REF5 SAW.YDL Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Menggunakan Metode Saw Simple Additive Weighting Studi Kasus PT

  SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) STUDI KASUS PT. PERTAMINA RU II DUMAI Yohana Dewi Lulu W. Rani Maya Sari, Heni Rachmawati

  Sistem Informasi, Politeknik Caltex Riau, 28265 ydlulu@gmail.com, rnyooymo@yahoo.com , henni@pcr.ac.id

  Abstrak

  Pemilihan karyawan terbaik secara periodik menjadi suatu proses yang lama dan rumit. Keputusan seseorang salah karena proses pemilihan karyawan berdasarkan subjektifitas. Oleh karena itu diperlukan sistem pendukung keputusan untuk proses pemilihan karyawan tersebut. Sistem pendukung keputusan ini, dapat menentukan nilai perhitungan terhadap semua kriteria. Sistem ini menggunakan metode Simple Additive Weighting (SAW). Metode ini merupakan suatu metode yang mencari penjumlahan terbobot. Pada studi kasus PERTAMINA RU II Dumai, terdapat empat kriteria yaitu pekerja prestasi, pekerja aktif, pekerja peduli safety dan pekerja sehat. Setiap alternatif(karyawan) akan memiliki kriteria-kriteria tersebut. Dalam hal ini untuk menentukan karyawan terbaik dilakukan dengan cara menjumlahan bobot dari rating kinerja pada setiap alternatif untuk semua atribut. Nilai yang lebih besar akan mengindikasikan bahwa alternatif lebih terpilih. Pada kasus tersebut metode SAW ini dapat menentukan karyawan terbaik berdasarkan nilai tertinggi. Sebelumnya di PERTAMINA menggunakan satu kriteria untuk satu orang dan akan dikembangkan menjadi empat kriteria untuk satu orang, setelah diuji dengan sistem hasilnya sama. Dengan demikian sistem ini mampu menangani perhitungan penilaian karyawan terbaik di PERTAMINA RU II Dumai sehingga (misal manajer personalia) tidak akan kesulitan dalam menentukan karyawan yang terbaik.

  Kata kunci : Sistem Pendukung Keputusan, SAW, FMADM

1. Pendahuluan

  Didalam perusahaan, Tim juri sering merasa sulit dalam memilih sesuatu. Mulai dari memilih sesuatu yang ringan dan sederhana sampai ke hal yang sangat berat dan rumit. Proses pengambilan keputusan harus berdasarkan kriteria-kriteria dan indikator ukuran terbaik. Begitu pula bila seorang manager pada perusahaan akan menentukan karyawan terbaik. Karyawan terbaik adalah karyawan yang menampilkan perilaku yang sejalan dengan visi, tujuan dan nilai-nilai perusahaan tersebut dan hal-hal tertentu yang telah ditetapkan perusahaan bersangkutan. Karyawan yang memiliki kriteria yang telah ditetapkan akan menerima penghargaan sebagai karyawan terbaik, secara periodik.

  Selain itu, penghargaan bagi karyawan ini dimaksudkan pula untuk mendorong pegawai yang terpilih untuk tetap berprestasi dan sekaligus memacu prestasi pegawai lain. Untuk dapat mengolah data-data penilaian lebih objektif maka perlu dibangun sistem pendukung keputusan yang dapat menentukan siapa saja yang berhak mendapat penghargaan tersebut, sekaligus menghilangkan perhitungan secara manual maka dibuat secara komputerisasi dan membantu masalah semi terstruktur yaitu permasalahan yang rutin berulang, tetapi masih dibutuhkan human judgement dalam penerapan solusinya

  Perusahaan PERTAMINA melakukan proses ini untuk memenuhi karyawan terbaiknya. Adapun kriterianya yaitu pekerja berprestasi, , pekerja aktif, pekerja peduli safety, pekerja sehat. Untuk membantu dalam proses mengolah data maka akan dibangun sistem pendukung keputusan dengan model Fuzzy Multipple Attribute Decision Making (FMADM). Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM, salah satu metodenya yaitu Simple Additive Weighting (SAW) [3].

  Metode yang digunakan untuk seleksi karyawan dipilih metode SAW, karena metode ini menentukan nilai bobot untuk setiap atribut kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatife terbaik, alternatif yaitu kriteria-kriteria yang ditentukan. Dengan metode perangkingan diharapkan lebih tepat dan V =W x R akurat karena sudah didasarkan pada kriteria dan dengan: bobot yang sudah ditetapkan sehingga dapat V = Nilai Matriks menentukan siapa yang lebih berhak mendapat w = Matriks rating kepentingan (bobot) penghargaan tersebut. r = rating

  Aplikasi ini diharapkan dapat membantu Nilai V yang lebih besar mengindikasikan

  i perusahaan dalam mengukur kinerja perusahaan, bahwa alternatif A lebih terpilih. i

  sehingga perusahaan dapat berkembang dengan Setelah tujuan dan alternatif keputusan telah pesat sesuai visi dan misi perusahaan tersebut. didapatkan, langkah selanjutnya adalah mengidentifikasi kmpulan kriteria.

2. Sistem Pendukung Keputusan

  3. Perancangan

  Pengambilan keputusan adalah pemilihan beberapa tindakan alternatif yang ada untuk

  3.1a Use Case Diagram personal manager

  mencapai satu atau beberapa tujuan yang telah ditetapkan. McLeodmenyimpulkan bahwa sistem pendukung keputusan adalah suatu sistem berbasis terstruktur dengan menggunakan data dan model.komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak

2.1 Metode SAW

  Metode ini merupakan metode yang paling dikenal dan banyak digunakan orang dalam menghadapi situasi MADM. Metode ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk sebuah alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating yang dapat dibandingkan lintas atribut) bobot dan tiap atribut.

  Rating

  tiap atribut telah melewati proses normalisasi sebelumnya. Metode SAW dikenal sebagai istilah penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating

  Gambar 1 Use case Personal Manager

  alternatif yang ada. Formula untuk melakukan normalisasi tersebut adalah sebagai berikut: dengan r adalah rating kinerja ternormalisasi dari

  ij

  alternatif A pada atribut C ; i=1,2,...,m dan

  i j j=1,2,...,n. x

  ⎧ ij jika j adalah atribut keuntungan (benefit) ⎪

  3.1b Use Case Diagram Case Staff Max x _ij

  ⎪ i ⎪ r = _ij

  ⎨ ⎪ Min x _{i ij}

  ⎪ jika j adalah atribut biaya (cost) ⎪ x _ij

  ⎩

  Nilai preferensi untuk setiap alternatif (V )

  i

  diberikan sebagai:

  n

  .....(1)

  V w r Gambar 2 Use Case Diagram Case Staff = i j ij

  ∑

  3.1c Use Case Diagram Kepala Bagian Gambar 3 Use Case Diagram Case Staff

3.2 Flowchart Proses SAW

  Perancangan ini digunakan untuk menggambarkan alur suatu program menjadi lebih sederhana sehingga program tersebut dapat lebih mengerti.

  4. Pengujian Dan Analisa

  Berikut contoh perbandingan perhitungan manual dan sistem dimana masing-masing karyawan memiliki empat kriteria dikalikan bobot.

  Gambar 5 Hasil Penilai Manual Gambar 4 Flow Chart SAW

  3.3 Entity Relational Diagram Gambar 6 Hasil Penilai Sistem baik. Dua orang atau 33.3% mengatakan cukup baik.

  Sedangkan untuk manager penulis menyimpulkan bahwa sangat cepat atau 86.66 dalam proses pencarian dalam memberikan hasil stimulan karyawan tebaik, dari perhitungan Likert. Dengan jumlah 6 responden mengatakan kecepatan sistem dalam memberikan stimulan kepada pengguna dari sistem tersebut sangat baik. 33% atau dua responden mengatakan sangat baik. Sedangkan empat orang atau 66.7% mengatakan kecepatan sistem baik.

  Gambar 7 Hasil Rekomendasi

  Untuk staff untuk manfaat sistem tergolong baik dari perhitungan Likert yaitu 76.66%, satu Perhitungan sistem empat kriteria untuk satu orang responden mengatakan sangat baik atau 8.3%, sedangkan delapan orang 66.7% menilai manfaat sistem baik dan tiga responden atau 25% mengatakan cukup baik. Kenyamanan tampilan tergolong sangat baik dari perhitungan Likert diperoleh 81.66% yaitu dari tiga orang responden atau 25% mengatakan sangat baik, tujuh responden atau 58.3% menilai kenyamanan sistem baik. Dua orang mengatakan tampilan sistem cukup baik yaitu 16.7%.

  5. Kesimpulan

  Setelah dilakukan pengujian terhadap sistem yang telah dibuat, dapat disimpulkan bahwa:

  1. Proses kecepatan sistem dalam pencarian karyawan terbaik adalah sangat cepat.

  2. Alternatif yang dihasilkan sistem dalam memberikan stimulan bagi pengguna yaitu tergolong baik.

  3. Kelengkapan informasi yang dihasilkan oleh sistem yaitu sangat baik.

  4. Pemahaman pengguna terhadap sistem dan dilaksanakan yaitu sangat mudah.

  5. Pemahaman sistem bagi pengguna yang tidak mengerti SPK yaitu tergolong mudah.

  6. Tingkat kenyamanan pengguna terhadap sistem Hasil perhitungan antara sistem dan perhitungan ini sangat nyaman. manual di PERTAMINA RU II Dumai adalah sama

  7. Kemudahan yang didapatkan setelah dari hal tersebut penulis menyimpulkan sistem menggunakan sistem ini yaitu tergolong mudah. pendukung keputusan dengan metode SAW mampu 8.

  Sistem ini sangat memberi manfaat kepada menangani perhitungan penilaian karyawan terbaik pengguna sebagai penentuan karyawan terbaik di PERTAMINA RU II Dumai.

  9. Informasi yang dibutuhkan oleh pengguna sudah sangat baik. Dari pengujian kuisioner kepala bagian,

  10. Tampilan sistem secara keseluruhan tergolong didapatkan 86.66% sangat baik dari perhitungan sangat menarik. Likert, dengan jumlah 6 responden mengatakan 11.

  Berhasil menerapkan metode SAW untuk kecepatan sistem dalam memberikan stimulan penentuan karyawan terbaik, baik menggunakan kepada pengguna dari sistem tersebut sangat baik mekanisme satu orang untuk satu krteria

  33% atau dua responden.Sedangkan empat orang maupun empat kriteria untuk satu orang dilihat atau 66.7% mengatakan kecepatan baik. Alternatif dari perbandingan sistem manual di yang dihasilkan oleh sistem ini sudah baik

  PERTAMINA RU II Dumai dan sistem diperoleh dari perhitungan Likert 73.33%. Hal ini pendukung keputusan serta sebagai dapat dilihat empat orang atau 66.7% mengatakan pertimbangan lebih objektif untuk menentukan karyawan terbaik.

  Daftar Pustaka:

  [1] Anaz : (2010) Diambil 22 November 2010 dari http://www.scribd.com/AnazSistem-

  Pendukung-Keputusan/d/46546807

  [2] Fibriani,charitas: (2010) Diambil 10 Nevember 2010 dari

  http://charitasfibriani.files.wordpress.com/2 010/11/pertemuan-8.pdf

  [3] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy Multi-

  Attribute

  Decision Making (FUZZY

  MADM)

  . Yogyakarta: Penerbit Graha Ilmu

  [4] MADCOMS. (2008). PHP & MySQL.

  Yogyakarta:ANDI [5]

  Nugroho, Bunafit. (2008). PHP dan

  MySQL dengan editor Dreamweaver MX .

  Semarang: Andi [6] Riduwan. 2010. Skala Pengukuran

  Variabel-Variabel Penelitian

  . Bandung: ALFABETA

  [7] Saputro, H. (2003). Manajemen Database

  MySQL menggunakan MySQL Front .

  Jakarta:Elex Media Komputindo [8]

  Wibowo, Henry: (2010). Seminar Nasional

  Aplikasi Teknologi Informasi 2009 (SNATI 2009)

  Diambil 22 November 2010 dari

  http://journal.uii.ac.id/index.php/Snati/articl e/view/1073/998

  [9] Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy Multi-

  Attribute

  Decision Making (FUZZY

  MADM)

  . Yogyakarta: Penerbit Graha Ilmu.