SKRIPSI
SINTHA ANASTASIA LUBIS 111421043
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
DAN METODE WEIGHTED PRODUCT (WP) UNTUK MENENTUKAN BONUS KARYAWAN (Studi Kasus : PT. Graha Travel & Tour Medan)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
SINTHA ANASTASIA LUBIS 111421043
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
Judul : Analisis Perbandingan Metode Simple Additive
Weighting (SAW) Dan Metode Weighted Product (WP)
Untuk Menentukan Bonus Karyawan (Studi Kasus : PT.
Graha Travel & Tour Medan)
Kategori : SKRIPSI
Nama : SINTHA ANASTASIA LUBIS
Nomor Induk Mahasiswa : 111421043
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia B.Sc, M.Sc Drs. Agus Salim Harahap, M.Si.
NIP. 197401272002122001 NIP. 195408281981031004
Diketahui/disetujui oleh
Program Studi Ekstensi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
PERNYATAAN
ANALISIS PERBANDINGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN METODE WEIGHTED PRODUCT (WP) UNTUK MENENTUKAN BONUS
KARYAWAN (Studi Kasus : PT. Graha Travel & Tour Medan)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, April 2014
Segala puji dan syukur penulis ucapkan kehadirat Allah SWT yang telah mencurahkan
rahmat, hidayah, dan karunia-Nya serta kesehatan dan kesempatan kepada penulis
sehingga dapat menyelesaikan Skripsi ini sesuai dengan instruksi dan peraturan yang
berlaku di Fakultas Ilmu Komputer dan Teknologi Informasi.
Dalam penyusunan dan penulisan skripsi ini, penulis banyak mendapat
bantuan, dukungan, dan bimbingan dari berbagai pihak. Penulis menyadari bahwa
banyak terdapat kesalahan-kesalahan yang mungkin terjadi, baik dari segi teknik, tata
penyajian ataupun dari segi tata bahasa. Oleh karena itu penulis bersedia menerima
kritik dan saran dari pembaca dalam upaya perbaikan skripsi ini. Pada kesempatan ini
penulis ingin mengucapkan rasa terima kasih dan penghargaan kepada :
1. Bapak Prof. Dr. dr. Syahril Pasaribu DTM&H, MSc(CTM), Sp.A(K), selaku
Rektor Universitas Sumatera Utara
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fasilkom-TI (Fakultas Ilmu
Komputer dan Teknologi Informasi) Universitas Sumatera Utara
3. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu
Komputer.
4. Bapak Drs. Agus Salim Harahap, M.Si, selaku Dosen Pembimbing I yang telah
banyak memberikan bimbingan dan pengarahan kepada penulis sehingga dapat
menyelesaikan skripsi ini dengan baik.
5. Ibu Maya Silvi Lydia B.Sc, M.Sc, selaku Dosen Pembimbing II yang telah
banyak memberikan bimbingan dan pengarahan kepada penulis sehingga dapat
menyelesaikan skripsi ini dengan baik.
6. Bapak M. Andri Budiman, ST, M.Comp.Sc, MEM, selaku Dosen Pembanding I
yang telah memberikan banyak masukan kepada penulis.
7. Bapak Drs. Dahlan Sitompul, M.Eng, selaku dosen Pembanding II yang telah
8. Seluruh dosen pengajar program studi Ekstensi Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatra Utara yang telah
memberikan ilmu pengetahuannya kepada penulis selama masa perkuliahan.
9. Ibu Listani Panjaitan selaku Manajer Operation & Tour di PT. Graha Travel &
Tour Medan yang telah memberikan izin kepada penulis untuk melakukan
penelitian dan membantu penulis selama penelitian.
10. Ibunda Umirul Kadriah Siregar dan Ayahanda (Alm.) M. Daud Lubis selaku
orang tua kandung penulis, Arifin selaku abang, Diana, Sultan dan Amira selaku
adik –adik penulis, berkat doa restu, kasih sayang, dan dukungan moril dan
materil yang diberikan selalu menjadi penyemangat penulis untuk selalu fokus
sampai saat ini.
11. Teman-teman terbaik penulis yang telah banyak memberikan kebaikan, waktu
luang, membagi ilmu, motivasi, dan dukungan kepada penulis.
12. Keluarga besar Ekstensi S1 Ilmu Komputer, khususnya angkatan 2011 terima
kasih atas semua bantuan dan dukungannya.
Semoga Allah SWT membalas semua kebaikan yang telah kalian berikan.
Penulis,
Kemajuan dari suatu perusahaan tergantung kepada kinerja karyawan yang berada di dalamnya. Semakin baik kinerja para karyawan maka akan semakin menguntungkan perusahaan. Agar para karyawan terus meningkatkan kualitas dan performansi kerja mereka, salah satu cara yang dilakukan perusahaan dengan memberikan bonus kepada karyawan yang telah mencapai hasil kerja yang baik. Untuk membantu manajer dalam menentukan pemberian bonus karyawan, maka dirancang sebuah aplikasi komputer menggunakan sistem pendukung keputusan dengan metode Simple Additive Weighting
(SAW) dan metode Weighted Product (WP). Kedua metode ini bertujuan untuk memilih alternatif karyawan terbaik dari beberapa alternatif karyawan berdasarkan kriteria – kriteria (lama kerja di perusahaan, kedisiplinan, kualitas kerja, kehandalan dan kejujuran, kerjasama dan sikap terhadap karyawan lain, keluhan pelanggan, jumlah penjualan dan kesalahan dalam pembuatan laporan) yang telah ditentukan. Proses perhitungan dilakukan dengan mencari nilai bobot setiap alternatif pada setiap kriteria. Karyawan yang terpilih yaitu yang memiliki nilai terbesar sebagai alternatif terbaik. Hasil akhir perhitungan kedua metode ini akan dilakukan analisis perbandingan berdasarkan waktu tempuh pencarian. Pada metode WP memiliki waktu penyelesaian 0.0625 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0834 detik. Berdasarkan hasil analisis perbandingan, waktu penyelesaian metode WP lebih cepat daripada metode SAW.
Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Weighted
COMPARATIVE ANALYSIS OF SIMPLE ADDITIVE WEIGHTING (SAW) METHOD AND THE WEIGHTED PRODUCT (WP) METHOD IN
DETERMINING EMPLOYEE BONUSES (Case Study: PT. Graha Travel & Tour Medan)
ABSTRACT
The progress of a company depends on employees’ performance. If the performances
of employees are better then it will be more profitable to the company. To improve the
quality and performance of the employees’ work, the company motivates them by giving bonuses to the employee who has achieved the best performance. To help manager in determining employee bonuses then we will designed a computer application using decision support system with Simple Additive Weighting Method (SAW) and Weighted Product (WP) Method. Both methods aim to choose the best
employees’ alternatives based on criteria (length of employment in company, discipline, work quality, reliability and honesty, cooperation and attitude toward other employees, customer complaints, amount of sales and errors in making reports) have been determined. The process of calculation is done by searching the value of the weight of each alternative on each criterion. An employee who is elected i.e. that has the greatest value as the best alternative. The final result of these methods will compare based on an execution time. The execution time of Weighted Product Method is 0.0625 seconds, and the execution time of Simple Additive Weighting Method is 0.0834 seconds. Based on the results, the execution time of Weighted Product Method is faster than Simple Additive Weighting Product Method.
Halaman
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3
1.7 SistematikaPenulisan 5
Bab 2 Landasan Teori
2.1 Sistem Pendukung Keputusan 6
2.2 Fuzzy Multi Attribute Decision Making (FMADM) 8
2.2.1 Metode Simple Additive Weighting (SAW) 9
2.2.2 Metode Weighted Product (WP) 11
2.3 Penelitian yang terkait dengan Metode SAW dan Metode WP 12
Bab 3 Analisis dan Perancangan Sistem
3.1 Analisis Masalah 16
3.2 Analisis Kebutuhan 17
3.2.1 Kebutuhan Fungsional Sistem 18
3.2.2 Kebutuhan Non Fungsional Sistem 24
3.3 Analisis Data 24
3.3.1 Perhitungan Manual Metode SAW 24
3.3.2 Perhitungan Manual Metode WP 29
3.4 Perancangan Sistem 31
3.4.1 Diagram Konteks 31
3.4.2 Data Flow Diagram (DFD) 32
3.4.3 Entity Relationship Diagram (DFD) 33
3.4.5 Flowchart 37
3.4.6 Rancangan Antar Muka 40
Bab 4 Implementasi dan Pengujian Sistem
4.1 Implementasi Sistem 48
4.2 Pengujian Sistem 54
4.2.1 Proses Pengujian Sistem 54
4.2.2 Hasil Pengujian Sistem 55
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 61
5.2 Saran 62
Daftar Pustaka 63
Halaman
TABEL 3.1.Kriteria 18
TABEL 3.2.Lama Kerja di Perusahaan 20
TABEL 3.3.Kedisiplinan 21
TABEL 3.4.Kualitas Kerja 21
TABEL 3.5.Kerjasama dan Sikap Terhadap Karyawan Lain 21
TABEL 3.6.Kehandalan dan Kejujuran 22
TABEL 3.7.Keluhan Customer 22
TABEL 3.8.Jumlah Penjualan 23
TABEL 3.9.Kesalahan dalam Pembuatan Laporan 23
TABEL 3.10.Data Karyawan 25
TABEL 3.11.Rating Kecocokan dari Setiap Alternatif Pada Setiap Kriteria 25
TABEL 3.12.Tabel Admin 35
TABEL 3.13.Tabel Kriteria 35
TABEL 3.14.Tabel Karyawan 35
TABEL 3.15.Tabel Penilaian 36
TABEL 3.16.Tabel Matrix Bonus 36
TABEL 3.17.Tabel Hasil SAW 36
TABEL 3.18.Tabel Hasil Vektor WP 37
TABEL 3.19.Tabel Hasil WP 37
DAFTAR GAMBAR
Halaman
GAMBAR 3.1.Analisis Masalah dengan Cause and Effect Diagram 17
GAMBAR3.2.Grafik Bobot 20
GAMBAR 3.3.Diagram Konteks Sistem 31
GAMBAR 3.4.DFD Level 1 Sistem 33
GAMBAR 3.5.Entity Relationship Diagram (ERD) Sistem 34
GAMBAR 3.6.Flowchart Metode SAW 38
GAMBAR 3.7.Flowchart Metode WP 39
GAMBAR 3.8.Rancangan Form Login 40
GAMBAR 3.9.Rancangan Form Utama Admin dan Pimpinan 41
GAMBAR 3.10.Rancangan Pengolahan Data Admin 42
GAMBAR 3.11.Rancangan Pengolahan Data Kriteria 43
GAMBAR 3.12.Rancangan Pengolahan Data Karyawan 44
GAMBAR 3.13.Rancangan Pengolahan Data Penilaian 45
GAMBAR 3.14.Rancangan Hasil Perankingan Metode SAW 46 GAMBAR 3.15.Rancangan Hasil Perankingan Metode WP 47
GAMBAR 4.1.Tampilan Splash Screen 48
GAMBAR 4.2.Tampilan Form Login 49
GAMBAR 4.3.Tampilan Form Utama Admin dan Pimpinan 50
GAMBAR 4.4.Tampilan Form Pengolahan Data Admin 51
GAMBAR 4.5.Tampilan Form Pengolahan Data Karyawan 51 GAMBAR 4.6.Tampilan Form Pengolahan Data Kriteria 52 GAMBAR 4.7.Tampilan Form Pengolahan Data Penilaian 53 GAMBAR 4.8.Tampilan Form Hasil Perankingan Metode SAW 53 GAMBAR 4.9.Tampilan Form Hasil Perankingan Metode WP 54 GAMBAR 4.10.Tampilan Proses Pengujian Metode SAW dan WP 55 GAMBAR 4.11.Tampilan Pengujian Pertama Metode SAW 55
GAMBAR 4.12.Tampilan Pengujian Pertama Metode WP 56
GAMBAR 4.13.Tampilan Pengujian Kedua Metode SAW 57
GAMBAR 4.14.Tampilan Pengujian Kedua Metode WP 57
GAMBAR 4.15.Tampilan Pengujian Ketiga Metode SAW 58
GAMBAR 4.16.Tampilan Pengujian Ketiga Metode WP 59
Kemajuan dari suatu perusahaan tergantung kepada kinerja karyawan yang berada di dalamnya. Semakin baik kinerja para karyawan maka akan semakin menguntungkan perusahaan. Agar para karyawan terus meningkatkan kualitas dan performansi kerja mereka, salah satu cara yang dilakukan perusahaan dengan memberikan bonus kepada karyawan yang telah mencapai hasil kerja yang baik. Untuk membantu manajer dalam menentukan pemberian bonus karyawan, maka dirancang sebuah aplikasi komputer menggunakan sistem pendukung keputusan dengan metode Simple Additive Weighting
(SAW) dan metode Weighted Product (WP). Kedua metode ini bertujuan untuk memilih alternatif karyawan terbaik dari beberapa alternatif karyawan berdasarkan kriteria – kriteria (lama kerja di perusahaan, kedisiplinan, kualitas kerja, kehandalan dan kejujuran, kerjasama dan sikap terhadap karyawan lain, keluhan pelanggan, jumlah penjualan dan kesalahan dalam pembuatan laporan) yang telah ditentukan. Proses perhitungan dilakukan dengan mencari nilai bobot setiap alternatif pada setiap kriteria. Karyawan yang terpilih yaitu yang memiliki nilai terbesar sebagai alternatif terbaik. Hasil akhir perhitungan kedua metode ini akan dilakukan analisis perbandingan berdasarkan waktu tempuh pencarian. Pada metode WP memiliki waktu penyelesaian 0.0625 detik, sedangkan pada metode SAW memiliki waktu penyelesaian 0.0834 detik. Berdasarkan hasil analisis perbandingan, waktu penyelesaian metode WP lebih cepat daripada metode SAW.
Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting, Weighted
COMPARATIVE ANALYSIS OF SIMPLE ADDITIVE WEIGHTING (SAW) METHOD AND THE WEIGHTED PRODUCT (WP) METHOD IN
DETERMINING EMPLOYEE BONUSES (Case Study: PT. Graha Travel & Tour Medan)
ABSTRACT
The progress of a company depends on employees’ performance. If the performances
of employees are better then it will be more profitable to the company. To improve the
quality and performance of the employees’ work, the company motivates them by giving bonuses to the employee who has achieved the best performance. To help manager in determining employee bonuses then we will designed a computer application using decision support system with Simple Additive Weighting Method (SAW) and Weighted Product (WP) Method. Both methods aim to choose the best
employees’ alternatives based on criteria (length of employment in company, discipline, work quality, reliability and honesty, cooperation and attitude toward other employees, customer complaints, amount of sales and errors in making reports) have been determined. The process of calculation is done by searching the value of the weight of each alternative on each criterion. An employee who is elected i.e. that has the greatest value as the best alternative. The final result of these methods will compare based on an execution time. The execution time of Weighted Product Method is 0.0625 seconds, and the execution time of Simple Additive Weighting Method is 0.0834 seconds. Based on the results, the execution time of Weighted Product Method is faster than Simple Additive Weighting Product Method.
Pada bab ini akan dibahas secara umum tentang penulisan skripsi. Pembahasan
berisikan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian,
manfaat penelitian, metodologi penelitian serta sistematika penulisan yang dibagi
menjadi beberapa bab yang akan dibahas inti sari dari tiap bab.
1.1. Latar Belakang
PT. Graha Travel & Tour merupakan salah satu perusahaan yang bergerak di bidang
agen / biro perjalanan. Demi menjaga eksistensi di tengah pesatnya persaingan antar
biro perjalanan maka perusahaan ini memberikan penghargaan kepada para karyawan
berupa bonus apabila karyawan tersebut memiliki kinerja yang baik.
Perusahaan menyadari bahwa kemajuan dari suatu perusahaan tergantung pada
kinerja dan loyalitas para karyawan yang bekerja di dalamnya. Semakin tinggi kinerja
dan loyalitas karyawan maka semakin menguntungkan bagi perusahaan sebab secara
tidak langsung para karyawan ikut ambil bagian dalam mempromosikan perusahaan
lewat kinerja karyawan tersebut. Hal ini dilakukan agar para karyawan termotivasi
untuk terus memberikan yang terbaik bagi perusahaan.
Selama ini pemberian bonus terhadap karyawan diputuskan oleh seorang
manajer melalui penilaian terhadap karyawan secara langsung. Terkadang penilaian
yang diberikan cenderung bersifat subjektif sehingga sering terjadi kesalahpahaman
keputusan tersebut kurang efektif karena banyaknya kriteria yang dinilai dan diteliti
dengan cermat agar dapat menghasilkan keputusan yang tepat.
Salah satu upaya untuk membantu tugas manajer dalam menentukan bonus
karyawan adalah dengan merancang suatu aplikasi sistem pendukung keputusan.
Penentuan bonus karyawan ini berdasarkan pada banyak kriteria sehingga metode
sistem pengambilan keputusan yang sesuai untuk digunakan pada aplikasi ini antara
lain : Metode Fuzzy Logic, Metode Fuzzy Multiple Criteria Decision Making, Metode
Weighted Product, Metode Promethee, Metode TOPSIS, Metode Simple Additive
Weighting dan Metode Analytical Hierarchy Process.
Berdasarkan uraian di atas maka penulis bermaksud melakukan penelitian yang
berkaitan dengan permasalahan di atas dengan judul : Analisis Perbandingan Metode
Simple Additive Weighting (SAW) Dan Metode Weighted Product (WP) Dalam
Menentukan Bonus Karyawan (Studi Kasus : PT. Graha Travel & Tour Medan).
1.2. Rumusan Masalah
Berdasarkan uraian pada latar belakang masalah, rumusan masalah dalam penelitian
ini adalah untuk menentukan pemberian bonus terhadap karyawan di PT. Graha
Travel & Tour Medan.
1.3. Batasan Masalah
Batasan masalah penelitian ini yaitu:
1. Aplikasi ini dirancang untuk menentukan karyawan yang berhak menerima
Weighting dan Weighted Product. Bahasa pemograman yang digunakan Visual
Basic 2010 dengan database Microsoft Access 2007.
2. Kriteria yang digunakan pada aplikasi ini sebagai berikut: lama kerja di
perusahaan, kedisiplinan, kualitas kerja, kerjasama dan sikap terhadap karyawan
lain, kehandalan dan kejujuran, keluhan customer, jumlah penjualan dan
kesalahan dalam pembuatan laporan.
3. Parameter pembanding dari kedua metode ini adalah kecepatan dalam
pengambilan keputusan berdasarkan nilai kriteria dan bobot yang ada.
1.4. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk menghasilkan aplikasi yang dapat
menentukan pemberian bonus karyawan berdasarkan metode metode Simple Additive
Weighting (SAW) dan metode Weighted Product (WP).
1.5. Manfaat Penelitian
Manfaat yang diharapkan dari penelitian dengan menerapkan metode Simple Additive
Weighting (SAW) dan metode Weighted Product (WP) adalah dapat membantu
manajer dalam menentukan karyawan yang berhak menerima bonus.
1.6. Metodologi Penelitian
1. Studi Kepustakaan
Pengumpulan referensi dalam penelitian yang dilakukan melalui pencarian
jurnal, buku, tulisan ilmiah, e-book, maupun artikel yang berhubungan dengan
sistem pengambilan keputusan khususnya metode Simple Additive Weighting
(SAW) dan metode Weighted Product (WP) serta bahasa pemrograman Visual
Basic 2010. Dan juga pengambilan data pendukung dari perusahaan untuk
melengkapi kriteria dalam pengambilan keputusan.
2. Analisis dan Perancangan Sistem
Pada tahap ini dilakukan pengolahan data dari hasil studi literatur kemudian
melakukan analisis dan perancangan sistem dengan menggunakan Metode
Simple Additive Weighting (SAW) dan Metode Weighted Product (WP)
sehingga didapat gambaran sistem yang akan dibuat.
3. Implementasi Sistem
Metode ini merupakan lanjutan dari analisis dan perancangan sistem yang
telah diimplementasikan ke dalam program komputer dengan menggunakan
bahasa pemrograman Visual Basic 2010 dan database Ms. Access 2007.
4. Pengujian Aplikasi
Pada tahap ini dilakukan pengujian aplikasi yang telah dibuat apakah berhasil
berjalan sesuai dengan keinginan dan apabila masih terdapat error maka
dilakukan perbaikan hingga aplikasi berjalan lancar.
5. Dokumentasi
Tahap akhir dari penelitian, yaitu membuat kesimpulan dan laporan tentang
1.7. Sistematika Penulisan
Adapun sistematika penulisan skripsi ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini merupakan bagian yang berisi latar belakang masalah, rumusan masalah,
batasan masalah, tujuan penelitian, manfaat penelitian, manfaat penelitian dan
sistematika penulisan skripsi.
BAB 2 : LANDASAN TEORI
Pada bab ini dijelaskan tentang uraian teoritis yang berkaitan dengan Sistem
Pendukung Keputusan, Metode Simple Additive Weighting (SAW), Metode Weighted
Product (WP), dan penelitian sebelumnya yang berhubungan dengan kedua metode
tersebut.
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
Pada bab ini penulis menguraikan tentang proses perhitungan manual dari kedua
metode dan perancangan sistem yang akan dibangun seperti flowchart dan rancangan
DFD, perancangan database dan perancangan user interface aplikasi.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini menjelaskan tentang implementasi dari aplikasi yang telah dirancang
sebelumnya serta tampilan aplikasi pada saat sistem dijalankan.
BAB 5 : KESIMPULAN DAN SARAN
Bab ini berisikan kesimpulan mengenai hasil rancangan sistem yang telah dibuat dan
disertai dengan saran yang berguna dalam usaha perbaikan dan pengembangan
LANDASAN TEORI
Pada bab ini akan dibahas teori mengenai Sistem Pendukung Keputusan, penelitan
lain yang berhubungan dengan sistem pendukung keputusan, Simple Additve
Weighting (SAW), dan Weighted Product (WP).
2.1. Sistem Pendukung Keputusan
Pada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep
penting sistem pendukung keputusan. Ia mendefinisikan sistem pendukung keputusan
sebagai “sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan
masalah-masalah tidak terstruktur” (Gorry dan Scott Morton, 1971) [14].
Secara Umum, Sistem Pendukung Keputusan adalah sebuah sistem yang mampu
memberikan kemampuan, baik kemampuan pemecahan masalah maupun kemampuan
pengkomunikasian untuk masalah semi terstruktur. Sedangkan secara Khusus, Sistem
Pendukung Keputusan adalah sebuah sistem yang mendukung kerja seorang manager
maupun sekelompok manager dalam memecahkan masalah semi-terstruktur dengan
cara memberikan informasi ataupun usulan menuju pada keputusan tertentu [14].
Tujuan dari pembuatan sistem pendukung keputusan yaitu [2]:
1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan
untuk menggantikan fungsi manajer.
3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada
4. Kecepatan komputasi. Untuk menghasilkan keputusan dengan cepat dan dengan
biaya yang rendah.
5. Peningkatan produktifitas. Dengan adanya sistem ini maka pengguna dapat
melakukan beberapa pekerjaan dalam waktu yang hampir bersamaan.
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang
dibuat.
7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan.
Tekanan persaingan menyebabkan tugas pengambil keputusan menjadi sulit.
Teknologi pengambilan keputusan bisa menciptakan pemberdayaan signifikan
dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik
secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan. Menurut
Simon (1977), otak manusia memiliki kemampuan yang terbatas untuk
memroses dan menyimpan informasi. Orang-orang kadang sulit mengingat dan
menggunakan sebuah informasi dengan cara yang bebas dari kesalahan.
Sistem pendukung keputusan terdiri dari 3 komponen utama atau subsistem
yaitu[3]:
a. Subsistem Manajemen Basis Data
Kemampuan yang diperlukan dari subsistem ini antara lain :
1. Menggabungkan berbagai data melalui pengambilan data dan ekstraksi data.
2. Menambahkan data dengan cepat dan mudah.
3. Menggambarkan struktur data logikal sesuai dengan pemahaman pemakai
agar pemakai dapat mengetahui dan menentukan kebutuhan basis data.
4. Menangani data secara khusus sehingga pemakai dapat mencoba berbagai
alternatif pertimbangan yang lain.
5. Mengelola berbagai variasi data.
b. Subsistem Manajemen Basis Model
1. Menciptakan model – model yang baru dengan cepat dan mudah.
2. Mengakses dan mengintegrasikan model – model keputusan.
3. Mengelola basis model dengan fungsi manajemen yang analog dan
manajemen basis data.
c. Subsistem Perangkat Lunak Penyelenggara Dialog
Subsistem dialog adalah kemampuan interaksi antara sistem dan pemakai yang
berasal dari fleksibilitas dan kekuatan karakteristik SPK.
Keunikan lainnya dari sistem pendukung keputusan adalah adanya fasilitas yang
mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif.
Fasilitas yang dimiliki oleh subsistem ini dapat dibagi atas 3 komponen yaitu [2]:
1. Bahasa aksi (Action Language) yaitu suatu perangkat lunak yang dapat
digunakan pengguna untuk berkomunikasi dengan sistem. Komunikasi ini
dilakukan melalui berbagai pilihan media seperti keyboard, joystick dan key
function.
2. Bahasa Tampilan (Display atau Presentation Language) yaitu suatu perangkat
yang berfungsi sebagai sarana untuk menampilkan sesuatu.
3. Basis Pengetahuan (Knowledge Base) yaitu bagian yang mutlak diketahui oleh
pengguna sistem yang dirancang dapat berfungsi secara efektif.
2.2. Fuzzy Multiple Attribute Decision Making (FMADM)
FMADM adalah suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan
nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan
Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu
pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif
& obyektif. Masing - masing kelemahan. Pada pendekatan subyektif, nilai bobot
ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga
beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas.
Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga
mengabaikan subyektifitas dari pengambil keputusan[7].
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah
FMADM. antara lain[7] :
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP)
2.2.1. Metode Simple Additive Weighting (SAW)
Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar
metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks
(2.2)
...
di mana i = 1, 2, ... , m dan j = 1, 2, ..., n.
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
� = ∑
=
�
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Sedangkan untuk kriterianya terbagi dalam dua kategori yaitu untuk bernilai positif
termasuk dalam kriteria keuntungan dan yang bernilai negatif termasuk dalam kriteria
biaya.
Keterangan :
Ai = Alternatif
Cj = Kriteria
= Bobot Preferensi
� = Nilai preferensi untuk setiap alternatif
= Nilai alternatif dari setiap kriteria.
Secara singkat algoritma metode SAW adalah:
1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah
ditentukan, di mana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2,…m
dan j=1,2,…n.
2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp.
3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja
ternormalisasi (rij) dari alternatif Ai pada atribut Cj berdasarkan persamaan yang
disesuaikan dengan jenis atribut (atribut keuntungan/benefit = MAKSIMUM atau
atribut biaya/cost = MINIMUM). Apabila berupa artibut keuntungan maka nilai
(2.3)
...
(2.4)
...
tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN xij) dari tiap
kolom atribut dibagi dengan nilai crisp (xij) setiap kolom.
4. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi
(R) dengan nilai bobot (W).
5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W).
Nilai Viyang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih [4].
2.2.2. Metode Weighted Product (WP)
Metode WP menggunakan perkalian untuk menghubungkan rating atribut, di mana
rating setiap atribut pertama sekali dipangkatkan dengan bobot atribut yang
bersangkutan (Yoon, 1989). Proses ini sama halnya dengan proses normalisasi.
Preferensi untuk alternatif Aidiberikan sebagai berikut :
� = ∏
=
dengan i = 1, 2, 3, …, m.
j = 1, 2, 3, …, n.
Preferensi relatif dari setiap alternatif, diberikan sebagai berikut [7]:
Secara singkat, algoritma dari metode ini adalah sebagai berikut:
1. Melakukan perbaikan bobot terlebih dahulu agar total bobot wj = 1. Caranya
dengan membagi nilai bobot dengan penjumlahan seluruh nilai bobot.
2. Mengalikan seluruh atribut untuk sebuah alternatif dengan bobot sebagai
pangkat positif untuk atribut keuntungan dan bobot pangkat negatif pada
atribut biaya disebut vektor Si.
3. Hasil perkalian dijumlahkan untuk menghasilkan nilai pada setiap alternatif
4. Melakukan pembagian antara Si dan hasil penjumlahan Si ( Si ) yang akan
menghasilkan nilai preferensi Vi.
5. Ditemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.3. Penelitian yang terkait dengan Metode SAW dan Metode WP
Berikut ini adalah beberapa penelitian yang terkait dengan metode SAW dan metode
WP:
1. Penelitian yang berjudul “Simulasi Seleksi Mahasiswa Baru Jalur Undangan
Dengan Menggunakan Metode Simple Additive Weighting”. Penelitian ini
bertujuan agar proses pengambilan keputusan dalam seleksi calon mahasiswa
melalui jalur undangan yang memilih Fakultas MIPA dapat berjalan dengan
cepat. Kriteria dalam penelitian ini adalah rata – rata nilai rapor kelas X
sampai dengan kelas XII semester 1 untuk mata pelajaran matematika, fisika,
kimia, biologi, bahasa Indonesia dan bahasa inggris. Selain itu, kriteria lain
yang digunakan adalah SPP, penghasilan orang tua dan jumlah tanggungan.
Pada penelitian ini, sistem pendukung keputusan dengan menggukan metode
simple additive weighting dapat berjalan dengan baik. Proses penyeleksian
mahasiswa jalur undangan dipengaruhi oleh kriteria yang ditetapkan dan
perbandingan tingkat kepentingan antara kriteria. Hasil akhir berupa
siswa yang diterima disesuaikan dengan daya tampung dari fakultas itu sendiri
[13].
2. Penelitian selanjutnya berjudul “Sistem Pendukung Keputusan Untuk
Merekomendasi TV Layar Datar Menggunakan Metode Weighted Product ”
bertujuan untuk memberikan rekomendasi TV layar datar terbaik bagi
konsumen. Kriteria dari sistem yang dibangun antara lain: harga, merek,
resolusi, ukuran dan berat TV. Kriteria tersebut diperoleh dari hasil kuisioner
terhadap 30 responden. Berdasarkan penelitian tersebut metode weighted
product dapat digunakan dalam perhitungan merekomendasi televisi, dan
calon konsumen merasa terbantu dengan adanya sistem ini sebab hasil
rekomendasi yang didapat sesuai dengan keinginan calon konsumen [9].
3. Penelitian selanjutnya berjudul “Sistem Pendukung Keputusan Penilaian Hasil
Visitasi Support Area Dengan Menggunakan Metode Simple Additive
Weighting”. Penelitian ini bertujuan untuk menentukan nilai kinerja minimal
dari support area berdasarkan historikal yang ada sehingga hasil perankingan
dari hasil nilai kinerja tersebut dapat menjadi rekomendasi bagi pihak
manajemen. Kriteria yang digunakan pada penelitian ini antara lain: kuantitatif
pengajaran mesin absensi, kuantitatif pengajaran software absensi, kuantitatif
waktu visitasi, kualitatif kemampuan penyelesaian masalah dan kualitatif
keaktifan selama visitasi. Hasil penerapan metode ini berjalan dengan baik
sehingga mempermudah pihak manajemen dalam mengukur kinerja support
area dan dapat menjadi media pengendalian kegiatan visitasi yang hasilnya
dapat dipantau setiap periode [8].
4. Penelitian yang berjudul “Sistem Pendukung Keputusan Pemberian Bonus
Pegawai Pada Hotel Alamanda Klaten Dengan Menggunakan Metode Weigted
Product”. Di dalamnya membahas mengenai pembuatan sistem yang dapat
bonus berdasarkan kriteria sebagai berikut: kreatifitas, absensi, profesionalitas,
kebersihan, kerjasama, tanggungjawab, tata karma, dan penampilan. Nilai
tertinggi untuk penilaian pada kriteria yaitu 100 dengan jumlah bobot referensi
(bobot awal) yaitu 25. Pada penelitian ini sistem yang dibangun mengeluarkan
hasil keputusan yang sama seperti pada perhitungan manual. Hanya saja pada
sistem output yang dihasilkan lebih cepat sehingga dapat mempercepat kinerja
manajer dalam menentukan siapa saja pegawai yang layak menerima bonus
pada setiap periodenya [10].
5. Penelitian yang berjudul “Penentuan Penerima Beasiswa Dengan
Menggunakan Fuzzy MADM”. Untuk memperoleh hasil optimal diperlukan
kriteria yang mendukung sistem ini antara lain: nilai indeks prestasi akademik
(IPK), penghasilan orang tua, jumlah tanggungan orang tua, dan jumlah
saudara kandung. Dengan variabel penilaian sangat tinggi, tinggi, cukup,
rendah dan sangat rendah. Perhitungan dilakukan dengan menggunakan
metode SAW dengan cara pembobotan kriteria dan alternatif, dilanjutkan
dengan normalisasi matriks keputusan ke suatu skala yang dapat dibandingkan
dengan semua alternatif yang ada menjadi. Selanjutnya menghitung nilai
preferensi setiap alternatif. Nilai yang terbesar mengindikasikan sebagai
alternatif terbaik [11].
6. Penelitian selanjutnya berjudul “Implementasi Metode Simple Additive
Weighting Pada Sistem Pengambilan Keputusan Sertifikasi Guru”. Penelitian
ini bertujuan untuk membantu mengambil keputusan terhadap penilaian
portofolio sertifikasi guru. Kriteria yang digunakan dalam pembuatan sistem
ini adalah kualifikasi akademik, pendidikan dan pelatihan, pengalaman
mengajar, perencanaan dan pelaksanaan pembelajaran, penilaian dari atasan,
prestasi akademik, karya pengembangan profesi, keikutsertaan dalam forum
ilmiah, pengalaman organisasi di bidang kependidikan dan sosial, dan
adalah dengan menggunakan perhitungan metode saw maka sistem sistem
yang dibangun sudah dapat dapat melakukan perhitungan sistem pendukung
keputusan dengan baik karena hasil perhitungan manual sesuai dengan hasil
pengujian program dan keluaran yang dihasilkan berupa nilai dan laporan yang
menunjukkan guru yang tersertifikasi [5].
7. Penelitian selanjutnya berjudul “Analisis Perbandingan Metode Analytical
Hierarchy Process (AHP) Dan Simple Additive Weighting (SAW) dengan
studi kasus penentuan pemberian bantuan modal wirausaha baru baru yang
untuk membantu dalam menganalisis pemilihan siapa yang layak menerima
bantuan modal wirausaha baru, sedangkan tujuan dari perbandingan kedua
metode adalah untuk mengukur tingkat keakurasian informasi yang lebih
akurat. Dalam pembuatan sistem dibutuhkan kriteria – kriteria pendukung
yaitu: status tempat tinggal, parameter kemiskinan, produktivitas usaha,
pendapatan per bulan, jumlah tanggungan keluarga dan fasilitas pendukung
usaha. Namun, secara garis besar, kedua metode ini mampu menyelesaikan
studi kasus yang sama dalam pengambilan keputusan dengan hasil akhir yang
relatif sama. Metode AHP dianggap mampu memberikan informasi yang lebih
akurat [4].
8. Penelitian berjudul “Pengembangan Sistem Pendukung Keputusan Berbasis
Mobila Untuk Pengisian Kartu Rencana Studi Dengan Fuzzy Multi-Attribute
Decision Making (FMADM) Metode Simple Additive Weighting (SAW) Di
Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Singaraja” bertujuan untuk membantu mahasiswa dalam pengisian KRS. Pengisian KRS berdasarkan pada KHS semester sebelumnya yang akan
menentukan SKS maksimal yang dapat diambil siswa. Hasilnya dalam
pengisian KRS terdapat daftar matakuliah yang disarankan dan tidak
disarankan serta menghasilkan pemetaan matakuliah pada semester
ANALISIS DAN PERANCANGAN SISTEM
Bab ini akan membahas analisis masalah, analisis kebutuhan sistem, analisis data
secara manual serta perancangan sistem pendukung keputusan metode Simple Additive
Weighting (SAW) dan metode Weighted Product (WP) dalam menetukan bonus
karyawan.
3.1. Analisis Masalah
Masalah yang dihadapi manajer sebelum dibangun sistem adalah sebagai berikut:
a. Kesulitan dalam mengolah data yang banyak.
b. Keputusan yang diambil memakan waktu yang cukup lama karena harus membuka
arsip.
c. Hasil keputusan juga tidak selalu akurat.
Masalah yang dihadapi dalam membangun sistem ini adalah sebagai berikut:
a. Bagaimana membangun sistem pendukung keputusan yang dapat menentukan
pemberian bonus karyawan dengan menggunakan metode Simple Additive
Weighting (SAW) dan metode Weighted Product (WP).
b. Bagaimana membangun sistem yang bersifat user friendly untuk kenyamanan
pengguna.
c. Bagaimana membangun hubungan antara kriteria dan penilaian agar menghasilkan
keputusan yang cepat dan tepat.
Adapun metode yang digunakan dalam menganalisis permasalahan yang
dihadapi dalam membangun aplikasi ini yaitu Fishbone Diagram/ Ishikawa Diagram/
Cause and Effect Diagram disebut juga diagram sebab-akibat karena
menunjukkan hubungan antara sebab dan akibat. Dikatakan fishbone diagram
(diagram tulang ikan) karena memang berbentuk mirip dengan tulang ikan yang
kepalanya menghadap ke kanan. Penemunya adalah seorang ilmuwan jepang pada
tahun 60-an bernama Dr. Kaoru Ishikawa sehingga sering juga disebut dengan
diagram Ishikawa.
Bagaimana Menentukan Bonus Karyawan Menggunakan Metode SAW dan Metode WP
Machine / Tools Man
Gambar 3.1. Fishbone Diagram Untuk Analisis Masalah
Berdasarkan gambar di atas, diagram Ishikawa berbentuk fishbone yang
menunjukkan faktor Man, Machine, Method dan Material. Itu semua merupakan
masalah yang mempengaruhi keseluruhan. Panah kecil menghubungkan sub penyebab
– penyebab utama.
3.2. Analisis Kebutuhan
Untuk mempermudah menganalisis sebuah sistem dibutuhkan dua jenis kebutuhan.
Kebutuhan fungsional dan kebutuhan nonfungsional. Kebutuhan fungsional adalah
Sedangkan kebutuhan nonfungsional adalah kebutuhan yang menitikberatkan pada
properti prilaku yang dimiliki oleh sistem.
3.2.1. Kebutuhan Fungsional Sistem
Berdasarkan kebutuhan sistem secara fungsional, sistem yang akan dibangun harus
mampu melakukan input , mampu melakukan proses, mampu mempunyai
output/keluaran dan mampu mempunyai storage data/database.
Pertama sistem yang akan dibangun harus mampu melakukan input sebagai
berikut:
1. Admin memasukkan user name dan password untuk login ke dalam sistem.
2. Admin memasukkan data untuk kelengkapan proses pada sistem ini. Data yang
dimaksud adalah data admin (user yang berhak mengakses sistem), data
karyawan (berisi nama karyawan lengkap dengan identitas diri), data kriteria
(berisi kriteria yang dibutuhkan untuk mengambil keputusan) dan data
penilaian (berisi penilaian karyawan).
Ada delapan kriteria yang dijadikan acuan dalam pengambilan keputusan, dapat
dilihat seperti pada Tabel 3.1.
Tabel 3.1. Kriteria
Kriteria Ketentuan Kriteria
C1 Lama Kerja di Perusahaan
C2 Kedisiplinan
C3 Kualitas Kerja
C4 Kerjasama dan sikap terhadap karyawan lain
C5 Kehandalan dan kejujuran
C6 Keluhan customer
C7 Jumlah penjualan
Kriteria – kriteria pada Tabel3.1. di atas terkategorikan lagi menjadi dua buah
kriteria yaitu kriteria biaya (cost) dan kriteria keuntungan (benefit). Kriteria C6
(keluhan customer) dan C8 (kesalahan dalam pembuatan laporan) adalah kriteria biaya
(cost); sedangkan C1 (lama kerja di perusahaan), C2 (kedisiplinan), C3 (kualitas kerja),
C4 (kerjasama dan sikap terhadap karyawan lain), C5 (kehandalan dan kejujuran), dan
C7 (jumlah penjualan) adalah kriteria keuntungan (benefit).
Kedua, sistem yang akan dibangun harus mampu melakukan proses seperti
berikut:
1. Sistem mampu memproses data yang diinput lalu menampilkan kembali
sebagai informasi yang sesuai berdasarkan hasil input sebelumnya.
2. Sistem mampu memproses data penilaian ke dalam bilangan fuzzy agar dapat
dilakukan proses perhitungan berdasarkan persamaan (2.1) dan persamaan
(2.2) untuk metode SAW dan persamaan (2.3) dan persamaan (2.4) untuk
metode WP.
Data penilaian didapat dari masing – masing kriteria , lalu dibuat suatu tingkat
kepentingan kriteria berdasarkan nilai bobot yang telah ditentukan ke dalam bilangan
fuzzy. Rating kecocokan setiap alternatif pada setiap kriteria adalah sebagai berikut :
Rendah (R) = 0.25
Cukup (C) = 0.5
Tinggi (T) = 0.75
Sangat Tinggi (ST) = 1
Untuk mendapat nilai tersebut dibuatlah sebuah grafik agar lebih jelas seperti
Gambar 3.2. Grafik Bobot
Keterangan :
R = Rendah
C = Cukup
T = Tinggi
ST = Sangat Tinggi
Berdasarkan kriteria dan rating kecocokan setiap alternatif yang telah
ditentukan, selanjutnya akan diberikan nilai / bobot setiap alternatif pada setiap
kriteria yang telah ditentukan.
1. Kriteria Lama Kerja di Perusahaan (C1)
Kriteria lama kerja di perusahaan dilihat dari lamanya karyawan bekerja di
perusahaan. Variabel lama kerja di perusahaan yang telah dikonversi ke dalam
bilangan fuzzy dapat dilihat seperti pada Tabel 3.2.
Tabel 3.2. Lama Kerja di Perusahaan
C1 Nilai
C1<= 6bulan 0.25
C1<= 12 bulan 0.5
C1<= 24 bulan 0.75
C1> 24 bulan 1
R C T ST
2. Kriteria Kedisiplinan (C2)
Kriteria kedisiplinan dilihat berdasarka kedisiplinan karyawan selama berada di
perusahaan. Variabel kedisiplinan yang telah dikonversi ke dalam bilangan fuzzy dapat
dilihat seperti pada Tabel 3.3.
Tabel 3.3. Kedisiplinan
Kriteria kualitas kerja dilihat dari kualitas kerja karyawan selama bekerja di
perusahaan. Variabel kualitas kerja yang telah dikonversi ke dalam bilangan fuzzy
dapat dilihat seperti pada Tabel 3.4.
Tabel 3.4. Kualitas Kerja
4. Kriteria Kerjasama dan Sikap Terhadap Karyawan Lain (C4)
Kriteria kerjasama dan sikap terhadap karyawan lain dilihat dari keseharian karyawan
selama jam kerja. Variabel kerjasama dan sikap terhadap karyawan lain yang telah
dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.5.
Tabel 3.5. Kerjasama dan Sikap Terhadap Karyawan Lain
C4 Nilai
Cukup 0.5
Tinggi 0.75
Sangat Tinggi 1
5. Kriteria Kehandalan dan Kejujuran (C5)
Kriteria kehandalan dan kejujuran dilihat dari sikap karyawan dalam menyelesaikan
pekerjaan. Variabel kehandalan dan kejujuran yang telah dikonversi ke dalam
bilangan fuzzy dapat dilihat seperti pada Tabel 3.6.
Tabel 3.6. Kehandalan dan Kejujuran
C5 Nilai
Kriteria keluhan customer dilihat dari banyak tidaknya keluhan dari customer selama
karyawan bekerja. Variabel keluhan customer yang telah dikonversi ke dalam
bilangan fuzzy dapat dilihat seperti pada Tabel 3.7.
Tabel 3.7. Keluhan Customer
jumlah tiket. Variabel jumlah penjualan yang telah dikonversi ke dalam bilangan fuzzy
Tabel 3.8. Jumlah Penjualan
C7 Nilai
C7<= 250juta 0.25
C7<= 500juta 0.5
C7<= 700 juta 0.75
C7> 700juta 1
8. Kriteria Kesalahan dalam Pembuatan Laporan (C8)
Kriteria kesalahan dalam pembuatan laporan dilihat dari kelalaian karyawan dalam
melaporkan deposit perusahaan. Variabel kesalahan dalam pembuatan laporan yang
telah dikonversi ke dalam bilangan fuzzy dapat dilihat seperti pada Tabel 3.9.
Tabel 3.9. Kesalahan dalam Pembuatan Laporan
C8 Nilai
Rendah 0.25
Cukup 0.5
Tinggi 0.75
Sangat Tinggi 1
Ketiga, sistem yang akan dibangun harus mampu mempunyai output/keluaran
yaitu:
1. Sistem menampilkan hasil akhir perhitungan dengan menggunakan metode
SAW dan metode WP yang sesuai dengan data yang diinput.
2. Sistem menampilkan perankingan/ alternatif terbaik sesuai dengan data yang
diinput.
Dan yang terakhir, sistem yang akan dibangun memiliki storage data / database
3.2.2. Kebutuhan Non Fungsional Sistem
Kebutuhan nonfungsional sistem terbagi menjadi beberapa bagian yaitu:
1. Dari segi perangkat keras, sistem ini dirancang:
- Processor dengan kecepatan 2,1 GHz atau lebih.
- Hard Disk 40 GB.
- RAM 512 MB atau lebih.
- Perangkat masukan standar seperti keyboard dan mouse.
- Perangkat keluaran standar seperti monitor dengan resolusi minimal 1024
x 768.
2. Dari segi perangkat lunak, sistem ini dirancang:
- Sistem Operasi Windows 7.
- Microsoft Visual Basic 2010.
- Microsoft Access 2007.
3. Dari segi performance, sistem ini dirancang:
- User friendly, mudah digunakan.
- Interface / tampilan yang menarik.
- Keluaran/output yang dihasilkan waktunya relatif singkat sehingga tidak
mengganggu kinerja user.
3.3. Analisis Data
Analisis data pada sub bab ini difokuskan kepada perhitungan matematis secara
manual. Sampel data yang diambil sebanyak 4 orang karyawan.
3.3.1. Perhitungan Manual Metode SAW
Nilai dari setiap kriteria merupakan hasil penginputan data alternatif karyawan yang
sudah dikonversikan berdasarkan bobot kritera yang sudah ditentukan melalui proses
Tabel 3.10. Data Karyawan
Bobot untuk setiap kriteria : {Sangat Tinggi, Tinggi, Cukup, Cukup, Cukup, Tinggi,
Sangat Tinggi, Tinggi}.
Berdasarkan data di atas dapat dibentuk matriks keputusan X yang telah
dikonversikan ke dalam bilangan fuzzy seperti pada Tabel 3.11.
Tabel 3.11. Rating Kecocokan dari setiap alternatif pada setiap kriteria
Pertama, matrix X dinormalisasi untuk menghitung nilai masing – masing
kriteria berdasarkan kriteria yang diasumsikan sebagai kriteria keuntungan dan kriteria
Untuk Alternatif-3 (A ) :
R =
perkalian untuk memperoleh alternatif terbaik dengan melakukan perangkingan nilai
Hasil perankingan diperoleh : � = 2.495, � = 0.96, � = 3.8125 dan � = 5.25. Nilai terbesar ada pada V4 sehingga alternatif A4 (Anet) merupakan alternatif yang
terpilih sebagai alternatif terbaik.
3.3.2. Perhitungan Manual Metode WP
Permasalahan pada Tabel 3.10. akan diselesaikan dengan metode WP. Sebelumnya
Kemudian vektor S dihitung berdasarkan persamaan 2.3 sebagai berikut :
S1 = (0.250.1739) (10.1304) (0.50.0869) (0.250.0869) (0.50.0869) (0.75-0.1304)
(0.250.1739) (0.5-0.1304)
= (0.7858) (1) (0.9415) (0.8865) (0.9415) (1.0382) (0.7858) (1.1981)
= 0.5515
S2 = (0.50.1739) (0.750.1304) (0.750.0869) (0.250.0869) (10.0869) (0.5-0.1304) (0.50.1739)
= (0.8864) (0.9632) (0.9753) (0.8865) (1)(1.0946) (0.8864) (1.1981)
= 0.8582
S3 = (0.250.1739) (0.250.1304) (0.50.0869) (0.50.0869) (0.50.0869) (0.75-0.1304)
(0.250.1739) (0.75-0.1304)
= (0.7858) (0.8346) (0.9415) (0.9415) (0.9415) (1.0382) (0.7858)
(1.0382)
= 0.4637
S4 = (10.1739) (0.50.1304) (10.0869) (0.50.0869) (0.750.0869) (0.25-0.1304) (10.1739)
(0.25-0.1304)
= (1) (0.9136) (1) (0.9415) (0.9753) (1.1981) (1) (1.1981)
= 1.2043
Nilai vektor V yang akan digunakan untuk perankingan dapat dihitung
berdasarkan persamaan 2.4. sebagai berikut:
V1 = .
. + . + . + . = 0.17918
V2 = .
. + . + . + . = 0.27885
V3 = .
. + . + . + . = 0.15065
V4 = .
. + . + . + . = 0.39131
Hasil perangkingan diperoleh : � = 0.17918, � = 0.27885, � = 0.15065 dan
�= 0.39131. Nilai terbesar ada pada V4 sehingga alternatif A4 (Anet) merupakan
3.4. Perancangan Sistem
Dalam perancangan sistem akan digambarkan mengenai proses pemberian bonus
karyawan dalam bentuk diagram konteks, Data Flow Diagram (DFD), Entity
Relationship Diagram (ERD), perancangan database, flowchart serta rancangan –
rancangan tampilan program.
3.4.1. Diagram Konteks
Diagram konteks disebut juga dengan model sistem fundamentasi,
merepresentasikan seluruh elemen sistem sebagai sebuah bubble tunggal
dengan data input dan output yang ditunjukkan oleh anak panah yang masuk
dan keluar secara berurutan [12]. Diagram Konteks untuk sistem ini dapat
dilihat seperti pada Gambar 3.3.
3.4.2. Data Flow Diagram (DFD)
Diagram Alir Data / Data Flow Diagram (DFD) adalah sebuah teknis grafis yang
menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data
bergerak dari input menjadi output. DFD juga dikenali sebaga grafik aliran data atau
bubble chart [12].
DFD dapat digunakan untuk menyajikan sebuah sistem atau perangkat lunak
pada setiap tingkat abstraksi. Kenyataannya, DFD dapat dipartisi ke dalam tingkat –
tingkat yang merepresentasikan aliran informasi yang bertambah dan fungsi ideal.
Demikianlah, DFD memberikan suatu mekanisme bagi pemodelan fungsional dan
pemodelan aliran informasi.
Info Data Admin
Gambar 3.4. DFD Level 1 Sistem
3.4.3. Entity Relationship Diagram (ERD)
ERD pada mulanya diusulkan oleh Peter Chen [CHE77] untuk desain sistem database
realasional dan telah dikembangkan oleh yang lainnya. Serangkaian komponen utama
diidentifikasikan untuk ERD; objek data, atribut, hubungan dan berbagai tipe
indikator. Tujuan utama dari ERD adalah untuk mewakili objek data dan hubungan
Berdasarkan rancangan sistem menggunakan DFD maka dibuatlah rancangan
ERD yang merepresentasikan secara grafis hubungan antar entitas. Rancangan ERD
dapat dilihat seperti pada Gambar 3.5
admin
Gambar 3.5. Entity Relationship Diagram (ERD) Sistem
3.4.4. Perancangan Database
Rancangan database untuk sistem pendukung keputusan ini meliputi :
1. Tabel Admin
Tabel ini berfungsi sebagai tempat menyimpan data admin. Struktur tabel dapat
Tabel 3.12. Tabel Admin
Field Type Keterangan
id_admin AutoNumber id admin (Primary Key)
username Text nama admin
password Text password admin
level Text level admin
2. Tabel Kriteria
Tabel ini berfungsi sebagai tempat menyimpan data kriteria. Struktur tabel dapat
dilihat seperti pada Tabel 3.13.
Tabel 3.13. Tabel Kriteria
Field Type Keterangan
id_kriteria AutoNumber id kriteria (Primary Key)
kriteria Text kriteria
ketentuan_kriteria Text ketentuan kriteria kategori Text kriteria max atau min
bobot Text nilai bobot
3. Tabel Karyawan
Tabel ini berfungsi sebagai tempat menyimpan data karyawan. Struktur tabel
dapat dilihat seperti pada Tabel 3.14.
Tabel 3.14. Tabel Karyawan
Field Type Keterangan
id_karyawan AutoNumber id karyawan (Primary Key)
Nik Text nomor karyawan
nama_karyawan Text nama karyawan
alamat Text alamat karyawan
tempat_lahir Text tempat lahir karyawan tgl_lahir Date/time tanggal lahir karyawan jenis_kelamin Text jenis kelamin karyawan
Status Text status karyawan
4. Tabel Penilaian
Tabel ini berfungsi sebagai tempat menyimpan data penilaian. Struktur tabel
Tabel 3.15. Tabel Penilaian
Field Type Keterangan
Id_penilaian AutoNumber id penilaian(Primary Key) id_karyawan Number id karyawan (Foreign Key
Tabel Karyawan) lama_kerja Number lama kerja karyawan kedisiplinan Text kedisiplinan karyawan kualitas_kerja Text kualitas kerja karyawan
kerjasama Text kerjasama karyawan
kehandalan Text kehandalan dalam bekerja keluhan_customer Text keluhan customer
jumlah_penjualan Number jumlah penjualan karyawan kesalahan Text tingkat kesalahan karyawan
5. Tabel Matrix Bonus
Tabel ini berfungsi sebagai tempat menyimpan data matrix bonus. Struktur tabel
dapat dilihat seperti pada Tabel 3.16.
Tabel 3.16. Tabel Matrix Bonus
Field Type Keterangan
id_matrix AutoNumber id matrix (Primary Key) id_karyawan Number id karyawan (Foreign Key
Tabel Karyawan) matrix_lamakerja Text matrix lama kerja matrix_kedisiplinan Text matrix kedisiplinan matrix_kualitas Text matrix kualitas matrix_kerjasama Text matrix kerjasama matrix_kehandalan Text matrix kehandalan matrix_keluhan Text matrix keluhan matrix_penjualan Text matrix penjualan matrix_kesalahan Text matrix kesalahan
6. Tabel Hasil SAW
Tabel ini berfungsi sebagai tempat menyimpan data hasil SAW. Struktur tabel
dapat dilihat seperti pada Tabel 3.17.
Tabel 3.17. Tabel Hasil SAW
Field Type Keterangan
id_saw AutoNumber id saw (Primary Key) id_karyawan Number id karyawan
7. Tabel Hasil Vektor WP
Tabel ini berfungsi sebagai tempat menyimpan data hasil vektor wp. Struktur
tabel dapat dilihat seperti pada Tabel 3.18.
Tabel 3.18. Tabel Hasil Vektor WP
Field Type Keterangan
id_vektor AutoNumber id vektor (Primary Key) id_karyawan Number id karyawan (Foreign Key
Tabel Karyawan) hasil_vektor Number hasil vektor karyawan
8. Tabel Hasil WP
Tabel ini berfungsi sebagai tempat menyimpan data hasil wp. Struktur tabel dapat
dilihat seperti pada Tabel 3.19.
Tabel 3.19. Tabel Hasil WP
Field Type Keterangan
id_wp AutoNumber id wp (Primary Key)
id_karyawan Number id karyawan (Foreign Key
Tabel Karyawan)
hasil_wp Number hasil wp
3.4.5. Flowchart
Flowchart adalah penggambaran secara grafik dalam bentuk diagram alir dari suatu
algoritma dalam suatu program yang menyatakan arah alur program dalam
menyelesaikan suatu masalah.
Untuk membangun sistem pendukung keputusan menentukan bonus karyawan
dengan metode SAW dapat dilihat seperti pada Gambar 3.6 dan metode WP dapat
Menentukan Alternatif Ai, i-1,2,3...n Menentukan Kriteria Ci
Menentukan Rating kecocokan setiap alternatif pada setiap kriteria yaitu Rendah (R), Cukup (C), Tinggi (T),
Sangat Tinggi (ST)
Menentukan nilai bobot (W) pada setiap
kriteria
Mengevaluasi bobot pada setiap kriteria dan derajat kecocokan serta
alaternatif terhadap kriteria
Proses Normalisasi Matriks
Hasil Perankingan Dengan Metode SAW
Mulai
Selesai
Representasi Masalah
Memperbaiki nilai bobot agar total bobot Ʃwj = 1, dengan cara wj = wj / Ʃ wj
Proses Normalisasi (vektor S) dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan lalu kemudian dihubungkan dengan perkalian.
Nilai vektor V didapat dari hasil proses normalisasi tiap alternatif dibagi dengan penjumlahan hasil proses normalisasi
secara keseluruhan.
Hasil Perankingan Dengan Metode WP
Mulai
Selesai
3.2.6. Rancangan Antar Muka
Antarmuka pemakai (user interface) merupakan aspek terpenting pada sistem
komputer. Hal ini dikarenakan melalui antarmuka pengguna inilah manusia sebagai
user dapat berinteraksi dan mengendalikan sistem yang telah dirancang tersebut.
Antarmuka sistem pendukung keputusan pemberian bonus karyawan antara lain :
1. Rancangan Form Login
Rancangan form login dapat dilihat seperti pada gambar 3.8.
Gambar 3.8. Rancangan Form Login
Keterangan :
1) List box untuk pilih user (admin atau pimpinan)
2) Textbox untuk input username.
3) Textbox untuk input password.
Form Login
Level
User ID
Password
XXX
XXX
Keluar
1
2
Login
XXX 3
4) Tombol Login untuk menyimpan data.
5) Tombol Cancel untuk membatalkan data yang sudah di input.
2. Rancangan Halaman Utama Admin & Pimpinan
Rancangan halaman utama dapat dilihat seperti pada gambar 3.9.
Gambar 3.9. Rancangan Form Utama Admin & Pimpinan
Keterangan :
1. Judul form.
2. Menu file untuk keluar dari aplikasi.
3. Menu master pada Admin berisi pengolahan data admin, pengolahan data
kriteria, pengolahan data penilaian dan pengolahan data karyawan.
4. Menu metode pada Pimpinan berisi hasil metode SAW dan hasil metode WP.
5. Menu data hanya ada pada Pimpinan yang berisi tentang tampilan data
karyawan dan data penilaian.
3. Rancangan Pengolahan Data Admin
Rancangan halaman utama dapat dilihat seperti pada gambar 3.10.
File Master
SPK Bonus Karyawan
1
2 3
Data
5
Metode
Pengolahan Data Admin
Gambar 3.10. Rancangan Pengolahan Data Admin
Keterangan :
1. Tempat untuk menginputUsernane.
2. Tempat untuk menginput password.
3. Tempat untuk menginput level.
4. Tombol Tambah untuk menambah data.
5. Tombol Ubah untuk merubah data.
6. Tombol Hapus digunakan untuk menghapus data yang ada.
7. Tombol Keluar digunakan untuk keluar dari form pengolahan data admin
8. Output dari data yang telah di update sebelumnya.
4. Rancangan Pengolahan Data Kriteria
Pengolahan Data Kriteria
Gambar 3.11. Rancangan Pengolahan Data Kriteria
Keterangan :
1. Tempat untuk menginputkriteria.
2. Tempat untuk menginput ketentuan kriteria.
3. Tempat untuk menginput kategori.
4. Tempat untuk menginput bobot
5. Tombol Tambah untuk menambah data
6. Tombol Ubah untuk merubah data
7. Tombol Hapus digunakan untuk menghapus data yang ada.
8. Tombol Keluar digunakan untuk keluar dari form pengolahan data kriteria.
9. Output dari data yang telah di update sebelumnya.
5. Rancangan Pengolahan Data Karyawan
Pengolahan Data Karyawan
Gambar 3.12. Rancangan Pengolahan Data Karyawan
Keterangan :
1. Tempat untuk menginput NIK.
2. Tempat untuk menginput nama karyawan.
3. Tempat untuk menginput alamat.
4. Tempat untuk menginput tempat lahir.
5. Tempat untuk menginput tanggal lahir.
6. Tempat untuk menginput jenis kelamin.
7. Tempat untuk menginput status.
8. Tombol Tambah untuk menambah data.
9. Tombol Ubah untuk merubah data.
10.Tombol Hapus digunakan untuk menghapus data yang ada.
11.Tombol Keluar digunakan untuk keluar dari form pengolahan data
karyawan.
6. Rancangan Pengolahan Data Penilaian.
Rancangan pengolahan data penilaian dapat dilihat seperti pada Gambar 3.13.
Pengolahan Data Penilaian
Gambar 3.13. Rancangan Pengolahan Data Penilaian
Keterangan :
1. Tempat untuk menginput namaa karyawan.
2. Tempat untuk menginput lama kerja di perusahaan dalam skala bulan.
3. Tempat memilih tingkat kedisiplinan.
4. Tempat memilih tingkat kualitas kerja.
5. Tempat memilih tingkat kerjasama terhadap karyawan lain.
6. Tempat memilih tingkat kehandalan dan kejujuran.
7. Tempat memilih tingkat keluhan customer.
8. Tempat untuk menginput banyaknya penjualan.
7. Hasil Perankingan Metode SAW
Rancangan hasil perankingan dengan metode saw dapat dilihat seperti pada
gambar 3.14.
Hasil Perankingan dengan Metode SAW
Hasil SAW
2 1
Waktu Eksekusi 3 Keluar
4
Gambar 3.14. Rancangan Hasil Perankingan Metode SAW
Keterangan :
1. Judul Form
2. Hasil Perankingan Metode SAW.
3. Durasi kemunculan hasil.
4. Tombol keluar untuk keluar dari form hasil metode SAW.
8. Rancangan Hasil Perankingan Metode WP
waktu
Hasil Perankingan dengan Metode WP
Hasil WP
2 1
Keluar 4
Waktu Eksekusi 3
Gambar 3.15. Rancangan Hasil Perankingan Metode WP
Keterangan :
1. Judul Form
2. Hasil Perankingan Metode WP.
3. Durasi kemunculan hasil.
IMPLEMENTASI DAN PENGUJIAN SISTEM
Pada bab ini akan dibahas tampilan akhir antarmuka program, pengujian sistem dan
grafik waktu pencarian.
4.1 Implementasi Sistem
Dalam implementasi sistem akan dibahas mengenai tampilan akhir antarmuka sistem
yang disesuaikan dengan perancangan sistem yang telah dibuat pada bab sebelumnya.
1. Tampilan Splash Screen.
Tampilan ini muncul pada saat pertama sekali program dijalankan. Halaman ini
menampilkan judul aplikasi, versi serta tahun pembuatan dari aplikasi itu sendiri.
Tampilan splash screen dapat dilihat pada Gambar 4.1.
2. Tampilan Form Login
Form ini menampilkan user (admin/pimpinan) yang ingin memakai aplikasi ini. Setiap
user diharuskan memberikan username dan password yang benar agar dapat masuk ke
form utama. Tampilan form login dapat dilihat seperti pada Gambar 4.2.
Gambar 4.2. Tampilan Form Login
3. Tampilan Form Utama Admin dan Pimpinan
Form ini menampilkan menu – menu yang ada pada form utama admin dan pimpinan.
Gambar 4.3. Tampilan Form Utama Admin dan Pimpinan
4. Tampilan Form Pengolahan Data Admin
Form ini hanya dapat diakses oleh level user admin. Pada form ini admin dapat
melakukan pengolahan data admin baik itu menambah data, mengubah data, dan
menghapus data. Selain itu juga ditampilkan hasil dari pengolahan data melalui tabel
Gambar 4.4. Tampilan Form Pengolahan Data Admin
5. Tampilan Form Pengolahan Data Karyawan
Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin.
Hanya sumber data saja yang berbeda yaitu data karyawan. Tampilan form dapat
dilihat pada Gambar 4.5.
6. Tampilan Form Pengolahan Data Kriteria
Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin dan
data karyawan. Hanya sumber data saja yang berbeda yaitu data kriteria. Tampilan
form dapat dilihat pada Gambar 4.6.
Gambar 4.6. Tampilan Form Pengolahan Data Kriteria
7. Tampilan Form Pengolahan Data Penilaian
Tampilan pada form ini tidak jauh berbeda seperti pada pengolahan data admin, data
karyawan, dan data kriteria. Hanya sumber data saja yang berbeda yaitu data
