NASKAH PUBLIKASI

PERBANDINGAN METODE SAW DAN ELECTRE PADA SISTEM

PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI INFORMATION

COMMUNICATION TECHNOLOGI

(STUDI KASUS UNIVERSITAS MERCU BUANA YOGYAKARTA)

Disusun Oleh

Nama : David Nugroho

Nomor Mahasiswa : 12100882

Program Studi : Teknik Informatika

Jenjang : Strata 1

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN ILMU KOMPUTER

EL RAHMA

YOGYAKARTA

2018

PERBANDINGAN METODE SAW DAN ELECTRE PADA SISTEM

PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI INFORMATION

COMMUNICATION TECHNOLOGI

(STUDI KASUS UNIVERSITAS MERCU BUANA YOGYAKARTA)

DAVID NUGROHO

Jurusan Teknik Informatika, STMIK EL RAHMA, Yogyakarta

davidnugroho17@gmail.com

ABSTRACT

The use of the current decision support system when needed by educational institutions,

especially in the employee selection process so that it is in accordance with what is needed,

in the selection process can be used to help processing data that has been using the system

manually. The number of methods used in decision support systems can be an alternative

choice for use.

Decision Support System is made using two methods, namely Simple Additive Weighting

Method (SAW) and the Elimination Method and Reality Translation Choice (ELECTRE)

with the PHP programming language and using a MySQL database. The results of the

method are processed again by calculating the RSD (Relative Standard Deviation).

The system test results show the difference in results with the SAW and ELECTRE methods.

In the SAW calculation. The comparison results show that the Electre method is more

suitable for use because it has a greater percentage value.

Keywords: Recruitment of Employees, SPK, SAW, ELECTRE

PENDAHULUAN

Salah satu kunci utama dalam menciptakan Sumber Daya Manusia (SDM) yang

profesional adalah terletak pada proses Rekrutmen, Seleksi, Training and Development

calon tenaga kerja. Mencari tenaga kerja yang profesional dan berkualitas tidaklah

gampang. Merupakan sebuah kewajiban dalam sebuah organisasi dan perusahaan-

perusahan harus melakukan penyaringan untuk anggota atau para pekerja yang baru.

Untuk itulah rekrutmen tenaga kerja dibutuhkan untuk menyaring para pelamar yang

ingin melamar. Dalam organisasi, rekrutmen ini menjadi salah satu proses yang penting

dalam menentukan baik tidaknya pelamar yang akan melamar pada organisasi tersebut.

Proses perekrutan karyawan pada umumnya masih menggunakan sistem manual.

Pada sistem ini banyak kelemahan, diantaranya membutuhkan waktu yang lama,

penempatan yang tidak sesuai dengan bidang keahlian. Dengan permasalahan tersebut

maka dibutuhkannya sebuah sistem yang dapat mempermudah dalam proses perekrutan

dan dapat dijadikan sebagai bahan pertimbangan keputusan.

Ada banyak metode pendukung keputusan yang diimplementasikan terhadap

proses pemilihan pegawai, setelah dilakukan pencarian di internet dan studi pustakan,

didapatlah beberapa jurnal penelitian tentang penerimaan pegawai dengan metode

Simple Additive Weight (SAW) dan Electre. Berdasarkan masalah diatas maka peneliti

merancang sistem yang digunakan untuk membandingkan kedua metode tersebut.

METODE PENELITIAN

Penelitian yang ini menggunakan data didapatkan dengan cara :

a. Wawancara

Wawancara ini dilakukan untuk mendapatkan data yang berhubungan dengan

perhitungan untuk menentukan kriteria dalam rekrutmen pegawai dengan cara

mewancarai bagian SDM dan Direktorat ICT UMB Yogyakarta untuk mengetahui

bagaimana cara rekrutmen pegawai.

b. Studi Kepustakaan

Studi kepustakaan adalah kegiatan untuk menghimpun informasi yang relevan dengan

topik atau masalah yang menjadi objek penelitian. Informasi tersebut dapat diperoleh

dari buku-buku, karya ilmiah, tesis, disertasi, ensiklopedia, internet, dan sumber-sumber

lain. Dengan melakukan studi kepustakaan, peneliti dapat memanfaatkan semua

informasi dan pemikiran-pemikiran yang relevan dengan penelitiannya.

TINJAUAN TEORI

Metode SAW sering dikenal dengan istilah metode penjumlahan terbobot.

Konsep dasar metode SAW (Simple Additive Weighting) adalah mencari penjumlahan

terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW

membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat

diperbandingkan dengan semua rating alternatif yang ada.

r

{

(1)

Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; I = 1,

2, …….,m dan j = 1, 2, ………,n.

(2)

Keterangan :

Vi = rangking untk setiap alternatif

Wj = nilai bobot dari setiap kriteria

rij = nilai rating kinerja ternormalisasi

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih

terpilih.

Metode ELECTRE (Elimination and Choice Translation Reality) didasarkan

pada konsep perangkingan melalui perbandingan berpasangan antar alternatif pada

kriteria yang sesuai. Suatu alternatif dikatakan mendominasi alternatif yang lainya jika

satu atau lebih kriterianya melebihi (dibandingkan dengan kriteria dari alternatif yang

lain) dan sama dengan kriteria lain yang tersisa. ELECTRE dimulai dari membentuk

perbandingan berpasangan setiap alternatif di setiap kriteria(xij). Nilai X ini harus

dinormalisasikan ke dalam suatu skala yang dapat dibandingkan (rij).

√∑

(3)

Dimana i=1,2,...,m; dan j=1,2,...,n; dalam hal ini n adalah jumlah alternatif dan

m adalah jumlah kriteria. Selanjutnya pengambil keputusan harus memberikan faktor

kepentingan (bobot) pada setiap kriteria yang mengekspresikan kepentingan relatifnya

(wj).

( , … ) (4)

Bobot ini selanjutnya dikalikan dengan matriks perbandingan berpasangan

membentuk matriks V.

(5)

Pembentukan concordance index dan discordance index untuk setiap pasangan

alternatif dilakukan melalui taksiran terhadap relasi perankingan.Untuk setiap padangan

alternatif Ak dan Al (k,l=1,2,...,m; dan k1l), matriks keputusan untuk kriteria j, terbagi

menjadi 2 himpunan bagian. Pertama, himpunan concordance index {Ckl} menunjukkan

penjumlahan bobot-bobot kriteria yang mana alternatif Ak lebih baik daripada alternatif

Al, dengan j=1,2,...,n.

{ } (6)

Kedua, himpunan discordance index {Dkl} dengan j=1,2,...,n.

{ } (7)

Matriks Concordance (C) berisi elemen-elemen yang dihitung dari concordance

index , dan berhubungan dengan bobot atribut.

∑

(8)

Demikian pula dengan matriks Discordance (D) berisi elemen-elemen yang

dihitung dari discordance index

{| |}

{| |}

(9)

Matriks-matriks tersebut dapat dibangun dengan bantuan suatu nilai ambang

(threshold), c.

c = ∑ ∑

(10)

Alternatif Ak dapat memiliki kesempatan untuk dominasi Al, jika concordance

index ckl melebihi threshold c.

≥c (11)

Menentukan elemen-elemen dari matriks concordance dominan F

(12)

Hal yang sama juga berlaku untuk matriks discordance dominan G dengan

threshold d.

d = ∑ ∑

(13)

Menetukan elemen-elemen dari matriks discordance domian G

(14)

Agregasi dari matriks dominan (E) yang menunjukkan urutan preferensi parsial

dari alternatif-alternatif.

(15)

Jika ekl=1; maka hal tersebut mengindikasikan bahwa alternatif Ak lebih dipilih

daripada alternatif Al. Setelah memperoleh hasil perangkingan dengan SAW dan

Electrre maka untuk membandingkannya menggunakan rumus standar deviasi relatif.

(16)

Dimana RSD = nilai standar deviasi relatif

S = nilai standar deviasi

= nilai rata-rata

HASIL DAN PEMBAHASAN

Penelitian ini bertujuan untuk membuat sistem perangkat lunak menggunakan

metode Simple Additive Weighting (SAW) dan Metode Elimination and Choice

Translation Reality (ELECTRE) untuk membantu pengambilan keputusan dalam proses

rekrutmen pegawai. Beberapa definisi terkait dengan beberapa istilah yang akan

digunakan dalam penyelesaian perhitungan, antara lain seperti :

1. Alternatif, merupakan daftar calon pegawai yang dijadikan sebagai pilihan

2. Kriteria, merupakan poin-poin yang dijadikan sebagai tolak ukur penilaian calon

pegawai.

3. Bobot Kriteria (W), merupakan bobot yang diasumsikan oleh pengambil

keputusan.

Tabel 1. Jenis kriteria

No Kode Jenis Kriteria Sifat Kriteria

1 C1 Usia Benefit (Keuntungan)

2 C2 Pendidikan Benefit (Keuntungan)

3 C3 Pengalaman Benefit (Keuntungan)

4 C4 Kompetensi Benefit (Keuntungan)

5 C5 Jenis Kelamin Benefit (Keuntungan)

Tabel 2. Standar kriteria

Kepentingan

SK K C B SB

C1 Usia > 26 Tahun

dan <= 27

Tahun

Usia > 25

Tahun dan <=

26 Tahun

Usia > 24

Tahun dan

<= 25 Tahun

Usia > 23 Tahun

dan <= 24 Tahun

Usia <= 23

Tahun

C2 Pendidikan

Terakhir SMK

Sederajat

Pendidikan

Terakhir D3

Pendidikan

Terakhir S1

Pendidikan

Terakhir S2

C3 Belum Ada

Pengalaman

Kerja (Fresh)

Pengalaman

Kerja <= 1

Tahun

Pengalaman

Kerja > 1

Tahun dan

<= 2 Tahun

Pengalaman Kerja

> 2 Tahun dan <= 3

Tahun

Pengalaman

Kerja > 3

Tahun

C4 Nilai tes

kompetensi <=

60

Nilai tes

kompetensi >

60 dan <= 70

Nilai tes

kompetensi >

70 dan <= 80

Nilai tes

kompetensi > 80

dan <= 90

Nilai tes

kompetensi >

90

C5 Perempuan Laki-Laki

Tabel 3. Pengelompokan data berdasarkan kriteria

No Nama Usia Pendidikan Pengalaman Kompetensi Jenis

Kelamin

1 Achmad Siddik

Fathoni

23 S1 >= 4 Tahun Nilai tes kompetensi > 80 dan <= 90 L

2 Ahzan Mustofa 26 S1 <= 1 Tahun Nilai tes kompetensi > 80 dan <= 90 L

3 Aris Sukinda 26 S1 >= 4 Tahun Nilai tes kompetensi > 70 dan <= 80 L

4 Saras Nur Y 26 S1 <= 1 Tahun Nilai tes kompetensi > 80 dan <= 90 P

5 Ilham

Wuryatmaja

26 S1 Fresh Nilai tes kompetensi <= 60 L

6 Pramono 29 S1 <= 1 Tahun Nilai tes kompetensi <= 60 L

7 Ahmad

Fathurrahman

24 S1 >= 4 Tahun Nilai tes kompetensi > 80 dan <= 90 L

8 Bambang

Iswanto

28 S1 <= 2 Tahun Nilai tes kompetensi > 60 dan <= 70 L

Tabel 4. Keputusan X yang sudah dikonversi

Alternatif Attribut

C1 C2 C3 C4 C5

A1 4 3 5 4 2

A2 1 3 2 4 2

A3 1 3 5 3 2

A4 1 3 2 4 1

A5 1 3 1 1 2

A6 2 3 2 1 2

A7 3 3 5 4 2

A8 2 3 3 2 2

Pengambil keputusan memberikan bobot, berdasarkan tingkat kepentingan masing-

masing kriteria yang dibutuhkan sebagai vektor Bobot: W = [4 3 3 4 1].

Perhitungan Metode SAW

Perhitungan dengan metode SAW dilakukan melalui tahap-tahap sebagai

berikut:

1. Melakukan normalisasi matriks X untuk menghitung nilai masing-masing

kriteria, dengan melakukan perhitungan menggunakan atribut

keuntungan(benefit).

Maka di peroleh hasil normalisasi matrix R

Gambar 1. Matriks ternormalisasi (R)

2. Hasil akhir perolehan dari proses perangkingan yaitu penjumlahan dari

perkalian matriks ternormalisasi R dengan vektor bobot (W*R)

V1 = (4)(1) + (3)(1) + (3)(1) + (4)(1) + (1)(1) =15

V2 = (4)(0.25) + (3)(1) + (3)(0.40) + (4)(1) + (1)(1) =10,20

V3 = (4)(0.25) + (3)(1) + (3)(1) + (4)(0.75) + (1)(1) =11

V4 = (4)(0.25) + (3)(1) + (3)(0.40) + (4)(1) + (1)(0.5) =9,7

V5 = (4)(0.25) + (3)(1) + (3)(0.20) + (4)(0.25) + (1)(1) =6,60

V6 = (4)(0.50) + (3)(1) + (3)(0.40) + (4)(0.25) + (1)(1) =8,20

V7 = (4)(0.75) + (3)(1) + (3)(1) + (4)(1) + (1)(1) =14

V8 = (4)(0.50) + (3)(1) + (3)(0.60) + (4)(0.50) + (1)(1) =9,8

Berdasarkan hasil perangkingan (V), diperoleh Nilai V1 = 15 untuk A1, V2 =

10,20 untuk A2, V3 = 11 untuk A3, V4 = 9,7 untuk A4, V5 = 6,60 untuk A5, V6

= 8,20 untuk A6, V7 = 14 untuk A7, dan V8 = 9,8 untuk A8, sehingga

alternatif terbaik adalah A1.

Perhitungan Metode Electre

1. Mencari matriks ternormalisasi R berdasarkan matriks X dengan menggunakan

Persamaan 3.3. Agar lebih mudah langkah pertama cari terlebih dahulu nilai akar

dari masing-masing kriteria :

C1= √ = √ = 6,0827

C2= √ = √ = 8,4852

C3 = √ = √ = 9,8488

C4= √ = √ = 8,8888

C5= √ = √ = 5,3851

2. Mencari nilai matrix ternormalisasi

r11 =

=

= 0,6575 r51 =

=

= 0,1644

r12 =

=

= 0,3535 r52 =

=

= 0,3535

r13 =

=

= 0,5076 r53 =

=

= 0,1015

r14 =

=

= 0,4500 r54 =

=

= 0,1125

r15 =

=

= 0,3714 r55 =

=

= 0,3714

Gambar 2. Matriks ternormalisasi (R)

3. Mencari matriks V dengan mengalikan matriks ternormalisasi R dengan bobot W

00 00

Gambar 3. Matriks perangkingan (V)

4. Mencari concordance index dan discordance index

Gambar 4. Concordance index dan Discordance index

5. Mencari Matriks Concordance (C)

Gambar 5 Matriks Concordance (C)

6. Mencari Matriks Discordance (D)

Gambar 6. Matriks discordance (D)

7. Mencari nilai threshold c untuk menetukan nilai matriks concordance dominan F

c

[

]

[

]

8. Mencari nilai threshold d untuk menetukan nilai matriks discordance dominan G

d

[

]

[

]

Berdasarkan matriks berpasangan concordance dominan F dan discordance

dominan G) di atas, selanjutnya dicari matriks agregasi dominan E dengan

menggunakan Persamaan 3.16, seperti berikut.

[

]

[

]

[

]

Berdasarkan matriks agregasi dominan E tersebut, dengan menghitung jumlah

nilai 1 pada masing-masing baris (alternatif) diperoleh A1 = 0, A2 = 1, A3 = 2, A4 = 2,

A5 = 0, A6 = 2, A7 = 1 dan A8 = 2, sehingga sehingga diperoleh alternatif sebagai

berikut A8, A3, A6 dan A4.

Metode Relative Standart Deviation

Tabel 5. Perhitungan standart deviasi SAW

o. Alternative Nama x x-rata (x-rata-rata) 2

1 A1 Achmad Siddik Fathoni

15 4.4375 19.69140625

2 A7 Ahmad Fathurrahman 14 3.4375 11.81640625

3 A3 Aris Sukinda 11 0.4375 0.19140625

4 A2 Ahzan Mustofa 10.2 -0.3625 0.13140625

5 A8 Bambang Iswanto 9.8 -0.7625 0.58140625

6 A4 Saras Nur Yanti 9.7 -0.8625 0.74390625

7 A6 Pramono 8.2 -2.3625 5.58140625

8 A5 Ilham Wuryatmaja 6.6 -3.9625 15.70140625

Rata-rata (x) = 10.5625

Jumlah (x-rata-rata)2 = 54.43875

Varian = 6.80484375

Standar Deviasi = 2.608609543

Relatif Standar Deviasi= 24.69689509

Tabel 6. Perhitungan standart deviasi Electre

No. Alternative Nama

x x-rata2 (x-rata2) pangkat

1 A3 Aris Sukinda 2 0.75 0.5625

2 A6 Pramono 2 0.75 0.5625

3 A4 Saras Nur Yanti 2 0.75 0.5625

4 A8 Bambang Iswanto 2 0.75 0.5625

5 A7 Ahmad Fathurrahman 1 -0.25 0.0625

6 A2 Ahzan Mustofa 1 -0.25 0.0625

7 A1 Achmad Siddik F 0 -1.25 1.5625

8 A5 Ilham Wuryatmaja 0 -1.25 1.5625

Rata-rata (x) = 1.25

Jumlah (x-rata-rata)2 = 5.5

Varian = 0.6875

Standar Deviasi = 0.829156198

Relatif Standar Deviasi= 66.33249581

KESIMPULAN DAN SARAN Kesimpulan

Berdasarkan hasil penelitian maka dapat disimpulkan:

1. Sistem dapat digunakan sebagai media pembelajaran metode sistem

pendukung keputusan.

2. Untuk mengetahui prsentase maka hasil perhitungan kemudian di olah

dengan RSD (Relative Standard Deviation), dari perhitungan tersebut di

peroleh kesimpulan metode yang paling cocok untuk digunakan adalah

metode ELECTRE, karena nilai prosentase RSD ELECTRE (66.3325) lebih

besar dari SAW (24.6969).

Saran

Saran untuk pengembanganlebih lanjut terhadap penelitian ini adalah.

1. Dapat dikembangkan dengan penambahan ke protype aplikasi berbentuk

mobile sehingga bisa diunduh dan dijadikan sarana pembelajaran SPK. 2. Memeperbanyak metode yang dibandingkan.

DAFTAR PUSTAKA

Djamain, Y., & Christin, H. D,2015, Sistem Pendukung Keputusan Penerimaan Pegawai

Baru PT. PLN (PERSERO) Kantor Pusat Dengan Menggunakan Metode Simple

Additive Weighting (SAW), Jurnal Teknik Informatika, Vol. 8, No. 1, 39-47.

Kadir, A, 2006, Pengenalan Sistem Informasi. Yogyakarta, Andi, Yogyakarta

Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta

Kusumadewi, S., Hartati, S., Harjoko, A. dan Wardoyo, R., 2006, Fuzzy Multi- Atribute

Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta

Prastowo, Y., Priyatna, A. dan Nugraha, Y. E, 2011, Buku Pintar Menghitung Pajak

Profesi, Badan Usaha, dan Peristiwa Khusus (Vol. I), Raih Asa Sukses, Jakarta

Primahudi, A. B., Suciono, F. A., & Widodo, A. A, 2016, Sistem Pendukung Keputusan

Untuk Pemilihan Karyawan Dengan Metode Simple Additive Weighting Di PT.

Herba Penawar Al Wahida Indonesia. Jurnal Informatika Merdeka Pasuruan,

Vol.2, No.1, ISSN : 2503-1945, 57-80.

Sirait, J, T, 2006, Memahami Aspek-Aspek Pengelolaan Sumber Daya Manusia Dalam

Organisasi, PT. Grasindo, Raih Asa Sukses, Jakarta.

Subekti, W., 2016, Retrieved from Pengertian Pegawai: www.wibowopajak.com/

2012/02/pengertian-pegawai.html

Sundari, S. S., & Taufik, Y. F., 2014, Sistem Pendukung Keputusan Penerimaan

Pegawai Baru Dengan Menggunakan Metode Simple Additive Weighting

(SAW). Jurnal Ilmiah SISFOTENIKA, Vol. 4, No. 2, 140-151.

Triantapyllou, E, 2000, Multi-criteria Decision Making Methods: A Comparative Study.

Springer.

Trisnawan, Y., Suratman, & Miftachurohmah, N., 2017, Sistem Pendukung Keputusan

Pemilihan Karwayan Berprestasi Untuk Kenaikan Jabatan Menggunakan

Metode Electre (Elemination And Translition Of Reality). Kediri: Universitas

Nusantara PGRI. Retrieved Desember 2017, 11, from

http://tracerstudy.unpkediri.ac.id/mahasiswa/file_artikel/2017/12.1.03.03.0369.p

df

Basuki, Ari dan Cahyani, Andriani, 2016, Sistem Pendukung Keputusan, Deepublish,

Yogyakarta

Pratiwi, Heny, 2016, Buku Ajar Sistem Pendukung Keputusan, Deepublish, Yogyakarta

Septyan, Ervan, 2017, Analisis perbandingan metode AHP dan SAW dalam penilaian

kinerja karyawan (studi kasus di Pt. Grafindo Media Pratama Bandung), from

http://pa.lpkia.ac.id/uploads/journals/187.pdf

Djamain, 2017, Sistem Pendukung Keputusan Penerimaan Pegawai Baru PT.PLN

(PERSERO) Kantor Pusat Dengan Menggunakan Metode Simple Additive

Weighting (SAW), from http://www.journal.uinjkt.ac.id/index.php/ti/

article/viewFile/1935/1505