Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia (TKI) ke Luar Negeri Menggunakan Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN

CALON TENAGA KERJA INDONESIA (TKI) KE LUAR NEGERI

MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

(SAW) DAN SIMPLE MULTI - ATTRIBUTE RATING

TECHNIQUE (SMART)

SKRIPSI

SHERLY MELISA SEMBIRING

131421086

PROGRAM EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN

CALON TENAGA KERJA INDONESIA (TKI) KE LUAR NEGERI

MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

(SAW) DAN SIMPLE MULTI - ATTRIBUTE RATING

TECHNIQUE (SMART)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

SHERLY MELISA SEMBIRING

131421086

PROGRAM EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

Judul : SISTEM PENDUKUNG KEPUTUSAN PENENTUAN

KELAYAKAN CALON TENAGA KERJA

INDONESIA (TKI) KE LUAR NEGERI

MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN SIMPLE MULTI - ATTRIBUTE RATING TECHNIQUE (SMART).

Kategori : SKRIPSI

Nama : SHERLY MELISA SEMBIRING

Nomor Induk Mahasiswa : 131421086

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 2015

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Elviwani, ST, S.Kom, M.Kom. Ade Candra, ST, M.Kom.

NIP. - NIP.19790904 200912 1 002

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN CALON TENAGA KERJA INDONESIA (TKI) KE LUAR NEGERI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN SIMPLE MULTI -

ATTRIBUTE RATING TECHNIQUE (SMART)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 2015

Sherly Melisa Sembiring NIM. 131421086

Segala dan puji syukur penulis panjatkan hanya kepada Tuhan Yang Maha Esa, Pemelihara dan pengatur seluruh alam semesta, karena atas limpahan rahmat dan karunia-Nya maka penulis mampu menyelesaikan Skripsi ini.

Skripsi ini dikerjakan sebagai salah satu syarat guna memperoleh gelar Sarjana Ilmu Komputer di Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Penulis menyadari bahwa terselesaikannya skripsi ini tentunya tak lepas dari dorongan dan bantuan berbagai pihak. Oleh karena itu, dengan segala kerendahan hati penulis mengungkapkan rasa terima kasih dan penghargaan kepada :

1. Bapak Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis, Selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom, Selaku Ketua program studi S1 Ilmu Komputer Universitas Sumatera Utara.

4. Bapak Ade Candra, ST, M.Kom. selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

5. Ibu Elviwani, ST, S.Kom, M.Kom. selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Drs. Marihat Situmorang, M.Kom. selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

7. Ibu Dian Rachmawati, S.Si., M.Kom. selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini..

8. Keluarga Tercinta, kepada Ayahanda Johanes Sembiring, S.Pd dan Ibunda Ngatur Ulina Br. Gurusinga, S.Pd, juga abang, kakak dan adik atas semua doa, dukungan, dan motivasi yang tak ternilai harganya.

sahabat angkatan 2013 secara teristimewa Lely Dahlyana, Yohana Br. Sitepu, Yakhdi Perari Pinem dan yang tidak dapat disebutkan satu persatu, terima kasih atas ide, saran, dan kerja samanya selama ini bersama penulis.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.

Medan, 2015

Penulis,

ABSTRAK

TKI adalah setiap warga negara Indonesia yang memenuhi syarat untuk bekerja di Luar Negeri dalam hubungan kerja untuk jangka waktu tertentu dengan menerima upah. Penyeleksian tenaga kerja Indonesia sangat penting dalam proses pencarian tenaga kerja yang berkualitas. Penelitian ini membahas tentang penyeleksian tenaga kerja Indonesia yang dilakukan oleh PT. Genta Karya Sejahtera Medan untuk mencari calon tenaga kerja Indonesia yang layak dikirim ke Luar Negeri, khusunya G to G ke Malaysia. Sayangnya proses penyeleksian masih menggunakan sistem yang manual dan dalam mengambil keputusan berdasarkan intuisi atau perasaan. Oleh karena itu, penelitian ini bertujuan untuk mempermudah dalam memberikan penentuan kelayakan calon tenaga kerja Indonesia yang layak diterima atau tidak, dengan membuat sebuah sistem pendukung keputusan penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri. Metode yang digunakan dalam membuat sistem pendukung keputusan ini adalah metode Simple Additive Weighting (SAW) dan metode Simple Multi - Attribute Rating Technique (SMART) dengan menggunakan 5 kriteria yaitu usia, pendidikan terakhir, tinggi badan, nilai tes, medical check up (MCU) dengan 15 alternatif calon TKI. Parameter yang dibandingkan dalam penelitian ini adalah kecepatan waktu dan kompleksitas waktu. Pada penelitian ini tingkat kompleksitas waktu pada algoritma SAW dan algoritma SMART yang dihitung menggunakan big

Ө ialah sama, yaitu T(n) = Ө(n). Sedangkan waktu penyelesaian perhitungan proses

metode SAW lebih cepat dari metode SMART, pada metode SAW ialah 16083 milisecond dan metode SMART 20642 milisecond.

Kata Kunci : Sistem Pendukung Keputusan, Simple Additive Weighting (SAW),

Simple Multi Attribute Rating Technique (SMART), Tenaga Kerja Indonesia dan Kompleksitas Waktu.

DECISION SUPPORT SYSTEM TO DETERMINE THE ELIGIBILITY OF AN INDONESIAN LABOR CANDIDATE (TKI) TO WORK ABROAD USING

SIMPLE ADDITIVE WEIGHTING (SAW) AND SIMPLE MULTI-ATTRIBUTE RATING TECHNIQUE (SMART)

ABSTRACT

TKI is every citizen of Indonesian who qualified to work abroad in the working relationship for a period of time with pay. Selection of Indonesian workers is crucial in the process of searching a qualified labor. This research discusses the selection of labor Indonesia conducted by PT. Genta Karya Sejahtera Medan to search for Labor candidate viable Indonesia sent abroad, especially G to G to Malaysia. Unfortunately the process of selection was still using manual systems and in taking decisions based on intuition or feeling. Therefore, this research aims to simplify the eligibility determination in providing the Labor candidate Indonesia accepted of decent or not, by making a decision support system of determining the eligibility of prospective workforce Indonesia (TKI) abroad. The methods used in making this decision support system is a method of Simple Additive Weighting (SAW) and the method of Simple Multi-Attribute Rating Technique (SMART) by using the 5 criteria : age, height, education, test scores, medical check up (MCU) with 15 alternative candidate TKI. Parameters are compared in this research is the speed time and complexity of the time. In this research the level of complexity of the algorithm's time SAW and a SMART algorithm calculated using big Ө is the same, namely the T (n) = Ө (n). While the settlement calculation method of process time SAW faster than the SMART method, the SAW method is 16083 milisecond and SMART method 20642 milisecond.

Key Words : Decision Support Systems, Simple Additive Weighting (SAW), Simple Multi Attribute Rating Technique (SMART), Indonesian Labor and Complexity Of The Time.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel xi

Daftar Gambar xiii

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 4

1.5. Manfaat Penelitian 4

1.6. Metodologi Penelitian 5

1.7. Sistematika Penulisan 6

BAB 2 TINJAUAN PUSTAKA

2.1. Sistem Pendukung Keputusan 7

2.1.1. Definisi Sistem 7

2.1.2. Definisi Keputusan 8

2.1.3. Konsep Sistem Pendukung Keputusan 8

2.1.4. Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan 10

2.1.5. Tahapan Proses Pengambil Keputusan 11

2.1.6. Komponen-Komponen Sistem Pendukung Keputusan 12

2.2. Kelayakan TKI 14

2.3. Algoritma 15

2.3.1. Ciri Algoritma 15

2.4 Fuzzy Multiple Attribute Decision Making Methods (FMADMM) 15

2.4.1. Metode Simple Additive Weighting (SAW) 16

2.4.2. Langkah – Langkah Penyelesaian Metode

Simple Additive Weighting (SAW) 17

2.5. Metode Simple Multi - Attribute Rating Technique (SMART) 18 2.5.1. Langkah – Langkah Penyelesaian Metode Simple Multi – Attribute Rating

Technique (SMART) 19

2.6. Pendekatan Objek Oriented 21

2.6.1. Unified Modeling Language (UML) 21

2.7. Analisis Kinerja Algoritma 22

2.8. Kompleksitas Algoritma 22

2.9. Penelitian Terdahulu 24 BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Masalah 26

3.2. Analisis Kebutuhan Sistem 28

3.2.1. Kebutuhan Fungsional 28

3.2.2. Kebutuhan Non Fungsional 28

3.3. Pemodelan Sistem 29

3.3.1. Use Case & Activity Diagram 29

3.3.2. Spesifikasi Use Case & Activity Diagram SAW 30 3.3.3. Spesifikasi Use Case & Activity Diagram SMART 32

3.3.4. Sequence Diagram 34

3.4. Perancangan Sistem 36

3.4.1. Pembuatan Algoritma Program 36

3.4.2. Alur Proses Sistem Secara Umum 36

3.5. Perancangan Struktur Tabel 39

3.6. Perancangan Antarmuka Sistem (Interface) 42

3.6.1. Halaman Data Kriteria 42

3.6.2. Halaman Penilaian 43

3.6.3. Halaman Data Tenaga Kerja 45

3.6.4. Halaman Metode SMART 47

3.6.5. Halaman Metode SAW 49

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1. Implementasi Sistem 51

4.1.1. Implementasi Metode Simple Additive Weighting (SAW) 51 4.1.2. Implementasi Metode Simple Multi Attribute Rating

Technique (SMART) 62

4.2. Pengujian Sistem 68

4.2.1. Tampilan Sub Menu Kriteria 68

4.2.2. Tampilan Sub Menu Penilaian 69

4.2.3. Tampilan Sub Menu Tenaga Kerja 69

4.2.4. Tampilan Sub Menu Metode SMART 70

4.2.5. Tampilan Sub Menu Metode SAW 71

4.3. Analisis Perbandingan Algoritma 73

4.3.1. Perhitungan Kompleksitas Waktu 73

4.3.2. Perhitungan Kompleksitas Waktu Algoritma SAW 73 4.3.3. Perhitungan Kompleksitas Waktu Algoritma SMART 77 BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan 79

DAFTAR PUSTAKA 81 LAMPIRAN

DAFTAR TABEL

Halaman

Tabel 3.1. Spesifikasi Use Case Algoritma SAW 30

Tabel 3.2. Spesifikasi Use Case Algoritma SMART 32

Tabel 3.3. Struktur Tabel user 39

Tabel 3.4. Struktur Tabel calon_tenaga_kerja 39

Tabel 3.5. Struktur Tabel kriteria 40

Tabel 3.6. Struktur Tabel penilaian 40

Tabel 3.7. Struktur Tabel rating_kecocokan 40

Tabel 3.8. Struktur Tabel bobot_rata_rata 41

Tabel 3.9. Struktur Tabel matrix_tenaga_kerja 41

Tabel 3.10. Struktur Tabel normalisasi_bobot 41

Tabel 3.11. Struktur Tabel hasil_saw 41

Tabel 3.12. Struktur Tabel hasil_smart 42

Tabel 3.13. Keterangan Bagian-Bagian Rancangan Halaman Data Kriteria 43 Tabel 3.14 Keterangan Bagian-Bagian Halaman Penilaian 44 Tabel 3.15 Keterangan Bagian-Bagian Halaman Data Tenaga Kerja 46 Tabel 3.16. Keterangan Bagian-Bagian Rancangan Halaman Hasil

Menggunakan Metode SMART 48

Tabel 3.17. Keterangan Bagian-Bagian Rancangan Hasil Halaman Menggunakan Metode SAW 50

Tabel 4.1. Rating Kecocokan Setiap Alternatif 52

Tabel 4.2. Bobot Kriteria Usia 52

Tabel 4.3. Bobot Kriteria Pendidikan Terakhir 53

Tabel 4.4. Bobot Kriteria Tinggi Badan 53

Tabel 4.5. Bobot Kriteria Nilai Tes 54

Tabel 4.6. Bobot Kriteria Medical Check Up (MCU) 54 Tabel 4.7. Bobot Preferensi Setiap Kriteria (Wj) 54 Tabel 4.8. Data Calon TKI Dikonversi Ke Rating Kecocokan Alternatif 55

Tabel 4.10. Rating Kecocokan 63

Tabel 4.11. Set Utiliti Skala Pembobotan 63

Tabel 4.12. Tingkat Kepentingan Kriteria 64

Tabel 4.13. Bobot Pada Kriteria Paling Penting 64

Tabel 4.14. Normalisasi Bobot 65

Tabel 4.15. Bobot Pada Kriteria Paling Tidak Penting 65

Tabel 4.16. Normalisasi Bobot 65

Tabel 4.17. Bobot Rata-Rata 66

Tabel 4.18. Nilai Utiliti Semua Alternatif Setiap Kriteria 66

Tabel 4.19. Tabel Rangking Metode SMART 67

Tabel 4.20. Perhitungan Kompleksitas Waktu Algoritma SAW 73 Tabel 4.21. Perhitungan Kompleksitas Waktu Algoritma SMART 77

DAFTAR GAMBAR

Halaman Gambar 2.1. Aliran Proses Pengambilan Keputusan 12 Gambar 2.2. Skematik Sistem Pendukung Keputusan 13 Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah 27

Gambar 3.2. Use Case Diagram 29

Gambar 3.3. Activity Diagram Algoritma SAW 31

Gambar 3.4. Activity Diagram Algoritma SMART 33

Gambar 3.5. Sequence Diagram SAW 34

Gambar 3.6. Sequence Diagram SMART 35

Gambar 3.7. Flowchart Proses Algoritma SAW 37

Gambar 3.8. Flowchart Proses Algoritma SMART 38

Gambar 3.9. Rancangan Halaman Data Kriteria 42

Gambar 3.10. Rancangan Halaman Penilaian 44

Gambar 3.11. Rancangan Halaman Data Tenaga Kerja 46 Gambar 3.12. Rancangan Halaman Hasil Menggunakan 48

Metode SMART

Gambar 3.13. Rancangan Halaman Hasil Menggunakan 49 Metode SAW

Gambar 4.1. Tampilan Halaman Sub Menu Kriteria 68 Gambar 4.2. Tampilan Halaman Sub Menu Penilaian 69 Gambar 4.3. Tampilan Halaman Sub Menu Tenaga Kerja 70 Gambar 4.4. Tampilan Halaman Sub Menu Metode SMART 71 Gambar 4.5. Tampilan Halaman Sub Menu Metode SAW 72

ABSTRAK

TKI adalah setiap warga negara Indonesia yang memenuhi syarat untuk bekerja di Luar Negeri dalam hubungan kerja untuk jangka waktu tertentu dengan menerima upah. Penyeleksian tenaga kerja Indonesia sangat penting dalam proses pencarian tenaga kerja yang berkualitas. Penelitian ini membahas tentang penyeleksian tenaga kerja Indonesia yang dilakukan oleh PT. Genta Karya Sejahtera Medan untuk mencari calon tenaga kerja Indonesia yang layak dikirim ke Luar Negeri, khusunya G to G ke Malaysia. Sayangnya proses penyeleksian masih menggunakan sistem yang manual dan dalam mengambil keputusan berdasarkan intuisi atau perasaan. Oleh karena itu, penelitian ini bertujuan untuk mempermudah dalam memberikan penentuan kelayakan calon tenaga kerja Indonesia yang layak diterima atau tidak, dengan membuat sebuah sistem pendukung keputusan penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri. Metode yang digunakan dalam membuat sistem pendukung keputusan ini adalah metode Simple Additive Weighting (SAW) dan metode Simple Multi - Attribute Rating Technique (SMART) dengan menggunakan 5 kriteria yaitu usia, pendidikan terakhir, tinggi badan, nilai tes, medical check up (MCU) dengan 15 alternatif calon TKI. Parameter yang dibandingkan dalam penelitian ini adalah kecepatan waktu dan kompleksitas waktu. Pada penelitian ini tingkat kompleksitas waktu pada algoritma SAW dan algoritma SMART yang dihitung menggunakan big

Ө ialah sama, yaitu T(n) = Ө(n). Sedangkan waktu penyelesaian perhitungan proses

metode SAW lebih cepat dari metode SMART, pada metode SAW ialah 16083 milisecond dan metode SMART 20642 milisecond.

Kata Kunci : Sistem Pendukung Keputusan, Simple Additive Weighting (SAW),

Simple Multi Attribute Rating Technique (SMART), Tenaga Kerja Indonesia dan Kompleksitas Waktu.

DECISION SUPPORT SYSTEM TO DETERMINE THE ELIGIBILITY OF AN INDONESIAN LABOR CANDIDATE (TKI) TO WORK ABROAD USING

SIMPLE ADDITIVE WEIGHTING (SAW) AND SIMPLE MULTI-ATTRIBUTE RATING TECHNIQUE (SMART)

ABSTRACT

TKI is every citizen of Indonesian who qualified to work abroad in the working relationship for a period of time with pay. Selection of Indonesian workers is crucial in the process of searching a qualified labor. This research discusses the selection of labor Indonesia conducted by PT. Genta Karya Sejahtera Medan to search for Labor candidate viable Indonesia sent abroad, especially G to G to Malaysia. Unfortunately the process of selection was still using manual systems and in taking decisions based on intuition or feeling. Therefore, this research aims to simplify the eligibility determination in providing the Labor candidate Indonesia accepted of decent or not, by making a decision support system of determining the eligibility of prospective workforce Indonesia (TKI) abroad. The methods used in making this decision support system is a method of Simple Additive Weighting (SAW) and the method of Simple Multi-Attribute Rating Technique (SMART) by using the 5 criteria : age, height, education, test scores, medical check up (MCU) with 15 alternative candidate TKI. Parameters are compared in this research is the speed time and complexity of the time. In this research the level of complexity of the algorithm's time SAW and a SMART algorithm calculated using big Ө is the same, namely the T (n) = Ө (n). While the settlement calculation method of process time SAW faster than the SMART method, the SAW method is 16083 milisecond and SMART method 20642 milisecond.

Key Words : Decision Support Systems, Simple Additive Weighting (SAW), Simple Multi Attribute Rating Technique (SMART), Indonesian Labor and Complexity Of The Time.

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan salah satu negara di dunia yang memiliki jumlah penduduk yang tinggi, berdasarkan jumlah sensus penduduk yang bertambah setiap tahunnya. Indonesia belum memiliki lapangan pekerjaan yang cukup untuk peningkatan taraf hidup penduduk. Terbatasnya lapangan kerja di dalam Negeri dan tingkat pendapatan ekonomi keluarga yang rendah mendorong banyak penduduk menjadi tenaga kerja Indonesia (TKI) untuk mengadu nasib ke Luar Negeri dan banyaknya minat masyarakat untuk bekerja di Luar Negeri, selain itu karena adanya anggapan bahwa bekerja di Luar Negeri penghasilannya lebih tinggi dari pada bekerja di dalam Negeri. Tenaga Kerja Indonesia (TKI) merupakan program pemerintah yang bertujuan meningkatkan kualitas sumber daya manusia melalui pelatihan dan praktek demi peningkatan kesejahteraan TKI dan keluarganya dengan memanfaatkan kesempatan kerja internasional yang tersedia. Selain mengurangi angka pengangguran, TKI merupakan devisa yang cukup besar bagi negara.

Menurut Pasal 1 bagian (1) Undang - Undang Nomor 39 Tahun 2004 tentang Penempatan dan Perlindungan Tenaga Kerja Indonesia di Luar Negeri, TKI adalah setiap warga negara Indonesia yang memenuhi syarat untuk bekerja di Luar Negeri dalam hubungan kerja untuk jangka waktu tertentu dengan menerima upah. Undang - undang ini juga menerangkan bahwa penentuan kelayakan tenaga kerja atau seleksi tenaga kerja adalah proses pencarian karyawan untuk menyeleksi calon tenga kerja

yang dianggap memenuhi kriteria yang sesuai dengan karakter pekerjaan yang dilamar.

Penyeleksian tenaga kerja Indonesia merupakan kegiatan yang dilakukan oleh PT. Genta Karya Sejahtera Medan untuk mencari calon tenaga kerja Indonesia yang layak untuk dikirim ke Luar Negeri, khusunya G to G ke Malaysia. Sayangnya sistem yang mereka gunakan masih manual, dan masih ada pengambilan keputusaan yang berdasarkan intuisi atau perasaan, sehingga mengakibatkan kurangnya keefektifan dalam penyeleksian calon tenaga kerja Indonesia. Penggunaan komputer sangat di perlukan untuk pengolahan data sehingga menghasilkan suatu informasi yang akurat dan cepat. Pengolahan data terkomputerisasi sangat diperlukan untuk mendapatkan informasi yang dapat digunakan untuk menghasilkan solusi – solusi dari masalah yang ada.

Oleh karena itu perlu diadakan peningkatan dalam segi kualitas pengambilan keputusan dengan didukung oleh Sistem Pendukung Keputusan dalam pengambilan keputusan penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri yaitu dengan menggunakan metode Simple Additive Weighting (SAW) dan Simple Multi – Attribute Rating Technique (SMART).

Simple Additive Weighting (SAW) merupakan metode pengambilan keputusan

yang konsepnya mencari penjumlahan terbobot dari rating pada setiap alternatif pada semua atribut (Kusumadewi, Sri dkk, Fuzzy Multi-Atrribute Decision Making, 2006).

Simple Multi – Atribut Rating Technique (SMART) merupakan metode pengambilan keputusan multi kriteria yang dikembangkan oleh Edward pada tahun 1977, yaitu didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai – nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting ia dibandingkan dengan kriteria lain. Pembobotan ini digunakan untuk menilai setiap alternatif agar diperoleh alternatif terbaik.

Sebagai bahan pertimbangan dalam melakukan penulisan skripsi ini, penulis mengambil beberapa referensi dari penelitian sebelumnya dan menjadi alasan mengapa penulis mengambil metode tersebut karena ada beberapa referensi yang menggunakan metode yang sama, yaitu metode SAW atau SMART, yang kebanyakan hanya menggunakan satu metode saja, oleh karena itu disini saya menggunakan dua metode dan membandingkan metode mana yang terbaik diantara kedua metode tersebut. Beberapa penelitian yang penulis jadikan bahan referensi yaitu Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa Dengan Metode Simple Additive Weighting (Studi Kasus Di SMA N 1 Karanganyar Kebumen) (Nurul Fitriana Rahmawati, Helmie Arif Wibawa, S.Si, M.Cs, Nurdin Bahtiar, S.Si, MT, 2013), dan juga penelitian tentang Sistem Pendukung Keputusan Pemilihan Penyiar Radio Terbaik menggunakan Metode Simple Multi - Attribute Rating Technique (Rika Yunitarini, 2013).

1.2. Rumusan Masalah

Berdasarkan latar belakang masalah sebelumnya, maka rumusan masalah dari penelitian ini adalah :

1. Bagaimana rancangan dari sistem pendukung keputusan penentuan kelayakan calon tenaga kerja Indonesia dengan menggunakan metode SAW dan SMART.

2. Bagaimana metode SAW dan SMARTmenyelesaikan proses penentuan kelayakan calon tenaga kerja Indonesia di PT. Genta Karya Sejahtera Medan. 1.3. Batasan Masalah

1. Skripsi ini hanya akan membahas tentang metode Simple Additive Weighting

(SAW) Dan Simple Multi – Attribute Rating Technique (SMART) untuk penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri di PT. Genta Karya SejahteraMedan.

2. Aplikasi ini akan membandingkan hasil dari metode Simple Additive Weighting (SAW) dan Simple Multi – Attribute Rating Technique (SMART). 3. Parameter pembandingnya adalah Running Timedan Big θ (Theta).

4. Kriteria yang digunakan dalam penelitian antara lain Pendidikan, usia, tinggi badan, nilai tes dan medical check up (tes kesehatan). Jenis pekerjaan yang dilamar ialah pekerja pabrik atau kilang.

5. Negara yang dituju TKI tersebut ialah G to G ke Malaysia.

6. Sampel yang digunakan adalah 15 calon tenaga kerja Indonesia (TKI). 7. Data kriteria penilain adalah data pada tahun 2012, 2013 dan 2014.

8. Aplikasi yang akan dibangun menggunakan bahasa pemrograman Microsoft Visual Studio .Net 2010 dan menggunakan MySQL sebagai Database

Management System.

1.4. Tujuan Penelitian

Tujuan dari penelitian ini adalah membangun suatu aplikasi sistem pendukung keputusan dalam penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri dengan menggunakan metode Simple Additive Weighting (SAW) Dan Simple Multi – Attribute Rating Technique (SMART).

1.5. Manfaat Penelitian

Ada beberapa manfaat yang diharapkan dari penelitian dalam menentukan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri, yaitu :

1. Diharapkan mempermudah dalam memberikan penentuan kelayakan calon tenaga kerja Indonesia yang layak diterima atau tidak.

2. Dengan sistem ini diharapkan proses penentuan kelayakan calon tenaga kerja Indonesia lebih objektif, dan memudahkan dalam proses evaluasi serta pembuatan laporan kinerja pegawai.

1.6. Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut:

a. Studi Literatur

Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui membaca buku-buku, skripsi, dan jurnal yang dapat mendukung penulisan Skripsi yang relevan mengenai Sistem Pendukung Keputusan, Simple Additive Weighting

(SAW) dan Simple Multi - Attribute Rating Technique (SMART). b. Pengumpulan Data

Pada tahapan pengumpulan data ini dilakukan penelitian yang bertujuan untuk memperoleh data secara langsung dari PT. Genta Karya SejahteraMedan melalui riset lapangan.

c. Analisis dan Perancangan Sistem

Pada tahap ini dilakukan analisis sesuai dengan kebutuhan seperti cara membangun aplikasi yang mengimplementasikan Metode Simple Additive Weighting (SAW) dan Simple Multi - Attribute Rating Technique (SMART), jenis perangkat yang digunakan, pembuatan algoritma program, UML, use case diagram, activity diagram, sequence diagram, flowchart sistem, pembuatan desain interface, target pengguna, dan hasil yang diinginkan.

d. Implementasi Sistem

Metode ini dilaksanakan dengan mengimplementasikan rancangan sistem yang telah dibuat pada analisis dan perancangan sistem ke dalam program komputer dengan menggunakan bahasa pemrograman Microsoft Visual Studio .Net 2010 dan MySQL sebagai Database Management System.

e. Pengujian Sistem

Metode ini dilaksanakan dengan mengimplementasikan Metode Simple Additive Weighting (SAW) dan Simple Multi - Attribute Rating Technique (SMART), dalam Penentuan Kelayakan Calon Tenaga Kerja Indonesia (TKI) Ke Luar Negeri. Hasil program diuji kemudian dianalisis perbandingan kecepatan dan ketepatan kelayakan calon tenaga kerja Indonesia.

f. Dokumentasi

Metode ini berisi laporan dan kesimpulan akhir dari hasil analisis dan pengujian dalam bentuk skripsi.

1.7. Sistematika Penulisan

BAB 1 : PENDAHULUAN

Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia (TKI) Ke Luar Negeri Dengan Menggunakan Metode Simple Additive Weighting (SAW) Dan

Simple Multi – Attribute Rating Technique (SMART)”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB 2 : TINJAUAN PUSTAKA

Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan model sistem pendukung keputusan dalam penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri.

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Bab ini menjelaskan analisis yang dilakukan terhadap permasalahan dan penyelesaian persoalan dalam penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri dengan mengimplementasikan Metode SAW dan SMART untuk penentuan kelayakan.

BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi implementasi perancangan sistem dari hasil analisis dan perancangan yang sudah dibuat, serta menguji sistem untuk menemukan kelebihan dan kekurangan pada sistem yang dibuat.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saran-saran yang diharapkan dapat bermanfaat dalam pengembangan selanjutnya.

BAB 2

TINJAUAN PUSTAKA

2.1. Sistem Pendukung Keputusan

2.1.1. Definisi Sistem

Sistem adalah suatu prosedur atau elemen yang saling berhubungan satu sama lain dimana dalam sebuah sistem terdapat suatu masukan, proses dan keluaran, untuk mencapai tujuan yang diharapkan. (Mulyanto, 2009).

Menurut Efraim Turban, Jay E. Aronson dan Ting - Peng Liang (2005), sistem adalah kumpulan objek seperti orang, sumber daya, konsep, dan prosedur yang dimaksudkan untuk melakukan suatu fungsi yang dapat diidentifikasi atau untuk melayani suatu tujuan. Berdasarkan prosedur, sebuah sistem merupakan suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama – sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran tertentu. (Kosasi, 2002).

Sukaria Sinulingga (2008) berpendapat bahwa, sebuah sistem didefinisikan sebagai seperangkat elemen yang membentuk satu kesatuan (unity), mempunyai hubungan fungsional (functional relationship) dan kesatuan tujuan. (Rosnani, 2014).

2.1.2. Definisi Keputusan

Adapun pengertian keputusan menurut para ahli (Hasan, 2002) yaitu :

Menurut James A.F.Stoner, keputusan adalah pemilihan di antara alternatif – alternatif.

Defenisi ini mengandung tiga pengertian yaitu :

1. Ada pilihan atas dasar logika atau pertimbangan.

2. Ada beberapa alternatif yang harus dan dipilih salah satu yang terbaik.

3. Ada tujuan yang ingin dicapai, dan keputusan itu makin mendekatkan pada tujuan tersebut.

Menurut Ralp C. Davis, keputusan adalah hasil pemecahan masalah yang dihadapinya dengan tegas. Suatu keputusan merupakan jawaban yang pasti terhadap suatu pertanyaan. Keputusan harus dapat menjawab pertanyaan tentang apa yang dibicarakan dalam hubungannya dengan perencanaan. Keputusan dapat pula berupa tindakan terhadap pelaksanaan yang sangat menyimpang dari rencana semula.

Dari pengertian – pengertian keputusan di atas, dapat ditarik suatu kesimpulan bahwa keputusan merupakan suatu pemecahan masalah sebagai suatu hukum situasi yang dilakukan melalui pemilihan satu alternatif dari beberapa alternatif.

2.1.3. Konsep Sistem Pendukung Keputusan

Konsep Sistem pendukung keputusan pertama kali dikenalkan pada awal tahun 1970-an oleh Michael Scott Morton, d1970-an didefinisik1970-an sebagai sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah – masalah tidak terstruktur. (Turban et al. 2005).

Sistem pendukung keputusan selanjutnya dikenal dengan istilah “Management Decision System”. Sistem pendukung keputusan dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahap mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembuatan keputusan, sampai pada kegiatan mengevaluasi pemilihan alternatif. (Kosasi, 2002).

Istilah sistem pendukung keputusan mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam di bawah ini akan diuraikan beberapa definisi mengenai sistem pendukung keputusan, yang dikemukakan oleh berbagai ahli, yaitu :

Little (1970), mendefinisikan sistem pendukung keputusan sebagai model dari sekumpulan prosedur untuk melakukan pengolahan data dengan tujuan membantu manajer dalam pembuatan keputusan spesifik. Little berpendapat penerapan sistem pendukung keputusan hanya akan berhasil bila sistem tersebut bersifat sederhana, mudah digunakan, mudah melakukan pengawasan, mudah melakukan adaptasi terhadap perubahan lingkungan dan mudah melakukan kegiatan komunikasi dengan berbagai entiti. (Kusrini, 2007).

Man dan Watson memberikan definisi sistem pendukung keputusan merupakan suatu sistem interaktif, yang membantu pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur. (Daihani, 2001).

Alter (2002), berpendapat bahwa sistem pendukung keputusan (Decision Support System) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat. (Kusrini, 2007).

Sistem Pendukung Keputusan atau Decision Support System secara khusus didefinisikan sebagai sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu. (Hermawan, 2005).

Dari berbagai definisi di atas dapat dikatakan bahwa sistem pendukung keputusan adalah suatu sistem informasi spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi struktur, sistem ini memiliki fasilitas untuk menghasilkan berbagai alternatif yang secara interaktif dapat digunakan oleh pemakai. (Daihani, 2001).

2.1.4. Karakteristik, Tujuan dan Kemampuan Sistem Pendukung Keputusan

Karakteristik sistem pendukung keputusan sebagai berikut (Al Fatta, 2007):

1. Mendukung proses pengambilan keputusan, menitikberatkan pada

management by perception.

2. Adanya interface manusia / mesin dimana manusia (user) tetap memegang kontrol proses pengambilan keputusan.

3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tidak terstruktur.

4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan.

5. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.

6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.

Tujuan dari sistem pendukung keputusan yaitu (Rosnani, 2014) :

1. Mencoba menerapkan konsep sistem pendukung keputusan dalam rangka membantu proses pengambilan keputusan.

2. Untuk membantu dalam mengantisipasi perubahan yang mungkin terjadi pada setiap pelaksanaan program kegiatan.

Adapun kemampuan dari penggunaan sistem pendukung keputusan ialah (Kosasi, 2002) :

1. Menunjang pembuatan keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur

2. Membantu manajer pada berbagai tingkatan manajemen, mulai dari manajemen tingkat puncak sampai manajemen tingkat bawah

3. Menunjang pembuatan keputusan secara kelompok dan perorangan

4. Menunjang pembuatan keputusan yang saling bergantungan dan berurutan 5. Menunjang tahap – tahap pembuatan keputusan antara lain intelligence,

design, choice dan implementation

6. Menunjang berbagai bentuk proses pembuatan keputusan dan jenis keputusan 7. Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel 8. Kemudahan melakukan interaksi sistem

9. Meningkatkan efektivitas dalam pembuatan keputusan daripada efisiensi 10.Mudah dikembangkan oleh pemakai akhir

11.Kemampuan pemodelan dan analisis dalam pembuatan keputusan 12.Kemudahan melakukan pengaksesan berbagai sumber dan format data.

2.1.5. Tahapan Proses Pengambilan Keputusan

Simon (1960) memberikan model yang menggambarkan proses pengambilan keputusan. Tiga tahapan dalam proses pengambilan keputusan yaitu (Rosnani, 2014) :

1. Tahap Intellegen, adalah tahap proses pengenalan persoalan melalui penyelidikan lingkungan untuk mengetahui ada atau tidaknya masalah. Kesimpulan dari penyelidikan diperoleh dari pengolahan data dengan metode yang telah ditetapkan sebelumnya atau dengan metode khusus. Aliran informasi bergerak dari tingkatan manajemen terendah menuju tingkatan manajemen tertinggi

2. Tahap Design, merupakan tahap mencari, analisis serta perumusan alternatif tindakan yang akan diambil. Pada tahap design ini, sistem informasi harus mampu membuat keputusan – keputusan.

3. Tahap Choice, merupakan tahap memilih suatu tindakan yang paling tepat dari beberapa alternatif yang telah dirumuskan. Langkah selanjutnya adalah pelaksanaan alternatif terpilih. Bila suatu alternatif telah dilaksanakan, fungsi informasi berubah menjadi pengumpul data untuk selanjutnya, merupakan umpan balik.

Langkah - langkah proses pengambilan keputusan yang telah disampaikan oleh Simon (1960) dapat digambarkan sebagai berikut (Rosnani, 2014) :

Gambar 2.1. Aliran Proses Pengambilan Keputusan

2.1.6. Komponen-Komponen Sistem Pendukung Keputusan

Menurut Turban (2005), Sistem Pendukung Keputusan terdiri dari empat subsistem, yaitu :

1. Subsistem manajemen data

Subsistem manajemen data memasukkan satu database yang berisi data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut sistem manajemen database (DBMS). Subsistem manajemen data dapat di interkoneksikan dengan data warehouse perusahaan, suatu repository untuk data perusahaan yang relevan untuk pengambilan keputusan.

2. Subsistem manajemen model

Merupakan paket perangkat lunak yang memasukkan model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat.

Penyelidikan (Intellegence)

Perancangan (Design)

Pemilihan (Choice)

3. Subsistem antarmuka pengguna

Pengguna berkomunikasi dengan dan memerintahkan DSS melalui subsistem ini. Pengguna adalah bagian yang dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi unik dari DSS berasal dari interaksi yang intensif antara komputer dan pembuat keputusan.

4. Subsistem manajemen berbasis – pengetahuan

Subsistem ini dapat mendukung semua subsistem lain atau bertindak sebagai suatu komponen independen. Ia memberikan inteligensi untuk memperbesar pengetahuan si pengambil keputusan.

Berdasarkan definisi, DSS harus mencakup tiga komponen utama dari DBMS, MBMS, dan antarmuka pengguna. Subsistem manajemen berbasis pengetahuan adalah opsional, namun dapat memberikan banyak manfaat karena memberikan inteligensi bagi tiga komponen utama tersebut. Seperti pada semua sistem informasi manajemen, pengguna dapat dianggap sebagai komponen DSS.

Gambar 2.2. Skematik Sistem Pendukung Keputusan

2.2. Kelayakan TKI

Menurut Pasal 1 bagian (2) Undang-Undang Nomor 39 Tahun 2004 tentang Penempatan dan Perlindungan Tenaga Kerja Indonesia di Luar Negeri, Calon Tenaga Kerja Indonesia adalah setiap warga negara Indonesia yang memenuhi syarat sebagai pencari kerja yang akan bekerja di Luar Negeri dan terdaftar di instansi pemerintah kabupaten/kota yang bertanggung jawab di bidang ketenagakerjaan.

Sementara itu dalam Pasal 1 Kep. Manakertran RI No. Kep 104A/Men/2002 tentang penempatan TKI ke Luar Negeri disebutkan bahwa TKI adalah baik laki-laki maupun perempuan yang bekerja di Luar Negeri dalam jangka waktu tertentu berdasarkan perjanjian kerja melalui prosedur penempatan TKI (Agus Salam Nasution, 2012).

Prosedur penempatan TKI ini harus benar-benar diperhatikan oleh calon TKI yang ingin bekerja ke Luar Negeri.Jika tidak melalui prosedur yang benar dan sah maka TKI tersebut nantinya akan menghadapi masalah di negara tempat ia bekerja karena TKI tersebut dinyatakan TKI ilegal yaitu datang ke negata tujuan tidak melalui prosedur penempatan TKI yang benar. Setiap calon TKI yang akan mendaftarkan diri untuk bekerja di Luar Negeri harus memenuhi kriteria dan prosedur yang telah ditentukan.

Perekrutan calon TKI oleh pelaksana penempatan TKI dilakukan terhadap calon TKI yang telah memenuhi persyaratan. Setelah calon TKI memenuhi persyaratan yang ditentukan, maka para calon TKI dapat dikatakan layak menjadi TKI ke Luar Negeri dengan mengikuti serangkaian pelatihan dan pembekalan.

2.3. Algoritma

Algoritma adalah teknik penyusunan langkah-langkah penyelesaian masalah dalam bentuk kalimat dengan jumlah kata terbatas, tetapi tersusun secara logis dan sistematis. Algoritma juga merupakan suatu prosedur yang jelas untuk menyelesaikan suatu persoalan dengan menggunakan langkah-langkah tertentu dan terbatas jumlahnya. (Suarga, 2006).

2.3.1. Ciri Algoritma

Donald E. Knuth, seorang penulis beberapa buku algoritma abad XX, menyatakan bahwa ada beberapa ciri algoritma, yaitu (Suarga, 2006) :

1. Algoritma mempunyai awal dan akhir. Suatu algoritma harus berhenti setelah mengerjakan serangkain tugas atau dengan kata lain suatu algoritma memiliki langkah yang terbatas.

2. Setiap langkah harus didefinisikan dengan tepat sehingga tidak memiliki arti ganda (not ambiguous).

3. Memiliki masukan (input) atau kondisi awal. 4. Memiliki keluaran (output) atau kondisi akhir.

5. Algoritma harus efektif, bila diikuti benar – benar akan menyelesaikan persoalan.

2.4. Fuzzy Multiple Attribute Decision Making Methods (FMADMM)

Fuzzy Multiple Attribute Deciosion Making (FMADM) adalah suatu metode

pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan objektif dan pendekatan integrasi antara subyektif dan obyektif. Masing-masing pendekatan memiliki kelebihan dan kelemahan.

Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subjektifitas dari para pengambil keputusan sehingga beberapa faktor dalam proses perangkingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. (Kusumadewi, 2006).

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM antara lain (Kusumadewi, 2006):

1. Simple Additive Weighting (SAW)

2. Weighted Product (WP)

3. ELECTRE

4. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) 5. Analytic Hierarchy Process (AHP)

2.4.1. Metode Simple Additive Weighting (SAW)

Menurut Kusumadewi (2006), Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW 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.

Berikut adalah persamaan – persamaan yang ada dalam metode SAW (Kusumadewi, 2006) :

� =

�� � Dimana :

Maxi xij = nilai maksimum dari setiap baris dan kolom Mini xij = nilai minimum dari setiap baris dan kolom xij = baris dan kolom dari matriks

Jika j adalah atribut keuntungan (benefit)

Jika j adalah atribut biaya (cost)

Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj;

i=1,2,...,m dan j=1,2,...,n.

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai berikut :

� = =1 .�

Dimana :

Vi = Nilai akhir dari alternatif wj = Bobot yang telah ditentukan rij = Normalisasi matriks

Hasil akhir diperoleh dari setiap proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi dengan bobot preferensi sehingga diperoleh nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik. Beda antara atribut keuntungan dan atribut biaya yaitu :

Dikatakan atribut keuntungan jika atribut yang diberikan itu dimaksudkan untuk meningkatkan keuntungan dari pengambilan keputusan yang diambil. Jika nilai kecocokan setiap kriteria itu semakin tinggi nilainya semakin baik atau semakin diprioritaskan maka kriteria tersebut dikatakan kriteria atau atribut keuntungan.

Kemudian dikatakan atribut biaya jika atribut yang diberikan itu dimaksudkan untuk meningkatkan pengurangan biaya operasional pengambilan keputusan yang diambil. Jika nilai kecocokan setiap kriteria itu semakin kecil nilainya semakin baik, maka kriteria tersebut dikatakan kriteria biaya.

2.4.2. Langkah – Langkah Penyelesaian Metode Simple Additive Weighting (SAW)

Terdapat beberapa langkah dalam menggunakan metode SAW untuk memecahkan masalah, langkah-langkahnya adalah sebagai berikut (Kusumadewi, 2006) :

1. Menentukan alternatif, yaitu Ai.

2. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.

3. Memberikan nilai bobot pada setiap kriteria.

4. Menentukan bobot preferensi atau tingkat kepentingan (Wj) setiap kriteria. 5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria. 6. Membuat matriks keputusan berdasarkan kriteria (Ci).

7. Melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis kriteria, (kriteria keuntungan ataupun kriteria biaya) sehingga diperoleh matriks ternormalisasi R.

8. Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

2.5. Metode Simple Multi - Attribute Rating Technique (SMART)

Simple Multi – Atribut Rating Technique (SMART) merupakan metode pengambilan

keputusan multi kriteria yang dikembangkan oleh Edward pada tahun 1977. Teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai – nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting ia dibandingkan dengan kriteria lain. Pembobotan ini digunakan untuk menilai setiap alternatif agar diperoleh alternatif terbaik.

SMART mengunakan linier adaptif model untuk meramal nilai setiap alternatif. SMART lebih banyak digunakan karena kesederhanaannya dalam merespon kebutuhan pembuat keputusan dan caranya menganalisa respon. Analisis yang terbaik adalah transparan sehingga metode ini memberikan pemahaman masalah yang tinggi dan dapat diterima oleh pembuat keputusan. Pembobotan pada SMART menggunakan skala antara 0 sampai 1, sehingga mempermudah perhitungan dan perbandingan nilai pada masing-masing alternatif.

Menurut Shepetukha (2001), Model fungsi utiliti linear yang digunakan oleh SMART adalah seperti berikut (Handy Theorema P, 2011):

�� �� .

=1

� , = 1,… ,

Dimana :

wj = nilai pembobotan kriteria ke-j dari k kriteria uij = nilai utiliti untuk alternatif i pada kriteria j

Pemilihan keputusan adalah mengidentifikasi mana dari n alternatif yang mempunyai nilai fungsi terbesar. Nilai fungsi ini juga dapat digunakan untuk meranking n alternatif.

2.5.1. Langkah – Langkah Penyelesaian Metode Simple Multi – Attribute Rating Technique (SMART)

Menurut Edwards, mendefenisikan ada sepuluh langkah dalam penyelesaian metode SMART yaitu (Handy Theorema P, 2011) :

1. Mengidentifikasi masalah keputusan

Pendefenisian masalah harus dilakukan untuk mencari akar masalah dan batasan – batasan yang ada. Keputusan seperti apa yang akan diambil harus didefenisikan terlebih dahulu, sehingga proses pengambilan keputusan dapat terarah dan tidak menyimpang dari tujuan yang akan dicapai. Pendefenisian pembuat keputusan (decision maker) dilakukan agar pemberian nilai terhadap kriteria dapat sesuai dengan kepentingan kriteria tersebut terhadap alternatif. 2. Mengidentifikasi kriteria – kriteria yang digunakan dalam membuat keputusan. 3. Mengidentifikasi alternatif – alternatif yang akan di evaluasi. Pada tahap ini

akan dilakukan proses pengumpulan data.

4. Mengidentifikasi batasan kriteria yang relevan untuk penilaian alternatif. Perlu untuk membatasi nilai. Ini dapat dicapai dengan menghilangkan tujuan yangkurang penting. Edwards berpendapat bahwa tidak perlu memiliki daftar lengkap suatu tujuan. Lima belas dianggap terlalu banyak dan delapan dianggap cukup besar.

5. Melakukan peringkat terhadap kedudukan kepentingan kriteria. Dalam hal ini dinilai cukup mudah dibandingkan dengan pengembangan bobot. Hal ini perlu dilakukan untuk dapat memberikan bobot pada setiap kriteria. Karena bobot yang diberikan pada kriteria akan bergantung pada perangkingan kriteria. 6. Memberi bobot pada setiap kriteria

Pemberian bobot diberikan dengan nilai yang dapat ditentukan oleh user sendiri. Dalam hal ini akan dilakukan dua kali pembobotan yaitu berdasarkan kriteria yang dianggap paling penting dan berdasarkan kriteria yang dianggap paling tidak penting. Kriteria yang dianggap paling penting diberikan nilai 100. Kriteria yang penting berikutnya diberikan sebuah nilai yang menggambarkan perbandingan kepentingan relatif ke dimensi paling tidak penting. Proses ini akan diteruskan sampai pemberian bobot ke kriteria yang dianggap paling tidak penting diperoleh.

Langkah yang sama juga akan dilakukan dengan membandingkan kriteria yang paling tidak penting yang diberikan nilai 10. Kriteria yang paling penting berikutnya diberikan sebuah nilai yang menggambarkan perbandingan kepentingan relatif ke dimensi paling penting. Proses ini akan diteruskan sampai pemberian bobot ke kriteria yang dianggap paling penting diperoleh. 7. Menghitung normalisasi bobot kriteria

Bobot yang diperoleh akan dinormalkan dimana bobot setiap kriteria yang diperoleh akan dibagikan dengan hasil jumlah setiap bobot kriteria. Normalisasi juga akan dilakukan berdasarkan kriteria yang paling penting dan kriteria yang paling tidak penting. Nilai dari dua normalisasi yang diperoleh akan dicari nilai rata – rata nya.

8. Menghitung penilaian/utilitas terhadap setiap alternatif

Perhitungan dilakukan menggunakan fungsi yang telah ada yaitu : �� �� ₌₁ .� . Dimana wj adalah nilai pembobotan kriteria ke-j dari

k kriteria dan uijadalah nilai utility untuk alternatif i pada kriteria j. Nilai w

diperoleh dari langkah 7. 9. Memutuskan

Nilai utilitas dari setiap alternatif akan diperoleh dari langkah 9. Jika suatu alternatif tunggal yang akan dipilih, maka pilih alternatif dengan nilai utilitas terbesar.

2.6. Pendekatan Objek Oriented

2.6.1. Unified Modeling Language (UML)

Membangun model untuk suatu sistem piranti lunak sangat bergantung pada konstruksinya atau kemudahan dalam memperbaikinya. Oleh karena itu, membuat model sangat penting sebagaimana pentingnya memiliki cetak biru untuk bangunan yang besar. Jika ingin membangun suatu model dari suatu sistem yang kompleks, tidak mungkin kita dapat memahaminya secara keseluruhan. Dengan meningkatnya kompleksitas sistem, visualisasi dan pemodelan menjadi sangat penting. UML dibuat untuk merespon kebutuhan tersebut.

Unified Modeling Language (UML) adalah salah satu alat bantu yang sangat handal di dunia pengembangan sistem yang berorientasi obyek. Hal ini disebabkan karena UML menyediakan bahasa pemodelan visual yang memungkinkan bagi pengembang sistem untuk membuat cetak biru atas visi mereka dalam bentuk yang baku, mudah dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi dan mengkomunikasikan rancangan mereka dengan yang lain. (Munawar, 2005). Dengan UML akan bisa menceritakan apa yang seharusnya dilakukan oleh sebuah sistem, bukan bagaimana yang seharusnya dilakukan oleh sebuah sistem. Cetak biru adalah model yang akan membantu menyelesaikan setiap bagian – bagian sebelum benar – benar membangunnya.

UML menyediakan beberapa diagram visual yang menunjukkan berbagai aspek dalam sistem. Beberapa diagram yang disediakan dalam UML antara lain :

activity diagram, class diagram, communication diagram, component diagram, composite structure diagram, deployment diagram, interaction overview diagram, object diagram, package diagram, sequence diagram, state machine diagram, timing diagram, use case diagram. (Munawar, 2005).

Pada penulisan skripsi ini penulis hanya menggunakan beberapa di antaranya, yaitu

2.7. Analisis Kinerja Algoritma

Algoritma merupakan suatu prosedur yang jelas untuk menyelesaikan suatu persoalan dengan menggunakan langkah-langkah tertentu dan terbatas jumlahnya. (Suarga, 2006).

Suatu masalah dapat mempunyai banyak algoritma penyelesaian. Algoritma yang digunakan tidak saja harus benar, namun juga harus efisien. Efisiensi suatu algoritma dapat diukur dari waktu eksekusi algoritma dan kebutuhan ruang memori. Algoritma yang efisien adalah algoritma yang meminimumkan kebutuhan waktu dan ruang. Algoritma memiliki kompleksitas, dimana ukuran kompleksitas tersebut merupakan acuan utama untuk mengetahui kecepatan dari algoritma tersebut.Besaran yang digunakan untuk menjelaskan model pengukuran waktu dan ruang ini adalah kompleksitas algoritma.

2.8. Kompleksitas Algoritma

Kompleksitas dari suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk menyelesaikan masalah. Algoritma yang dapat menyelesaikan suatu permasalahan dalam waktu yang singkat memiliki kompleksitas yang rendah, sementara algoritma yang membutuhkan waktu lama untuk menyelesaikan masalahnya mempunyai kompleksitas yang tinggi. Waktu yang diperlukan untuk menjalankan suatu algoritma harus semakin cepat. Karena kompleksitas waktu menjadi hal yang sangat penting.

Kompleksitas algoritma terdiri dari dua macam yaitu kompleksitas waktu dan kompleksitas ruang. (Ulfah Nur Azizah, 2013). Pada penulisan skripsi ini penulis hanya menggunakan kompleksitas waktu, yaitu Big θ (Theta).

2.8.1. Kompleksitas Waktu (Time Complexity)

Kompleksitas waktu (Time Complexity), dinyatakan oleh T(n), diukur dari jumlah perhitungan (komputasi) yang dibutuhkan untuk menjalankan algoritma sebagai fungsi dari ukuran masukan n, dimana ukuran masukan (n) merupakan jumlah data yang diproses oleh sebuah algoritma. Jumlah tahapan komputasi dihitung dari berapa kali suatu operasi dilaksanakan di dalam sebuah algoritma sebagai fungsi ukuran masukan (n). Running time adalah sejumlah waktu yang dibutuhkan untuk mengeksekusi setiap baris pseudocode. Running time dari sebuah algoritma adalah jumlah dari running time dari setiap statement yang dieksekusi.

Kompleksitas waktu (Time Complexity) adalah hubungan waktu komputasi dan jumlah input. Kompleksitas waktu biasanya tentang ukuran dari sebuah array

atau obyek. Kompleksitas waktu tidak digunakan untuk fungsi yang sederhana seperti menginput username dari database atau mengenkripsi password melainkan digunakan untuk menyortir sebuah fungsi, perhitungan rekursif dan secara umum biasanya untuk perhitungan waktu.

Big θ (Theta) adalah bagian dari kompleksitas waktu dari sebuah algoritma.

Big θ (Theta) Didefinisikan bahwa f(n) merupakan Theta dari g(n) dan dinotasikan

f(n) = θ(g(n) jika dan hanya jika terdapat tiga konstanta positif n0, c1 dan c2 sedemikian berlaku (Robert Setiadi, 2008) :

2.9. Penelitian Terdahulu

1. Judul : SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) (STUDI KASUS DI PAMELLA SWALAYAN) (Ariyanto, 2012).

Dalam penelitian ini penulis membahas Pemilihan Karyawan Terbaik pada Pamella Swalayan. Penelitian ini bertujuan untuk mengetahui prosedur penilaian dan pemilihan karyawan terbaik pada Pamella Swalayan Yogyakarta serta untuk menghasilkan sistem pendukung keputusan pemilihan karyawan terbaik berdasarkan kebutuhan pamella swalayan tersebut. Kriteria yang digunakan dalam penelitian ini adalah kejujuran, taat peraturan, mangkir/alpha, kedisiplinan, tanggung jawab, kebersihan, kerajinan, kreatifitas, kerjasama, dan senyuman. Sistem ini dikembangkan dengan bahasa pemrograman Delphi 7.0 dan menggunakan MySQL sebagai Database

Management System.

2. Judul : SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING

(STUDI KASUS DI SMA N 1 KARANGANYAR KEBUMEN) (Nurul Fitriana Rahmawati, Helmie Arif Wibawa, S.Si, M.Cs, Nurdin Bahtiar, S.Si, MT, 2013).

Dalam penelitian ini penulis membahas bagaimana SMA N I Karanganyar memberikan beasiswa kepada siswa yang kurang mampu dan siswa yang berprestasi. Penelitian tersebut bertujuan untuk membangun sistem pendukung keputusan pemilihan penerima beasiswa berbasis web yang dapat diakses dengan mudah oleh para siswa, penyeleksi, dan kepala sekolah. Kriteria yang digunakan dalam penelitian ini adalah kartu asuransi miskin, surat keterangan tidak mampu, status anak dalam keluarga, jumlah penghasilan orang tua, jumlah tanggungan keluarga dan rata-rata nilai raport semester terakhir siswa. Sistem menggunakan bahasa pemrograman PHP dan MySQL sebagai

3. Judul : SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENYIAR RADIO TERBAIK MENGGUNAKAN METODE SIMPLE MULTI -

ATTRIBUTE RATING TECHNIQUE (Rika Yunitarini, 2013).

Dalam penelitian ini penulis membahas masalah bagaimana membuat suatu sistem untuk pemilihan penyiar radio terbaik yang didasarkan pada beberapa kriteria dan sub kriteria dan bagaimana membuat suatu sistem yang menggunakan perhitungan dengan metode SMART. Kriteria yang digunakan dalam penelitian ini adalah prestasi kerja, sikap dalam bekerja, banyak pendengar, disiplin, announcing skill, kreatifitas, sense of music, kerjasama dan keandalan. Pembuatan sistem pendukung keputusan yang dibahas merupakan perangkat lunak yang spesifik untuk mendukung pengambilan keputusan dalam proses pemilihan penyiar radio terbaik Radio Delta FM. Keluaran atau implementasi dari sistem ini berupa akan ditampilkan laporan report hasil usulan keputusan berupa nama penyiar yang berbasis desktop.

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Masalah

Proses penentuan kelayakan calon tenaga kerja Indonesia ke Luar Negeri yang dilakukan oleh PT. Genta Karya Sejahtera Medan masih menggunakan cara manual, dimana petugas yang menyeleksi calon tenaga kerja masih berdasarkan intuisi atau perasaan. Sistem seleksi seperti ini memiliki kelemahan karena kurangnya objektifitas dalam penilaian dan sistem penilaiannya belum terkomputerisasi. Oleh karena itu diperlukanlah metode-metode untuk mendapatkan hasil penilaian yang lebih baik lagi. Di dalam penelitian ini, dalam pemecahan masalahnya penulis menggunakan metode SAW dan SMART. Walaupun tidak menjamin keefesienannya, namun dengan menggunakan algoritma SAW dan SMART dapat membantu pengambil keputusan mengambil keputusan dengan lebih akurat.

Metode analisis yang digunakan dalam menganalisis permasalahan yang dihadapi dalam membangun aplikasi adalah dengan menggunakan metode Fishbone

Diagram/Ishikawa Diagram. Langkah awal yang dilakukan yaitu menentukan

masalah yang terjadi, dan pada penelitian ini masalah yang muncul ialah Bagaimana metode SAW dan SMART menyelesaikan proses penentuan kelayakan calon tenaga kerja Indonesia di PT. Genta Karya Sejahtera Medan. Langkah berikutnya yaitu menentukan apa yang menjadi penyebab masalah dari permasalahan tersebut. Dalam penelitian ini yang menjadi faktor penyebab utama masalah ini adalah :

1. Pada tulang people

Dimana selama ini admin sulit mengambil keputusan dalam menentukan calon TKI yang layak diberangkatkan ke Luar Negeri.

2. Pada tulang material

Pengolahan data kriteria dan pengolahan data alternatif belum maksimal, dimana belum diimplementasikannya pembobotan disetiap kriteria.

3. Pada tulang machine

Mesin masih menggunakan sistem yang manual sehingga memakan waktu yang lama dalam pengambilan keputusan.

4. Pada tulang method

Belum menggunakan metode yang tepat dalam pengambilan keputusan. Pada Gambar 3.1. terdapat sebuah diagram Ishikawa yang digunakan untuk menganalisis masalah. Pada bagian kepala (sebelah kanan) menerangkan permasalahan yang ada, sementara pada bagian tulang (sebelah kiri) menerangkan penyebab masalah.

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah

Bagaimana metode SAW dan

SMART menyelesaikan proses penentuan

kelayakan calon tenaga kerja Indonesia di PT.

Genta Karya Sejahtera Medan.

PEOPLE MATERIAL

METHOD MACHINE

Pengolahan Data Kriteria

Pengolahan Data Alternatif

Menggunakan sistem lama dalam pengambilan keputusan belum menggunakan metode yang tepat

Admin sulit Mengambil keputusan

Masih Menggunakan Sistem Manual

3.2. Analisis Kebutuhan Sistem

Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu : kebutuhan fungsional dan kebutuhan non-fungsional.

3.2.1. Kebutuhan Fungsional

Kebutuhan fungsional adalah kebutuhan yang harus diberikan oleh sistem, dimana sistem harus berupa input, proses, output, maupun penyimpanan data. (Handy Theorema P, 2011). Adapun kebutuhan fungsional yang dimaksud adalah sistem dapat menyelesaikan masalah dalam penentuan kelayakan calon tenaga kerja Indonesia (TKI) ke Luar Negeri dengan menggunakan metode Simple Additive Weighting

(SAW) dan metode Simple Multi - Attribute Rating Technique (SMART). 3.2.2. Kebutuhan Non Fungsional

Kebutuhan non fungsional adalah kebutuhan yang diberikan oleh sistem yang bertujuan untuk mendukung kebutuhan fungsional yang sudah ditentukan. Beberapa kebutuhan non fungsional yang dimaksud adalah (Handy Theorema P, 2011):

1. Hasil penelitian, hasil tersebut digunakan sebagai sumber data penilaian. 2. Mudah digunakan (User friendly)

Sistem yang akan dibangun harus user friendly, artinya bahwa sistem mudah digunakan oleh admin dengan tampilan (interface) yang sederhana dan mudah dimengerti.

3. Menjadi Referensi

Sistem yang akan dibangun diharapkan mampu menjadi referensi bagi admin

untuk menentukan siapa saja yang layak di berangkatkan menjadi TKI ke Luar Negeri.

4. Pelayanan

Sistem yang telah dirancang bisa dikembangkan ke tingkat yang lebih kompleks lagi bagi pihak-pihak yang ingin mengembangkan sistem tersebut sehingga solusi yang diberikan lebih efektif.

3.3. Pemodelan Sistem

Pemodelan sistem yang dirancang penulis bertujuan menggambarkan kondisi dan bagian-bagian yang berperan dalam sistem yang dirancang. Pemodelan sistem dilakukan dengan membuat usecase diagram, activity diagram dan sequence diagram.

3.3.1. Use Case & Activity Diagram

Use case digunakan untuk menggambarkan dan menganalisis interaksi yang terjadi antara admin dan sistem sehingga dapat dipahami dengan lebih mudah. Pada Gambar 3.2. dijelaskan bagaimana admin dapat melakukan beberapa hal, yaitu input nilai pembobotan kriteria, alternatif tiap matriks, normalisasi matriks dan mendapatkan hasil perangkingan.

3.3.2. Spesifikasi Use Case & Activity Diagram SAW

Spesifikasi Use Case dari algoritma SAW dapat dilihat seperti pada Tabel 3.1. Tabel 3.1. Spesifikasi Use Case Algoritma SAW

Name Algoritma SAW.

Actors Admin.

Trigger Admin meng-klik tombol Algoritma SAW, lalu memasukkan

nilai pada tiap kolom, lalu mendapatkan hasil perangkingan SAW berupa urutan rangking calon TKI yang layak.

Preconditions Memasukkan nilai pada kriteria dan pada alternatif.

Post Conditions Hasil perangkingan total.

Success Scenario 1. Admin memasukkan nilai kriteria dan alternatif tiap

kriteria.

2. Sistem melakukan perangkingan dengan algoritma SAW. 3. Sistem menampilkan hasil perangkingan total.

Activity diagram untuk proses perangkingan dengan Algoritma SAW ialah seperti pada gambar 3.3 berikut :

Algoritma SAW

Admin Sistem Pimpinan

Gambar 3.3. Activity Diagram Algoritma SAW

Pilih Metode SAW

Hitung Matriks Kriteria Proses Matriks _Kriteria

Hitung Matriks Alternatif Semua Kriteria

Proses Matriks Alternatif Semua

Kriteria

Hitung Total Nilai

Proses Total Nilai

Rangking Calon TKI Yang Layak

End

Memasukkan Nilai Kriteria Dari Seluruh Alternatif

Melihat Rangking Calon TKI Yang

Layak

3.3.3. Spesifikasi Use Case & Activity Diagram SMART

Spesifikasi Use Case dari algoritma SMART dapat dilihat seperti pada Tabel 3.2. Tabel 3.2. Spesifikasi Use Case Algoritma SMART

Name Algoritma SAW.

Actors Admin.

Trigger Admin meng-klik tombol Algoritma SMART, lalu

memasukkan nilai pada tiap kolom, lalu mendapatkan hasil perangkingan SMART berupa urutan calon TKI yang layak.

Preconditions Memasukkan nilai pada kriteria dan pada alternatif.

Post Conditions Hasil perangkingan total.

Success Scenario 1. Admin memasukkan nilai kriteria dan alternatif tiap

kriteria.

2. Sistem melakukan perangkingan dengan algoritma SMART.

Activity diagram untuk proses perangkingan dengan Algoritma SMART ialah seperti gambar 3.4 berikut :

Algoritma SMART

Admin Sistem Pimpinan

Gambar 3.4. Activity Diagram Algoritma SMART

Pilih Metode Smart

Hitung Normalisasi Kriteria Paling Penting

Rangking Calon TKI Yang Layak End

Input Bobot Kriteria Paling Penting

Input Bobot Kriteria Paling Tidak Penting

Hitung Normalisasi Kriteria Paling

Tidak Penting

Hitung Nilai Rata-Rata Kedua Normalisasi

Input Nilai Setiap Alternatif

Hitung Nilai Alternatif Berdasarkan Nilai

Rata-Rata Kriteria Keseluruhan

Melihat Rangking Calon TKI Yang

Layak End

3.3.4. Sequence Diagram

Sequence diagram adalah sebuah gambar yang menerangkan interaksi antara aktor dengan sistem yang terjadi di dalam skenario use case. Pada penelitian ini penulis membagi sequence diagram menjadi 2 bagian, yaitu sequence diagram SAW dan

sequence diagram SMART. Sequence diagram SAW dapat dilihat pada Gambar 3.5.dan sequence diagram SMART dapat dilihat pada Gambar 3.6.

3.4. Perancangan Sistem

3.4.1. Pembuatan Algoritma Program

Pembuatan algoritma program adalah penjelasan langkah-langkah yang dilakukan algoritma SAW dan algoritma SMART yang diterjemahkan ke dalam bahasa pemrograman. Adapun langkah yang harus dilalui dalam pembuatan algoritma program adalah :

1. Pembuatan algoritma program berupa alur proses sebuah sistem yang secara umum.

2. Pembuatan alur proses sebuah sistem pemdukung keputusan dengan menggunakan algoritma SAW ke dalam bahasa pemrograman.

3. Pembuatan alur proses sebuah sistem pemdukung keputusan dengan menggunakan algoritma SMART ke dalam bahasa pemrograman.

3.4.2. Alur Proses Sistem Secara Umum

Ada dua alur proses sistem secara umum, yaitu Menentukan siapa yang layak menjadi TKI dengan menggunakan algoritma SAW yang dapat dilihat pada Gambar 3.7. dan menggunakan algoritma SMART yang dapat dilihat pada Gambar 3.8.

3.5. Perancangan Struktur Tabel

Perancangan struktur tabel digunakan untuk mempermudah pengembang dalam merancang database yang akan digunakan dalam sistem pendukung keputusan ini. Tabel yang digunakan dalam sistem ini diantaranya adalah tabel user,

calon_tenaga_kerja, kriteria, penilaian, rating_kecocokan, bobot_rata_rata, matrix_tenaga_kerja, normalisasi_bobot, hasil_saw dan hasil_smart.

Berikut ini perancangan struktur tabel dari masing-masing tabel tersebut. Tabel 3.3. Struktur Tabel user

No. Nama Field Tipe Data Field

1. id_user Int 10

2. Username Varchar 40

3. Password Varchar 40

4. Level Varchar 20

Tabel 3.4. Struktur Tabel calon_tenaga_kerja

No. Nama Field Tipe Data Field

1. id_calon_tenaga_kerja Int 10

2. Nama Varchar 30

3. Alamat Varchar 30

4. tempat_lahir Varchar 30

5. tgl_lahir Varchar 10

6. status_perkawinan Varchar 30

7. jenis_kelamin Varchar 20

8. Agama Varchar 20

9. Usia Varchar 30

10. pendidikan_terakhir Varchar 20

11. tinggi_badan Varchar 10

12. tgl_masuk Varchar 10

Tabel 3.5. Struktur Tabel kriteria

No. Nama Field Tipe Data Field

1. id_kriteria Int 10

2. Criteria Varchar 30

3. ketentuan_kriteria Varchar 30

4. Kategori Varchar 30

5. Bobot Varchar 30

6. Kepentingan Double 10,0

7. bobot_penting Double 10,0

8. bobot_tidak_penting Double 10,0

Tabel 3.6. Struktur Tabel penilaian

No. Nama Field Tipe Data Field

1. id_penilaian Int 10

2. id_calon_tenaga_kerja Int 10

3. nilai_tes Varchar 10

4. medical_checkup Varchar 15

Tabel 3.7. Struktur Tabel rating_kecocokan

No. Nama Field Tipe Data Field

1. id_rating_kecocokan Int 10

2. id_calon_tenaga_kerja Int 10

3. kecocokan_usia Varchar 10

4. kecocokan_pendidikan Varchar 10

5. kecocokan_tinggi_badan Varchar 10

6. kecocokan_nilai_tes Varchar 10

Tabel 3.8. Struktur Tabel bobot_rata_rata

No. Nama Field Tipe Data Field

1. id_bobot_rata Int 10

2. id_kriteria Int 10

3. nilai_rata_rata Double 10,4

Tabel 3.9. Struktur Tabel matrix_tenaga_kerja

No. Nama Field Tipe Data Field

1. id_matrix_tenaga_kerja Int 10

2. id_calon_tenaga_kerja Int 10

3. matrix_usia Varchar 10

4. matrix_pendidikan_terakhir Varchar 10

5. matrix_tinggi_badan Varchar 10

6. matrix_nilai_tes Varchar 10

7. matrix_mcu Varchar 10

Tabel 3.10. Struktur Tabel normalisasi_bobot

No. Nama Field Tipe Data Field

1. id_normalisasi_bobot Int 10

2. id_kriteria Int 10

3. bobot_relatif_1 Double 10,4

4. bobot_relatif_2 Double 10,4

Tabel 3.11. Struktur Tabel hasil_saw

No. Nama Field Tipe Data Field

1. id_hasil_saw Int 10

2. id_calon_tenaga_kerja Int 10

Tabel 3.12. Struktur Tabel hasil_smart

No. Nama Field Tipe Data Field

1. id_hasil_smart Int 10

2. id_calon_tenaga_kerja Int 10

3. hasil_smart Double 10,4

3.6. Perancangan Antarmuka Sistem (Interface)

3.6.1 Halaman Data Kriteria

Halaman data kriteria ini berisi data kriteria yang telah diinputkan oleh admin. Data kriteria ini terdiri dari kriteria, ketentuan kriteria, kategori kriteria, bobot kriteria, tingkat kepentingan kriteria, bobot paling penting dan bobot paling tidak penting. Tampilan halaman data kriteria dapat dilihat pada gambar 3.9.

Gambar 3.12. Rancangan Halaman Pengolahan Data Kriteria

Keterangan :

Tabel 3.24. Keterangan Bagian-Bagian Rancangan Halaman Pengolahan Data Kriteria

Judul

(13) Kriteria

Ketentuan Kriteria Kategori Kriteria Bobot Kriteria Tingkat Kepentingan Kriteria

Bobot Paling Penting Bobot Paling Tidak Penting

File Master Metode

Data Kriteria(1)

(2)

Tambah (9) Ubah (10) Hapus (11)

(5)

(6) (3)

(7)

(8)

Data grid (4)

Kembali (12)

Keterangan :

Tabel 3.13. Keterangan Bagian-Bagian Rancangan Halaman Data Kriteria No

Objek Jenis Objek Keterangan

1 Sub Menu Data Kriteria

Sub Menu Data Kriteria untuk mengolah data criteria

2 Textbox Kriteria Untuk input criteria 3 Textbox Ketentuan

Kriteria Untuk input ketentuan dari kriteria 4 Combobox Kategori

Kriteria Untuk input kategori kriteria 5 Textbox Bobot

Kriteria (%) Untuk input bobot kriteria 6 Textbox Tingkat

Kepentingan Kriteria Untuk input tingkat kepentingan kriteria 7 Textbox Bobot

Paling Penting Untuk input bobot paling penting 8 Textbox Bobot

Paling Tidak Penting Untuk input bobot tidak penting 9,10,11 Button Tambah,

Ubah, dan Hapus

Untuk menambah, mengubah dan menghapus data kriteria yang telah diinput

12 Button Kembali Untuk kembali ke halaman utama 13 DataGridView

Kriteria Menampilkan data kriteria yang telah diinput

3.6.2. Halaman Penilaian

Pada halaman penilaian, admin dapat mengisikan penilaian untuk setiap alternatif berdasarkan kriteria yang telah ditentukan. Tampilan halaman penilaian dapat dilihat pada gambar 3.10.

Gambar 3.12. Rancangan Halaman Pengolahan Data Kriteria

Keterangan :

Tabel 3.24. Keterangan Bagian-Bagian Rancangan Halaman Pengolahan Data Kriteria

Gambar 3.10. Rancangan Halaman Penilaian

Keterangan :

Tabel 3.14. Keterangan Bagian-Bagian Halaman Penilaian No

Objek Jenis Objek Keterangan

1 Sub Menu Penilaian Sub Menu Penilaian untuk menilai setiap alternatif berdasarkan criteria

2 Combobox Nama

Calon TKI Untuk memilih alternatif yang ingin dinilai 3 Textbox Nilai Test Untuk input nilai test

4 Combobox Medical

Check Up Untuk input nilai medical check up 5 Textbox Usia Untuk input nilai usia

Judul

Nama Calon TKI Pendidikan Terakhir

Nilai Test Tinggi Badan

Medical Check Up Tahun Masuk

(MCU)

Usia Tahun

(13)

File Master Metode

Penilaian(1)

Tambah (9) Ubah (10) Hapus (11)

(5) (3)

(6)

(7) (2)

(4) ₍₈₎

Data grid

ElseIf (rd.Item("matrix_usia") = 3) Then hasil_kecocokan1 = 0.5

ElseIf (rd.Item("matrix_usia") = 4) Then hasil_kecocokan1 = 0.8

ElseIf (rd.Item("matrix_usia") = 5) Then hasil_kecocokan1 = 1

End If

If (rd.Item("matrix_pendidikan_terakhir") = 1) Then hasil_kecocokan2 = 0

ElseIf (rd.Item("matrix_pendidikan_terakhir") = 2) Then hasil_kecocokan2 = 0.3

ElseIf (rd.Item("matrix_pendidikan_terakhir") = 3) Then hasil_kecocokan2 = 0.5

ElseIf (rd.Item("matrix_pendidikan_terakhir") = 4) Then hasil_kecocokan2 = 0.8

ElseIf (rd.Item("matrix_pendidikan_terakhir") = 5) Then hasil_kecocokan2 = 1

End If

If (rd.Item("matrix_tinggi_badan") = 1) Then hasil_kecocokan3 = 0

ElseIf (rd.Item("matrix_tinggi_badan") <= 2) Then hasil_kecocokan3 = 0.3

ElseIf (rd.Item("matrix_tinggi_badan") <= 3) Then hasil_kecocokan3 = 0.5

ElseIf (rd.Item("matrix_tinggi_badan") <= 4) Then hasil_kecocokan3 = 0.8

ElseIf (rd.Item("matrix_tinggi_badan") > 5) Then hasil_kecocokan3 = 1

End If

If (rd.Item("matrix_nilai_tes") = 1) Then hasil_kecocokan4 = 0

ElseIf (rd.Item("matrix_nilai_tes") = 2) Then hasil_kecocokan4 = 0.3

ElseIf (rd.Item("matrix_nilai_tes") = 3) Then hasil_kecocokan4 = 0.5

ElseIf (rd.Item("matrix_nilai_tes") = 4) Then hasil_kecocokan4 = 0.8

ElseIf (rd.Item("matrix_nilai_tes") = 5) Then hasil_kecocokan4 = 1

End If

If (rd.Item("matrix_mcu") = 2) Then hasil_kecocokan5 = 0.3

ElseIf (rd.Item("matrix_mcu") = 5) Then hasil_kecocokan5 = 1

End If

insertquery = ("insert into rating_kecocokan values('','" & rd.Item("id_calon_tenaga_kerja") & "','" & hasil_kecocokan1 & "','" & hasil_kecocokan2 & "','" & hasil_kecocokan3 & "','" & hasil_kecocokan4 & "','" & hasil_kecocokan5 & "')")

cmd2 = New OdbcCommand(insertquery, conn) hasil = cmd2.ExecuteNonQuery

End While closeConn()

Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT SUM(bobot_penting) AS jum_bobot_penting FROM kriteria order by kepentingan ASC", conn)

rd = cmd.ExecuteReader() rd.Read()

total_bobot_penting = rd.Item("jum_bobot_penting") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT SUM(bobot_tidak_penting) AS jum_bobot_tidak_penting FROM kriteria order by kepentingan ASC", conn) rd = cmd.ExecuteReader()

rd.Read()

total_bobot_tidak_penting = rd.Item("jum_bobot_tidak_penting") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT id_kriteria,bobot_penting,bobot_tidak_penting FROM kriteria order by kepentingan ASC", conn)

rd = cmd.ExecuteReader() While rd.Read

bobot_relatif1 = rd.Item("bobot_penting") / total_bobot_penting

insertquery = ("insert into normalisasi_bobot values('','" & rd.Item("id_kriteria") & "','" & bobot_relatif1 & "','" & bobot_relatif2 & "')")

cmd2 = New OdbcCommand(insertquery, conn) hasil = cmd2.ExecuteNonQuery

End While closeConn()

Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT id_kriteria,bobot_relatif_1,bobot_relatif_2 FROM normalisasi_bobot order by id_normalisasi_bobot ASC", conn)

rd = cmd.ExecuteReader() While rd.Read

nilai_rata = (rd.Item("bobot_relatif_1") + rd.Item("bobot_relatif_2")) / 2

insertquery = ("insert into bobot_rata_rata values('','" & rd.Item("id_kriteria") & "','" & nilai_rata & "')")

cmd2 = New OdbcCommand(insertquery, conn) hasil = cmd2.ExecuteNonQuery

End While closeConn()

Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM bobot_rata_rata where id_kriteria='7'", conn) rd = cmd.ExecuteReader()

rd.Read()

w_medical_checkup = rd.Item("nilai_rata_rata") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM bobot_rata_rata where id_kriteria='6'", conn) rd = cmd.ExecuteReader()

rd.Read()

w_nilai_tes = rd.Item("nilai_rata_rata") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM bobot_rata_rata where id_kriteria='3'", conn) rd = cmd.ExecuteReader()

rd.Read()

w_usia = rd.Item("nilai_rata_rata") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM bobot_rata_rata where id_kriteria='4'", conn) rd = cmd.ExecuteReader()

rd.Read()

w_pendidikan_terakhir = rd.Item("nilai_rata_rata") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM bobot_rata_rata where id_kriteria='5'", conn) rd = cmd.ExecuteReader()

rd.Read()

w_tinggi_badan = rd.Item("nilai_rata_rata") Catch ex As Exception

MessageBox.Show(ex.Message) End Try

Try

openConn()

cmd = New OdbcCommand("SELECT * FROM rating_kecocokan order by id_calon_tenaga_kerja ASC", conn)

rd = cmd.ExecuteReader() While rd.Read

kali_medical_checkup = w_medical_checkup * rd.Item("kecocokan_mcu") kali_nilai_tes = w_nilai_tes * rd.Item("kecocokan_nilai_tes")

kali_usia = w_usia * rd.Item("kecocokan_usia")

kali_pendidikan_terakhir = w_pendidikan_terakhir* rd.Item("kecocokan_pendidikan") kali_tinggi_badan = w_pendidikan_terakhir * rd.Item("kecocokan_tinggi_badan") total_smart = kali_medical_checkup + kali_nilai_tes + kali_usia +

kali_pendidikan_terakhir + kali_tinggi_badan

insertquery = ("insert into hasil_smart values('','" & rd.Item("id_calon_tenaga_kerja") & "','" & total_smart & "')")

hasil = cmd2.ExecuteNonQuery End While

closeConn()

Catch ex As Exception

MessageBox.Show(ex.Message) End Try

oWatch.Stop()

Label6.Text = "" & oWatch.ElapsedMilliseconds.ToString & " Milisecond" End Sub

Sub isisDgv()

Dim dt As New DataTable

GetData(dt, "select a.nama,b.hasil_smart from calon_tenaga_kerja a, hasil_smart b WHERE a.tahun ='" & cbotahun_masuk.Text & "'

anda.id_calon_tenaga_kerja=b.id_calon_tenaga_kerja order by b.hasil_smart DESC") dghasil.DataSource = dt

dghasil.Columns(0).HeaderText = "Nama Calon TKI" dghasil.Columns(1).HeaderText = "Hasil Metode SMART" dghasil.Columns(0).Width = 150

dghasil.Columns(1).Width = 250 End Sub

Private Sub frmsmart_Load(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles MyBase.Load

getConnString()

For i As Integer = 2012 To 2014 cbotahun_masuk.Items.Add(i) Next

End Sub

Private Sub cbotahun_masuk_SelectedIndexChanged(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles cbotahun_masuk.SelectedIndexChanged

penilaian_smart() isisDgv()

getConnString() End Sub

Data Pribadi

Nama : Sherly Melisa Sembiring Jenis Kelamin : Perempuan

TempatTanggal Lahir : Medan, 12 Mei 1992 Status Perkawinan : Belum Kawin

Tinggi, Berat Badan : 157 cm, 53 kg Agama : Kristen Protestan

Alamat : Jl. Roso Dsn VIII Desa Marindal 1 Kec. Patumbak Medan, 20136

Handphone : 085761018973

E-mail : sembiringsherly47@gmail.com

Pendidikan

1998 - 2004 : SD Negeri 106815 Medan 2004 - 2007 : SMP Negeri 22 Medan 2007 - 2010 : SMA Negeri 13 Medan

2010 - 2013 : Diploma III Teknik Informatika di Universitas Sumatera Utara

Pengalaman/Kegiatan

2012 Praktek Kerja Lapangan (PKL) di Angkasa Pura II Polonia Provinsi Sumatera Utara.

2014 Seminar Nasional Literasi Informasi (SENARAI), Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.