Contoh Kasus Fuzzy MCDM Penerimaan Karyawan Baru pada PDAM Intan Banjar

Lampiran 1. Contoh Kasus Fuzzy MCDM Penerimaan Karyawan Baru pada PDAM Intan Banjar

  Pada pengembangan sistem dengan model Fuzzy Multiple Criteria Decision Making (FMCDM). Terdapat 21 kandidat yang menjadi alternatif, yaitu : S ₁ = SALMA NOR PARIS, S.KOM, S₂ = MUHAMMAD RAMDANI S.KOM, S₃

  = THALITA AMELIA, SE, S ₄ = ASEP BUDI SEPTIONO, A.Md, S₅ = YEYEN FEBRIANA ANGELIA, SE, S ₆ = YULIA SARI LESTARI, SE, S₇ = AWANG KALINGGA, A.Md, S ₈ = VITA FATHIYA PUTRI, SE, S₉ = FEBRIAN NOVIEAR ADITYA ROESANDY, SH, S ₁₀ = SATRIA WIHANDA, S.KOM, S₁₁ = MUHAMMAD AULIA RAHMAN, S.KOM, S ₁₂ = SHANDY CITRA RUKMANA, SE, S ₁₃ = M. BAGUS IRZA DWI KURNIAWAN, A.Md, S₁₄ = ENDAH KUSUMANINGATI, ST, S ₁₅ = DESSY MONALISA, SE, S₁₆ = M. HASBY YUNIANSYAH UMAR, A.Md, S ₁₇ = ABDURRAUF ARIFIN, SE, S₁₈ = WIDODO NOOR SISWANTORO, ST, S ₁₉ = ADITIYA KUSUMA, SE, S₂₀ = WIJI NING DIYAH, SE, S ₂₁ = SELVIA, SE.

  Ada 9 atribut (kriteria) pengambilan keputusan, yaitu : C ₁ = Intelektual, C₂ = Karakter, C ₃ = Attitude, C₄ = Kejujuran, C₅ = Daya Tahan, C₆ = Teori, C₇ = PraktekWawancara, C ₈ = Microsoft Word, C₉ = Microsoft Exel. Langkah 1 : Representasi Masalah

  a. Mencari calon karyawan berdasarkan kriteria tertentu. ada 21 calon alternatif yang diberikan adalah A = {A ₁, A₂, A₃, sd A₂₁} a. Mencari calon karyawan berdasarkan kriteria tertentu. ada 21 calon alternatif yang diberikan adalah A = {A ₁, A₂, A₃, sd A₂₁}

  C ₈, C₉}. Langkah 2 : Evaluasi himpunan fuzzy dari alternatif-alternatif keputusan.

  a. Variable-variabel linguistic yang mempresentasikan bobot AK, TL, LAB kepentingan untuk setiap kriteria, adalah : T = (kepentingan) W= {SR,R,C,T,ST} yang masing-masing direpresentasikan dengan bilangan fuzzy segitiga sebagai berikut:

  SR (Sangat Rendah) = (0,0,0.25) R (Rendah) = (0,0.25, 0.5)

  C (Cukup) = (0.25, 0.5, 0.75) T (Tinggi) = (0.5, 0.75, 1) ST (Sangat Tinggi) = (0.75, 1, 1)

  b. Derajat kecocokan alternatif dengan kriteria keputusan adalah : T (kecocokan) S = {SK, K, C, B, SB} yang masing-masing direpresentasikan dengan bilangan fuzzy segitiga sebagai berikut : SK (Sangat Kurang) = (0,0,0.25) K (Kurang) = (0, 0.25, 0.5)

  C (Cukup) = (0.25, 0.5, 0.75)

  B (Baik) = (0.5, 0.75, 1) SB (Sangat Baik) = (0.75, 1, 1)

  c. Variable-variabel linguistic yang mempresentasikan bobot OP kepentingan untuk setiap kriteria, adalah : T = (kepentingan) W = {SR,R,C,T,ST} yang masing-masing direpresentasikan dengan bilangan fuzzy segitiga sebagai berikut: SR (Sangat Rendah) = (0,0,0.25)

  R (Rendah) = (0,0.25, 0.5)

  C (Cukup) = (0.25, 0.5, 0.75) T (Tinggi) = (0.5, 0.75, 1) ST (sangat Tinggi) = (0.75, 1, 1)

  d. Derajat kecocokan alternatif-alternatif dengan kriteria keputusan adalah : T (kecocokan) S = {SK, K, C, B, SB} yang masing-masing direpresentasikan dengan bilangan fuzzy segitiga sebagai berikut : SK (Sangat Kurang) = (0,0,0.25) K (Kurang) = (0, 0.25, 0.5)

  C (Cukup) = (0.25, 0.5, 0.75)

  B (Baik) = (0.5, 0.75, 1) SB (Sangat Baik) = (0.75, 1, 1)

  Tabel 2.1 Indeks Kecocokan Untuk Setiap Alternatif AL, TL, LAB dan OP

  Alternatif

  Rating Kecocokan

  Indeks Kecocokan Fuzzy

  C ₁ C₂ C₃ C₄ C₅ C₆ C₇ C₈ C₉

  A ₁

  B SK C C B C 0,2777; 0,4583; 65416

  A ₂

  B C B C 0,2777; 4,5; 10,6805

  A ₃

  C B C K C B C 0,2569; 0,4791; 0,3541

  A ₄

  B C SK B B 0,4236; 0,7013; 0,625

  A ₅

  B K C K B K C 0,2361; 0,3888; 0,3125

  A ₆

  B C B 0,3958; 5,0625; 0,5416

  A ₇

  B K C 0,0729; 0,281; 0,583

  A ₈

  K C K C K C K B 0,0879; 0,1875; 0,281

  A ₉

  C K

  SK B K C B C 0,135; 0,343; 0,604

  A ₁₀

  B C B C 0,104; 0,322; 0,583

  A ₁₁

  C SK B

  C B C 0,166; 0,416; 0,645

  A ₁₂

  C SK K K C K C 0,1354; 0,395; 0,6875

  K B C B C K C K 0,1875; 0,4479; 0,6667

  A ₁₆

  SK K

  C K B C K C 0,1041; 0,3125; 0,6041

  C K 0,125; 0,3854; 0,7083

  A ₁₈

  K

  C SK SK C K B C 0,1041; 0,3125; 0,6041

  SK K C 0,0833; 0,2812; 0,5729

  A ₂₀

  SK B

  K B C SK K C 0; 0,1145; 0,3437

  A ₂₁

  B K

  C SK K C 0,1041; 0,3334; 0,6458