Institutional Repository | Satya Wacana Christian University: Sistem Pendukung Keputusan Penerimaan Karyawan Baru pada PT. Coca Cola Amatil Indonesia Central Java Menggunakan Metode Analytic Hierarcy Process (AHP)

  

Sistem Pendukung Keputusan Penerimaan Karyawan Baru pada PT. Coca

Cola Amatil Indonesia Central Java Menggunakan Metode Analytic Hierarcy

Process (AHP)

Artikel Ilmiah

  

Peneliti:

Alan Luqman Prastyo (682014057)

Charitas fibriani, S.Kom., M.Eng.

  

Program Studi Sistem Informasi

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

Januari 2018

  

Sistem Pendukung Keputusan Penerimaan Karyawan Baru pada PT.

  

Coca Cola Amatil Indonesia Central Java menggunakan Metode

Analytic Hierarcy Process (AHP)

_{1) 2)}

  Alan Luqman Prastyo, Charitas Fibriani Fakultas Teknologi Informasi

  Universitas Kristen Satya Wacana _{1) 2)} Jl. Diponegoro 52-60, Salatiga 50711, Indonesia E-mail: charitas.fibriani@staff.uksw.edu

  

Abstract

PT. Coca Cola Amatil Indonesia one of the beverage production industry. The employee recruitment of

PT. Coca Cola Amatil Indonesia held independently around the factory environment. They selected their

employees throught the process of several tests that have been provided. The subjective factor from HRD

in this recruitment should be avoided so that every choices made are subjective according to the required

criteria of company.

  

The decision that chosen in acceptence of the new employee recruitment support system is using AHP

method. It usually used as aproblem solving method rather than other method caused of this hierarchi

structure, as a consequent of cryteria that chosen, including to the deepest of subcriteria . It consider the

validity up to the limits of inconsistency tolerance. It consider the endurance of output sensitivity analysis

decision making. Other than that, the decision making of AHP system is able to produce more consistence

result than other methods and the system of this method is easy to understand and useable. The purpose

of this research is to make the decision support system of employee acceptence ( sales representativ)

using AHP method in PT coca cola amatil Indonesia , Central Java to eliminate the subjectivity in

decision result.

  Keywords : Analitical Hierarchy Process, decision support system, employee recruitment

Abstrak

  PT. Coca Cola Amatil Indonesia merupakan salah satu industri produksi minuman. Penerimaan karyawan (sales reprecentative) PT.Coca Cola Amatil Indonesia mengadakan penerimaan secara mandiri di sekitar lingkungan pabrik. Karyawan di pilih melalui proses serangkaian tes yang telah di sediakan. Hal yang harus dihindari adalah faktor subjektifitas dari HRD sehingga setiap pilihan yang di buat bersifat objektif sesuai kriteria yang di butuhkan oleh perusahaan.

  Pengambilan keputusan dalam sistem pendukung keputusan penerimaan karyawan baru menggunakan metode AHP. AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam, memperhitungkan validitas sampai dengan batas toleransi inkonsistensi dan memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan. Selain itu, dari sistem pengambilan keputusan AHP mampu menghasilkan hasil yang lebih konsisten dariapada metode-metode lainnya, serta sistem dengan metode ini mudah dipahami dan mudah di gunakan. Tujuan dari penelitian ini adalah membuat sistem pendukung keputusan penerimaan karyawan (sales

  

representative) menggunakan metode Analitical Hierarchy Process pada PT.Coca-Cola Amatil Indonesia

Central Java untuk menghilagkan subjektifitas pada hasil keputusan.

  

Kata Kunci : Metode AHP, sistem pendukung keputusan , penerimaan karyawa

  1. Pendahuluan

  Sumber daya manusia (SDM) merupakan suatu aset penting dalam perusahaan karena menjadi penggerak dalam menjalankan perusahaan. SDM menentukan kualitas dari perusahaan tersebut sebab untuk membuat suatu strategi bisnis yang baik dan dibutuhkan suatu kemampuan untuk bergerak cepat dan tepat serta memerlukan gagasan-gagasan yang inovatif. Pencarian SDM yang berkualitas melalui proses yang lama mulai dari penentuan kriteria yang tepat hingga pengadaan serangkaian tes sebagai acuan dalam pengambilan keputusan. Upaya untuk menghindari subjektifitas keputusan yang dihasilkan diperlukan suatu sistem pendukung keputusan yaitu Decision Support System (DSS). Decision Support

  

System merupakan sistem menggunakan model yang dibangun untuk membantu menyelesaikan masalah

  semi terstruktur. Seleksi penerimaan karyawan merupakan tipe masalah semi terstruktur artinya proses ini bukan agenda rutin suatu perusahaan melainkan kejadian yang terjadi jika dibutuhkan. SPK merupakan sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi terstruktur dengan cara memberikan informasi ataupun usulan pada keputusan tertentu. SPK dapat dibuat dengan menyesuaikan bidang keputusan apa yang diambil termasuk juga penerimaan karyawan.

  Pengambilan keputusan dalam penerapan sistem keputusan penerimaan karyawan menggunakan metode Analytical Hierarchy Procces (AHP). Analitycal Hierarchy Process merupakan metode untuk memecahkan situasi yang kompleks dan tidak terstruktur ke dalam beberapa komponen dalam suatu susunan yang hierarki dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif, dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi tersebut. Sistem pengambilan keputusan AHP mampu menghasilkan hasil yang lebih konsisten, bisa dipahami dan mudah digunakan. Berdasarkan latar belakang yang telah diuraikan , maka dapat disimpulkan permasalahan yang ada, yaitu bagaimana proses dalam penerimaan karyawan baru dan perancangan sistem pengambil suatu keputusan penerimaaan karyawan baru menggunakan “Sistem Pendukung Keputusan Penerimaan Karyawan Baru deng an metode AHP”. Sehingga pengambilan keputusan menjadi lebih konsisten dan terhindar dari subjektifitas. Tujuan dari pembuatan Tugas Akhir ini adalah membangun aplikasi sistem pendukung keputusan untuk penerimaan karyawan baru mengguakan metode AHP. Agar terhindar dari subjektifitas keputusan yang dihasilkan, maka diperlukan suatu sistem pendukung keputusan (Decision Support System/DSS) yang dapat membantu manager SDM dalam memutuskan pelamar mana yang akan diterima . Lebih efisien waktu untuk menentukan keputusan.

  2. Tinjauan Pustaka

  Penelitian yang berjudul “Penerimaan karyawan baru dengan metode SAW ( simple additive

  weihting ”) membahas tentang pembuatan aplikasi sistem pendukung keputusan yang berfungsi untuk

  membantu proses pemilihan karyawan baru dengan metode SAW ( simple additive weihting). Penelitian ini memiliki parameter penilaian karyawan yang telah di tentukan oleh perusahaan. Konsep metode SAW ( simple additive weihting) adalah mencari penjumlahan terbobot dari rating kerja pada setiap alternative pada semua atribut. Penentuan penerimaan karyawan baru, untuk perhitungan metode Simple Additive Weighting (SAW) akan menitik-beratkan pada 7 kriteria, yaitu karakter, keahlian, kecakapan, penampilan,test, usia, wawancara [1].

  Penelitian kedua yang berjudul “Sistem Pendukung Keputusan Penerimaan Pegawai Baru PT.PLN (persero) Kantor Pusat dengan Menggunakan Metode Simple Additive Weighting (SAW)

  ” membahas tentang bagaimana menyeleksi calon karyawan baru dengan sistem pendukung keputusan ini kriteria pembobotan karyawan juga telah di tentukan oleh perusahaan , yaitu menitik beratkan pada Kedisiplinan, Masa pengalaman informal/formal, Ketaatan dalam melaksanakan tugas, Kecakapan, Kepemimpinan, Keterampilan, Hasil kerja yang diperoleh, Moral dan perilaku, Kerjasama, Kreativitas dan inovasi [2] .

  Sistem pendukung keputusan penerimaan karyawan baru PT.Coca-Cola Amatil Indonesia dengan metode AHP . Sistem Pendukung Keputusan (SPK) penerimaan karyawan bisa dijadikan dasar pengambilan keputusan manajemen dalam proses penerimaan karyawan. Keputusan yang dapat dipertanggungjawabkan dengan dukungan dari perhitungan yang dilakukan dengan AHP sebagai model dalam sistem pendukung keputusan. Keputusan untuk menentukan calon pelamar mana yang akan diterima sebagai karyawan perusahaan menentukan kelangsungan hidup perusahaan itu sendiri, sehingga diperlukan keputusan yang tepat dalam pemilihan, agar tujuan perusahaan dapat tercapai dan yang terakhir aplikasi sistem pendukung keputusan seleksi penerimaan karyawan dapat digunakan perusahaan untuk membantu menentukan calon karyawan mana yang akan diterima melalui hasil perhitungan AHP. Aplikasi ini akan menghasilkan keluaran nilai intensitas prioritas calon karyawan tertinggi sehingga karyawan yang memiliki nilai tertinggi akan memperoleh kesempatan yang besar untuk diterima menjadi karyawan di perusahaan

  Sistem Pendukung Keputusan adalah sebuah sistem yang mampu memecahkan masalah ataupun kemampuan pengkomunikasian untuk masalah terstruktur maupun semi terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan pada situasi terstruktur dan semi struktur [3]. SPK terdiri dari 3 (tiga) subsistem utama yang menentukan kapabilitas teknis SPK, yaitu ;

  Sub sistem data merupakan komponen penyedia data bagi sistem. Data disimpan dalam suatu

  pangkalan data (data base) yang diorganisasikan oleh suatu sistem yang disebut dengan sistem manajemen pangkalan data (Data Base Management System/DBMS). Kemampuan yang dibutuhkan dari manajemen data base yaitu kemampuan untuk mengkombinasikan berbagai variasi data melalui pengambilan dan ekstraksi data, kemampuan untuk menambahkan sumber data secara tepat dan mudah, kemampuan untuk menggambarkan struktur data logikal sesuai dengan pengertian pemakai dan kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif pertimbangan personil [4].

  Sub sistem model merupakan fasilitas pengelola berbagai model. Kendala yang sering dihadapi dalam merancang suatu model adalah model yang disusun tidak mampu mencerminkan seluruh variabel.

  Sehingga keputusan yang diambil yang didasarkan pada model tersebut menjadi tidak akurat dan tidak sesuai dengan kebutuhan.

  Sub Sistem Dialog merupakan fasilitas yang mampu mengintegrasikan sistem terpasang dengan

  pengguna secara interaktif. Melalui sistem dialog inilah sistem diartikulasikan dan diimplementasikan sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang dirancang. Fasilitas yang dimiliki oleh subsistem ini dapat dibagi atas tiga komponen yaitu action language, yaitu suatu perangkat lunak yang dapat digunakan pengguna untuk berkomunikasi dengan sistem. Display atau presentation

  

language , yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu. (knowledge

base ), yaitu bagian yang mutlak diketahui oleh pengguna sehingga sistem yang dirancang dapat berfungsi

  secara efektif. Kombinasi dari berbagai kemampuan ini dikenal sebagai gaya dialog (dialog style).

  AHP (Analytic Hierarchy Process) adalah suatu teori umum tentang pengukuran yang digunakan

  untuk menemukan skala rasio. AHP menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki. Hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis[5].

  Lagkah awal yang perlu dilakukan yaitu mendefinisikan masalah dan menentukan jalan keluar / solusi sesuai tujuan. Setelah itu Menentukan prioritas elemen dengan cara embuat perhitungan berpasangan , yaitu membandingkan elemen berpasangan sesuai kriteria. Terakhir Sintesis yaitu pertimbangan- pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas[6].

  Standart nilai perbandinagan dapat dilihat pada gambar 1.

  Gambar 1: skala penilaian perbandingan berpasangan [7] Susunan elemen-elemen berpasangan tersebut dapat dilihat pada gambar 2.

  Gambar 2. Susunan elemen berpasangan.[7]

  Langkah yang dilakukan adalah menjumlahkan nilai-nilai dari setiap kolom pada matriks kemudian membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks, terakhir menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata,yaitu:

1. Mengukur konsistensi

  Dalam menentukan leputusan penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Hal-hal yang dilakukan dalam langkah ini adalah Mengkalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan proritas relatif elemen kedua, dan seterusnya. Menjumlahkan setiap baris, kemudian hasil dari perjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan. Terakhir menjumlahkan hasil bagi data dengan banyaknya elemen yang ada, hasilnya disebut λ maks.

  λ MAX= jumlah vektor prioritas / jumlah kriteria (1) 2.

  Menghitung Consistency Index (CI) dengan rumus.

  CI ( 2 ) = (λ maks-n)/n

  di mana n adalah banyaknya elemen Menghitung Rasio Konsistensi/ Consistency Rasio(CR) :

  CR = CI / RC ( 3 )

  di mana : CR = Consistency Rasio CI = Consistency Index

  IR = Index Random Consistency 4. Memerikisa konsistensi hierarki.

  Jika nilainya lebih dari 10% maka nilai judgement harus di teliti ulang , dan jika nilai rasio konsistensi ( CI/IR ) kurang / sama dengan 0.1, maka hasil perhitungan bisa dinyatakan benar.

  Gambar 3. Standart nilai indeks[7]

  Langkah yang harus dilakukan dalam menyelesaikan persoalan dengan AHP [7],yaitu: a.

   Decomposition

  Proses menganalisis permasalahan riil dalam struktur hirarki atas unsur – unsur pendukungnya. Struktur hirarki secara umum dalam metode AHP, yaitu langkah 1 : Tujuan, langkah 2 : Kriteria, langkah 3 : Subkriteria (optional), langkah 4 : Alternatif.

  b.

   Comperative judgment Comperative judgment adalah berarti membuat suatu penilaian tentang kepentingan relatif antara

  dua elemen pada suatu tingkat tertentu yang disajikan dalam bentuk matriks dengan menggunakan skala prioritas. Jika terdapat n elemen, maka akan diperoleh matriks pairwise comparison (matriks perbandingan) berukuran n x n dan banyaknya penilaian yang diperlukan adalah n(n-1)/2.

  c.

   Synthesis of priority

  Setelah matriks perbandingan untuk sekelompok elemen selesai dibentuk maka langkah berikutnya adalah mengukur bobot prioritas setiap elemen tersebut. Hasil akhir dari penghitungan bobot prioritas tersebut adalah suatu bilangan desimal di bawah satu (misalnya 0.01 sampai 0.99) dengan total prioritas untuk elemen

• – elemen dalam satu kelompok sama dengan satu. Bobot prioritas dari masing
• – masing matriks dapat menentukan prioritas lokal dan dengan melakukan sintesa di antara prioritas lokal, maka akan didapat prioritas global.

  Usaha untuk memasukkan kaitan antara elemen yang satu dengan elemen yang lain dalam menghitung bobot prioritas secara sederhana dapat dilakukan dengan cara berikut:

  1. Menjumlahkan elemen pada setiap kolom yang sama pada matriks perbandingan yang terbentuk.

  2. Bagilah setiap elemen pada setiap kolom dengan jumlah elemen kolom tersebut (hasil dari langkah 1). Sehingga terbentuk matrik baru yang elemen

• – elemennya berasal dari hasil pembagian tersebut.

  3.

  Bagi hasil penjumlahan baris (hasil dari langkah 3) dengan total alternatif agar didapatkan prioritas terakhir setiap elemen dengan total bobot prioritas sama dengan satu atau bisa disebut dengan proses normalisasi.

  d.

   Logical consistency

  Salah satu asumsi utama metode AHP yang membedakannya dengan metode yang lainnya adalah tidak adanya syarat konsistensi mutlak. Dengan metode AHP yang memakai persepsi manusia sebagai inputannya maka ketidakkonsistenan itu mungkin terjadi karena manusia mempunyai keterbatasan dalam menyatakan persepsinya secara konsisten terutama kalau membandingkan banyak elemen.

  Penentuan nilai preferansi antar elemen harus secara konsisten logis, yang dapat diukur dengan menghitung Consistency Index (CI) dan Consistency Ratio (CR) CI= λ-n/ n-1

3. Tahapan Penelitian

  Analisis kebutuhan sistem informasi Metode pengumpulan data

  Studi pustaka Studi lapangan

  Observasi interview Dokumentasi Kriteria calon karyawan

  Pendidikan Psikotes

  Pengolahan data Interview

  Aplikasi MCU

  Proses pengambilan keputusan penerimaan karyawan baru pada PT CCAI cabang bawen bagian

  

Sales Representatif sering terjadi subjektifitas dan juga masih adanya kesulitan-kesulitan dan

  kebingungan pada saat proses penerimaan karyawan baru, sehingga membutuhkan waktu yang sangat lama untuk proses penerimaan karyawan baru. Jika proses pengambilan keputusan penerimaan karyawan baru ini di bantu dengan sistem pendukung keputusan yang terkomputerisasi, diharapkan perusahaan tidak mengalami kesulitan dan kebingungan seperti proses-proses penerimaan karyawan baru sebelum menggunakan sistem. Karyawan yang diambil yaitu yang sesuai kriteria dan aturan perusahaan. Berdasarkan identifikasi masalah di atas, maka dapat disimpulkan bahwa permasalahannya adalah belum ditetapkan kriteria-kriteria calon karyawan dan perhitungan yang tepat untuk kasus ini.

  Analisis kebutuhan sistem informasi 1.

  Identifikasi data dan informasi A.

  Identifikasi data meliputi Data pelamar, Data kriteria, Dana nilai,Data pembobotan nilai, Data hasil AHP. _perhitungan B.

  AHP, Laporan Identifikasi informasi meliputi Laporan keputusan, Laporan hasil data pelamar.

2. Identifikasi sumber data dan tujuan informasi A.

  Identifikasi sumber data dari HRD, Pegawai SR, Manager, pelamar. Identifikasi tujuan informasi untuk Hrd dan Manager. Dalam mengembangkan sebuah sistem diperlukan pemahaman tentang konsep SDLC

  (SystemDevelopmentLifeCycle). Definisi SDLC secara umum adalah suatu proses yang berkesinambungan untuk menciptakan atau merombak sistem dan untuk mengembangkan sistem. Dapat dikatakan dalam SDLC merupakan sebuah sistem informsai penunjang kebutuhan bisnis,rancangan, dan pengembangan sistem serta pengajarannya kepada pengguna.

  Banyak istilah mengenai SDLC, tetapi pada intinya tahapan SDLC meliputi proses-proses sebagai berikut: Gambar 4 : Gambar SDLC (System

  

Development Life Cycle )

Desain sistem

  

Gambar 5. Desain sistem

  User admin harus terlebih dahulu login, sehingga admin bisa input data calon karyawan, delete data calon karyawan, melihat data calon karwayan, menghitung data calon karyawan. Adapun kriteria-kriteria yang digunakan untuk penerimaan karyawan baru pada PT. Coca-Cola

  Amatil Indonesia, yaitu Pendidikan terakhir ( d3 fresh, SMA ex, S1 fresh, d3 ex, S1 ex ), Wawancara , Psikotes, Mcu ( medical check up).

  Kriteria calon karyawan pendidikan memiliki sub kriteria tersendiri seperti yang terlampir pada tabel berikut

  

Tabel 1. Bobot penilaian pendidikan terakhir

  KRITERIA PENILAIAN Pendidikan . SMA EX 0-100 . D3/S1 0-4 Psikotes 1-5 Wawancara 1-5 Medical check up 1-5

  Dasar bobot kriteria Pembobotan berdasarkan pendidikan

  Pembobotan pada kriteria pendidikan ada 2 bagian , pertama berdasarkan tingkatan pendidikan terakhir calon karyawan dan yang kedua adalah nilai sesuai ijazah yaitu SMA=0-100 dan D3/S1= 0-4. Dikarenkan pengalaman sangat di pertimbangkan di sini jadi dalam kriteria pendidikan terakhir terdapat SUB-kriteria untuk memudahkan dalam pengambilan keputusan.

  Pembobotan berdasarkan psikotes

Tabel 2. Dasar nilai psikotes

  Parameter ukuran Nilai

  Tidak sangat baik

  1 Tidak baik

  2 Cukup

  3 Baik

  4 Sangat baik

  5 Nilai 1-5 didapat dari hasil perhitungan skor psikotes dengan rentan nilai 0-100. Nilai 5 didapat jika calon karyawan mampu mendapatkan skor 90 , nilai 4 didapat jika skor 75, nilai 3 jika skor 60 , 2 jika skor 50, dan nilai 1 jika dibawah 50.

  Pembobotan berdasarkan wawancara

Tabel 3. Dasar nilai wawancara

  Parameter ukuran Nilai

  Tidak sangat baik

  1 Tidak baik

  2 Cukup

  3 Baik

  4 Sangat baik

  5 Nilai 1-5 didapat dari hasil total skor pada sesi wawancara. Skor di tentukan oleh calon karaywan pada saat diskusi pemecahan masalah, wawancara tentang keseharian calon, dan bagaimana kesungguhan calon karywan ingin bekerja pada bidang tersebut.

  Pembobotan berdasarkan MCU

Tabel 4. Dasar nilai medical checkup

  Parameter ukuran Nilai

  Tidak sangat baik

  1 Tidak baik

  2 Cukup

  3 Baik

  4 Sangat baik

  5 Nilai 1-5 didapat dari hasil cek laboratorium yang sengaja disewa perusahaan untuk perekrutan karyawan. Nilai didapat dari berbagai test kesehatan, yaitu test fisik, test mata, test darah, ekg, dan test urin. Sehingga dapat diketahui berapa persen kesehatan para calon karyawan untuk bisa menempati posisi tersebut.

  Membuat matriks perbandingan berpasangan agar pengaruh di setiap kriteria terlhat. Jika CR < 0.1 maka nilai perbandingan berpasangan pada matriks kriteria diberikan konsistensi. Jika CR > 0.1, maka nilai perbandingan berpasangan pada matriks kriteria tidak konsisten. Jadi apabila matriks kriteria tersebut tidak konsisten, maka pengisian nilai-nilai matriks berpasangan pada unsur maupun alternatif harus diulang. Hal pertama yang dilakukan untuk menentukan bobot kriteria adalah dimana dalam terminologi AHP disebut pair-wire comparation.

4.Hasil dan Pembahasan

  Penelitian ini menganalisis permasalahan yang ada pada PT. Coca-Cola Amatil Indonesia Jawa Tengah ( bawen). Penulis menganalisis cara dan penilaian penerimaan karyawan baru pada setiap bagian dalam perusahaan. Sistem penerimaan karyawan baru merupakan suatu sistem yang dibuat untuk membantu manager dalam menyelesaikan masalah penerimaan karyawan baru pada setiap bagian dalam perusahaan. Sistem pengambilan keputusan menggunakan metode AHP (Analitycal Hierarchy process) untuk menentukan penerimaan karyawan dengan melihat kreiteria-kriteria dan bobot yang telah ditetapkan.

  Pada kasus ini bobot dari setiap kriteria sudah di tentukan oleh perusahaan, yaitu pendidikan = 5, psikotes-7, wawancara=9, mcu=3. Setelah mengetahui bobot seriap kriteria, selanjutnya menghitung matriks untuk perbandingan setiap kriteria.

  Membuat matriks untuk perbandingan kriteria, contoh menghitung baris pendidikan terakhir yaitu 5/5=1 5/7=0.71 5/9=0.55 5/3=1.67 kemudian setelah kolom dan bari terisi, jumlahkan setiap kolom yang ada.

  

Tabel 5. Matriks perbandingan kriteria

  Kriteria Pendidikan Psikotes Wawancara Mcu Pendidikan

  1.00

  0.71

  0.55

  1.67 Psikotes

  1.40

  1.00

  0.78

  2.33 Wawancara 1.80

  1.29

  1.00

  3.00 Mcu

  0.60

  0.43

  0.33

  1.00 Jumlah

  4.80

  3.43

  2.66

  8 Menghitung normalisasi matriks untuk kriteria , contoh kolom pendidikan yaitu, bagi setiap nilai kriteria dengan hasil penjumlahan matriks perbandingan kriteria dan akan mendapatkan hasil seperti tabel berikut. 1/4.8=0.21 1.4/4.8=2.9 1.8/4.8=0.38 0.6/4.8=0.13

  

Tabel 6. Nilai normalisasi matriks

Kriteria pendidikan psikotes wawancara Mcu Jumlah Pendidikan

  0.21

  0.21

  0.21

  0.21

  0.83 Psikotes

  0.29

  0.29

  0.29

  0.29

  1.17 Wawancara

  0.38

  0.38

  0.38

  0.38

  1.50 Mcu

  0.13

  0.13

  0.12

  0.13

  0.50 Vektor Prioritas Kriteria

  Hasil normalisasi matriks setiap kriteria dibagi 4, di mana 4 adalah banyaknya kriteria. Supaya mudah untuk mengolah data, maka hasil vektor prioritas adalah membulatkan 2 angka dibelakang koma.

  

Tabel 7. Vektor Prioritas

  Kriteria vektor Pendidikan

  0.21 Psikotes

  0.29 Wawancara

  0.38 Mcu

  0.13 Memeriksa konsistensi untuk kriteria a.untuk memeriksa konsistensi kriteria langkah awal yang harus dilakukan yaitu, mengalikan setiap kolom matriks perbandingann dengan vektor prioritas.

  

Tabel 8. Konsistensi kriteria

  1.00

  0.71

  0.55

  1.67

  0.84 0.2 1

  1.40

  1.00

  0.78

  2.33

  1.18

• 0.29 * + 0.38* 0.13* =

  1.80

  1.29

  1.00

  3.00 1.52 *

  0.60

  0.43

  0.33

  1.00

  0.51 b.setelah ada hasil dari perkalian matriks perbandingan dengan vektor prioritas maka Bagi setiap kolom dengan vektor priorotas.

  

Tabel. 9 hasil bagi vektor prioritas

  Hasil konsistensi Vektor hasil kriteria prioritas

  0.84

  0.21

  4.07

  1.18

  0.29

  4.05 : =

  1.52

  0.38

  4.06

  0.51

  0.13

  4.05 Jumlah =

  16.22 Menghitung rata-rata maksimal untuk kriteria Seperti pada rumus (1) λ MAX= 16.22 / 4

  = 4.055

  MENGHITUNG konsistensi index untuk kriteria

  Seperti pada rumus (2) CI=4.055-4 /4-1 = 0.183

  Menghitung konsistensi ratio untuk kriteria, dimana R1= 0,90

  CR=0.183/0.90 =0.2 MENGHITUNG VEKTOR PRIORITAS SUBKRITERIA PENDIDIKAN skala perbandingan untuk SubKriteria pendidikan terakhir

  0.57 D3 f

  0.19

  

0.19

  0.19

  0.19

  0.19

  0.96 SMA ex

  0.11

  

0.12

  0.12

  0.12

  0.12

  0.08

  0.27

  

0.08

  0.77

  0.08

  0.08

  1.08 MENGHITUNG VEKTOR PRIORITAS SUBKRITERIA

  jumlah hasil normalisasi matriks setiap kriteria dibagi 5, di mana 5 adalah banyaknya kriteria

  Tabel 13. Vektor prioritas sub pendidikan sub kriteria pendidikan terakhir Vektor

  S1 ex

  0.35 D3 ex

  0.27 S1 f

  0.19 SMA ex

  0.11 D3 f

  1.34 S1 f

  0.27

  Tabel. 10 bobot setiap subkriteria

  2.50 SMA ex 0.33 0.43 0.60 1.00

  subKriteria pendidikan terakhir S1 ex

  D3 ex S1 f

  SMA ex D3

  9

  7

  5

  3

  2 membuat matrik perbandingan untuk sub kriteria pendidikan terakhir, contoh untuk menghitung baris S1 9/9=1 ,9/7=1.285 , 9/5=1.8 , 9/3=3 , 9/2=4.5

  Tabel.11 matriks perbandingan sub kriteria pendidikan terakhir S1 ex D3 ex S1 f SMA ex D3

  S1 ex 1.00 1.29 1.80 3.00

  4.50 D3 ex 0.78 1.00 1.40 2.30

  3.50 S1 f 0.56 0.71 1.00 1.67

  1.50 D3 f 0.22 0.29 0.40 0.67

  0.27

  1.00 JUMLAH 2.89 3.71 5.20 8.64

  13.00 Menghitung NORMALISASI MATRIKS untuk sub kriteria pendidikan terakhir contoh untuk menghitung kolom S1 1/3=0.333 , 0.8/3=0.267 , 0.6/3=0.2 , 0.4/3=0.133 , 0.2/3=0.067

  Tabel. 12 normalisasi matriks sub kriteria pendidikan terakhir S1 ex

D3

ex

  S1 f SMA ex D3 Jumlah S1 ex

  0.35

  

0.35

  0.35

  0.35

  0.35

  1.73 D3 ex

  0.27

  

0.27

  0.22 a. kalikan setiap kolom dari matriks perbandingan dengan vektor prioritas

  

Tabel 14. Konsistensi Sub kriteria

  1.00

  1.29

  1.80

  3.00

  4.50

  2.36

  0.78

  1.00

  1.40

  2.30

  3.50

  1.83 0.56 + 0.35* + + 0.27*

0.71 0.19* +

1.00 0.11* 1.67 0.22* 2.50 =

  1.31

  0.33

  0.43

  0.60

  1.00

  1.50

  0.79

  0.22

  0.29

  0.40

  0.67

  1.00

  0.52 b.

  bagi setiap kolom dengan vektor prioritas

  

Tabel 15. Hasil bagi vektor prioritas

  Hasil konsistensi Vektor Hasil sub kriteria prioritas bagi

  2.36

  0.35

  6.82

  1.83

  0.27

  6.83 1.31 : 0.19 =

  6.82

  0.79

  0.11

  6.93

  0.52

  0.22

  2.42 Jumlah

  29.82

  menghitung rata-rata maksimal untuk kriteria

  λ MAX= jumlah vektor prioritas / jumlah kriteria pendidikan terakhir λ MAX = 29.82 / 5

  = 5,96

  Menghitung konsistensi index untuk kriteria

  CI= λ Max-n / n-1 CI=5.96-5 /5-1 = 0.24

  menghitung konsistensi ratio untuk kriteria, dimana R1= 1.12

  CR= CI/RI CR=0.24/1.12 =0.2 Keterangan : 1.

  Jumlah merupakan penjumlahan dari semua angka yang ada pada baris diatasnya dalam satu kolom.

  2. Vektor priorotas menunjukan bobot dari subkriteria, jadi dalam hal ini S1 EX merupakan bobot tertinggi/terpenting dalam penentuan calon Karyawan baru.

  3. Setelah mendapatkan bobot untuk setiap subkriteria ( yang ada pada kolom Vektor prioritas ), maka selanjutnya mengecek apakah bobot yang dibuat konsisten atau tidak.Untuk hal ini, yang pertama yang dilakukan adalah menghitung Pricipal Eigen Value (λ max) matrix.

  4. Principal Eigen Value (λ max) matrix perhitungannya dengan cara menjumlahkan hasil perkalian antara jumlah dan vektor prioritas.

  5. Menghitung Consistency Index (CI) dengan rumus 6.

  CI = (λ max-n)/(n-1), untuk n = jumlah kriteria 7. Menghitung Consistency Ratio (CR) diperoleh dengan rumus CR=CI/RI, nilai RI menggunakan standart yang sudah di tetapkan.

  Contoh kasus perhitungan pada penerimaan karyawan baru 1.

  Masukan nilai-nilai asli sebelum proses perhitungaan. Pada kriteria pendidikan dibagi menjadi 2 yaitu, SMA 0-100 sedangkan S1 dan D3 0-4. Karena memang penilaian SMA dan S1 berbeda.

  

Tabel 16. Nilai asli calon karyawan

pendidikan terakhir Psikotes Wawancara Mcu alan SI ex

  3

  2.9

  3

  4 endro D3 ex

  3.2

  3.1

  4

  5 bima S1 f

  3.5

  2.8

  3.7

  4 kukuh Sma ex

  80

  3.1

  2.9

  4 bagas D3 ex

  3.5

  3

  3

  5 2.

  Supaya lebih mudah untuk mengolah data maka dilakukan penyetaraan nilai pada kriteria pendidikan terakhir yaitu, SMA dibagi 5 sedangkan S1 dan D3 dikalikan 1.25 sehinngga nilai max dari pendidikan terakhir adalah 5.

  

Tabel 17. Penyetaraan nilai pendidikan terakhir

pendidikan terakhir Psikotes Wawancara Mcu alan SI ex

  3.75

  2.9

  3

  4 endro D3 ex

  4

  3.1

  4

  5 bima S1 f 4.375

  2.8

  3.7

  4 Sma Kukuh ex

  4

  3.1

  2.9

  4 Bagas D3 ex 4.375

  3

  3

  5 3.

  Menghitung hasil seleksi,dengan cara mengkalikan nilai yang didapat dengan vektor prioritas masing- masing, kriteria/ subkriteria contoh untuk menghitung Baris alan , kolom pendidikan terakhir 3.75 * 0.35=1.3125, kolom psikotes 2.9 * 0.29=0.841, kolom wawancara 3 * 0.38=1.14, kolom mcu 4 * 0.13=0.52

  

Tabel 18. Hasil akhir

pendidikan terakhir Psikotes wawancara mcu Jumlah SI ex 1.3125 0.841

  1.14 0.52 3.8135 Alan Endro D3 ex 1.08 0.899

  1.52

  0.65

  4.14 Bima S1 f

  0.83

  0.81

  1.41

  0.52

  3.57 Sma ex 0.44 0.889 1.102 0.52 2.951

  Kukuh Bagas D3 ex 1.18125

  0.87

  1.14 0.65 3.84125

  Disini terlihat nilai endro yang paling tinggi jadi bisa dinyatakan bahwa endro yang di terima sebagai sales representative pada PT. Coca Cola Amatil Indonesia.

  Implementasi 1.

  Tampilan awal pada sistem, user terlebih dahulu login dikarenakan tidak sembarangan karyawan bisa dan boleh menggunakan aplikasi ini. Alasan penggunan login supaya data aman dan tidak di ketahui oleh orang lain, hanya HRD yang tau.

  Gambar 7. login user 2.

  Tampilan menu input data, user bisa menginputkan data calon karyawan dengan melihat petunjuk di samping form. Tujuan note disamping form adalah supaya mempermudah pengunaan/ pengisian form nilai pada user baru.

  Gambar 8. menu input data 3.

  Setelah selesai mengisi form selanjutnya submit, maka akan keluar notifikasi apakah data yang di masukkan sudah benar atau belom. Jika belum benar maka bisa klik button cancel pada button notifikasi maka user bisa membenahi data, jika benar tinggal klik OK.

  Gambar 9. Notifikasi 4.

  Tampilan data base calon karyawan untuk menghitung data minimal harus 10 data jika kurang dari 10 maka data tidak bisa di hitung,dikarenakan agar lebih efisien waktu. Jika ingin meng-print data calon karyawan tinngal klik button print.

  Gambar 10. List view data calon karyawan 5.

  Jika data kurang dari 10 masih tetap di klik maka akan keluar notifikasi seperti gambar 8.

  Gambar 11. notifikasi 6.

  Data kosong

  Gambar 12. list view rank 7.

  Tampilan data ranking setelah memenuhi 10, maka sistem akan menghitung dan memisahkan mana calon yang lolos dan mana yang tidak lolos . sehingga lebih memudahkan user untuk melanjutkan ke langkah selanjutnya.

  Gambar 13. List view rank

5.SIMPULAN

  Berdasarkan hasil penelitian penulis menyimpulkan bahwa penerimaan karyawan baru yang di bantu menggunakan sistem pedukung keputusan penerimaan karyawan menggunakan metode AHP ini merupakan satu solusi untuk perusahaan menjadi lebih baik dalam penerimaan karyawan baru, dengan adanya standart kriteria-kriteria yang telah ditetapkan oleh perusahaan seperti pendidikan terakhir,wawancara,pikotes, dan MCU tentunya juga menghilangkan subjektifitas. Keputusan yang dapat dipertanggungjawabkan dengan dukungan dari perhitungan AHP sebagai model dalam sistem pendukung keputusan. Keputusan menentukan calon karyawan yang akan di terima sangat berpengaruh terhadap kemajuan perusahaan, maka dari itu diperlukan pemilihan yang tepat agar perusahaan bisa berkembang. Aplikasi ini menghasilkan output yaitu data nilai dari semua calon karyawan ,perhitungan nilai calon karyawan yang sudah secara otomatis memisahkan mana calon karyawan yang lolos dan tidak, dengan adanya batasan penginputan minimal 10 calon karyawan untuk bisa menjalankan perhitungan pada aplikasi tersebut.

6.Daftar pustaka

  [1] Shinta Siti Sundari, Yopi Firman Taufik. 2013. Sistem pendukung keputusan penerimaan pegawai baru menggunakan metode simple additive weihting (saw) .

  Diakses pada 1 Juni 2017.

  [2] Yasni Djamain, Herlinda de Christin. 2015. Sistem pendukung keputusan penerimaan pegawai baru pt.pln (persero) kantor pusat dengan menggunakan metode simple additive weighting (saw) .

  Diakses pada 4 Juni 2017.

  [3] 2013. Sistem pendukung keputusan.

  Muchlisin. Diakses pada 21 Juni 2017.

  [4]

  Arief.2012. komponen-komponen SPK

  Diakses pada 21 Juni 2017.

  [5] Eko Darmono, Noor Latifah, Nanik Susanti. 2014.Penerapan Metode AHP untuk Menentukan

  Kualitas Gula Tumbu. Diakses pada 22 Juni 2017.

  [6]

   iakses pada 22 Juni 2017.

  [7] prinsip-prinsip dasar analytical hierarchy process.

  Latifah.Siti.2005. library.usu.ac.id/download/fp/hutan-siti11.pdf. Diakses pada 23 Juni 2017.