bab iv hasil dan pembahasan 4.1 gambaran umum cv. mitra ...repository.unika.ac.id/18605/5/15.d2.0015...
TRANSCRIPT
34 Program Studi Manajemen FEB UNIKA Soegijapranata
BAB IV
HASIL DAN PEMBAHASAN
4.1 Gambaran Umum CV. Mitra Moulding Sentosa
CV. Mitra Moulding Sentosa (CV. Mimosa) berdiri sejak tahun 2000
dan telah beroperasi selama 18 tahun lamanya dalam memproduksi
berbagai macam cetakan (moulding). CV. Mitra Moulding Sentosa adalah
perusahaan manufaktur yang menangani pembuatan cetakan (moulding)
dan memiliki banyak diversifikasi produk meliputi :komponen plastik
mekanik untuk kendaraan, komponen elektronik, komponen untuk
konektor presisi audio, dan lain sebagainya. Perusahaan manufaktur ini
merupakan usaha keluarga yang kedepannya akan diteruskan oleh para
keluarga secara turun-temurun. CV. Mimosa yang dari tahun-ketahun terus
meningkatkan kapasitas produksinya, sekarang ini telah memiliki 52 orang
karyawan produksi dan 7 orang karyawan kantor yang termasuk
didalamnya staff HR (Human Resource) dan staff keuangan. CV. Mitra
Moulding Sentosa juga memiliki anak perusahan yaitu CV. Kharisma yang
didirikan untuk memasarkan produk-produk yang diproduksi di CV.
Mimosa, dan menjadi salah satu sarana marketing dari CV. Mimosa
sendiri. CV. Mimosa juga telah memiliki banyak mitra perusahaan atau
pelanggan tetap khususnya di daerah Semarang, seperti Panasonic, Advan,
dan Indofood.
35 Program Studi Manajemen FEB UNIKA Soegijapranata
A. Visi perusahaan adalah “Menjadi perusahaan moulding yang
unggul dalam kualitas produk, presisi dan terpercaya pada
kawasan Jawa dan sekitarnya”
B. Misi perusahaan adalah :
1. Memproduksi produk-produk plastik injeksi dan moulding yang
berkualitas dengan produktivitas dan efisiensi yang tinggi
2. Memberikan pelayanan yang cepat ramah dan tepat waktu
3. Mengembangkan SDM agar menjadi lebih terampil
4.2 Deskripsi Responden
Jumlah responden yang menjadi sumber data dalam penelitian ini hanya
berjumlah 1 orang yang merupakan Kepala Bagian Produksi (KaBag. Produksi)
sebagai supervisor langsung yang bertindak sebagai penilai. Sedangkan yang
menjadi subjek dalam penelitian ini sebanyak 6 orang yaitu seluruh karyawan
kontrak produksi pada CV. Mitra Moulding Sentosa pada periode tahun 2018
yang akan dipertimbangkan untuk segera menjadi karyawan tetap.
Berikut ini adalah tabel sebaran data berdasarkan jenis kelamin, usia,
pendidikan, dan pengalaman kerja yang menjadi subjek penelitian kali ini, yaitu 6
orang yang masih menjadi karyawan kontrak bagian produksi :
36 Program Studi Manajemen FEB UNIKA Soegijapranata
Tabel 4.1 Pengelompokkan Jenis Kelamin, Usia, Pendidikan, dan
Pengalaman Kerja Subjek Penelitian
No. Kriteria Jumlah
(orang)
Persentase
(%)
1 Jenis Kelamin :
Laki-Laki
6
100%
Total 6 100%
2 Usia :
<20 tahun
20-25 tahun
25-30 tahun
2
3
1
33,3%
50%
16,6%
Total 6 100%
3 Pendidikan :
SMA
SMK
D3/S1
3
2
1
50%
33,3%
16,6%
Total 6 100%
4 Pengalaman Bekerja :
<1 tahun
1-3 tahun
3-5 tahun
1
4
1
16,6%
66,6%
16,6%
Total 6 100%
Sumber : Data primer yang diolah (2018)
Data personal yang diperoleh untuk masing-masing subjek penelitian
melalui pengisian kuesioner penilaian oleh Kepala Bagian Produksi dengan
bantuan database dari staff HR akan dijabarkan dalam tabel dibawah ini. Data
ini yang nantinya juga akan dipergunakan dalam perhitungan / kalkulasi nilai
menggunakan metode Weighted Product Model berdasarkan kriteria untuk
menjadi karyawan tetap bagian produksi CV. Mitra Moulding Sentosa.
37 Program Studi Manajemen FEB UNIKA Soegijapranata
Tabel 4.2 Data Personal Subjek Penelitian
Tabel ini berisikan data identitas subjek penelitian yang terkait dengan
perhitungan beserta hasil penilaian kuesioner yang telah dikonversikan kedalam
angka
No. Nama / Pendidikan / Pengalaman
Bekerja
Penilaian Kuesioner
1.
R1 / SMK / ± 1 tahun
A1 = 0.8; A2 = 0.6; A3 = 0.6; A4 = 0.6
B1 = 0.5; B2 = 1.0
C1 = 0.6; C2 = 0.8; C3 = 0.8
2.
R2 / SMA / ± 2 tahun
A1 = 0.8; A2 = 0.8; A3 = 0.6; A4 = 0.6
B1 = 1.0; B2 = 1.0
C1 = 0.8; C2 = 0.6; C3 = 1.0
3.
R3 / D3 / ± 4 tahun
A1 = 0.6; A2 = 0.8; A3 = 0.6; A4 = 0.8
B1 = 1.0; B2 = 1.0
C1 = 0.6; C2 = 1.0; C3 = 0.8
4.
R4 / SMK / ± 2 tahun
A1 = 0.6; A2 = 0.8; A3 = 0.8; A4 = 0.6
B1 = 0.5; B2 = 1.0
C1 = 0.8; C2 = 0.8; C3 = 0.8
5.
R5 / SMA / ± 2 ½ tahun
A1 = 1.0; A2 = 0.8; A3 = 0.6; A4 = 0.6
B1 = 1.0; B2 = 1.0
C1 = 1.0; C2 = 0.6; C3 = 0.8
6.
R6 / SMA / ± 5 bulan
A1 = 0.8; A2 = 0.8; A3 = 0.6; A4 = 0.8
B1 = 1.0; B2 = 1.0
C1 = 0.6; C2 = 0.8; C3 = 0.6
Sumber : Data primer (2018)
*Keterangan Penilaian Kuesioner :
A1 = nilai skor subjek pada indikator A (Keterampilan Bekerja) pertanyaan
pertama
38 Program Studi Manajemen FEB UNIKA Soegijapranata
B2 = nilai skor subjek pada indikator B (Kedisiplinan) pertanyaan kedua
C3 = nilai skor subjek pada indikator C (Produktivitas) pertanyaan ketiga
4.3 Analisis Data
Analisis data meliputi pengolahan dan penyajian data yang nantinya akan
diinterpretasikan atau dideskripsikan hasilnya untuk mengetahui temuan
penyelesaian masalah penelitian. Pengolahan data dalam penelitian ini adalah
dengan melakukan perhitungan menggunakan langkah-langkah metode
Weighted Product Model (WPM), sedangkan penyajian data yang terkumpul
beserta hasil analisis data akan ditampilkan berupa tabel dan uraian perhitungan.
Ringkasan perhitungan menggunakan metode Weighted Product Model (WPM)
peneliti sajikan dalam bentuk diagram alir / flowchart langkah perhitungan agar
lebih mudah dipahami dan memberikan gambaran umum tahapan penyelesaian
pengolahan data penelitian ini. Berikut adalah diagram alir diikuti dengan
dengan perhitungan beserta uraian hasil analisis data penelitian ini.
39 Program Studi Manajemen FEB UNIKA Soegijapranata
4.3.1 Perhitungan Menggunakan Weighted Product Model
Gambar 4.1 Diagram Alir / Flowchart Metode Weighted Product Model
Data yang telah dikumpulkan melalui kuesioner penilaian akan diolah
menggunakan tahapan metode Weighted Product Model yang telah dilakukan
penyelesaian tahap awal ketika dilakukan wawancara dengan staff HR dari CV.
Mitra Moulding Sentosa. Tahapan awal dalam perhitungan WPM tersebut yaitu :
menentukan kriteria, dan juga pembuatan kuesioner penilaian. Mengikuti diagram
alir diatas, tahap dalam perhitungan menggunakan metode Weighted Product
Model adalah sebagai berikut :
Mulai
Langkah 1:
Menentukan
Kriteria &
Sifatnya
Langkah 2:
Pembuatan
Kuesioner &
Bobotnya
Langkah 3:
Menentukan
Rating Kecocokan
& Normalisasi
Bobot
Langkah 4:
Menghitung
Nilai Vektor S
Alternatif
Langkah 5:
Menghitung
Nilai Vektor V
Alternatif
Langkah 6:
Menentukan
Bobot Indikator
yang Tidak
Dihitung Dengan
WPM
Langkah 7:
Perhitungan
Nilai Akhir &
Pemeringkatan
Hasil
Selesai
40 Program Studi Manajemen FEB UNIKA Soegijapranata
Langkah 1. Menentukan Kriteria dan Sifatnya
Tahap penentuan kriteria merupakan tahap awal untuk mengidentifikasi
kriteria yang sangat relevan atau sangat dibutuhkan terkait dengan jabatan yang
akan diisi. Tahap ini telah dilaksanakan sebelum dilakukan pembuatan kuesioner
dan perhitungan lebih lanjut dengan mendiskusikannya dengan staff HR CV.
Mitra Moulding Sentosa. Berikut adalahhasil informasiyang diperoleh guna
menjadi standar penilaian untuk seleksi menggunakan metode Weighted Product
Model :
Teridentifikasi 5 indikator utama kriteria seleksi karyawan tetap CV. Mitra
Moulding Sentosa yang semuanya termasuk kedalam sifat kriteria benefit dan di
tampilkan dalam tabel berikut :
Tabel 4.3 Kriteria dan Sifat Kriteria
No. Kriteria Sifat
1 Pendidikan Benefit
2 Pengalaman Kerja Benefit
3 Keterampilan Bekerja Benefit
4 Kedisiplinan Benefit
5 Produktivitas Benefit
Sumber : Data primer yang diolah (2018)
Kelima indikator tergolong kedalam sifat kriteria benefit karena nilai kriteria
tersebut berbanding lurus dengan peningkatan nilai yang diharapkan. Dalam artian
semakin tinggi nilai yang didapat adalah semakin baik.
41 Program Studi Manajemen FEB UNIKA Soegijapranata
Langkah 2. Pembuatan Kuesioner Penilaian Beserta Bobot
Kuesioner penilaian yang telah dibuat bertujuan memperoleh informasi
lengkap subjek penelitian mengenai 5 indikator atau kriteria yang telah
sebelumnya diidentifikasi. Informasi yang diperoleh salah satunya adalahdata
personal 6 orang kandidat karyawan tetap produksi yang ikut dipertimbangkan
dan memiliki bobot dalam perhitungan pula, seperti halnya pendidikan dan
pengalaman kerja. Pada kolom penilaian kuesioner, merupakan breakdownpoin
pertanyaan dari tiga butir indikator yang akan diukur yaitu keterampilan bekerja,
kedisiplinan, dan produktivitas. Ketiga indikator tersebut diukur melalui masing-
masing 4 pertanyaan, 2 pertanyaan, dan 3 pertanyaan secara urut beserta bobot
tiap poin pertanyaan. Hasil pertanyaan kuesioner yang telah dibuat peneliti
lampirkan pada bagian lampiran.
Berikut adalah jumlah bobot bagi tiap indikator :
Tabel 4.4 Bobot Kriteria / Indikator
No. Kriteria Bobot
1 Pendidikan 15%
2 Pengalaman Kerja 15%
3 Keterampilan Bekerja 25%
4 Kedisiplinan 20%
5 Produktivitas 25%
Sumber : Data primer (2018)
Pemberian Bobot Pertanyaan Kuesioner
42 Program Studi Manajemen FEB UNIKA Soegijapranata
Tabel 4.5 Penilaian Bobot Pertanyaan Kuesioner
No Nama Nilai Nilai
1 Sangat Tinggi 5
2 Tinggi 4
3 Cukup 3
4 Rendah 2
5 Sangat Rendah 1
*Keterangan : = bobot asli sebelum dilakukan normalisasi
a) Bobot indikator keterampilan bekerja [Indi 1] (4 aspek pertanyaan) :
𝑊𝑖𝑛𝑖𝑡 = {𝑤𝑖𝑛𝑖𝑡_1, 𝑤𝑖𝑛𝑖𝑡 _2, 𝑤𝑖𝑛𝑖𝑡_3, 𝑤𝑖𝑛𝑖𝑡_4}
𝑊𝑖𝑛𝑖𝑡 = {5,4,4,3}
b) Bobot indikator kedisiplinan [Indi 2] (2 aspek pertanyaan) :
𝑊𝑖𝑛𝑖𝑡 = {𝑤𝑖𝑛𝑖𝑡_1, 𝑤𝑖𝑛𝑖𝑡 _2,}
𝑊𝑖𝑛𝑖𝑡 = {4,4}
c) Bobot indikator produktivitas [Indi 3] (3 aspek pertanyaan) :
𝑊𝑖𝑛𝑖𝑡 = {𝑤𝑖𝑛𝑖𝑡_1, 𝑤𝑖𝑛𝑖𝑡 _2, 𝑤𝑖𝑛𝑖𝑡_3}
𝑊𝑖𝑛𝑖𝑡 = {4,3,5}
43 Program Studi Manajemen FEB UNIKA Soegijapranata
Langkah 3. Menentukan Rating Kecocokan dan Normalisasi Bobot
Rating kecocokan adalah hasil penilaian untuk tiap kandidat karyawan tetap
(alternatif) dalam setiap aspek pertanyaan yang ada. Hasil penilaian menggunakan
acuan berdasarkan kuesioner yang diisi oleh KaBag Produksi CV. Mitra
Moulding Sentosa Semarang. Rating kecocokan akan ditampilkan dalam bentuk
matriks keputusan agar mempermudah perhitungan. Berikut adalah matriks
keputusan atau data alternatif per kriteria :
Tabel berikut menunjukkan hasil penilaian alternatif untuk kriteria
Keterampilan Bekerja
Tabel 4.6 Data Responden Indikator Keterampilan Bekerja (Indi 1)
Responden Keterampilan Bekerja
A1 A2 A3 A4
R1 0.8 0.6 0.6 0.6
R2 0.8 0.8 0.6 0.6
R3 0.6 0.8 0.6 0.8
R4 0.6 0.8 0.8 0.6
R5 1.0 0.8 0.6 0.6
R6 0.8 0.8 0.6 0.8
Sumber : Data primer yang diolah (2018)
Tabel berikut menunjukkan hasil penilaian alternatif untuk kriteria
Kedisiplinan
44 Program Studi Manajemen FEB UNIKA Soegijapranata
Tabel 4.7 Data Responden Indikator Kedisiplinan (Indi 2)
Sumber : Data primer yang diolah (2018)
Tabel berikut menunjukkan hasil penilaian alternatif untuk kriteria
Produktivitas
Tabel 4.8 Data Responden Indikator Produktivitas (Indi 3)
Responden Produktivitas
A1 A2 A3
R1 0.6 0.8 0.8
R2 0.8 0.6 1.0
R3 0.6 1.0 0.8
R4 0.8 0.8 0.8
R5 1.0 0.6 0.8
R6 0.6 0.8 0.6
Sumber : Data primer yang diolah (2018)
Ketiga matriks tersebut menunjukkan perolehan nilai atau scoring alternatif
terhadap aspek-aspek dalam tiap indikator sebelum dilakukan pengubahan
menjadi nilai vektor. Sebelum dilakukan proses perhitungan nilai vektor, bobot
nilai asli dari tiap aspek pertanyaan perlu dilakukan normalisasi terlebih dahulu.
Responden Kedisiplinan
A1 A2
R1 0.5 1.0
R2 1.0 1.0
R3 1.0 1.0
R4 0.5 1.0
R5 1.0 1.0
R6 1.0 1.0
45 Program Studi Manajemen FEB UNIKA Soegijapranata
Hal tersebut bertujuan untuk menyajikan nilai data yang lebih normal dan akurat
untuk proses pengolahan data lebih lanjut. Normalisasi bobot dinyatakan dengan
menggunakan rumus :
*Keterangan : WJ= Hasil normalisasi bobot
Wj= Nilai bobot yang akan dinormalisasi
∑Wj= Total nilai seluruh bobot yang ada
a) Normalisasi bobot indikator Keterampilan Bekerja (4 aspek pertanyaan)
𝑊𝑖𝑛𝑖𝑡 = {5,4,4,3}
W1 = 5
5+4+4+3 =
5
16 = 0,3125
W2 = 4
5+4+4+3 =
4
16 = 0,25
W3 = 4
5+4+4+3 =
4
16 = 0,25
W4 = 3
5+4+4+3 =
3
16 = 0,1875
b) Normalisasi bobot indikator Kedisiplinan (2 aspek pertanyaan)
𝑊𝑖𝑛𝑖𝑡 = {4,4}
W1 = 4
4+4 =
4
8 = 0,5
W2 = 4
4+4 =
4
8 = 0,5
46 Program Studi Manajemen FEB UNIKA Soegijapranata
c) Normalisasi bobot indikator Produktivitas (3 aspek pertanyaan)
𝑊𝑖𝑛𝑖𝑡 = {4,3,5}
W1 = 4
4+3+5 =
4
12 = 0,333
W2 = 3
4+3+5 =
3
12 = 0,25
W3 = 5
4+3+5 =
5
12 = 0,416
Langkah 4. Menghitung nilai vektor S
Dengan adanya matriks keputusan dan bobot yang telah dinormalisasi, maka
seluruh komponen untuk menghitung nilai vektor S telah terpenuhi. Vektor S
dapat dikatakan sebagai skor keseluruhan dalam indikator bagi tiap alternatif.
Menghitung nilai vektor S yaitu dengan cara mengalikan seluruh nilai kriteria
yang dimiliki sebuah alternatif dengan bobot berpangkat positif untuk kriteria
benefit dan berpangkat negatif pada kriteria cost. Rumus untuk menghitung vektor
S dinyatakan dengan :
Si = ( X11W1) (X12
W2) (X13W3)….
*Keterangan : Si= nilai vektor S
X = nilai alternatif pada matriks keputusan
W = bobot kriteria pada matriks keputusan
a) Perhitungan nilai vektor S indikator Keterampilan Bekerja
Si = ( X11W1) (X12
W2) (X13W3)(X14
W4)
Secara urut nilai vektor S indikator Keterampilan Bekerja untuk R1-R6 :
47 Program Studi Manajemen FEB UNIKA Soegijapranata
S1 = (0.8 0.3125) ( 0.60.25) ( 0.6 0.25) ( 0.6 0.1875)
= 0.65643
S2 = ( 0.80.3125) ( 0.8 0.25) ( 0.6 0.25) ( 0.6 0.1875)
= 0.70539
S3 = ( 0.60.3125) ( 0.8 0.25) ( 0.6 0.25) ( 0.8 0.1875)
= 0.68047
S4 = ( 0.60.3125) ( 0.8 0.25) ( 0.8 0.25) ( 0.6 0.1875)
= 0.69282
S5 = ( 1.00.3125) ( 0.8 0.25) ( 0.6 0.25) ( 0.6 0.1875)
= 0.75633
S6 = ( 0.80.3125) ( 0.8 0.25) ( 0.6 0.25) ( 0.8 0.1875)
= 0.74448
b) Perhitungan nilai vektor S indikator Kedisiplinan
Si = ( X21W1) (X22
W2)
Secara urut nilai vektor S indikator Kedisiplinan untuk R1-R6 :
S1 = ( 0.50.5) ( 1.0 0.5)
= 0.70710
S2 = ( 1.00.5) ( 1.0 0.5)
= 1.0
S3 = ( 1.00.5) ( 1.0 0.5)
= 1.0
S4 = ( 0.50.5) ( 1.0 0.5)
= 0.70710
S5 = ( 1.00.5) ( 1.0 0.5)
= 1.0
S6 = ( 1.00.5) ( 1.0 0.5)
= 1.0
48 Program Studi Manajemen FEB UNIKA Soegijapranata
c) Perhitungan nilai vektor S indikator Produktivitas
Si = ( X31W1) (X32
W2) (X33W3)
Secara urut nilai vektor S indikator Produktivitas untuk R1-R6 :
S1 = ( 0.60.333) ( 0.8 0.25) ( 0.8 0.416)
= 0.72708
S2 = ( 0.80.333) ( 0.6 0.25) ( 1.0 0.416)
= 0.81708
S3 = ( 0.60.333) ( 1.0 0.25) ( 0.8 0.416)
= 0.76879
S4 = ( 0.80.333) ( 0.8 0.25) ( 0.8 0.416)
= 0.80017
S5 = ( 1.00.333) ( 0.6 0.25) ( 0.8 0.416)
= 0.80209
S6 = ( 0.60.333) ( 0.8 0.25) ( 0.6 0.416)
= 0.64507
Langkah 5. Menghitung nilai vektor V
Vektor V adalah tahap perhitungan akhir metode Weighted Product Model
(WPM) dimana hasil nilainya yang akan digunakan untuk perangkingan atau
pemeringkatan. Menghitung nilai vektor V sangat mudah karena hanya perlu
melakukan normalisasi nilai vektor S yang telah didapat. Nilai vektor V
dinyatakan dengan rumus :
*Keterangan : V = nilai vektor V untuk alternatif
S1 = nilai vektor S alternatif yang dihitung
49 Program Studi Manajemen FEB UNIKA Soegijapranata
∑S = total seluruh nilai S dalam satu indikator
a) Perhitungan nilai vektor V indikator Keterampilan Bekerja
Secara urut nilai vektor V indikator Keterampilan Bekerja untuk R1-R6 :
V1 = 0.65643
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.15496
V2 = 0.70539
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.16652
V3 = 0.68047
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.16064
V4 = 0.69282
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.16355
V5 = 0.75633
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.17855
V6 = 0.74448
(0.65643+0.70539+0.68047+0.69282+0.75633+0.74448)
= 0.17575
b) Perhitungan nilai vektor V indikator Kedisiplinan
Secara urut nilai vektor V indikator Kedisiplinan untuk R1-R6 :
V1 = 0.70710
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.13060
V2 = 1.0
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.18469
V3 = 1.0
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.18469
50 Program Studi Manajemen FEB UNIKA Soegijapranata
V4 = 0.70710
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.13060
V5 = 1.0
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.18469
V6 = 1.0
(0.70710+1.0+1.0+0.70710+1.0+1.0)
= 0.18469
c) Perhitungan nilai vektor V indikator Produktivitas
Secara urut nilai vektor V indikator Produktivitas untuk R1-R6 :
V1 = 0.72708
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.15943
V2 = 0.81708
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.17917
V3 = 0.76879
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.16858
V4 = 0.80017
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.17546
V5 = 0.80209
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.17588
V6 = 0.64507
(0.72708+0.81708+0.76879+0.80017+0.80209+0.64507)
= 0.14145
51 Program Studi Manajemen FEB UNIKA Soegijapranata
Langkah 6. Penentuan Bobot untuk Indikator Pendidikan dan Pengalaman
Kerja (4 tingkatan nilai)
Didalam pengambilan keputusan untuk menentukan seleksi karyawan tetap
di CV. Mitra Moulding Sentosa ikut dipertimbangkan juga indikator pendidikan
dan pengalaman kerja karyawan kontrak. Oleh karena itu diperlukan penentuan
bobot untuk setiap tingkatan kelompok dalam kuesioner yang diberikan untuk
mempermudah perhitungan. Hal tersebut tentu saja harus dibuat sedemikian rupa
agar pemberian bobot seobjektif mungkin serta tidak berat sebelah dalam
perhitungan nilai akhir dengan aspek dan indikator lain.
Penentuan bobot akan menggunakan rentang nilai vektor V sebagai nilai
akhir, yaitu dengan menggunakan nilai terbesar dan nilai terkecil dari vektor V
yang didapat sebelumnya. Nilai terbesar vektor V yang didapat yaitu 0.18469, dan
nilai terkecil vektor V yang didapat yaitu 0.13060. Sedangkan jumlah tingkatan
nilai bobot yang dibutuhkan yaitu 4 tingkatan nilai. Maka rentang nilai yang
digunakan dinyatakan sebagai berikut :
(Nilai terbesar – Nilai terkecil) / (n+1)
= (0.18469 – 0.13060) / 5
= 0.01081
1. Tingkatan nilai pertama
0.13060 + (1 x 0.01081) = 0.14141
2. Tingkatan nilai kedua
0.13060 + (2 x 0.01081) = 0.15223
3. Tingkatan nilai ketiga
0.13060 + (3 x 0.01081) = 0.16305
4. Tingkatan nilai keempat
52 Program Studi Manajemen FEB UNIKA Soegijapranata
0.13060 + (4 x 0.01081) = 0.17387
Tabel berikut menampilkan tingkatan nilai bobot untuk Indikator Pendidikan
dan Pengalaman Kerja yang akan digunakan :
Tabel 4.9 Tingkatan Nilai Bobot Indikator Pendidikan dan Pengalaman
Kerja
Sumber : Data primer yang diolah (2018)
Langkah 7. Perhitungan nilai akhir dan pemeringkatan
Nilai akhir merupakan gabungan nilai masing-masing indikator untuk setiap
alternatif / calon karyawan tetap yang ada. Nilai akhir ini yang nantinya akan
digunakan untuk pemeringkatan/perangkingan skor karyawan kontrak.
Perhitungan nilai akhir menggunakan nilai tiap indikator dikalikan dengan porsi
bobot tiap indikator yang ada lalu dijumlahkan. Nilai tiap alternatif dalam masing-
masing indikator ditampilkan dalam tabel sebagai berikut :
No. Pendidikan Bobot Pengalaman
Kerja
Bobot
1 SMP 0.14141 <1 tahun 0.14141
2 SMA 0.15223 1-3 tahun 0.15223
3 SMK 0.16305 3-5 tahun 0.16305
4 D3/S1 0.17387 >5 tahun 0.17387
53 Program Studi Manajemen FEB UNIKA Soegijapranata
Tabel 4.10 Pengelompokkan Nilai Akhir Responden
Responden
Indikator
Pendidikan
(15%)
Pengalaman
Kerja
(15%)
Keterampilan
Bekerja
(25%)
Kedisiplinan
(20%)
Produktivitas
(25%)
R1 0.16305 0.15223 0.15496 0.13060 0.15943
R2 0.15223 0.15223 0.16652 0.18469 0.17917
R3 0.17387 0.16305 0.16064 0.18469 0.16858
R4 0.16305 0.15223 0.16355 0.13060 0.17546
R5 0.15223 0.15223 0.17855 0.18469 0.17588
R6 0.15223 0.14141 0.17575 0.18469 0.14145
Sumber : Data primer yang diolah (2018)
Nilai yang ditampilkan dalam tabel diatas selanjutnya dilakukan kalkulasi
dengan mengalikan persentase bobot dengan nilai lalu dijumlahkan. Perhitungan
hasil total nilai akhir dinyatakan dengan :
Total Nilai = ( w1 x n1 ) + ( w2 x n2 ) + ( w3 x n3 ) + ( w4 x n4 ) + ( w5 x n5 )
*Keterangan : w1 = besaran persentase bobot indikator ke-1
n1 = nilai responden untuk indikator ke-1
Contoh Perhitungan untuk Total Nilai Responden 1 (R1) :
Total Nilai (R1) = (15% x 0.16305) + (15% x 0.15223) + (25% x 0.15496) +
(20% x 0.13060) + (25% x 0.15943)
= 0.15200
54 Program Studi Manajemen FEB UNIKA Soegijapranata
Setelah semua total nilai responden dikalkulasi maka hasil skor akhir untuk
masing-masing responden adalah sebagai berikut :
Tabel 4.11 Total Nilai / Skor Responden dan Peringkat
Responden Total Nilai Peringkat
R1 0.15200 6
R2 0.16902 3
R3 0.16978 2
R4 0.15816 5
R5 0.17121 1
R6 0.16028 4
Sumber : Data primer yang diolah (2018)
Hasil skor akhir tersebut menjadi acuan rekomendasi pengangkatan
karyawan tetap dengan menggunakan perhitungan metode WPM dengan
dilakukannya pemeringkatan nilai. Setelah dilakukan pengurutan ulang sesuai
peringkat yang didapat, maka hasil peringkat rekomendasi subjek penelitian
sebagai berikut :
Tabel 4.12 Pemeringkatan / Perangkingan Responden
No Responden Nilai Akhir
1 R5 0.17121
2 R3 0.16978
3 R2 0.16902
4 R6 0.16028
5 R4 0.15816
6 R1 0.15200
Sumber : Data primer yang diolah (2018)
55 Program Studi Manajemen FEB UNIKA Soegijapranata
4.4 Pembahasan
Weighted Product Model (WPM) mengevaluasi beberapa alternatiif
terhadap sekumpulan atribut atau kriteria, dimana setiap atribut tidak
saling bergantung satu dengan lainnya (Sari, 2017). Setelah dilakukan
perhitungan dengan metode Weighted Product Model (WPM) untuk
mengukur perolehan nilai alternatif terhadap kriteria untuk menjadi
karyawan tetap CV. Mimosa, maka didapatilah calon alternatif R5 yang
menempati urutan pertama atau ranking nilainya tertinggi yaitu dengan
nilai 0.17121. Oleh karena itu dapat dikatakan bahwa nilai preferensi
tersebut menunjukkan bahwa karyawan atau alternatif R5 lebih layak
dipilih dalam pengambilan keputusan seleksi karyawan tetap. Diikuti
oleh alternatif atau karyawan R3, R2, R6, R4, dan R1 secara berurutan
berdasarkan perolehan nilai akhir. Tujuan ditampilkannya hasil dalam
bentuk pemeringkatan atau perangkingan adalah agar dalam proses seleksi
karyawan menggunakan metode WPM dapat menyediakan informasi yang
dapat membantu pengambilan keputusan sesuai kebutuhan atau kuota
perusahaan. Jadi apabila perusahaan menyediakan 3 orang kuota untuk
pengangkatan karyawan tetap, maka perhitungan ini akan
memprioritiaskan 3 orang dengan peringkat tertinggi berdasarkan urutan
yang ada.
Pada perhitungan tersebut, tampak bahwa total nilai akhir ditentukan
oleh penjumlahan skor masing-masing indikator dikalikan dengan bobot
56 Program Studi Manajemen FEB UNIKA Soegijapranata
indikator. Pemberian bobot indikator keterampilan bekerja, dan
produktivitas adalah yang terbesar dalam perhitungan ini yaitu sebanyak
25% masing-masing. Dengan adanya bobot yang lebih besar, maka kedua
indikator kriteria tersebut memegang peran yang lebih besar dalam
menentukan nilai akhir. Hal tersebut akan berbeda-beda tergantung
perusahaan lebih memfokuskan pada kriteria apa saja, yaitu saat tahap
awal dalam menentukan kriteria, pemberian bobot, dan juga beserta
sifatnya. Berbeda halnya dengan penentuan bobot tiap aspek pertanyaan
pada kuesioner yang bertindak sebagai pemangkat dalam perhitungan nilai
indikator. Pemberian bobot aspek pertanyaan nantinya akan dilakukan
normalisasi bobot, sehingga range nilai bobot tidak akan terlalu lebar atau
berbeda jauh dan banyak berpengaruh.
Perhitungan dalam penelitian ini bukanlah hasil mutlak, karena
merupakan Sistem Pendukung Keputusan yang hanya menyediakan
informasi untuk dapat dijadikan acuan. Fokus utama perhitungan dalam
penelitian ini bukan untuk menentukan rekomendasi karyawan tetap CV.
Mimosa periode 2018 saja, melainkan untuk memperkenalkan SPK dan
menjelaskan langkah demi langkah yang mudah untuk membantu
pengambilan keputusan seleksi karyawan tetap perusahaan kedepannya.