SISTEM PENDUKUNG KEPUTUSAN UNTUK PENILAIAN KINERJA KARYAWAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING Fandy Setyo Utomo1, Berlilana2 1 STMIK AMIKOM Purwokerto Jl. Let. Jend. Pol. Soemarto Purwokerto, telp : 0281-623321 email :
[email protected] 2 STMIK AMIKOM Purwokerto Jl. Let. Jend. Pol. Soemarto Purwokerto, telp : 0281-623321 email :
[email protected]
Abstract In determining the Best Employees in STMIK AMIKOM Purwokerto several factors into the assessment. This assessment is based on performance assessment, namely communication with students, attention to students, ease of providing consulting, ease of providing solutions, attitude and appearance. For efficiency and effectivity of the appropriate decision-making is needed. This study aims to develop a decision support system that has the best employee selection analysis capabilities using the Simple Additive weighting method (SAW). This decision support system to help make an assessment of each employee, make changes to the criteria, and changes in weight values. It is useful to facilitate the decision makers on issues related to the selection of the best employees, so will the employees get the most feasible given the reward or award as the best employee. Keywords: Decision Support System, Simple Additive Weighting, SAW Abstrak Terdapat beberapa faktor penilaian dalam menentukan Karyawan Terbaik di STMIK AMIKOM Purwokerto. Penilaian ini didasarkan pada beberapa kriteria penilaian, yaitu komunikasi dengan mahasiswa, perhatian dengan mahasiswa, kemudahan memberikan konsultasi, kemudahan memberikan solusi, sikap dan penampilan. Sistem pendukung keputusan diperlukan agar evaluasi kinerja karyawan lebih efektif dan efisien daripada sistem yang sedang berjalan saat ini. Penelitian ini bertujuan untuk mengembangkan suatu sistem pendukung keputusan yang memiliki kemampuan analisis evaluasi kinerja karyawan menggunakan metode Simple Additive Weighting (SAW). Sistem pendukung keputusan ini diharapkan mampu membantu pihak manajemen dalam menilai kinerja karyawan, melakukan perubahan pada kriteria penilaian, dan perubahan nilai bobot tiap kriteria penilaian. Hal ini berguna untuk memudahkan pengambil keputusan dalam mengevaluasi kinerja karyawan dan memilih karyawan terbaik. Kata kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, SAW
1
1. PENDAHULUAN Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) AMIKOM Purwokerto merupakan salah satu lembaga pendidikan yang bergerak dalam bidang teknologi dan informasi yang sebagian sistemnya telah terkomputerisasi. Namun dalam pengembangannya masih terdapat juga sistem kerja yang dilakukan secara manual. Pengolahan data dari informasi yang dilakukan secara manual dapat dikatakan masih jauh dari tujuan, mengingat pentingnya keefektifan dan efisiensi kinerja karyawan. Salah satu media terkomputerisasi untuk sistem kinerja karyawan adalah dengan merancang aplikasi yang dapat meningkatkan efektivitas dan efisiensi serta motivasi dalam bekerja yaitu dengan rancang bangun aplikasi kinerja karyawan yang berbasis web. Sistem kinerja karyawan dengan berbasis web dapat digunakan sebagai salah satu alternatif pengolahan sistem kinerja karyawan yang masih manual, sehingga mendukung terciptanya aplikasi sistem yang dibutuhkan. Untuk mengembangkan sistem yang ada, maka dibutuhkan sistem yang dapat diakses oleh mahasiswa dalam menentukan kriteria dari evaluasi kinerja karyawan dengan menggunakan bahasa pemrograman yang berbasis web. Dengan adanya sistem yang baru dapat meningkatkan efekfitivitas dari sistem yang lama. STMIK AMIKOM Purwokerto dalam menerapakan evaluasi kinerja karyawan sekarang ini kurang efektif dan efisien, karena dalam penilaiannya masih manual belum dilakukan secara online. Karyawan dan mahasiswa dapat berkomunikasi secara langsung baik di kampus maupun diluar kampus. Dengan tujuan dapat meningkatkan kinerja yang lebih baik dari kinerja yang sebelumnya dijalankan dalam melaksanakan kegiatan sehari-hari. Sistem yang diterapkan dalam evaluasi kinerja karyawan STMIK AMIKOM Purwokerto menggunakan model Simple Additive Weighting Method (SAW), dengan penilaian yang dilakukan sesuai dengan kesepakatan yang diinginkan sebelum sistem dibangun. Dengan adanya Rancang Bangun DSS (Decision Support System) Untuk Evaluasi Kinerja Karyawan dapat meningkatkan profesionalisme setiap karyawan STMIK AMIKOM Purwokerto. Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut [1-2]. rij =
xij Max xij i
Min xij i xij
Jika j adalah atribut keuntungan (Benefit)
Jika j adalah atribut biaya (Cost)
Persamaan 1 Rating Kinerja Ternormalisasi Keterangan notasi : rij adalah rating kinerja ternormalisasi dari alternatif pada atribut Cj; i=1, 2, ..., m dan j=1, 2, ..., n. Sedangkan x adalah matriks keputusan [1-7].
2
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
Persamaan 2 Nilai Preferensi Tiap Alternatif Keterangan notasi : Vi adalah nilai preferensi untuk tiap alternatif, sedangkan W j adalah bobot preferensi [1-7]. Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih [1-2]. 2. METODE PENELITIAN Lokasi penelitian dilakukan di STMIK AMIKOM Purwokerto. Teknik pengumpulan data dilakukan dengan 3 cara, yaitu wawancara, kearsipan, dan studi pustaka. Berikut ini adalah gambar bagan alur penelitian yang dilakukan,
Gambar 1 : Bagan Alur Penelitian Metode pengembangan sistem yang digunakan dalam pengembangan sistem pendukung keputusan ini menggunakan ”Model Sekuensial Linier” atau “Waterfall.” Sekuensial linier mengusulkan sebuah pendekatan kepada pengembangan perangkat lunak yang sistematik dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, pengujian/testing, dan perawatan/maintenance. 3. HASIL DAN PEMBAHASAN 3.1. Context Diagram Diagram konteks sistem pendukung keputusan evaluasi kinerja karyawan terdiri dari 3 entitas, yaitu Administrator web, mahasiswa, dan Ketua STMIK AMIKOM Purwokerto. Berikut ini adalah diagram konteksnya,
3
ADMIN
MAHASISWA
- Data Mahasiswa - Data Jurusan - Data Karyawan - Data Jabatan - Data Kuisioner
- Data Isian Kuisioner
- Laporan Rating Karyawan Terbaik - Laporan Rating Karyawan Favorit - Laporan Rating Karyawan Profesional
DECISION SYSTEM SUPPORT UNTUK EVALUASI PENILAIAN KINERJA KARYAWAN
- Laporan Rating Karyawan Terbaik - Laporan Rating Karyawan Favorit - Laporan Rating Karyawan Profesional
KETUA STMIK AMIKOM
Gambar 2 : Diagram Konteks Sistem Pendukung Keputusan 3.2. Relasi Antar Tabel Pada aplikasi sistem pendukung keputusan evaluasi kinerja karyawan terdapat beberapa tabel yang saling berelasi. Berikut adalah relasi tabel yang digunakan dalam pembuatan aplikasi ini. R a tin g K e c o c o k a n
A d m in
K a ry a w a n
1
n ik * id _ k rite ria * * n ila i
1
id _ a d m in * p a ssw o rd kunci
M
J a b a ta n
Ju ru sa n
k o d e _ ja b a ta n * n a m a _ ja b a ta n
k o d e _ ju ru s a n * n a m a _ ju ru s a n 1
M a h a s is w a n im * n a m a _ m a h a s is w a th a n g k a ta n k o d e _ ju ru s a n * * te m p a t_ _ la h ir _ m h s tg l_ la h ir _ m h s jk _ m h s a la m a t_ m h s kodepos_ m hs fo to _ m h s ty p e _ fo to s ta tu s _ m h s u se rn a m e kunci
M
1
id _ k rite ria * n a m a _ k rite ria s ta tu s M
K o m e n ta r 1
id _ a k a d e m ik * sa ra n k ritik
Log
M
id _ lo g * s e m e s te r ta h u n _ a ja ra n n ik * * n im * *
Is ia n K u is io n e r M
M A k a d e m ik
B o b o t K rite ria id _ a k a d e m ik * id _ k rite ria * * bobot
M
K rite ria P e n ila ia n
1
id _ a k a d e m ik * s e m e s te r ta h u n _ a ja ra n tg l_ p e n u tu p a n s ta tu s
n ik * n a m a _ k a ry a w a n tg l_ la h ir _ k a ry a w a n jk _ k a ry a w a n a la m a t_ k a ry a w a n k o d e p o s_ k a ry a w a n fo to _ k a ry a w a n ty p e _ fo to te rh itu n g _ ta n g g a l_ a k tif s ta tu s _ k a ry a w a n k o d e _ ja b a ta n * *
M M
id _ is ia n * s e m e s te r ta h u n _ a ja ra n n ik * * id _ k rite ria * * n ila i n ik _ fa v o rite n ik _ p ro fe s io n a l N ila i P re fe re n s i
M id _ a k a d e m ik * n ik * v
Gambar 3 : Relasi Antar Tabel Sistem Pendukung Keputusan 4
3.3. Pengujian Model Matematika Simple Additive Weighting Pengujian terhadap keluaran dari suatu hasil perhitungan model matematika pada aplikasi sistem pendukung keputusan perlu diuji kebenarannya. Apakah hasil keluaran sudah sesuai dan tepat dengan hasil keluaran yang seharusnya. Hasil perhitungan sistem yang diuji adalah hasil perhitungan model matematika SAW untuk menentukan evaluasi kinerja karyawan pada semester ganjil tahun akademik 2009/2010. 3.3.1. Kriteria dan Bobot Penilaian Pada semester ganjil tahun akademik 2009/2010 terdapat beberapa kriteria penilaian untuk mengevaluasi kinerja karyawan. Berikut ini adalah penjabaran nama kriteria penilaian dan bobotnya masingmasing. Tabel 1 : Bobot Kriteria Penilaian Tahun Akademik 2009/2010 NAMA KRITERIA BOBOT PENILAIAN Komunikasi dengan mahasiswa 3 Perhatian dengan mahasiswa 4 Kemudahan memberikan konsultasi 5 Kemudahan memberikan solusi 5 Sikap dan penampilan 2 3.3.2. Skala Penilaian Setiap kriteria penilaian memiliki skala penilaian yang berbeda. Berikut ini adalah skala penilaian yang digunakan pada aplikasi DSS : a. Kurang, memiliki nilai 1 b. Sedang, memiliki nilai 2 c. Baik, memiliki nilai 3 d. Sangat baik, memiliki nilai 4 Atribut yang digunakan pada aplikasi DSS ada 2 jenis yaitu atribut MIN dan MAX. Atribut MIN digunakan apabila prioritas nilai pada suatu kriteria penilaian yang diutamakan adalah nilai terkecil. Sedangkan Atribut MAX digunakan apabila prioritas nilai pada suatu kriteria penilaian yang diutamakan adalah nilai terbesar. Dalam penelitian ini atribut MAX yang digunakan, karena dalam evaluasi kinerja karyawan dicari nilai terbesar yang diperoleh karyawan. 3.3.3. Pengujian Berikut ini disajikan data evaluasi penilaian kinerja karyawan STMIK AMIKOM Purwokerto pada semester ganjil tahun akademik 2009/2010.
5
Gambar 4 : Tabel Isian Kuesioner Mahasiswa Dari data pada gambar 4 di atas, diperoleh hasil akhir perhitungan matematika Simple Additive Weighting oleh sistem aplikasi sebagai berikut,
Gambar 5 : Tabel Nilai Preferensi Hasil dari perhitungan aplikasi pada gambar 5, kemudian dibandingkan dengan perhitungan manual matematika. Jika hasil perhitungannya sama dengan output sistem aplikasi DSS, maka output aplikasi DSS terbukti akurat. Berikut ini adalah sample perhitungan manual dari NIK 10.398.149.
6
a. Perhitungan nilai rata-rata Dari gambar 4, dapat diketahui bahwa terdapat 2 nilai untuk id_kriteria 1. Hal ini disebabkan karena ada 2 orang yang mengisi kuesioner untuk karyawan dengan NIK 10.398.149 dengan id_kriteria 1, dengan nilainya berturut-turut adalah 3 dan 4. Maka,nilai rata-rata dari id_kriteria 1 NIK 10.398.149 adalah 3,5. Kemudian, dengan cara yang sama dapat diketahui nilai rata-rata id_kriteria yang lainnya, yaitu sebagai berikut : Tabel 2 : Id_Kriteria NIK 10.398.149 ID_KRITERIA NILAI RATA-RATA 1 3,5 2 4 3 3 4 3 5 3,5 b. Matriks Ternormalisasi Setelah dilakukan perhitungan nilai rata-rata tiap id_kriteria, kemudian dilanjutkan dengan mencari nilai terbesar (MAX) dari masing-masing id_kriteria keseluruhan isian kuesioner. Dari data pada gambar 4 diperoleh informasi sebagai berikut : Tabel 3 : Nilai MAX Tiap id_kriteria ID_KRITERIA NILAI MAX 4 1 4 2 4 3 4 4 4 5 Kemudian, dengan menggunakan Persamaan 1, nilai rata-rata dari tiap id_kriteria dengan NIK 10.398.149 dibagi dengan nilai MAX dari tiap id_kriteria dari Tabel 3. Berikut adalah hasil perhitungannya, Tabel 4 : Rating Kinerja Ternormalisasi dari NIK 10.398.149 ID_KRITERIA NILAI 1 0,875 2 1 3 0,75 4 0,75 5 0,875 c. Nilai Preferensi Langkah terakhir dari proses perhitungan SAW, yaitu menghitung nilai preferensi tiap alternatif (Vi) dengan menggunakan
7
Persamaan 2. Berikut adalah Bobot Preferensi masing-masing kriteria penilaian,
Gambar 6 : Bobot Preferensi per Kriteria Penilaian Setelah bobot preferensi per kriteria penilaian diperoleh, selanjutnya dengan menggunakan persamaan 2, diperoleh hasil sebagai berikut, Tabel 5 : Hasil Perkalian Bobot Preferensi dengan Rating Kinerja Ternormalisasi dari NIK 10.398.149 ID_KRITERIA NILAI 1 2,625 2 4 3 3,75 4 3,75 5 1,75 Keseluruhan data pada kolom nilai pada tabel 5, kemudian dijumlahkan, sehingga diperoleh hasil perhitungan 15,875. Jika hasil perhitungan ini dibandingkan dengan data pada gambar 5, maka diperoleh informasi bahwa proses perhitungan sistem aplikasi DSS adalah valid. 3.4. Implementasi Setelah tahap pengujian selesai, kemudian masuk ke tahap selanjutnya, yaitu implementasi sistem aplikasi. Berikut ini implementasi dari aplikasi sistem pendukung keputusan penilaian kinerja karyawan,
Gambar 7 : Form Kuesioner Penilaian Kinerja Karyawan
8
Gambar 8 : Contoh Form Isian Kuesioner Mahasiswa
Gambar 9 : Laporan Kinerja Karyawan 4. KESIMPULAN Berdasarkan uraian permasalahan dan pemecahannya pada bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut : a. Cara merancang dan membangun sistem pendukung keputusan untuk evaluasi penilaian kinerja karyawan, yaitu dimulai dari pengumpulan data, mengidentifikasi masalah, mengidentifikasi kepemilikan masalah, menentukan kriteria-kriteria penilaian, memprediksi keluaran atau output penilaian, melakukan pemilihan model matematika yang digunakan untuk menyelesaikan permasalahan (dalam kasus ini model matematika yang dipilih adalah model MADM dengan metode SAW), membuat perancangan dan desain sistem aplikasi, pengkodean, dan melakukan serangkaian pengujian untuk memastikan aplikasi sudah memenuhi kebutuhan pengguna / user. b. Aplikasi Decision Support System (DSS) berbasis web dapat digunakan sebagai media informasi yang bersifat online, sehingga mahasiswa dapat dengan mudah untuk mengakses informasi dan melakukan pengisian kuesioner penilaian
9
karyawan dimanapun dan kapanpun, karena informasi dapat diakses melalui jalur internet. DAFTAR PUSTAKA [1]. Kusumadewi, Sri dkk., ” Fuzzy Multi Attribute Decision Making (Fuzzy MADM)”, Graha Ilmu, Yogyakarta, pp. 1-361, 2006. [2]. Wibowo, Henry S., Amalia, Riska., Fadlun M, Andi., Arivanty, Kurnia., “Sistem Pendukung Keputusan Untuk Menentukan Penerima Beasiswa Bank BRI Menggunakan FMADM (Studi Kasus : Mahasiswa Fakultas Teknologi Industri Universitas Islam Indonesia)”, Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009), ISSN : 1907-5022, Yogyakarta, pp. B62-B67, 20 Juni 2009. [3]. Hochmair, Hartwig, “Decision Support for Bicycle Route Planning In Urban Environments”, 7th AGILE Conference on Geographic Information Science, Heraklion-Greece, pp. 697-706, May 2004. [4]. Afshari, Alireza., Mojahed, Majid., Yusuff, Rosnah Mohd., “Simple Additive Approach to Personnel Selection Problem”, International Journal of Innovation – Management and Technology, Vol. 1, No. 5, International Association of Computer Science and Information Technology, pp. 511-515, December 2010. [5]. Memariani, Azizollah., Amini, Abbas., Alinezhad, Alireza., “Sensitivity Analysis of Simple Additive Weighting Method (SAW) : The Results of Change in the Weight of One Attribute on the Final Ranking of Alternatives”, Journal of Industrial Engineering, Vol. 4, pp. 13-18, September 2009. [6]. Janic, Milan., Reggiani, Aura., “An Application of the Multiple Criteria Decision Making (MCDM) Analysis to the Selection of a New Hub Airport”, EJTIR, Vol. 2, No. 2, pp. 113-141, October 2002. [7]. Saparauskas, Jonas., Turskis, Zenonas., “Evaluation of Construction Sustainability by Multiple Criteria Methods”, Technological and Economic Development of Economy, Vol. XII, No. 4, pp. 321-326, 2006.
10
