sistem pendukung keputusan pemilihan assistant …
TRANSCRIPT
Jurnal Pelita Informatika, Volume 7, Nomor 3, Januari 2019
ISSN 2301-9425 (Media Cetak)
Hal: 436-439
436
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN ASSISTANT ANALYST
PELAYANAN PELANGGAN MENGUNAKAN METODE SMART PADA
PT. PLN (PERSERO) RAYON MEDAN BARU
Martha Melisa Manik
Prodi Teknik Informatika STMIK Budi Darma, Medan, Indonesia
Jl. Sisingamangaraja No. 338, Medan, Indonesia
Abstrak
Sistem pendukung keputusan (SPK) atau Decision Support System (DSS) didefenisikan sebuah sistem yang mampu memberikan
kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi tersrtuktur. Suatu
perusahaan yang terdapat pada pelayanan pelanggan memiliki peran penting dan strategis.kondisi tersebut dapat di lihat dari Pelayanan
Pelanggan suatu kewajiban pelanggan menikmati tenaga listrik yang disediakan oleh PLN. pembayaran tenaga listrik ini untuk menutupi biaya operasional yang digunakan untuk menyediakan pasokan tenaga listrik. Penelitian ini menggunakan Metode SMART untuk
menyelesikan permasalahan keputusan secara praktis serta memiliki konsep alternative yang terpilih secara akurat yang baik, membantu
memberikan informasi dan memcahkan suatau masalah, maka dirancanglah sebuah aplikasi menggunakan visual basic 2008 dengan
Mysql sebagai database nya
Kata kunci : SMART, Sistem pendukung keputusan, PT.PLN, visual basic 2008, Mysql.
I. PENDAHULUAN
Pelayanan Pelanggan didefenisiksn suatu kewajiban
pelanggan menikmati tenaga listrik yang disediakan oleh
PLN. Pembayaran tenaga listrik ini untuk menutupi biaya
operasional yang digunakan untuk menyediakan pasokan
tenaga listrik. Dari pembayaran juga memiliki fungsi
sebagai dana untuk melakukan kegiatan operasional
perusahaan ke depan. Operasional sebuah perusahaan
menjadi lancar apabila cash flow dari penjualan tidak
terhambat oleh keterlambatan pembayaran. Adapun
terjadinya keterlambatan pembayaran bisa diakibatkan
dari faktor internal yang banyak dipengaruhi oleh sistem
atau faktor eksternal yang banyak dipengaruhi oleh
pelanggan atau pengguna jasa. Dampak dari
keterlambatan pembayaran ini didefenisiksn akan
mengakibatkan terhambatnya operasional perusahaan.
Pembayaran tagihan listrik masih sering
dijumpai dengan pola trend yang terkadang naik maupun
turun di setiap bulannya, pelayanan pelanggan tagihan
listrik di PT. PLN (Persero) Rayon Medan Baru cukup
tinggi seperti di bulan Maret hingga mencapai Rp.
4.389.327.263 dan di Tahun 2014 bulan berjalan masih
terlihat adanya kenaikan trend. Sosialisasi PLN
mengenai jatuh tempo pembayaran masih ada faktor
lainnya. Sedangkan di faktor eksternal berkaitan dengan
pelanggan seperti situasi ekonomi yang sedang dihadapi
oleh pelanggan, isi dari salah satu poin SPJBTL (Surat
Perjanjian Jual Beli Tenaga Listrik) yang dilupakan oleh
pelanggan mengenai jatuh tempo pembayaran. Maka
solusi yang akan diterapkan pada PT .PLN didefinisiksn
sistem aplikasi Assistant Analyst Pelayanan Pelanggan.
Berdasarkan penelitian yang ada sebelumnya, jurnal
tentang Sistem pendukung keputusan untuk menentukan
pemilihan penyiar radio terbaik menggunakan metode
SMART [1]
Dengan adanya sistem aplikasi tersebut diharapkan
dapat membantu pelanggan bagian terkait untuk
melaksanakan monitoring untuk menurunkan angka
tunggakan yang ada. beberapa refrensi yang sudah
diselesikan oleh metode Simple Multi Atribute Rating
Technique (SMART). Dari penelitain sebelumnya, yang
berjudul Sistem Pendukung Pengambilan Keputusan
dengan Metode SMART (Simple Multi Atribute Rating
Technique) telah digunakan untuk menyelesaikan kasus
tersebut dengan cara menilai setiap data kriteria dari
alternative yang akan dipilih, dan proses perankingan
dari alternative tersebut.
II. TEORITIS
SMART merupakan metode pengambilan keputusan
yang multi atribut. Teknik pembuatan keputusan
multiatribut ini digunakan untuk membantu stakeholder
dalam memilih antara beberapa alternatif. Setiap
alternatif terdiri dari sekumpulan atribut dan setiap
atribut mempunyai nilai-nilai, nilai ini dirata-rata dengan
skala tertentu. Setiap atribut mempunyai bobot yang
menggambarkan seberapa penting ia dibandingkan
dengan atribut lain[4].
Dengan SMART pembobotan atribut dilakukan
dengan dua langkah yaitu:
1. Mengurutkan kepentingan suatu atribut dari level
terburuk ke level terbaik.
2. Membuat perbandingan rasio kepentingan setiap
atribut dengan atribut lain dibawahnya.
SMART lebih banyak digunakan karena
kesederhanaanya dalam merespon kebutuhan pembuat
keputusan dan caranya menganalisa respon. Analisa yang
terlibat adalah transparan sehingga metode ini
memberikan pemahaman masalah yang tinggi dan dapat
diterima oleh pembuat keputusan.Pembobotan pada
SMART menggunakan skala antara0 sampai 1, sehingga
mempermudah perhitungan dan perbandingan nilai pada
masing-masing alternatif. Model yang digunakan dalam
SMART :
NK = ∑ (𝑆𝐵𝐾)𝑋𝐵𝐵𝑇 %𝑛
𝑖=1
𝑛
Jurnal Pelita Informatika, Volume 7, Nomor 3, Januari 2019
ISSN 2301-9425 (Media Cetak)
Hal: 436-439
437
Cmax-Cout i
Cmax-Cmin
Keterangan:
wj = nilai pembobotan kriteria ke-j dan k kriteria
u(ai) = nilai utility kriteria ke-i untuk kriteria ke-i
Pemilihan keputusan adalah mengidentifikasi mana dari
n alternatif yang mempunyai nilai fungsi terbesar.
III. ANALISA
Analisa permasalahan yang akan dibahas adalah Sistem
Pendukung Keputusan untuk menentukan assistand
analyst pelayanan pelanggan dengan menggunakan
metode SMART. Dimana telah diuraikan pada bab
sebelumnya, untuk menentukan assistand analyst
pelayanan pelanggan dibutuhkan beberapa pertimbangan
bagi PT. PLN agar nantinya PT. PLN yang akan
mengapresiasi pegawai makin giat sehingga tidak
mendapat keluhan dan kendala dari pelanggan PT.PLN.
Dengan demikian untuk mengatasi masalah yang
terdapat untuk menentukan assistand analyst pelayanan
pelanggan harus mengetahui kriteria dari Pelayan yang
akan dibeli yaitu, kerajinan , kepatuhan, tanggung jawab,
inisiatif dan disiplin. Dimana masing-masing kriteria
tersebut memiliki beberapa elemen yang akan
menentukan hasil akhir sistem pendukung keputusan
yang akan digunakan pelayan dalam menetukan suatu
keputusan.
SMART merupakan metode pengambilan
keputusan yang fleksibel. SMART lebih banyak
digunakan karena kesederhanaannya dalam merespon
kebutuhan pembuat keputusan dan caranya menganalisa
respon. Analisa yang terlibat adalah transparan sehingga
metode ini memberikan pemahaman masalah yang dapat
diterima oleh pembuat keputusan.
Adapun algoritma penyelesaian dari metode
SMART (Simple Multi Attribute Rating Technique) yaitu
sebagai berikut:
a. Menentukan jumlah Kriteria dari Keputusan yang
akan diambil menentukan rating kecocokan setiap
alternatif pada setiap kriteria.
Tabel 1. Tabel Kriteria
No Nama Kriteria
1 Kerajinan (K1)
2 Kepatuhan (K2)
3 Tanggung Jawab (K3)
4 Inisiatif (K4)
5 Disiplin (K5)
b. Menentukan nilai 0-100 berdasarkan prioritas
dengan melakukan normalisasi ( Wj / ∑Wj ).
Tabel 2. Table normalisasi bobot kriteria
No Kriteria Bobot
Wj
=1
Normalisasi
1 Kerajinan (K1) 45% 0,45
2 Kepatuhan (K2) 25% 0,25
3 Tanggung Jawab
(K3)
15% 0,15
4 Inisiatif (K4) 10% 0,1
No Kriteria Bobot
Wj
=1
Normalisasi
5 Disiplin (K5) 5% 0,05
c. Memberikan nilai krieria untuk setiap alternatif
Bobot tabel data pelayan beserta variabel-variabel
dimana masing-masing memiliki nilai sesuai
dengan variabelnya.
Tabel 3. Tabel Data Pelayan
Nama Pelayan K1 K2 K3 K4 K5
Rudi 90 100 80 80 80
Andre 80 100 100 90 100
Yuni 70 80 60 70 90
Rina 100 80 90 100 90
Ari 70 80 80 90 80
d. Menghitung nilai Utility untuk setiap kriteria
masing-masing
Ui(ai) = 100
Keterangan :
Ui (ai) = nilai utility kriteria ke-1 untuk
kriteria ke-i
Cmax = nilai kriteria maksimal
Cmin = nilai kriteria minimal
Cout i = nilai kriteria ke-1
Rancangan model mengevaluasi pemilihan Pelayan
pelanggan adalah sebagai berikut:
1. Pembobotan Kriteria Kerajinan Pelayanan
a. Rudi
Ui (ai) = 100 𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖
𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛%
= 100 (100−90)
(100−70)=
10
30= 0,33 x 100%
= 0,33
b. Andre
Ui (ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
= 100 (100−80)
(100−70)=
20
30= 0,66 x 100%
= 0,66
c. Yuni
Ui (ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
= 100 (100−70)
(100−70)=
30
30= 1 x 100% = 1
d. Rina
Ui (ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
= 100 (100−100)
(100−70)=
0
30= 0 x 100% =
0
e. Andri
Ui (ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
= 100 (100−70)
(100−70)=
30
30= 1 x 100% = 1
Tabel 4. Nilai Utility Tiap Alternatif Pelayan Nilai Utility
Ui(ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
Wj
(Bobot)
Ui (ai)
(Total
Bobot)
RUDI Kriteria Kerajinan = 0,33
Kriteria Kepatuhan = 0
Kriteria Tanggung Jawab = 0,5
Kriteria Inisiatif = 0,66
45%
25%
15%
10%
0,148
0
0,075
0,066
m
J
iiji auwau1
),()( mi ,...2,1
Jurnal Pelita Informatika, Volume 7, Nomor 3, Januari 2019
ISSN 2301-9425 (Media Cetak)
Hal: 436-439
438
Pelayan Nilai Utility
Ui(ai) = 100 (𝐶𝑚𝑎𝑥−𝐶𝑜𝑢𝑡 𝑖)
(𝐶𝑚𝑎𝑥−𝐶𝑚𝑖𝑛)%
Wj
(Bobot)
Ui (ai)
(Total
Bobot)
Kriteria Disiplin = 1 5% 0,05
ANDRE Kriteria Kerajinan = 0,66
Kriteria Kepatuhan = 0
Kriteria Tanggung Jawa = 0
Kriteria Inisiatif = 0,33
Kriteria Disiplin = 0
45%
25%
15%
10%
5%
0.297
0
0
0,033
0
YUNI Kriteria Kerajinan = 1
Kriteria Kepatuhan = 1
Kriteria Tanggung Jawab = 1
Kriteria Inisiatif = 1
Kriteria Disiplin = 0,5
45%
25%
15%
10%
5%
0,45
0,25
0,15
0,1
0,025
RINA Kriteria Kerajinan = 0
Kriteria Kepatuhan = 1
Kriteria Tanggung Jawab = 0,25
Kriteria Inisiatif = 0
Kriteria Disiplin = 0,5
45%
25%
15%
10%
5%
0
0,25
0,037
0
0,025
ARI Kriteria Kerajinan = 1
Kriteria Kepatuhan = 1
Kriteria Tanggung Jawab = 0,5
Kriteria Inisiatif = 0,33
Kriteria Disiplin = 1
45%
25%
15%
10%
5%
0,45
0,25
0,025
0,033
0,05
Perhitungan Hasil Akhir
1. RUDI
Hasil Akhir = (kriteria1 x bobot1)+(kriteria2 x bobot2)
+ (kriteria3 x bobot3)+(Kriteria4 x
bobot4) +(Kriteria5 x bobot5)
= (0,33 x 45%)+(0x25%)+(0,5x 15%)+
(0,66 x 10%)+(1 x 5%) = 0.339
Tabel 5. Hasil Akhir
No
Nama
Alternatif
Hasil Akhir
U(ai) =
𝑤𝑗 𝑢𝑖 (𝑎𝑖), 𝑖 = 1,2, … 𝑚𝑗=1
𝑚Σ
1 RUDI 0,339
2 ANDRE 0,33
3 YUNI 0,975
4 RINA 0,312
5 ARI 0,808
Dari tabel diatas, maka dapat ditarik kesimpulan
bahwasanya alternatif terbaik diperoleh ialah pada
Pelayan Rudi dengan nilai akhir 0,33 sebagai assistand
analist pelanggan yang akan dipilih oleh konsumen.
IV. Implementasi
Desain Implementasi merupakan gambaran program
ketika dirancang didalam bahasa pemrpgraman, aplikasi
yang digunakan dalam sistem pendukung keputusan
penentuan kesesuaian lahan yang baik untuk tanaman
kelapa sawit ini menggunakan bahasa pemrograman
Visual Basic 2008, berikut ini adalah tampilan gambar
hasil perancangan didalam Visual Basic 2008
1. Form Menu Utama
Form ini digunakan sebagai tampilan menu utama
dari program, dapat dilihat pada gambar berikut ini:
Gambar 1. Menu Utama
2. Form Kriteria
Form ini digunakan sebagai tempat Input Data
Kriteria dari program, dapat dilihat pada gambar
berikut ini :
Gambar 2. Form Kriteria
3. Form Indikator
Form ini digunakan sebagai input indikator, dapat
dilihat pada gambar berikut ini :
Gambar 3. Form Indikator
4. Form Pembobotan
Form ini digunakan untuk menampilkan bobot dari
program, dapat dilihat pada gambar berikut ini:
Jurnal Pelita Informatika, Volume 7, Nomor 3, Januari 2019
ISSN 2301-9425 (Media Cetak)
Hal: 436-439
439
Gambar 5. Form Pembobotan
5. Form Hasil
Form ini digunakan untuk menampilkan hasil,
dapat dilihat pada gambar berikut ini :
Gambar 5. Form Hasi
V. KESIMPULAN
Berdasarkan hasil dari analisa pada penelitian ini, maka
dapat diambil beberapa kesimpulan didefenisiksn :
1. Proses pemberian pelayanan pelanggan yang
dilakukan dengan menggunakan sistem dapat
membantu perusahaan dalam menentukan pelayan
pelanggan terpilih yang bersifat objektif bukan
subjektif sehingga keputusan lebih tepat sasaran.
2. Proses penentuan rangking dari calon peserta
dilakukan dengan menggunakan metode smarter,
karena metode ini memilih alternatif terbaik dari
beberapa alternatif dan menggunakan lebih dari
satu kriteria (multikriteria).
3. Sistem Pendukung Keputusan ini menampilkan
rangking dari calon pelayangan pelanggan sebagai
bahan pertimbangan dan alat bantu dalam
pengambilan keputusan untuk menentukan
penerima bantuan kepeutusan yang dianggap
benar–benar layak.
REFERENCES
[1] Rika Yunitarini, Sistem Pendukung Keputusan pemilihan Penyiar Radio Terbaik,jurnal Ilmiah Mikrotek vol.1,No 1
[2] Kusrini, konsep dan Aplikasi Sistem pendukung keputusan, Yogyakarta: Andi. 2007
[3] Simon, kemampuan otak manusia, Yogyakarta: Andi. 1977:17-18
[4] Yeni Kustiyahningsih, Nikmatus Syafa’ah, Metode Smart , Bangkalan Madura: Kamal. 2010
[5] A. kadir, Tabel simbol-simbol flowchart, Yogyakarta: Anto. 2013
[6] Priyanto,Rahmat,langsung bisa visual Basic, Yogyakarta: Andi. 2008