paper kelompok 4
DESCRIPTION
SPKTRANSCRIPT
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 :[email protected], [email protected], [email protected], [email protected], [email protected], [email protected]
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