Penentuan Tingkat Kinerja Karyawan dengan Menggunakan Metode Fuzzy Multi Criteria Decision Making

DECISION MAKING

TESIS

DEDY IRWAN

107038031

PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

DECISION MAKING

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

DEDY IRWAN

107038031

PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

PERSETUJUAN

Judul Tesis : PENENTUAN TINGKAT KINERJA

KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA

DECISION MAKING

Nama Mahasiswa : DEDY IRWAN

Nomor Induk Mahasiswa : 107038031

Program Studi : Magister Teknik Informatika

Fakultas : Ilmu Komputer dan Teknologi Informasi

Universitas Sumatera Utara

Komisi Pembimbing :

Pembimbing 2

Dr. Marwan Ramli, M.Si

Pembimbing 1

Prof.Dr. Tulus, Vor.Dipl.Math., M.Si

Diketahui/disetujui oleh

Program Studi Magister Teknik Informatika Ketua,

Prof. Dr. Muhammad Zarlis NIP : 195707011986011003

PERNYATAAN

PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING

TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebut sumbernya.

Medan, 23 Januari 2014

Dedy Irwan 107038031

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:

Nama : Dedy Irwan

NIM : 107038031

Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusis (Non-Exclusive Royalti Free Right) atas tesis saya yang berjudul :

PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA

DECISION MAKING

Beserta perangkat yang ada (jika diperlukan), Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat sebenarnya.

Medan, 23 Januari 2014

Dedy Irwan 107038031

Telah diuji pada

Tanggal: 23 Januari 2014

PANITIA PENGUJI TESIS

Ketua : Prof.Dr. Tulus, Vor.Dipl.Math., M.Si Anggota : 1. Dr. Marwan Ramli, M.Si

2. Prof.Dr. Herman Mawengkang 3. Prof.Dr. Muhammad Zarlis 4. Prof.Dr.Drs. Iryanto, M.Si

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap : Dedy Irwan

Tempat dan Tanggal Lahir : Balige, 25 September 1977

Alamat Rumah : Jl.Masjid No.2B, Kel Tanjung Rejo Medan Sunggal 20122

Telepon/HP : 081265516732

Instansi Tempat Bekerja : STT Harapan Alamat Kantor : Jl. HM Jhoni No.70

DATA PENDIDIKAN

SD : SD INPRES 164523, Tebing Tinggi TAMAT: 1989

SLTP : SMP Negeri 12, Medan TAMAT: 1992

SLTA : SMA Negeri 10, Medan TAMAT: 1995

S1 : STT Harapan Medan TAMAT: 2002

S2 : Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat ALLAH SWT atas berkah,rahmat dan karuniaNYA berupa pengetahuan, kesehatan dan kesempatan yang diberikan kepada penulis sehingga dapat menyelesaikan TESIS dengan judul: PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING.

Penulis dalam penyusunan untuk menyelesaikan TESIS ini banyak mendapat kendala, kesulitan dan hal-hal lain diluar pengetahuan penulis, namum berkat bantuan, dorongan, nasehat dari berbagai pihak terutama dari dosen pembimbing dan juga dari para dosen pengasuh mata kuliah Program Studi Magister Teknik informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara hingga selesainya penulisan TESIS ini.

Untuk ini penulis menyampaikan terima kasih yang sebesar-besarnya kepada :

1. Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

2. Bapak M. Andri Budiman, ST., M.Comp.Sc., M.E.M selaku Sekretaris Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Prof. Dr. Tulus selaku Pembimbing I yang telah bersedia meluangkan waktu untuk memberi bimbingan serta pengarahan hingga selesainya penulisan tesis ini.

4. Bapak Dr. Marwan Ramli, M.Si selaku Pembimbing II yang telah bersedia meluangkan waktu untuk memberi bimbingan serta pengarahan hingga selesainya penulisan tesis ini.

5. Bapak Dosen Penguji yang telah memberikan saran dan kritik untuk perbaikan tesis ini.

6. Segenap sivitas akademika Program Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

7. Kepada ayah dan ibu serta adik-adik sekeluarga yang telah memberikan dukungan dan semangat dalam penyelesaian tesis.

Akhir kata penulis hanya berdoa kepada ALLAH SWT agar memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian, serta kerjasamanya kepada penulis dalam menyelesaikan tesis ini.

Medan, 23 Januari 2014

Dedy Irwan 107038031

Perusahaan sering memberi insentif kepada karyawan agar kinerja karyawan kepada perusahaan diharapkan meningkat. Oleh karena itu ditentukan kriteria-kriteria bagaimana karyawan tersebut diberi insentif sehingga karyawan-karyawan akan terkelompokkan kedalam katogori kinerja tinggi,sedang,rendah, maka digunakan Fuzzy Multi Criteria Decision Making (FMCDM). FMCDM adalah sebuah metode pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy. Langkah-langkah pada FMCDM antara lain Identifikasi Tujuan, kumpulan alternative keputusannya, identifikasi kumpulan kriteria, dan membangun struktur hirarki dari penentuan kategori karyawan tersebut berdasarkan pertimbangan-pertimbangan tertentu. Kemudian selanjutnya adalah menetukan evaluasi himpunan fuzzy dengan variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria, mengagregasikan bobot-bobot kriteria karyawan dan derajat kecocokan setiap alternatif dengan kriterianya. Setelah hasil agregasi dari bobot-bobot kriteria didapat maka akan didapat karyawan mana saja yang masuk kedalam kategori kinerja tinggi, sedang dan rendah.

Kata Kunci : Identifikasi Kumpulan Kriteria, Variabel Linguistik, Kategori Kinerja, Fuzzy, Fuzzy Multi Criteria Decision Making

DETERMINATION OF EMPLOYEE LEVEL PERFORMANCE USING FUZZY MULTI CRITERIA DECISION MAKING METHOD

ABSTRACT

Companies often provide incentives to employees for the performance of the employee to the company is expected to increase. Therefore the criteria specified how these employees are given incentives so that the employees will be grouped into Categories of high performance, medium, low, then used Fuzzy Multi Criteri Decision Making (FMCDM). FMCDM is a method of decision making that considers multiple alternatives and criteria in a situation that is fuzzy. The steps in the FMCDM including goal identification, collection of decision alternatives, the identification set of criteria, and the determination to build a hierarchical structure of categories of employees are based on certain considerations. Then next is to determine the evaluation of fuzzy sets with linguistic variables that represent the weight or importance of each criterion, aggregating the weights of criteria and the degree of suitability of any employee with alternative criteria. After the result of the aggregation of criteria weights obtained it will get any employees who enter into the category of high performance, medium and low.

Keyword : Identify set of criteria, Linguistic Variables, Category Performance, Fuzzy, Fuzzy Multi-Criteria Decision Making

DAFTAR ISI

Halaman

HALAMAN JUDUL i

PERSETUJUAN ii

PERNYATAAN ORISINALITAS iii

PERSETUJUAN PUBLIKASI iv

PANITIA PENGUJI v

RIWAYAT HIDUP vi

KATA PENGANTAR vii

ABSTRAK ix

ABSTRACT x

DAFTAR ISI xi

DAFTAR TABEL xiii

DAFTAR GAMBAR xiv

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan 3

1.5 Manfaat 3

BAB 2 TINJAUAN PUSTAKA 4

2.1 Fuzzy Logic 4

2.2 Fungsi Keanggotaan 5

2.2.1 Representasi Linear 6

2.2.1.1 Representasi Linear Naik 6 2.2.1.2 Representasi Linear Turun 7

2.2.1.3 Representasi Linear Naik dan Turun/Kurva

Segitiga 7

2.3 Fuzzy Multicriteria Decision Making 8

BAB 3 3.1 Representasi Masalah (Tahap Input Data) 12 3.2 Evaluasi himpunan fuzzy dari identifikasi kriteria dan

alternatif keputusan 15

3.3 Mengagregasikan bobot-bobot kriteria 16

3.4 Perancangan Sistem 20

BAB 4 HASIL DAN PEMBAHASAN 21

4.1 Hasil Penelitian 21

4.1.1 Input Data 22

4.1.1.2Form untuk mengisi rating kepentingan karyawan 27 4.1.1.3Form untuk mengisi derajat setiap kecocokan

terhadap kriteria 28

4.1.1.4Form untuk mengisi Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan 29

4.2 Pembahasan 30

BAB 5 KESIMPULAN DAN SARAN 38

5.1 Kesimpulan 38

5.2 Saran 38

DAFTARPUSTAKA 39

D

AFTAR TABEL

Halaman

Tabel 3.1 Rating kepentingan 16

Tabel 3.2 Derajat setiap kecocokan terhadap kriteria 16 Tabel 3.3 Rating kecocokan setiap alternatif karyawan si Ali. 18 Tabel 3.4. Nilai total integral setiap alternatif 19

Tabel 4.1 Rating kepentingan karyawan si Ali 31

Tabel 4.2 Derajat kecocokan terhadap setiap kriteria 31 Tabel 4.3 Rating kepentingan karyawan dengan nilai dari logika fuzzy

dengan bentuk segitiga 32

Tabel 4.4 Derajat kecocokan terhadap setiap kriteria karyawan dengan

nilai dari logika fuzzy dengan bentuk segitiga 33 Tabel 4.5 Hasil agregasi antara rating kepentingan dengan derajat

kecocokan 36

DAFTAR GAMBAR

Halaman

Gambar 2.1 Representasi Linear Naik. 6

Gambar 2.2 Representasi Linear Turun. 7

Gambar 2.3 Representasi Kurva Segitiga. 7

Gambar 2.3 Struktur Hierarki dari Keputusan. 9

Gambar 3.1 Struktur Hierarki Keputusan Pengelompokan nama-nama

karyawan. 14

Gambar 4.1 Form untuk mengisi rating kepentingan karyawan. 22 Gambar 4.2 Form pengisian rating kepentingan karyawan. 27 Gambar 4.3 Derajat Setiap Kecocokan Terhadap Kriteria. 28 Gambar 4.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat

Perusahaan sering memberi insentif kepada karyawan agar kinerja karyawan kepada perusahaan diharapkan meningkat. Oleh karena itu ditentukan kriteria-kriteria bagaimana karyawan tersebut diberi insentif sehingga karyawan-karyawan akan terkelompokkan kedalam katogori kinerja tinggi,sedang,rendah, maka digunakan Fuzzy Multi Criteria Decision Making (FMCDM). FMCDM adalah sebuah metode pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy. Langkah-langkah pada FMCDM antara lain Identifikasi Tujuan, kumpulan alternative keputusannya, identifikasi kumpulan kriteria, dan membangun struktur hirarki dari penentuan kategori karyawan tersebut berdasarkan pertimbangan-pertimbangan tertentu. Kemudian selanjutnya adalah menetukan evaluasi himpunan fuzzy dengan variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria, mengagregasikan bobot-bobot kriteria karyawan dan derajat kecocokan setiap alternatif dengan kriterianya. Setelah hasil agregasi dari bobot-bobot kriteria didapat maka akan didapat karyawan mana saja yang masuk kedalam kategori kinerja tinggi, sedang dan rendah.

Kata Kunci : Identifikasi Kumpulan Kriteria, Variabel Linguistik, Kategori Kinerja, Fuzzy, Fuzzy Multi Criteria Decision Making

DETERMINATION OF EMPLOYEE LEVEL PERFORMANCE USING FUZZY MULTI CRITERIA DECISION MAKING METHOD

ABSTRACT

Companies often provide incentives to employees for the performance of the employee to the company is expected to increase. Therefore the criteria specified how these employees are given incentives so that the employees will be grouped into Categories of high performance, medium, low, then used Fuzzy Multi Criteri Decision Making (FMCDM). FMCDM is a method of decision making that considers multiple alternatives and criteria in a situation that is fuzzy. The steps in the FMCDM including goal identification, collection of decision alternatives, the identification set of criteria, and the determination to build a hierarchical structure of categories of employees are based on certain considerations. Then next is to determine the evaluation of fuzzy sets with linguistic variables that represent the weight or importance of each criterion, aggregating the weights of criteria and the degree of suitability of any employee with alternative criteria. After the result of the aggregation of criteria weights obtained it will get any employees who enter into the category of high performance, medium and low.

Keyword : Identify set of criteria, Linguistic Variables, Category Performance, Fuzzy, Fuzzy Multi-Criteria Decision Making

PENDAHULUAN

1.1Latar Belakang

Fuzzy Multi Criteria Decision Making (FMCDM) adalah sebuah metode pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy. FMCDM digunakan untuk memilih atau mengelompokkan suatu alternatif keputusan berdasarkan kriteria yang diajukan dimana kriteria-kriteria tersebut diberi nilai yang akan menjadi tolok ukur bagi alternatif-alternatif keputusan yang akan muncul.

Dalam beberapa penelitian yang telah dilakukan oleh para peneliti yang dipublikasikan dalam jurnal atau karya ilmiah lainnya tentang fuzzy multi criteria decision making (FMCDM) antara lain :

(Carlsson dan Full´er, 1996) pada paper mereka disajikan berbagai perkembangan dari FMCDM untuk penerapan diberbagai bidang yang diperlukan untuk mengambil keputusan, dimana terdapat model keputusan mana yang harus diambil berdasarkan FMCDM.

(Cheshmberah et all, 2011) menyajikan kerangka kerja dalam memilih rekanan perusahaan-perusahaan(outsourcing) berdasarkan kriteria-kriteria yang akan digunakan untuk memilih rekanan perusahaan-perusahan bagi suatu perusahaan. Model kerangka kerja ini akan menjadi dasar bagaimana sistem informasi akan dibuat. (Rao dan Rajesh, 2009) menyajikan bagaimana membangun framework untuk melakukan pemilihan perangkat lunak dalam industri manufaktur dengan menggunakan metode Pref-erence Ranking Organization Method for Enrichment Evaluations (PROMETHEE) dimana metode PROMETHEE akan dihubungan dengan metode AHP (Analytical Hierarchy Process) dalam proses pemilihan perangkat lunak.

sesuai dengan kinerja karyawan maka akan menimbulkan ketidaksenangan antar karyawan. Jika kinerja suatu karyawan lebih baik dari karyawan yang lain sementara insentif yang diberikan tidak sesuai maka karyawan akan melihat sebagai ketidakadilan bagi diri mereka, akibatnya akan membuat kinerja karyawan menurun. Untuk itu diperlukan suatu cara yang dapat menangani pemberian insentif bagi karyawan berdasarkan tingkat kinerjanya. Adapun cara disini adalah dengan membuat model yang akan berisi aturan-aturan bagaimana tingkat kinerja karyawan itu dibuat sehingga menjadi dasar dalam membuat sistem informasi yang akan mengolah pemberian insentif bagi karyawan berdasarkan tingkat kinerja karyawan.

Perusahaan dalam memberikan insentif kepada karyawan akan melihat bagaimana pola dari tingkat kinerja mereka. Dengan melihat pola tingkat kinerja dari karyawan akan dapat diketahui siapa saja karyawan yang sesuai untuk diberi insentif.

Dengan menggunakan model fuzzy multi criteria decision making pada penelitian ini akan memberikan bagaimana gambaran model untuk membangun sistem menentukan perangkingan tingkat kinerja karyawan.

1.2. Perumusan Masalah

Berdasarkan latar belakang diatas, maka perumusan masalah adalah sebagai berikut: “Bagaimana Menentukan Tingkat Kinerja Karyawan dengan Menggunakan Metode Fuzzy Multi Criteria Decision Making”.

1.3. Batasan Masalah

1. Meneliti tingkat kinerja karyawan dengan mengunakan Fuzzy Multi Criteria Decison Making.

2. Parameter yang digunakan dalam penilaian kinerja karyawan meliputi: produktivitas, inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas yang diemban, kemandirian, kerjasama dengan tim dalam pekerjaan, disiplin, kejujuran, loyalitas.

3. Penilaian tingkat kinerja karyawan dikelompokkan dengan menggunakan metode FMCDM.

karyawan berdasarkan Fuzzy Multi Criteria Decision Making pada penentuan kategori berdasarkan tingkat kinerja karyawa untuk menghitung insentif bagi karyawan.

2. Tingkat kinerja karyawan dari hasil perhitungan FMCDM akan menjadi masukan dalam perhitungan insentif karyawan.

1.5. Manfaat

1. Hasil penelitian ini bermanfaat bagi perusahaan untuk memberikan penghargaan dan promosi jabatan bagi karyawan yang menunjukkan kinerja yang baik.

2. Karyawan yang bekerja dengan baik akan mendapat tambahan bonus.

3. Menilai kinerja karyawan pada perusahaan berdasarkan parameter/kriteria yang dibuat sehingga perusahaan dapat menilai karyawan-karyawan yang memiliki kinerja yang baik atau tidak.

BAB 2

TINJAUAN PUSTAKA

2. 1. Fuzzy Logic

Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia kedalam suatu sistem. Seperti bagaimana suatu sistem dapat mengambil keputusan berdasarkan sikap sosial dari manusia misalnya baik, cukup, kurang sehingga sistem dapat bertindak berdasarkan pemberian nilai dari manusia ke sistem. Fuzzy logic merupakan suatu teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang terdapat diantara kebenaran (truth) dan kesalahan (false). Dengan menggunakan fuzzy logic nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi seluruh kemungkinan diantara 0 dan 1.

Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian rupa hingga fungsi tersebut akan mencakup bilangan real pada interval (0,1). Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, tetapi juga nilai yang terletak diantaranya (Cox & Zadeh, 1994) . Nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. Himpunan fuzzy memiliki 2 atribut (Kusumadewi, 2010), yaitu:

a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu: a. Variabel Fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.

b. Himpunan Fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel.

c. Semesta Pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. d. domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.

2.2. Fungsi Keanggotaan

Fungsi keanggotaan merupakan suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaanya (disebut juga dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Untuk mendapatkan nilai keanggotaan dapat menggunakan cara pendekatan fungsi.

Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi (Gambar 2.1 ).

Kedua, penurunan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan satu (1) bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan yang lebih rendah (Gambar 2.2)

Ketiga, Gabungan linear naik dan linear turun atau dalam bentuk kurva segitiga (Gambar 2.3)

2.2.1. Representasi Linear

Pada representasi linear, pemetaan input ke derajat keanggotaan nya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.

2.2.1.1 Representasi Linear Naik

Garis lurus dimulai dari domain dengan derajat keanggotaan terendah pada sisi kiri, kemudian bergerak menaik ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.

Gambar 2.1 Representasi Linear Naik.

2.2.1.2 Representasi Linear Turun

Garis lurus dimulai dari domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.

Gambar 2.2 Representasi Linear Turun.

Fungsi Keanggotaan Linear Turun

2.2.1.3 Representasi Gabungan Linear Naik dan Turun/Kurva segitiga

Pada dasarnya merupakan gabungan antara 2 garis (linear) seperti terlihat pada gambar 2.3

Fungsi Keanggotaan kurva segitiga

2.3. Fuzzy Multi-Criteria Decision Making

Konsep FMCDM adalah sebuah metode pengambilan keputusan yang

mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy (Sousa & Kaymak 2002) dimana metode tersebut dapat membantu pengambil keputusan dalam melakukan pengambilan keputusan terhadap beberapa alternatif keputusan yang harus diambil dengan beberapa kriteria yang menjadi bahan pertimbangan. Identifikasi kriteria dan alternatif keputusan dimodelkan terlebih dahulu kedalam himpunan logika kabur( fuzzy logic) dalam bentuk fuzzy logic segitiga. Nilai-nilai tersebut akan dibuat kedalam tabel rating kepentingan dan tabel derajat kecocokan setiap kriteria.

Dari beberapa literatur yang mengindikasikan bahwa terdapat sejumlah langkah yang harus ditempuh untuk mengaplikasikan FMCDM, yang diungkapkan oleh Rao dan Rajesh (2009), Chesmberah et all (2011), Carlsson & Full’er (1996) dan Chang & Wang (2008). Keempat artikel tersebut menyampaikan langkah-langkah dalam penyelesaian FMCDM. Dengan mengadaptasi keempat artikel tersebut ada tiga langkah dalam proses FMCDM yang harus dilakukan : representasi masalah, evaluasi himpunan fuzzy pada setiap alternatif keputusan, dan melakukan seleksi terhadap alternatif yang optimal.

2.2.2. Representasi Masalah

Pada bagian ini ada 3 aktivitas yang harus dilakukan, yaitu : a. Identifikasi Tujuan dan kumpulan alternative keputusannya;

Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut. Jika ada n alternative keputusan dari masalah, maka alternative-alternatif keputusan dari suatu masalah, maka alternative-alternatif tersebut dapat ditulis sebagai A = {Ai |

b. Identifikasi kumpulan kriteria;

Jika k kriteria, maka dapat dituliskan C = {Ct | t=1,2,…,k}.

c. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan- pertimbangan tertentu.

Gambar 2.3 Struktur Hierarki dari Keputusan

2.1 Evaluasi Himpunan Fuzzy

Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu :

a. Memilih himpunan rating untuk bobot kriteria, derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas 3 elemen, yaitu : variable linguistik (x) yang merepresentasikan bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya ; T(x) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap elemen dari T(x).Misal, rating untuk bobot pada Variabel Penting untuk suatu kriteria didefinisikan sebagai: T(penting)= {SANGAT RENDAH, RENDAH, CUKUP, TINGGI, SANGAT TINGGI}. Sesudah himpunan rating ini ditentukan, maka harus ditentukan fungsi keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, Wt adalah bobot untuk kriteria Ct dan Sit adalah rating fuzzy untuk derajat kecocokan alternatif keputusan Ai dengan kriteria Ct dan Fi adalah indeks

Tujuan

Kriteria, c1

Kriteria, c 2

Kriteria, c ke k ...

Alternatif, a1

Alternatif, a2

Alternatif, a ke n ...

kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi Sit dan Wt.

b. Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterianya; Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterinya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain : mean, median, max, min, dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan. Dengan mengunakan operator mean, Fi dirumuskan dengan :

Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan Wit = at,bt,ct); maka Ft dapat didekati sebagai :

c. Menyeleksi alternatif yang optimal

Menyeleksi alternatif yang optimal dengan memasukkan index kecocokan fuzzy ke persamanaan :

Dimana F bilangan fuzzy segitiga : F (a,b,c) Dan dengan mengambil derajat keoptimisan

α=0, ; tidak optimis α=0.5

BAB 3

METODOLOGI PENELITIAN

3.1 Representasi Masalah (Tahap Input Data )

Pengambilan Keputusan penentuan tingkat kinerja bagi karyawan dikelompokkan menjadi 3 kategori antara lain kelompok karyawan dengan kinerja tinggi, sedang, rendah.

Pengambilan Keputusan : Alternatif Keputusan Alternatif keputusan : Tinggi, Sedang, Rendah.

Parameter-parameter keputusan : Inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim

Setelah melalui proses fuzzy multi criteria decision making maka akan didapat kelompok kinerja karyawan antara lain kelompok karyawan dengan kinerja tinggi, sedang, rendah.

Penetapan Tujuan Keputusan : (pilihan tujuan masalah)

a. Pengelompokan hasil tingkat kinerja karyawan-karyawan yang telah terseleksi pada kategori kinerja Tinggi, Sedang, Rendah

b. Karyawan yang dinilai atau terpilih berdasarkan evaluasi dari kumpulan kriteria akan terseleksi dalam kategori kinerja Tinggi, Sedang, Rendah.

Identifikasi Tujuan : Tinggi, Sedang, Rendah A1=Tinggi.

A2=Sedang. A3=Rendah.

Identifikasi Kriteria : Produktivitas, Inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim, loyalitas, kejujuran, disiplin

C1=produktivitas C2=Inisiatif

C3=Interpersonal Skill C4=Kualitas

C5=Pengetahuan akan tugas yg diemban C6=Kemandirian

C7=Kerjasama tim C8=Loyalitas C9=Kejujuran C10=Disiplin

Struktur Hierarki Keputusan :

Gambar 3.1 Struktur Hierarki Keputusan Pengelompokan nama-nama karyawan. Pengelompokan nama-nama

karyawan kedalam kategori

C1 C2 C3 C4 C5 C6 C7

Rendah(A3) Sedang(A2)

Tinggi (A1)

3.2 Evaluasi himpunan fuzzy dari identifikasi kriteria dan alternatif keputusan Evaluasi himpunan fuzzy dari identifikasi kriteria dan alternatif keputusan

a. Variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria T(kepentingan PRODUKTIVITAS,KUALITAS,LOYALITAS)=

{TG=TINGGI, SDG1=SEDANG SDK1=SEDIKIT, KRG=KURANG} T(kepentingan INISIATIF,KEMANDIRIAN=

{TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK} T(kepentingan INTERPERSONAL SKILL, DISIPLIN, KEJUJURAN)= {SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG}

T(kepentingan PENGETAHUAN TUGAS YANG DIEMBAN)=

{M=MENGERTI,CM=CUKUP MENGERTI SBG=SEBAGIAN,TM=TIDAK MENGERTI}

T(kepentingan KERJASAMA TIM)=

{SRG=SERING, P=PERNAH, JRG=JARANG, TP=TIDAK PERNAH) Yang disajikan dengan logika fuzzy segitiga dengan hasil sebagai berikut: TA=(0,0,0.1)

SDK2=(0.2, 0.3, 0.4) SDG2=(0.5, 0.6, 0.7) BYK=(0.8, 0.9, 1)

TP=(0, 0.1, 0.2) JRG=(0.3, 0.4, 0.5) P=(0.6, 0.7, 0.8) SRG=(0.9, 0.9, 1)

SK = (0, 0.1, 0.2) K = (0.3, 0.4, 0.5) C = (0.4, 0.5, 0.6) B = (0.5, 0.6, 0.7) SB = (0.7, 0.8, 1) KRG=(0, 0.1,0.2)

SDK1=(0.3, 0.4, 0.5) SDG1=(0.6, 0.7, 0.8) TG=(0.9, 1, 1)

TM=(0,0,0)

SBG=(0.1, 0.2,0.3) CM=(0.4, 0.5, 0.6) M=(0.7,0.8, 0.9)

b. Derajat kesesuaian alternatif dengan derajat kriteria keputusan T(kecocokan)=

{SB=SANGAT BAIK, B=Baik, C=Cukup, K=Kurang, SK=SANGAT KURANG}

Yang masing-masing disajikan dengan logika fuzzy segitiga sebagai berikut: SK = (0, 0.1, 0.2)

K = (0.3, 0.4, 0.5) C = (0.4, 0.5, 0.6) B = (0.5, 0.6, 0.7) SB = (0.7, 0.8, 1)

c. Perangkingan untuk setiap kriteria keputusan

Rating diberikan sesuai dengan hasil penilaian pada karyawan Misalnya untuk karyawan si A rating kepentingannya didapat

Tabel 3.1. Rating kepentingan Kriteria C1

Produktivitas C2 Inisiatif C3 Interpersonal skil C4 Kualitas C5 Pengetahuan Akan tugas C6 Kemandirian C7 Kerjasama tim Rating kepentingan

TG SDG B SDG CM BYK P

Kriteria C8

Produktivitas C9 Inisiatif C10 Interperson al skil Rating kepentingan

TG SDG B

d. Derajat setiap kesesuaian terhadap setiap kriteria

Misalnya untuk karyawan si Ali derajat kesesuaian kriteria didapat Tabel 3.2. Derajat setiap kesesuaian terhadap kriteria Alternatif Rating Kecocokan

C1 C2 C3 C4 C5 C6 C7

A1(tinggi) B B B B B B B

A2(sedang) C B SB K K B C

A3(rendah) B B C B K K C

3.3 Mengagregasikan bobot-bobot kriteria

a. Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterinya dengan menggunakan metode mean.

Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan

Wit = at,bt,ct); maka Ft dapat didekati sebagai berikut:

Dengan :

Maka karyawan si Ali dengan detail perhitungan sebagai berikut : Pada alternatif A1:

Y1=(0.9x0.5)+(0.6x0.5)+(0.5x0.5)+(0.6x0.5)+(0.4x0.5)+(0.8x0.5)+(0.6x0.5)/7=.... =(0.45+0.3+0.25+0.3+0.2+0.4+0.3)/7=0.3143

Q1=(1x0.6)+(0.7x0.6)+(0.6x0.6)+(0.7x0.6)+(0.5x0.6)+(0.9x0.6)+(0.7x0.6)/7=... =(0.6+0.42+0.36+0.42+0.3+0.54+0.42)/7=0.3777

Z1=(1x0.7)+(0.8x0.7)+(0.7x1)+(0.8x0.7)+(0.6x0.7)+(1x0.7)+(0.8x0.7)=.. =(0.7+0.56+0.7+0.56+0.42+0.7+0.56)/7=0.6

Pada alternatif A2:

Y2=(0.9x0.4)+(0.6x0.5)+(0.5x0.7)+(0.6x+0.3)+(0.4x0.3)+(0.8x0.5)+(0.6x0.4)=.. =(0.36+0.3+0.45+0.18+0.12+0.45+0.24)/7=0.3

Q2=(1x0.5)+(0.7x0.6)+(0.6x0.8)+(0.7x0.4)+(0.5x0.4)+(0.9x0.6)+(0.7x0.5)=.. =(0.5+0.42+0.48+0.28+0.2+0.54+0.35)/7=0.3957

Z2=(1x0.6)+(0.8x0.7)+(0.7x0.6)+(0.8x0.7)+(0.6x0.5)+(1x0.5)+(0.8x0.6)=.. =(0.6+0.56+0.42+0.56+0.3+0.5+0.48)/7=0.4886

Pada alternatif A3:

Y3=(0.9x0.5)+(0.6x0.5)+(0.5x0.4)+(0.6x0.5)+(0.4x0.5)+(0.8x0.3)+(0.6x0.3)=.. =(0.45+0.3+0.2+0.3+0.2+0.24+0.18)/7=0.2671

Q3=(1x0.6)+(0.7x0.6)+(0.6x0.5)+(0.7x0.6)+(0.5x0.4)+(0.9x0.4)+(0.7x0.5)=.. =(0.6+0.42+0.3+0.42+0.2+0.36+0.35)/7=0.4071

Z3=(1x0.7)+(0.8x0.7)+(0.7x0.6)+(0.8x0.7)+(0.6x0.5)+(1x0.5)+(0.8x0.6)=.. =(0.7+0.56+0.42+0.56+0.3+0.5+0.48)/7=0.5028

Tabel 3.3. Rating kecocokan setiap alternatif karyawan si Ali.

Alternatif Rating Kecocokan

Indeks Fuzzy C1 C2 C3 C4 C5 C6 C7 Y Q Z A1 B B B B B B B 0.3143 0.3777 0.6 A2 C B SB K K B C 0.3 0.3957 0.4886 A3 B B C B K K C 0.2671 0.4071 0.5028

Langkah 4. Menyeleksi alternatif yang optimal

Menyeleksi alternatif yang optimal dengan memasukkan index kecocokan fuzzy ke persamanaan :

Dimana F bilangan fuzzy segitiga : F (a,b,c) Dan dengan mengambil derajat keoptimisan α=0, ; tidak optimis

α=0.5

α=1, ; sangat optimis

maka didapat perhitungan sebagai berikut : derajat keoptimisan A1:

α=0

(F)=(0.5)((0*0.6)+0.3777+(1-0)*0.3143))= (F)=(0.5)((0)+0.3777+(1)*0.3143)=0.3460 α=0.5

(F)=(0.5)*((0.5*0.6)+0.3777+(1-0.5)*0.3143))= (F)=(0.5)*((0.3)+0.3777+(0.5)*0.3143=0.4174 α=1

(F)=(0.5)*((1*0.6)+0.3777+(1-1)*0.3143))= (F)=(0.5)*((0.6)+0.3777+(0)*0.3143=0.4888

derajat keoptimisan A2: α=0

(F)=(0.5)((0*0.4886)+0.3957+(1-0)*0.3))= (F)=(0.5)((0+0.3957+0.3)=0.3478

α=0.5

(F)=(0.5)((0.5*0.4886)+0.3957+(1-0.5)*0.3))= (F)=(0.5)((0.2443+0.3957+0.15))=0.3950 α=1

(F)=(0.5)((1*0.4886)+0.3957+(1-1)*0.3))= (F)=(0.5)((0.4886+0.3957+0)=0.4422 derajat keoptimisan A3:

α=0

(F)=(0.5)((0*0.5028)+0.4071+(1-0)*0.2671))= (F)=(0.5)((0.4071+0.2671))=0.3371

α=0.5

(F)=(0.5)((0.5*0.5028)+0.4071+(1-0.5)*0.2671))= (F)=(0.5)((0.2514+0.4071+0.1336))=0.3961 α=1

(F)=(0.5)((1*0.5028)+0.4071+(1-1)*0.2671))= (F)=(0.5)((0.5028+0.4071+0)=0.4550

maka diperoleh nilai total integral untuk setiap alternatif dari karyawan si Ali Tabel 3.4. Nilai total integral setiap alternatif

Alternatif Nilai Total Integral

α= 0 α = 0,5 α = 1

A1 (Tinggi) 0.3460 0.4174 0.4888 A2 (Sedang) 0.3478 0.3950 0.4422 A3 (Rendah) 0.3371 0.3961 0.4550

Dengan didapat nilai total integral setiap alternatif maka nilai terbesar dari alternatif menunjukkan seorang karyawan akan masuk ke kelompok tertentu.

Disini karyawan si Ali ternyata nilai total integral tertinggi berada pada A1 sehingga karyawan si Ali masuk dalam kategori kinerja tinggi.

3.4 Perancangan Sistem.

Adapun langka-langkah dalam perancangan sistem adalah sebagai berikut : 1. Tentukan tingkat kinerja karyawan antara lain: tinggi, sedang, rendah.

2. Tentukan kriteria bagi penentuan tingkat kinerja karyawa antara lain: produktifitas, inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim, loyalitas, kejujuran, disiplin.

3. Tentukan struktur hirarki permasalahan. 4. Penentuan himpunan fuzzy kepentingan. 5. Penentuan himpunan fuzzy kesesuaian.

6. Tentukan rating kepentingan berdasarkan himpunan fuzzy kepentingan. 7. Tentukan derajat keanggotaan berdasarkan himpunan fuzzy kesesuaian. 8. Masukkan rating kepentingan karyawan si Ali pada kriteria.

9. Masukkan derajat kecocokan karyawan si Ali pada derajat kesesuaian terhadap kriteria.

10.Hitung derajat kecocokan setiap alternatif dengan kriterianya.

11.Tampilkan hasil indeks karyawan si Ali dengan setiap derajat kesesuaian pada setiap alternative.

BAB 4

HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

Berdasarkan metodologi penelitian maka didapat hasil penelitian tentang penilaian tingkat kinerja karyawan menggunakan sistem yang telah dibangun dengan metode FMCDM (Fuzzy Multicriteria Decision Making). Pada sistem ini hanya ada satu pemakai yang akan memasukkan data dari hasil penilaian karyawan ke dalam form sistem program aplikasi dimana sistem ini akan menentukan tingkat kinerja karyawan berdasarkan kategori-kategori yang ada

Pada penelitian ini sistem penilaian tingkat kinerja karyawan terbagi atas tiga bagian antara lain : Bagian untuk mengolah rating kepentingan karyawan yang memiliki 10 (sepuluh) variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria berdasarkan hasil penilaian karyawan, Setelah karyawan tersebut diberi rating kepentingan maka selanjutnya masuk pada Bagian untuk mengolah derajat setiap kesesuaian (Sangat Baik, Baik, Kurang, Sangat Kurang) dari kriteria terhadap tiga alternatif yang tersedia (kinerja tinggi, kinerja sedang, kinerja rendah) dari karyawan bersangkutan, kemudian akan dihitung Rating kecocokan setiap alternatif karyawan dan nilai dari derajat keoptimisan (alpha=0, alpha=0.5, alpha=1). Berdasarkan hasil dari perhitungan tersebut maka akan terlihat dibagian mana kinerja (kinerja tinggi, kinerja sedang, kinerja rendah) karyawan tersebut yang memiliki nilai derajat keoptimisan yang tertinggi.

4.1.1 Input Data

Adapun tampilan antar muka dari sistem ini adalah : 1. Form untuk mengisi rating kepentingan karyawan. 2. Form Derajat setiap kecocokan terhadap kriteria.

3. Form Rating kecocokan setiap alternatif karyawan dan derajat keoptimisan.

Proses diawali dengan form rating kepentingan yang disediakan dimana setelah nomor induk karyawan dan nama karyawan diisikan kemudian dilakukan pemilihan masing-masing bobot kepentingan pada 10 (sepuluh) combobox yang disediakan.

4.1.1.2Form untuk mengisi rating kepentingan karyawan

Gambar 4.1 Form untuk mengisi rating kepentingan karyawan

Form untuk mengisi bagi proses rating kepentingan karyawan yang memiliki komponen-komponen yang terdiri atas 2(dua) textfield, 10(sepuluh) combobox, dan 1(satu) button dengan perincian sebagai berikut:

1. Nomor Induk Karyawan, jenis field textbox.

Untuk masukan Nomor Induk Karyawan yang akan diproses rating kepentingannya.

2. Nama karyawan, jenis field textbox.

Untuk masukan Nama Karyawan yang akan diproses rating kepentingannya. 3. Produktifitas (C1), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- TG=TINGGI, SDG1=SEDANG, SDK1=SEDIKIT, KRG=KURANG. 4. Inisiatif (C2), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK. 5. Kecakapan Antar Personal (C3), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- SB=SANGAT BAIK, B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.

6. Kualitas (C4), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- TG=TINGGI, SDG1=SEDANG, SDK1=SEDIKIT, KRG=KURANG. 7. Kemandirian (C6), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK. 8. Pengetahuan Tugas yang Akan Diemban (C7), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- M=MENGERTI, SBG=SEBAGIAN, CM=CUKUP MENGERTI, TA=TIDAK MENGERTI.

9. Loyalitas (C8), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- TGL=LOYAL TINGGI, CKPL=CUKUP LOYAL, KRGL=KURANG LOYAL, TDL=TIDAK LOYAL.

10.Kejujuran (C9), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.

11.Disiplin (C10), jenis combobox.

Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :

- SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.

12.Tombol OK.

Setelah semua rating kepentingan pada combobox dipilih maka dengan ditekannya tombol OK akan memproses halaman form rating kepentingan ke halaman form derajat setiap kecocokan terhadap kriteria.

Form derajat setiap kecocokan terhadap kriteria memiliki komponen-komponen 30(tiga puluh) combo box dan 1(satu) tombol button dengan perincian sebagai berikut:

1. Kategori Produktifitas (C1) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

2. Kategori Inisiatif (C2) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

3. Kategori Kecakapan Antar Personal(C3) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K),

Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

4. Kategori Kualitas (C4) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

5. Kategori Produktifitas (C1) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

6. Kategori Kemandirian (C5) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

7. Kategori Pengetahuan Tugas Yang Akan Diemban (C6) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

8. Kategori Kerjasama Tim (C7) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

9. Kategori Loyalitas (C8) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

10.Kategori Kejujuran (C9) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

11.Kategori Disiplin C(10) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat

Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).

12.Tombol OK yang berisi pemrosesan ke form rating kecocokan setiap alternatif karyawan dan derajat keoptimisan dimana data dari form derajat setiap kecocokan terhadap kriteria akan dikirim ke form tersebut.

Form rating kecocokan setiap alternatif karyawan dan derajat keoptimisan berisi 6(enam) field textbox yang terdiri dari 2(dua) bagian, bagian pertama untuk menampilkan nilai dari rating kecocokan, bagian kedua untuk menampilkan nilai total setiap integral alternatif .

a. Bagian pertama untuk nilai rating kecocokan. Pada bagian ini terdapat tiga bagian Y, Q, Z

Misalkan karyawan si Ali dengan rating kepentingan sebagai berikut

4.1.1.3 Derajat Setiap Kecocokan Terhadap Kriteria

Setelah didapat rating kepentingan maka selanjutnya ditentukan derajat setiap kecocokan terhadap kriteria

Gambar 4.3 Derajat Setiap Kecocokan Terhadap Kriteria Penjelasan.

Tiga kategori A1(Tinggi), A2(Sedang), A3(Rendah) adalah tiga jenis kelompok untuk menentukan karyawan masuk pada kelompok tersebut,. Dalam hal ini terdapat variabel linguistik Sangat Baik (B), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK). Kegunaan variabel linguistik disini adalah untuk menentukan seberapa besar derajat karyawan untuk masuk ke tiga kelompok kategori tersebut, bukan untuk untuk menilai kinerja karyawan berdasarkan tugasnya masing-masing.

4.1.1.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan

Derajat keoptimisan yang didapat dari karyawan Ali adalah sebagai berikut

Gambar 4.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan

Derajat alpha=0 adalah: tidak optimis Derajat alpha=0.5 adalah: optimis Derajat alpha=1 adalah: sangat optimis

Karena nilai tertinggi dari hasil perhitungan berada pada A1(Tinggi) dengan alpha=1 maka karyawan A terkategorikan/terkelompokkan pada tingkat kinerja yang tinggi dimana derajat keoptimisan alpha=1 atau karyawan dikatakan optimis pada kelompok kinerja tinggi.

4.2. Pembahasan

Untuk menentukan tingkat kinerja karyawan si Ali terlebih dahulu dilakukan pemberian rating kepentingan kepada karyawan melalui representasi keadaan identifikasi jenis pekerjaan kriteria dengan kalimat tertentu atau variabel linguistik antara lain :

C1=produktivitas C2=Inisiatif

C3=Interpersonal Skill C4=Kualitas

C5=Pengetahuan akan tugas yg diemban C6=Kemandirian

C7=Kerjasama tim C8=Loyalitas C9=Kejujuran C10=Disiplin

Semua identifikasi jenis pekerjaan diberikan bobot kepentingan antara lain :Tinggi, Sedang, Banyak, Tidak ada, Sedikit, Mengerti, Cukup mengerti, Sebagian, Tidak mengerti, Pernah, Sering, Jarang, Tidak pernah, Sangat baik, Baik, Cukup, Kurang Baik. Hal ini akan mewakili bagaimana intensitas dari identifikasi jenis pekerjaan dari karyawan akan semakin menguat/menaik, semakin lemah/menurun atau bahkan tidak ada. Untuk mengambil nilai dari bobot kepentingan agar dapat dihitung nilai numeriknya diwakili dengan 1 untuk menguat/meningkat, 1 menuju 0 untuk melemah/menurun dan 0 untuk tidak ada maka digunakan logika fuzzy dalam menyelesaikan bagaimana intensitas dari identifikasi jenis pekerjaan .. Dengan menggunakan logika fuzzy nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi seluruh kemungkinan diantara 0 dan 1(Logika Fuzzy). Logika fuzzy yang sesuai dengan keadaan ini digunakan logika fuzzy jenis segitiga dimana identifikasi jenis pekerjaan yang menjadi acuan penilaian untuk menentukan tingkat kinerja karyawan dimodelkan terlebih dahulu kedalam himpunan logika kabur( fuzzy logic) bentuk fuzzy logic segitiga. Adapun alasan penggunaan logika fuzzy segitiga untuk melihat nilai 1, nilai menaik ke 1, nilai menurun dari 1 ke 0, sehingga dapat diambil nilai diantara 1 sampai dengan 0 atau 0 sampai dengan 1 dimana hal ini untuk melihat

intensitas dari indentifikasi jenis pekerjaan semakin menguat/menaik atau melemah/menurun.

Tabel 4.1 Rating kepentingan karyawan si Ali

Kriteria C1 Produktivitas C2 Inisiatif C3 Interpersonal skil C4 Kualitas C5 Kemandirian C6 Pengetahuan Akan tugas C7 Kerjasama tim Rating

kepentingan TG SDG2 B SDG1 BYK CM P

Kriteria C8 Loyalitas C9 Kejujuran C10 Disiplin Rating

kepentingan TG C SDG3

Setelah rating kepentingan karyawan didapat maka selanjutnya menetukan sejauh mana derajat kesesuaian terhadap setiap kriteria tingkat kinerja karyawan tersebut. Derajat kesesuaian representasikan terhadap kriteria kinerja tinggi, kinerja sedang, kriteria rendah dengan Sangat Baik, Baik, Cukup, Kurang, Sangat Kurang. Hal ini akan mewakili bagaimana intensitas dari derajat kesesuaian dari setiap identifikasi jenis pekerjaan untuk penilaian dari karyawan terhadap tingkat kinerja tinggi,kinerja sedang,kinerja rendah akan semakin menguat/menaik, semakin lemah/menurun atau bahkan tidak ada. Derajat setiap kesesuaian terhadap kriteria dimodelkan terlebih dahulu kedalam himpunan logika kabur( fuzzy logic) bentuk fuzzy logic segitiga.

Tabel 4.2 Derajat kecocokan terhadap setiap kriteria Tingkat

Kinerja

Rating Kecocokan

C1 C2 C3 C4 C5 C6 C7

A1(tinggi) B B B B B B B

A2(sedang) C B SB K K B C

A3(rendah) B B C B K K C

Tingkat Kinerja

Rating Kecocokan C8 C9 C10 A1(tinggi) B B B A2(sedang) C B SB A3(rendah) B B C

Setelah derajat kecocokan terhadap kriteria telah ditentukan, selanjutnya adalah melakukan agregasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif kriterianya dengan metode mean (referensi_)

Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan Wit = at,bt,ct); maka Ft dapat didekati sebagai berikut:

Dengan

...persamaan (1)

Maka karyawan si Ali dengan detail perhitungan sebagai berikut :

Tabel 4.3 Rating kepentingan karyawan dengan nilai dari logika fuzzy dengan bentuk segitiga

Kriteria C1 Produktivitas

C2 Inisiatif

C3 Interpersonal skil

C4 Kualitas

C5 Kemandirian

Rating kepenti ngan

TG (0.9, 1, 1)

SDG2 (0.5, 0.6, 0.7)

B (0.5, .0.6, 0.7)

SDG1 (0.6, 0.7, 0.8)

BYK (0.8, 0.9, 1)

Kriteria C6 Pengetahuan Akan tugas C7 Kerjasama tim C8 Loyalitas C9 Kejujuran C10 Disiplin Rating kepentin gan CM (0.4, 0.5, 0.6)

P (0.6, 0.7, 0.8)

TG (0.9, 1, 1)

C (0.4, 0.5, 0.6)

SDG3 (0.6, 0.6, 0.6)

Tabel 4.4 Derajat kecocokan terhadap setiap kriteria karyawan dengan nilai dari logika fuzzy dengan bentuk segitiga

Tingkat Kinerja

Rating Kecocokan

C1 C2 C3 C4 C5

A1(tinggi) B (0.5, 0.6, 0.7)

B (0.5, 0.6, 0.7)

B (0.5, 0.6, 0.7)

B (0.5, 0.6, 0.7)

B (0.5, 0.6, 0.7)

A2(sedang) C (0.4, 0.5, 0.6)

B (0.5, 0.6, 0.7)

SB (0.7, 0.8, 1)

K (0.3, 0.4, 0.5)

K (0.5, 0.6, 0.7)

A3(rendah) B (0.5, 0.6, 0.7)

B (0.5, 0.6, 0.7)

C (0.4, 0.5, 0.6)

B (0.5, 0.6, 0.7)

K (0.5, 0.6, 0.7)

Tingkat Kinerja

Rating Kecocokan

C6 C7 C8 C9 C10

A1(tinggi) B (0.5, 0.6, 0.7) B (0.5, 0.6, 0.7) B (0.5, 0.6, 0.7) B (0.5, 0.6, 0.7) B (0.5, 0.6, 0.7) A2(sedang) B (0.5, 0.6, 0.7) C (0.4, 0.5, 0.6) C (0.4, 0.5, 0.6) B (0.5, 0.6, 0.7) SB (0.7, 0.8, 1)

A3(rendah) K (0.5, 0.6, 0.7) C (0.4, 0.5, 0.6) B (0.5, 0.6, 0.7) B (0.5, 0.6, 0.7) C (0.4, 0.5, 0.6)

Maka dengan rumus diatas didapat perhitungan Untuk tingkat kinerja A1 (tinggi):

((C1(TG) x C1(B)) + (C2(SDG2) x C2(B)) + (C3(SDG1) x C3(B)) + (C4(SDG1) x C4(B)) +(C5(BYK) x C5(B)) + (C6(CM) x C6(B)) + (C7(P) x C7(B)) + (C8(TG) x C8(B)) +

(C9(C) x C9(B)) + (C10(SDG3) x C10(B))/ 10

Dengan detail perhitungan

Y1=((0.9 x 0.5) + (0.5 x 0.5) + (0.5 x 0.5) + (0.6 x 0.5) + (0.8 x 0.5) + (0.4 x 0.5) + (0.6 x 0.5) + (0.9 x 0.5) + (0.4 x 0.5) + (0.6 x 0.5))/10=0.283

Q1=((1 x 0.6) + (0.6 x 0.6) + (0.6 x 0.6) + (0.7 x 0.6) + (0.9 x 0.6) + (0.5 x 0.6) + (0.7 x 0.6) + (1 x 0.6) + (0.5 x 0.6) + (0.7 x 0.6))/10=0.388

Z1=((1 x 0.7) + (0.7 x 0.7) + (0.7 x 0.7) + (0.8 x 0.7) + (1 x 0.7) + (0.6 x 0.7) + (0.8 x 0.7) +

(1 x 0.7) + (0.6 x 0.7) + (0.8 x 0.7))/10=0.502

Untuk tingkat kinerja A2(sedang)

((C1(TG) x C1(C)) + (C2(SDG2) x C2(B)) + (C3(SDG1) x C3(SB)) + (C4(SDG1)x C4(K)) + (C5(BYK) x C5(K)) + (C6(CM) x C6(B)) + (C7(P) x C7(C)) + (C8(TG) x C8(C)) +

(C9(C) x C9(B)) + (C10(SDG3) x C10(SB))/ 10 Dengan detail perhitungan

Y2=((0.9 x 0.4) + (0.5 x 0.5) + (0.5 x 0.7) + (0.6 x 0.3) + (0.8 x 0.5) + (0.4 x 0.5) + (0.6 x0.4) + (0.9 x 0.4) + (0.4 x 0.5) + (0.6 x 0.7))/10=0.245

Q2=((1 x 0.5) + (0.6 x 0.6) + (0.6 x 0.8) + (0.7 x 0.4) + (0.9 x 0.6) + (0.5 x 0.6) + (0.7 x 0.5) + (1 x 0.5) + (0.5 x 0.6) + (0.7 x 0.8))/10==0.339

Z2=((1 x 0.6) + (0.7 x 0.7) + (0.7 x 1) + (0.8 x 0.5) + (1 x 0.7) + (0.6 x 0.7) + (0.8 x 0.6) + (1x 0.6) + (0.6 x 0.7) + (0.8 x 1))/10=0.456

Untuk tingkat kinerja A3(kurang)

((C1(TG) x C1(B)) + (C2(SDG2) x C2(B)) + (C3(SDG1) x C3(C)) +(C4(SDG1) x C4(B)) + (C5(BYK) x C5(K)) + (C6(CM) x C6(K)) + (C7(P) x C7(C)) +

(C8(TG) x C8(B)) + (C9(C) x C9(B)) + (C10(SDG3) x C10(C))/ 10 Dengan detail perhitungan

Y3=((0.9 x 0.5) + (0.5 x 0.5) + (0.5 x 0.4) + (0.6 x 0.5) + (0.8 x 0.5) + (0.4 x 0.5) + (0.6 x 0.4) + (0.9 x 0.5 ) + (0.4 x 0.5) + (0.6 x 0.4))/10=0.233

Q3=((1 x 0.6) + (0.6 x 0.6) + (0.6 x 0.5) + (0.7 x 0.6) + (0.9 x 0.6) + (0.5 x 0.6) + (0.7 x 0.5) + (1 x 0.6) + (0.5 x 0.6) + (0.7 x 0.5))/10=0.316

Z3=((1 x 0.7) + (0.7 x 0.7) + (0.7 x 0.6) + (0.8 x 0.7) + (1 x 0.7) + (0.6 x 0.7) + (0.8 x 0.6) + (1 x 0.7) + (0.6 x 0.7) + (0.8 x 0.6))/10=0.404

Tabel 4.5 Hasil agregasi antara rating kepentingan dengan derajat kecocokan Tingkat

Kinerja

Index Fuzzy

Y Q Z

A1(tinggi) 0.283 0.388 0.502

A2(sedang) 0.245 0.339 0.456

A3(rendah) 0.233 0.316 0.404

Adapun maksud dan tujuan diagregasikan antara nilai-nilai logika fuzzy bentuk segitiga rating kepentingan dengan derajat kecocokan untuk menjadi total nilai rata-rata nilai dari bilangan fuzzy bentuk segitiga dalam hal ini diwakili dengan variabel Yi, Xi,Zi, i=1,2,3 dimana Y1,Q1,Z1 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A1(kinerja tinggi), Y2,Q2,Z2 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A2(kinerja sedang) dan Y3,Q3,Z3 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A3 (kinerja rendah) yang akan menjadi dasar dalam menghitung derajat keoptimisan karyawan dari 3 (tiga) tingkat kinerja yang ditentukan.

Setelah nilai rata-rata bilangan fuzzy bentuk segitiga Yi, Qi, Zi, i=1,2,3 didapat maka digunakan derajat keoptimisan untuk menyeleksi tingkat kinerja yang optimal dari karyawan si A dengan memasukkan index kecocokan fuzzy ke persamanaan :

...persamaan (2) Dimana F bilangan fuzzy segitiga : F (a,b,c) Dan dengan mengambil derajat keoptimisan

α=0, ; tidak optimis

α=0.5 ; optimis

α=1, ; sangat optimis

variabel a,b,c dari persamaan (2) akan diisi dari nilai rata-rata bilangan fuzzy bentuk segitiga.

Tabel 4.6 Nilai total integral karyawan si Ali

Tingkat kinerja

Nilai Total Integral

α= 0 α = 0,5 α = 1

A1 (Tinggi) 0.3355 0.3903 0.3975 A2 (Sedang) 0.292 0.3446 0 A3 (Rendah) 0.2745 0.3173 0.36

Adapun maksud dan tujuan dari derajat keoptimisan yang dipakai untuk menentukan pada tingkat kinerja karyawan dari 3(tiga) tingkat kinerja yang diajukan. Terdapat tiga parameter yang alpha=0, alpha=0.5, alpha=1 untuk melihat seberapa besar keoptimisan tingkat kinerja karyawan dari 3 (tiga) tingkat kinerja yang ditentukan. Berdasarkan tabel diatas setelah nilai integral karyawan si Ali terlihat nilai integral tertinggi berada pada kolom alpha=1 baris A1 (Tinggi). Dengan demikian karyawan si Ali sangat optimis pada tingkat kinerja tinggi.

Dengan demikian hasil penelitian ini menunjukkan karyawan si Ali mempunyai tingkat kinerja yang tinggi dengan dengan derajat keoptimisan: sangat tinggi.

BAB 5

KESIMPULAN DAN SARAN

5.1Kesimpulan

Berdasarkan hasil pembahasan penilaian tingkat kinerja karyawan dengan menggunakan aplikasi metode FMCDM (Fuzzy Multicriteria Decision Making) didapat kesimpulan sebagai berikut :

1. Metode FMCDM yang digunakan dapat menjadi alat bantu untuk menentukan

tingkat kinerja karyawan bagi perusahaan sehingga didapat bagaimana pola kerja karyawan.

2. Dengan penggunaan metode FMCDM maka didapat karyawan yang akan

terkelompokkan sesuai dengan kategori yang diajukan.

3. Karena kriteria yang digunakan untuk menunjang keputusan yang dibuat berdasarkan kalimat dimana ketidakpastian nilai ukuran dari kalimat variabel linguistik tersebut misalnya kalimat baik, buruk, tinggi, sedang, kurang maka direpresentasikan dengan logika fuzzy model segitiga sehingga didapat rentang nilai dari masing-masing kalimat tersebut.

4. Rentang nilai tersebut akan menjadi masukan dalam agregasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif sehingga dapat ditentukan derajat keoptimisan dari karyawan yang dimaksud pada masing-masing alternatif-alternatif yang diajukan.

5.2Saran

Program aplikasi untuk dapat dikembangkan lebih lanjut sehingga program aplikasi dapat berjalan dalam mode jaringan.

DAFTAR PUSTAKA

Carlsson, C. Full´er, R. 1996. Fuzzy Multiple Criteria Decision Making: Recent Developments. Fuzzy Sets and Systems78_:139-153.

Chang, T.-H. Wang, T.-C. 2008. Using the fuzzy multi-criteria decision making approach for measuring the possibility of successful knowledge management. Information Sciences, Elsevier:355-370.

Chesmberah, M. Makui, A. Seyedhoseini, S.M. Gheidar-Kheljani, J. 2011. A Framework Including Product Life Cycle Considerations and Fuzzy Multiple Criteria for Manufacturing Outsourcing Decision-Making: A Case Study. International Bulletin of Business Administration, Euro Journals12_:28-40.

Cox, El. Zadeh, L. 1994. The Fuzzy System Handbook, McGraw-Hill: London.

Kahraman, C. 2008. Fuzzy Multi Criteria Decision Making, Theory Application with Recent Documents. Springer : Istanbul.

Klir, G.J. Bo,Y. 1995. Fuzzy Sets and Fuzzy Logic, Theory and Applications, Prentice Hall PTR : New Jersey.

Kusumadewi, Sri. 2010. Aplikasi Logika Fuzzy, Graha Ilmu:Jakarta

Lee, H.-S. Shen, P. -D. & Chis, W. -Li. 2004. A Fuzzy Multiple Criteria Decision Making Model for Software Selection. IEEE40_:1709-1713

Rao, R.V. Rajesh, T.S. 2009. Sofware Selection in Manufacturing Industries Using a Fuzzy Multiple Criteria Decision Making Method. Intelligent Information Management1:_159-165.

Sousa, J.M.C. Kaymak, U. 2002. Fuzzy Decision Making In Modeling And Control, Mainland Press: Singapore.

DAFTAR PUBLIKASI KARYA ILMIAH

Judul Artikel Penulis Publikasi Waktu

Publikasi Tempat

Penentuan Tingkat

Kinerja Karyawan Pada PT.XYZ

Dengan Menggunakan Metode Fuzzy Multicriteria

Decision Making

Dedy Irwan Seminar

Nasional Teknologi Informasi & Komunikasi. Vol.2 jilid 2. ISBN

978-602-19837-6-8

Kode program form rating kepentingan Private Sub Command1_Click()

derajat_frm.Show rating_frm.Hide End Sub

Private Sub disiplin_cmb_Click() Select Case disiplin_cmb.ListIndex Case 0

'tg'

c10_a = 0.9 c10_b = 1 c10_c = 1 Case 1 'sdg3' c10_a = 0.6 c10_b = 0.7 c10_c = 0.8 Case 2

'sdk3' c10_a = 0.3 c10_b = 0.4 c10_c = 0.5 Case 3

'krg3' c10_a = 0 c10_b = 0.1 c10_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub Form_Load()

produk_cmb.AddItem "Tinggi (TG)", 0 produk_cmb.AddItem "Sedang (SDG2)", 1 produk_cmb.AddItem "Sedikit (SDK2)", 2 produk_cmb.AddItem "Kurang (KRG)", 3

inisiatif_cmb.AddItem "Banyak (BYK)", 0 inisiatif_cmb.AddItem "Sedang (SDG2)", 1 inisiatif_cmb.AddItem "Sedikit (SDK2)", 2 inisiatif_cmb.AddItem "Tidak Ada (TA)", 3

kecakapan_cmb.AddItem "Sangat Baik (SB)", 0 kecakapan_cmb.AddItem "Baik (B)", 1

kecakapan_cmb.AddItem "Cukup (C)", 2 kecakapan_cmb.AddItem "Kurang (K)", 3

kecakapan_cmb.AddItem "Sangat Kurang (SK)", 4

kualitas_cmb.AddItem "Tinggi (TG)", 0 kualitas_cmb.AddItem "Sedang (SDG1)", 1 kualitas_cmb.AddItem "Sedikit (SDK1)", 2 kualitas_cmb.AddItem "Kurang (KRG)", 3

mandiri_cmb.AddItem "Banyak (BYK)", 0 mandiri_cmb.AddItem "Sedang (SDG1)", 1 mandiri_cmb.AddItem "Sedikit (SDK1)", 2

mandiri_cmb.AddItem "Tidak Ada (TA)", 3

tugas_cmb.AddItem "Mengerti (M)", 0 tugas_cmb.AddItem "Sebagian (SBG)", 1 tugas_cmb.AddItem "Cukup Mengerti (CM)", 2 tugas_cmb.AddItem "Tidak Mengerti (TM)", 3

kerjasama_cmb.AddItem "Sering (SRG)", 0 kerjasama_cmb.AddItem "Pernah (P)", 1 kerjasama_cmb.AddItem "Jarang (JRG)", 2 kerjasama_cmb.AddItem "Tidak Pernah (TP)", 3

loyalitas_cmb.AddItem "Tinggi (TGL)", 0 loyalitas_cmb.AddItem "Cukup (CKPL)", 1 loyalitas_cmb.AddItem "Kurang (KRGL)", 2 loyalitas_cmb.AddItem "Tidak (TDKL)", 3

jujur_cmb.AddItem "Tinggi (TGJ)", 0 jujur_cmb.AddItem "Cukup (CKJ)", 1 jujur_cmb.AddItem "Sedikit (SKJ)", 2 jujur_cmb.AddItem "Kurang (KRGJ)", 3

disiplin_cmb.AddItem "Tinggi (TG3)", 0 disiplin_cmb.AddItem "Sedang (SDG3)", 1 disiplin_cmb.AddItem "Sedikit (SDK3), 2" disiplin_cmb.AddItem "Kurang (KRG3)", 3

End Sub

Private Sub inisiatif_cmb_Click() Select Case inisiatif_cmb.ListIndex Case 0

'byk'

c2_a = 0.8 c2_b = 0.9 c2_c = 1 Case 1 'sdg2'

c2_a = 0.5 c2_b = 0.6 c2_c = 0.7 Case 2

'sdk2'

c2_a = 0.2 c2_b = 0.3 c2_c = 0.4 Case 3

'ta'

c2_a = 0 c2_b = 0.1 c2_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Select Case jujur_cmb.ListIndex Case 0

'tgj'

c9_a = 0.7 c9_b = 0.8 c9_c = 0.9 Case 1

'ckj'

c9_a = 0.4 c9_b = 0.5 c9_c = 0.6 Case 2

'sdkj'

c9_a = 0.1 c9_b = 0.2 c9_c = 0.3 Case 3

'krgj' c9_a = 0 c9_b = 0 c9_c = 0 Case Else

MsgBox "Not" End Select End Sub

Private Sub kecakapan_cmb_Click() Select Case kecakapan_cmb.ListIndex Case 0

c3_a = 0.7 c3_b = 0.8 c3_c = 1 Case 1 'b'

c3_a = 0.5 c3_b = 0.6 c3_c = 0.7 Case 2 'c'

c3_a = 0.4 c3_b = 0.5 c3_c = 0.6 Case 3 'k'

c3_a = 0.3 c3_b = 0.4 c3_c = 0.5 Case 4 'sk' c3_a = 0 c3_b = 0.1 c3_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub kerjasama_cmb_Click() Select Case kerjasama_cmb.ListIndex

Case 0 'srg'

c7_a = 0.9 c7_b = 0.9 c7_c = 1 Case 1 'p'

c7_a = 0.6 c7_b = 0.7 c7_c = 0.8 Case 2

'jrg'

c7_a = 0.3 c7_b = 0.4 c7_c = 0.5 Case 3

'tp'

c7_a = 0 c7_b = 0.1 c7_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub kualitas_cmb_Click() Select Case kualitas_cmb.ListIndex Case 0

'tg'

c4_b = 1 c4_c = 1 Case 1 'sdg1' c4_a = 0.6 c4_b = 0.7 c4_c = 0.8 Case 2 'sdk1' c4_a = 0.3 c4_b = 0.4 c4_c = 0.5 Case 3 'krg' c4_a = 0 c4_b = 0.1 c4_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub loyalitas_cmb_Click() Select Case loyalitas_cmb.ListIndex Case 0

'tgl'

c8_a = 0.9 c8_b = 0.8 c8_c = 0.7 Case 1

'ckpl'

c8_a = 0.4 c8_b = 0.5 c8_c = 0.6 Case 2

'krgl'

c8_a = 0.1 c8_b = 0.2 c8_c = 0.3 Case 3

'tdl'

c8_a = 0 c8_b = 0 c8_c = 0 Case Else

MsgBox "Not" End Select End Sub

Private Sub mandiri_cmb_Click() Select Case mandiri_cmb.ListIndex Case 0

'byk'

c5_a = 0.8 c5_b = 0.9 c5_c = 1 Case 1 'sdg1'

c5_b = 0.6 c5_c = 0.7 Case 2

'sdk1'

c5_a = 0.2 c5_b = 0.3 c5_c = 0.4 Case 3

'ta'

c5_a = 0 c5_b = 0.1 c5_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub produk_cmb_Click() Select Case produk_cmb.ListIndex Case 0

'tg'

c1_a = 0.9 c1_b = 1 c1_c = 1 Case 1 'sdg2' c1_a = 0.6 c1_b = 0.7 c1_c = 0.8 Case 2

'sdk2' c1_a = 0.3 c1_b = 0.4 c1_c = 0.5 Case 3 'krg' c1_a = 0 c1_b = 0.1 c1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub tugas_cmb_Click() Select Case tugas_cmb.ListIndex Case 0

'm'

c6_a = 0.7 c6_b = 0.8 c6_c = 0.9 Case 1

'cm'

c6_a = 0.4 c6_b = 0.5 c6_c = 0.6 Case 2

'sbg'

c6_b = 0.2 c6_c = 0.3 Case 3

'tm'

c6_a = 0 c6_b = 0 c6_c = 0 Case Else

MsgBox "Not" End Select End Sub

Kode program form derajat kecocokan setiap kriteria

Private Sub C1_kepA1_cmb_Click() Select Case C1_kepA1_cmb.ListIndex Case 0

'SB'

ktrC1A1_a = 0.7 ktrC1A1_b = 0.8 ktrC1A1_c = 1 Case 1

'B'

ktrC1A1_a = 0.5 ktrC1A1_b = 0.6 ktrC1A1_c = 0.7 Case 2

'C'

ktrC1A1_a = 0.4 ktrC1A1_b = 0.5 ktrC1A1_c = 0.6 Case 3

'K'

ktrC1A1_a = 0.3 ktrC1A1_b = 0.4 ktrC1A1_c = 0.5 Case 4

'SK'

ktrC1A1_a = 0 ktrC1A1_b = 0.1 ktrC1A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C1_kepA2_cmb_Click() Select Case C1_kepA2_cmb.ListIndex Case 0

'SB'

ktrC1A2_a = 0.7 ktrC1A2_b = 0.8 ktrC1A2_c = 1 Case 1

'B'

ktrC1A2_a = 0.5 ktrC1A2_b = 0.6 ktrC1A2_c = 0.7 Case 2

'C'

ktrC1A2_a = 0.4 ktrC1A2_b = 0.5 ktrC1A2_c = 0.6 Case 3

'K'

ktrC2A2_a = 0.3 ktrC2A2_b = 0.4 ktrC2A2_c = 0.5 Case 4

'SK'

ktrC2A2_a = 0 ktrC2A2_b = 0.1 ktrC2A2_c = 0.2

Case Else

MsgBox "Not" End Select End Sub

Private Sub C1_kepA3_cmb_Click() Select Case C1_kepA3_cmb.ListIndex Case 0

'SB'

ktrC1A3_a = 0.7 ktrC1A3_b = 0.8 ktrC1A3_c = 1 Case 1

'B'

ktrC1A3_a = 0.5 ktrC1A3_b = 0.6 ktrC1A3_c = 0.7 Case 2

'C'

ktrC1A3_a = 0.4 ktrC1A3_b = 0.5 ktrC1A3_c = 0.6 Case 3

'K'

ktrC1A3_a = 0.3 ktrC1A3_b = 0.4 ktrC1A3_c = 0.5 Case 4

'SK'

ktrC1A3_b = 0.1 ktrC1A3_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub Command1_Click() rating_cocok_frm.Show

derajat_frm.Hide End Sub

Private Sub C2_kepA1_cmb_Click() Select Case C2_kepA1_cmb.ListIndex Case 0

'SB'

ktrC2A1_a = 0.7 ktrC2A1_b = 0.8 ktrC2A1_c = 1 Case 1

'B'

ktrC2A1_a = 0.5 ktrC2A1_b = 0.6 ktrC2A1_c = 0.7 Case 2

'C'

ktrC2A1_a = 0.4 ktrC2A1_b = 0.5

ktrC2A1_c = 0.6 Case 3

'K'

ktrC2A1_a = 0.3 ktrC2A1_b = 0.4 ktrC2A1_c = 0.5 Case 4

'SK'

ktrC2A1_a = 0 ktrC2A1_b = 0.1 ktrC2A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C2_kepA2_cmb_Click() Select Case C2_kepA2_cmb.ListIndex Case 0

'SB'

ktrC2A2_a = 0.7 ktrC2A2_b = 0.8 ktrC2A2_c = 1 Case 1

'B'

ktrC2A2_a = 0.5 ktrC2A2_b = 0.6 ktrC2A2_c = 0.7 Case 2

ktrC2A2_a = 0.4 ktrC2A2_b = 0.5 ktrC2A2_c = 0.6 Case 3

'K'

ktrC2A2_a = 0.3 ktrC2A2_b = 0.4 ktrC2A2_c = 0.5 Case 4

'SK'

ktrC2A2_a = 0 ktrC2A2_b = 0.1 ktrC2A2_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C2_kepA3_cmb_Click() Select Case C2_kepA3_cmb.ListIndex Case 0

'SB'

ktrC2A3_a = 0.7 ktrC2A3_b = 0.8 ktrC2A3_c = 1 Case 1

'B'

ktrC2A3_a = 0.5 ktrC2A3_b = 0.6 ktrC2A3_c = 0.7

Case 2 'C'

ktrC2A3_a = 0.4 ktrC2A3_b = 0.5 ktrC2A3_c = 0.6 Case 3

'K'

ktrC2A3_a = 0.3 ktrC2A3_b = 0.4 ktrC2A3_c = 0.5 Case 4

'SK'

ktrC2A3_a = 0 ktrC2A3_b = 0.1 ktrC2A3_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C3_kepA1_cmb_Click() Select Case C3_kepA1_cmb.ListIndex Case 0

'SB'

ktrC3A1_a = 0.7 ktrC3A1_b = 0.8 ktrC3A1_c = 1 Case 1

'B'

ktrC3A1_b = 0.6 ktrC3A1_c = 0.7 Case 2

'C'

ktrC3A1_a = 0.4 ktrC3A1_b = 0.5 ktrC3A1_c = 0.6 Case 3

'K'

ktrC3A1_a = 0.3 ktrC3A1_b = 0.4 ktrC3A1_c = 0.5 Case 4

'SK'

ktrC3A1_a = 0 ktrC3A1_b = 0.1 ktrC3A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C3_kepA2_cmb_Click() Select Case C3_kepA2_cmb.ListIndex Case 0

'SB'

ktrC3A2_a = 0.7 ktrC3A2_b = 0.8 ktrC3A2_c = 1 Case 1

'B'

ktrC3A2_a = 0.5 ktrC3A2_b = 0.6 ktrC3A2_c = 0.7 Case 2

'C'

ktrC3A2_a = 0.4 ktrC3A2_b = 0.5 ktrC3A2_c = 0.6 Case 3

'K'

ktrC3A2_a = 0.3 ktrC3A2_b = 0.4 ktrC3A2_c = 0.5 Case 4

'SK'

ktrC3A2_a = 0 ktrC3A2_b = 0.1 ktrC3A2_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C3_kepA3_cmb_Click() Select Case C3_kepA3_cmb.ListIndex Case 0

'SB'

ktrC3A3_a = 0.7 ktrC3A3_b = 0.8

ktrC3A3_c = 1 Case 1

'B'

ktrC3A3_a = 0.5 ktrC3A3_b = 0.6 ktrC3A3_c = 0.7 Case 2

'C'

ktrC3A3_a = 0.4 ktrC3A3_b = 0.5 ktrC3A3_c = 0.6 Case 3

'K'

ktrC3A3_a = 0.3 ktrC3A3_b = 0.4 ktrC3A3_c = 0.5 Case 4

'SK'

ktrC3A3_a = 0 ktrC3A3_b = 0.1 ktrC3A3_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C4_kepA1_cmb_Click() Select Case C4_kepA1_cmb.ListIndex Case 0

ktrC4A1_a = 0.7 ktrC4A1_b = 0.8 ktrC4A1_c = 1 Case 1

'B'

ktrC4A1_a = 0.5 ktrC4A1_b = 0.6 ktrC4A1_c = 0.7 Case 2

'C'

ktrC4A1_a = 0.4 ktrC4A1_b = 0.5 ktrC4A1_c = 0.6 Case 3

'K'

ktrC4A1_a = 0.3 ktrC4A1_b = 0.4 ktrC4A1_c = 0.5 Case 4

'SK'

ktrC4A1_a = 0 ktrC4A1_b = 0.1 ktrC4A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C4_kepA2_cmb_Click() Select Case C4_kepA2_cmb.ListIndex

Case 0 'SB'

ktrC4A2_a = 0.7 ktrC4A1_b = 0.8 ktrC4A1_c = 1 Case 1

'B'

ktrC4A1_a = 0.5 ktrC4A1_b = 0.6 ktrC4A1_c = 0.7 Case 2

'C'

ktrC4A1_a = 0.4 ktrC4A1_b = 0.5 ktrC4A1_c = 0.6 Case 3

'K'

ktrC4A1_a = 0.3 ktrC4A1_b = 0.4 ktrC4A1_c = 0.5 Case 4

'SK'

ktrC4A1_a = 0 ktrC4A1_b = 0.1 ktrC4A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C4_kepA3_cmb_Click() Select Case C4_kepA3_cmb.ListIndex Case 0

'SB'

ktrC4A3_a = 0.7 ktrC4A3_b = 0.8 ktrC4A3_c = 1 Case 1

'B'

ktrC4A3_a = 0.5 ktrC4A3_b = 0.6 ktrC4A3_c = 0.7 Case 2

'C'

ktrC4A3_a = 0.4 ktrC4A3_b = 0.5 ktrC4A3_c = 0.6 Case 3

'K'

ktrC4A3_a = 0.3 ktrC4A3_b = 0.4 ktrC4A3_c = 0.5 Case 4

'SK'

ktrC4A3_a = 0 ktrC4A3_b = 0.1 ktrC4A3_c = 0.2 Case Else

MsgBox "Not" End Select

End Sub

Private Sub C5_kepA1_cmb_Click() Select Case C5_kepA1_cmb.ListIndex Case 0

'SB'

ktrC5A1_a = 0.7 ktrC5A1_b = 0.8 ktrC5A1_c = 1 Case 1

'B'

ktrC5A1_a = 0.5 ktrC5A1_b = 0.6 ktrC5A1_c = 0.7 Case 2

'C'

ktrC5A1_a = 0.4 ktrC5A1_b = 0.5 ktrC5A1_c = 0.6 Case 3

'K'

ktrC5A1_a = 0.3 ktrC5A1_b = 0.4 ktrC5A1_c = 0.5 Case 4

'SK'

ktrC5A1_a = 0 ktrC5A1_b = 0.1 ktrC5A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C5_kepA2_cmb_Click() Select Case C5_kepA2_cmb.ListIndex Case 0

'SB'

ktrC5A2_a = 0.7 ktrC5A2_b = 0.8 ktrC5A2_c = 1 Case 1

'B'

ktrC5A2_a = 0.5 ktrC5A2_b = 0.6 ktrC5A2_c = 0.7 Case 2

'C'

ktrC5A2_a = 0.4 ktrC5A2_b = 0.5 ktrC5A2_c = 0.6 Case 3

'K'

ktrC5A2_a = 0.3 ktrC5A2_b = 0.4 ktrC5A2_c = 0.5 Case 4

'SK'

ktrC5A2_a = 0 ktrC5A2_b = 0.1

ktrC5A2_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C5_kepA3_cmb_Click() Select Case C5_kepA3_cmb.ListIndex Case 0

'SB'

ktrC5A2_a = 0.7 ktrC5A2_b = 0.8 ktrC5A2_c = 1 Case 1

'B'

ktrC5A2_a = 0.5 ktrC5A2_b = 0.6 ktrC5A2_c = 0.7 Case 2

'C'

ktrC5A2_a = 0.4 ktrC5A2_b = 0.5 ktrC5A2_c = 0.6 Case 3

'K'

ktrC5A2_a = 0.3 ktrC5A2_b = 0.4 ktrC5A2_c = 0.5 Case 4

ktrC5A2_a = 0 ktrC5A2_b = 0.1 ktrC5A2_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C6_kepA1_cmb_Click() Select Case C6_kepA1_cmb.ListIndex Case 0

'SB'

ktrC6A1_a = 0.7 ktrC6A1_b = 0.8 ktrC6A1_c = 1 Case 1

'B'

ktrC6A1_a = 0.5 ktrC6A1_b = 0.6 ktrC6A1_c = 0.7 Case 2

'C'

ktrC6A1_a = 0.4 ktrC6A1_b = 0.5 ktrC6A1_c = 0.6 Case 3

'K'

ktrC6A1_a = 0.3 ktrC6A1_b = 0.4 ktrC6A1_c = 0.5

Case 4 'SK'

ktrC6A1_a = 0 ktrC6A1_b = 0.1 ktrC6A1_c = 0.2 Case Else

MsgBox "Not" End Select End Sub

Private Sub C6_kepA2_cmb_Click() Select Case C6_kepA2_cmb.ListIndex Case 0

'SB'

ktrC6A2_a = 0.7 ktrC6A2_b = 0.8 ktrC6A2_c = 1 Case 1

'B'

ktrC6A2_a = 0.5 ktrC6A2_b = 0.6 ktrC6A2_c = 0.7 Case 2

'C'

ktrC6A2_a = 0.4 ktrC6A2_b = 0.5 ktrC6A2_c = 0.6 Case 3

'K'

ktrC6A2_a = 0.3 ktrC6A2_b = 0.4

C9_kepA1_cmb.AddItem "Baik (B)", 1 C9_kepA1_cmb.AddItem "Cukup (C)", 2 C9_kepA1_cmb.AddItem "Kurang (K)", 3

C9_kepA1_cmb.AddItem "Sangat Kurang (SK)", 4

C9_kepA2_cmb.AddItem "Sangat Baik (SB)", 0 C9_kepA2_cmb.AddItem "Baik (B)", 1

C9_kepA2_cmb.AddItem "Cukup (C)", 2 C9_kepA2_cmb.AddItem "Kurang (K)", 3

C9_kepA2_cmb.AddItem "Sangat Kurang (SK)", 4

C9_kepA3_cmb.AddItem "Sangat Baik (SB)", 0 C9_kepA3_cmb.AddItem "Baik (B)", 1

C9_kepA3_cmb.AddItem "Cukup (C)", 2 C9_kepA3_cmb.AddItem "Kurang (K)", 3

C9_kepA3_cmb.AddItem "Sangat Kurang (SK)", 4

C10_kepA1_cmb.AddItem "Sangat Baik (SB)", 0 C10_kepA1_cmb.AddItem "Baik (B)", 1

C10_kepA1_cmb.AddItem "Cukup (C)", 2 C10_kepA1_cmb.AddItem "Kurang (K)", 3

C10_kepA1_cmb.AddItem "Sangat Kurang (SK)", 4

C10_kepA2_cmb.AddItem "Sangat Baik (SB)", 0 C10_kepA2_cmb.AddItem "Baik (B)", 1

C10_kepA2_cmb.AddItem "Cukup (C)", 2 C10_kepA2_cmb.AddItem "Kurang (K)", 3

C10_kepA2_cmb.AddItem "Sangat Kurang (SK)", 4

C10_kepA3_cmb.AddItem "Baik (B)", 1 C10_kepA3_cmb.AddItem "Cukup (C)", 2 C10_kepA3_cmb.AddItem "Kurang (K)", 3

C10_kepA3_cmb.AddItem "Sangat Kurang (SK)", 4

End Sub

Private Sub OK_Click() rating_cocok_frm.Show derajat_frm.Hide

Kode program form rating kecocokan setiap alternatif

Private Sub Form_Load() Rem Nilai dari rating kecocokan 'A1(Tinggi)

Y1 = ((c1_a * ktrC1A1_a) + (c2_a * ktrC2A1_a) + (c3_a * ktrC3A1_a) + (c4_a * ktrC4A1_a) + (c5_a * ktrC5A1_a) + (c6_a * ktrC6A1_a) + (c7_a * ktrC7A1_a) + (c8_a * ktrC8A1_a) + (c9_a * ktrC9A1_a) + (c10_a * ktrC10A1_a)) / 10

Q1 = ((c1_b * ktrC1A1_b) + (c2_b * ktrC2A1_b) + (c3_b * ktrC3A1_b) + (c4_b * ktrC4A1_b) + (c5_b * ktrC5A1_b) + (c6_b * ktrC6A1_b) + (c7_b * ktrC7A1_b) + (c8_b * ktrC8A1_b) + (c9_b * ktrC9A1_b) + (c10_b * ktrC10A1_b)) / 10

Z1 = ((c1_c * ktrC1A1_c) + (c2_c * ktrC2A1_c) + (c3_c * ktrC3A1_c) + (c4_c * ktrC4A1_c) + (c5_c * ktrC5A1_c) + (c6_c * ktrC6A1_c) + (c7_c * ktrC7A1_c) + (c8_c * ktrC8A1_c) + (c9_c * ktrC9A1_c) + (c10_c * ktrC10A1_c)) / 10

'A2(Sedang)

Y2 = ((c1_a * ktrC1A2_a) + (c2_a * ktrC2A2_a) + (c3_a * ktrC3A2_a) + (c4_a * ktrC4A2_a) + (c5_a * ktrC5A2_a) + (c6_a * ktrC6A2_a) + (c7_a * ktrC7A2_a) + (c8_a * ktrC8A2_a) + (c9_a * ktrC9A2_a) + (c10_a * ktrC10A2_a)) / 10

Q2 = ((c1_b * ktrC1A2_b) + (c2_b * ktrC2A2_b) + (c3_b * ktrC3A2_b) + (c4_b * ktrC4A2_b) + (c5_b * ktrC5A2_b) + (c6_b * ktrC6A2_b) + (c7_b * ktrC7A2_b) + (c8_b * ktrC8A2_b) + (c9_b * ktrC9A2_b) + (c10_b * ktrC10A2_b)) / 10

Z2 = ((c1_c * ktrC1A2_c) + (c2_c * ktrC2A2_c) + (c3_c * ktrC3A2_c) + (c4_c * ktrC4A2_c) + (c5_c * ktrC5A2_c) + (c6_c * ktrC6A2_c) + (c7_c * ktrC7A2_c) + (c8_c * ktrC8A2_c) + (c9_c * ktrC9A2_c) + (c10_c * ktrC10A2_c)) / 10

Y3 = ((c1_a * ktrC1A3_a) + (c2_a * ktrC2A3_a) + (c3_a * ktrC3A3_a) + (c4_a * ktrC4A3_a) + (c5_a * ktrC5A3_a) + (c6_a * ktrC6A3_a) + (c7_a * ktrC7A3_a) + (c8_a * ktrC8A3_a) + (c9_a * ktrC9A3_a) + (c10_a * ktrC10A3_a)) / 10

Q3 = ((c1_b * ktrC1A3_b) + (c2_b * ktrC2A3_b) + (c3_b * ktrC3A3_b) + (c4_b * ktrC4A3_b) + (c5_b * ktrC5A3_b) + (c6_b * ktrC6A3_b) + (c7_b * ktrC7A3_b) + (c8_b * ktrC8A3_b) + (c9_b * ktrC9A3_b) + (c10_b * ktrC10A3_b)) / 10

Z3 = ((c1_c * ktrC1A3_c) + (c2_c * ktrC2A3_c) + (c3_c * ktrC3A3_c) + (c4_c * ktrC4A3_c) + (c5_c * ktrC5A3_c) + (c6_c * ktrC6A3_c) + (c7_c * ktrC7A3_c) + (c8_c * ktrC8A3_c) + (c9_c * ktrC9A3_c) + (c10_c * ktrC10A3_c)) / 10

Y_A1_txt.Text = Y1 Q_A1_txt.Text = Q1 Z_A1_txt.Text = Z1

Y_A2_txt.Text = Y2 Q_A2_txt.Text = Q2 Z_A2_txt.Text = Z2

Y_A3_txt.Text = Y3 Q_A3_txt.Text = Q3 Z_A3_txt.Text = Z3

Rem

============================================================= ================

Dim FnolA1, FnollimaA1, FsatuA1 As Single Dim FnolA2, FnollimaA2, FsatuA2 As Single Dim FnolA3, FnollimaA3, FsatuA3 As Single

alpha_nollima = 0.5 alpha_satu = 1

Rem Nilai Total setiap integral alternatif 'A1

'alpha=0

FnolA1 = 0.5 * ((alpha_nol * Z1) + Q1 + ((1 - alpha_nol) * Y1)) 'alpha=0.5

FnollimaA1 = 0.5 * ((alpha_nollima * Z1) + Q1 + ((1 - alpha_nollima) * Y1)) 'alpha = 1

FsatuA1 = 0.5 * ((alpha_satu * Z1) + Q1 + ((1 - alpha_satu) * Y1))

'A2 'alpha=0

FnolA2 = 0.5 * ((alpha_nol * Z2) + Q2 + ((1 - alpha_nol) * Y2)) 'alpha=0.5

FnollimaA2 = 0.5 * ((alpha_nollima * Z2) + Q2 + ((1 - alpha_nollima) * Y2)) 'alpha = 1

FsatuA1 = 0.5 * ((alpha_satu * Z2) + Q2 + ((1 - alpha_satu) * Y2))

'A1 'alpha=0

FnolA3 = 0.5 * ((alpha_nol * Z3) + Q3 + ((1 - alpha_nol) * Y3)) 'alpha=0.5

FnollimaA3 = 0.5 * ((alpha_nollima * Z3) + Q3 + ((1 - alpha_nollima) * Y3)) 'alpha = 1

FsatuA3 = 0.5 * ((alpha_satu * Z3) + Q3 + ((1 - alpha_satu) * Y3))

A1nol_txt.Text = FnolA1

A1nollima_txt.Text = FnollimaA1 A1satu_txt.Text = FsatuA1

A2nol_txt.Text = FnolA2

A2nollima_txt.Text = FnollimaA2 A2satu_txt.Text = FsatuA2

A3nol_txt.Text = FnolA3

A3nollima_txt.Text = FnollimaA3 A3satu_txt.Text = FsatuA3

End Sub

Private Sub Form_Unload(Cancel As Integer) Unload rating_frm

Unload rating_cocok_frm Unload Me