Analisis Perbandingan Metode Simple Additive Weighting (SAW) Dan Metode Weighted Product (WP) Untuk Menentukan Bonus Karyawan (Studi Kasus : PT. Graha Travel & Tour Medan)

SKRIPSI

SINTHA ANASTASIA LUBIS 111421043

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

DAN METODE WEIGHTED PRODUCT (WP) UNTUK MENENTUKAN BONUS KARYAWAN (Studi Kasus : PT. Graha Travel & Tour Medan)

SKRIPSI

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

SINTHA ANASTASIA LUBIS 111421043

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

Judul : Analisis Perbandingan Metode Simple Additive

Weighting (SAW) Dan Metode Weighted Product (WP)

Untuk Menentukan Bonus Karyawan (Studi Kasus : PT. Graha Travel & Tour Medan)

Kategori : SKRIPSI

Nama : SINTHA ANASTASIA LUBIS

Nomor Induk Mahasiswa : 111421043

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Maya Silvi Lydia B.Sc, M.Sc Drs. Agus Salim Harahap, M.Si.

NIP. 197401272002122001 NIP. 195408281981031004

Diketahui/disetujui oleh

Program Studi Ekstensi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 19620217 199103 1 001

PERNYATAAN

ANALISIS PERBANDINGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN METODE WEIGHTED PRODUCT (WP) UNTUK MENENTUKAN BONUS

KARYAWAN (Studi Kasus : PT. Graha Travel & Tour Medan)

SKRIPSI

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

Medan, April 2014

Sintha Anastasia Lubis 111421043

Segala puji dan syukur penulis ucapkan kehadirat Allah SWT yang telah mencurahkan rahmat, hidayah, dan karunia-Nya serta kesehatan dan kesempatan kepada penulis sehingga dapat menyelesaikan Skripsi ini sesuai dengan instruksi dan peraturan yang berlaku di Fakultas Ilmu Komputer dan Teknologi Informasi.

Dalam penyusunan dan penulisan skripsi ini, penulis banyak mendapat bantuan, dukungan, dan bimbingan dari berbagai pihak. Penulis menyadari bahwa banyak terdapat kesalahan-kesalahan yang mungkin terjadi, baik dari segi teknik, tata penyajian ataupun dari segi tata bahasa. Oleh karena itu penulis bersedia menerima kritik dan saran dari pembaca dalam upaya perbaikan skripsi ini. Pada kesempatan ini penulis ingin mengucapkan rasa terima kasih dan penghargaan kepada :

1. Bapak Prof. Dr. dr. Syahril Pasaribu DTM&H, MSc(CTM), Sp.A(K), selaku Rektor Universitas Sumatera Utara

2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fasilkom-TI (Fakultas Ilmu Komputer dan Teknologi Informasi) Universitas Sumatera Utara

3. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu Komputer.

4. Bapak Drs. Agus Salim Harahap, M.Si, selaku Dosen Pembimbing I yang telah banyak memberikan bimbingan dan pengarahan kepada penulis sehingga dapat menyelesaikan skripsi ini dengan baik.

5. Ibu Maya Silvi Lydia B.Sc, M.Sc, selaku Dosen Pembimbing II yang telah banyak memberikan bimbingan dan pengarahan kepada penulis sehingga dapat menyelesaikan skripsi ini dengan baik.

6. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM, selaku Dosen Pembanding I yang telah memberikan banyak masukan kepada penulis.

7. Bapak Drs. Dahlan Sitompul, M.Eng, selaku dosen Pembanding II yang telah banyak memberikan masukan kepada penulis.

8. Seluruh dosen pengajar program studi Ekstensi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatra Utara yang telah memberikan ilmu pengetahuannya kepada penulis selama masa perkuliahan. 9. Ibu Listani Panjaitan selaku Manajer Operation & Tour di PT. Graha Travel &

Tour Medan yang telah memberikan izin kepada penulis untuk melakukan penelitian dan membantu penulis selama penelitian.

10. Ibunda Umirul Kadriah Siregar dan Ayahanda (Alm.) M. Daud Lubis selaku orang tua kandung penulis, Arifin selaku abang, Diana, Sultan dan Amira selaku adik –adik penulis, berkat doa restu, kasih sayang, dan dukungan moril dan materil yang diberikan selalu menjadi penyemangat penulis untuk selalu fokus sampai saat ini.

11. Teman-teman terbaik penulis yang telah banyak memberikan kebaikan, waktu luang, membagi ilmu, motivasi, dan dukungan kepada penulis.

12. Keluarga besar Ekstensi S1 Ilmu Komputer, khususnya angkatan 2011 terima kasih atas semua bantuan dan dukungannya.

Semoga Allah SWT membalas semua kebaikan yang telah kalian berikan.

Penulis,

Kemajuan dari suatu perusahaan tergantung kepada kinerja karyawan yang berada di dalamnya. Semakin baik kinerja para karyawan maka akan semakin menguntungkan perusahaan. Agar para karyawan terus meningkatkan kualitas dan performansi kerja mereka, salah satu cara yang dilakukan perusahaan dengan memberikan bonus kepada karyawan yang telah mencapai hasil kerja yang baik. Untuk membantu manajer dalam menentukan pemberian bonus karyawan, maka dirancang sebuah aplikasi komputer menggunakan sistem pendukung keputusan dengan metode Simple Additive Weighting

(SAW) dan metode Weighted Product (WP). Kedua metode ini bertujuan untuk memilih alternatif karyawan terbaik dari beberapa alternatif karyawan berdasarkan kriteria – kriteria (lama kerja di perusahaan, kedisiplinan, kualitas kerja, kehandalan dan kejujuran, kerjasama dan sikap terhadap karyawan lain, keluhan pelanggan, jumlah penjualan dan kesalahan dalam pembuatan laporan) yang telah ditentukan. Proses perhitungan dilakukan dengan mencari nilai bobot setiap alternatif pada setiap kriteria. Karyawan yang terpilih yaitu yang memiliki nilai terbesar sebagai alternatif terbaik. Hasil akhir perhitungan kedua metode ini akan dilakukan analisis perbandingan berdasarkan waktu tempuh pencarian. Pada metode WP memiliki waktu penyelesaian 0.0625 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0834 detik. Berdasarkan hasil analisis perbandingan, waktu penyelesaian metode WP lebih cepat daripada metode SAW.

Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Weighted

COMPARATIVE ANALYSIS OF SIMPLE ADDITIVE WEIGHTING (SAW) METHOD AND THE WEIGHTED PRODUCT (WP) METHOD IN

DETERMINING EMPLOYEE BONUSES (Case Study: PT. Graha Travel & Tour Medan)

ABSTRACT

The progress of a company depends on employees’ performance. If the performances

of employees are better then it will be more profitable to the company. To improve the

quality and performance of the employees’ work, the company motivates them by giving bonuses to the employee who has achieved the best performance. To help manager in determining employee bonuses then we will designed a computer application using decision support system with Simple Additive Weighting Method (SAW) and Weighted Product (WP) Method. Both methods aim to choose the best

employees’ alternatives based on criteria (length of employment in company, discipline, work quality, reliability and honesty, cooperation and attitude toward other employees, customer complaints, amount of sales and errors in making reports) have been determined. The process of calculation is done by searching the value of the weight of each alternative on each criterion. An employee who is elected i.e. that has the greatest value as the best alternative. The final result of these methods will compare based on an execution time. The execution time of Weighted Product Method is 0.0625 seconds, and the execution time of Simple Additive Weighting Method is 0.0834 seconds. Based on the results, the execution time of Weighted Product Method is faster than Simple Additive Weighting Product Method.

Keywords: Decision Support System, Simple Additive Weighting, Weighted Product, Employee Bonuses

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar Isi viii

Daftar Tabel x

Daftar Gambar xi

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.3Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metodologi Penelitian 3

1.7 SistematikaPenulisan 5

Bab 2 Landasan Teori

2.1 Sistem Pendukung Keputusan 6

2.2 Fuzzy Multi Attribute Decision Making (FMADM) 8

2.2.1 Metode Simple Additive Weighting (SAW) 9

2.2.2 Metode Weighted Product (WP) 11

2.3 Penelitian yang terkait dengan Metode SAW dan Metode WP 12 Bab 3 Analisis dan Perancangan Sistem

3.1 Analisis Masalah 16

3.2 Analisis Kebutuhan 17

3.2.1 Kebutuhan Fungsional Sistem 18

3.2.2 Kebutuhan Non Fungsional Sistem 24

3.3 Analisis Data 24

3.3.1 Perhitungan Manual Metode SAW 24

3.3.2 Perhitungan Manual Metode WP 29

3.4 Perancangan Sistem 31

3.4.1 Diagram Konteks 31

3.4.2 Data Flow Diagram (DFD) 32

3.4.3 Entity Relationship Diagram (DFD) 33

3.4.5 Flowchart 37

3.4.6 Rancangan Antar Muka 40

Bab 4 Implementasi dan Pengujian Sistem

4.1 Implementasi Sistem 48

4.2 Pengujian Sistem 54

4.2.1 Proses Pengujian Sistem 54

4.2.2 Hasil Pengujian Sistem 55

Bab 5 Kesimpulan dan Saran

5.1 Kesimpulan 61

5.2 Saran 62

Daftar Pustaka 63

Halaman

TABEL 3.1.Kriteria 18

TABEL 3.2.Lama Kerja di Perusahaan 20

TABEL 3.3.Kedisiplinan 21

TABEL 3.4.Kualitas Kerja 21

TABEL 3.5.Kerjasama dan Sikap Terhadap Karyawan Lain 21

TABEL 3.6.Kehandalan dan Kejujuran 22

TABEL 3.7.Keluhan Customer 22

TABEL 3.8.Jumlah Penjualan 23

TABEL 3.9.Kesalahan dalam Pembuatan Laporan 23

TABEL 3.10.Data Karyawan 25

TABEL 3.11.Rating Kecocokan dari Setiap Alternatif Pada Setiap Kriteria 25

TABEL 3.12.Tabel Admin 35

TABEL 3.13.Tabel Kriteria 35

TABEL 3.14.Tabel Karyawan 35

TABEL 3.15.Tabel Penilaian 36

TABEL 3.16.Tabel Matrix Bonus 36

TABEL 3.17.Tabel Hasil SAW 36

TABEL 3.18.Tabel Hasil Vektor WP 37

TABEL 3.19.Tabel Hasil WP 37

DAFTAR GAMBAR

Halaman GAMBAR 3.1.Analisis Masalah dengan Cause and Effect Diagram 17

GAMBAR3.2.Grafik Bobot 20

GAMBAR 3.3.Diagram Konteks Sistem 31

GAMBAR 3.4.DFD Level 1 Sistem 33

GAMBAR 3.5.Entity Relationship Diagram (ERD) Sistem 34

GAMBAR 3.6.Flowchart Metode SAW 38

GAMBAR 3.7.Flowchart Metode WP 39

GAMBAR 3.8.Rancangan Form Login 40

GAMBAR 3.9.Rancangan Form Utama Admin dan Pimpinan 41

GAMBAR 3.10.Rancangan Pengolahan Data Admin 42

GAMBAR 3.11.Rancangan Pengolahan Data Kriteria 43

GAMBAR 3.12.Rancangan Pengolahan Data Karyawan 44

GAMBAR 3.13.Rancangan Pengolahan Data Penilaian 45

GAMBAR 3.14.Rancangan Hasil Perankingan Metode SAW 46 GAMBAR 3.15.Rancangan Hasil Perankingan Metode WP 47

GAMBAR 4.1.Tampilan Splash Screen 48

GAMBAR 4.2.Tampilan Form Login 49

GAMBAR 4.3.Tampilan Form Utama Admin dan Pimpinan 50

GAMBAR 4.4.Tampilan Form Pengolahan Data Admin 51

GAMBAR 4.5.Tampilan Form Pengolahan Data Karyawan 51 GAMBAR 4.6.Tampilan Form Pengolahan Data Kriteria 52 GAMBAR 4.7.Tampilan Form Pengolahan Data Penilaian 53 GAMBAR 4.8.Tampilan Form Hasil Perankingan Metode SAW 53 GAMBAR 4.9.Tampilan Form Hasil Perankingan Metode WP 54 GAMBAR 4.10.Tampilan Proses Pengujian Metode SAW dan WP 55 GAMBAR 4.11.Tampilan Pengujian Pertama Metode SAW 55

GAMBAR 4.12.Tampilan Pengujian Pertama Metode WP 56

GAMBAR 4.13.Tampilan Pengujian Kedua Metode SAW 57

GAMBAR 4.14.Tampilan Pengujian Kedua Metode WP 57

GAMBAR 4.15.Tampilan Pengujian Ketiga Metode SAW 58

GAMBAR 4.16.Tampilan Pengujian Ketiga Metode WP 59

Kemajuan dari suatu perusahaan tergantung kepada kinerja karyawan yang berada di dalamnya. Semakin baik kinerja para karyawan maka akan semakin menguntungkan perusahaan. Agar para karyawan terus meningkatkan kualitas dan performansi kerja mereka, salah satu cara yang dilakukan perusahaan dengan memberikan bonus kepada karyawan yang telah mencapai hasil kerja yang baik. Untuk membantu manajer dalam menentukan pemberian bonus karyawan, maka dirancang sebuah aplikasi komputer menggunakan sistem pendukung keputusan dengan metode Simple Additive Weighting

(SAW) dan metode Weighted Product (WP). Kedua metode ini bertujuan untuk memilih alternatif karyawan terbaik dari beberapa alternatif karyawan berdasarkan kriteria – kriteria (lama kerja di perusahaan, kedisiplinan, kualitas kerja, kehandalan dan kejujuran, kerjasama dan sikap terhadap karyawan lain, keluhan pelanggan, jumlah penjualan dan kesalahan dalam pembuatan laporan) yang telah ditentukan. Proses perhitungan dilakukan dengan mencari nilai bobot setiap alternatif pada setiap kriteria. Karyawan yang terpilih yaitu yang memiliki nilai terbesar sebagai alternatif terbaik. Hasil akhir perhitungan kedua metode ini akan dilakukan analisis perbandingan berdasarkan waktu tempuh pencarian. Pada metode WP memiliki waktu penyelesaian 0.0625 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0834 detik. Berdasarkan hasil analisis perbandingan, waktu penyelesaian metode WP lebih cepat daripada metode SAW.

Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Weighted

COMPARATIVE ANALYSIS OF SIMPLE ADDITIVE WEIGHTING (SAW) METHOD AND THE WEIGHTED PRODUCT (WP) METHOD IN

DETERMINING EMPLOYEE BONUSES (Case Study: PT. Graha Travel & Tour Medan)

ABSTRACT

The progress of a company depends on employees’ performance. If the performances

of employees are better then it will be more profitable to the company. To improve the

quality and performance of the employees’ work, the company motivates them by giving bonuses to the employee who has achieved the best performance. To help manager in determining employee bonuses then we will designed a computer application using decision support system with Simple Additive Weighting Method (SAW) and Weighted Product (WP) Method. Both methods aim to choose the best

employees’ alternatives based on criteria (length of employment in company, discipline, work quality, reliability and honesty, cooperation and attitude toward other employees, customer complaints, amount of sales and errors in making reports) have been determined. The process of calculation is done by searching the value of the weight of each alternative on each criterion. An employee who is elected i.e. that has the greatest value as the best alternative. The final result of these methods will compare based on an execution time. The execution time of Weighted Product Method is 0.0625 seconds, and the execution time of Simple Additive Weighting Method is 0.0834 seconds. Based on the results, the execution time of Weighted Product Method is faster than Simple Additive Weighting Product Method.

Keywords: Decision Support System, Simple Additive Weighting, Weighted Product, Employee Bonuses

Pada bab ini akan dibahas secara umum tentang penulisan skripsi. Pembahasan berisikan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian serta sistematika penulisan yang dibagi menjadi beberapa bab yang akan dibahas inti sari dari tiap bab.

1.1. Latar Belakang

PT. Graha Travel & Tour merupakan salah satu perusahaan yang bergerak di bidang agen / biro perjalanan. Demi menjaga eksistensi di tengah pesatnya persaingan antar biro perjalanan maka perusahaan ini memberikan penghargaan kepada para karyawan berupa bonus apabila karyawan tersebut memiliki kinerja yang baik.

Perusahaan menyadari bahwa kemajuan dari suatu perusahaan tergantung pada kinerja dan loyalitas para karyawan yang bekerja di dalamnya. Semakin tinggi kinerja dan loyalitas karyawan maka semakin menguntungkan bagi perusahaan sebab secara tidak langsung para karyawan ikut ambil bagian dalam mempromosikan perusahaan lewat kinerja karyawan tersebut. Hal ini dilakukan agar para karyawan termotivasi untuk terus memberikan yang terbaik bagi perusahaan.

Selama ini pemberian bonus terhadap karyawan diputuskan oleh seorang manajer melalui penilaian terhadap karyawan secara langsung. Terkadang penilaian yang diberikan cenderung bersifat subjektif sehingga sering terjadi kesalahpahaman antar sesama karyawan. Selain itu, waktu yang diperlukan untuk mengambil

keputusan tersebut kurang efektif karena banyaknya kriteria yang dinilai dan diteliti dengan cermat agar dapat menghasilkan keputusan yang tepat.

Salah satu upaya untuk membantu tugas manajer dalam menentukan bonus karyawan adalah dengan merancang suatu aplikasi sistem pendukung keputusan. Penentuan bonus karyawan ini berdasarkan pada banyak kriteria sehingga metode sistem pengambilan keputusan yang sesuai untuk digunakan pada aplikasi ini antara lain : Metode Fuzzy Logic, Metode Fuzzy Multiple Criteria Decision Making, Metode

Weighted Product, Metode Promethee, Metode TOPSIS, Metode Simple Additive

Weighting dan Metode Analytical Hierarchy Process.

Berdasarkan uraian di atas maka penulis bermaksud melakukan penelitian yang berkaitan dengan permasalahan di atas dengan judul : Analisis Perbandingan Metode

Simple Additive Weighting (SAW) Dan Metode Weighted Product (WP) Dalam

Menentukan Bonus Karyawan (Studi Kasus : PT. Graha Travel & Tour Medan).

1.2. Rumusan Masalah

Berdasarkan uraian pada latar belakang masalah, rumusan masalah dalam penelitian ini adalah untuk menentukan pemberian bonus terhadap karyawan di PT. Graha Travel & Tour Medan.

1.3. Batasan Masalah

Batasan masalah penelitian ini yaitu:

1. Aplikasi ini dirancang untuk menentukan karyawan yang berhak menerima bonus di PT. Graha Travel & Tour Medan dengan metode Simple Additive

Weighting dan Weighted Product. Bahasa pemograman yang digunakan Visual Basic 2010 dengan database Microsoft Access 2007.

2. Kriteria yang digunakan pada aplikasi ini sebagai berikut: lama kerja di perusahaan, kedisiplinan, kualitas kerja, kerjasama dan sikap terhadap karyawan lain, kehandalan dan kejujuran, keluhan customer, jumlah penjualan dan kesalahan dalam pembuatan laporan.

3. Parameter pembanding dari kedua metode ini adalah kecepatan dalam pengambilan keputusan berdasarkan nilai kriteria dan bobot yang ada.

1.4. Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk menghasilkan aplikasi yang dapat menentukan pemberian bonus karyawan berdasarkan metode metode Simple Additive

Weighting (SAW) dan metode Weighted Product (WP).

1.5. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian dengan menerapkan metode Simple Additive

Weighting (SAW) dan metode Weighted Product (WP) adalah dapat membantu

manajer dalam menentukan karyawan yang berhak menerima bonus.

1.6. Metodologi Penelitian

1. Studi Kepustakaan

Pengumpulan referensi dalam penelitian yang dilakukan melalui pencarian jurnal, buku, tulisan ilmiah, e-book, maupun artikel yang berhubungan dengan sistem pengambilan keputusan khususnya metode Simple Additive Weighting

(SAW) dan metode Weighted Product (WP) serta bahasa pemrograman Visual Basic 2010. Dan juga pengambilan data pendukung dari perusahaan untuk melengkapi kriteria dalam pengambilan keputusan.

2. Analisis dan Perancangan Sistem

Pada tahap ini dilakukan pengolahan data dari hasil studi literatur kemudian melakukan analisis dan perancangan sistem dengan menggunakan Metode

Simple Additive Weighting (SAW) dan Metode Weighted Product (WP)

sehingga didapat gambaran sistem yang akan dibuat.

3. Implementasi Sistem

Metode ini merupakan lanjutan dari analisis dan perancangan sistem yang telah diimplementasikan ke dalam program komputer dengan menggunakan bahasa pemrograman Visual Basic 2010 dan database Ms. Access 2007.

4. Pengujian Aplikasi

Pada tahap ini dilakukan pengujian aplikasi yang telah dibuat apakah berhasil berjalan sesuai dengan keinginan dan apabila masih terdapat error maka dilakukan perbaikan hingga aplikasi berjalan lancar.

5. Dokumentasi

Tahap akhir dari penelitian, yaitu membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan.

1.7. Sistematika Penulisan

Adapun sistematika penulisan skripsi ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Bab ini merupakan bagian yang berisi latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, manfaat penelitian dan sistematika penulisan skripsi.

BAB 2 : LANDASAN TEORI

Pada bab ini dijelaskan tentang uraian teoritis yang berkaitan dengan Sistem Pendukung Keputusan, Metode Simple Additive Weighting (SAW), Metode Weighted

Product (WP), dan penelitian sebelumnya yang berhubungan dengan kedua metode

tersebut.

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini penulis menguraikan tentang proses perhitungan manual dari kedua metode dan perancangan sistem yang akan dibangun seperti flowchart dan rancangan DFD, perancangan database dan perancangan user interface aplikasi.

BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini menjelaskan tentang implementasi dari aplikasi yang telah dirancang sebelumnya serta tampilan aplikasi pada saat sistem dijalankan.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini berisikan kesimpulan mengenai hasil rancangan sistem yang telah dibuat dan disertai dengan saran yang berguna dalam usaha perbaikan dan pengembangan penelitian ini lebih lanjut.

LANDASAN TEORI

Pada bab ini akan dibahas teori mengenai Sistem Pendukung Keputusan, penelitan lain yang berhubungan dengan sistem pendukung keputusan, Simple Additve

Weighting (SAW), dan Weighted Product (WP).

2.1. Sistem Pendukung Keputusan

Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting sistem pendukung keputusan. Ia mendefinisikan sistem pendukung keputusan

sebagai “sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan

masalah-masalah tidak terstruktur” (Gorry dan Scott Morton, 1971) [14].

Secara Umum, Sistem Pendukung Keputusan adalah sebuah sistem yang mampu memberikan kemampuan, baik kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah semi terstruktur. Sedangkan secara Khusus, Sistem Pendukung Keputusan adalah sebuah sistem yang mendukung kerja seorang manager maupun sekelompok manager dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu [14].

Tujuan dari pembuatan sistem pendukung keputusan yaitu [2]:

1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur. 2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan

untuk menggantikan fungsi manajer.

3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan efisiensinya.

4. Kecepatan komputasi. Untuk menghasilkan keputusan dengan cepat dan dengan biaya yang rendah.

5. Peningkatan produktifitas. Dengan adanya sistem ini maka pengguna dapat melakukan beberapa pekerjaan dalam waktu yang hampir bersamaan.

6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat.

7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan. Tekanan persaingan menyebabkan tugas pengambil keputusan menjadi sulit. Teknologi pengambilan keputusan bisa menciptakan pemberdayaan signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang.

8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Menurut Simon (1977), otak manusia memiliki kemampuan yang terbatas untuk memroses dan menyimpan informasi. Orang-orang kadang sulit mengingat dan menggunakan sebuah informasi dengan cara yang bebas dari kesalahan.

Sistem pendukung keputusan terdiri dari 3 komponen utama atau subsistem yaitu[3]:

a. Subsistem Manajemen Basis Data

Kemampuan yang diperlukan dari subsistem ini antara lain :

1. Menggabungkan berbagai data melalui pengambilan data dan ekstraksi data. 2. Menambahkan data dengan cepat dan mudah.

3. Menggambarkan struktur data logikal sesuai dengan pemahaman pemakai agar pemakai dapat mengetahui dan menentukan kebutuhan basis data. 4. Menangani data secara khusus sehingga pemakai dapat mencoba berbagai

alternatif pertimbangan yang lain. 5. Mengelola berbagai variasi data.

b. Subsistem Manajemen Basis Model

1. Menciptakan model – model yang baru dengan cepat dan mudah. 2. Mengakses dan mengintegrasikan model – model keputusan.

3. Mengelola basis model dengan fungsi manajemen yang analog dan manajemen basis data.

c. Subsistem Perangkat Lunak Penyelenggara Dialog

Subsistem dialog adalah kemampuan interaksi antara sistem dan pemakai yang berasal dari fleksibilitas dan kekuatan karakteristik SPK.

Keunikan lainnya dari sistem pendukung keputusan adalah adanya fasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Fasilitas yang dimiliki oleh subsistem ini dapat dibagi atas 3 komponen yaitu [2]: 1. Bahasa aksi (Action Language) yaitu suatu perangkat lunak yang dapat

digunakan pengguna untuk berkomunikasi dengan sistem. Komunikasi ini dilakukan melalui berbagai pilihan media seperti keyboard, joystick dan key function.

2. Bahasa Tampilan (Display atau Presentation Language) yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu.

3. Basis Pengetahuan (Knowledge Base) yaitu bagian yang mutlak diketahui oleh pengguna sistem yang dirancang dapat berfungsi secara efektif.

2.2. Fuzzy Multiple Attribute Decision Making (FMADM)

FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan.

Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masing - masing kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan[7].

Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah

FMADM. antara lain[7] :

a. Simple Additive Weighting Method (SAW)

b. Weighted Product (WP)

c. ELECTRE

d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

e. Analytic Hierarchy Process (AHP)

2.2.1. Metode Simple Additive Weighting (SAW)

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.

�� jika j adalah atribut keberuntungan (benefit)

� = (2.1)

�

jika j adalah atribut biaya (cost)

Keterangan :

(2.2)

...

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

Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai: � = ∑

=

�

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Sedangkan untuk kriterianya terbagi dalam dua kategori yaitu untuk bernilai positif termasuk dalam kriteria keuntungan dan yang bernilai negatif termasuk dalam kriteria biaya.

Keterangan :

Ai = Alternatif

Cj = Kriteria

= Bobot Preferensi

� = Nilai preferensi untuk setiap alternatif

= Nilai alternatif dari setiap kriteria.

Secara singkat algoritma metode SAW adalah:

1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, di mana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2,…m

dan j=1,2,…n.

2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.

3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit = MAKSIMUM atau atribut biaya/cost = MINIMUM). Apabila berupa artibut keuntungan maka nilai crisp (xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX xij) dari

(2.3)

...

(2.4)

...

tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN xij) dari tiap kolom atribut dibagi dengan nilai crisp (xij) setiap kolom.

4. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W).

5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Viyang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih [4].

2.2.2. Metode Weighted Product (WP)

Metode WP menggunakan perkalian untuk menghubungkan rating atribut, di mana rating setiap atribut pertama sekali dipangkatkan dengan bobot atribut yang bersangkutan (Yoon, 1989). Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Aidiberikan sebagai berikut :

� = ∏

=

dengan i = 1, 2, 3, …, m.

j = 1, 2, 3, …, n.

Preferensi relatif dari setiap alternatif, diberikan sebagai berikut [7]:

∏

=

� =

∑ �

=

dengan i = 1, 2, 3, …, m. j = 1, 2, 3, …, n.

Secara singkat, algoritma dari metode ini adalah sebagai berikut:

1. Melakukan perbaikan bobot terlebih dahulu agar total bobot wj = 1. Caranya dengan membagi nilai bobot dengan penjumlahan seluruh nilai bobot.

2. Mengalikan seluruh atribut untuk sebuah alternatif dengan bobot sebagai pangkat positif untuk atribut keuntungan dan bobot pangkat negatif pada atribut biaya disebut vektor Si.

3. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif 4. Melakukan pembagian antara Si dan hasil penjumlahan Si (  Si ) yang akan

menghasilkan nilai preferensi Vi.

5. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.

2.3. Penelitian yang terkait dengan Metode SAW dan Metode WP

Berikut ini adalah beberapa penelitian yang terkait dengan metode SAW dan metode WP:

1. Penelitian yang berjudul “Simulasi Seleksi Mahasiswa Baru Jalur Undangan Dengan Menggunakan Metode Simple Additive Weighting”. Penelitian ini

bertujuan agar proses pengambilan keputusan dalam seleksi calon mahasiswa melalui jalur undangan yang memilih Fakultas MIPA dapat berjalan dengan cepat. Kriteria dalam penelitian ini adalah rata – rata nilai rapor kelas X sampai dengan kelas XII semester 1 untuk mata pelajaran matematika, fisika, kimia, biologi, bahasa Indonesia dan bahasa inggris. Selain itu, kriteria lain yang digunakan adalah SPP, penghasilan orang tua dan jumlah tanggungan. Pada penelitian ini, sistem pendukung keputusan dengan menggukan metode

simple additive weighting dapat berjalan dengan baik. Proses penyeleksian mahasiswa jalur undangan dipengaruhi oleh kriteria yang ditetapkan dan perbandingan tingkat kepentingan antara kriteria. Hasil akhir berupa perankingan yang memiliki nilai akhir terbesar berada pada peringkat atas dan

siswa yang diterima disesuaikan dengan daya tampung dari fakultas itu sendiri [13].

2. Penelitian selanjutnya berjudul “Sistem Pendukung Keputusan Untuk Merekomendasi TV Layar Datar Menggunakan Metode Weighted Product ”

bertujuan untuk memberikan rekomendasi TV layar datar terbaik bagi konsumen. Kriteria dari sistem yang dibangun antara lain: harga, merek, resolusi, ukuran dan berat TV. Kriteria tersebut diperoleh dari hasil kuisioner terhadap 30 responden. Berdasarkan penelitian tersebut metode weighted

product dapat digunakan dalam perhitungan merekomendasi televisi, dan

calon konsumen merasa terbantu dengan adanya sistem ini sebab hasil rekomendasi yang didapat sesuai dengan keinginan calon konsumen [9].

3. Penelitian selanjutnya berjudul “Sistem Pendukung Keputusan Penilaian Hasil Visitasi Support Area Dengan Menggunakan Metode Simple Additive

Weighting”. Penelitian ini bertujuan untuk menentukan nilai kinerja minimal

dari support area berdasarkan historikal yang ada sehingga hasil perankingan dari hasil nilai kinerja tersebut dapat menjadi rekomendasi bagi pihak manajemen. Kriteria yang digunakan pada penelitian ini antara lain: kuantitatif pengajaran mesin absensi, kuantitatif pengajaran software absensi, kuantitatif waktu visitasi, kualitatif kemampuan penyelesaian masalah dan kualitatif keaktifan selama visitasi. Hasil penerapan metode ini berjalan dengan baik sehingga mempermudah pihak manajemen dalam mengukur kinerja support area dan dapat menjadi media pengendalian kegiatan visitasi yang hasilnya dapat dipantau setiap periode [8].

4. Penelitian yang berjudul “Sistem Pendukung Keputusan Pemberian Bonus Pegawai Pada Hotel Alamanda Klaten Dengan Menggunakan Metode Weigted

Product”. Di dalamnya membahas mengenai pembuatan sistem yang dapat

bonus berdasarkan kriteria sebagai berikut: kreatifitas, absensi, profesionalitas, kebersihan, kerjasama, tanggungjawab, tata karma, dan penampilan. Nilai tertinggi untuk penilaian pada kriteria yaitu 100 dengan jumlah bobot referensi (bobot awal) yaitu 25. Pada penelitian ini sistem yang dibangun mengeluarkan hasil keputusan yang sama seperti pada perhitungan manual. Hanya saja pada sistem output yang dihasilkan lebih cepat sehingga dapat mempercepat kinerja manajer dalam menentukan siapa saja pegawai yang layak menerima bonus pada setiap periodenya [10].

5. Penelitian yang berjudul “Penentuan Penerima Beasiswa Dengan

Menggunakan Fuzzy MADM”. Untuk memperoleh hasil optimal diperlukan

kriteria yang mendukung sistem ini antara lain: nilai indeks prestasi akademik (IPK), penghasilan orang tua, jumlah tanggungan orang tua, dan jumlah saudara kandung. Dengan variabel penilaian sangat tinggi, tinggi, cukup, rendah dan sangat rendah. Perhitungan dilakukan dengan menggunakan metode SAW dengan cara pembobotan kriteria dan alternatif, dilanjutkan dengan normalisasi matriks keputusan ke suatu skala yang dapat dibandingkan dengan semua alternatif yang ada menjadi. Selanjutnya menghitung nilai preferensi setiap alternatif. Nilai yang terbesar mengindikasikan sebagai alternatif terbaik [11].

6. Penelitian selanjutnya berjudul “Implementasi Metode Simple Additive Weighting Pada Sistem Pengambilan Keputusan Sertifikasi Guru”. Penelitian ini bertujuan untuk membantu mengambil keputusan terhadap penilaian portofolio sertifikasi guru. Kriteria yang digunakan dalam pembuatan sistem ini adalah kualifikasi akademik, pendidikan dan pelatihan, pengalaman mengajar, perencanaan dan pelaksanaan pembelajaran, penilaian dari atasan, prestasi akademik, karya pengembangan profesi, keikutsertaan dalam forum ilmiah, pengalaman organisasi di bidang kependidikan dan sosial, dan penghargaan yang relevan dengan bidang pendidikan. Hasil dari penelitian

adalah dengan menggunakan perhitungan metode saw maka sistem sistem yang dibangun sudah dapat dapat melakukan perhitungan sistem pendukung keputusan dengan baik karena hasil perhitungan manual sesuai dengan hasil pengujian program dan keluaran yang dihasilkan berupa nilai dan laporan yang menunjukkan guru yang tersertifikasi [5].

7. Penelitian selanjutnya berjudul “Analisis Perbandingan Metode Analytical

Hierarchy Process (AHP) Dan Simple Additive Weighting (SAW) dengan

studi kasus penentuan pemberian bantuan modal wirausaha baru baru yang untuk membantu dalam menganalisis pemilihan siapa yang layak menerima bantuan modal wirausaha baru, sedangkan tujuan dari perbandingan kedua metode adalah untuk mengukur tingkat keakurasian informasi yang lebih akurat. Dalam pembuatan sistem dibutuhkan kriteria – kriteria pendukung yaitu: status tempat tinggal, parameter kemiskinan, produktivitas usaha, pendapatan per bulan, jumlah tanggungan keluarga dan fasilitas pendukung usaha. Namun, secara garis besar, kedua metode ini mampu menyelesaikan studi kasus yang sama dalam pengambilan keputusan dengan hasil akhir yang relatif sama. Metode AHP dianggap mampu memberikan informasi yang lebih akurat [4].

8. Penelitian berjudul “Pengembangan Sistem Pendukung Keputusan Berbasis Mobila Untuk Pengisian Kartu Rencana Studi Dengan Fuzzy Multi-Attribute

Decision Making (FMADM) Metode Simple Additive Weighting (SAW) Di

Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Singaraja” bertujuan untuk membantu mahasiswa dalam pengisian KRS. Pengisian KRS berdasarkan pada KHS semester sebelumnya yang akan menentukan SKS maksimal yang dapat diambil siswa. Hasilnya dalam pengisian KRS terdapat daftar matakuliah yang disarankan dan tidak disarankan serta menghasilkan pemetaan matakuliah pada semester selanjutnya sehingga membantu mahasiswa dalam pemilihan matakuliah [1].

ANALISIS DAN PERANCANGAN SISTEM

Bab ini akan membahas analisis masalah, analisis kebutuhan sistem, analisis data secara manual serta perancangan sistem pendukung keputusan metode Simple Additive

Weighting (SAW) dan metode Weighted Product (WP) dalam menetukan bonus

karyawan.

3.1. Analisis Masalah

Masalah yang dihadapi manajer sebelum dibangun sistem adalah sebagai berikut: a. Kesulitan dalam mengolah data yang banyak.

b. Keputusan yang diambil memakan waktu yang cukup lama karena harus membuka arsip.

c. Hasil keputusan juga tidak selalu akurat.

Masalah yang dihadapi dalam membangun sistem ini adalah sebagai berikut: a. Bagaimana membangun sistem pendukung keputusan yang dapat menentukan

pemberian bonus karyawan dengan menggunakan metode Simple Additive

Weighting (SAW) dan metode Weighted Product (WP).

b. Bagaimana membangun sistem yang bersifat user friendly untuk kenyamanan pengguna.

c. Bagaimana membangun hubungan antara kriteria dan penilaian agar menghasilkan keputusan yang cepat dan tepat.

Adapun metode yang digunakan dalam menganalisis permasalahan yang dihadapi dalam membangun aplikasi ini yaitu Fishbone Diagram/ Ishikawa Diagram/

Cause and Effect Diagram disebut juga diagram sebab-akibat karena menunjukkan hubungan antara sebab dan akibat. Dikatakan fishbone diagram

(diagram tulang ikan) karena memang berbentuk mirip dengan tulang ikan yang kepalanya menghadap ke kanan. Penemunya adalah seorang ilmuwan jepang pada tahun 60-an bernama Dr. Kaoru Ishikawa sehingga sering juga disebut dengan diagram Ishikawa.

Bagaimana Menentukan Bonus Karyawan Menggunakan Metode SAW dan Metode WP

Machine / Tools Man

Method Material

Hasil keputusan lambat Keputusan bersifat subjektif Sistem database Tidak tersedia

Hasil keputusan belum tentu akurat

Kualitas keputusan diragukan

Kriteria penilaian berubah-ubah Kedekatan

individu

Data diperiksa satu per satu

Kesulitan dalam menentukan kriteria yang tepat Menghabiskan banyak

waktu Belum ada

Sistem yang membantu Mengambil keputusan

Pemberian nilai/bobot Tidak pasti

Belum memakai metode pengambilan keputusan

Gambar 3.1. Fishbone Diagram Untuk Analisis Masalah

Berdasarkan gambar di atas, diagram Ishikawa berbentuk fishbone yang menunjukkan faktor Man, Machine, Method dan Material. Itu semua merupakan masalah yang mempengaruhi keseluruhan. Panah kecil menghubungkan sub penyebab

– penyebab utama.

3.2. Analisis Kebutuhan

Untuk mempermudah menganalisis sebuah sistem dibutuhkan dua jenis kebutuhan. Kebutuhan fungsional dan kebutuhan nonfungsional. Kebutuhan fungsional adalah kebutuhan yang berisi proses-proses apa saja yang nantinya dilakukan oleh sistem.

Sedangkan kebutuhan nonfungsional adalah kebutuhan yang menitikberatkan pada properti prilaku yang dimiliki oleh sistem.

3.2.1. Kebutuhan Fungsional Sistem

Berdasarkan kebutuhan sistem secara fungsional, sistem yang akan dibangun harus mampu melakukan input , mampu melakukan proses, mampu mempunyai

output/keluaran dan mampu mempunyai storage data/database.

Pertama sistem yang akan dibangun harus mampu melakukan input sebagai berikut:

1. Admin memasukkan user name dan password untuk login ke dalam sistem. 2. Admin memasukkan data untuk kelengkapan proses pada sistem ini. Data yang

dimaksud adalah data admin (user yang berhak mengakses sistem), data karyawan (berisi nama karyawan lengkap dengan identitas diri), data kriteria (berisi kriteria yang dibutuhkan untuk mengambil keputusan) dan data penilaian (berisi penilaian karyawan).

Ada delapan kriteria yang dijadikan acuan dalam pengambilan keputusan, dapat dilihat seperti pada Tabel 3.1.

Tabel 3.1. Kriteria

Kriteria Ketentuan Kriteria C1 Lama Kerja di Perusahaan

C2 Kedisiplinan

C3 Kualitas Kerja

C4 Kerjasama dan sikap terhadap karyawan lain

C5 Kehandalan dan kejujuran

C6 Keluhan customer

C7 Jumlah penjualan

Kriteria – kriteria pada Tabel3.1. di atas terkategorikan lagi menjadi dua buah kriteria yaitu kriteria biaya (cost) dan kriteria keuntungan (benefit). Kriteria C6

(keluhan customer) dan C8 (kesalahan dalam pembuatan laporan) adalah kriteria biaya

(cost); sedangkan C1 (lama kerja di perusahaan), C2 (kedisiplinan), C3 (kualitas kerja),

C4 (kerjasama dan sikap terhadap karyawan lain), C5 (kehandalan dan kejujuran), dan

C7 (jumlah penjualan) adalah kriteria keuntungan (benefit).

Kedua, sistem yang akan dibangun harus mampu melakukan proses seperti berikut:

1. Sistem mampu memproses data yang diinput lalu menampilkan kembali sebagai informasi yang sesuai berdasarkan hasil input sebelumnya.

2. Sistem mampu memproses data penilaian ke dalam bilangan fuzzy agar dapat dilakukan proses perhitungan berdasarkan persamaan (2.1) dan persamaan (2.2) untuk metode SAW dan persamaan (2.3) dan persamaan (2.4) untuk metode WP.

Data penilaian didapat dari masing – masing kriteria , lalu dibuat suatu tingkat kepentingan kriteria berdasarkan nilai bobot yang telah ditentukan ke dalam bilangan

fuzzy. Rating kecocokan setiap alternatif pada setiap kriteria adalah sebagai berikut :

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

Untuk mendapat nilai tersebut dibuatlah sebuah grafik agar lebih jelas seperti pada Gambar 3.1.

Gambar 3.2. Grafik Bobot

Keterangan : R = Rendah C = Cukup T = Tinggi ST = Sangat Tinggi

Berdasarkan kriteria dan rating kecocokan setiap alternatif yang telah ditentukan, selanjutnya akan diberikan nilai / bobot setiap alternatif pada setiap kriteria yang telah ditentukan.

1. Kriteria Lama Kerja di Perusahaan (C1)

Kriteria lama kerja di perusahaan dilihat dari lamanya karyawan bekerja di perusahaan. Variabel lama kerja di perusahaan yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.2.

Tabel 3.2. Lama Kerja di Perusahaan

C1 Nilai

C1<= 6bulan 0.25

C1<= 12 bulan 0.5

C1<= 24 bulan 0.75

C1> 24 bulan 1

R C _T ST

2. Kriteria Kedisiplinan (C2)

Kriteria kedisiplinan dilihat berdasarka kedisiplinan karyawan selama berada di perusahaan. Variabel kedisiplinan yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.3.

Tabel 3.3. Kedisiplinan

C2 Nilai

Rendah 0.25

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

3. Kriteria Kualitas Kerja (C3)

Kriteria kualitas kerja dilihat dari kualitas kerja karyawan selama bekerja di perusahaan. Variabel kualitas kerja yang telah dikonversi ke dalam bilangan fuzzy

dapat dilihat seperti pada Tabel 3.4.

Tabel 3.4. Kualitas Kerja

C3 Nilai

Rendah 0.25

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

4. Kriteria Kerjasama dan Sikap Terhadap Karyawan Lain (C4)

Kriteria kerjasama dan sikap terhadap karyawan lain dilihat dari keseharian karyawan selama jam kerja. Variabel kerjasama dan sikap terhadap karyawan lain yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.5.

Tabel 3.5. Kerjasama dan Sikap Terhadap Karyawan Lain

C4 Nilai

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

5. Kriteria Kehandalan dan Kejujuran (C5)

Kriteria kehandalan dan kejujuran dilihat dari sikap karyawan dalam menyelesaikan pekerjaan. Variabel kehandalan dan kejujuran yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.6.

Tabel 3.6. Kehandalan dan Kejujuran

C5 Nilai

Rendah 0.25

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

6. Kriteria Keluhan Customer (C6)

Kriteria keluhan customer dilihat dari banyak tidaknya keluhan dari customer selama karyawan bekerja. Variabel keluhan customer yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.7.

Tabel 3.7. Keluhan Customer

C6 Nilai

Rendah 0.25

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

7. Kriteria Jumlah Penjualan (C7)

Kriteria jumlah penjualan dilihat dari nilai / total harga tiket bukan berdasarkan jumlah tiket. Variabel jumlah penjualan yang telah dikonversi ke dalam bilangan fuzzy

Tabel 3.8. Jumlah Penjualan

C7 Nilai

C7<= 250juta 0.25

C7<= 500juta 0.5

C7<= 700 juta 0.75

C7> 700juta 1

8. Kriteria Kesalahan dalam Pembuatan Laporan (C8)

Kriteria kesalahan dalam pembuatan laporan dilihat dari kelalaian karyawan dalam melaporkan deposit perusahaan. Variabel kesalahan dalam pembuatan laporan yang telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.9.

Tabel 3.9. Kesalahan dalam Pembuatan Laporan

C8 Nilai

Rendah 0.25

Cukup 0.5

Tinggi 0.75

Sangat Tinggi 1

Ketiga, sistem yang akan dibangun harus mampu mempunyai output/keluaran yaitu:

1. Sistem menampilkan hasil akhir perhitungan dengan menggunakan metode SAW dan metode WP yang sesuai dengan data yang diinput.

2. Sistem menampilkan perankingan/ alternatif terbaik sesuai dengan data yang diinput.

Dan yang terakhir, sistem yang akan dibangun memiliki storage data / database

3.2.2. Kebutuhan Non Fungsional Sistem

Kebutuhan nonfungsional sistem terbagi menjadi beberapa bagian yaitu: 1. Dari segi perangkat keras, sistem ini dirancang:

- Processor dengan kecepatan 2,1 GHz atau lebih.

- Hard Disk 40 GB.

- RAM 512 MB atau lebih.

- Perangkat masukan standar seperti keyboard dan mouse.

- Perangkat keluaran standar seperti monitor dengan resolusi minimal 1024 x 768.

2. Dari segi perangkat lunak, sistem ini dirancang:

- Sistem Operasi Windows 7.

- Microsoft Visual Basic 2010.

- Microsoft Access 2007.

3. Dari segi performance, sistem ini dirancang:

- User friendly, mudah digunakan.

- Interface / tampilan yang menarik.

- Keluaran/output yang dihasilkan waktunya relatif singkat sehingga tidak mengganggu kinerja user.

3.3. Analisis Data

Analisis data pada sub bab ini difokuskan kepada perhitungan matematis secara manual. Sampel data yang diambil sebanyak 4 orang karyawan.

3.3.1. Perhitungan Manual Metode SAW

Nilai dari setiap kriteria merupakan hasil penginputan data alternatif karyawan yang sudah dikonversikan berdasarkan bobot kritera yang sudah ditentukan melalui proses perhitungan. Data karyawan dapat dilihat seperti pada Tabel 3.10.

Tabel 3.10. Data Karyawan

Karyawan (Alternatif)

Kriteria

C1 C2 C3 C4 C5 C6 C7 C8

Lisa 5 S.Tinggi Cukup Rendah Cukup Tinggi 249 Cukup Dini 11 Tinggi Tinggi Rendah S.tinggi Cukup 400 Rendah Ariska 5 Rendah Cukup Cukup Cukup Tinggi 249 Tinggi Anet 25 Cukup S.Tinggi Cukup Tinggi Rendah 702 Rendah

Bobot untuk setiap kriteria : {Sangat Tinggi, Tinggi, Cukup, Cukup, Cukup, Tinggi, Sangat Tinggi, Tinggi}.

Berdasarkan data di atas dapat dibentuk matriks keputusan X yang telah dikonversikan ke dalam bilangan fuzzy seperti pada Tabel 3.11.

Tabel 3.11. Rating Kecocokan dari setiap alternatif pada setiap kriteria

Karyawan (Alternatif)

Atribut

C1 C2 C3 C4 C5 C6 C7 C8

Lisa (A 0.25 1 0.5 0.25 0.5 0.75 0.25 0.5

Dini (A 0.5 0.75 0.75 0.25 1 0.5 0.5 0.25

Ariska A 0.25 0.25 0.5 0.5 0.5 0.75 0.25 0.75

Anet A 1 0.5 1 0.5 0.75 0.25 1 0.25

Vektor Bobot dari masing – masing kriteria : W=[ 1, 0.75, 0.5, 0.5, 0.5, 0.75, 1, 0.75 ]. Matriks keputusan X, yang dibuat berdasarkan tabel 3.11 adalah sebagai berikut :

X =

. 5

.5 .75

. 5 . 5

.5

.5 . 5

.75 . 5

.5 .5

.5

.5 .75 .5 .5 .75

.75 . 5

. 5 .5

.5 . 5

. 5 .75

Pertama, matrix X dinormalisasi untuk menghitung nilai masing – masing kriteria berdasarkan kriteria yang diasumsikan sebagai kriteria keuntungan dan kriteria biaya sebagai berikut:

Untuk Alternatif-1 (A ):

r11 = .

Max { . , . , . , } = .

= 0.25 r12 =

Max { , . , . , . } = = 1

r13 = _{Max { . , . , . , }}. = . = 0.5

r14 = .

Max { . , . , . , . } = .

. = 0.5

r15 = _{Max { . , , . , . }}. = . = 0.5

r16 = Min { . , . , . , . }

. =

.

. = 0.33

r17 = .

Max { . , . , . , } = .

= 0.25 r18 = Min{ . , . , . , . }

. =

.

. = 0.5

Untuk Alternatif-2 (A ) :

r21 = .

Max { . , . , . , } = .

= 0.5

r22 = .

Max { , . , . , . } = .

= 0.75

r23 = .

Max { . , . , . , } = .

= 0.75

r24 = .

Max { . , . , . , . } = .

. = 0.5

r25 =

Max { . , , . , . } = = 1

r26 = Min { . , . , . , . }

. =

.

. = 0.5

r27 = _{Max { . , . , . , }}. = . = 0.5

r28 = Min{ . , . , . , . }

. =

.

Untuk Alternatif-3 (A ) :

r31 = _{Max { . , . , . , }}. = . = 0.25

r32 = _{Max { , . , . , . }}. = . = 0.25

r33 = _{Max { . , . , . , }}. = . = 0.5

r34 = _{Max { . , . , . , . }}. = ._. = 1

r35 = _{Max { . , , . , . }}. = . = 0.5

r36 = Min { . , . , . , . }

. =

.

. = 0.33

r37 = _{Max { . , . , . , }}. = . = 0.25

r38 = Min{ . , . , . , . }

. =

.

. = 0.33

Untuk Alternatif-4 (A ) : r41 =

Max { . , . , . , } = = 1

r42 = .

Max { , . , . , . } = .

= 0.5

r43 = _{Max { . , . , . , }} = = 1

r44 = _{Max { . , . , . , . }}. = ._. = 1

r45 = _{Max { . , , . , . }}. = . = 0.75

r46 = Min { . , . , . , . }

. =

.

. = 1

r47 =

Max { . , . , . , } = = 1

r48 = Min{ . , . , . , . }

. =

.

. = 1

Kedua, membuat matriks ternormalisasi R yang diperoleh dari hasil normalisasi matriks X sebagai berikut:

R =

. 5

.5 .75

. 5 . 5

.5

.5 .5

.75 .5

.5

.5 . .5 .5 . .75

. 5 .5 .5

. 5 .

Selanjutnya akan dibuat perkalian matriks W * R dan penjumlahan hasil perkalian untuk memperoleh alternatif terbaik dengan melakukan perangkingan nilai terbesar sebagai berikut:

V = (1) (0.25) + (0.75) (1) + (0.5) (0.5) + (0.5) (0.5) + (0.5) (0.5) + (0.75) (0.33) + (1) (0.25) + (0.75) (0.5)

= 0.25 + 0.75 + 0.25 + 0.25 + 0.25 + 0.2475 + 0.25 + 0.2475 = 2.495

V = (1) (0.5) + (0.75) (0.75) + (0.5) (0.75) + (0.5) (0.5) + (0.5) (1) + (0.75) (0.5) + (1) (0.5) + (0.75) (1)

= 0.5 + 0.5625 + 0.375 + 0.25 + 0.5 + 0.375 + 0.5 + 0.75 = 3.8125

V = (1) (0.25) + (0.75) (0.25) + (0.5) (0.5) + (0.5) (1) + (0.5) (0.5) + (0.75) (0.33) + (1) (0.25) + (0.75) (0.33)

= 0.25 + 0.1875 + 0.25 + 0.5 + 0.25 + 0.2475 + 0.25 + 0.2475 = 2.1825

V = (1) (1) + (0.75) (0.5) + (0.5) (1) + (0.5) (1) + (0.5) (0.75) + (0.75) (1) + (1) (1) + (0.75) (1)

= 1 + 0.375 + 0.5 + 0.5 + 0.375 + 0.75 + 1 + 0.75 = 5.25

Hasil perankingan diperoleh : � = 2.495, � = 0.96, � = 3.8125 dan � = 5.25. Nilai terbesar ada pada V4 sehingga alternatif A4 (Anet) merupakan alternatif yang

terpilih sebagai alternatif terbaik.

3.3.2. Perhitungan Manual Metode WP

Permasalahan pada Tabel 3.10. akan diselesaikan dengan metode WP. Sebelumnya akan dilakukan perbaikan bobot terlebih dahulu. Bobot awal W = (1, 0.75, 0.5, 0.5, 0.5, 0.75, 1, 0.75) akan diperbaiki sehingga total bobot wj = 1, dengan cara wj = wj /

Ʃ wj :

w1 = _{+ . + . + . + . + . + + .} = 0.1739

w2 = .

+ . + . + . + . + . + + . = 0.1304

w3 = .

+ . + . + . + . + . + + . = 0.0869

w4 = .

+ . + . + . + . + . + + . = 0.0869 w5 = _{+ . + . + . + . + . + + .}. = 0.0869

w6 = .

+ . + . + . + . + . + + . = 0.1304 w7 =

+ . + . + . + . + . + + . = 0.1739

w8 = .

+ . + . + . + . + . + + . = 0.1304

Kemudian vektor S dihitung berdasarkan persamaan 2.3 sebagai berikut : S1 = (0.250.1739) (10.1304) (0.50.0869) (0.250.0869) (0.50.0869) (0.75-0.1304)

(0.250.1739) (0.5-0.1304)

= (0.7858) (1) (0.9415) (0.8865) (0.9415) (1.0382) (0.7858) (1.1981) = 0.5515

S2 = (0.50.1739) (0.750.1304) (0.750.0869) (0.250.0869) (10.0869) (0.5-0.1304) (0.50.1739)

= (0.8864) (0.9632) (0.9753) (0.8865) (1)(1.0946) (0.8864) (1.1981) = 0.8582

S3 = (0.250.1739) (0.250.1304) (0.50.0869) (0.50.0869) (0.50.0869) (0.75-0.1304)

(0.250.1739) (0.75-0.1304)

= (0.7858) (0.8346) (0.9415) (0.9415) (0.9415) (1.0382) (0.7858) (1.0382)

= 0.4637

S4 = (10.1739) (0.50.1304) (10.0869) (0.50.0869) (0.750.0869) (0.25-0.1304) (10.1739)

(0.25-0.1304)

= (1) (0.9136) (1) (0.9415) (0.9753) (1.1981) (1) (1.1981) = 1.2043

Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung berdasarkan persamaan 2.4. sebagai berikut:

V1 = .

. + . + . + . = 0.17918

V2 = .

. + . + . + . = 0.27885

V3 = .

. + . + . + . = 0.15065

V4 = .

. + . + . + . = 0.39131

Hasil perangkingan diperoleh : � = 0.17918, � = 0.27885, � = 0.15065 dan

�= 0.39131. Nilai terbesar ada pada V4 sehingga alternatif A4 (Anet) merupakan

3.4. Perancangan Sistem

Dalam perancangan sistem akan digambarkan mengenai proses pemberian bonus karyawan dalam bentuk diagram konteks, Data Flow Diagram (DFD), Entity Relationship Diagram (ERD), perancangan database, flowchart serta rancangan – rancangan tampilan program.

3.4.1. Diagram Konteks

Diagram konteks disebut juga dengan model sistem fundamentasi, merepresentasikan seluruh elemen sistem sebagai sebuah bubble tunggal dengan data input dan output yang ditunjukkan oleh anak panah yang masuk dan keluar secara berurutan [12]. Diagram Konteks untuk sistem ini dapat dilihat seperti pada Gambar 3.3.

0

Sistem Pendukung Keputusan Untuk Menentukan Bonus Karyawan dengan metode SAW

dan Metode WP Admin

Manajer Info Login

Info Perankingan Metode SAW Info Perankingan Metode WP

Info Data Karyawan Info Penilaian Data Login

Data Admin Data Penilaian Data Karyawan Data Kriteria

Info Data Login Info Data Admin Info Data Penilaian Info Data Karyawan Info Data Kriteria

Data Login

Gambar 3.3. Diagram Konteks Sistem

3.4.2. Data Flow Diagram (DFD)

Diagram Alir Data / Data Flow Diagram (DFD) adalah sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. DFD juga dikenali sebaga grafik aliran data atau

bubble chart [12].

DFD dapat digunakan untuk menyajikan sebuah sistem atau perangkat lunak pada setiap tingkat abstraksi. Kenyataannya, DFD dapat dipartisi ke dalam tingkat – tingkat yang merepresentasikan aliran informasi yang bertambah dan fungsi ideal. Demikianlah, DFD memberikan suatu mekanisme bagi pemodelan fungsional dan pemodelan aliran informasi.

Info Data Admin 2.0 Input Data Admin 3.0 Input Data Karyawan 5.0 Input Data Penilaian 6.0 Proses SAW 7.0 Proses WP Admin Manajer admin karyawan kriteria penilaian Data Admin 1.0 Input Login 4.0 Input Data Kriteria Data Login In fo D a ta Lo g

in Info Data Login

Data Admin Info Data Admin

Data Karyawan

Info Data Karyawan

Data Kriteria

Data Kriteria

Info Data Kriteria

6.0 Proses Normalisasi matrix_bonus hasil_vektor_ wp hasil_saw hasil_wp Info Hasil SAW

Info Hasil WP

Info Hasil SAW Data Penilaian In fo D a ta Pe n ila ia n Data Matrix Info Data Matrix

Hasil vektor WP

Hasil WP D a ta L o g in In fo D a ta L o g in D a ta L og in

Info Data Karyawan Info Data Kriteria

Info Data Matrix Info Data Penilaian

Info Data Penilaian

Info Hasil WP Hasil SAW Data Hasil Vektor WP Info Data Karyawan

Data Karyawan

Data Penilaian

Gambar 3.4. DFD Level 1 Sistem

3.4.3. Entity Relationship Diagram (ERD)

ERD pada mulanya diusulkan oleh Peter Chen [CHE77] untuk desain sistem database realasional dan telah dikembangkan oleh yang lainnya. Serangkaian komponen utama diidentifikasikan untuk ERD; objek data, atribut, hubungan dan berbagai tipe indikator. Tujuan utama dari ERD adalah untuk mewakili objek data dan hubungan mereka [12].

Berdasarkan rancangan sistem menggunakan DFD maka dibuatlah rancangan ERD yang merepresentasikan secara grafis hubungan antar entitas. Rancangan ERD dapat dilihat seperti pada Gambar 3.5

admin id_admin* usernamet password level hasil_saw id_saw * id_karyawan** hasil_saw hasil_wp id_wp * id_karyawan** hasil_wp kriteria id_kriteria* kriteria keterangan_kriteria bobot kategori penilaian id_penliaian * id_karyawan ** lama_kerja Kedisiplinan kualitas_kerja kerjasama kehandalan keluhan_customer jumlah_penjualan kesalahan karyawan id_karyawan * nik nama alamat tempat_lahir tanggal_lahir jenis_kelamin status One to many

One to Many

memiliki One to many

Many to one

Memiliki Many to one

Membutuhkan Many to one

One to many

One to one One to one

Gambar 3.5. Entity Relationship Diagram (ERD) Sistem

3.4.4. Perancangan Database

Rancangan database untuk sistem pendukung keputusan ini meliputi : 1. Tabel Admin

Tabel ini berfungsi sebagai tempat menyimpan data admin. Struktur tabel dapat dilihat seperti pada Tabel 3.12.

Tabel 3.12. Tabel Admin

Field Type Keterangan

id_admin AutoNumber id admin (Primary Key)

username Text nama admin

password Text password admin

level Text level admin

2. Tabel Kriteria

Tabel ini berfungsi sebagai tempat menyimpan data kriteria. Struktur tabel dapat dilihat seperti pada Tabel 3.13.

Tabel 3.13. Tabel Kriteria

Field Type Keterangan

id_kriteria AutoNumber id kriteria (Primary Key)

kriteria Text kriteria

ketentuan_kriteria Text ketentuan kriteria kategori Text kriteria max atau min

bobot Text nilai bobot

3. Tabel Karyawan

Tabel ini berfungsi sebagai tempat menyimpan data karyawan. Struktur tabel dapat dilihat seperti pada Tabel 3.14.

Tabel 3.14. Tabel Karyawan

Field Type Keterangan

id_karyawan AutoNumber id karyawan (Primary Key)

Nik Text nomor karyawan

nama_karyawan Text nama karyawan

alamat Text alamat karyawan

tempat_lahir Text tempat lahir karyawan tgl_lahir Date/time tanggal lahir karyawan jenis_kelamin Text jenis kelamin karyawan

Status Text status karyawan

4. Tabel Penilaian

Tabel ini berfungsi sebagai tempat menyimpan data penilaian. Struktur tabel dapat dilihat seperti pada Tabel 3.15.

Tabel 3.15. Tabel Penilaian

Field Type Keterangan

Id_penilaian AutoNumber id penilaian(Primary Key) id_karyawan Number id karyawan (Foreign Key

 Tabel Karyawan) lama_kerja Number lama kerja karyawan kedisiplinan Text kedisiplinan karyawan kualitas_kerja Text kualitas kerja karyawan

kerjasama Text kerjasama karyawan

kehandalan Text kehandalan dalam bekerja keluhan_customer Text keluhan customer

jumlah_penjualan Number jumlah penjualan karyawan kesalahan Text tingkat kesalahan karyawan

5. Tabel Matrix Bonus

Tabel ini berfungsi sebagai tempat menyimpan data matrix bonus. Struktur tabel dapat dilihat seperti pada Tabel 3.16.

Tabel 3.16. Tabel Matrix Bonus

Field Type Keterangan

id_matrix AutoNumber id matrix (Primary Key) id_karyawan Number id karyawan (Foreign Key

 Tabel Karyawan) matrix_lamakerja Text matrix lama kerja matrix_kedisiplinan Text matrix kedisiplinan matrix_kualitas Text matrix kualitas matrix_kerjasama Text matrix kerjasama matrix_kehandalan Text matrix kehandalan matrix_keluhan Text matrix keluhan matrix_penjualan Text matrix penjualan matrix_kesalahan Text matrix kesalahan

6. Tabel Hasil SAW

Tabel ini berfungsi sebagai tempat menyimpan data hasil SAW. Struktur tabel dapat dilihat seperti pada Tabel 3.17.

Tabel 3.17. Tabel Hasil SAW

Field Type Keterangan

id_saw AutoNumber id saw (Primary Key) id_karyawan Number id karyawan

7. Tabel Hasil Vektor WP

Tabel ini berfungsi sebagai tempat menyimpan data hasil vektor wp. Struktur tabel dapat dilihat seperti pada Tabel 3.18.

Tabel 3.18. Tabel Hasil Vektor WP

Field Type Keterangan

id_vektor AutoNumber id vektor (Primary Key) id_karyawan Number id karyawan (Foreign Key

 Tabel Karyawan) hasil_vektor Number hasil vektor karyawan 8. Tabel Hasil WP

Tabel ini berfungsi sebagai tempat menyimpan data hasil wp. Struktur tabel dapat dilihat seperti pada Tabel 3.19.

Tabel 3.19. Tabel Hasil WP

Field Type Keterangan

id_wp AutoNumber id wp (Primary Key)

id_karyawan Number id karyawan (Foreign Key

 Tabel Karyawan)

hasil_wp Number hasil wp

3.4.5. Flowchart

Flowchart adalah penggambaran secara grafik dalam bentuk diagram alir dari suatu algoritma dalam suatu program yang menyatakan arah alur program dalam menyelesaikan suatu masalah.

Untuk membangun sistem pendukung keputusan menentukan bonus karyawan dengan metode SAW dapat dilihat seperti pada Gambar 3.6 dan metode WP dapat dilihat seperti pada Gamber 3.7.

Menentukan Alternatif Ai, i-1,2,3...n Menentukan Kriteria Ci

Menentukan Rating kecocokan setiap alternatif pada setiap kriteria yaitu Rendah (R), Cukup (C), Tinggi (T),

Sangat Tinggi (ST)

Menentukan nilai bobot (W) pada setiap

kriteria

Mengevaluasi bobot pada setiap kriteria dan derajat kecocokan serta

alaternatif terhadap kriteria

Proses Normalisasi Matriks

Hasil Perankingan Dengan Metode SAW

Mulai

Selesai

Representasi Masalah Menetukan Alternatif Ai,

i-1,2,3...n Menentukan Kriteria Ci

Menentukan Rating kecocokan setiap alternatif pada setiap

kriteria yaitu

Rendah (R), Cukup (C), Tinggi (T), Sangat Tinggi (ST)

Menentukan nilai bobot (W) setiap

kriteria

Memperbaiki nilai bobot agar total bobot Ʃwj = 1, dengan cara wj = wj / Ʃ wj

Proses Normalisasi (vektor S) dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan lalu kemudian dihubungkan dengan perkalian.

Nilai vektor V didapat dari hasil proses normalisasi tiap alternatif dibagi dengan penjumlahan hasil proses normalisasi

secara keseluruhan.

Hasil Perankingan Dengan Metode WP

Mulai

Selesai

3.2.6. Rancangan Antar Muka

Antarmuka pemakai (user interface) merupakan aspek terpenting pada sistem komputer. Hal ini dikarenakan melalui antarmuka pengguna inilah manusia sebagai

user dapat berinteraksi dan mengendalikan sistem yang telah dirancang tersebut. Antarmuka sistem pendukung keputusan pemberian bonus karyawan antara lain :

1. Rancangan Form Login

Rancangan form login dapat dilihat seperti pada gambar 3.8.

Gambar 3.8. Rancangan Form Login

Keterangan :

1) List box untuk pilih user (admin atau pimpinan) 2) Textbox untuk input username.

3) Textbox untuk input password.

Form Login

Level

User ID

Password

XXX

XXX

Keluar

1

2

Login

XXX 3

4) Tombol Login untuk menyimpan data.

5) Tombol Cancel untuk membatalkan data yang sudah di input.

2. Rancangan Halaman Utama Admin & Pimpinan

Rancangan halaman utama dapat dilihat seperti pada gambar 3.9.

Gambar 3.9. Rancangan Form Utama Admin & Pimpinan

Keterangan : 1. Judul form.

2. Menu file untuk keluar dari aplikasi.

3. Menu master pada Admin berisi pengolahan data admin, pengolahan data kriteria, pengolahan data penilaian dan pengolahan data karyawan.

4. Menu metode pada Pimpinan berisi hasil metode SAW dan hasil metode WP. 5. Menu data hanya ada pada Pimpinan yang berisi tentang tampilan data

karyawan dan data penilaian.

3. Rancangan Pengolahan Data Admin

Rancangan halaman utama dapat dilihat seperti pada gambar 3.10.

File Master

SPK Bonus Karyawan

1

2 3

Data

5

Metode

Pengolahan Data Admin

Username Password Level

XXX

XXX

Ubah

1

2

Tambah

XXX 3

4 5 6 Hapus

Output

8

Keluar

7

Gambar 3.10. Rancangan Pengolahan Data Admin

Keterangan :

1. Tempat untuk menginputUsernane.

2. Tempat untuk menginput password. 3. Tempat untuk menginput level.

4. Tombol Tambah untuk menambah data. 5. Tombol Ubah untuk merubah data.

6. Tombol Hapus digunakan untuk menghapus data yang ada.

7. Tombol Keluar digunakan untuk keluar dari form pengolahan data admin 8. Output dari data yang telah di update sebelumnya.

4. Rancangan Pengolahan Data Kriteria

Pengolahan Data Kriteria

Kriteria

Ketentuan Kriteria

Kategori

Bobot

XXX

XXX

Ubah

1

2

Tambah

5 6 7 Hapus

XXX

XXX 4

Output

9 Keluar 8 3

Gambar 3.11. Rancangan Pengolahan Data Kriteria

Keterangan :

1. Tempat untuk menginputkriteria.

2. Tempat untuk menginput ketentuan kriteria. 3. Tempat untuk menginput kategori.

4. Tempat untuk menginput bobot

5. Tombol Tambah untuk menambah data 6. Tombol Ubah untuk merubah data

7. Tombol Hapus digunakan untuk menghapus data yang ada.

8. Tombol Keluar digunakan untuk keluar dari form pengolahan data kriteria. 9. Output dari data yang telah di update sebelumnya.

5. Rancangan Pengolahan Data Karyawan

Pengolahan Data Karyawan

Ubah Tambah 8 9 Hapus 10 1 2 3 4 5 6 Output 12 Keluar 11 NIK Nama Alamat Tempat Lahir Tanggal Lahir Jenis Kelamin 7 Status

Gambar 3.12. Rancangan Pengolahan Data Karyawan

Keterangan :

1. Tempat untuk menginput NIK.

2. Tempat untuk menginput nama karyawan. 3. Tempat untuk menginput alamat.

4. Tempat untuk menginput tempat lahir. 5. Tempat untuk menginput tanggal lahir. 6. Tempat untuk menginput jenis kelamin. 7. Tempat untuk menginput status.

8. Tombol Tambah untuk menambah data. 9. Tombol Ubah untuk merubah data.

10.Tombol Hapus digunakan untuk menghapus data yang ada.

11.Tombol Keluar digunakan untuk keluar dari form pengolahan data karyawan.

6. Rancangan Pengolahan Data Penilaian.

Rancangan pengolahan data penilaian dapat dilihat seperti pada Gambar 3.13.

Pengolahan Data Penilaian

Ubah Tambah

10 11 12 Hapus

1 2 3 4 5 6 7 8 9 Output 14 Keluar 13 Nama Karyawan

Lama Kerja di Perusahaan

Kedisiplinan Kualitas Kerja Kerjasama Terhadap Karyawan Lain Kehandala & Kejujuran Bulan Keluhan Customer Jumlah Penjualan Kesalahan dalam Pembuatan Laporan

Gambar 3.13. Rancangan Pengolahan Data Penilaian

Keterangan :

1. Tempat untuk menginput namaa karyawan.

2. Tempat untuk menginput lama kerja di perusahaan dalam skala bulan. 3. Tempat memilih tingkat kedisiplinan.

4. Tempat memilih tingkat kualitas kerja.

5. Tempat memilih tingkat kerjasama terhadap karyawan lain. 6. Tempat memilih tingkat kehandalan dan kejujuran.

7. Tempat memilih tingkat keluhan customer. 8. Tempat untuk menginput banyaknya penjualan.

7. Hasil Perankingan Metode SAW

Rancangan hasil perankingan dengan metode saw dapat dilihat seperti pada gambar 3.14.

Hasil Perankingan dengan Metode SAW

Hasil SAW

2 1

Waktu Eksekusi 3 Keluar

4

Gambar 3.14. Rancangan Hasil Perankingan Metode SAW

Keterangan : 1. Judul Form

2. Hasil Perankingan Metode SAW. 3. Durasi kemunculan hasil.

4. Tombol keluar untuk keluar dari form hasil metode SAW.

8. Rancangan Hasil Perankingan Metode WP

waktu

Hasil Perankingan dengan Metode WP

Hasil WP

2 1

Keluar 4

Waktu Eksekusi 3

Gambar 3.15. Rancangan Hasil Perankingan Metode WP

Keterangan : 1. Judul Form

2. Hasil Perankingan Metode WP. 3. Durasi kemunculan hasil.

IMPLEMENTASI DAN PENGUJIAN SISTEM

Pada bab ini akan dibahas tampilan akhir antarmuka program, pengujian sistem dan grafik waktu pencarian.

4.1 Implementasi Sistem

Dalam implementasi sistem akan dibahas mengenai tampilan akhir antarmuka sistem yang disesuaikan dengan perancangan sistem yang telah dibuat pada bab sebelumnya.

1. Tampilan Splash Screen.

Tampilan ini muncul pada saat pertama sekali program dijalankan. Halaman ini menampilkan judul aplikasi, versi serta tahun pembuatan dari aplikasi itu sendiri. Tampilan splash screen dapat dilihat pada Gambar 4.1.

2. Tampilan Form Login

Form ini menampilkan user (admin/pimpinan) yang ingin memakai aplikasi ini. Setiap

user diharuskan memberikan username dan password yang benar agar dapat masuk ke

form utama. Tampilan form login dapat dilihat seperti pada Gambar 4.2.

Gambar 4.2. Tampilan Form Login

3. Tampilan Form Utama Admin dan Pimpinan

Form ini menampilkan menu – menu yang ada pada form utama admin dan pimpinan. Tampilan form ini dapat dilihat seperti pada Gambar 4.3.

Gambar 4.3. Tampilan Form Utama Admin dan Pimpinan

4. Tampilan Form Pengolahan Data Admin

Form ini hanya dapat diakses oleh level user admin. Pada form ini admin dapat melakukan pengolahan data admin baik itu menambah data, mengubah data, dan menghapus data. Selain itu juga ditampilkan hasil dari pengolahan data melalui tabel yang ada pada form tersebut. Tampilan form ini dapat dilihat seperti pada Gambar 4.4.

Gambar 4.4. Tampilan Form Pengolahan Data Admin

5. Tampilan Form Pengolahan Data Karyawan

Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin. Hanya sumber data saja yang berbeda yaitu data karyawan. Tampilan form dapat dilihat pada Gambar 4.5.

6. Tampilan Form Pengolahan Data Kriteria

Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin dan data karyawan. Hanya sumber data saja yang berbeda yaitu data kriteria. Tampilan form dapat dilihat pada Gambar 4.6.

Gambar 4.6. Tampilan Form Pengolahan Data Kriteria

7. Tampilan Form Pengolahan Data Penilaian

Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin, data karyawan, dan data kriteria. Hanya sumber data saja yang berbeda yaitu data penilaian. Tampilan form dapat dilihat pada Gambar 4.7.

Gambar 4.7. Tampilan Form Pengolahan Data Penilaian

8. Tampilan Form Hasil Perankingan dengan Metode SAW

Form ini menampilkan hasil perankingan dengan metode SAW sesuai data yang telah diinput sebelumnya. Tampilan form dapat dilihat seperti pada Gambar 4.8.

9. Tampilan Form Hasil Perankingan dengan Metode WP

Form ini menampilkan hasil perankingan dengan metode WP sesuai data yang telah diinput sebelumnya. Tampilan form dapat dilihat seperti pada Gambar 4.9.

Gambar 4.9. Tampilan Form Hasil Perankingan dengan Metode WP

4.2 Pengujian Sistem

Pengujian sistem dilakukan untuk menentukan karyawan yang berhak menerima bonus menggunakan Metode Simple Additive Weighting dan Metode Weighted Product (Studi Kasus: PT. Graha Travel & Tour Medan) berdasarkan waktu tempuh pencarian.

4.2.1. Proses Pengujian Sistem

Proses pengujian sistem dilakukan dengan cara memilih menu master pada form utama pimpinan. Untuk melihat hasil perankingan SAW maka pilih submenu SAW dan untuk melihat hasil perankingan WP maka pilih submenu WP. Proses pengujian dapat dilihat seperti pada Gambar 4.10.

Gambar 4.10. Tampilan Proses Pengujian Metode SAW dan WP

4.2.2. Hasil Pengujian Sistem

Pengujian sistem dilakukan dengan beberapa kali pengujian. Hasil dari pengujian yang akan dilihat adalah perbedaan waktu dari kedua metode.

1. Pengujian Pertama Metode SAW

Pengujian sistem dari hasil proses SAW dapat dilihat seperti pada Gambar 4.11.

Gambar 4.16. Tampilan Pengujian Ketiga Metode WP

Pada pengujian ketiga dengan 12 data sebagai input waktu eksekusi yang diperoleh sebesar 0.0646 detik untuk metode WP.

Berdasarkan dari hasil pengujian di atas maka dapat disimpulkan bahwa waktu eksekusi metode WP lebih cepat dibandingkan dengan waktu eksekusi metode SAW. Walaupun waktu eksekusi berbeda tetapi hasil keputusan yang dihasilkan relatif sama baik pada pengujian pertama, pengujian kedua dan pengujian ketiga. Hasil pengujian dapat dilihat seperti pada Tabel 4.1.

Tabel 4.1. Hasil Pengujian Metode SAW dan Metode WP

Metode

Pengujian (detik) Pengujian Pertama

(4 data)

Pengujian Kedua (8 data)

Pengujian Ketiga (12 data)

SAW 0.0870 0. 0878 0.0906

WP 0. 0607 0. 0616 0.0646

60

Berdasarkan Tabel 4.1 di atas maka dapat dibuat sebuah grafik yang menggambarkan perbedaan waktu eksekusi antara metode SAW dan metode WP seperti yang terlihat pada Gambar 4.16.

Gambar 4.17. Grafik Waktu Eksekusi Metode SAW dan Metode WP

0,087 0,0878 0,0906

0,0607 0,0616 0,0646

0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1

Pengujian Pertama (4

data)

Pengujian Kedua (8 data)

Pengujian Ketiga (12

data)

Metode SAW Metode WP

Pada bab ini akan dibahas tentang kesimpulan dan saran. Pada bagian kesimpulan terdapat rangkuman hasil analisis data yang ada pada bab sebelumnya yang sekaligus merupakan jawaban dari masalah penelitian ini, sedangkan bagian saran akan membantu penelitian serupa berikutnya yang lebih baik.

5.1. Kesimpulan

Kesimpulan dari penelitian ini adalah:

1. Sistem Pendukung Keputusan dalam menentukan pemberian bonus karyawan menggunakan Metode Simple Additive Weighting (SAW) dan Metode Weighted Product (WP) dapat mempercepat proses penentuan dengan perhitungan yang akurat sehingga mengurangi kesalahan (error).

2. Waktu penyelesaian perhitungan proses metode WP lebih cepat dari metode SAW. Untuk 4 data metode WP memiliki waktu penyelesaian 0.0607 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0870 detik. Untuk 8 data metode WP memiliki waktu penyelesaian 0.0616 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0878 detik. Dan untuk 12 data metode WP memiliki waktu penyelesaian 0.0646 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0906 detik

3. Hasil perhitungan dan waktu eksekusi yang ditampilkan tergantung pada data yang diinput oleh admin seperti pemberian bobot kepentingan dan penilaian dari masing – masing karyawan.

62

5.2. Saran

Saran yang dapat diberikan oleh penulis setelah penelitian dilakukan adalah:

1. Bagi pihak PT. Graha Travel & Tour Medan hendaknya mempertimbangkan untuk menggunakan metode SAW dan metode WP dalam menentukan pemberian bonus pada karyawan.

2. Untuk penelitian selanjutnya, jumlah kriteria dapat ditambah, dan dapat juga dibandingkan dengan metode Sistem Pendukung Keputusan lainnya agar terlihat perbandingannya sehingga akan menghasilkan data yang lebih efektif dan efesien.

Pengembangan Sistem Pendukung Keputusan Berbasis Mobila Untuk Pengisian Kartu Rencana Studi Dengan Fuzzy Multi-Attribute Decision Making (FMADM) Metode Simple Additive Weighting (SAW) Di Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha Singaraja. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) 1 (2): 153 – 165. (Online) http://janapati.pti-undiksha.com/vol1no2/8.pdf (10 April 2014)

[2] Daihani, Dadan Umar. 2001, Sistem Pendukung Keputusan. Jakarta : Penerbit Elex Media Komputindo.

[3] Hasan, I. 2002. Pokok – pokok Materi Teori Pengambilan Keputusan. Jakarta : Ghalia Indonesia.

[4] Idris, Sri Ani Lestari. 2012. Analisa Perbandingan Metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Skripsi. Universitas Negeri Gorontalo.

[5] Indrawaty, Y., Andriana, & Prasetya, R.A. 2011. Implementasi Metode Simple Additive Weighting Pada Sistem Pengambilan Keputusan Sertifikasi Guru. Jurnal Informatika 2 (2): 31 – 43. (Online) http://lib.itenas.ac.id/kti/wpcontent/uploads/2013/10/No.-2-Vol.-2-Mei-Agustus-2011-4.pdf (10 April 2014)

[6] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi Offset.

[7] Kusumadewi, Sri. 2006. Fuzzy Multi Attribute Decision Making (Fuzzy MADM). Yogyakarta : Graha Ilmu.

[8] Kusmawan, A., & Rozas, I.S. 2013. Sistem Pendukung Keputusan Penilaian Hasil Visitasi Support Area Dengan Menggunakan Metode Simple Additive Weighting. Jurnal LINK 19(2): 1-1 – 1-8. (Online)

http://fasilkom.narotama.ac.id/wp-content/uploads/2014/03/Jurnal-LINK-edisi-19-Sept-2013-revisi.pdf (10April 2014)

[9] Ningrum, Wahyu Retno. 2012. Sistem Pendukung Keputusan Untuk Merekomendasikan TV Layar Data Menggunakan Metode Weighted Product (WP). Skripsi. Universitas Kristen Satya Wacana.

64

[10] Permatasari, Yuke. 2011. Sistem Pendukung Keputusan Pemberian Bonus Pegawai Pada Hotel Alamanda Klaten Dengan Menggunakan Metode Weighted Product. Skripsi. STMIK AMIKOM Yogyakarta

[11] Putra, A., & Hardiyani, D.Y. 2011. Penentuan Penerima Beasiswa Dengan Menggunakan Fuzzy MADM. Prosiding Seminar Nasional Informatika 2011 (semnasIF 2011), pp. D-16 – D-20. (Online) http://repository.upnyk.ac.id/641/1/D-3.pdf (10 April 2014)

[12] Pressman, Roger S. 2002. Rekayasa Perangkat Lunak Pendekatan Praktisi (Buku Satu).Yogyakarta: Andi and McGraw-Hill Book Co.

[13] Rubiyatun, Winarno, B., & Sulistijowati, S. 2012. Simulasi Seleksi Mahasiswa Baru Jalur Undangan Dengan Menggunakan Metode Simple Additive Weighting. Prosiding Seminar Nasional Matematika 2012, pp. 162 – 167. (Online) http://math.mipa.uns.ac.id/assets/proceeding/162-167_Revisi%20Rubiyatun.pdf (10 April 2014)

[14] Turban, E. 2005. Decision Support sistems and Intelligent Sistems Edisi 7 Jilid 1. Yogyakarta : Andi Offset.