SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KARYAWAN TERBAIK PADA TIBUMI RUMAH KOPI DEPOK MENGGUNAKAN
METODE SAW (SIMPLE ADDITIVE WEIGHTING)
NASKAH PUBLIKASI
diajukan oleh
Anjar Kusworo 13.12.7548
kepada
FAKULTAS ILMU KOMPUTER UNIVERSITAS AMIKOM YOGYAKARTA
YOGYAKARTA
2017
1
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN KARYAWAN TERBAIK PADA TIBUMI RUMAH KOPI DEPOK MENGGUNAKAN
METODE SAW (SIMPLE ADDITIVE WEIGHTING)
Anjar Kusworo
1), Bambang Sudaryatno
)1,2)
Sistem Informasi Universitas AMIKOM Yogyakarta
Jl Ringroad Utara, Condongcatur, Depok, Sleman, Yogyakarta Indonesia 55283 Email : [email protected] 1), bambang_s @amikom. ac.id2) Abstract - Tibumi Rumah Kopi Depok is committed to
serve consumers as well as possible. Each month wants to reward employees who are considered to have the best performance. But in the selection of the best employees periodically is still done by manual selection and the system is not computerized.
In decision making, sometimes people give subjective assessments. To help assist managers in decision-making, a decision support system is needed to select the best employees. In this research will be appointed a case of finding the best employee based on criteria that have been determined by using method SAW (Simple Additive Weighting).
The research is done by finding the weight value for each attribute, then done the ranking process that will determine the optimal alternative, the best employees. With the ranking, the manager is easier to evaluate the performance of employees.
Keywords - Decision Support System, Best Employee, Tibumi Rumah Kopi, Simple Additive Weighting 1. Pendahuluan
1.1 Latar Belakang
Perkembangan teknologi pada era globalisasi saat ini dapat dikatakan begitu pesat. Banyak teknologi yang dikembangkan untuk membantu proses bisnis pada suatu perusahaan ataupun organisasi. Termasuk sistem informasi yang begitu dibutuhkan perusahaan untuk melancarkan proses jalannya bisnis yang dilakukan.
Salah satu contoh teknologi sistem informasi yang digunakan perusahaan adalah sistem penunjang keputusan.
Sistem pendukung keputusan merupakan proses alternatif tindakan untuk mencapai suatu tujuan atau sasaran tertentu. Ada beberapa metode yang dapat digunakan antara lain : metode AHP (Analytical Hierarchy Process) dengan mengunakan perbandingan alternatif, metode GAP atau Profile Matching dengan mengasumsikan bahwa terdapat tingkatan variabel predictor yang ideal, metode TOPSIS dengan mencari jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris, metode WP (Weighted Product) dengan cara perkalian untuk menghubungkan rating atribut, ataupun metode
SAW (Simple Additive Weighting) dengan penjumlahan terbobot.
Tibumi Rumah Kopi berdiri pada awal tahun 2016 tepatnya bulan Januari, berkomitmen untuk melayani konsumen dengan sebaik mungkin. Maka Tibumi ingin memberikan penghargaan kepada karyawan yang dinilai memiliki kinerja paling baik setiap bulannny. Namun saatini Tibumi belum memiliki suatu sistem penilaian yag terkomputerisasi untuk dapat menyelesaikan permasalahan tersebut sehingga dibutuhkan suatu solusi untuk mengatasinya.
Berdasarkan uraian di atas penulis sangat tertarik untuk mengimplementasikan sistem pendukung keputusan dalam pemilihan karyawan terbaik di Tibumi Rumah Kopi tersebut dengan judul skripsi “Sistem Pendukung Keputusan untuk Pemilihan Karyawan Terbaik Pada Tibumi Rumah Kopi Depok dengan Menggunakan Metode SAW (Simple Additive Weighting)”. Metode SAW dipilih karena kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan dan juga sesuai rekomendasi dari pihak Tibumi Rumah Kopi.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan diatas, maka dapat diperoleh rumusan masalah dari penelitian ini, yaitu: “Bagaimana membuat aplikasi sistem pendukung keputusan menggunakan metode Simple Additive Weighting untuk pemilihan karyawan terbaik pada Tibumi Rumah Kopi Depok ?”
1.3 Batasan Masalah
Beberapa batasan masalah yang digunakan dalam penelitian ini adalah sebagai berikut :.
1. Menggunakan metode Simple Additive Weighting (SAW).
2. Database yang digunakan adalah phpmyadmin XAMPP dan menggunakan bahasa pemrograman PHP.
3. Rancangan sistem mengelola input data dari para karyawan yang bekerja dan memiliki hak akses di Tibumi Rumah Kopi Depok.
4. Menghasilkan usulan untuk pengambilan keputusan berupa laporan ranking penilaian karyawan dari beberapa kriteria yang telah ditentukan.
2 1.4 Tujuan Penelitian
Sesuai dengan masalah yang telah dirumuskan dan telah diidentifikasi maka tujuan dari penelitian ini adalah:
1. Membuat sebuah sistem pendukung keputusan dengan metode Simple Additive Weighting (SAW) untuk menentukan pemilihan karyawan terbaik dengan kriteria-kriteria yang telah ditentukan.
2. Untuk memberikan alternatif – alternatif solusi yang dapat membantu pengambilan keputusan manajer Tibumi dalam menentukan karyawan terbaik setiap bulannya.
1.5 Metode Pengumpulan Data
Metode pengumpulan data didapatkan dengan langkah-langkah:
1. Metode Observasi (Pengamatan)
Metode pengumpulan data dengan cara melakukan pengamatan secara langsung terhadap proses yang terjadi dalam situasi yang sebenarnya pada Saung Bu Mansur Banjarnegara.
2. Metode Kepustakaan
Metode pengumpulan data dengan cara membaca buku-buku laporan skripsi, catatan kuliah dan sumber lain yang berhubungan dengan masalah yang akan diteliti untuk mendapatkan informasi yang diperlukan. Metode studi pustaka dapat diperoleh dari perpustakan, buku milik pribadi, atau internet
2. Landasan Teori 2.1 Tinjauan Pustaka
Isna Zahrotul Fu’ad (2015) dalam Jurnalnya berjudul Perancangan Sistem pendukung Keputusan untuk Menentukan Karyawan Terbaik Menggunakan Metode Simple Additive Weighting Pada PT. Patra Nur Alaska. Dalam penelitian ini program sistem pendukung keputusan yang dibuat menggunakan metode SAW dan bahasa pemrograman PHP. Output dari sistem ini berupa data hasil penilaian karyawan diurutkan berdasarkan hasil penilaian yang teritnggi.[1]
2.2 Sistem Pendukung Keputusan
Dari buku “Sistem Pendukung Keputusan”, Dr.
Kusrini (2007) memberikan definisi sistem pendukung keputusan (SPK) atau Decisison Support System merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan, dan pemanipulasi data. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tidak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat. [2]
Buku “Sistem Pendukung Keputusan” yang ditulis oleh Dr. Kusrini (2007) juga merumuskan konsep Arsitektur Sistem Pendukung Keputusan. Dikatakan bahwa aplikasi sistem pendukung keputusan bisa terdiri dari beberapa subsistem yaitu:
1. Subsistem Manajemen Data
2. Subsistem Manajemen Model 3. Subsistem Antarmuka Pengguna
4. Subsistem manajemen berbasis-pengetahuan. [2]
2.3 Metode Simple Additive Weighting (SAW) Menurut Sri Kusumadewi (2007) metode SAW sering juga dikenal dengan istilah metode penjumlahan berbobot. Konsep Dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.[3]
Langkah penyelesaian metode SAW adalah:
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria
3. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan atau atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A) sebagai solusi. [3]
.. (1)
Keterangan:
rij = Nilai rating kinerja
xij = Nilai kinerja dari setiap rating Max xij = Nilai terbesar dari tiap kriteria Min xij = Nilai terkecil dari tiap kriteria Benefit = semakin besar nilai semakin baik Cost = semakin kecil nilai semakin baik
Nilai preferensi yang diberikan untuk setiap alternatif ( ) diberikan sebagai berikut:
(2)
Keterangan:
= ranking untuk setiap alternatif
= nilai bobot dari setiap kriteria
= nilai rating kerja ternormalisasi
3 Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
2.4 Analisis Kebutuhan Sistem
Untuk mempermudah analisis sistem dalam menentukan keseluruhan kebutuhan secara lengkap, maka analisis kebutuhan sistem dibagi menjadi dua jenis :
1. Kebutuhan Fungsional.
2. Kebutuhan Non Fungsional
3. Analisis dan Perancangan Sistem 3.1 Analisis Masalah
Pada tahap analisis masalah ini, pihak objek penelitian (Tibumi Rumah Kopi) menginginkan sistem baru karena sistem yang lama tidak dapat berjalan dengan efektif dan efisien pada saat menentukan karyawan terbaik. Berikut langkah-langkah melakukan analisis dalam pengembangan sistem ini.
3.2 Analisis Kebutuhan Sistem 3.2.1 Kebutuhan Fungsional Sistem
1. Admin
1. Admin dapat memasukkan username dan password sehingga sistem dapat memvalidasi username dan password admin
2. Admin dapat menginputkan, menghapus, dan mengedit data user berupa username dan password.
3. Admin dapat menginputkan, menghapus, dan mengedit kriteria-kriteria penilaian
4. Admin dapat mengedit bobot masing-masing kriteria
5. Admin dapat menginputkan, menghapus, dan mengedit data karyawan
6. Admin dapat menginputkan, menghapus, dan mengedit nilai karyawan
7. Admin dapat memproses dan menampilkan hasil perankingan penilaian karyawan
8. Admin dapat mencetak laporan dari hasil perankingan penilaian karyawan.
2. Non-admin
1. Non-admin dapat memasukkan username dan password sehingga sistem dapat memvalidasi username dan password user
2. Non-admin dapat menginputkan, menghapus, dan mengedit kriteria-kriteria penilaian
3. Non-admin dapat mengedit bobot masing- masing kriteria
4. Non-admin dapat menginputkan, menghapus, dan mengedit data karyawan
5. Non-admin dapat menginputkan, menghapus, dan mengedit nilai karyawan
6. Non-admin dapat memproses dan menampilkan hasil perankingan penilaian karyawan
7. Non-admin dapat mencetak laporan dari hasil perankingan penilaian karyawan
3.2.2 Kebutuhan non Fungsional Sistem 1. Kebutuhan Perangkat Keras
Analisis perangkat keras bertujuan untuk mengetahui secara tepat perangkat keras yang dibutuhkan. Perangkat keras yang dibutuhkan dalam merancang sistem pendukung keputusan ini antara lain :
1. 1 unit Komputer ( monitor, keyboard, mouse, CPU Case) atau 1 Unit Laptop
2. Processor minimal Intel Core Celeron atau AMD Athlon XP
3. Memory RAM minimal 2 GB 4. Hardisk Komputer 320 GB 5. 1 unit Printer
2. Kebutuhan Perangkat Lunak
Analisis kebutuhan perangkat lunak (Software) bertujuan untuk mengetahui perangkat lunak apa saja yang dibutuhkan untuk merancang dan menjalankan sistem penunjang keputusan ini. Perangkat lunak yang digunakan dalam perancangan sistem antara lain:
1. Sistem Operasi Windows 8.1 2. Notepad ++
3. XAMPP 4. Web Browser
3.3 Analisis Data 3.3.1 Data Karyawan
Data karyawan yang dibutuhkan yaitu berasal dari data-data para karyawan yang bekerja di Tibumi Rumah Kopi Depok.
3.3.2 Data Kriteria
Data kriteria adalah data yang menjadi dasar penilaian para karyawan daalam sistem ini. Data kriteria memiliki bobot tersendiri untuk setiap kriterianya.
Berikut tabel data kriteria yang digunakan : Tabel 1 Tabel Data Kriteria
3.4 Perhitungan Manual Metode SAW
No. Kriteria Tipe Bobot
1 Absensi (C1) BENEFIT 3
2 Kedisiplinan (C2) BENEFIT 2
3 Kerja Sama (C3) BENEFIT 2
4 Sikap (C4) BENEFIT 2
5 Loyalitas (C5) BENEFIT 3
4 Setelah kriteria-kriteria ditentukan, berikut contoh perhitungan penilaian karyawan secara manual dengan menggunakan metode SAW. Dalam contoh perhitungan manual ini akan menggunakan 3 nama karyawan yaitu:
Putut Mahendra, Rifki Herfian dan Rindy Apriani.
Tabel 2 Rating Kecocokan
Karyawan
Kriteria
C1 C2 C3 C4 C5
Putut Mahendra 3 2 5 5 5
Rifki Herfian 3 5 3 3 3
Rindy Apriani 4 4 4 4 4
Dengan perhitungan pengambilan keputusan bobot referensi sebagai berikut : W = (3,2,2,2,3)
Setelah data penilaian hasil seleksi dan bobot masing-masing kriteria telah diketahui, selanjutnya adalah membuat matriks keputusan X. Matriks X dari data yang tersedia adalah sebagai berikut:
X=
Langkah selanjutnya adalah normalisasi dari matriks X. Karena semua kriteria adalah kriteria yang bersifat benefit (nilai terbesar adalah nilai terbaik), maka langkah normalisasi dari matriks X adalah sebagai berikut:
Normalisasi 1 R11=
= = 0.75
R12=
= = 0.75
R13=
= = 1
Normalisasi 2 R21=
= = 0.4
R22=
= = 1
R23=
= = 08
Normalisasi 3 R31=
= = 1
R32=
= = 0.6
R33=
= = 0.8
Normalisasi 4
R41=
= = 1
R42=
= = 0.6
R43=
= = 0.8
Normalisasi 5 R51=
= = 1
R52=
= = 0.6
R53=
= = 0.8
Dari perhitugan normalisasi tersebut menghasilkan matriks ternomalisasi R sebagai berikut :
R =
Proses selanjutnya yaitu melakukan perkalian matriks W dengan matriks R (W*R) sebagai berikut :
V1 = ((3*0.75)+(2*0.4)+(2*1)+(2*1)+(3*1)) = 10.05
V2 =
((3*0.75)+(2*1)+(2*0.6)+(2*0.6)+(3*0.6)) = 8.45
V3 = ((3*1)+(2*0.8)+(2*0.8)+(2*0.8)+(3*0.8))
= 10.2
Dengan demikian maka hasil paling besar yang diperoleh dari perkalian antara matriks W dengan matriks R adalah V3 dengan total 10.2. Maka alternatif V3 (Rindy Apriani) menjadi alternatif(karyawan) terbaik.
3.5 Perancangan Aplikasi ( Perancangan Sistem ) 3.5.1 Flowchart Sistem
Rancangan flowchart dari sistem yang dibuat adalah sebagai berikut :
Gambar 1 Flowchart system
3.5.2 Data Flow Diagram
Data flow diagram merupakan bagan atau alat perancangan sistem yang menggambarkan sebuah logika dan
5 alur data pada sebuah sistem. DFD digunakan untuk mengevaluasi sistem yang sudah ada maupun perencanaan pembuatan sistem yang baru.
Gambar 2 Diagram Konteks
Gambar 3 DFD Level 1 3.5.3 Relasi Antar Tabel
Berikut relasi antar tabel didalam basis data yang penulis rancang:
Gambar 4 Relasi Antar Tabel
4. Implementasi dan Pembahasan 4.1 Implementasi Program
Berikut beberapa tampilan SPK yang telah berhasil dirancang:
Gambar 5 Form Login
Gambar 6 Form Input Data Karyawan
Gambar 7 Form Input Data Kriteria
6 Gambar 8 Form Input Data Himpunan
Gambar 9 Form Input Klasifikasi 5. Penutup
5.1 Kesimpulan
Berdasarkan penelitian dan pembahasan yang telah dipaparkan diatas maka dapat diambil kesimpulan sebagai berikut :
1. Sistem Pendukung Keputusan yang sudah dibangun ini dapat mengolah data kriteria, karyawan, himpunan, klasifikasi, pengguna dan dapat menampilkan output berupa laporan serta dalam perancangannya menggunakan rancangan flowchart, DFD, normalisasi, relasi antar tabel, rancangan tabel, dan rancangan antar muka (interface) yang digunakan sebagai media komunikasi antara sistem dengan pengguna.
2. Sistem pendukung keputusan yang dibuat dapat menghasilkan hasil perhitungan penilaian karyawan dengan metode Simple Additive Weighting (SAW) dan memberikan alternatif-alternatif solusi yang dapat membantu manajemen Tibumi Rumah Kopi untuk mengambil keputusan pemilihan karyawan terbaik.
3. Sistem yang sudah dibangun memiliki 2 level batasan hak akses pengguna yaitu admin dan non- admin.
4. Sistem yang dibangun dapat memberikan output laporan karyawan dan laporan hasil analisis penilaian karyawan dengan format pdf.
5.2 Saran
Berdasarkan kesimpulan diatas penulis mempunyai beberapa saran yang dapat dipertimbangkan, antara lain :
1. Perlu pengadaan pelatihan pengguna untuk penggunaan sistem yang dibuat agar sistem dapat berjalan sebagaimana mestinya.
2. Keamanan data pada sistem perlu diperhatikan agar tidak dapat dimanipulasi ataupun diubah berbagai pihak untuk kepentingan tertentu.
3. Dalam pembuatan sistem ini penulis menyadari masih banyak kekurangan, baik dari segi penulisan, perancangan sistem, desain maupun logika pemrograman dikarenakan keterbatasan penulis, untuk itu saran dan kritik sangat diharapkan. Serta harapan penulis semoga sistem ini dapat dipergunakan dan dimanfaatkan dengan sebaik-baiknya.
4. Jika ada metode perhitungan lain yang lebih akurat dari metode Simple Additive Weighting (SAW) dan ada pihak yang ingin melakukan penelitian ulang terhadap penelitian ini, maka dipersilahkan dan diharap untuk menggunakan metode perhitungan yang lebih baik.
Daftar Pustaka
[1] Isna Zahrotul Fu’ad (2015). Perancangan Sistem pendukung Keputusan untuk Menentukan Karyawan Terbaik Menggunakan Metode Simple Additive Weighting Pada PT. Patra Nur Alaska.
STMIK Amikom Yogyakarta.
[2] Kusrini, 2007. Konsep & Aplikasi Sistem Pendukung Keputusan. Penerbit Andi:
Yogyakarta.
[3] Kusumadewi, Sri dkk. 2006. Fuzzy Multi- Attribute Decision Making (Fuzzy MADM).
Graha Ilmu: Yogyakarta
Biodata Penulis
Aditya Putut Mahendra, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Sistem Informasi Universitas AMIKOM Yogyakarta, lulus tahun 2017.
Bambang Sudaryatno , memperoleh gelar dokterandus (Drs), Universitas Pembangunan Nasional Veteran, lulus tahun 1987. Memperoleh gelar Magister Manajemen (M.M) Sekolah Tinggi Ilmu Ekonomi Artha Bodhi Iswara, Lulus tahun 2004. Saat ini menjadi Dosen di Universitas AMIKOM Yogyakarta, pada Program Studi Sistem Informasi.
.
