TemplateSnatia

SISTEM PENDUKUNG KEPUTUSAN PENENTUANKARYAWAN TERBAIK DENGAN METODE WEIGHTED PRODUCT

Arief Andy Soebroto1, Dea Widya Hutami2, Nurwanda Oktaria3, Ayunita Wulandari4, Nailah Husna5, Vashty Armila Winata61 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas BrawijayaJl. Veteran No.8 Malang, Informatika, Gedung A PTIIK UBEmail :arief.andy.soebroto@ub.ac.id, deaocto21@gmail.com2, nurwanda.oktaria@gmail.com3, ayunita28@gmail.com4, naila0604@gmail.com5, vashty.armila@gmail.com6

ABSTRAKPada tahun-tahun belakangan ini di Indonesia banyak perusahaan-perusahaan yang membuat kebijakan untuk mengubah sistem kerja karyawan menjadi outsourcing. Dimana mungkin perusahaan akan memikirkan jika sistem kerja kontrak karyawan akan menghemat pengeluaran perusahaan. Jika kebijakan sistem kontrak karyawan berlaku, maka perusahaan akan kehilangan tenaga kerja ahli yang memang dibutuhkan karyawan. Pengambilan keputusan secara cepat dan efisien dalam suatu perusahaan salah satunya yaitu penilaian karyawan sangat dibutuhkan. Perusahaan menggunakan penilaian tersebut untuk mengetahui kredibilitas karyawannya dan kinerja karyawannya. Selain itu pula perusahaan dapat mengetahui siapa saja karyawan terbaik sehingga dapat dilakukan pemberian upah atau reward. Namun perusahaan terkadang mengalami kesulitan dengan banyaknya jumlah karyawan yang ada demikian juga dengan kriteria-kriteria penilaian setiap karyawan sebagai tolak ukur untuk membuat keputusan. Kriteria-kriteria tersebut adalah attitude, absen, etos, kebutuhan, dan rata-rata. Setiap kriteria tersebut dilakukan perhitungan dengan menggunakan Weighted Product(WP), dimana metode Weighted product ini menggunakan perkalian untuk menghubungkan rating atau /prioritas kriteria.Harapan hasil uji coba dengan algoritma ini dapat diaplikasikan untuk penilaian karyawan terbaik dengan tingkat akurasi yang tinggi.

Kata Kunci: Sistem Pendukung Keputusan,Karyawan, Weighted Product (WP)

Sistem Pendukung Keputusan Penentuan Karyawan Terbaik dengan Metode Weighted ProductSistem Pendukung Keputusan Penentuan Karyawan Terbaik dengan Metode Weighted ProductSistem Pendukung Keputusan Penentuan Karyawan Terbaik dengan Metode Weighted Product

1

6

7

1 PENDAHULUAN

Pada tahun-tahun belakangan ini di Indonesia banyak perusahaan-perusahaan yang membuat kebijakan untuk mengubah sistem kerja karyawan menjadi outsourcing. Dimana mungkin perusahaan akan memikirkan jika sistem kerja kontrak karyawan akan menghemat pengeluaran perusahaan. Jika kebijakan sistem kontrak karyawan berlaku, maka perusahaan akan kehilangan tenaga kerja ahli yang memang dibutuhkan karyawan.Beragam masalah dalam sebuah perusahaan ini membutuhkan pengambilan keputusan secara cepat dan efisien. Salah satunya adalah penilaian karyawan guna mengetahui kredibilitas seseorang.Penilaian tersebut pada akhirnya dapat menunjukkan apakah seorang karyawan dapat dikatakan kredibel atau tidak dengan mengacu pada beberapa hal.Disamping mengetahui kinerja karyawan yang rendah, manager juga dapat mengetahui siapa karyawan terbaik dalam perusahaannya. Sehingga pemberian upah bonus kerja atau reward lainnya dapat diberikan dengan rata sesuai kredibilitas seorang karyawan.Namun banyaknya jumlah pegawai di dalam perusahaan, terkadang membuat manager sulit dalam mengambil keputusan tetentu.Terlebih dalam penilaian karyawan diperlukan beberapa atribut sebagai tolak ukur dalam membuat keputusan.Atribut-atribut tersebut diantaranya, Attitude, Absen, Etos, Kebutuhan dan Rata-rata.Dengan demikian, butuh dilakukan pendekatan secara matematis agar mempermudah hal tersebut.Pendekatan secara Fuzzy dengan menggunakan Weighted Product (WP) dirasa mampu menjadi jawaban terhadap persoalan diatas.Dalam perhitungannya, Metode Weighted Product (WP) menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Proses ini sama halnya dengan proses normalisasi[1].

2 MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI

Kajian pustaka pada penelitian ini adalah membandingkan dengan penelitian sebelumnya.Dimana berjudul Sistem Pendukung Keputusan Pada Penilaian Karyawan DanPendekatan Angka Kebutuhan Penerimaan Karyawan PT. JAI Dengan Penerapan FuzzyInference System Tsukamoto.

Tabel 1. Perbandingan penggunaan metode Weight Product dan Fuzzy TsukamotoWeighted ProductFuzzy Tsukamoto

InputData karyawan PT. JAI diambil berdasarkan kriteria (atribut) penilaian seperti : Attitude (kelakuan atau tingkah laku) Absensi (banyaknya tingkat kehadiran karyawan) Etos Kerja (kegigihan dan ketekunan karyawan) Kebutuhan (banyaknya jumlah kebutuhan karyawan yang harus dibutuhi)Data karyawan PT. JAI diambil berdasarkan kriteria (atribut) penilaian seperti : Attitude (kelakuan atau tingkah laku) Absensi (banyaknya tingkat kehadiran karyawan) Etos Kerja (kegigihan dan ketekunan karyawan) Kebutuhan (banyaknya jumlah kebutuhan karyawan yang harus dibutuhi)

Proses Melakukan penentuan bobot untuk tiap atribut Menghitung vector S dan menghitung preferensi relative (Vi) dari setiap alternatif Mengurutkan hasil yang diperoleh dari terkecil ke terbesar Menentukan hasil keputusan melalui pengambilan nilai preferensi terbesar diantara nilai preferensi yang lain Menetukan range tiap linguistik tiap masing-masing variable Menetukan rule dan derajat keanggotaan masing-masing himpunan fuzzy Mencari nilai z pada tiap rule lalu melakukan defuzzifikasi rata-rata terpusat

OutputRekomendasi status karyawan terbaikRekomendasi status karyawan terbaik

2.1 Sistem Pendukung KeputusanSistem Pendukung Keputusan (SPK) atau Decision Support System adalah sistem yangbertujuanmenyediakan informasi,membimbing, memberikan prediksi, serta mengarahkan pengguna informasi.Hal tersebut dilakukan agar dapat melakukan pengambilan keputusan dengan lebihbaik dan berbasis fakta (evidence)[2].

2.2 Metode Weighted Product

Weighted Product Methode (WPM) merupakan metode pengambilan keputusan dengan cara perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan [3]. Metode weighted product menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot yang bersangkutan. Proses ini sama halnyadengan proses normalisasi. Preferensi untuk alternative diberikan dengan persamaan (2-1)[3] :

Dimana S adalah Preferensi alternatif, X adalah nilai kriteria, W adalah bobot kriteria, i adalah alternatif, j adalah kriteria dan n adalah banyaknya kriteria.Dimana adalah pangkat bernilai positif untuk atribut keuntungan dan bernilai negatifuntuk atribut biaya.Preferensi relatif dari setiap alternatif diberikan persamaan :

Dimana V adalah Preferensi relatif dari setiap alternatif, X adalah nilai kriteria, W adalah bobot kriteria, i adalah alternatif, j adalah kriteria dan n adalah banyaknya kriteria.Algoritma dalam metode ini yaitu :1. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut manfaat dan bobot berfungsi sebagai pangkat negatif pada atribut biaya2. Hasil perkalian dijumlahkan untuk menghasilakn nilai pada setiap alternatif3. Mencari nilai alternatif dengan melakukan langkah yang sama seperti pada langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut tertinggi untuk setiap atribut manfaat dan nilai terrendah untuk atribut biaya4. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang menghasilkan R5. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan[4].

MULAIMenentukan data / nilai alternative untuk tiap kriteria / atributMenentukan bobot untuk tiap kriteria / atributMelakukan perbaikan bobotMenghitung Vektor SMenghitung preferensi relative (Vi) dari setiap alternatifMengurutkan hasil yang diperoleh dari terkecil ke terbesarMenentukan hasil keputusan melalui pengambilan nilai preferensi terbesar diantara nilai preferensi yang lainSELESAIMendapat hasil keputusan status karyawan terbaik

Gambar 1. Diagram Alir Proses Sistem Pendukung Keputusan Penentuan Karyawan Terbaik3 METODE PENELITIAN

Bab ini membahas metode yang digunakan dalam penelitian, yang terdiri dari: studi literatur, metode pengumpulan data, metode perancangan, metode implementasi, metode pengujian dan analisis serta pengambilan kesimpulan dan saran.

MULAIMULAISTUDI LITERATUR: Menentukan jumlah variabel dan menentukan jumlah linguistik tiap variabelPENGUMPULAN DATA :Menentukan range tiap linguistik dalam masing masing variabelMenentukan range tiap linguistic dalam masing-masing variabelANALISA KASUSANALISA KEBUTUHAN SISTEM :Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi fuzzifikasi yang sesuaiANALISA KEBUTUHAN FUNGSIONALSISTEM :Mencari derajat keanggotaan tiap himpunan fuzzy atau tiap linguistiknyaPERANCANGAN SISTEM :Mencari nilai z untuk setiap rule atau aturan dengan menggunakan fungsi MINIMPLEMENTASI :Setelah mendapatkan nilai z tiap rule yang dibuat, kemudian melakukan metode defuzifikasi rata-rata terpusatPENGUJIANSELESAI

PENGAMBILAN KEPUTUSAN DANSARAN

Gambar 2 Diagram Alir Metodologi Pnenelitian

3.1 Studi LiteraturDalam tahap studi literature/studi pustaka kami melakukan pencarian informasi berupa literature. Literaturebersumber dari buku, artikel ilmiah, jurnal ilmiah, serta laporan penelitian yang telah ada dan relevan yang didapatkan melalui internet (online).

3.2 Analisa KasusDalam tahap ini kami melakukan analisa kasus dengan membandingkan dan mencari berita-berita terkait tentang penilaian karyawan terbaik.Selain itu analisa juga kami lakukan dengan membaca atau mencari literatur penelitian-penelitian yang pernah dilakukan. Dalam analisa ini, data yang dibutuhkan adalah data karyawan dari perusahaan serta data-data pendukung lainnya.

3.3 Analisa Kebutuhan Sistem1. System Administrator0. Dapat melakukan perubahan yang mendasar pada aplikasi.0. Mempunyai hak untuk mengakses data user.0. Mempunyai hak untuk mengontrol database aplikasi secara penuh.0. Mempunyai hak untuk mengontrol kinerja dari aplikasi.b. User0. Memberikan masukan data ke dalam aplikasi0. Mengetahui keluaran dari aplikasi yang berupa rekomendasi karyawan terbaik.

3.4 Perancangan Sistem pada AplikasiDibawah ini terdapat arsitektur sistem pendukungkeputusan penentuan karyawan terbaik.

Gambar 2. Arsitektur Sistem Pendukung Keputusan Penentuan Karyawan Terbaik

3.5 Implementasi AplikasiImplementasi aplikasi dilakukan dengan mengacu kepada perancangan aplikasi.

3.6 Pengujian AplikasiUji coba yang dilakukan untuk aplikasi ini menggunakan blackbox testing.Yaitu pengujian fungsionalitas aplikasi untuk mengetahui apakah aplikasi telah berjalan dengan benar sesuai dengan parameter yang telah ditentukan.

4 HASIL DAN PEMBAHASAN

Pada sistem ini basis pengetahuan berisi kriteria pengambilan keputusan dan data pembobotan.

Tabel 2. Data KriteriaKriteriaPenjelasan

A1Attitude

A2Absen

A3Etos

A4Kebutuhan

Basis data yang digunakan pada sistem ini terdiri dari 3 Tabel, antara lain : Tabel Penilaian Tabel Karyawan Tabel Hasil Nilai

Berikut adalah model kasus Perhitungan Manual Penilaian Karyawan Terbaik dengan Weight Product0. Penentuan Bobot Awal (W_initj)Untuk Karyawan x :Attitude: 2Absen: 1Etos: 4Kebutuhan: 20. Tabel Bobor karyawan tiap kriteria

Tabel 3. Tabel Bobot KaryawanAlternatifKriteria

C1C2C3C4

AttitudeAbsenEtosKebutuhan

Karyawan 14443

Karyawan 22322

Karyawan 34421

Karyawan 42411

Karyawan 53121

Karyawan 63212

Karyawan 74312

Karyawan 82333

Karyawan 93411

Karyawan 103214

Karyawan 114143

Karyawan 123414

Karyawan 134233

Karyawan 144311

Karyawan 151214

Karyawan 162133

Karyawan 171144

Karyawan 183343

Karyawan 191423

Karyawan 201324

Karyawan 213231

Karyawan 224222

Karyawan 234331

Karyawan 244141

Karyawan 251134

Karyawan 263424

Karyawan 274111

Karyawan 282134

Karyawan 293421

Karyawan 303111

0. Melakukan perbaikan bobot

Wj = W_initj / W1 = W_initattitude / W_initattitude+W_initabsen+W_initetos+Winitkebutuhan = 2 / (2+1+4+2) = 0,2222

Tabel 4. Tabel Perbaikan Bobot (Wj)

W_initjWj

W120.222222

W210.111111

W340.444444

W420.222222

0. Melakukan perhitungan vector Si

S1 =CattitudeW1x Cabsenw2x Cetosw3x Ckebutuhanw1= 40.222 x 40.111 x 40.444 x 30.222= 1.36079 x1.166529 x 1.851749 x 1.27651= 3.752285

Tabel 5. Tabel Perhitungan NilaiVektor SiCattitudew1Cabsenw2Cetosw3Ckebutuhanw4Si

S11.360791.1665291.8517491.2765180073.752285

S21.1665291.1298311.360791.166529042.092164

S31.360791.1665291.3607912.160119

S41.1665291.166529111.36079

S51.27651811.3607911.737073

S61.2765181.0800611.166529041.608312

S71.360791.12983111.166529041.793495

S81.1665291.1298311.6294981.2765180072.74151

S91.2765181.166529111.489095

S101.2765181.0800611.360791.876143

S111.3607911.8517491.2765180073.216624

S121.2765181.16652911.360792.026346

S131.360791.080061.6294981.2765180073.057171

S141.360791.129831111.537463

S1511.0800611.360791.469734

S161.16652911.6294981.2765180072.426478

S17111.8517491.360792.519842

S181.2765181.1298311.8517491.2765180073.409177

S1911.1665291.360791.2765180072.026346

S2011.1298311.360791.360792.092164

S211.2765181.080061.62949812.246615

S221.360791.080061.360791.166529042.333058

S231.360791.1298311.62949812.505293

S241.3607911.85174912.519842

S25111.6294981.360792.217405

S261.2765181.1665291.360791.360792.757431

S271.360791111.36079

S281.16652911.6294981.360792.586667

S291.2765181.1665291.3607912.026346

S301.2765181111.276518

Jumlah66.2223

0. Melakukan perhitungan vector ViPerhitungan Vi untuk memilih nilai tertinggi sebagai alternatif terbaik. Contoh Perhitungan :

V1 = S1 / Jumlah Si (dari tabel 4.9) = 3.752285/ 66.2223 = 0.056662

0. Melakukan pengurutan nilai Vi dari nilai terbesar ke nilai terkecil

Tabel 6. Tabel Pengurutan Nilai Vektor ViVi

V10.056662

V180.051481

V110.048573

V130.046165

V260.041639

V80.041399

V280.03906

V170.038051

V240.038051

V230.037832

V160.036641

V220.035231

V210.033925

V250.033484

V30.032619

V20.031593

V200.031593

V120.030599

V290.030599

V190.030599

V100.028331

V70.027083

V50.026231

V60.024287

V140.023217

V90.022486

V150.022194

V40.020549

V270.020549

V300.019276

0. Dari perhitungan tersebut didapat nilai rekomendasi 4 nilai teratas dari hasil pengurutan yaitu pada karyawan 1, 18, 11, 13

5 IMPLEMENTASI

Gambar 3. Perhitungan Weighted Product dalam Sistem

Gambar 4. Hasil Akhir Penentuan Karyawan Terbaik dalam Sistem

6 KESIMPULAN DAN SARAN

Dalam pemilihan karyawan terbaik, metode Weighted Product (WP) menitikberatkan pada pengambilan keputusan dengan cara perkalian untuk menghubungkan rating setiap atribut, dimana rating tiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan. Berbeda dengan metode tsukamoto yang dimana pada setiap konsekuen pada aturan berbentuk IF THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Dari kedua metode tersebut didapatkan tingkat akurasi hasil keputusan yang berbeda, dimana metode WP memiliki tingkat akurasi sebesar 73%. Berbeda dengan metode Tsukamoto yang memiliki tingkat akurasi sebesar 70%. Dengan demikian dapat disimpulkan, bahwa metode WP dapat dijadikan sebagai acuan dalam menghitung nilai kelayakan dari penilaian karyawan, sebagai rekomendasi karyawan terbaik.Akan tetapi penelitian ini belum mencakup beberapa atribut lain dalam melakukan perhitungan. Sehingga hal tersebut dapat menjadi pertimbangan bagi peniliti dalam melakukan pengembangan selanjutnya agar tingkat akurasi semakin meningkat.

7 DAFTAR PUSTAKA

[1]Eddie Ismantoe. 2012. Metode Weighted Product (WP). url: http://edi-ismanto.blogspot.com/2012/04/metode-weighted-product-wp.html, diakses pada 05 Desember 2013[2]Apriliyani NS. 2012. Fuzzy Multiple Attribut Decision Making (Fmdam) Dan Metode Simple Additive Weighting (Saw) Digunakan Dalam Sistem Pendukung Keputusan (bag1). Universitas Dian Nuswantoro[3] Alfita, R . 2011. Perancangan Sistem Pendukung Keputusan Penentuan Prioritas Produk Unggulan Daerah Menggunakan Metode Weighted Product (WP). Universitas Trunojoyo Madura.[4] Anonim. Weighted Product Model. url: http://en.wikipedia.org/wiki/Weighted_product_model, diakses pada 12 November 2013

Internet, Intranet, Ekstranet