bab iv hasil penelitian dan pembahasan · tabel bobot preferensi dapat dilihat dibawah ini : tabel...
TRANSCRIPT
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Menentukan Tujuan, Kriteria dan Alternatif
Dalam hierarki keputusan penerimaan karyawan terdapat hubungan antara
tujuan, kriteria, dan alternatif. Hubungannya dapat digambarkan sebagai berikut :
Goal
Kriteria
Tujuan
Gambar IV.1 Struktur Hierarki Penerimaan Karyawan
4.2. Analisa Data & Perhitungan Simple Additive Weighting (SAW)
1. Penentuan kriteria
Dalam metode SAW terdapat kriteria yang dibutuhkan untuk menentukan
penerimaan karyawan. Adapun kriteria yang ada adalah:
Tabel IV.1
Tabel Kriteria Penerimaan Karyawan
KODE KRITERIA
C1 PENDIDIKAN
C2 USIA
C3 PENGALAMAN KERJA
C4 KOMUNIKASI
C5 PENAMPILAN
24
Penampilan Komunikasi Pengalaman
Kerja Usia Pendidikan
Sistem Penunjang Keputusan
Karyawan 10
Karyawan 9
Karyawan 8
Karyawan 7
Karyawan 6
Karyawan 5
Karyawan 4
Karyawan 3
Karyawan 2
Karyawan 1
25
2. Dari kriteria tersebut, maka dibuat satu tingkat kepentingan kriteria berdasarkan
nilai yang telah ditentukan ke dalam tabel penilaian (bobot) sebagai berikut :
a. Pendidikan
Pada kriteria pendidikan, dimana semakin tinggi pendidikannya maka
semakin besar nilai yang diperolehnya. Berikut tabelnya:
Tabel IV.2
Tabel Penilaian Pendidikan
No Keterangan Nilai
1 S.2 5
2 S.1 4
3 D.III 3
4 D.I 2
5 SMK 1
b. Usia
Pada kriteria usia, dimana semakin muda usianya maka semakin besar
nilai yang diperolehnya. Berikut ini tabelnya:
Tabel IV.3
Tabel Penilaian Usia
No Keterangan Nilai
1 Usia 18-21 tahun 5
2 Usia 22-24 tahun 4
3 Usia 25-27 tahun 3
4 Usia 28-30 tahun 2
5 Usia < 18 dan >30 tahun 1
26
c. Pengalaman Kerja
Pada kriteria pengalaman kerja, dimana semakin banyak pengalaman kerjanya
maka semakin besar nilai yang diperolehnya. Berikut ini tabelnya :
Tabel IV.4
Tabel Penilaian Pengalaman Kerja
No Keterangan Nilai
1 >5 tahun 5
2 >4 tahun 4
3 >3 tahun 3
4 >2 tahun 2
5 0-1 tahun 1
d. Komunikasi
Pada kriteria komunikasi, semakin komunikasinya baik dan lancar maka
semakin besar nilainya. Berikut ini tabelnya:
Tabel IV.5
Tabel Penilaian Komunikasi
No Keterangan Nilai
1 Sangat baik 5
2 Baik 4
3 Cukup Baik 3
4 Kurang Baik 2
5 Tidak Baik 1
27
e. Penampilan
Pada kriteria penampilan, dimana semakin penampilannya menarik maka
semakin besar nilai yang diperolehnya. Berikut ini tabelnya:
Tabel IV.6
Tabel Penilaian Penampilan
No Keterangan Nilai
1 Sangat baik 5
2 Baik 4
3 Cukup Baik 3
4 Kurang Baik 2
5 Tidak Baik 1
3. Menentukan bobot preferensi atau tingkat kepentingan (Wj) setiap kriteria dalam
menentukan penerimaan karyawan. Bobot ini didapat dari ketentuan yang sudah
ditetapkan oleh HRD Manajer RS Pondok Indah (Bintaro Jaya). Tabel bobot
preferensi dapat dilihat dibawah ini :
Tabel IV.7 Tabel Bobot Preferensi Setiap Kriteria
Kriteria Bobot
C1 30%
C2 20%
C3 20%
C4 20%
C5 10%
Dari beberapa data yang telah diolah, terdapat kriteria standar penerimaan
karyawan pada RS Pondok Indah (Bintaro Jaya) dengan rentang nilai dalam presentase
diatas 1,00% dinyatakan lolos, tapi nilai dibawah 1,00% tidak lolos. Data dari
kesepuluh karyawan tersebut didapat dari hasil daftar checklist yang diisi oleh HRD
Manajer RS Pondok Indah (Bintaro Jaya). Berikut tabelnya :
28
Tabel IV.8
Tabel Data Calon Karyawan Berdasarkan Daftar Cocok (Cheklist)
NAMA Pendidikan Usia Pengalaman
Kerja Komunikasi Penampilan
Ade Pranoto, SE Baik Cukup Baik Baik Kurang Baik Cukup Baik
Ajeng Hermina, S.Farm Baik Baik Cukup Baik Baik Cukup Baik
Anken Ayu Adisti, Amd.Kep Cukup Baik Baik Kurang Baik Baik Sangat Baik
Brigita Yulise, S.Farm Baik Cukup Baik Cukup Baik Sangat Baik Baik
Eka Ria Gandhiska, AmKg Cukup Baik Baik Kurang Baik Sangat Baik Baik
Hendika Ambar, AmKg Cukup Baik Baik Kurang Baik Cukup Baik Cukup Baik
Nobertus, M.Kep Sangat Baik Kurang Baik Sangat Baik Baik Kurang Baik
Puji Rahayu, Amd.Kom Cukup Baik Baik Kurang Baik Cukup Baik Baik
Tuti Alawiyah, A.P Kurang Baik Sangat Baik Tidak Baik Baik Baik
Wilona Kaulika, M.S., Apt Sangat Baik Cukup Baik Sangat Baik Baik Baik
4. Dalam penentuan rating kecocokan maka nilai dari sertiap alternatif pada setiap
kriteria dimasukkan ke dalam table rating kecocokan seperti tabel dibawah ini :
Tabel IV.9
Data Calon Karyawan Dikonversi Ke-Rating Kecocokan Alternatif
ALTERNATIF C1 C2 C3 C4 C5
A1 4 3 4 2 3
A2 4 4 3 4 3
A3 3 4 2 4 5
A4 4 3 3 5 4
A5 3 4 2 5 4
A6 3 4 2 3 3
A7 5 2 5 4 2
A8 3 4 2 3 4
A9 2 5 1 4 4
A10 5 3 5 4 4
29
5. Berdasarkan nilai dari tabe kecocokan diatas, dapat dibentuk matriks
keputusan X sebagai berikut :
4 3 4 2 3
4 4 3 4 3
3 4 2 4 5
4 3 3 5 4
𝑋 = 3 4 2 5 4
3 4 2 3 3
5 2 5 4 2
3 4 2 3 4
2 5 1 4 4
5 3 5 4 4
6. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut (atribut keuntungan maupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
xij
Max xij Jika j adalah atribut keuntungan (Benefit) i
rij =
Min xij
i Jika j adalah atribut biaya (Cost) xij
Dimana rij adalah rating kinerja ternormalisasi dari alternative Ai pada atribut Cj; i
= 1,2,…,m dan j = 1,2,…,n.
Keterangan :
Max xij = Nilai terbesar dari setiap kriteria i
Min xij = Nilai terkecil dari setiap kriteria i
Xij = Nilai atribut yang dimiliki dari setiap kriteria
Benerfit = Jika nilai terbesar adalah terbaik
Cost = Jika nilai terkecil adalah terbaik
rij = Nilai rating kinerja setiap alternative
30
Berikut adalah tabel untuk menentukan kriteria termasuk cost (biaya) atau benefit
(keuntungan). Dimana jika nilai terbesar yang dipilih adalah yang terbaik termasuk
keuntungan (benefit) dan jika nilai terkecil yang dipilih adalah yang terbaik termasuk
biaya (cost).
Tabel IV.10
Tabel Penggolongan Kriteria
Kriteria Cost Benefit
Pendidikan √ Usia √
Pengalaman Kerja √
Komunikasi √ Penampilan √
Perhitungan :
A1)
𝑟11 =4
max(4,4,3,4,3,3,5,3,2,5) =
4
5= 0,8
𝑟12 =3
max(3,4,4,3,4,4,2,4,5,3) =
3
5= 0,6
𝑟13 =min(4,3,2,3,2,2,5,2,1,5)
4 =
4
1= 4
𝑟14 =2
max(2,4,4,5,5,3,4,3,4,4) =
2
5= 0,4
𝑟15 =min(3,3,5,4,4,3,2,4,4,4)
3 =
3
2= 1,5
31
A3)
A2)
A4)
𝑟31 =3
max(4,4,3,4,3,3,5,3,2,5) =
3
5= 0,6
𝑟32 =4
max(3,4,4,3,4,4,2,4,5,3) =
4
5= 0,8
𝑟33 =min(4,3,2,3,2,2,5,2,1,5)
2 =
2
1= 2
𝑟34 =4
max(2,4,4,5,5,3,4,3,4,4) =
4
5= 0,8
𝑟35 =min(3,3,5,4,4,3,2,4,4,4)
5 =
5
2= 2,5
𝑟21 =4
max(4,4,3,4,3,3,5,3,2,5) =
4
5= 0,8
𝑟22 =4
max(3,4,4,3,4,4,2,4,5,3) =
4
5= 0,8
𝑟23 =min(4,3,2,3,2,2,5,2,1,5)
3 =
3
1= 3
𝑟24 =4
max(2,4,4,5,5,3,4,3,4,4) =
4
5= 0,8
𝑟25 =min(3,3,5,4,4,3,2,4,4,4)
3 =
3
2= 1,5
𝑟41 =4
max(4,4,3,4,3,3,5,3,2,5) =
4
5= 0,8
𝑟42 =3
max(3,4,4,3,4,4,2,4,5,3) =
3
5= 0,6
𝑟43 =min(4,3,2,3,2,2,5,2,1,5)
3 =
3
1= 3
𝑟44 =5
max(2,4,4,5,5,3,4,3,4,4) =
5
5= 1
𝑟45 =min(3,3,5,4,4,3,2,4,4,4)
4 =
4
2= 2
32
A5)
A7)
A6)
𝑟51 =3
max(4,4,3,4,3,3,5,3,2,5) =
3
5= 0,6
𝑟71 =5
max(4,4,3,4,3,3,5,3,2,5) =
5
5= 1
𝑟72 =2
max(3,4,4,3,4,4,2,4,5,3) =
2
5= 0,4
𝑟73 =min(4,3,2,3,2,2,5,2,1,5)
5 =
5
1= 5
𝑟74 =4
max(2,4,4,5,5,3,4,3,4,4) =
4
5= 0,8
𝑟75 =min(3,3,5,4,4,3,2,4,4,4)
2 =
2
2= 1
𝑟52 =4
max(3,4,4,3,4,4,2,4,5,3) =
4
5= 0,8
𝑟53 =min(4,3,2,3,2,2,5,2,1,5)
2 =
2
1= 2
𝑟54 =5
max(2,4,4,5,5,3,4,3,4,4) =
5
5= 1
𝑟55 =min(3,3,5,4,4,3,2,4,4,4)
4 =
4
2= 2
𝑟61 =3
max(4,4,3,4,3,3,5,3,2,5) =
3
5= 0,6
𝑟62 =4
max(3,4,4,3,4,4,2,4,5,3) =
4
5= 0,8
𝑟64 =3
max(2,4,4,5,5,3,4,3,4,4) =
3
5= 0,6
𝑟65 =min(3,3,5,4,4,3,2,4,4,4)
3 =
3
2= 1,5
𝑟63 =min(4,3,2,3,2,2,5,2,1,5)
2 =
2
1= 2
33
A8)
A9)
A10)
𝑟81 =3
max(4,4,3,4,3,3,5,3,2,5) =
3
5= 0,6
𝑟82 =4
max(3,4,4,3,4,4,2,4,5,3) =
4
5= 0,8
𝑟83 =min(4,3,2,3,2,2,5,2,1,5)
2 =
2
1= 2
𝑟84 =3
max(2,4,4,5,5,3,4,3,4,4) =
3
5= 0,6
𝑟85 =min(3,3,5,4,4,3,2,4,4,4)
4 =
4
2= 2
𝑟91 =2
max(4,4,3,4,3,3,5,3,2,5) =
2
5= 0,4
𝑟92 =5
max(3,4,4,3,4,4,2,4,5,3) =
5
5= 1
𝑟93 =min(4,3,2,3,2,2,5,2,1,5)
1 =
1
1= 1
𝑟94 =4
max(2,4,4,5,5,3,4,3,4,4) =
4
5= 0,8
𝑟95 =min(3,3,5,4,4,3,2,4,4,4)
4 =
4
2= 2
𝑟102 =3
max(3,4,4,3,4,4,2,4,5,3) =
3
5= 0,6
𝑟104 =4
max(2,4,4,5,5,3,4,3,4,4) =
4
5= 0,8
𝑟101 =5
max(4,4,3,4,3,3,5,3,2,5) =
5
5= 1
𝑟103 =min(4,3,2,3,2,2,5,2,1,5)
5 =
5
1= 5
𝑟105 =min(3,3,5,4,4,3,2,4,4,4)
4 =
4
2= 2
34
7. Membuat normalisasi matriks R yang diperoleh dari hasil normalisasi
matriks x sebagai berikut :
0.8 0.6 4 0.4
1.5
0.8 0.8 3 0.8 1.5
0.6 0.8 2 0.8 2.5
0.8 0.6 3 1 2
0.6 0.8 2 1 2
0.6 0.8 2 0.6 1.5
1 0.4 5 0.8 1
0.6 0.8 2 0.6 2
0.4 1 1 0.8 2
1 0.6 5 0.8 2
8. Setelah nilai alternatif disetiap kriteria dinormalisasikan, selanjutnya akan dibuat
matriks Wj x r dan penjumlahan hasil perkalian untuk memperoleh alternatif
terbaik dengan melakukan perangkingan nilai terbesar sebagai berikut :
𝑛
𝑉𝑖 = ∑ 𝑤𝑗. 𝑟𝑖𝑗
𝑗=1
Keterangan :
Vi = rangking untuk setiap alternatif
Wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisai
𝑅 =
35
Perhitungan :
Tabel IV.11
Tabel Bobot Preferensi Setiap Kriteria Dalam Desimal
Kriteria Bobot
C1 0.3
C2 0.2
C3 0.2
C4 0.2
C5 0.1
V1 = (0,3 x 0,8) + (0,2 x 0,6) + (0,2 x 4) + (0,2 x 0,4) + (0,1 x 1)
V2 = (0,3 x 0,8) + (0,2 x 0,8) + (0,2 x 3) + (0,2 x 0,8) + (0,1 x 1,5)
V3 = (0,3 x 0,6) + (0,2 x 0,8) + (0,2 x 2) + (0,2 x 0,8) + (0,1 x 2.5)
V4 = (0,3 x 0,8) + (0,2 x 0,6) + (0,2 x 3) + (0,2 x 1) + (0,1 x 2)
V5 = (0,3 x 0,6) + (0,2 x 0,8) + (0,2 x 2) + (0,2 x 1) + (0,1 x 2)
V6 = (0,3 x 0,6) + (0,2 x 0,8) + (0,2 x 2) + (0,2 x 0,6) + (0,1 x 2,5)
V7 = (0.3 x 1) + (0,2 x 0,4) + (0,2 x 5) + (0,2 x 0,8) + (0,1 x 1)
V8 = (0,3 x 0,6) + (0,2 x 0,8) + (0,2 x 2) + (0,2 x 0,6) + (0,1 x 2)
V9 = (0,3 x 0,4) + (0,2 x 1) + (0,2 x 1) + (0,2 x 0,8) + (0,1 x 2)
V10 = (0,3 x 1) + (0,2 x 0,6) + (0,2 x 5) + (0,2 x 0,8) + (0,1 x 2)
Tabel IV.12
Tabel Hasil Perkalian
Alternatif C1 C2 C3 C4 C5 Hasil
V1 0.24 0.12 0.8 0.08 0.15 1.390
V2 0.24 0.16 0.6 0.16 0.15 1.310
V3 0.18 0.16 0.4 0.16 0.25 1.150
V4 0.24 0.12 0.6 0.2 0.2 1.360
V5 0.18 0.16 0.4 0.2 0.2 1.140
V6 0.18 0.16 0.4 0.12 0.15 1.010
V7 0.3 0.08 1 0.16 0.1 1.640
V8 0.18 0.16 0.4 0.12 0.2 1.060
V9 0.12 0.2 0.2 0.16 0.2 0.880
V10 0.3 0.12 1 0.16 0.2 1.780
36
Berikut adalah hasil perhitungannya :
Tabel IV.13
Tabel Hasil Perhitungan
Dari hasil perhitungan Vi maka dibuatkan tabel penentuan rangking sebagai berikut.
Tabel IV.14
Tabel Perangkingan Dengan Metode SAW
Dari perhitungan calon karyawan dengan menggunakan metode Simple Additive
Weighting (SAW) maka bisa diketahui yang lolos dari kelima kriteria sebagaimana yang
telah ditentukan, terdapat satu calon karyawan yang tidak lolos dengan nilai dibawah
1,00% yaitu hanya mencapai nilai 0.88%.
Nama Nilai Presentasi
Ade Pranoto, SE 1.390 1.39%
Ajeng Hermina, S.Farm 1.310 1.31%
Anken Ayu Adisti, Amd.Kep 1.150 1.15%
Brigita Yulise, S.Farm 1.360 1.36%
Eka Ria Gandhiska, AmKg 1.140 1.14%
Hendika Ambar, AmKg 1.070 1.07%
Nobertus, M.Kep 1.640 1.64%
Puji Rahayu, Amd.Kom 1.060 1.06%
Tuti Alawiyah, A.P 0.880 0.88%
Wilona Kaulika, M.Sc.,Apt 1.780 1.78%
Alternatif Nama Nilai Persentase
(%) Rangking
A1 Wilona Kaulika, M.Sc.,Apt 1.78% 1
A2 Nobertus, M.Kep 1.64% 2
A3 Ade Pranoto, SE 1.39% 3
A4 Brigita Yulise, S.Farm 1.36% 4
A5 Ajeng Hermina, S.Farm 1.31% 5
A6 Anken Ayu Adisti, Amd.Kep 1.15% 6
A7 Eka Ria Gandhiska, AmKg 1.14% 7
A8 Hendika Ambar, AmKg 1.07% 8
A9 Puji Rahayu, Amd.Kom 1.06% 9
A10 Tuti Alawiyah, A.P 0.88% 10