SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA.
SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA
SKRIPSI
Disusun Oleh :
JOSEPH WELAN PATTIPEILUHU NPM : 0434010210
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
(2)
SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM
KLINIK PRODIA - SURABAYA
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
JOSEPH WELAN PATTIPEILUHU
NPM. 0434010210
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
SURABAYA
2010
(3)
LEMBAR PENGESAHAN
SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA
Oleh
JOSEPH WELAN PATTIPEILUHU NPM : 0434010210
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang II Tahun Akademik 2010/2011
Menyetujui,
Pembimbing Utama Pembimbing Pendamping
Basuki Rahmat, S.Si, MT NPT. 369 070 602 13
Fetty Tri Anggraeny, S.Kom NPT. 382 020 602 08
Mengetahui
Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Basuki Rahmat, S.Si, MT NPT. 369 070 602 13
(4)
YAYASAN KEJUANGAN PANGLIMA BESAR SUDIRMAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR FAKULTAS TEKNOLOGI INDUSTRI
Jl. Raya Rungkut Madya Gunung Anyar Telp. (031) 8706369 (Hunting). Fax. (031) 8706372 Surabaya 60294
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : Joseph Welan Pattipeiluhu
NPM : 0434010210
Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang II, TA 2010/2011 dengan judul :
” SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI
LABORATORIUM KLINIK PRODIA - SURABAYA ”
Surabaya, 13 Desember 2010 Dosen Penguji yang memerintahkan revisi :
1) Ir. Purnomo Edi Sasongko, MP
{
}
NPT. 19640 7140 198803 1001
2) Ir. M. Rochmad, MT
{
}
NPT. 19620 3041 991031 002
3) Fetty Tri Anggraeny, S.Kom
{
}
NPT. 382 0206 0208
Mengetahui,
Pembimbing Utama
Basuki Rahmat, S.Si, MT NPT. 369 070 602 13
Pembimbing Kedua
Fetty Tri Anggraeny, S.Kom NPT. 382 0206 0208
(5)
SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI
LABORATORIUM KLINIK PRODIA – SURABAYA
Oleh :
Joseph Welan Pattipeiluhu
NPM : 0434010210
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 13 Desember 2010
2. 2.
3.
Mengetahui
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Ir. Sutiyono, MT NIP. 19600713 198703 1001 Pembimbing :
1.
Basuki Rahmat, S.Si, MT NPT. 369 070 602 13
Penguji : 1.
Ir. Purnomo Edi Sasongko, MP NPT. 19640 7140 198803 1001 2.
Fetty Tri Anggraeny S.kom NPT. 382 020 602 08
Ir. M. Rochmad, MT NPT. 19620 3041 99103 1002
Fetty Tri Anggraeny S.kom NPT. 382 020 602 08
(6)
ii
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmatnya kepada penulis sehingga penulis dapat menyelesaikan Laporan Tugas Akhir ini dengan baik dan benar.
Penyusunan Laporan tugas akhir ini merupakan prasyarat dalam mengambil Tugas Akhir. Adapun judul Laporan Tugas Akhir ini adalah ” SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA ”.
Tak lupa pada kesempatan ini penulis menyampaikan ucapan terima kasih yang sebesar – besarnya kepada semua pihak yang telah membantu dalam penyelesaian Laporan Tugas Akhir ini. Ucapan terima kasih penulis sampaikan kepada yang terhormat:
1. Tuhan Jesus Kristus yang memberkati saya dalam menyelesaikan skripsi dan semuanya.
2. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “Veteran” Jawa Timur.
3. Bapak Basuki Rahmat, SSi, MT selaku Ketua Jurusan Teknik Informatika UPN “Veteran” Jawa Timur yang sekaligus sebagai Dosen Pembimbing I.
4. Ibu Fetty Tri Anggraeny S.kom selaku Dosen Pembimbing II yang telah meluangkan begitu banyak waktu, tenaga dan pikiran serta dengan sabar membimbing penulis dari awal hingga terselesainya Laporan Skripsi / Tugas Akhir (TA) ini.
(7)
iii
5. Kedua orang tua tercinta yaitu Papa Bram dan Mama Lis atas semua doa, tak lupa Kakakku Kevin yang juga memberi dukungan serta harapan-harapanya pada saat penulis menyelesaikan Skripsi dan laporan ini. Yang penulis minta hanya doa restunya, sehingga penulis bisa membuat sesuatu yang lebih baik dari laporan ini.
6. Saudara – saudara ku semua, khususnya Nenekku, Adikku Marsha, serta Tante Nora, Kakakku Sarah dan Vina yang memberi semangat.
7. Dosen – Dosen Jurusan Teknik Informatika UPN “VETERAN” JATIM, yang telah membuat kami membuka pikiran dan merubah pola pikir kami.
8. Seluruh Teman Jurusan Informatika, tanpa kecuali khususnya Risqi Rachmadi, Wisma Andi, dan kawan-kawan lain yang telah berperan penting membantu penulis baik materil, spirituil dan atas dukungannya ”Terima Kasih Yang sebesar-besarnya, dan bagi Yang belum sidang TA, kapan kalian sidang TA. Semoga sukses selalu buat kalian”
Penulis sebagai manusia biasa pasti mempunyai keterbatasan dan banyak sekali kekurangan, terutama dalam pembuatan laporan ini. Untuk itu penulis sangat membutuhkan kritik dan saran yang membangun dalam memperbaiki penulisan laporan ini.
Surabaya, 17 Desember 2010
(8)
iv
DAFTAR ISI
Halaman
ABSTRAK .... ... i
KATA PENGANTAR ... ii
DAFTAR ISI ... iv
DAFTAR GAMBAR ... vii
DAFTAR TABEL... ix
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 2
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 3
1.5 Manfaat ... ... 4
1.6 Metodologi ... 4
1.7 Sistematika Penulisan ... 5
BAB II LANDASAN TEORI ... 8
2.1 Sistem Pendukung Keputusan ... 8
2.1.1 Komponen Sistem Pendukung Keputusan ... 9
2.2 Sistem Flow Chart ... ... 12
2.3 Basis Data ... 14
2.3.1 Manfaat Basis Data ... ... 14
2.3.2 Istilah Dalam Basis Data... 15
2.4 Entity Relationship Diagram (ERD) ... 16
2.5 AHP (Analitycal Hierarchy Proses) …... ... 18
(9)
v
2.5.2 Prinsip Kerja AHP ... ... 22
2.5.3 Langkah dan Prosedur AHP ... 22
2.6 TOPSIS ... 27
BAB III ANALISIS DAN PERANCANGAN SISTEM... 38
3.1 Analisis Sistem ... 38
3.2 Perancangan Sistem ... .... 40
3.2.1 Diagram Konteks ...…… . 40
3.2.2 Data Flow Diagram ……… ... 41
3.2.2.1 Data Flow Diagram level 0 ……… . 42
3.2.2.2 Data Flow Diagram level 1 Master …… ... 42
3.2.2.3 Data Flow Diagram level 1 Proses ………… 43
3.2.3 Conceptual Data Model (CDM) ……….……... 43
3.2.4 Physical Data Model (PDM) ….. ……... 45
3.3 Perancangan Antar Muka Pemakai ………. ... 46
3.4 Struktur Database Pengetahuan ……….. …… ... 46
BAB IV IMPLEMENTASI PROGRAM ... 49
4.1. Kebutuhan Software dan Hardware …… ... 49
4.1.1 Kebutuhan Software ……….. 49
4.1.2 Kebutuhan Hardware … ... 49
4.2 Implementasi Interface ... 50
4.2.1 Halaman Utama ... 50
4.2.2 Halaman Menu Utama ... 50
4.2.3 Halaman Input Pegawai ... 51
4.2.4 Halaman Data Kriteria ... 52
4.2.5 Halaman Proses Perhitungan ……… 54
(10)
vi
4.2.7 Halaman Data Wawancara ... 55
4.2.8 Halaman Report ... 56
BAB V UJI COBA DAN EVALUASI PROGRAM ... 58
5.1 Uji Coba ... 58
5.2 Uji Coba Aplikasi Desain Antarmuka ... 58
5.2.1 Uji Coba Form Login Admin... 58
5.2.2 Uji Coba Form Input Data Pegawai... 59
5.2.3 Uji Coba Form Nilai Kriteria ... 60
5.2.4 Uji Coba Form Proses Perhitungan... 61
5.2.5 Uji Coba Form Wawancara ... 63
5.2.6 Uji Coba Form Report ... 63
BAB VI PENUTUP ... 65
6.1 Kesimpulan ………. ... 65
6.2 Saran ………... 66 DAFTAR PUSTAKA
(11)
vii
DAFTAR GAMBAR
Gambar 2.1 Komponen SPK ... 9
Gambar 2.2 Subsistem Basis Dialog... 11
Gambar 2.3 Hirarki 3 Level AHP ... 21
Gambar 3.1 Flowchart Sistem Aplikasi menggunakan AHP dan Topsis .. 39
Gambar 3.2 Context Diagram ... 40
Gambar 3.3 Data Flow Diagram Level 0 ... 42
Gambar 3.4 Data Flow Diagram Level 1 Master... 43
Gambar 3.5 Data Flow Diagram Level 1 Proses ... 43
Gambar 3.6 Conceptual Data Model (CDM)... 44
Gambar 3.7 Physical Data Model (PDM) ... 45
Gambar 4.1 Halaman Utama... 50
Gambar 4.2 Halaman Menu Utama ... 51
Gambar 4.3 Halaman Input Pegawai ... 52
Gambar 4.4 Halaman Data Kriteria ... 52
Gambar 4.5 Halaman Proses Perhitungan... 54
Gambar 4.6 Halaman Hasil Proses AHP dan TOPSIS ... 55
Gambar 4.7 Halaman Wawancara... 56
Gambar 4.8 Halaman Report ... 57
Gambar 5.1 Form Login... 59
Gambar 5.2 Form Halaman Input Pegawai... 60
Gambar 5.3 Form Nilai Kriteria ... 61
Gambar 5.4 Form Halaman Proses AHP dan TOPSIS ... 61
Gambar 5.5 Form Halaman Hasil AHP dan TOPSIS ... 62
(12)
viii
Gambar 5.7 Halaman Report... 64 Gambar 5.8 Halaman Cetak Report ... 64
(13)
ix
DAFTAR TABEL
Tabel 2.1 Simbol-simbol Flowchart... 13
Tabel 2.2 Simbol-simbol Entity Relationship Diagram... 17
Tabel 2.3 Skala Penilaian Perbandingan Berpasangan ... 23
Tabel 2.4 Matriks Perbandingan Berpasangan untuk Alternatif... 24
Tabel 2.5 Nilai Indeks Random ... 26
Tabel 2.6 Syarat Non Lab lowongan... 30
Tabel 2.7 Data Non Lab Pelamar... 30
Tabel 2.8 Daftar Pelamar Lulus Test ... 30
Tabel 2.9 Nilai Test Wawancara... 31
Tabel 2.10 Daftar Pelamar Lolos Test Wawancara ... 31
Tabel 2.11 Nilai Test Bakat dan Minat ... 32
Tabel 2.12 Daftar Pelamar Test Bakat dan Minat ... 32
Tabel 2.13 Nilai Perbandingan Test Psikologi ... 32
Tabel 2.14 Normalisasi Perbandingan antar Kriteria... 32
Tabel 2.15 Bobot Prioritas Kriteria... 33
Tabel 2.16 Perbandingan Pelamar terhadap Kriteria Kepribadian ... 33
Tabel 2.17 Perbandingan Pelamar terhadap Kriteria Kecerdasan... 34
Tabel 2.18 Perbandingan Pelamar terhadap Kriteria Ketahanan ... 34
Tabel 2.19 Bobot Prioritas Pelamar terhadap Kriteria ... 34
Tabel 2.20 Bobot Prioritas Global ... 34
Tabel 2.21 Rangking Kecocokan Setiap Alternatif ... 34
Tabel 3.1 Tabel Pegawai ... 47
Tabel 3.2 Tabel Alternatif ... 47
(14)
x
(15)
i
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA
Penyusun : Joseph Welan Pattipeiluhu Pembimbing I : Basuki Rahmat,S.Si,MT Pembimbing II : Fetty Tri Anggraeny, S.Kom
ABSTRAKSI
Dengan semakin berkembangnya teknologi dan ilmu pengetahuan, semakin berkembang pula proses pendidikan di Indonesia ini. Menyebabkan banyaknya perusahaan atau instansi-instansi sulit memilih pegawai/karyawan-karyawati yang sesuai dengan kebutuhan dan ahli pada bidangnya masing-masing. Oleh karena itu menyadari betapa pentingnya memilih calon pegawai yang tepat, maka dirancang program aplikasi sistem pendukung keputusan untuk pemilihan penerimaan pegawai untuk suatu perusahaan yang berbasis dekstop. Aplikasi ini dapat mempermudah suatu perusahaan dalam pemilihan atau seleksi calon pegawai yang akan diterima.
Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (Decisions Support System). Salah satu metode tersebut yang digunakan dalam penelitian ini adalah metode Analytical
Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Konsep metode Analytical Hierarchy Process (AHP)
adalah merubah nilai-nilai kualitatif menjadi nilai kuantitatif dan Technique for
Order Preference by Similarity to Ideal Solution (TOPSIS) adalah salah satu
metode pengambilan keputusan multikriteria. Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif.
Implementasi dari sistem ini membutuhkan data kriteria pegawai sebagai data dasar. Data dihitung menggunakan metode Analytical Hierarchy Process
(AHP) dengan intensitas kepentingan 1-9 kemudian dikombinasikan dengan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk
perengkingan dimana hasil maksimal adalah 1. Hasil dari program aplikasi yang dibuat berupa informasi tentang kriteria-kriteria apa saja yang mempengaruhi pemilihan calon pegawai serta nilai wawancara juga menentukan untuk penerimaan calon pegawai.
Kata Kunci : Decision Suport System (DSS), Analytical Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution
(16)
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dengan semakin berkembangnya teknologi dan ilmu pengetahuan, semakin berkembang pula proses pendidikan di Indonesia ini. Begitu pula kualitas tenaga kerja semakin bertambah baik yang dari dalam negeri maupun yang dari luar negeri dan jumlahnya semakin meningkat dengan pesat. Menyebabkan banyaknya perusahaan atau instansi-instansi sulit memilih pegawai/karyawan-karyawati yang sesuai dengan kebutuhan dan ahli pada bidangnya masing-masing, terutama di Laboratorium Klinik Prodia Surabaya.
Laboratorium Klinik Prodia yang merupakan salah satu perusahaan yang bergerak dalam bidang jasa pelayanan kesehatan tentu sangat mengutamakan kualitas dalam melayani pelanggannya. Oleh karena itu dibutuhkan tenaga-tenaga ahli yang terampil dan professional guna menunjang hal tersebut. Dan dengan semakin banyaknya tenaga kerja yang memiliki kemampuan yang berbeda-beda maka dalam merekrut pegawai baru diperlukan penyeleksian dari calon pegawai yang melamar di Laboratorium Klinik Prodia, karena jika hal tersebut dilakukan secara manual tentu akan menyulitkan bagian penerimaan pegawai dan juga rawan akan terjadinya suatu kesalahan dalam mengambil keputusan, selain itu juga akan memerlukan waktu yang cukup menyita.
Dengan mempertimbangkan hal tersebut maka diperlukan suatu sistem yang dapat berfungsi sebagai penyeleksi otomatis dari masing-masing calon pegawai yang mendaftar dengan kriteria yang beraneka ragam yang mereka
(17)
2
miliki, karena dengan melakukan penyeleksian secara otomatis tentu hal tersebut akan sangat menghemat waktu dan mengurangi resiko terjadi kesalahan dalam sposisi yang dibutuhkan oleh perusahaan.
Salah satu metode yang cocok dalam penyeleksian tersebut adalah
Analytic Hierarchiy Process (AHP) dan Technique for Order Preference by Similiry to Ideal Solution (TOPSIS). Kelebihan dari metode AHP dalam
mengambil suatu keputusan adala dengan cara membandingkan secara berpasangan setiap kriteria yang dimiliki oleh suatu permasalahan sehingga didapat suatu bobot nilai dari kepentingan tiap kriteria-kriteria yang ada, sedangkan TOPSIS kelebihannya ada pada kemampuan metode tersebut yaitu dalam mencari solusi yang paling ideal dan kebutuhan masalah yang ada. Sehingga dengan menggabungkan kedua metode tersebut diharapkan memperoleh solusi terbaik dari masalah yang dihadapi.
1.2 Perumusan Masalah
Dari uraian diatas maka pada skripsi ini permasalahan yang akan diangkat adalah:
(1) Bagaimana membuat suatu aplikasi yang membantu pegawai HRD (Human
Resources Departement) menentukan pegawai yang sesuai dengan kriteria
yang diinginkan dalam bentuk ranking.
(2) Bagaimana merancang keluaran dan antar muka sistem yang mudah dimengerti oleh pengguna (user).
(18)
3
1.3 Batasan Masalah
Dalam pembuatan sistem, penulis membatasi sesuai dengan ruang lingkup pembahasan diatas supaya tidak meluas. Ruang lingkup tersebut adalah:
(1) Sistem ini dibuat berdasarkan data dan norma-norma SDM yang ada di Laboratorium Klinik Prodia Surabaya.
(2) Sistem ini menggunakan metode AHP (Analytical Hierarchy Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). (3) Hasil dari proses ini berupa ranking dan nilai akhir pelamar sebagai
rekomendasi bagi pengambil keputusan untuk memilih pegawai.
(4) Parameter yang didapat dari hasil survei yaitu Pendidikan, Pengalaman, Usia, dan Nilai.
(5) Aplikasi menggunakan Visual Basic 6.0.
(6) Database yang digunakan SQL Server 2000.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk membuat Sistem Pendukung Keputusan yang membantu pihak Laboratorium Klinik Prodia dalam menentukan pegawai yang tepat dari sejumlah calon pegawai yang mengirimkan lamaran dengan langkah-langkah:
(1) Menganalisa sistem penerimaan calon pegawai yang sedang berjalan. (2) Merancang model sistem pendukung keputusan penerimaan pegawai.
(3) Merancang database yang digunakan di dalam sistem pendukung keputusan.
(19)
4
1.5 Manfaat
Manfaat yang dapat diambil dari penelitian ini adalah:
(1) Mempelajari cara pembuatan sistem pendukung keputusan yang benar dan berguna bagi pengambilan keputusan.
(2) Menambah pengetahuan dan cara berfikir mengenai penerapan ilmu yang telah di dapat di mata kuliah dan diimplementasikan dalam keadaan real. (3) Menjadi bahan referensi pembangunan sistem pendukung keputusan
menggunakan metode AHP (Analytical Hierarchy Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution).
1.6 Metodologi
Metode yang dilakukan adalah sebagai berikut: a) Studi Literatur
Pada tahap ini dilakukan studi terhadap berbagai macam literatur, seperti : buku, internet, dan sebagainya.
b) Analisis Sistem
Analisis sistem adalah proses analisis terhadap permasalahan dan mendefinisikan model penyelesaian. Termasuk dalam proses ini adalah melakukan analisis terhadap spesifikasi perangkat lunak yang akan dibangun. Setelah perangkat lunak ditetapkan selanjutnya dilakukan perancangan Sistem yang meliputi pengolahan data. Perancangan arsitektur sistem pendukung keputusan menggunakan AHP (Analytical Hierarchy Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). dan perancangan antar muka perangkat lunak.
(20)
5
c) Perancangan Sistem
Pada tahap ini dilakukan perancangan program misalnya data-data apa saja yang diperlukan serta proses apa saja yang dilakukan didalam program.
d) Implementasi
Dalam hal ini berupa pembuatan perangkat lunak yaitu mewujudkan semua hasil perancangan pada tahap sebelumnya ke dalam kode-kode program sesuai dengan algoritma dan bahasa pemrograman yang dipakai. Hasil dari tahap ini adalah sebuah perangkat lunak (software) dengan kemampuan sesuai dengan rancangan yang telah dibuat sebelumnya.
e) Uji coba
Setelah perangkat lunak berhasil dibuat tahap selanjutnya adalah uji coba dan evaluasi perangkat lunak. Uji coba dilakukan dengan menjalankan perangkat lunak, kemudian dilakukan evaluasi terhadap hasil yang di dapatkan.
f) Dokumentasi
Pada tahap ini dilakukan pembuatan laporan mulai dari studi literatur sampai dengan implementasi serta penarikan kesimpulan dan saran.
1.7 Sistematika Penulisan
Penulisan serta pembahasan :tugas akhir ini dibagi menjadi 5 bab dengan sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN
Bab ini merupakan pengantar yang memberikan gambaran mengenai permasalahan-permasalahan yang kemudian akan
(21)
6
dibahas pada bab-bab selanjutnya. Terdapat tujuh pokok bahasan dalam bab ini yaitu: latar belakang, rumusan masalah, ruang lingkup, tujuan, manfaat, metodologi pelaksanaan, dan sistematika penulisan.
BAB II LANDASAN TEORI
Dalam bab ini dibahas tentang teori-teori dasar yang digunakan untuk menyelesaikan permasalahan, yaitu tentang sistem pendukung keputusan menggunakan AHP (Analytical Hierarchy
Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution).
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas tentang analisis dari permasalahan yang ada saat ini dan analisis yang dibutuhkan untuk mengatasi masalah tersebut. Pembuatan desain dari sistem dengan mengacu pada analisis yang telah dibahas. Perancangan sistem yang akan dibahas dibagi menjadi tiga bagian, meliputi desain user interface, desain data, dan desain proses.
BAB IV IMPLEMENTASI
Berisi pembahasan menegenai analisis kebutuhan peragkat lunak dan perancangan sistem yang meliputi pengolahan data, perancangan basis data, perancangan arsitektur sistem pendukung keputusan dan perancangan antar muka perangkat lunak.
(22)
7
BAB V UJI COBA
Pada bab ini akan dibahas mengenai pembuatan perangkat lunak, uji coba perangkat lunak dan analisis terhadap hasil uji coba yang dilakukan.
BAB VI KESIMPULAN DAN SARAN
Pada bab ini akan membahas mengenai kesimpulan dan saran dari uji coba perangkat lunak dan analisis terhadap hasil uji coba yang dilakukan.
(23)
8
BAB II
LANDASAN TEORI
Pada bab ini akan dijelaskan mengenai teori-teori yang digunakan sebagai dasar untuk melakukan proses desain sistem dan implementasi ke bentuk program, sehingga sistem ini dapat dibuat dengan benar. Teori-teori yang akan dijelaskan, meliputi teori tentang sistem pendukung yang sebenarnya, teori tentang 2 metode yang saling bergantungan yaitu metode AHP dan metode yang merupakan layanan yang disediakan oleh sistem pendukung keputusan dalam pemilihan pegawai klinik Laboratorium Prodia Surabaya.
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) merupakan suatu kumpulan prosedur pemrosesan data dan informasi yang berorientasi pada penggunaan model untuk menghasilkan berbagai jawaban yang dapat membantu manajemen dalam pengambilan keputusan dimana SPK harus sederhana, mudah dan adaptif. Adapun ciri utama dalam SPK ini yang sekaligus sebagai keunggulannya adalah kemampuan SPK untuk menyelesaikan masalah-masalah yang tidak terstruktur. Menurut Sudirman dan Widjajani (1996) mengemukakan bahwa ciri-ciri SPK yang dirumuskan oleh Alters Keen adalah:
(1) SPK ditujukan untuk membantu keputusan-keputusan yang kurang terstruktur dan umumnya dihadapi oleh para manajer yang berada di tingkat puncak.
(2) SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan data.
(24)
9
(3) SPK memiliki fasilitas interaktif yang dapat mempermudah hubungan antara manusia dengan komputer.
(4) SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi.
SPK tidak dimaksudkan untuk menggantikan manajer dalam keputusan, namun manajer dan komputer bekerja sama sebagai tim pemecahan masalah yang berada di area semi konduktor yang jelas.
2.1.1 Komponen Sistem Pendukung Keputusan
Terdiri dari 3 sub sistem yaitu sub sistem manajemen basis data, sub sistem manajemen basis model, dan subsistem perangkat lunak penyelenggara dialog. Hubungan dari subsistem-subsistem tersebut digambarkan seperti terlihat pada gambar 2.1.
Gambar 2.1 Komponen SPK
a. Subsistem Manajemen Basis Data
Subsistem data yang tercakup dalam sistem manajemen basis data. Merupakan bagian-bagian yang menyediakan data yang dibutuhkan oleh sistem.
(25)
10
Data ini di organisasikan dalam suatu data base yang disebut Database
Management System (DBMS). Ada beberapa perbedaan database untuk SPK dan
non-SPK. Pertama sumber data untuk SPK lebih kaya daripada non-SPK. Perbedaan lain adalah proses pengambilan dan ekstraksi dari sumber data yang sangat besar. SPK membutuhkan proses ekstraksi dan DBMS yang dalam pengelolaannya harus cukup flexible untuk memungkinkan penambahan dan pengurangan secara cepat.
Kemampuan yang dibutuhkan dari manajemen data base sebagai berikut: (1) Mengkombinasikan berbagai variasi data melalui pengambilan dan ekstraksi
data.
(2) Menambahkan sumber data dengan cepat dan mudah.
(3) Menggambarkan struktur data logikal sesuai dengan pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.
(4) Menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil.
(5) Kemampuan untuk mengelola berbagai variasi data.
b. Subsistem Manajemen Basis Model
Salah satu dari kelebihan SPK adalah kemampuannya untuk mengintegrasikan akses data dan model-model keputusan. Hal ini dapat dilakukan dengan menambah model-model keputusan ke dalam sistem yang menggunakan database sebagai mekanisme integrasi dan komunikasi diantara model-model. Salah satu persoalan yang berkaitan dengan model adalah bahwa penyusunan
(26)
11
model seringkali terikat pada struktur model yang mengasumsikan adanya masukan yang benar dan cara keluaran yang tepat. Sementara model cenderung tidak mencukupi adanya kesulitan dalam mengembangkan model yang teritegrasi untuk menangani sekumpulan keputusan yang saling bergantungan. Untuk menangani masalah ini dengan menggunakan koleksi berbagai model yang terpisah, dimana setiap model digunakan untuk menangani bagian yang berbeda dari masalah yang dihadapi. Kemampuan yang dimiliki subsistem basis model meliputi:
(1) Menciptakan model baru secara cepat dan mudah.
(2) Mengakses dan mengintegrasikan model-model keputusan.
(3) Mengelola basis model dengan fungsi manajemen yang analog dan manajemen data base.
c. Subsistem Basis Dialog (dialog management)
Subsistem dialog adalah fleksibilitas dan kekuatan karakteristik SPK yang timbul dari kemampuan interaksi antara sistem dan pemakai. Menurut Bennet, komponen sistem dialog adalah pemakai, terminal, dan sistem perangkat lunak, bisa melihat pada gambar 2.2.
Bahasa Aksi
User
SPK Bahasa Tampilan Gambar 2.2 Subsistem Basis Dialog
(27)
12
Selain itu kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai/sistem meliputi:
(1) Menangani berbagai variasi gaya dialog.
(2) Mengakomodasi tindakan pemakai dengan berbagai peralatan masukan. (3) Menampilkan data dengan berbagai variasi format dan peralatan keluaran. (4) Memberikan dukungan yang fleksibel untuk mengetahui basis pengetahuan
pemakai.
2.2 Sistem Flow Chart
Sistem flowchart merupakan alat bantu yang banyak digunakan untuk menggambarkan sistem secara phisik dengan simbol-simbol bagan alir yang menunjukkan secara tepat arti phisiknya seperti simbol : terminal, hard disk, laporan dan lain-lainnya. Adapun simbol-simbol standar yang digunakan untuk membuat bagan alir adalah sebagai berikut : Simbol Terminal Simbol ini digunakan untuk menggambarkan awal dan akhir suatu sistem. Simbol Data Simbol ini menggambarkan kegiatan input atau output. Simbol Keputusan Simbol ini menggambarkan keputusan yang harus dibuat dalam proses pengolahan data. Simbol Proses Simbol ini menunjukkan operasi yang dilakukan diluar komputer Simbol Penghubung Penghubung pada halaman yang sama. Dalam menggambarkan bagan alir dokumen dibuat mengalir dari atas ke bawah dan dari kiri kekanan. Karena keterbatasan ruang halaman kertas untuk menggambarkan maka diperlukan simbol penghubung yang memungkinkan aliran dokumen berhenti disuatu lokasi pada halaman tertentu dan kembali berjalan dilokasi lain pada halaman yang sama. Simbol Penghubung Penghubung pada halaman yang berbeda. Dalam menggambarkan bagan alir dokumen dibuat mengalir dari atas ke
(28)
13
bawah dan dari kiri kekanan. Karena keterbatasan ruang halaman kertas untuk menggambarkan maka diperlukan simbol penghubung yang memungkinkan aliran dokumen berhenti disuatu lokasi pada halaman tertentu dan kembali berjalan dilokasi lain pada halaman yang berbeda.
Tabel 2.1Simbol-Simbol Flowchart
No Simbol Nama Simbol Keterangan
1. Simbol Termination
Termination adalah suatu simbol untuk memulai dan mengakhiri suatu program.
3. Simbol preparanon
Simbol preparanon adalah memberi nilai awal suatu besaran.
4. Simbol Proses Simbol proses adalah simbol untuk melakukan proses perhitungan rumus.
5. Simbol Decission
Suatu simbol untuk suatu penyeleksian kondisi di dalam program..
6. Simbol Output
Simbol output adalah simbol untuk mencetak hasil atau untuk mengetahui hasil.
7 Symbol connection
Symbol untuk menghubungkan suatu aliran yang berada dalam suatu halaman
8
atau
Symbol link Symbol untuk menggambarkan arah aliran
(29)
14
2.3 Basis Data
Basis dapat diartikan sebagai markas atau gudang, tempat bersarang atau berkumpul. Sedangkan data merupakan representasi fakta dunia nyata yang mewakili suatu objek seperti manusia (pegawai, siswa, pembeli, pelanggan), barang, hewan, dan sebagainya. Basis data (database) merupakan kumpulan data yang saling berhubungan (punya relasi). Relasi biasanya ditunjukkan dengan kunci (key) dari tiap file yang ada.
Prinsip utama basis data adalah pengaturan data dengan tujuan utama fleksibilitas dan kecepatan dalam pengambilan data kembali. Adapun tujuan basis data diantaranya sebagai efisiensi yang meliputi speed, space dan accurancy, menangani data dalam jumlah besar,dan kebersamaan pemakai (sharebility).
2.3.1 Manfaat Basis Data
a) Kecepatan dan kemudahan (Speed), pemanfaatan basis data memungkinkan untuk dapat menyimpan, merubah, dan menampilkan kembali data tersebut dengan lebih cepat dan mudah.
b) Keakuratan (accuracy), pembentukkan relasi antar data bersama dengan penerapan aturan/batasan (constraint) tipe, domain dan keunikan data dapat diterapkan dalam sebuah basis data.
c) Kelengkapan (completeness), lengkap/tidaknya data dalam sebuah basis data bersifat relative. Bila pemakai sudah menganggap sudah lengkap yang lain belum tentu sama.
d) Kelengkapan (security), untuk menentukan siapa-siapa yang berhak menggunakan basis data beserta objek-objek didalamnya dan menentukan jenis-jenis operasi apa saja yang boleh ditentukan.
(30)
15
2.3.2 Istilah Dalam Basis Data
Berikut ini merupakan istilah-istilah dalam database yang perlu diketahui sebagai dasar, antara lain :
(1) Entity (Entitas), adalah objek data prinsip tentang informasi yang dikumpulkan (orang, tempat, kejadian atau konsep yang informasinya direkam). Pada sistem informasi akademik misalnya, maka entity-nya adalah mahasiswa, mata kuliah atau nilai.
(2) Attribute, atribut menguraikan entitas dimana mereka dihubungkan. Setiap
entity mempunyai atribut atau sebutan untuk mewakili entity. Tabel
mahasiswa dapat dilihat atributnya misalnya : NPM, nama atau alamat. Atribut juga disebut sebagai elemen, data field atau data item.
(3) Data Value, adalah data aktual atau informasi yang disimpan pada tiap data elemen atau atribut. Atribut nama siswa menunjukkan tempat informasi dimana nama siswa itu disimpan, sedangkan data value misalnya : Dony, Aris atau Rio merupakan isi data mahasiswa tersebut.
(4) Record/Tuple, merupakan kumpulan elemen-elemen yang saling berhubungan meng-informasikan tentang seseorang misalnya: NPM, nama, alamat atau nomor telepon. Satu record mewakili satu data atau informasi tentang seseorang.
(5) Field, merupakan kumpulan record-record sejenis yang mempunyai panjang elemen yang sama, atribut yang sama, namun berbeda-beda nama value-nya.
(6) Atribut Kunci, dalam setiap file selalu terdapat kunci yang berupa satu field
(31)
16
a. Kunci Primer (Primary Key), adalah atribut atau satu set minimal atribut yang tidak hanya mengidentifikasikan secara unik suatu kejadian spesifik, tetapi juga dapat mewakili setiap kejadian dari suatu entity. Setiap kandidat mempunyai peluang menjadi kunci primer.
b. Kunci Kandidat (Candidate Key), adalah suatu atribut atau satu set minimal yang mengidentifikasikan secara unik suatu kejadian spesifik dari entity. Satu minimal set atribut menyatakan secara tak langsung dimana beberapa atribut dalam satu set tidak dapat dibuang tanpa merusak kepemilikan yang unik. Jika suatu kandidat berisi lebih dari satu atribut, maka biasanya disebut kunci komposit (gabungan).
c. Kunci Tamu (Foreign Key), adalah satu atribut atau satu set minimal atribut yang melengkapi satu relationship yang menunjukkan ke induknya. Kunci tamu ditempatkan pada entity anak dan sama dengan kunci primer induk direlasikan. Hubungan antara entity anak dan entity induk adalah hubungan set lawan banyak (one to many relationship).
d. Kunci Alternatif (Alternate Key), adalah kunci kandidat yang tidak dipakai sebagai kunci primer. Kerap kali kunci alternatif dipakai sebagai kunci pengurutan dalam laporan.
Relasi, adalah hubungan antar file yang direlasikan dengan kunci relasi
(Relation Key), yang merupakan kunci utama dari masing-masing file, yang
menyajikan asosiasi antara dua entitas atau lebih.
2.4 Entity Relationship Diagram (ERD)
Entity relationship diagram (ERD) untuk mendokumentasikan data perusahaan dengan mengidentifikasi jenis entitas (entity) dan hubungannya. ERD
(32)
17
merupakan suatu model jaringan yang menggunakan susunan data yang disimpan pada system secara abstrak. ERD juga menggambarkan hubungan antara satu entitas yang memiliki sejumlah atribut dengan entitas yang yang lain dalam suatu sistem yang terintegrasi. ERD digunakan oleh perancang system untuk memodelkan data yang nantinya akan dikembangkan menjadi basis data (database). Model data ini juga akan membantu pada saat analisis dan perancangan basis data, karena model data ini akan menunjukkan bermacam-macam data yang dibutuhkan dan hubungan antar data. ERD ini juga merupakan model konseptual yang dapat mendiskripsikan hubungan antara file yang digunakan untuk memodelkan struktur data serta hubungan antar data.
ERD terbagi atas tiga komponen, yaitu entitas (entity), atribut (attribute), dan relasi atau hubungan (relation). Secara garis besar entitas merupakan dasar yang terlibat dalam system. Atribut atau field berperan sebagai penjelas dari entitas, dan relasi atau hubungan menunjukkan hubungan yang terjadi antara dua entitas.
Tabel 2.2Simbol-simbol Entity relationship diagram (ERD)
Simbol Keterangan
Adalah obyek pointer yang digunakan untuk memilih dan melakukan perubahan properti pada obyek yang dipilih Adalah obyek Entity yang digunakan untuk membuat Entity
pada rancangan CDM
Adalah Obyek Relationship yang digunakan untuk merelasikan antar Entity
(33)
18
2.5 AHP ( Analitycal Hierarchy Proses )
Metode AHP merupakan salah satu model pengambilan keputusan yang sering digunakan, umumnya digunakan dengan tujuan untuk menyusun prioritas dari berbagai alternatif / pilihan yang ada dan pilihan-pilihan tersebut bersifat kompleks atau multi kriteria. Dengan menggunakan AHP prioritas yang dihasilkan akan bersifat konsisten dengan teori, logis, transparan dan partisipatif. Dengan tuntutan yang semakin tinggi berkaitan dengan transparansi dan partisipasi AHP sangat cocok digunakan untuk penyusunan prioritas kebijakan publik yang menuntut transparansi dan partisipasi (Saaty T, 1993).
Untuk mengidentifikasi masalah yang dihadapi oleh perusahaan prodia yang berkecimpung dalam bidang laboratorium maka digunakan pendekatan AHP. Salah satu teknik pengambilan keputusan/ optimasi multivariate yang digunakan dalam analisis kebijaksanaan. Pada hakekatnya AHP merupakan suatu model pengambil keputusan yang komprehensif dengan memperhitungkan hal- hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan dengan AHP pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. AHP juga memungkinkan ke struktur suatu sistem dan lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem (Saaty, 2001)
Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Jadi perbedaan yang mencolok model AHP dengan model lainnya terletak pada jenis inputnya. Terdapat 4 aksioma-aksioma yang terkandung dalam model AHP
(34)
19
(1) Reciprocal Comparison artinya pengambilan keputusan harus dapat memuat perbandingan dan menyatakan preferensinya. Prefesensi tersebut harus memenuhi syarat resiprokal yaitu apabila A lebih disukai daripada B dengan skala x, maka B lebih disukai daripada A dengan skala 1/x
(2) Homogenity artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen- elemennya dapat dibandingkan satu sama lainnya. Kalau aksioma ini tidak dipenuhi maka elemen- elemen yang dibandingkan tersebut tidak homogen dan harus dibentuk cluster (kelompok elemen) yang baru
(3) Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh objektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam AHP adalah searah, maksudnya perbandingan antara elemen-elemen dalam satu tingkat dipengaruhi atau tergantung oleh elemen-elemen pada tingkat diatasnya
(4) Expectation artinya untuk tujuan pengambil keputusan. Struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka pengambil keputusan tidak memakai seluruh kriteria atau objectif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap
Selanjutnya Saaty (2001) menyatakan bahwa proses hirarki analitik (AHP) menyediakan kerangka yang memungkinkan untuk membuat suatu keputusan efektif atas isu kompleks dengan menyederhanakan dan mempercepat proses pendukung keputusan. Pada dasarnya AHP adalah suatu metode dalam merinci suatu situasi yang kompleks, yang terstruktur kedalam suatu
(35)
20
komponennya. Artinya dengan menggunakan pendekatan AHP kita dapat memecahkan suatu masalah dalam pengambilan keputusan.
2.5.1 Karakteristik Model AHP
AHP adalah salah satu bentuk model pengambilan keputusan yang pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah yang kompleks dan tidak terstruktur dipecah ke dalam kelompok-kelompoknya dan kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Saaty T, 1993).
Model AHP memakai persepsi manusia yang dianggap “pakar” sebagai input utamanya. Kriteria “pakar” disini bukan berarti bahwa orang tersebut haruslah jenius, pintar, bergelar doktor dan sebagainya tetapi lebih mengacu pada orang yang mengerti benar permasalahan yang diajukan, merasakan akibat suatu masalah atau punya kepentingan terhadap masalah tersebut. Bisa dikatakan bahwa model AHP adalah suatu model pengambilan keputusan yang komprehensif, memperhitungkan hal-hal kuantitatif dan kualitatif sekaligus (Saaty T, 1993).
Sama halnya dengan metode-metode pengambilan keputusan lainnya, yang memiliki prinsip-prinsip kerja dasar, pengambilan keputusan dalam metodologi AHP didasarkan pada 3 prinsip pokok, yaitu:
a. Penyusunan hirarki
Penyusunan hirarki permasalahan merupakan langkah untuk mendefinisikan masalah rumit dan kompleks sehingga menjadi lebih jelas dan detail. Bentuk sebuah hirarki tergantung dari pengetahuan dan pengalaman seseorang, untuk memecahkan masalah yang sama, dua orang akan membuat dua hirarki yang
(36)
21
berbeda. Keputusan yang akan diambil dijadikan sebagai tujuan yang dijabarkan menjadi elemen-elemen yang lebih rinci hingga mencapai suatu tahapan yang paling operasional/terukur. Hirarki permasalahan akan mempermudah pengambilan keputusan untuk menganalisis dan mengambil kesimpulan yang harus dilakukan terhadap masalah tersebut. Contoh hirarki dapat dilihat pada gambar 2.3 :
Gambar 2.3 Hirarki 3 Level AHP
b. Penentuan prioritas
Prioritas dari elemen-elemen kriteria dapat dipandang sebagai bobot/kontribusi elemen tersebut terhadap tujuan pengambilan keputusan. AHP melakukan analisis prioritas elemen dengan metode perbandingan berpasangan antar 2 elemen hingga semua elemen yang ada tercakup. Prioritas ini ditentukan berdasarkan pandangan para pakar dan pihak-pihak yang berkepentingan terhadap pengambilan keputusan, baik secara langsung (diskusi) maupun tidak langsung (kuesioner).
c. Konsistensi logis
Konsistensi jawaban para responden dalam menentukan prioritas elemen merupakan prinsip pokok yang akan menentukan validitas data dan hasil pengambilan keputusan. Secara umum, responden harus memiliki konsistensi
(37)
22
dalam melakukan perbandingan elemen dengan contoh sebagai berikut: jika A>B dan B>C, maka secara logis responden harus menyatakan bahwa A>C, berdasarkan nilai-nilai numerik yang disediakan oleh (Saaty T, 1993).
2.5.2 Prinsip Kerja AHP
Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak terstruktur, stratejik, dan dinamik menjadi bagian-bagiannya, serta menata dalam suatu hierarki. Kemudian tingkat kepentingan setiap variabel diberi nilai numerik secara subjektif tentang arti penting variabel tersebut secara relatif dibandingkan dengan variabel lain. Dari berbagai pertimbangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut (Mulyono, 1996).
2.5.3 Langkah dan Prosedur AHP
Secara umum langkah-langkah yang harus dilakukan dalam menggunakan AHP untuk pemecahan suatu masalah adalah sebagai berikut:
a. Pembentukan hirarki
Hirarki dapat membantu untuk menyederhanakan suatu masalah yang rumit menjadi lebih terstruktur. Sebuah hirarki menunjukkan pengaruh tujuan dari level atas sampai pada level yang paling bawah. Hirarki dapat diuraikan menjadi dua jenis, yaitu :
1) Hirarki struktural, yaitu suatu pembagian masalah yang rumit ke dalam kelompok-kelompok yang lebih kecil.
2) Hirarki fungsional, yaitu suatu penguraian masalah ke dalam beberapa bagian didasarkan atas hubungan esensialnya.
(38)
23
Pada tahap ini dilakukan langkah-langkah sebagai berikut : (1) Mendefinisikan masalah dan penentuan solusi yang diinginkan.
(2) Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah (Djiwo Harsono, 2007).
b. Pair-wise comparison
Merupakan perbandingan berpasangan yang digunakan untuk mempertimbangkan faktor-faktor keputusan atau alternatif-alternatif dengan memperhitungkan hubungan antara faktor dan sub faktor itu sendiri. Adapun skala pembanding yang digunakan dapat dilihat pada tabel 2.3 di bawah ini.
Tabel 2.3 Skala Penilaian Perbandingan Berpasangan
Nilai Interpretasi 1 Oi dan Oj sama penting
3 Oi sedikit lebih penting daripada Oj
5 Oi kuat tingkat kepentingannya daripada Oj
7 Oi sangat kuat tingkat kepentingannya daripada Oj 9 Oi mutlak lebih penting daripada Oj
2,4,6,8 Nilai-nilai intermediate
Pada tahap ini dilakukan langkah-langkah sebagai berikut :
(1) Membuat matriks perbandingan berpasangan untuk alternatif pada tiap dimensi. Nilai perbandingan kepentingan alternatif i (Ai) terhadap alternatif j
(Aj) dapat dinotasikan sebagai aij, dan nilai aji = 1 / aij. Sebagai contoh,
matriks perbandingan berpasangan untuk alternatif pada dimensi Reliability seperti terlihat pada tabel berikut :
(39)
24
Tabel 2.4 Matriks Perbandingan Berpasangan Untuk Alternatif Kriteria ke-j
Kriteria ke-i
Pendidikan Umur
Pengalaman Kerja
Kriteriajn
Pendidikan K11 K12 K13 K14 Umur K21 K22 K23 K24 Pengalaman Kerja K31 K32 K33 K34
Kriteriain K41 K42 K43 K44
Matriks perbandingan berpasangan tersebut juga dilakukan pada empat dimensi yang lain.
(2) Untuk mendapatkan nilai perbandingan kepentingan untuk bagian dimensi dan bagian alternatif, matriks perbandingan berpasangan diatas dibuat sebagai kuisioner pembobotan yang akan diberikan pada responden sebagai pengambil keputusan. Dalam hal ini adalah pihak manajemen rumah sakit, misalnya direktur atau wakil direktur bagian medis rumah sakit.
(3) Dari hasil matriks perbandingan tersebut, kemudian dilakukan sintesis perbandingan dan dapatkan nilai prioritas. Hal ini dilakukan pada semua matriks yang telah dibuat, baik pada bagian dimensi maupun alternatif, yaitu dengan tahap berikut ini :
(a) Hitung Total Kolom
Jumlahkan nilai kepentingan (yaitu nilai dij untuk dimensi dan aij untuk
alternatif) pada tiap kolom pada masing-masing matriks. (b) Buat Normalized Matriks
Bagilah tiap nilai kepentingan dengan total kolom pada masing-masing matriks, atau dapat dinotasikan sebagai berikut : (Saaty T, 1993).
(40)
25
Nilai Normalisasi =
n 1 ij dij d i atau
n 1 ij aij a i ( 2.1)(c) Hitung Nilai Prioritas
Dengan cara menghitung rata-rata untuk tiap baris pada normalized matriks.
c. Pengecekan konsistensi
Pengecekan konsistensi dilakukan untuk melihat apakah perbandingan berpasangan yang sudah dibuat masih berada di dalam batas kontrol penerimaan atau tidak. Jika ternyata tidak, maka perlu dilakukan kajian ulang untuk menyelidiki apakah konsistensi tersebut dapat diaplikasikan.
Langkah-langkah yang dilakukan dalam tahap pengecekan konsistensi adalah sebagai berikut :
(1) Membuat matriks nilai kolom kali nilai prioritas, dengan cara kalikan setiap
nilai kepentingan pada matriks perbandingan berpasangan pada kolom j
dengan nilai prioritas pada baris ke-i, dimana j = i.
(2) Hitung total kolom : jumlahkan tiap kolom pada matriks tersebut. (3) Kemudian bagilah total kolom dengan nilai prioritas pada tiap variabel. (4) Hitung max : rata-rata dari hasil point 3 diatas.
(5) Hitung Consistency Index (CI) : CI = 1
n n Max
(2 . 2)
dimana n : jumlah item/variabel yang dibandingkan.
(6) Hitung Consistency Ratio (CR) :
RI CI
CR , (2 . 3) di mana RI adalah indeks random konsistensi. Jika rasio konsistensi ≤ 0.1, hasil perhitungan data dapat dibenarkan.
(41)
26
(7) Menyusun matriks baris antara alternative versus kriteria yang isinya hasil perhitunganyang tertinggi.
(8) Hasil alhirnya berupa prioritas global sebagai nilai yang digunakan oleh pengambil keputusan berdasarkan skor.
Dimana RI : random index yang nilainya dapat dilihat pada tabel 2.5 (Saaty T, 1986).
Tabel 2.5 Nilai Indeks Random Ukuran Matriks Nilai RI
1,2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41 9 1,45 10 1,49 11 1,51 12 1,48 13 1,56 14 1,57 15 1,59
Jika CR < 0,1 maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan konsisten. Jika CR > 01, maka nilai perbandingan berpasangan pada matriks. kriteria yang diberikan tidak konsisten. Sehingga jika tidak konsisten, maka pengisian nilai-nilai pada matriks berpasangan pada unsure kriteria maupun alternatif harus diulang.
Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak ada yang baku, hanya menurut beberapa eksperimen dan pengalaman inkonsistensi sebesar 10% ke bawah ialah tingkat inkonsistensi yang masih dapat diterima
Apabila A adalah matriks perbandingan berpasangan yang tidak konsisten, maka vektor bobot yang berbentuk (A)(wT) = (n)(wT) dapat didekati dengan cara:
(42)
27
a. Menormalkan setiap kolom j dalam matriks A, sedemikian hingga
i ij a = 1,
yang disebut sebagai A’
b. Untuk setiap baris i dalam A’, hitunglah nilai rata-ratanya wi =
jij a n
1
, (2 . 4)
dengan wi adalah bobot tujuan ke-i dari vektor bobot. 2.6 TOPSIS
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) adalah salah satu metode pengambilan keputusan multikriteria. Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif.
TOPSIS memperhatikan baik jarak ke solusi ideal maupun jarak ke solusi ideal negatif dengan mengambil hubungan kedekatan menuju solusi ideal. Dengan melakukan perbandingan pada keduanya, urutan pilihan dapat ditentukan.
Berikut ini adalah matriks D yang memiliki m alternatif dengan n kriteria, dimana xij adalah pengukuran pilihan dari alternatif ke-i dalam hubungannya
dengan kriteria ke-j (Turban Efraim, 1995).
Langkah-langkah yang dilakukan dalam penyelesaian masalah menggunakan metode TOPSIS adalah sebagai berikut :
Langkah 1 : Normalisasi matriks keputusan
Setiap elemen pada matriks D dinormalisasi untuk mendapatkan matriks normalisasi R. setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan:
(43)
28
Langkah 2 : Pembobotan pada matriks yang telah dinormalisasi
Diberikan bobot W = (w1,w2, … , wn), sehingga weighted normalised matrixV dapat dihasilkan sebagai berikut :
Langkah 3 : Menentukan Solusi ideal dan Solusi ideal negatif
Solusi ideal dinotasikan dengan A* dan solusi ideal negatif dinotasikan dengan A-, sebagai berikut :
A*= {(max vij | j Є J), (min vij | j Є J’ ), i = 1,2,3,…,m} = {v1*,v2*,…,vn*}
A-= {(min vij | j Є J), (max vij | j Є J’ ), i = 1,2,3,…,m} = {v1-,v2-,…,vn-}
Dimana ;
J = {j = 1,2,3,…,n dan j berhubungan dengan benefit criteria}
J’ = {j = 1,2,3,…,n dan j berhubungan dengan cost criteria} Pembangunan A* dan A – adalah untuk mewakili alternatif yang most preferable ke solusi ideal dan yang least preferable secara berurutan.
Langkah 4 : Menghitung Separation Measure
Separation measure ini merupakan pengukuran jarak dari suatu alternatif
ke Solusi Ideal dan Solusi Ideal Negatif. Perhitungan matematisnya adalah
sebagai berikut :
(2 , 6)
(2 , 7)
(2 , 8) (2 , 9)
(44)
29
a. Solusi ideal
b. Solusi ideal negatif
Langkah 5 : Menghitung kedekatan relatif dengan solusi ideal
Kedekatan relatif dari alternatif Aidengan solusi ideal A* direpresentasikan
dengan :
Dikatakan alternatif Ai dekat dengan solusi ideal apabila Ci* mendekati 1.
Jadi, Ci*= 1, jika Ai = A*, dan Ci-= 0, jika Ai = A-.
Langkah 6 : Mengurutkan pilihan
Pilihan akan diurutkan berdasarkan pada nilai Ci* , sehingga alternatif
dengan jarak terpendek dengan solusi ideal adalah alternatif yang terbaik.
Contoh kasus sistem pendukung keputusan menggunakan metode AHP dan TOPSIS.
(2 , 10)
(2 , 11)
(45)
30
Contoh dari penggunaaan aplikasi sistem pendukung keputusan penerimaan pegawai menggunakan gabungan dari metode ahp dan topsis.
Tabel 2.6 Syarat Non Lab Lowongan
Kode lowongan
jenis kelamin pendidikan Jurusan IPK pengalaman
kerja
usia
LWN 1 Perempuan S1 informatika 3,50 4th 22
LWN 2 laki S1 komputer 3,20 3th 23
LWN 3 laki S1 informatika 3,30 5th 24
LWN 4 Perempuan S2 komputer 3,10 2th 22
LWN 5 laki S3 informatika 3,75 3th 26
LWN 6 Perempuan S4 informatika 3,55 5th 25
Tabel 2.7 Data Non Lab Pelamar
Kode Pelamar
nama Jenis Kelamin
pendidikan Jurusan ipk pengalaman
kerja
usia
PLM 01 Desi perempuan S1 informatika 3,50 4th 22
PLM 02 budi Laki S1 Computer 3,20 3th 23
PLM 03 Ali Laki S1 informatika 3,30 5th 24
PLM 04 meta perempuan S2 Computer 3,10 2th 22
PLM 05 Andry Laki S3 informatika 3,75 3th 26
PLM 06 Tanty Perempuan S3 informatika 3,55 3th 25
Dari tabel syarat non laboratorium yang diinginkan bila dibandingkan dengan pelamar yang masuk. Dari perbandingan kedua tabel itu manakah calon pelamar yang mempunyai nilai yang paling rendah. Pelamar yang memenuhi non laboratorium dianggap lulus. Pelamar yang lolos pada tahap ini adalah:
Tabel 2.8 Daftar Pelamar Lulus Tes
Kode Pelamar
nama Jenis Kelamin
pendidikan Jurusan ipk pengalaman
kerja
usia
PLM 01 Desi Perempuan S1 informatika 3,50 4th 22
PLM 02 budi Laki S1 Computer 3,20 3th 23
PLM 03 Ali Laki S1 informatika 3,30 5th 24
PLM 05 Andry Laki S3 informatika 3,75 3th 26
PLM 06 Tanty Perempuan S3 informatika 3,55 3th 25
Dari tabel diatas yang mempunyai nilai terendah dalam urutan ipk adalah meta, meskipun pendidikan yang dimiliki sudah s2, tetapi disini ipk yang sangat penting dalam penerimaan pegawai di Prodia Surabaya. Pelamar yang terpilih akan
(46)
31
melakukan proses selanjutnya yaitu tes wawancara terhadap masing-masing pelamar. Dalam tes wawancara yang dilakukan oleh pihak Prodia ada 2 penilaian yaitu penilaian tentang penampilan dan penilaian terhadap tata bahasa sampai diketahui nilai dari keduanya, seperti contoh dibawah ini :
Tabel 2.9 Nilai tes wawancara
Nama penampilan tatabahasa pengambilan
keputusan
Desi 65 75 80
budi 68 70 60
Ali 60 75 70
Andry 70 60 75
Tanty 80 75 75
Tabel 2.10 Daftar pelamar lolos tes wawancara
Pelamar nama
PLM 01 desi
PLM 03 ali
PLM 05 andry
PLM 06 tanty
Sama halnya dengan sebelumnya dibandingkan dulu syarat yang dibutuhkan untuk pelamar non lab dengan data pelamar yang masuk, sesudah dibandingkan baru bisa dilihat, mana yang paling rendah tingkatannya maka itu yang akan keluar dan tidak akan melanjutkan pada sesi berikutnya. Sesudah melakukan tes wawancara dilakukan dan sudah terpilih kandidat yang memenuhi kriteria maka akan dilakukan tes tentang bakat dan minat masing-masing pelamar. Untuk tes bakat dan minat ada beberapa faktor yang perlu diperhatikan yaitu tentang analogis verbal, kemampuan dalam angka, analisa simbol, penalaran mekanik. Maka akan diketahui nilai dari masing-masing kandidat.
(47)
32
Tabel 2.11 Nilai tes bakat dan minat
Kode Pelamar nama analogis verbal kemampuan angka Analisa symbol penalaran mekanik Relasi ruang
PLM 01 desi 70 80 75 85 80
PLM 03 ali 68 70 60 76 67
PLM 05 andry 75 80 75 85 75
PLM 06 tanty 80 86 78 87 90
Tabel 2.12 Daftar pelamar tes bakat dan minat
Kode Pelamar
nama
PLM01 desi
PLM05 andry
PLM06 tanthy
Tabel 2.13 Nilai perbandingan tes psikologi
PRI KCD KTH
PRI 1 2 6
KCD 0,5 1 4
KTH 0,25 0,33 1
Total 1,166 3.25 11
Selanjutnya menormalisasikan matriks, membagi nilai pada tiap entity dengan nilai tiap kolom maka didapat
Tabel 2.14 Normalisasi perbandingan antar kriteria
PRI KCD KTH
PRI 0.6 0.615 0.545
KCD 0.3 0.308 0.364
KTH 0.1 0.077 0.091
Selanjutnya mencari rata – rata bobot prioritas dengan menjumlahkan tiap baris matriks yang dinormalisasikan dan membagi dengan banyak kolom
(48)
33
Tabel 2.15 Bobot Prioritas Kriteria
Bobot Pcd+kcd+kth Prioritas
PRI (0.6 + 0.616 + 0.545) : 3 0.587
KCD ( 0.3 + 0.308 + 0.364) :3 0.324
KTH (0.1 + 0.077 + 0.091) : 3 0.089
Total 1
Kemudain melakukan uji konsistensi dimana dalam evaluasi ini dilakukan dengan memperhatikan nilai CR. Penilaian dianggap konsistensi jika nilai CR < = 0.1 Langkah dalam melakukan uji konsistensi adalah :
(1) Kolom pada matriks asli dikali dengan bobot prioritas.
(2) Selanjutnya mencari λ maksimal dengan membagi total tiap baris dengan bobot prioritas seperti 1,770 : 0,587 = 3,0153
λ maksimal = (3,059 + 3,0094 + 3,0024) : 3 = 3,0092
(3) Setelah λ maksimal didapat, maka Consistency Index ( CI ) dicari dengan CI = ( λ mak – n ) : ( n -1 ) = ( 3,0092 - 3) : ( 3 - 1) = 0,0048
(4) Menghitung CR
CR = CI : IR =0,0046 : 0,58 = 0,0079
Nilai IR didapat dari table disesuaikan dengan ukuran matriks. Karena nilai CR < = 0,1 maka dianggap konsisten.
Selanjutnya membuat matriks perbandingan antar level 3 dengan memperhatikan keterkaitan dengan level 2. Perbandingan pelamar dalam kepentingan alternative kepribadian
Tabel 2.16 Perbandingan pelamar terhadap kriteria kepribadian
desi andri Tanti
Desi 1 0,25 0.5
Andri 4 1 3
(49)
34
Tabel 2.17 Perbandingan pelamar terhadap kriteria kecerdasan
PLM01 PLM05 PLM06
PLM01 1 2 1
PLM05 0,5 1 0,5
PLM06 1 2 1
Tabel 2.18 Perbandingan pelamar terhadap kriteria ketahanan
PLM01 PLM05 PLM06
PLM01 1 1 1
PLM05 1 1 1
PLM06 1 1 1
Tabel 2.19 Bobot Prioritas pelamar terhadap kriteria
PRI KCD KTH
PLM01 0,323 0,321 0,281
PLM05 0,223 0,188 0,245
PLM06 0,342 0,376 0,316
Tabel 2.20 Bobot Prioritas Global
PRI KCD KTH Prioritas
Global Bobot
Criteria
0,557 0,320 0,123
PLM01 0,323 0,321 0,281 0,317
PLM05 0,225 0,188 0,245 0,216
PLM06 0,324 0,376 0,316 0,350
Dari hasil percobaan menggunakan metode AHP selanjutnya dapat menggunakan metode TOPSIS. Nilai dari tabel bobot prioritas global selanjutnya dapat menghitung matrik keputusan. Tabel dibawah ini menunjukkan rangking kecocokan dari setiap alternatif (lihat tabel 2.21 dibawah ini)
Alternatif Criteria
C! C2 C3
PLM01 0,323 0,321 0,281
PLM05 0,225 0,188 0,245
PLM06 0,324 0,376 0,316
(50)
35
Dari tabel diatas kemudian dapat menghitung bobot preferensi untuk setiap kriteria C!, C2, C3 = 5, 4, 2, kemudian dapat menghitung rangking tiap alternatif matrik keputusan ternormalisasi sebagai berikut :
m
i
xij xy ry
1 2
Perhitungannya sebagai berikut :
Demikian sampai didapat hasil dari matrik keputusan yang ternormalisasi sebagai berikut
R = 0.6336 0.6069 0.5753 0.4413 0.3555 0.5016 0.6355 0.7109 0.6470
Setelah didapat nilai R selanjutnya dapat menghitung matrik keputusan ternormalisasi terbobot seperti contoh perhitungan dibawah ini :
(51)
36
0.4413 0.3555 0.5016 X (5,4,2) =
0.6355 0.7109 0.6470
Dan akan menghasilkan nilai Y yang dicari, nilai Y = 3,168 2.4276 1.1506 2.2065 1.422 1.0032 3.1775 2.8436 1.294
Dengan mendapatkan hasil Y dari perhitungan matrik keputusan ternormalisasi terbobot sehingga dapat mengitung nilai ideal positif dan nilai bobot negatif seperti contoh perhitungan dibawah ini :
Solusi ideal positif : y1+ = 3.1775 Y2+ = 2,8436 Y3+ = 1.294
A+ = ( 3.1775, 2,8436, 1.294 )
Sedangkan nilai solusi ideal negatif : y1- = 2.2065 Y2- = 1.422 Y3- = 1.0032
A- = ( 2.2065, 1.482, 1,0032 )
Sesudah itu menghitung jarak nilai terbobot setiap alternatif terhadap solusi ideal positif, perhitungannya seperti dibawah ini :
D1+ = √ (0.0000903 + 0.173056 + 0.205636) = √0.378723 = 0.6154529 D2+ = √(0.942841 + 2.0209466 + 0.0845646) = √3.0483522 = 1.7459531 D3+ = √0 + 0 + 0 = 0
Jarak nilai terbobot alternatif solusi ideal negatif, perhitungannya seperti dibawah ini :
D1- = √(0.9244825 + 1.01123136 + 0.02172676) = √1.95744037 = 1.399086
D2- = √(0 + 0 + 0 ) = 0
(52)
37
Dari didapatnya nilai alternatif terhadap solusi ideal positif dan nilai solusi ideal negatif selanjutnya dapat menghitung kedekatan setiap alternatif terhadap solusi ideal keduanya :
V1 = 1.3990856 / (1.39990856 + 0.6154512) = 0.69449435 V2 = 0 / (0+ 1.7459531) = 0
V3 = 1.7459531 / (1.7459531 + 0) = 1
Dari nilai V (jarak kedekatan setiap alternatif terhadap solusi ideal) diperoleh nilai V3 memiliki nilai terbesar, sehingga yang akan dipilih sebagai calon pegawai di Laboratorium Klinik Prodia Surabaya adalah Tanti.
(53)
38
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Pada bab ini akan dijelaskan mengenai perancangan dari perangkat lunak yang akan dibuat. Perancangan perangkat lunak yang akan dijelaskan mengenai sistem pendukung keputusan untuk pemilihan karyawan Prodia dibutuhkan untuk membantu atau mempermudah dalam pencarian karyawan sehingga data yang diangkat akan semakin valid.
Seperti yang dijelaskan pada latar belakang dari penulisan tugas akhir ini. Adanya keinginan untuk perangkat lunak dalam pemilihan karyawan baru Prodia. Dalam kasus ini berarti adanya kebutuhan admin untuk mendapatkan bagian tertentu dari suatu perangkat lunak yang akan dibuat. Di bagian ini user
melakukan input data pelamar yang mana nantinya akan dilakukan proses perhitungan menggunakan ahp dan metode perhitungan topsis. Setelah melakukan input sebuah data pelamar, maka data tersebut diproses dengan menggunakan 2 metode yang nantinya hasil dari proses tersebut adalah salah satu kandidat pelamar yang mempunyai nilai yang paling tinggi.
Perangkat lunak yang di buat harus bisa melakukan proses perhitungan yang nantinya akan membantu kerja dari HRD Prodia atau kabag personalia yang bertugas dalam pemilihan karyawan baru. Dalam perangkat lunak harus bisa ditampilkan semua nama calon kandidat yang melamar diklinik tersebut secara keseluruhan. Sesudah dilakukan pemasukan input kedalam sistem langkah selanjutnya yaitu memproses dengan menggunakan perhitungan metode ahp dan
(54)
39
topsis yang kemudian dari proses tersebut akan ditampilkan hasil output yang ingin dicapai yaitu sebuah list semua nama calon pelamar dari nilai yang tertinggi hingga yang mempunyai nilai yang terendah.
Berikut adalah flowchart dari pembuatan aplikasi sistem pendukung keputusan dalam penerimaan pegawai Prodia Surabaya.
start Seleksi administrasi Data pelamar Penentuan bobot kriteria terbesar Matrik bobot kriteria Alternatif bobot kriteria Hasil dari perhitun gan ahp Solusi ideal positi Solusi ideal negatif end Y T Y
Gambar 3.1 Flowchart Sistem Aplikasi menggunakan AHP dan TOPSIS
Dari flowchart diatas dapat dijelaskan bahwa proses yang pertama kali dilakukan adalah user (calon pelamar) menginputkan data pelamar dengan cara memasukkan semua data-data yang diperlukan, kemudian sistem akan mengecek apakah semua data sesuai dengan apa yang diinginkan perusahaan Prodia, apabila
(55)
40
sesuai yang diinginkan maka akan lanjut pada proses wawancara, tes bakat minat jika ada, yang kemudian dilakukan proses ahp dan proses topsisnya untuk mencari solusi ideal negatif dan solusi ideal negatif, dari nilai solusi ideal dapat disimpulkan siapa saja calon dari list yang mempunyai nilai yang paling tinggi itu yang akan menjadi pegawai Prodia.
3.2 Perancangan Sistem
Dalam mendesain suatu sistem perangkat lunak hal yang paling sulit adalah dalam desain sistemnya, dengan desain sistem yang baik maka akan meningkatkan kualitas dari sistem perangkat lunak yang dibuat. Desain sistem tersebut terdiri dari context diagram, data flow diagram, dan entity relationship diagram.
3.2.1 Diagram Konteks
Berikut ini adalah diagram alur rancangan perangkat lunak secara global.
(56)
41
Keterangan :
(1) User memasukkan data-datanya sebagai pelamar kedalam sistem yang sudah tersedia.
(2) Manager personalia memasukkan data bobot kriteria untuk perhitungan setiap pelamar dimana range angka yang telah direkomendasi antara 1-9.
(3) Manager personalia memasukkan nilai wawancara kedalam sistem penerimaan pegawai Prodia.
(4) Manager personalia juga memasukkan ID calon pegawai yang masuk untuk dihitung dengan menggunakan metode AHP dan TOPSIS.
(5) Sesudah manager personalia memasukkan semua yang diperlukan maka sistem akan memberikan data hasil yang diinginkan yang didapat dari perhitungan AHP dan TOPSIS.
3.2.2 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) merupakan alat yang biasa dipakai untuk
mendokumentasikan proses dalam sistem. Dengan DFD kita dapat mengetahui aliran informasi secara detail dan mempermudah melakukan penelusuran jika terjadi kesalahan. Aliran-aliran dan jalur-jalur ini membentuk suatu diagram yang merupakan model logika dari proses pengubahan data diatas, tidak
menggambarkan dan menjelaskan mengenai peralatan komputer ataupun media-media penyimpanan seperti disket dan media-media pencetakan data seperti printer didalamnya sebagai alat pengolahan data. Data Flow Diagram (DFD) ini sangat penting didalam merancang sistem yang kompleks. Semua hal yang berhubungan dengan pengembangan program nantinya akan dilakukan secara terstruktur.
(57)
42
3.2.2.1 Data Flow Diagram Level 0
Adapun gambaran umum dari data flow diagram level 0 dapat dilihat pada gambar dibawah ini :
manager personalia
master
proses
1 data tenaga kerja tenaga kerja
2
bobot kriteria bobot kriteria
hasil perhitungan ahp dan topsis
data tenaga kerja bobot kriteria
bobot kriteria data tenaga kerja
seleksi administrasi
seleksi wawancara
Gambar 3.3 Data Flow Diagram Level 0
Dari gambaran umum data flow diagram level 0, pada proses master data ini hanya memiliki satu proses, yaitu manager personalia. manager personalia yang dapat memberikan masukan kedalam proses. Satu-satunya proses tersebut adalah master data. Entitas luar yang sangat berperan dalam proses ini adalah manager personalia. manager personalia sebagai pelaku yang memasukkan data calon tenaga kerja dan data kriteria kedalam inputan proses master data. Hasil dari proses master data ini akan disimpan kedalam data storage.
3.2.2.2 Data Flow Diagram Level 1 Master
Adapun gambaran umum dari data flow diagram level 1 dapat dilihat pada gambar dibawah ini
(58)
43 data pegawai bobot kriteria manager personalia pegawai kriteria 1.1P 1.2P tenaga kerja bobot kriteria bobot kriteria data pegawai
Gambar 3.4 Data Flow Diagram Level 1 Master Data
3.2.2.3 Data Flow Diagram Level 1 Proses
Adapun gambaran umum dari data flow diagram level 1 proses dapat dilihat pada gambar dibawah ini
manager personalia seleksi 2.1P administra 2.1.1P wawancar 2.1.2P data administrasi data wawancara data administrasi data wawancara
Gambar 3.5 Data Flow Diagram Level 1 Proses
3.2.3 Conceptual Data Model (CDM)
Conceptual data model (CDM) adalah kumpulan dari
komponen-komponen himpunan entitas dan himpunan relasi yang masing-masing dilengkapi dengan atribut-atribut yang merepresentasikan seluruh fakta dari “dunia nyata” yang digambarkan secara lebih sistematis.
(59)
44
Gambar 3.6Conceptual Data Model (CDM) Keterangan :
Di dalam CDM (conceptual data model) terdapat beberapa entitas dan atribut-atributnya, diantaranya:
(1) Entitas alternatif
Mempunyai atribut pendidikan, pengalaman, umur, nilai, jurusan. Untuk entitaalternatif mempunyai hubungan relasi many to one dengan entitas kriteria pegawai. Hal ini dikarenakan setiap user mempunyai beberapa alternatif dimiliki oleh satu pegawai.
(2) Entitas pegawai
Di dalam entitas kriteria pegawai mempunyai atribut id pegawai, nama, alamat, usia, jurusan, pendidikan, nilai, pengalaman kerja. (lihat erd diatas) Entitas kriteria pegawai mempunyai hubungan relasi one to many dengan kriteria dan wawancara, yang artinya setiap kriteria pasti memiliki banyak kriteria dan wawancara.
(60)
45
(3) Entitas kriteria
Dalam entitas hasil pertanyaan memiliki atribut kriteria, pendidikan, jurusan, pengalaman. Entitas kriteria mempunyai hubungan relasi many to one dengan entitas pegawai, yang artinya beberapa nilai kriteria dimiliki satu pegawai. (4) Entitas wawancara
Dalam entitas wawancara memiliki atribut posisi, nilai administrasi, nilai wawancara, nilai total. Entitas wawancara mempunyai hubungan relasi many
to one dengan entitas pegawai, yang artinya beberapa nilai wawancara
dimiliki satu pegawai.
3.2.4 Physical Data Model (PDM)
Physical Data Model (PDM) adalah himpunan lanjutan
komponen-komponen dari Concept Data Model.
(61)
46
3.3 Perancangan Antar Muka Pemakai
Antarmuka pemakai (user interface) merupakan bagian yang paling penting dalam suatu pemrograman, karena berfungsi untuk menghubungkan antara program dan pemakainya. Antarmuka pemakai merupakan suatu interaksi antara manusia dengan mesin, yang tidak lain adalah program komputer.
Perancangan antar muka pemakai dibuat dengan tujuan untuk memudahkan pemakai dalam melakukan interaksi dengan program, yaitu program sistem pakar. Pada program sistem pakar ini, perancangan antar muka pemakai menggunakan fasilitas-fasilitas yang dimiliki bahasa pemrograman, yang menggunakan dan berbasiskan grafik yaitu Microsoft Visual Basic 6.0. Dalam perancangan antarmuka pemakai akan dibuat menu-menu pilihan yang disediakan untuk dipilih oleh pemakai, selain menggunakan keyboard juga menggunakan mouse untuk melakukan interaksi antara pengguna dengan program. Perancangan antarmuka ini akan dibuat sesederhana mungkin dan tidak terlalu rumit sehingga dapat dengan mudah dimengerti oleh pengguna.
3.4 Struktur Database Pengetahuan
Desain struktur data untuk basis pengetahuan (knowledge base) program sistem pakar ini dibuat dalam tabel yang saling berhubungan, yaitu :
(1) Tabel pegawai (id_pegawai, nama_pegawai, alamat, no_tlp, tempat_lahir, tgl_lahir, pendidikan, jurusan, nilai, posisi, foto, pengalaman, passw) (2) Tabel alternatif (id_pegawai, pendidikan, pengalaman, umur, nilai,
(62)
47
(3) Tabel kriteria (kriteria, id_pegawai, pendidikan, pengalaman, umur, nilai, jurusan)
(4) Tabel wawancara (posisi, id_pegawai, nilai_admin, nilai_wawancara, nilai_total)
Database tabel data tenaga kerja (id_kriteria, usia, pekerjaan, jurusan, nilai, pengalaman_kerja) menyatakan hubungan antara hak teanga kerja dengan kriteria pegawai.
Tabel 3.1 Tabel pegawai
Database tabel alternatif (id_kriteria, id_pegawai, pendidikan, pengalaman, umur, nilai, jurusan) ini mempunyai hubungan dengan data pegawai, dimana pada proses ini manager personalia dengan mudah menginputkan bobot kriteria dari masing-masing pegawai dan menghitungnya dengan menggunakan metode ahp dan penyeleksian menggunakan metode topsis.
(63)
48
Database tabel kriteria (kriteria, id_pegawai, pendidikan, pengalaman, umur, nilai, jurusan) ini mempunyai hubungan dengan data pegawai, dimana pada proses ini cara menghitung bobot setiap kriteria masing-masing yang diinputkan dan menghitung nilai bobot alternatif yang ternormalisasi untuk dimasukkan kedalam perhitungan topsis.
Tabel 3.3 Tabel kriteria
Database tabel wawancara (posisi, id_pegawai, nilai_admin, nilai_wawancara, nilai_total) ini mempunyai hubungan dengan data wawancara, dimana pada proses ini cara menghitung solusi ideal negatif dan solusi ideal positi dari hasil perhitungan ahp yang menghitung bobot dari masing-masing kriteria calon tenaga kerja.
Tabel 3.4 Tabel Hasil
Database tabel hasil ( id_pegawai, nilai_admin, nilai_wawan, nilai_total, posisi, nama_pegawai, thn) merupakan langkah terakhir yang menentukan calon pelamar itu diterima atau tidaknya. Tabel data wawancara menyatakan hubungan antara data wawancara dengan data tenaga kerja yang masuk.
(64)
49
BAB IV
IMPLEMENTASI PROGRAM
4.1 Kebutuhan software dan hardware
Dalam Sistem Pendukung Keputusan Untuk Otomatisasi Pembuatan Lamaran Kerja ini ada dua hal yang penting yaitu kebutuhan software dan
hardware yang digunakan untuk menjalankan program ini.
4.1.1 Kebutuhan software
Untuk dapat membuat dan menjalankan program ini maka diperlukan beberapa
software pendukung, yaitu :
(1) Sistem Operasi Microsoft Windows XP Profesional Service Pack2.
(2) Bahasa pemrograman Visual Basic 6.0 (3) Database SQL Server 2000
4.1.2 Kebutuhan Hardware
Penggunaan hardware yang baik akan lebih memudahkan dalam menjalankan dan pembuatan program, untuk itu diperlukan seperangkat komputer dengan spesifikasi sebagai berikut :
(1) Processor Pentium IV 1.8 GHz. (2) Memory 256 MHz.
(3) Hard Disk 20 Gb. (4) VGA 64 Mb. (5) Monitor (6) Keyboard (7) Mouse
(65)
50
4.2 Implementasi Interface 4.2.1 Halaman Utama
Pada saat pertama kali program dijalankan maka halaman pertama kali yang ditampilkan adalah menu login. Pada form ini adalah halaman pembuka program yang berikutnya akan tampil menu utama, adapun tampilan dari menu login dapat dilihat pada gambar 4.1.
Gambar 4.1 Halaman Utama
Isi user name dan password dengan admin sesuai dengan penulisan di database SQL Server 2000, kemudian klik tombol login jika ingin masuk dan sebaliknya klik tombol exit untuk keluar dan tidak melanjutkan ke form selanjutnya.
4.2.2 Halaman Menu Utama
Pada saat menu login berhasil dijalankan maka pertama kali akan muncul form halaman utama dari sebuah program Prodia. Didalam halaman menu utama dapat dilihat ada beberapa menu antara ada file yang berisi log out dan keluar, menu master yang terdapat data pegawai dan data kriteria. Lebih jelas lihat gambar dibawah ini :
(66)
51
Gambar 4.2 Halaman Menu Utama
Didalam halaman menu utama ini admin dapat memilih sesuai dengan
kebutuhannya, seperti contoh untuk memasukkan data pegawai, maka tinggal klik
tombol master kemudian klik pegawai.
4.2.3 Halaman Input Pegawai
Didalam menginputkan data pegawai ini admin diminta untuk mengisi
semua data calon pegawai yang melamar di Prodia secara lengkap untuk diproses
menggunakan ahp dan topsis. Dapat dilihat didalam input pegawai tersedia
tombol edit, jika ingin data diperbaiki atau ditambah, dihapus jika ingin data
(67)
52
input pegawai dan masuk pada halaman menu utama. Lebih jelas lihat gambat
dibawah ini :
Gambar 4.3 Halaman Input Pegawai
4.2.4 Halaman Data Kriteria
Setelah menginpukan data pegawai yang masuk, maka selanjutnya dapat
menginputkan data kriteria yang diinginkan sesuai dengan aturan Prodia.
(lihat gambar 4.4 form input nilai kriteria)!
(68)
53
Source Code : For i = 0 To 3 For j = 0 To 3 If i = j Then pair(i, j) = 1 ElseIf i < j Then
pair(i, j) = 1 / pair(j, i) End If
Jika masuk dalam halaman data kriteria seperti gambar 4.4 diatas, maka dapat dilihat ada ketentuan-ketentuan yang dibuat sebagai acuan untuk memasukkan nilai tiap matrik berpasangan. Nilainya tergantung pada kebijakan atau aturan yang dimiliki oleh pihak Prodia itu sendiri.
Keterangan pemberian nilai sebagai berikut : (1) Jika C1 sama penting daripada C2, maka 1. (2) Jika C! Lebih penting daripada C2, maka 3. (3) Jika C1 sedikit lebih penting daripada C2, maka 5. (4) Jika C1 jauh lebih penting daripada C2, maka 7. (5) Jika C1 sangat jauh lebih penting daripada C2, maka 9. (6) Nilai 2, 4, 6, 8 digunakan jika dianggap nilai tengah.
Sebagai contoh aturan yang pertama, jika C1 sama penting daripada C2, maka 1. Maksud dari aturan yang pertama adalah jika C1 memiliki nilai kepentingan yang sama jika dibandingkan dengan C2, maka akan diberi nilai 1 dengan asumsi
(69)
54
C1 adalah kriteria ke-1 dan C2 adalah kriteria yang ke-2, begitupun selanjutnya sampai dengan aturan yang ke-5.
4.2.5 Halaman Proses Perhitungan
Sesudah menginputkan semua data pegawai yang melamar di Prodia dan menginputkan data kriteria masing-masing bobobtnya, maka klik tombol keluar secara otomatis akan keluar dan masuk pada halaman menu utama untuk masuk pada proses ahp dan topsis. Lihat gambar dibawah ini :
Gambar 4.5 Halaman Proses Perhitungan
Didalam proses ahp dan topsis ini, sebelumnya admin diminta masuk kedalam seleksi administrasi dahulu dan kemudian langsung masuk pada tahap terkhir yaitu proses wawancara. Didalam seleksi adminstrasi, admin diminta agar mengisikan posisi yang akan diproses, posisi di Prodia ada 2 yaitu posisi lab dan posisi non lab. Isi salah satu yang akan diproses. Kemudian klik tombol proses maka akan terlihat perhitungan ahp dan topsis, mana pegawai yang mempunyai
(70)
55
nilai yang tertinggi, itulah yang akan diproses wawancara sebagai calon kandidat pegawai yang diterima di Prodia.
Untuk mengetahui chart pemilihan pegawai ini klik tombol show hasil dapat dilihat pada gambar 4.6 dibawah ini.
4.2.6 Halaman Data Hasil
Gambar 4.6 Halaman Hasil Proses AHP dan TOPSIS
4.2.7 Halaman Data Wawancara
Sesudah melihat chart dari hasil perhitungan ahp dan topsis, yaitu
(71)
56
maka tahap terkhir adalah proses wawancara. Setelah proses wawancara selesai
maka sudah terlihat jelas siapa yang berhak menjadi pegawai tetap Prodia. lihat
gambar dibawah ini :
Gambar 4.7 Halaman Wawancara
4.2.8 Halaman Report
Sesudah menambahkan hasil wawancara maka dapat melihat dari tiap
(72)
57
(1)
63
5.2.5 Uji Coba Form Wawancara
Sesudah melihat chart dari hasil perhitungan ahp dan topsis, yaitu rangking dari semua tenaga kerja yang melamar di Laboratorium Prodia Surabaya, maka tahap terkhir adalah proses wawancara. Setelah proses wawancara selesai maka sudah terlihat jelas siapa yang berhak menjadi pegawai tetap Prodia. Tampilan tersebut seperti gambar 5.10 di bawah ini.
Gambar 5.6
Form Wawancara
5.2.6 Uji Coba Form Report
Pada tampilan form report menjelaskan dimana form tersebut admin dapat mengetahui semua hasil seleksi calon pegawai dari hasil AHP dan TOPSIS serta nilai wawancara yang dapat dilihat tiap tahun yang dilaksanakan penerimaan pegawai oleh perusahaan. Tampilan tersebut dapat dilihat pada gambar 5.7.
(2)
64
Gambar 5.7 Halaman Report
Setelah menjalankan proses report hasil data pegawai yang sudah diinputkan, admin juga dapat melakukan cetak biodata hasil seleksi. Data akan ditampilkan seperti gambar 5.8.
(3)
65
BAB VI PENUTUP
6.1 Kesimpulan
Setelah dilakukan perencanaan, perancangan dan pemrograman serta pengujian pada Sistem Pendukung Keputusan untuk Penerimaan Pegawai Prodia ini maka dapat diambil kesimpulan, yaitu :
a. Sistem ini menggunakan metode AHP (Analytichal Hierarchy Process) dan menggunakan metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) dalam membantu untuk proses pengambilan keputusan penerimaaan pegawai di Laboratorium Prodia Surabaya.
b. Hasil dari proses seleksi tenaga kerja ini berupa rangking dimana nilai dari hasil kriteria yang telah direkomendasi ditambah hasil wawancara untuk penentuan calon pegawai yang akan diterima. Hasil pertimbangan :
Hasil AHP&TOPSIS Wawancara
Dr. Yenni 0.0003478822 39
Dr. Bambang 0.8248985839 48
Dr. Christian 1 43 Dari hasil perengkingan maka yang akan diterima adalah Dr. Bambang karena memliki nilai wawancara tertinggi dan nilai perengkingan mendekati 1 sementara alternatif kedua adalah Dr. Christian
(4)
66
6.2 Saran
Saran yang dapat disampaikan dalam perancangan dan pembuatan sistem penerimaan pegawai Prodia ini adalah dapat dikembangkan lebih lanjut sehingga sistem pendukung keputusan ini dapat langsung menghubungi tenaga kerja yang masuk seleksi secara otomatis misalnya via telepon untuk proses yang lebih lanjut yaitu proses wawancara.
(5)
DAFTAR PUSTAKA
ARMADIYAH AMBOROWATI, 2006 “Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Berdasarkan Kinerja dengan Metode AHP”, Seminar Nasional Aplikasi Teknologi Informasi (SNATI 2007), Jurusan Teknik Informatika UII, Yogyakarta.
DJIWO HARSONO, 2007. “Ceramah Tentang jaminan Mutu”, STTN, Jakarta. EFRAIM TURBAN, JAY E. ARONSON, TING PENG LIANG. (2008). Decision
Support Systems and Intelligent Systems Jilid 1 Ed. 7. Yogyakarta: Penerbit Andi.
JOURNAL AHP (Analitical Hierarchy Process) diambil pada tanggal 28-05-2009 dari http://www.findtoyou.com/ebook/sistem+pendukung+keputusan+ahp-86366.html
MULYONO, S, 1996, Teori Pengambilan Keputusan, Edisi Revisi, Lembaga Penerbit Facultas Ekonomi UI, Yakarta,
SAATY. T., 1993. Pengambilan Keputusan Bagi Para Pemimpin, Proses Hirarki Analitik untuk Pengambilan Keputusan dalam Situasi yang Kompleks, Pustaka Binama Pressindo.
SAATY, Thomas L.1993. The Analytical Hierarchy Process: Planning, Priority Setting, Resource Allocation. Pittsburgh: University of Pittsburgh Pers. SUDIRMAN dan WIDJAJANI (1996), diambil pada tanggal 28-05-2009 dari
h
(6)
LAMPIRAN
Berdasarkan aplikasi yang dibuat berikut sciprt atau source code untuk perhitungan AHP dan TOPSIS beserta lampiran hasil survei :
For i = 0 To List1.ListCount - 1
Set tmpdata = .ListItems.Add(, , List1.List(i)) totscr = 0
For j = 1 To ListView1.ListItems.Count If j = 1 Then
tmpdata.ListSubItems.Add , , (Val(ListView1.ListItems(j).ListSubItems(6).Text) * Val(ListView2.ListItems(i + 1).ListSubItems(ListView2.ColumnHeaders.Count - 1).Text))
ElseIf j = 2 Then
tmpdata.ListSubItems.Add , , (Val(ListView1.ListItems(j).ListSubItems(6).Text) * Val(ListView3.ListItems(i + 1).ListSubItems(ListView3.ColumnHeaders.Count - 1).Text))
ElseIf j = 3 Then
tmpdata.ListSubItems.Add , , (Val(ListView1.ListItems(j).ListSubItems(6).Text) * Val(ListView4.ListItems(i + 1).ListSubItems(ListView4.ColumnHeaders.Count - 1).Text))
ElseIf j = 4 Then
tmpdata.ListSubItems.Add , , (Val(ListView1.ListItems(j).ListSubItems(6).Text) * Val(ListView5.ListItems(i + 1).ListSubItems(ListView5.ColumnHeaders.Count - 1).Text))
ElseIf j = 5 Then
tmpdata.ListSubItems.Add , , (Val(ListView1.ListItems(j).ListSubItems(6).Text) * Val(ListView6.ListItems(i + 1).ListSubItems(ListView6.ColumnHeaders.Count - 1).Text))
End If
totscr = totscr + Val(.ListItems(i + 1).ListSubItems(j).Text) Next j
tmpdata.ListSubItems.Add , , totscr List7.AddItem (.ListItems(i + 1).Text) List8.AddItem (.ListItems(i + 1).ListSubItems(.ColumnHeaders.Count - 1)) Next i