DECISION MAKING
TESIS
DEDY IRWAN
107038031
PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
DECISION MAKING
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika
DEDY IRWAN
107038031
PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul Tesis : PENENTUAN TINGKAT KINERJA
KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA
DECISION MAKING
Nama Mahasiswa : DEDY IRWAN
Nomor Induk Mahasiswa : 107038031
Program Studi : Magister Teknik Informatika
Fakultas : Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara
Komisi Pembimbing :
Pembimbing 2
Dr. Marwan Ramli, M.Si
Pembimbing 1
Prof.Dr. Tulus, Vor.Dipl.Math., M.Si
Diketahui/disetujui oleh
Program Studi Magister Teknik Informatika Ketua,
Prof. Dr. Muhammad Zarlis
PERNYATAAN
PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebut sumbernya.
Medan, 23 Januari 2014
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:
Nama : Dedy Irwan
NIM : 107038031
Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusis (Non-Exclusive Royalti Free Right) atas tesis saya yang berjudul :
PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA
DECISION MAKING
Beserta perangkat yang ada (jika diperlukan), Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat sebenarnya.
Medan, 23 Januari 2014
Telah diuji pada
Tanggal: 23 Januari 2014
PANITIA PENGUJI TESIS
Ketua : Prof.Dr. Tulus, Vor.Dipl.Math., M.Si Anggota : 1. Dr. Marwan Ramli, M.Si
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap : Dedy Irwan
Tempat dan Tanggal Lahir : Balige, 25 September 1977
Alamat Rumah : Jl.Masjid No.2B, Kel Tanjung Rejo Medan Sunggal 20122
Telepon/HP : 081265516732
Instansi Tempat Bekerja : STT Harapan Alamat Kantor : Jl. HM Jhoni No.70
DATA PENDIDIKAN
SD : SD INPRES 164523, Tebing Tinggi TAMAT: 1989
SLTP : SMP Negeri 12, Medan TAMAT: 1992
SLTA : SMA Negeri 10, Medan TAMAT: 1995
S1 : STT Harapan Medan TAMAT: 2002
S2 : Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat ALLAH SWT atas berkah,rahmat dan karuniaNYA berupa pengetahuan, kesehatan dan kesempatan yang diberikan kepada penulis sehingga dapat menyelesaikan TESIS dengan judul: PENENTUAN TINGKAT KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING.
Penulis dalam penyusunan untuk menyelesaikan TESIS ini banyak mendapat kendala, kesulitan dan hal-hal lain diluar pengetahuan penulis, namum berkat bantuan, dorongan, nasehat dari berbagai pihak terutama dari dosen pembimbing dan juga dari para dosen pengasuh mata kuliah Program Studi Magister Teknik informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara hingga selesainya penulisan TESIS ini.
Untuk ini penulis menyampaikan terima kasih yang sebesar-besarnya kepada :
1. Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
2. Bapak M. Andri Budiman, ST., M.Comp.Sc., M.E.M selaku Sekretaris Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Prof. Dr. Tulus selaku Pembimbing I yang telah bersedia meluangkan waktu untuk memberi bimbingan serta pengarahan hingga selesainya penulisan tesis ini.
4. Bapak Dr. Marwan Ramli, M.Si selaku Pembimbing II yang telah bersedia meluangkan waktu untuk memberi bimbingan serta pengarahan hingga selesainya penulisan tesis ini.
5. Bapak Dosen Penguji yang telah memberikan saran dan kritik untuk perbaikan tesis ini.
7. Kepada ayah dan ibu serta adik-adik sekeluarga yang telah memberikan dukungan dan semangat dalam penyelesaian tesis.
Akhir kata penulis hanya berdoa kepada ALLAH SWT agar memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian, serta kerjasamanya kepada penulis dalam menyelesaikan tesis ini.
Medan, 23 Januari 2014
Perusahaan sering memberi insentif kepada karyawan agar kinerja karyawan kepada perusahaan diharapkan meningkat. Oleh karena itu ditentukan kriteria-kriteria bagaimana karyawan tersebut diberi insentif sehingga karyawan-karyawan akan terkelompokkan kedalam katogori kinerja tinggi,sedang,rendah, maka digunakan Fuzzy Multi Criteria Decision Making (FMCDM). FMCDM adalah sebuah metode pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat fuzzy. Langkah-langkah pada FMCDM antara lain Identifikasi Tujuan, kumpulan alternative keputusannya, identifikasi kumpulan kriteria, dan membangun struktur hirarki dari penentuan kategori karyawan tersebut berdasarkan pertimbangan-pertimbangan tertentu. Kemudian selanjutnya adalah menetukan evaluasi himpunan fuzzy dengan variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria, mengagregasikan bobot-bobot kriteria karyawan dan derajat kecocokan setiap alternatif dengan kriterianya. Setelah hasil agregasi dari bobot-bobot kriteria didapat maka akan didapat karyawan mana saja yang masuk kedalam kategori kinerja tinggi, sedang dan rendah.
DETERMINATION OF EMPLOYEE LEVEL PERFORMANCE USING FUZZY MULTI CRITERIA DECISION MAKING METHOD
ABSTRACT
Companies often provide incentives to employees for the performance of the employee to the company is expected to increase. Therefore the criteria specified how these employees are given incentives so that the employees will be grouped into Categories of high performance, medium, low, then used Fuzzy Multi Criteri Decision Making (FMCDM). FMCDM is a method of decision making that considers multiple alternatives and criteria in a situation that is fuzzy. The steps in the FMCDM including goal identification, collection of decision alternatives, the identification set of criteria, and the determination to build a hierarchical structure of categories of employees are based on certain considerations. Then next is to determine the evaluation of fuzzy sets with linguistic variables that represent the weight or importance of each criterion, aggregating the weights of criteria and the degree of suitability of any employee with alternative criteria. After the result of the aggregation of criteria weights obtained it will get any employees who enter into the category of high performance, medium and low.
DAFTAR ISI
Halaman
HALAMAN JUDUL i
PERSETUJUAN ii
PERNYATAAN ORISINALITAS iii
PERSETUJUAN PUBLIKASI iv
PANITIA PENGUJI v
RIWAYAT HIDUP vi
KATA PENGANTAR vii
ABSTRAK ix
ABSTRACT x
DAFTAR ISI xi
DAFTAR TABEL xiii
DAFTAR GAMBAR xiv
BAB 1 PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Tujuan 3
1.5 Manfaat 3
BAB 2 TINJAUAN PUSTAKA 4
2.1 Fuzzy Logic 4
2.2 Fungsi Keanggotaan 5
2.2.1 Representasi Linear 6
2.2.1.3 Representasi Linear Naik dan Turun/Kurva
Segitiga 7
2.3 Fuzzy Multicriteria Decision Making 8
BAB 3 3.1 Representasi Masalah (Tahap Input Data) 12
3.2 Evaluasi himpunan fuzzy dari identifikasi kriteria dan
alternatif keputusan 15
3.3 Mengagregasikan bobot-bobot kriteria 16
3.4 Perancangan Sistem 20
BAB 4 HASIL DAN PEMBAHASAN 21
4.1 Hasil Penelitian 21
4.1.1 Input Data 22
4.1.1.2Form untuk mengisi rating kepentingan karyawan 27 4.1.1.3Form untuk mengisi derajat setiap kecocokan
terhadap kriteria 28
4.1.1.4Form untuk mengisi Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan 29
4.2 Pembahasan 30
BAB 5 KESIMPULAN DAN SARAN 38
5.1 Kesimpulan 38
5.2 Saran 38
DAFTARPUSTAKA 39
DAFTAR TABEL
Halaman
Tabel 3.1 Rating kepentingan 16
Tabel 3.2 Derajat setiap kecocokan terhadap kriteria 16 Tabel 3.3 Rating kecocokan setiap alternatif karyawan si Ali. 18
Tabel 3.4. Nilai total integral setiap alternatif 19
Tabel 4.1 Rating kepentingan karyawan si Ali 31
Tabel 4.2 Derajat kecocokan terhadap setiap kriteria 31 Tabel 4.3 Rating kepentingan karyawan dengan nilai dari logika fuzzy
dengan bentuk segitiga 32
Tabel 4.4 Derajat kecocokan terhadap setiap kriteria karyawan dengan
nilai dari logika fuzzy dengan bentuk segitiga 33 Tabel 4.5 Hasil agregasi antara rating kepentingan dengan derajat
kecocokan 36
DAFTAR GAMBAR
Halaman
Gambar 2.1 Representasi Linear Naik. 6
Gambar 2.2 Representasi Linear Turun. 7
Gambar 2.3 Representasi Kurva Segitiga. 7
Gambar 2.3 Struktur Hierarki dari Keputusan. 9
Gambar 3.1 Struktur Hierarki Keputusan Pengelompokan nama-nama
karyawan. 14
Gambar 4.1 Form untuk mengisi rating kepentingan karyawan. 22 Gambar 4.2 Form pengisian rating kepentingan karyawan. 27 Gambar 4.3 Derajat Setiap Kecocokan Terhadap Kriteria. 28 Gambar 4.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat
Perusahaan sering memberi insentif kepada karyawan agar kinerja karyawan kepada
perusahaan diharapkan meningkat. Oleh karena itu ditentukan kriteria-kriteria
bagaimana karyawan tersebut diberi insentif sehingga karyawan-karyawan akan
terkelompokkan kedalam katogori kinerja tinggi,sedang,rendah, maka digunakan
Fuzzy Multi Criteria Decision Making (FMCDM). FMCDM adalah sebuah metode
pengambilan keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada
sebuah situasi yang bersifat fuzzy. Langkah-langkah pada FMCDM antara lain
Identifikasi Tujuan, kumpulan alternative keputusannya, identifikasi kumpulan
kriteria, dan membangun struktur hirarki dari penentuan kategori karyawan tersebut
berdasarkan pertimbangan-pertimbangan tertentu. Kemudian selanjutnya adalah
menetukan evaluasi himpunan fuzzy dengan variabel linguistik yang
merepresentasikan bobot kepentingan setiap kriteria, mengagregasikan bobot-bobot
kriteria karyawan dan derajat kecocokan setiap alternatif dengan kriterianya. Setelah
hasil agregasi dari bobot-bobot kriteria didapat maka akan didapat karyawan mana
saja yang masuk kedalam kategori kinerja tinggi, sedang dan rendah.
Kata Kunci : Identifikasi Kumpulan Kriteria, Variabel Linguistik, Kategori Kinerja,
DETERMINATION OF EMPLOYEE LEVEL PERFORMANCE USING FUZZY
MULTI CRITERIA DECISION MAKING METHOD
ABSTRACT
Companies often provide incentives to employees for the performance of the
employee to the company is expected to increase. Therefore the criteria specified how
these employees are given incentives so that the employees will be grouped into
Categories of high performance, medium, low, then used Fuzzy Multi Criteri Decision
Making (FMCDM). FMCDM is a method of decision making that considers multiple
alternatives and criteria in a situation that is fuzzy. The steps in the FMCDM
including goal identification, collection of decision alternatives, the identification set
of criteria, and the determination to build a hierarchical structure of categories of
employees are based on certain considerations. Then next is to determine the
evaluation of fuzzy sets with linguistic variables that represent the weight or
importance of each criterion, aggregating the weights of criteria and the degree of
suitability of any employee with alternative criteria. After the result of the aggregation
of criteria weights obtained it will get any employees who enter into the category of
high performance, medium and low.
Keyword : Identify set of criteria, Linguistic Variables, Category Performance, Fuzzy,
PENDAHULUAN
1.1Latar Belakang
Fuzzy Multi Criteria Decision Making (FMCDM) adalah sebuah metode pengambilan
keputusan yang mempertimbangkan beberapa alternatif dan kriteria pada sebuah
situasi yang bersifat fuzzy. FMCDM digunakan untuk memilih atau mengelompokkan suatu alternatif keputusan berdasarkan kriteria yang diajukan dimana
kriteria-kriteria tersebut diberi nilai yang akan menjadi tolok ukur bagi alternatif-alternatif
keputusan yang akan muncul.
Dalam beberapa penelitian yang telah dilakukan oleh para peneliti yang
dipublikasikan dalam jurnal atau karya ilmiah lainnya tentang fuzzy multi criteria
decision making (FMCDM) antara lain :
(Carlsson dan Full´er, 1996) pada paper mereka disajikan berbagai perkembangan dari
FMCDM untuk penerapan diberbagai bidang yang diperlukan untuk mengambil
keputusan, dimana terdapat model keputusan mana yang harus diambil berdasarkan
FMCDM.
(Cheshmberah et all, 2011) menyajikan kerangka kerja dalam memilih rekanan perusahaan-perusahaan(outsourcing) berdasarkan kriteria-kriteria yang akan
digunakan untuk memilih rekanan perusahaan-perusahan bagi suatu perusahaan.
Model kerangka kerja ini akan menjadi dasar bagaimana sistem informasi akan dibuat.
(Rao dan Rajesh, 2009) menyajikan bagaimana membangun framework untuk
melakukan pemilihan perangkat lunak dalam industri manufaktur dengan
menggunakan metode Pref-erence Ranking Organization Method for Enrichment
Evaluations (PROMETHEE) dimana metode PROMETHEE akan dihubungan dengan
sesuai dengan kinerja karyawan maka akan menimbulkan ketidaksenangan antar
karyawan. Jika kinerja suatu karyawan lebih baik dari karyawan yang lain sementara
insentif yang diberikan tidak sesuai maka karyawan akan melihat sebagai
ketidakadilan bagi diri mereka, akibatnya akan membuat kinerja karyawan menurun.
Untuk itu diperlukan suatu cara yang dapat menangani pemberian insentif bagi
karyawan berdasarkan tingkat kinerjanya. Adapun cara disini adalah dengan membuat
model yang akan berisi aturan-aturan bagaimana tingkat kinerja karyawan itu dibuat
sehingga menjadi dasar dalam membuat sistem informasi yang akan mengolah
pemberian insentif bagi karyawan berdasarkan tingkat kinerja karyawan.
Perusahaan dalam memberikan insentif kepada karyawan akan melihat
bagaimana pola dari tingkat kinerja mereka. Dengan melihat pola tingkat kinerja dari
karyawan akan dapat diketahui siapa saja karyawan yang sesuai untuk diberi insentif.
Dengan menggunakan model fuzzy multi criteria decision making pada
penelitian ini akan memberikan bagaimana gambaran model untuk membangun sistem
menentukan perangkingan tingkat kinerja karyawan.
1.2.Perumusan Masalah
Berdasarkan latar belakang diatas, maka perumusan masalah adalah sebagai berikut: “Bagaimana Menentukan Tingkat Kinerja Karyawan dengan Menggunakan Metode Fuzzy Multi Criteria Decision Making”.
1.3. Batasan Masalah
1. Meneliti tingkat kinerja karyawan dengan mengunakan Fuzzy Multi Criteria
Decison Making.
2. Parameter yang digunakan dalam penilaian kinerja karyawan meliputi:
produktivitas, inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas
yang diemban, kemandirian, kerjasama dengan tim dalam pekerjaan, disiplin,
kejujuran, loyalitas.
3. Penilaian tingkat kinerja karyawan dikelompokkan dengan menggunakan
karyawan berdasarkan Fuzzy Multi Criteria Decision Making pada penentuan
kategori berdasarkan tingkat kinerja karyawa untuk menghitung insentif bagi
karyawan.
2. Tingkat kinerja karyawan dari hasil perhitungan FMCDM akan menjadi
masukan dalam perhitungan insentif karyawan.
1.5. Manfaat
1. Hasil penelitian ini bermanfaat bagi perusahaan untuk memberikan
penghargaan dan promosi jabatan bagi karyawan yang menunjukkan kinerja
yang baik.
2. Karyawan yang bekerja dengan baik akan mendapat tambahan bonus.
3. Menilai kinerja karyawan pada perusahaan berdasarkan parameter/kriteria
yang dibuat sehingga perusahaan dapat menilai karyawan-karyawan yang
BAB 2
TINJAUAN PUSTAKA
2. 1. Fuzzy Logic
Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori
ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia
kedalam suatu sistem. Seperti bagaimana suatu sistem dapat mengambil keputusan
berdasarkan sikap sosial dari manusia misalnya baik, cukup, kurang sehingga sistem
dapat bertindak berdasarkan pemberian nilai dari manusia ke sistem. Fuzzy logic
merupakan suatu teori himpunan logika yang dikembangkan untuk mengatasi konsep
nilai yang terdapat diantara kebenaran (truth) dan kesalahan (false). Dengan
menggunakan fuzzy logic nilai yang dihasilkan bukan hanya ya (1) atau tidak (0) tetapi
seluruh kemungkinan diantara 0 dan 1.
Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi
karakteristik sedemikian rupa hingga fungsi tersebut akan mencakup bilangan real
pada interval (0,1). Nilai keanggotaannya menunjukkan bahwa suatu item dalam
semesta pembicaraan tidak hanya berada pada 0 atau 1, tetapi juga nilai yang terletak
diantaranya (Cox & Zadeh, 1994) . Nilai kebenaran suatu item tidak hanya benar atau
salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada
nilai-nilai yang terletak antara benar dan salah. Himpunan fuzzy memiliki 2 atribut
(Kusumadewi, 2010), yaitu:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi
tertentu dengan menggunakan bahasa alami.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a. Variabel Fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy.
b. Himpunan Fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel.
c. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri
ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun
negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.
d. domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta
pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya
semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa
naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa
bilangan positif maupun negatif.
2.2. Fungsi Keanggotaan
Fungsi keanggotaan merupakan suatu kurva yang menunjukkan pemetaan titik-titik
input data kedalam nilai keanggotaanya (disebut juga dengan derajat keanggotaan)
yang memiliki interval antara 0 sampai 1. Untuk mendapatkan nilai keanggotaan
dapat menggunakan cara pendekatan fungsi.
Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol (0) bergerak ke kanan menuju nilai domain yang memiliki derajat
keanggotaan lebih tinggi (Gambar 2.1 ).
Kedua, penurunan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan satu (1) bergerak ke kanan menuju nilai domain yang memiliki derajat
Ketiga, Gabungan linear naik dan linear turun atau dalam bentuk kurva segitiga
(Gambar 2.3)
2.2.1. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaan nya digambarkan
sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik
untuk mendekati suatu konsep yang kurang jelas.
2.2.1.1 Representasi Linear Naik
Garis lurus dimulai dari domain dengan derajat keanggotaan terendah pada sisi kiri,
kemudian bergerak menaik ke nilai domain yang memiliki derajat keanggotaan lebih
tinggi.
Gambar 2.1 Representasi Linear Naik.
2.2.1.2 Representasi Linear Turun
Garis lurus dimulai dari domain dengan derajat keanggotaan tertinggi pada sisi kiri,
kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih
rendah.
Gambar 2.2 Representasi Linear Turun.
Fungsi Keanggotaan Linear Turun
2.2.1.3 Representasi Gabungan Linear Naik dan Turun/Kurva segitiga
Pada dasarnya merupakan gabungan antara 2 garis (linear) seperti terlihat pada gambar 2.3
Fungsi Keanggotaan kurva segitiga
2.3. Fuzzy Multi-Criteria Decision Making
Konsep FMCDM adalah sebuah metode pengambilan keputusan yang
mempertimbangkan beberapa alternatif dan kriteria pada sebuah situasi yang bersifat
fuzzy (Sousa & Kaymak 2002) dimana metode tersebut dapat membantu pengambil
keputusan dalam melakukan pengambilan keputusan terhadap beberapa alternatif
keputusan yang harus diambil dengan beberapa kriteria yang menjadi bahan
pertimbangan. Identifikasi kriteria dan alternatif keputusan dimodelkan terlebih
dahulu kedalam himpunan logika kabur( fuzzy logic) dalam bentuk fuzzy logic
segitiga. Nilai-nilai tersebut akan dibuat kedalam tabel rating kepentingan dan tabel
derajat kecocokan setiap kriteria.
Dari beberapa literatur yang mengindikasikan bahwa terdapat sejumlah
langkah yang harus ditempuh untuk mengaplikasikan FMCDM, yang diungkapkan
oleh Rao dan Rajesh (2009), Chesmberah et all (2011), Carlsson & Full’er (1996) dan
Chang & Wang (2008). Keempat artikel tersebut menyampaikan langkah-langkah
dalam penyelesaian FMCDM. Dengan mengadaptasi keempat artikel tersebut ada tiga
langkah dalam proses FMCDM yang harus dilakukan : representasi masalah, evaluasi
himpunan fuzzy pada setiap alternatif keputusan, dan melakukan seleksi terhadap
alternatif yang optimal.
2.2.2. Representasi Masalah
Pada bagian ini ada 3 aktivitas yang harus dilakukan, yaitu :
a. Identifikasi Tujuan dan kumpulan alternative keputusannya;
Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami atau
nilai numeris sesuai dengan karakteristik dari masalah tersebut. Jika ada n
alternative keputusan dari masalah, maka alternative-alternatif keputusan dari suatu
masalah, maka alternative-alternatif tersebut dapat ditulis sebagai A = {Ai |
b. Identifikasi kumpulan kriteria;
Jika k kriteria, maka dapat dituliskan C = {Ct | t=1,2,…,k}.
c. Membangun struktur hirarki dari masalah tersebut berdasarkan pertimbangan-
pertimbangan tertentu.
Gambar 2.3 Struktur Hierarki dari Keputusan
2.1 Evaluasi Himpunan Fuzzy
Pada bagian ini, ada 3 aktivitas yang harus dilakukan, yaitu :
a. Memilih himpunan rating untuk bobot kriteria, derajat kecocokan setiap alternatif
dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas 3
elemen, yaitu : variable linguistik (x) yang merepresentasikan bobot kriteria, dan
derajat kecocokan setiap alternatif dengan kriterianya ; T(x) yang
merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang
berhubungan dengan setiap elemen dari T(x).Misal, rating untuk bobot pada
Variabel Penting untuk suatu kriteria didefinisikan sebagai: T(penting)=
{SANGAT RENDAH, RENDAH, CUKUP, TINGGI, SANGAT TINGGI}.
Sesudah himpunan rating ini ditentukan, maka harus ditentukan fungsi
keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, Wt
kecocokan fuzzy dari alternatif Ai yang merepresentasikan derajat kecocokan
alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi
Sit dan Wt.
b. Mengevaluasi bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan
kriterianya; Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap
alternatif dengan kriterinya. Ada beberapa metode yang dapat digunakan untuk
melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara
lain : mean, median, max, min, dan operator campuran. Dari beberapa metode
tersebut, metode mean yang paling banyak digunakan. Dengan mengunakan
operator mean, Fi dirumuskan dengan :
Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit =
(oit, pit, qit); dan Wit = at,bt,ct); maka Ft dapat didekati sebagai :
c. Menyeleksi alternatif yang optimal
Menyeleksi alternatif yang optimal dengan memasukkan index kecocokan fuzzy ke
persamanaan :
Dimana F bilangan fuzzy segitiga : F (a,b,c)
Dan dengan mengambil derajat keoptimisan
α=0, ; tidak optimis α=0.5
BAB 3
METODOLOGI PENELITIAN
3.1 Representasi Masalah (Tahap Input Data )
Pengambilan Keputusan penentuan tingkat kinerja bagi karyawan dikelompokkan menjadi 3 kategori antara lain kelompok karyawan dengan kinerja tinggi, sedang, rendah.
Pengambilan Keputusan : Alternatif Keputusan Alternatif keputusan : Tinggi, Sedang, Rendah.
Parameter-parameter keputusan : Inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim
Setelah melalui proses fuzzy multi criteria decision making maka akan didapat kelompok kinerja karyawan antara lain kelompok karyawan dengan kinerja tinggi, sedang, rendah.
Penetapan Tujuan Keputusan : (pilihan tujuan masalah)
a. Pengelompokan hasil tingkat kinerja karyawan-karyawan yang telah terseleksi pada kategori kinerja Tinggi, Sedang, Rendah
b. Karyawan yang dinilai atau terpilih berdasarkan evaluasi dari kumpulan kriteria akan terseleksi dalam kategori kinerja Tinggi, Sedang, Rendah.
Identifikasi Tujuan : Tinggi, Sedang, Rendah A1=Tinggi.
Identifikasi Kriteria : Produktivitas, Inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim, loyalitas, kejujuran, disiplin
C1=produktivitas C2=Inisiatif
C3=Interpersonal Skill C4=Kualitas
C5=Pengetahuan akan tugas yg diemban C6=Kemandirian
Struktur Hierarki Keputusan :
Gambar 3.1 Struktur Hierarki Keputusan Pengelompokan nama-nama karyawan. Pengelompokan nama-nama
karyawan kedalam kategori
C1 C2 C3 C4 C5 C6 C7
Rendah(A3) Sedang(A2)
Tinggi (A1)
3.2 Evaluasi himpunan fuzzy dari identifikasi kriteria dan alternatif keputusan
Evaluasi himpunan fuzzy dari identifikasi kriteria dan alternatif keputusan
a. Variabel linguistik yang merepresentasikan bobot kepentingan setiap kriteria T(kepentingan PRODUKTIVITAS,KUALITAS,LOYALITAS)=
{TG=TINGGI, SDG1=SEDANG SDK1=SEDIKIT, KRG=KURANG}
T(kepentingan INISIATIF,KEMANDIRIAN=
{TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK}
T(kepentingan INTERPERSONAL SKILL, DISIPLIN, KEJUJURAN)= {SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG}
T(kepentingan PENGETAHUAN TUGAS YANG DIEMBAN)=
{M=MENGERTI,CM=CUKUP MENGERTI SBG=SEBAGIAN,TM=TIDAK MENGERTI}
T(kepentingan KERJASAMA TIM)=
{SRG=SERING, P=PERNAH, JRG=JARANG, TP=TIDAK PERNAH)
Yang disajikan dengan logika fuzzy segitiga dengan hasil sebagai berikut:
TA=(0,0,0.1)
b. Derajat kesesuaian alternatif dengan derajat kriteria keputusan T(kecocokan)=
{SB=SANGAT BAIK, B=Baik, C=Cukup, K=Kurang, SK=SANGAT KURANG}
Yang masing-masing disajikan dengan logika fuzzy segitiga sebagai berikut: SK = (0, 0.1, 0.2)
c. Perangkingan untuk setiap kriteria keputusan
Rating diberikan sesuai dengan hasil penilaian pada karyawan
Misalnya untuk karyawan si A rating kepentingannya didapat
Tabel 3.1. Rating kepentingan
d. Derajat setiap kesesuaian terhadap setiap kriteria
Misalnya untuk karyawan si Ali derajat kesesuaian kriteria didapat
Tabel 3.2. Derajat setiap kesesuaian terhadap kriteria
Alternatif Rating Kecocokan
a. Mengagregasikan bobot-bobot kriteria, dan derajat kecocokan setiap alternatif dengan kriterinya dengan menggunakan metode mean.
Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan
Wit = at,bt,ct); maka Ft dapat didekati sebagai berikut:
Dengan :
Maka karyawan si Ali dengan detail perhitungan sebagai berikut :
Pada alternatif A1:
Y1=(0.9x0.5)+(0.6x0.5)+(0.5x0.5)+(0.6x0.5)+(0.4x0.5)+(0.8x0.5)+(0.6x0.5)/7=.... =(0.45+0.3+0.25+0.3+0.2+0.4+0.3)/7=0.3143
Q1=(1x0.6)+(0.7x0.6)+(0.6x0.6)+(0.7x0.6)+(0.5x0.6)+(0.9x0.6)+(0.7x0.6)/7=... =(0.6+0.42+0.36+0.42+0.3+0.54+0.42)/7=0.3777
Z1=(1x0.7)+(0.8x0.7)+(0.7x1)+(0.8x0.7)+(0.6x0.7)+(1x0.7)+(0.8x0.7)=.. =(0.7+0.56+0.7+0.56+0.42+0.7+0.56)/7=0.6
Pada alternatif A2:
Y2=(0.9x0.4)+(0.6x0.5)+(0.5x0.7)+(0.6x+0.3)+(0.4x0.3)+(0.8x0.5)+(0.6x0.4)=.. =(0.36+0.3+0.45+0.18+0.12+0.45+0.24)/7=0.3
Q2=(1x0.5)+(0.7x0.6)+(0.6x0.8)+(0.7x0.4)+(0.5x0.4)+(0.9x0.6)+(0.7x0.5)=.. =(0.5+0.42+0.48+0.28+0.2+0.54+0.35)/7=0.3957
Z2=(1x0.6)+(0.8x0.7)+(0.7x0.6)+(0.8x0.7)+(0.6x0.5)+(1x0.5)+(0.8x0.6)=.. =(0.6+0.56+0.42+0.56+0.3+0.5+0.48)/7=0.4886
Pada alternatif A3:
Y3=(0.9x0.5)+(0.6x0.5)+(0.5x0.4)+(0.6x0.5)+(0.4x0.5)+(0.8x0.3)+(0.6x0.3)=.. =(0.45+0.3+0.2+0.3+0.2+0.24+0.18)/7=0.2671
Q3=(1x0.6)+(0.7x0.6)+(0.6x0.5)+(0.7x0.6)+(0.5x0.4)+(0.9x0.4)+(0.7x0.5)=.. =(0.6+0.42+0.3+0.42+0.2+0.36+0.35)/7=0.4071
Tabel 3.3. Rating kecocokan setiap alternatif karyawan si Ali.
Alternatif Rating Kecocokan
Indeks Fuzzy
C1 C2 C3 C4 C5 C6 C7 Y Q Z A1 B B B B B B B 0.3143 0.3777 0.6 A2 C B SB K K B C 0.3 0.3957 0.4886 A3 B B C B K K C 0.2671 0.4071 0.5028
Langkah 4. Menyeleksi alternatif yang optimal
Menyeleksi alternatif yang optimal dengan memasukkan index kecocokan fuzzy ke persamanaan :
Dimana F bilangan fuzzy segitiga : F (a,b,c) Dan dengan mengambil derajat keoptimisan α=0, ; tidak optimis
α=0.5
α=1, ; sangat optimis
maka didapat perhitungan sebagai berikut : derajat keoptimisan A1:
α=0
(F)=(0.5)((0*0.6)+0.3777+(1-0)*0.3143))= (F)=(0.5)((0)+0.3777+(1)*0.3143)=0.3460 α=0.5
(F)=(0.5)*((0.5*0.6)+0.3777+(1-0.5)*0.3143))= (F)=(0.5)*((0.3)+0.3777+(0.5)*0.3143=0.4174 α=1
derajat keoptimisan A2:
maka diperoleh nilai total integral untuk setiap alternatif dari karyawan si Ali
Tabel 3.4. Nilai total integral setiap alternatif
Alternatif Nilai Total Integral
α= 0 α = 0,5 α = 1
A1 (Tinggi) 0.3460 0.4174 0.4888 A2 (Sedang) 0.3478 0.3950 0.4422 A3 (Rendah) 0.3371 0.3961 0.4550
Dengan didapat nilai total integral setiap alternatif maka nilai terbesar dari alternatif menunjukkan seorang karyawan akan masuk ke kelompok tertentu.
3.4 Perancangan Sistem.
Adapun langka-langkah dalam perancangan sistem adalah sebagai berikut : 1. Tentukan tingkat kinerja karyawan antara lain: tinggi, sedang, rendah.
2. Tentukan kriteria bagi penentuan tingkat kinerja karyawa antara lain: produktifitas, inisiatif, interpersonal skill, kualitas, pengetahuan akan tugas, kemandirian, kerjasama tim, loyalitas, kejujuran, disiplin.
3. Tentukan struktur hirarki permasalahan. 4. Penentuan himpunan fuzzy kepentingan. 5. Penentuan himpunan fuzzy kesesuaian.
6. Tentukan rating kepentingan berdasarkan himpunan fuzzy kepentingan. 7. Tentukan derajat keanggotaan berdasarkan himpunan fuzzy kesesuaian. 8. Masukkan rating kepentingan karyawan si Ali pada kriteria.
9. Masukkan derajat kecocokan karyawan si Ali pada derajat kesesuaian terhadap kriteria.
10.Hitung derajat kecocokan setiap alternatif dengan kriterianya.
BAB 4
HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
Berdasarkan metodologi penelitian maka didapat hasil penelitian tentang penilaian tingkat kinerja karyawan menggunakan sistem yang telah dibangun dengan metode FMCDM (Fuzzy Multicriteria Decision Making). Pada sistem ini hanya ada satu pemakai yang akan memasukkan data dari hasil penilaian karyawan ke dalam form sistem program aplikasi dimana sistem ini akan menentukan tingkat kinerja karyawan berdasarkan kategori-kategori yang ada
4.1.1 Input Data
Adapun tampilan antar muka dari sistem ini adalah : 1. Form untuk mengisi rating kepentingan karyawan. 2. Form Derajat setiap kecocokan terhadap kriteria.
3. Form Rating kecocokan setiap alternatif karyawan dan derajat keoptimisan.
Proses diawali dengan form rating kepentingan yang disediakan dimana setelah nomor induk karyawan dan nama karyawan diisikan kemudian dilakukan pemilihan masing-masing bobot kepentingan pada 10 (sepuluh) combobox yang disediakan.
4.1.1.2Form untuk mengisi rating kepentingan karyawan
Gambar 4.1 Form untuk mengisi rating kepentingan karyawan
Form untuk mengisi bagi proses rating kepentingan karyawan yang memiliki komponen-komponen yang terdiri atas 2(dua) textfield, 10(sepuluh) combobox, dan 1(satu) button dengan perincian sebagai berikut:
1. Nomor Induk Karyawan, jenis field textbox.
2. Nama karyawan, jenis field textbox.
Untuk masukan Nama Karyawan yang akan diproses rating kepentingannya. 3. Produktifitas (C1), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- TG=TINGGI, SDG1=SEDANG, SDK1=SEDIKIT, KRG=KURANG. 4. Inisiatif (C2), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK. 5. Kecakapan Antar Personal (C3), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- SB=SANGAT BAIK, B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.
6. Kualitas (C4), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- TG=TINGGI, SDG1=SEDANG, SDK1=SEDIKIT, KRG=KURANG. 7. Kemandirian (C6), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- TA=TIDAK ADA, SDK2=SEDIKIT, SDG2=SEDANG, BYK=BANYAK. 8. Pengetahuan Tugas yang Akan Diemban (C7), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
9. Loyalitas (C8), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- TGL=LOYAL TINGGI, CKPL=CUKUP LOYAL, KRGL=KURANG LOYAL, TDL=TIDAK LOYAL.
10.Kejujuran (C9), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.
11.Disiplin (C10), jenis combobox.
Untuk menampilkan kelompok pilihan dari bobot kepentingan yang terdiri atas :
- SB=SANGAT BAIK,B=BAIK, C=CUKUP, K=KURANG, SK=SANGAT KURANG.
12.Tombol OK.
Setelah semua rating kepentingan pada combobox dipilih maka dengan ditekannya tombol OK akan memproses halaman form rating kepentingan ke halaman form derajat setiap kecocokan terhadap kriteria.
Form derajat setiap kecocokan terhadap kriteria memiliki komponen-komponen 30(tiga puluh) combo box dan 1(satu) tombol button dengan perincian sebagai berikut:
1. Kategori Produktifitas (C1) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
2. Kategori Inisiatif (C2) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
4. Kategori Kualitas (C4) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
5. Kategori Produktifitas (C1) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
6. Kategori Kemandirian (C5) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
7. Kategori Pengetahuan Tugas Yang Akan Diemban (C6) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
8. Kategori Kerjasama Tim (C7) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
9. Kategori Loyalitas (C8) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
10.Kategori Kejujuran (C9) terdapat 3(tiga) bagian combobox. Pilihan dari isi combobox=Sangat Baik(SB), Baik(B), Cukup(C), Kurang(K), Sangat Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
Kurang(SK) yang nantinya akan dihubungkan dengan derajat kecocokan kriteria (Tinggi(A1),Sedang(A2),Rendah(A3)).
12.Tombol OK yang berisi pemrosesan ke form rating kecocokan setiap alternatif karyawan dan derajat keoptimisan dimana data dari form derajat setiap kecocokan terhadap kriteria akan dikirim ke form tersebut.
Form rating kecocokan setiap alternatif karyawan dan derajat keoptimisan berisi 6(enam) field textbox yang terdiri dari 2(dua) bagian, bagian pertama untuk menampilkan nilai dari rating kecocokan, bagian kedua untuk menampilkan nilai total setiap integral alternatif .
Misalkan karyawan si Ali dengan rating kepentingan sebagai berikut
4.1.1.3 Derajat Setiap Kecocokan Terhadap Kriteria
Setelah didapat rating kepentingan maka selanjutnya ditentukan derajat setiap kecocokan terhadap kriteria
Gambar 4.3 Derajat Setiap Kecocokan Terhadap Kriteria Penjelasan.
4.1.1.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan
Derajat keoptimisan yang didapat dari karyawan Ali adalah sebagai berikut
Gambar 4.4 Derajat Keoptimisan Setiap Alternatif Karyawan dan Derajat Keoptimisan
Derajat alpha=0 adalah: tidak optimis Derajat alpha=0.5 adalah: optimis Derajat alpha=1 adalah: sangat optimis
4.2. Pembahasan
Untuk menentukan tingkat kinerja karyawan si Ali terlebih dahulu dilakukan pemberian rating kepentingan kepada karyawan melalui representasi keadaan identifikasi jenis pekerjaan kriteria dengan kalimat tertentu atau variabel linguistik antara lain :
C1=produktivitas C2=Inisiatif
C3=Interpersonal Skill C4=Kualitas
C5=Pengetahuan akan tugas yg diemban C6=Kemandirian
C7=Kerjasama tim C8=Loyalitas C9=Kejujuran C10=Disiplin
intensitas dari indentifikasi jenis pekerjaan semakin menguat/menaik atau melemah/menurun.
Tabel 4.1 Rating kepentingan karyawan si Ali
Kriteria
Setelah rating kepentingan karyawan didapat maka selanjutnya menetukan sejauh mana derajat kesesuaian terhadap setiap kriteria tingkat kinerja karyawan tersebut. Derajat kesesuaian representasikan terhadap kriteria kinerja tinggi, kinerja sedang, kriteria rendah dengan Sangat Baik, Baik, Cukup, Kurang, Sangat Kurang. Hal ini akan mewakili bagaimana intensitas dari derajat kesesuaian dari setiap identifikasi jenis pekerjaan untuk penilaian dari karyawan terhadap tingkat kinerja tinggi,kinerja sedang,kinerja rendah akan semakin menguat/menaik, semakin lemah/menurun atau bahkan tidak ada. Derajat setiap kesesuaian terhadap kriteria dimodelkan terlebih dahulu kedalam himpunan logika kabur( fuzzy logic) bentuk fuzzy logic segitiga.
Tabel 4.2 Derajat kecocokan terhadap setiap kriteria
Setelah derajat kecocokan terhadap kriteria telah ditentukan, selanjutnya adalah melakukan agregasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif kriterianya dengan metode mean (referensi_)
Dengan cara mensubstitusikan Sit dan Wt dengan bilangan fuzzy segitiga, yaitu Sit = (oit, pit, qit); dan Wit = at,bt,ct); maka Ft dapat didekati sebagai berikut:
Dengan
...persamaan (1)
Maka karyawan si Ali dengan detail perhitungan sebagai berikut :
Kriteria
Maka dengan rumus diatas didapat perhitungan Untuk tingkat kinerja A1 (tinggi):
Y3=((0.9 x 0.5) + (0.5 x 0.5) + (0.5 x 0.4) + (0.6 x 0.5) + (0.8 x 0.5) + (0.4 x 0.5) + (0.6 x 0.4) + (0.9 x 0.5 ) + (0.4 x 0.5) + (0.6 x 0.4))/10=0.233
Q3=((1 x 0.6) + (0.6 x 0.6) + (0.6 x 0.5) + (0.7 x 0.6) + (0.9 x 0.6) + (0.5 x 0.6) + (0.7 x 0.5) + (1 x 0.6) + (0.5 x 0.6) + (0.7 x 0.5))/10=0.316
Tabel 4.5 Hasil agregasi antara rating kepentingan dengan derajat kecocokan
Adapun maksud dan tujuan diagregasikan antara nilai-nilai logika fuzzy bentuk segitiga rating kepentingan dengan derajat kecocokan untuk menjadi total nilai rata-rata nilai dari bilangan fuzzy bentuk segitiga dalam hal ini diwakili dengan variabel Yi, Xi,Zi, i=1,2,3 dimana Y1,Q1,Z1 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A1(kinerja tinggi), Y2,Q2,Z2 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A2(kinerja sedang) dan Y3,Q3,Z3 untuk total nilai rata-rata logika fuzzy bentuk segitiga antara rating kepentingan dengan derajat kecocokan A3 (kinerja rendah) yang akan menjadi dasar dalam menghitung derajat keoptimisan karyawan dari 3 (tiga) tingkat kinerja yang ditentukan.
Setelah nilai rata-rata bilangan fuzzy bentuk segitiga Yi, Qi, Zi, i=1,2,3 didapat maka digunakan derajat keoptimisan untuk menyeleksi tingkat kinerja yang optimal dari karyawan si A dengan memasukkan index kecocokan fuzzy ke persamanaan :
...persamaan (2) Dimana F bilangan fuzzy segitiga : F (a,b,c) Dan dengan mengambil derajat keoptimisan
α=0, ; tidak optimis
α=0.5 ; optimis
α=1, ; sangat optimis
Tabel 4.6 Nilai total integral karyawan si Ali
Tingkat kinerja
Nilai Total Integral
α= 0 α = 0,5 α = 1
A1 (Tinggi) 0.3355 0.3903 0.3975 A2 (Sedang) 0.292 0.3446 0 A3 (Rendah) 0.2745 0.3173 0.36
Adapun maksud dan tujuan dari derajat keoptimisan yang dipakai untuk menentukan pada tingkat kinerja karyawan dari 3(tiga) tingkat kinerja yang diajukan. Terdapat tiga parameter yang alpha=0, alpha=0.5, alpha=1 untuk melihat seberapa besar keoptimisan tingkat kinerja karyawan dari 3 (tiga) tingkat kinerja yang ditentukan. Berdasarkan tabel diatas setelah nilai integral karyawan si Ali terlihat nilai integral tertinggi berada pada kolom alpha=1 baris A1 (Tinggi). Dengan demikian karyawan si Ali sangat optimis pada tingkat kinerja tinggi.
BAB 5
KESIMPULAN DAN SARAN
5.1Kesimpulan
Berdasarkan hasil pembahasan penilaian tingkat kinerja karyawan dengan
menggunakan aplikasi metode FMCDM (Fuzzy Multicriteria Decision Making)
didapat kesimpulan sebagai berikut :
1. Metode FMCDM yang digunakan dapat menjadi alat bantu untuk menentukan
tingkat kinerja karyawan bagi perusahaan sehingga didapat bagaimana pola
kerja karyawan.
2. Dengan penggunaan metode FMCDM maka didapat karyawan yang akan
terkelompokkan sesuai dengan kategori yang diajukan.
3. Karena kriteria yang digunakan untuk menunjang keputusan yang dibuat
berdasarkan kalimat dimana ketidakpastian nilai ukuran dari kalimat variabel
linguistik tersebut misalnya kalimat baik, buruk, tinggi, sedang, kurang maka
direpresentasikan dengan logika fuzzy model segitiga sehingga didapat rentang
nilai dari masing-masing kalimat tersebut.
4. Rentang nilai tersebut akan menjadi masukan dalam agregasi bobot-bobot
kriteria dan derajat kecocokan setiap alternatif sehingga dapat ditentukan
derajat keoptimisan dari karyawan yang dimaksud pada masing-masing
alternatif-alternatif yang diajukan.
5.2Saran
Program aplikasi untuk dapat dikembangkan lebih lanjut sehingga program
DAFTAR PUSTAKA
Carlsson, C. Full´er, R. 1996. Fuzzy Multiple Criteria Decision Making: Recent
Developments. Fuzzy Sets and Systems78:139-153.
Chang, T.-H. Wang, T.-C. 2008. Using the fuzzy multi-criteria decision making
approach for measuring the possibility of successful knowledge
management. Information Sciences, Elsevier:355-370.
Chesmberah, M. Makui, A. Seyedhoseini, S.M. Gheidar-Kheljani, J. 2011. A
Framework Including Product Life Cycle Considerations and Fuzzy
Multiple Criteria for Manufacturing Outsourcing Decision-Making: A
Case Study. International Bulletin of Business Administration, Euro
Journals12:28-40.
Cox, El. Zadeh, L. 1994. The Fuzzy System Handbook, McGraw-Hill: London.
Kahraman, C. 2008. Fuzzy Multi Criteria Decision Making, Theory Application with
Recent Documents. Springer : Istanbul.
Klir, G.J. Bo,Y. 1995. Fuzzy Sets and Fuzzy Logic, Theory and Applications, Prentice
Hall PTR : New Jersey.
Kusumadewi, Sri. 2010. Aplikasi Logika Fuzzy, Graha Ilmu:Jakarta
Lee, H.-S. Shen, P. -D. & Chis, W. -Li. 2004. A Fuzzy Multiple Criteria Decision
Making Model for Software Selection. IEEE40:1709-1713
Rao, R.V. Rajesh, T.S. 2009. Sofware Selection in Manufacturing Industries Using a
Fuzzy Multiple Criteria Decision Making Method. Intelligent Information
Management1:159-165.
Sousa, J.M.C. Kaymak, U. 2002. Fuzzy Decision Making In Modeling And Control,
Mainland Press: Singapore.
DAFTAR PUBLIKASI KARYA ILMIAH
Judul Artikel Penulis Publikasi Waktu
Publikasi Tempat
Penentuan
Tingkat
Kinerja
Karyawan
Pada PT.XYZ
Dengan
Menggunakan
Metode Fuzzy
Multicriteria
Decision
Making
Dedy Irwan Seminar
Nasional
Teknologi
Informasi &
Komunikasi.
Vol.2 jilid 2.
ISBN
978-602-19837-6-8
Kode program form rating kepentingan
Private Sub Command1_Click()
derajat_frm.Show
rating_frm.Hide
End Sub
Private Sub disiplin_cmb_Click()
Select Case disiplin_cmb.ListIndex
Case 0
'tg'
c10_a = 0.9
c10_b = 1
c10_c = 1
Case 1
'sdg3'
c10_a = 0.6
c10_b = 0.7
c10_c = 0.8
Case 2
'sdk3'
c10_a = 0.3
c10_b = 0.4
c10_c = 0.5
Case 3
'krg3'
c10_a = 0
c10_b = 0.1
c10_c = 0.2
MsgBox "Not"
End Select
End Sub
Private Sub Form_Load()
produk_cmb.AddItem "Tinggi (TG)", 0
produk_cmb.AddItem "Sedang (SDG2)", 1
produk_cmb.AddItem "Sedikit (SDK2)", 2
produk_cmb.AddItem "Kurang (KRG)", 3
inisiatif_cmb.AddItem "Banyak (BYK)", 0
inisiatif_cmb.AddItem "Sedang (SDG2)", 1
inisiatif_cmb.AddItem "Sedikit (SDK2)", 2
inisiatif_cmb.AddItem "Tidak Ada (TA)", 3
kecakapan_cmb.AddItem "Sangat Baik (SB)", 0
kecakapan_cmb.AddItem "Baik (B)", 1
kecakapan_cmb.AddItem "Cukup (C)", 2
kecakapan_cmb.AddItem "Kurang (K)", 3
kecakapan_cmb.AddItem "Sangat Kurang (SK)", 4
kualitas_cmb.AddItem "Tinggi (TG)", 0
kualitas_cmb.AddItem "Sedang (SDG1)", 1
kualitas_cmb.AddItem "Sedikit (SDK1)", 2
kualitas_cmb.AddItem "Kurang (KRG)", 3
mandiri_cmb.AddItem "Banyak (BYK)", 0
mandiri_cmb.AddItem "Sedang (SDG1)", 1
mandiri_cmb.AddItem "Tidak Ada (TA)", 3
tugas_cmb.AddItem "Mengerti (M)", 0
tugas_cmb.AddItem "Sebagian (SBG)", 1
tugas_cmb.AddItem "Cukup Mengerti (CM)", 2
tugas_cmb.AddItem "Tidak Mengerti (TM)", 3
kerjasama_cmb.AddItem "Sering (SRG)", 0
kerjasama_cmb.AddItem "Pernah (P)", 1
kerjasama_cmb.AddItem "Jarang (JRG)", 2
kerjasama_cmb.AddItem "Tidak Pernah (TP)", 3
loyalitas_cmb.AddItem "Tinggi (TGL)", 0
loyalitas_cmb.AddItem "Cukup (CKPL)", 1
loyalitas_cmb.AddItem "Kurang (KRGL)", 2
loyalitas_cmb.AddItem "Tidak (TDKL)", 3
jujur_cmb.AddItem "Tinggi (TGJ)", 0
jujur_cmb.AddItem "Cukup (CKJ)", 1
jujur_cmb.AddItem "Sedikit (SKJ)", 2
jujur_cmb.AddItem "Kurang (KRGJ)", 3
disiplin_cmb.AddItem "Tinggi (TG3)", 0
disiplin_cmb.AddItem "Sedang (SDG3)", 1
disiplin_cmb.AddItem "Sedikit (SDK3), 2"
disiplin_cmb.AddItem "Kurang (KRG3)", 3
Private Sub inisiatif_cmb_Click()
Select Case inisiatif_cmb.ListIndex
Case 0
'byk'
c2_a = 0.8
c2_b = 0.9
c2_c = 1
Case 1
'sdg2'
c2_a = 0.5
c2_b = 0.6
c2_c = 0.7
Case 2
'sdk2'
c2_a = 0.2
c2_b = 0.3
c2_c = 0.4
Case 3
'ta'
c2_a = 0
c2_b = 0.1
c2_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Select Case jujur_cmb.ListIndex
Case 0
'tgj'
c9_a = 0.7
c9_b = 0.8
c9_c = 0.9
Case 1
'ckj'
c9_a = 0.4
c9_b = 0.5
c9_c = 0.6
Case 2
'sdkj'
c9_a = 0.1
c9_b = 0.2
c9_c = 0.3
Case 3
'krgj'
c9_a = 0
c9_b = 0
c9_c = 0
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub kecakapan_cmb_Click()
Select Case kecakapan_cmb.ListIndex
Case 0
c3_a = 0.7
c3_b = 0.8
c3_c = 1
Case 1
'b'
c3_a = 0.5
c3_b = 0.6
c3_c = 0.7
Case 2
'c'
c3_a = 0.4
c3_b = 0.5
c3_c = 0.6
Case 3
'k'
c3_a = 0.3
c3_b = 0.4
c3_c = 0.5
Case 4
'sk'
c3_a = 0
c3_b = 0.1
c3_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub kerjasama_cmb_Click()
Case 0
'srg'
c7_a = 0.9
c7_b = 0.9
c7_c = 1
Case 1
'p'
c7_a = 0.6
c7_b = 0.7
c7_c = 0.8
Case 2
'jrg'
c7_a = 0.3
c7_b = 0.4
c7_c = 0.5
Case 3
'tp'
c7_a = 0
c7_b = 0.1
c7_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub kualitas_cmb_Click()
Select Case kualitas_cmb.ListIndex
Case 0
'tg'
c4_b = 1
c4_c = 1
Case 1
'sdg1'
c4_a = 0.6
c4_b = 0.7
c4_c = 0.8
Case 2
'sdk1'
c4_a = 0.3
c4_b = 0.4
c4_c = 0.5
Case 3
'krg'
c4_a = 0
c4_b = 0.1
c4_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub loyalitas_cmb_Click()
Select Case loyalitas_cmb.ListIndex
Case 0
'tgl'
c8_a = 0.9
c8_b = 0.8
c8_c = 0.7
'ckpl'
c8_a = 0.4
c8_b = 0.5
c8_c = 0.6
Case 2
'krgl'
c8_a = 0.1
c8_b = 0.2
c8_c = 0.3
Case 3
'tdl'
c8_a = 0
c8_b = 0
c8_c = 0
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub mandiri_cmb_Click()
Select Case mandiri_cmb.ListIndex
Case 0
'byk'
c5_a = 0.8
c5_b = 0.9
c5_c = 1
Case 1
'sdg1'
c5_b = 0.6
c5_c = 0.7
Case 2
'sdk1'
c5_a = 0.2
c5_b = 0.3
c5_c = 0.4
Case 3
'ta'
c5_a = 0
c5_b = 0.1
c5_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub produk_cmb_Click()
Select Case produk_cmb.ListIndex
Case 0
'tg'
c1_a = 0.9
c1_b = 1
c1_c = 1
Case 1
'sdg2'
c1_a = 0.6
c1_b = 0.7
c1_c = 0.8
'sdk2'
c1_a = 0.3
c1_b = 0.4
c1_c = 0.5
Case 3
'krg'
c1_a = 0
c1_b = 0.1
c1_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub tugas_cmb_Click()
Select Case tugas_cmb.ListIndex
Case 0
'm'
c6_a = 0.7
c6_b = 0.8
c6_c = 0.9
Case 1
'cm'
c6_a = 0.4
c6_b = 0.5
c6_c = 0.6
Case 2
'sbg'
c6_b = 0.2
c6_c = 0.3
Case 3
'tm'
c6_a = 0
c6_b = 0
c6_c = 0
Case Else
MsgBox "Not"
End Select
Kode program form derajat kecocokan setiap kriteria
Private Sub C1_kepA1_cmb_Click()
Select Case C1_kepA1_cmb.ListIndex
Case 0
'SB'
ktrC1A1_a = 0.7
ktrC1A1_b = 0.8
ktrC1A1_c = 1
Case 1
'B'
ktrC1A1_a = 0.5
ktrC1A1_b = 0.6
ktrC1A1_c = 0.7
Case 2
'C'
ktrC1A1_a = 0.4
ktrC1A1_b = 0.5
ktrC1A1_c = 0.6
Case 3
'K'
ktrC1A1_a = 0.3
ktrC1A1_b = 0.4
ktrC1A1_c = 0.5
Case 4
'SK'
ktrC1A1_a = 0
ktrC1A1_b = 0.1
ktrC1A1_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C1_kepA3_cmb_Click()
Select Case C1_kepA3_cmb.ListIndex
Case 0
'SB'
ktrC1A3_a = 0.7
ktrC1A3_b = 0.8
ktrC1A3_c = 1
Case 1
'B'
ktrC1A3_a = 0.5
ktrC1A3_b = 0.6
ktrC1A3_c = 0.7
Case 2
'C'
ktrC1A3_a = 0.4
ktrC1A3_b = 0.5
ktrC1A3_c = 0.6
Case 3
'K'
ktrC1A3_a = 0.3
ktrC1A3_b = 0.4
ktrC1A3_c = 0.5
Case 4
'SK'
ktrC1A3_b = 0.1
ktrC1A3_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub Command1_Click()
rating_cocok_frm.Show
derajat_frm.Hide
End Sub
Private Sub C2_kepA1_cmb_Click()
Select Case C2_kepA1_cmb.ListIndex
Case 0
'SB'
ktrC2A1_a = 0.7
ktrC2A1_b = 0.8
ktrC2A1_c = 1
Case 1
'B'
ktrC2A1_a = 0.5
ktrC2A1_b = 0.6
ktrC2A1_c = 0.7
Case 2
'C'
ktrC2A1_a = 0.4
ktrC2A1_c = 0.6
Case 3
'K'
ktrC2A1_a = 0.3
ktrC2A1_b = 0.4
ktrC2A1_c = 0.5
Case 4
'SK'
ktrC2A1_a = 0
ktrC2A1_b = 0.1
ktrC2A1_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C2_kepA2_cmb_Click()
Select Case C2_kepA2_cmb.ListIndex
Case 0
'SB'
ktrC2A2_a = 0.7
ktrC2A2_b = 0.8
ktrC2A2_c = 1
Case 1
'B'
ktrC2A2_a = 0.5
ktrC2A2_b = 0.6
ktrC2A2_c = 0.7
Case 2
ktrC2A2_a = 0.4
ktrC2A2_b = 0.5
ktrC2A2_c = 0.6
Case 3
'K'
ktrC2A2_a = 0.3
ktrC2A2_b = 0.4
ktrC2A2_c = 0.5
Case 4
'SK'
ktrC2A2_a = 0
ktrC2A2_b = 0.1
ktrC2A2_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C2_kepA3_cmb_Click()
Select Case C2_kepA3_cmb.ListIndex
Case 0
'SB'
ktrC2A3_a = 0.7
ktrC2A3_b = 0.8
ktrC2A3_c = 1
Case 1
'B'
ktrC2A3_a = 0.5
ktrC2A3_b = 0.6
Case 2
'C'
ktrC2A3_a = 0.4
ktrC2A3_b = 0.5
ktrC2A3_c = 0.6
Case 3
'K'
ktrC2A3_a = 0.3
ktrC2A3_b = 0.4
ktrC2A3_c = 0.5
Case 4
'SK'
ktrC2A3_a = 0
ktrC2A3_b = 0.1
ktrC2A3_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C3_kepA1_cmb_Click()
Select Case C3_kepA1_cmb.ListIndex
Case 0
'SB'
ktrC3A1_a = 0.7
ktrC3A1_b = 0.8
ktrC3A1_c = 1
Case 1
'B'
ktrC3A1_b = 0.6
ktrC3A1_c = 0.7
Case 2
'C'
ktrC3A1_a = 0.4
ktrC3A1_b = 0.5
ktrC3A1_c = 0.6
Case 3
'K'
ktrC3A1_a = 0.3
ktrC3A1_b = 0.4
ktrC3A1_c = 0.5
Case 4
'SK'
ktrC3A1_a = 0
ktrC3A1_b = 0.1
ktrC3A1_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C3_kepA2_cmb_Click()
Select Case C3_kepA2_cmb.ListIndex
Case 0
'SB'
ktrC3A2_a = 0.7
ktrC3A2_b = 0.8
ktrC3A2_c = 1
'B'
ktrC3A2_a = 0.5
ktrC3A2_b = 0.6
ktrC3A2_c = 0.7
Case 2
'C'
ktrC3A2_a = 0.4
ktrC3A2_b = 0.5
ktrC3A2_c = 0.6
Case 3
'K'
ktrC3A2_a = 0.3
ktrC3A2_b = 0.4
ktrC3A2_c = 0.5
Case 4
'SK'
ktrC3A2_a = 0
ktrC3A2_b = 0.1
ktrC3A2_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C3_kepA3_cmb_Click()
Select Case C3_kepA3_cmb.ListIndex
Case 0
'SB'
ktrC3A3_a = 0.7
ktrC3A3_c = 1
Case 1
'B'
ktrC3A3_a = 0.5
ktrC3A3_b = 0.6
ktrC3A3_c = 0.7
Case 2
'C'
ktrC3A3_a = 0.4
ktrC3A3_b = 0.5
ktrC3A3_c = 0.6
Case 3
'K'
ktrC3A3_a = 0.3
ktrC3A3_b = 0.4
ktrC3A3_c = 0.5
Case 4
'SK'
ktrC3A3_a = 0
ktrC3A3_b = 0.1
ktrC3A3_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C4_kepA1_cmb_Click()
Select Case C4_kepA1_cmb.ListIndex
Case 0
ktrC4A1_a = 0.7
ktrC4A1_b = 0.8
ktrC4A1_c = 1
Case 1
'B'
ktrC4A1_a = 0.5
ktrC4A1_b = 0.6
ktrC4A1_c = 0.7
Case 2
'C'
ktrC4A1_a = 0.4
ktrC4A1_b = 0.5
ktrC4A1_c = 0.6
Case 3
'K'
ktrC4A1_a = 0.3
ktrC4A1_b = 0.4
ktrC4A1_c = 0.5
Case 4
'SK'
ktrC4A1_a = 0
ktrC4A1_b = 0.1
ktrC4A1_c = 0.2
Case Else
MsgBox "Not"
End Select
End Sub
Private Sub C4_kepA2_cmb_Click()
Case 0
'SB'
ktrC4A2_a = 0.7
ktrC4A1_b = 0.8
ktrC4A1_c = 1
Case 1
'B'
ktrC4A1_a = 0.5
ktrC4A1_b = 0.6
ktrC4A1_c = 0.7
Case 2
'C'
ktrC4A1_a = 0.4
ktrC4A1_b = 0.5
ktrC4A1_c = 0.6
Case 3
'K'
ktrC4A1_a = 0.3
ktrC4A1_b = 0.4
ktrC4A1_c = 0.5
Case 4
'SK'
ktrC4A1_a = 0
ktrC4A1_b = 0.1
ktrC4A1_c = 0.2
Case Else
MsgBox "Not"
End Select
Private Sub C4_kepA3_cmb_Click()
Select Case C4_kepA3_cmb.ListIndex