pengambil keputusan utama yang menggantikan peran manusia namun hanya sebagai pendukung pengambilan keputusan perekrutan karyawan produksi. Kata kunci : Sistem pendukung keputusan, metode Simple Additive Weighting (SAW), penerimaan karyawan
1.
Pendahuluan Pemilihan calon tenaga kerja
ini merupakan suatu tahapan untuk
dengan
tidak.
serta
kriteria
perusahaan.
memutuskan apakah seorang pelamar atau
kebutuhan
Metode
dinyatakan
diterima
Keputusan
yang
akan
diambil
satu
diharapkan
dapat
sesuai
dengan
masalah
Simple
Additive
Weighting (SAW) merupakan salah metode
untuk
penyelesaian
multi-attribute
decision
kriteria sehingga tidak ada pihak
making. Metode Simple Additive
yang dirugikan.
Weighting
CV. Garuda Plastik merupakan
sering
juga
dikenal
dengan istilah metode penjumlahan
salah satu perusahaan yang bergerak
terbobot.
dibidang produksi kantong plastik.
SAW adalah mencari penjumlahan
Perusahaan tersebut membutuhkan
terbobot dengan rating kinerja pada
banyak karyawan bagian produksi.
setiap alternatif pada semua atribut.
Namun demikian seringkali proses
Konsep dasar metode
Dalam
penilaian
calon
penerimaan karyawan tidak dapat
karyawan digunakan 6 aspek kriteria
menghasilkan calon karyawan yang
penilaian yaitu : (1) psikotest
(2)
kompeten sesuai dengan kebutuhan
wawancara,
(4)
perusahaan karena adanya pengaruh
Pendidikan, (5) Usia, (6) Pengalaman
subjektifitas.
Kerja.
Subjektifitas
dapat
terjadi karena pengambil keputusan belum
mampu
dengan
baik
mendefinisikan dalam
penilaian
(3)
Tes
skill
Berdasarkan penjabaran diatas maka dalam penyusunan laporan tugas akhir ini penulis mengambil
kelayakan masing β masing calon
sebuah
karyawan.
PENDUKUNG
KEPUTUSAN
dibutuhkan sebuah sistem pendukung
PEREKRUTAN
KARYAWAN
untuk pengambilan keputusan yang
PRODUKSI
sudah terkomputerisasi serta mampu
METODE
untuk menunjang atau membantu
WEIGHTING ( SAW ) PADA CV
dalam
GARUDA PLASTIK KURIPANβ
Oleh
pengambilan
karena
itu
keputusan
perekrutan karyawan yang sesuai
judul
yaitu
βSISTEM
MENGGUNAKAN SIMPLE
ADDITVE
2. Sistem Pendukung Keputusan
2. Menentukan
(Decision Suport System)
setiap alternatif pada setiap kriteria
Sistem
Pendukung
Keputusan
3. Membuat
rating
matriks
kecocokan
keputusan
merupakan sekumpulan prosedur β
berdasarkan kriteria (Ci), kemudian
prosedur berbasis model untuk data
melakukan
pemrosesan
berdasarkan
dan
penilaian
guna
normalisasi
matriks
persamaan
yang
membantu para manajer mengambil
disesuaikan dengan jenis atribut
keputusan.[1]
(atribut keuntungan ataupun atribut
Komponen
-
komponen
Sistem
Pendukung Keputusan: 1.
Subsistem
ternormalisasi R.
Manajemen
Data
(Data Subsistem) 2.
biaya) sehingga diperoleh matriks
4. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari
Subsistem Manajemen
Model
perkalian matriks ternormalisasi R
(Model Subsistem)
dengan
3.
Subsistem antar muka pengguna
diperoleh nilai terbesar yang dipilih
4.
Subsistem manajemen berbasis
sebagai alternatif terbaik (Ai) sebagai
pengetahuan
solusi.
3.
Simple
Additive
Weighting
vektor
Formula
bobot
untuk
sehingga
melakukan
normalisasi tersebut adalah :
(SAW) Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah
mencari
penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Langkah-langkah
dalam metode
Rij
SAW adalah: [2] 1. Menentukan kriteria-kriteria yang akan
dijadikan
Dimana :
acuan
dalam
pengambilan keputusan, yaitu Ci.
=
rating
kinerja
ternormalisasi Maxij = nilai maksimal dari setiap baris dan kolom
Minij = nilai minimum dari setiap
(MIN xij) dari tiap kolom atribut
baris dan kolom
dibagi dengan nilai (Xij) setiap
Xij
kolom.
= baris dan kolom dar matriks
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada
4.Hasil dan Pembahasan
atribut Cj;i = 1,2, ...... m dan j= 1,2
4.1
....., n. Nilai preferensi untuk setiap
Karyawan
alternatif (Vi) diberikan sebagai :
Berdasarkan analisa kriteria-kriteria
π π
penilaian
π π π ππ
V =
berikut
π =1
Perhitungan
penerimaan akan
Seleksi
karyawan,
diuraikan
proses
Dimana :
pengolahan penerimaan karyawan
Vi
= nilai akhir dari alternatif
menggunakan
Wj
= bobot yang telah ditentukan
Additive Weighting (SAW) dengan
Rij
= normalisasi matriks
kriteria penilaian sebagai berikut :
Nilai
Vi
yang
lebih
besar
mengindikasikan bahwa alternatif Ai
metose
Simple
A. Psikotest (20%) Tabel 4.1 : Kriteria psikotest
lebih terpilih.
Hasil
Nilai
Dengan ketentuan :
50 β 59
0,25
a.
Dikatakan atribut keuntungan
60 β 69
0,5
apabila atribut banyak memberikan
70 β 79
0,75
> 80
1
keuntungan
bagi
pengambil
keputusan, sedangkan atribut biaya merupakan
atribut
memberikan nilainya
yang
pengeluaran
semakin
besar
banyak jika
Penilaian
bagi
berdasarkan kriteria penampilan fisik
pengambil keputusan b.
Apabila
berupa
B. Wawancara (20%) wawancara
dilakukan
dan kepribadian. Pembobotan pada atribut
keuntungan maka nilai (xij) dari
kriteria wawancara yaitu: Tabel 4.2 : Kriteria wawancara
setiap kolom atribut dibagi dengan
Hasil
Nilai
nilai MAX xij) dari tiap kolom,
Kurang
0,25
sedangkan untuk atribut biaya, nilai
Cukup
0,5
E. Usia (15%)
Baik
0,75
Kriteria usia produktif :
Sangat baik
1
Tabel 4.5 : Kriteria usia Usia Nilai 38 - 45 tahun 0,25 31 - 37 tahun 0,5 24 - 30 tahun 0,75 17 - 23 1 tahun
C. Skill (25%) Penilaian terhadap faktor skill atau berdasarkan keahlian pelamar yang meliputi
penguasaan
pekerjaan,
ketelitian,
bidang kerapian,
kecepatan dan pemahaman instruksi,
F. Pengalaman kerja (10%) Tabel 4.6 : Kriteria pengalaman kerja
dengan bobot sebagai berikut: Tabel 4.3 : Kriteria skill
Lama bekerja
Nilai
1 tahun
0,25
Hasil
Nilai
< = 2 tahun
0,5
Kurang
0,25
< = 3 tahun
0,75
Cukup
0,5
> 3 tahun
1
Baik
0,75
Sangat baik
1
D. Perhitungan
menggunakan
Metode Simple Additive Weighting (SAW) sebagai berikut:
D.Pendidikan (10%) Kriteria
pendidikan
terakhir
dikonversikan dengan bilangan fuzzy sebagai berikut :
Tabel 4.7 : Data kriteria pelamar N
C1
C2
C3
C4
C5
C6
A
1
0,25
0,5
0,25
0,25
0,5
B
0,5
0,5
0,5
0,5
0,25
0,5
Tabel 4.4 : Kriteria pendidikan
C
0,25
0,25
1
0,25
0,5
0,25
terakhir
D
0,5
0,25
0,25
0,25
0,75
0,75
E
0,25
0,75
0,75
0,75
1
0,25
F
0,75
0,25
0,25
0,5
0,75
0,5
Pendidikan
Nilai
SMP
0,25
SMA
0,5
Diploma
0,75
Sarjana
1
Keterangan: C1 = Psikotest C2 = Wawancara C3 = Skill C4 = Pendidikan C5 = Usia C6 = Pengalaman kerja
Berdasarkan tabel diatas maka dapat dibentuk matriks keputusan X sebagai berikut : 1
0,2 5
0,5
0,2 5
0,5
0,5
0,5
0,5
0,2 5
X=
0,2 5
0,2 5 0,7 5 0,7 5
0,2 5 0,7 5
0,7 5
0,2 5
0,2 5
0,5
1
0,2 5 0,2 5 0,7 5 0,5
0,2 5 0,2 5 0,5 0,7 5 1 0,7 5
0,5 0,5 0,2 5 0,7 5 0,2 5
V=
0,641 6 0,641 8 0,508 2 0,4124 0,608 3 0,462 5
Secara rinci hasil penjumlahan bobot
0,5
semua kriteria pada masing-masing pelamar adalah:
Dengan vektor bobot :
V1 = 0,2 + 0,0666 + 0,125 + 0,0333
(V) = [0,2 0,2 0,25 0,10 0,15
+ 0,15 + 0,0667 = 0,6416
0,10]
V2 = 0,1 + 0,1334 + 0,125 + 0,0667
Sehingga matriks ternormalisasi R diperoleh
+ 0,15 + 0,0667 = 0,6418 V3 = 0,05 + 0,0666 + 0,25 + 0,0333
1 0,5 0,25 R=
0,5
0,33 3 0,66 7 0,33 3 0,33 3
0,5 0,5 1 0,25
0,33 3 0,66 7 0,33 3 0,33 3
0,33 3
1 1 0,5
0,25
1
0,75
1
0,25
0,75
0,33 3
0,25
0,66 7
0,33 3
0,66 7 0,66 7 0,33 3 1 0,33 3 0,66 7
+ 0,075 + 0,0333 = 0,5082 V4 = 0,1 + 0,0666 + 0,0625 + 0,0333 + 0,04995 + 0,1 = 0,4124 V5 = 0,05 + 0,2 + 0,1875 + 0,1 + 0,0375 + 0,0333 = 0,6083 V6 = 0,15 + 0,0666 + 0,0625 + 0,667
0,05
0,066 6 0,133 4 0,066 6 0,066 6 0,2
0,15
0,066 6
0,2 0,1
V=
0,05 0,1
0,12 5 0,12 5 0,25
0,1875
0,0333 0,066 7 0,033 3 0,033 3 0,1
0,0625
0,0667
0,0625
0,15
0,0667
0,15 0,07 5 0,0499 5 0,0375
0,0667
0,0499 5
0,066 7
0,0333 0,1 0,0333
+ 0,04995 + 0,0667 = 0,4625 Dengan demikian rangking tertinggi pada pelamar V2 (B) direkomendasikan sebagai calon karyawan dengan nilai tertinggi, yaitu sebesar 0,6418
5.3. ERD
5. Perancangan Sistem 5.1 Contect Diagram Project Name: Project Path: Chart File: Chart Name: Created On: Created By: Modified On: Modified By:
SPK d:\dataea~1 dfd00001.dfd
Tinggi_bdn Agama
Berat_bdn
Status_pernikahan Telp
Contex Diagram
Kd_pos
Npwp
Apr-09-2015 Ari Apr-22-2015 Ari
Tgl_pendaftaran
Propinsi
Id_jabatan*
Kd_pelamar **
No_pendaftaran**
Kabupaten
Id_jabatan*
N
1
Pelamar
Mendaftar
Jabatan
Nama Kd_pelamar *
N No_ktp
Analisa
Alamat_tinggal
Pelamar
No_analisa* Tgl_analisa
Jns_kelamin
No_pendaftaran **
Rt
Data_jabatan
Data_pelamar
GM
Id_kriteria **
Rw
Data_kriteria
Nilai_kriteria
Kelurahan
N
Total_nilai
Pend_terakhir
Data_nilai
Ranking
Kriteria
Daftar_pelamar
Id_kriteria
SPK
hasil
Laporan_pelamar Laporan_hasil Pimpinan
6. Implementasi 6.1.
Form login
5.2 Dekomposisi Proses 0 SPK Perekrutan Karyawan
2 Analisa
1 Pendaftaran
1.1 Input Data Pelamar
1.2 Input Data Jabatan
1.3 Laporan Pelamar
Nama_jabatan
Kecamatan
2.1 Input Data Kriteria
2.2 Analisa
2.3 Laporan Hasil Analisa
6.2 Form Menu Utama
Nama_kriteria
6.3 Form Input Pelamar
6.7 Laporan Semua Hasil Tes
7 . Kesimpulan 6.4 Form Analisa` Berdasarkan hasil analisa, perancangan, kemudian
implementasi
pengujian
Pendukung
Sistem
Keputusan
Perekrutan Karyawan Produksi pada
CV
Garuda
Plastik
Kuripan , maka dapat diambil 6.5 Laporan Pelamar Gagal Tes
sebuah
kesimpulan
sebagai
berikut : Sistem
yang
diusulkan
merupakan sistem pendukung keputusan berbasis komputer dengan metode Simple Additive 6.6 Laporan Pelamar Lolos Tes
Weighting (SAW) yang dapat menghasilkan sebuah informasi perhitungan
perangkingan
sebagai bahan pertimbangan untuk pengambilan keputusan
[6]. Fatansyah,
DAFTAR PUSTAKA [1]. Turban, E., J. E. Aronson, dan T. Liang. 2005. Sistem
2005.
Basis
Data, Informatika, Bandung [7]. Sommervile,Ian.2004.
Pendukung Keputusan dan
Software Engineering 7th
Sistem Cerdas, Andi Offset,
Eddition, Addison-Wesley.
Jogyakarta.
[8]. Kusumo, Ario Suryo, 2000,
[2]. Kusumadewi, Sri., Hartati, S.,
Harjoko,
A.,
dan
Wardoyo, R. 2006. Fuzzy Multi-AttributeDecission
Microsoft Visual Basic 6.0, PT.
Elex
Media
Komputindo, Jakarta [9]. Suryadi, K, Ramdhani, A.
Making (Fuzzy MADM),
2003, Sistem Pendukung
Graha Ilmu, Yogyakarta
Keputusan,
[3]. Kusumadewi,
Sri.,
Purnomo. 2010. Logika
Rosda .
Aplikasi
[10]. DR Eko Indraji, Richardus
untuk
.2001. Manajemen sistem
Fuzzy
Pendukung
Hari
Bandung:
Keputusan,
Graha Ilmu, Yogyakarta [4]. Kahraman, Cengis, 2008,
informasi
dan
teknologi
infomasi.Jakarta : PT Elex Media Komputindo
Multicriteria
[11]. Petroutsos Evangelos. 2002.
Decision Making: Theory
Menguasai Pemrograman
and
with
Database dengan Visual
Development,
Basic 6. buku 1 dan buku 2.
Fuzzy
Applications
Recent
Turkey: Springer
Jakarta : PT. Elex Media
[5]. Jogiyanto. 2005. Analisis dan
Desain
Informasi, Yogyakarta
Andi
Sistem Offset,
Komputindo.
