PENILAIAN KINERJA KARYAWAN BERDASARKAN KOMPETENSI MENGGUNAKAN METODE ANALYTIC NETWORK PROCESS (ANP), RATING SCALE DAN ANALISIS
HIRARCHY CLUSTER (Studi Kasus PG. Krebet Baru II Bululawang, Malang)
Competency Based Employee’s Performance AppraisalWith Analytic Network Process (ANP), Rating Scale and Hierarchy Cluster Analysis
(Case Study PG. Krebet Baru II Bululawang, Malang). Jazuliatuddiyanah1*, Arif Hidayat2, dan Shyntia Atica Putri2 1
Alumni Jurusan Teknologi Industri Pertanian-Fakultas Teknologi Pertanian-Universitas Brawijaya 2
Staf Pengajar Jurusan Teknologi Industri Pertanian-Fakultas Teknologi Pertanian-Universitas Brawijaya *
Penulis Korespondensi: email [email protected] ABSTRAK
PG. Krebet Baru II merupakan Badan Usaha Milik Negara (BUMN) yang bergerak di bidang agrobisnis yang menghasilkan gula pasir. Penilaian kinerja karyawan diperlukan untuk pengambilan keputusan dalam penghargaan karyawan. Tujuan dari penelitian ini adalah untuk mendapatkan bobot kinerja karyawan tiap kriteria berdasarkan job description dengan ANP, mengetahui hasil penilaian kinerja karyawan dengan rating scale, serta mengetahui hasil pengelompokkan karyawan dengan analisis hirarchy cluster. Analytic Network Process (ANP) merupakan metode yang mempertimbangkan keterkaitan antar kriteria dari subkriteria. Penilaian kinerja karyawan dengan rating scale. Analisis hirarchy cluster dilakukan untuk mengetahui performance kerja karyawan tidak tetap. Analisis kinerja karyawan tidak tetap pada PG. Krebet Baru II Bululawang menggunakan tiga kompetensi penilaian yaitu tanggung jawab, kerja sama, dan sikap disiplin. Analisis ini menghasilkan nilai variabel dan parameter terbobot pada setiap kriteria dan subkriteria penilaian. Kriteria yang secara berurutan dari bobot yang tertinggi hingga bobot terendah adalah sikap disiplin (0,692), tanggung jawab (0,246), dan kerjasama (0,062). Skor tertinggi 4,927, sedangkan skor terendah 2,959. Hasil cluster karyawan tidak tetap terbagai atas dua cluster, yaitu high performance dan low performance. Rentang nilai karyawan untuk high performace antara 4,927 sampai 3,673, sedangkan untuk low performance antara 3,672 sampai 2,959. Karyawan yang mempunyai nilai tertinggi adalah Ts yang merupakan karyawan borongan dengan skor 4,927
Kata Kunci : Analisis Hierarchy Cluster, Analytic Network Process (ANP), Penilaian Kinerja Karyawan
ABSTRACT
PG Krebet Baru II is a State-Owned Enterprises deals in agribusiness. It processes sugar cane into sugar. Employee performance appraisal is needed for decision making related to employee appreciation. This research is proposed to obtain the quality of each employee's performance based on job descriptions using The ANP method. Rating Scale is used to determine the results of performance appraisal. It is also used to determine the results of grouping employees by hierarchy cluster analysis. Analytic Network Process (ANP) is method to consider interrelations among criteria of the existing sub-criteria. The employee performance appraisal rating scale. Furthermore, the cluster analysis hirarchy is held to classify employees according to the quality value. It will reveal the performance of all non permanent employees. Performance analysis of non permanent employees at PG. Krebet Baru II Bululawang uses three competency assessment, those are responsibility, cooperation, and discipline. It generates the variables value and quality parameters at each assessment’s criteria and subcriteria. Sequentially, the highest weight to the lowest of criteria are discipline (0,692), responsibility (0.246), and cooperation (0.062). Value of employee performance are obtained from the multiplication of the weight and value. The highest score was 4,927, while the lowest score was 2,959. The cluster results non permanent employees were divided into two clusters, namely high performance and low performance. The range of values for the high performance employees was between 4,927 to 3,673, while for low performance is between 3,672 to 2,959. Employees with the highest value was Ts, a contract employee with score of 4,927.
Keywords : Analytic Network Process (ANP), Employee Performance Appraisal, Hierarchy Cluster Analysis
PENDAHULUAN
Manajemen Sumber Daya Manusia (MSDM) merupakan salah satu kunci
penting dalam perusahaan, sebagai
pelaksana kegiatan serta pengambil
keputusan perusahaan (Gomes, 2003). Menurut Griffin (2004) salah satu alasan
penilaian kinerja diperlukan untuk
mengukur dampak dari program pelatihan, serta untuk membantu dalam membuat keputusan mengenai kenaikan gaji, career
plan dan pelatihan. PG. Krebet Baru II
merupakan Badan Usaha Milik Negara
(BUMN) yang bergerak di bidang
agrobisnis berbasis tebu diolah menjadi gula pasir. Karyawan tidak tetap PG. Krebet Baru II terbagi menjadi tiga golongan. Pada stasiun gilingan terdiri dari 49 karyawan kampanye, 7 karyawan Perjanjian Kerja Waktu Tertentu lainnya (PKWT), dan 30 karyawan borongan.
Peran karyawan di PG. Krebet Baru II sangat penting terutama bagian instalasi, termasuk stasiun gilingan karena bagian tersebut merupakan stasiun pertama yang digunakan untuk memisahkan ampas tebu dan nira Selama ini penilaian karyawan bagian stasiun gilingan cukup sederhana dan hanya sebatas penilaian menggunakan absensi manual berdasarkan kedatangan karyawan. Kriteria yang dipilih kurang rinci, kurang jelas spesifikasi dalam pekerjaan. Bobot semua kriteria dianggap sama. Penilaian kinerja karyawan yang diusulkan yaitu dengan menggunakan
rating scale serta pengelompokkan karyawan berdasarkan kinerja dengan analisis hirarchy cluster. Konsep penilaian kinerja adalah menentukan kompetensi yang sesuai dengan kinerja karyawan, yang dapat mencerminkan kepribadian seseorang dan dapat memprediksi tingkah laku karyawan saat bekerja. Kriteria-kriteria kinerja karyawan tersebut akan dibobotkan dengan menggunakan metode Analytic
Network Process untuk mengetahui kriteria
yang paling berpengaruh pada karyawan bagian instalasi, stasiun gilingan.
Metode Analytic Network Process penting digunakan di PG. Krebet Baru II
Bululawang karena nantinya dapat
mengetahui kinerja karyawan dari hasil
pembobotan. Setelah dilakukan
pembobotan maka akan dilakukan penilaian kinerja karyawan dengan menggunakan
rating scale yang kemudian dilakukan
analisis hirarchy cluster yang berfungsi untuk mengelompokkan karyawan sesuai
dengan nilai pembobotan, sehingga
diketahui performance kerja dari seluruh karyawan tidak tetap stasiun gilingan. Menurut Pravitasari (2009), analisis cluster lebih menitikberatkan pada struktur dan metode pengelompokkan. Tujuan pokok dari analisis kelompok adalah untuk
mengelompokkan objek pengamatan
menjadi beberapa kelompok yang lebih
sederhana berdasarkan tingkat
kehomogenan objek pengamatan.
METODE PENELITIAN
Penelitian ini dilaksanakan di PG. Krebet Baru II yang terletak di Jalan Raya Krebet No. 10 Bululawang, Malang pada bulan Januari 2013 hingga Juni 2013. Pengolahan data dilakukan di Laboratorium Komputasi dan Analisis Sistem, Jurusan Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Universitas Brawijaya Malang.
Metode untuk pengolahan dan analisis
data dilakukan dengan menggunakan
Analytic Network Process (ANP), rating scale, dan analisis hirarchy cluster. Analytic Network Process (ANP) terdiri
dari tahap pemodelan, tahap pembobotan menghasilkan pembobotan ketertaitan antar
cluster dan node, cluster matrix dan unweighted supermatrix, weighted supermatrix, limiting matrix, dan normalisasi limiting matrix. Rating scale yang digunakan skala 1 sampai 5. Analisis
hirarchy cluster terdiri dari tahapan
perumusan masalah, pemilihan ukuran
jarak, pemiliohan prosedur cluster,
penentuan jumlah cluster, interpretasi hasil
cluster, dan validitas cluster.
Batasan masalah dalam sebuah penelitian dibutuhkan agar permasalahan yang diteliti dapat lebih fokus dan tidak melebar. Batasan masalah pada penelitian ini antara lain jenis kriteria yang digunakan 10 kriteria meliputi. Karyawan yang dinilai
adalah karyawan tidak tetap bagian stasiun gilingan PG Krebet Baru II Bululawang.
HASIL DAN PEMBAHASAN Gambaran Umum Perusahaan
PG Krebet Baru berdiri sejak
pemerintahan Hindia Belanda tahun 1906 dibeli oleh Oei Tiong Ham Concern. Pada
tahun 1964, Departemen Keuangan
Indonesia membentuk PT Perkembangan
Ekonomi Nasional (PPEN) Rajawali
Nusantara Indonesia yang disingkat PT Rajawali Nusantara Indonesia. PG Krebet
Baru selanjutnya berada di bawah
kepengurusan PT Rajawali Nusantara Indonesia. Tahun 1976 dibangun pabrik gula dengan nama PG Krebet Baru II untuk menggantikan pabrik gula yang lama Hal ini disebabkan oleh adanya perbaikan dan pergantian mesin-mesin yang sudah tua.
1. Analytic Network Process (ANP)
Pemilihan kriteria kompetensi Analytic
Network Process (ANP) menggunakan software Super Decions. Kriteria
kompetensi yang digunakan adalah
tanggung jawab (TJ), kerjasama (KS), dan sikap disiplin (SD), dengan 10 subkriteria meliputi : memenuhi target (TJ1), menjaga kelancaran (TJ2), menjaga kebersihan (TJ3), menjalankan mesin (TJ4), membantu
perbaikan mesin (KS1), mengontrol
merawat mesin (KS2), bekerja dengan orang lain (KS3), tingkat kehadiran (SD1), datang dan pulang tepat waktu (SD2), penyelesaian tugas tepat waktu (SD3). Dari beberapa kriteria dapat dibentuk Gambar
metode jaringan penilaian kinerja
berdasarkan kompetensi.
Gambar 1. Metode Jaringan Penilaian
Kinerja Berdasarkan Kompetensi.
Terdapat keterkaitan node di dalam
cluster kompetensi (inner dependence),
selain itu juga terdapat keterkaitan antar
kriteria (node comparison) yang
menghubungkan antar cluster. Terdapatnya
cluster comparison menyebabkan keterkaitan yang terjadi antar node di luar
cluster kompetensi (outer dependence)
seperti tanggung jawab dipengaruhi oleh sikap disiplin dan kerjasama. Tahap selanjutnya adalah pengisian kuesioner oleh mandor dan kepala seksi perusahaan. Menurut Endri (2009) perbandingan berpasangan digunakan untuk mendapatkan prioritas lokal dari elemen-elemen dalam satu cluster dilihat dari cluster induknya. Nilai pembobotan keterkaitan antar node dan cluster ini merupakan nilai rata-rata geometrik pendapat gabungan responden. Perbandingan berpasangan yang dilakukan oleh 2 responden ahli perlu dihitung rata-rata geometrik untuk mendapatkan nilai pendapat gabungan. Menurut Sapto (2008), total bobot prioritas pada tiap kolom dan normalisasi limiting matrix akan sama dengan satu. Normalisasi limiting matrix didapatkan dengan cara membagi nilai limit
matrix tiap kriteria dengan jumlah kriteria
tersebut dalam satu cluster kompetensi, sehingga didapatkan total nilai satu cluster kompetensi sebesar satu. Hasil bobot akhir setiap kriteria kompetensi terdiri dari 3
cluster kompetensi dan 22 node kriteria
kompetensi dengan menggunakan metode ANP dapat dilihat pada Tabel 1.
Pada Tabel 1 menjelaskan bahwa bobot kelompok maupun kriteria kompetensi yang berbeda-beda. Kelompok kompetensi sikap disiplin (0,692) memiliki bobot kelompok kompetensi tertinggi yang meliputi tiga kriteria kompetensi. Penyelesaian tugas tepat waktu (0,341) merupakan kriteris kompetensi dengan bobot tertinggi diantara 10 kriteria kompetensi. PG Krebet Baru II
Bululawang bagian stasiun gilingan
merupakan karyawan produksi yang
dituntut untuk menghasilkan target
produksi 5.127 TCD, sehingga
penyelesaian tugas tepat waktu diperlukan untuk menjaga terget tersebut. Tingkat
kehadiran (0,275) merupakan kriteria
kompetensi tertinggi kedua. PG Krebet Baru II Bululawang mempunyai sanksi
yang digunakan sebagai sarana untuk menegakkan disiplin kerja karyawan yang
mengandung maksud pokok untuk
membina dan mendidik. Karyawan yang melakukan pelanggaran atau kesalahan akan mendapatkan, surat teguran, Surat Peringatan I,II, III, pemberhentian untuk sementara waktu (skorsing), dan Pemutusan Hubungan Kerja (PHK). Datang dan pulang tepat waktu (0,076) merupakan kriteria kompetensi terendah dalam kelompok
kompetensi sikap disiplin, karena
perusahaan mengharapkan karyawan yang masuk tidak sekedar hanya absensi yang diinginkan tetapi bekerja tanpa secara serius dan efisien.
Kelompok kriteria kompetensi tanggung
jawab (0,246), terdiri dari kriteria
kompetensi memenuhi target, menjaga
kelancaran, menjaga kebersihan, dan
menjalankan mesin. Memenuhi target (0,109) dan menjaga kelancaran (0,102) mempunyai bobot yang cukup tinggi karena stasiun gilingan merupakan bagian produksi yang merupakan stasiun awal memiliki peranan penting dalam memulai proses. Ketika terdapat permasalahan dalam stasiun gilingan maka proses produksi tidak akan berjalan, serta pemenuhan target diperlukan sebagai prioritas bagian produksi untuk menghasilkan output berupa gula pasir
secara maksimal. Menjalankan mesin
(0,023) tidak mempunyai bobot yang cukup tinggi karena mesin yang digunakan adalah
semi otomastis. Menjaga kebersihan
(0,012) merupakan kriteria kompetensi dengan nilai terendah pada kompetensi tanggung jawab, karena kondisi bersih tidak
menjadikan perbedaan output yang
signifikan. Bahan baku berupa tebu dimasukkan ke dalam mesin pencacah dari alat pengangkut melalui stasiun gilingan, sehingga stasiun ini cenderung kurang bersih.
Kelompok kriteria kompetensi
kerjasama terdiri dari membantu perbaikan mesin, mengontrol merawat mesin, dan bekerja dengan orang lain. Mengontrol merawat mesin (0,037) merupakan kriteria kompetensi terbesar daalam kelompok
kompetensi kerjasama karena stasiun
gilingan merupakan stasiun yang urgent dan stasiun pertama yang menjadi acuan
berjalannya proses produksi, maka
kerjasama untuk mengontrol merawat mesin dibutuhkan agar segera terlaksana.
Bekerja dengan orang lain (0,019)
merupakan merupakan kriteria kompetensi yang mempunyai bobot yang termasuk rendah diantara 10 kriteria kompetensi, hal ini dikarenakan kegiatan pada stasiun gilingan dilakukan dengan mesin semi otomatis sehingga masalah bekerja dengan orang lain dilakukan dengan minimum.
Membantu perbaikan mesin (0,006)
merupakan kriteria kompetensi terendah dari 10 kriteria kompetensi yang ada. PG. Krebet Baru II Bululawang mempunyai tim khusus dalam perawatan mesin di luar dari
karyawan tidak tetap. Tim tersebut
mempunyai jadwal maintenance yang baik, meliputi preventive maintenance yang dilakukan luar masa giling, serta corrective
maintenance yang dilakukan ketika dalam
masa giling, biasanya setiap 2 minggu sekali.
Tabel 1. Bobot Kriteria Kompetensi
No Kompetensi B Bobot Subkriteria Bobot
1 Tanggung jawab 0,246 TJ1 0,109 TJ2 0,102 TJ3 0,012 TJ4 0,023 2 Kerjasama 0,062 KS1 0,006 KS2 0,037 KS3 0,019 3 Sikap Disiplin 0,692 SD1 0,275 SD2 0,076 SD3 0,341 Total 1
Sumber : Data Primer diolah (2013)
2. Rating Scale
Bobot kompetensi dari setiap kriteria kompetensi yang telah didapat dari metode
ANP diaplikasikan dalam penilalaian
kinerja karyawan. Penilaian kinerja
karyawan dilakukan oleh 2 orang responden ahli yaitu kepala seksi dan mandor stasiun gilingan. Karyawan tidak tetap yang dinilai sejumlah 86 orang yang terbagi atas
karyawan kampanye, karyawan Perjanjian Kerja Waktu Tertentu (PKWT), dan
karyawan borongan. Masing-masing
karyawan tidak tetap dinilai berdasarkan 10 kriteria berdasarkan kompetensi dengan skala penilaian rating scale 1 sampai 5, keterangan disajikan pada Tabel 3. Hasil nilai dari setiap kriteria yang didapat dikalikan dengan bobot tiap kriteria kemudian dijumlahkan untuk mendapatkan nilai total kompetensi.
Tabel 3. Skala Penilaian Kinerja Skala Penilaian Keterangan 1 2 3 4 5 Sangat Jelek Jelek Sedang Baik Sangat Baik Sumber : Nurmianto (2006)
Perhitungan penilaian kinerja adalah
sebagai berikut (Nurmianto 2006): Skor = bobot x nilai keterangan:
Skor : penilaian kriteria kinerja
Bobot : nilai numerik dari perbandingan antar kriteria penilaian
nilai : skala penilaian
Hasil rata-rata penilaian karyawan tidak tetap tersebut dikalikan dengan bobot kriteria masing-masing sehingga didapatkan
hasil penilaian kompetensi setelah
dibobotkan. Dari hasil penilaian kompetensi tersebut dibutuhkan suatu pengelompokkan untuk menentukan performance karyawan tidak tetap dengan menggunakan metode
hirarchy cluster. Jumlah karyawan yang
digunakan dalam penelitian ini sejumlah 86 karyawan, sehingga kurang efektif apabila dilakukan peringkatan dan membutuhkan waktu yang lama. Hal ini yang mendasari
dilakukan analisis cluster untuk
memudahkan mengetahui performance
karyawan dengan efisien dan efektif.
3. Analisis Hirarchy Cluster a. Perumusan Masalah
Langkah awal yang dilakukan adalah penentuan variabel yang digunakan dalam
penelitian. Variabel yang digunakan
berjumlah sepuluh. Dalam analisis cluster juga harus dilakukan penentuan skala pengukuran untuk masing-masing variabel. Proses pengelompokkan terlebih dahulu
harus dilakukan standarisasi dengan
menggunakan sofware SPSS. Selanjutnya akan diketahui hasil korelasi. Terdapat hubungan korelasi antar variabel sehingga perlu dilakukan analisis komponen utama. Variabel memenuhi target (TJ1), menjaga kelancaran (TJ2), menjaga kebersihan (TJ3), menjalankan mesin (TJ4), membantu
perbaikan mesin (KS1), mengontrol
perawatan mesin (KS2), bekerja dengan orang lain (KS3), tingkat kehadiran (SD1), datang dan pulang tepat waktu (SD2), penyelesaian tugas tepat waktu (SD3).
Tabel 3. Korelasi Antar Variabel No Variabel Pearson Correlation Korelasi 1 TJ1 dan TJ3 0.399 Lemah 2 TJ1 dan SD1 0.487 Lemah 3 TJ2 dan KS1 0.348 Lemah 4 TJ2 dan KS3 0.469 Lemah 5 TJ3 dan SD2 0.357 Lemah 6 TJ3 dan SD3 0.454 Lemah 7 KS2 dan KS3 0.285 Lemah 8 KS3 dan SD1 0.342 Lemah 9 TJ1 dan TJ2 0.501 Sedang 10 TJ1 dan KS2 0.718 Sedang 11 TJ1 dan SD3 0.647 Sedang 12 TJ2 dan KS2 0.603 Sedang 13 TJ2 dan SD1 0.595 Sedang 14 TJ2 dan SD3 0.551 Sedang 15 TJ3 dan KS1 0.587 Sedang 16 TJ3 dan KS3 0.513 Sedang 17 KS1 dan SD2 0.660 Sedang 18 KS2 dan SD1 0.501 Sedang 19 KS2 dan SD3 0.589 Sedang 20 KS3 dan SD2 0.631 Sedang 21 SD1 dan SD3 0.502 Sedang 22 KS1 dan KS3 0.939 Kuat
Sumber : Data Primer diolah (2013)
Kebebasan antar variabel mutlak
diperlukan dalam perhitungan analisis
cluster, dengan demikian perlu dilakukan
kebebasan antar variabel. Analisis korelasi antar variabel disajikan pada Tabel 3. Berdasarkan Tabel 3 terlihat ada beberapa
hubungan korelasi. Menurut Siagian
(2006), nilai pearson correlation 0 berarti tidak ada hubungan korelasi, nilai 0-0,5 korelasi lemah, nilai 0,5-0,8 artinya korelasi sedang, nilai 0,8-1 artinya korelasi kuat, dan nilai 1 berarti korelasi sempurna. Pada Tabel 2 dapat diketahui ada beberapa hubungan korelasi kuat, korelasi sedang, dan korelasi lemah. Korelasi kuat yaitu hubungan antara membantu perbaikan mesin (KS1) dengan bekerja dengan orang lain (KS3) dengan nilai korelasi 0,939. Korelasi sedang terdapat 13 korelasi yang saling berhubungan antar variabel. Hasil korelasi sedang mempunyai nilai yang berdekatan yaitu antara 0,501 sampai 0,718. Korelasi lemah terdapat 8 korelasi yang berhubungan, dengan rentang nilai korelasi antara 0,285 sampai 0,487.
b. Pemilihan Ukuran Jarak
Syarat untuk melakukan analisis cluster yaitu variabel yang saling bebas. Sebelum melakukan analisis cluster maka digunakan analisis dengan menggunakan analisis komponen utama, sehingga memenuhi dua syarat untuk menentukan jarak Pearson, yaitu tidak terdapat korelasi dan memiliki satuan pengukuran yang sama. Menurut Santoso (2010), angka korelasi 0 berarti tidak terdapat hubungan sama sekali antara variabel yang satu dengan yang lainnya. Berdasarkan hasil variabel yang baru diperoleh matriks jarak, maka proses pengelompokan dapat dilakukan.
c. Pemilihan Prosedur Cluster
Prosedur cluster yang digunakan adalah hirarki cluster. Metode hirarki dipilih karena cluster yang terbentuk alami, cakupannya luas, serta mempunyai banyak pilihan metode yang dapat digunakan. Metode yang digunakan dalam penelitian ini adalah agglomeration schedule dengan
linkage methods. Linkage methods yang
dipilih menggunakan pautan rata-rata
(average linkage). Average linkage dipilih karena jarak yang digunakan adalah jarak rata-rata antar semua pasangan objek, tidak hanya jarak maksimum atau minimum.
Hasil agglomeration schedule merupakan hasil proses pengelompokan dengan metode
between group linkage atau average linkage. Sifat pengelompokkan agglomerative schedule adalah bottom up
artinya setiap pengamatan dimulai dari
clusternya masing-masing, sehingga pada
awal analisis terdapat n cluster, di mana n=jumlah pengamatan, lalu setiap cluster dipasangkan sehingga menghasilkan jumlah
cluster yang lebih sedikit. Pada
agglomeration schedule muncul cluster 1
dan cluster 2 yang menunjukkan pasangan
cluster awal (pengamatan) yang digabungkan, yang ditunjukkan dalam table
cluster combined. Menurut Supranto (2010), kolom stage cluster first appear menunjukkan tahapan pada saat di mana suatu cluster pertama terbentuk. Contohnya
pada stage ke-4 yang merupakan
penggabungan pengamatan 20 dan 34, stage
clusters first mengandung angka 1 pada cluster 1 artinya salah satu dari dua
pengamatan tersebut pernah muncul
sebelumnya pada stage 1 sebagai cluster 1. Kemudian pada kolom next stage muncul angka 27, artinya salah satu pengamatan yang ada di stage 4 akan muncul lagi di
stage 27. Setiap stage menunjukkan
penggabungan dua pengamatan yang
memiliki kemiripan. Kemiripan ini
ditunjukkan oleh nilai coefficient. Metode
agglomerasi yang digunakan pada
pengelompokkan karyawaan berdasarkan
hasil penilaian kinerja berdasarkan
kompetensi yaitu dengan menggunakan metode pautan rata-rata (average linkage) akan menghasilkan dendogram.
d. Penentuan Jumlah Cluster
Dendogram berguna untuk menunjukkan
anggota cluster yang terbentuk.
Pemotongan dendogram didasarkan pada jarak penggabungan terbesar. Dendogram dapat digunakan untuk menunjukkan
kelompok-kelompok yang terbentuk.
Hanya, pada dendogram bentuknya berupa garis-garis, agar lebih mudah memahami. Penentuan jumlah cluster dapat dilakukan berdasarkan hasil yang didapatkan pada dendogram maka tampak bahwa dari data-data yang dianalisis akan tergabung menjadi satu kelompok, dapat dilihat pada
Gambar 2. Selain itu, menentukan jumlah
cluster yang terbentuk, yaitu dengan cara
melihat nilai selisih coefficient terbesar.
e. Interpretasi Hasil Cluster
Berdasarkan Gambar 2, dapat diketahui pengelompokkan yang dihasilkan beserta
perincian anggota kelompok yang
menunjukkan anggota untuk masing-masing kelompok. Dapat diketahui bahwa dari anggota cluster I 19 karyawan tidak tetap, pada cluster II terdiri dari 67 karyawan tidak tetap.
Gambar 2. Dendogram Average Linkage C A S E 0 5 10 15 20 25 Label Num +---+---+---+---+---+ Ns 20 ─┐ Mm 44 ─┼───┐ St 34 ─┘ ├───┐ Ar 40 ─────┘ ├─┐ Mk 29 ───┬───┐ │ │ Hs 80 ───┘ ├─┘ │ Sa 86 ───────┘ │ Dr 30 ─────┬─────┤ Hr 43 ─────┘ ├─┐ Su 38 ─┬─────┐ │ │ Ec 66 ─┘ │ │ │ Mb 24 ─┬─┐ ├───┘ │ Zl 54 ─┘ ├─┐ │ ├─┐ As 19 ───┘ ├─┘ │ │ Ep 75 ─────┤ │ │ Fd 78 ─────┘ │ │ Ah 45 ─────────────┘ ├─┐ Hd 36 ───┬─┐ │ │ At 52 ───┘ │ │ │ As 27 ─────┼─────┐ │ │ Ad 18 ─────┘ ├───┘ │ Bd 26 ─────┬─────┘ ├─────┐ Tt 47 ─────┘ │ │ Aw 67 ───┬───┐ │ │ Am 69 ───┘ ├─┐ │ │ Ay 76 ───────┘ ├─────┐ │ ├───┐ Sm 35 ─────────┘ ├─┘ │ │ Mt 74 ───────────────┘ │ │ An 51 ───┬───────────────┐ │ │ Ar 84 ───┘ │ │ │ Sy 13 ─────┬───┐ ├───┘ │ Sw 39 ─────┘ ├───┐ │ │ Dp 70 ─────┬───┘ │ │ ├───┐ Sy 71 ─────┘ ├─────┘ │ │ Wk 22 ───┬───┐ │ │ │ Sq 37 ───┘ ├─┐ │ │ │ Sw 28 ───────┘ ├───┘ │ │ Ms 82 ─────────┘ │ │ Ws 72 ─────┬───────┐ │ │ Mh 83 ─────┘ ├─────────────┘ │ Sw 25 ─────────────┘ │ At 10 ─────┬───┐ │ Ek 79 ─────┘ ├─────────┐ │ Br 81 ─────────┘ ├───────────┤ Jf 23 ───────┬───┐ │ ├─┐ Ma 77 ───────┘ ├───────┘ │ │ Da 42 ───────────┘ │ │ Pm 12 ───────┬───────┐ │ │ Kd 14 ───────┘ ├─────────┐ │ │ Mr 48 ─────┬───────┐ │ │ │ │ Hk 56 ─────┘ ├─┘ │ │ │ Sy 21 ─────────────┘ ├─────┘ │ St 11 ─────┬───┐ │ ├─┐ Sd 16 ─────┘ ├─────┐ │ │ │ Ap 73 ─────────┘ ├─────────┘ │ │ Bs 15 ───────────────┘ │ │ Md 32 ───┬─┐ │ │ Mn 68 ───┘ ├─────┐ │ │ Nh 31 ─────┘ ├─┐ │ ├─┐ Al 17 ───────┬───┘ ├─────────────┐ │ │ │ Mn 41 ───────┘ │ │ │ │ │ St 33 ─────────────┘ ├─────┘ │ │ Sg 50 ─────┬───────────┐ │ │ ├───────────┐ Am 85 ─────┘ ├─────────┘ │ │ │ Rk 9 ─────────────────┘ │ │ │ Ak 53 ───────────────────────────────────┘ │ │ Mk 8 ─────────────────────────────────────┘ │ Ss 7 ───────────┬─────────┐ │ Aa 65 ───────────┘ │ │ Ts 61 ─┐ │ │ Yf 62 ─┤ │ │ Af 5 ─┤ │ │ Nk 59 ─┼─┐ │ │ As 58 ─┤ │ │ │ Gw 2 ─┤ │ ├─────┐ │ Dd 57 ─┘ │ │ │ │ Md 1 ───┼─┐ │ │ │ Sy 4 ───┤ │ │ │ │ Nr 6 ───┘ ├─────────┐ │ │ │ Sh 49 ─┬─┐ │ │ │ ├─────────────────────┘ Di 60 ─┘ │ │ │ │ │ Mf 63 ───┼─┘ │ │ │ Dy 3 ───┘ ├─────┘ │ Ek 64 ───────────────┤ │ Sr 46 ───────────────┘ │ Rf 55 ───────────────────────────┘
Sumber : Data primer diolah (2013)
Untuk melakukan identifikasi
karakteristik setiap cluster dilakukan
analisis deskriptif. Berikut merupakan penjabaran anggota kelompok.
1. Anggota cluster I : Ts, Md, Yf, As, Gw, Dd, Mf, Af, Dy, Sy, Sh, Nr, Di, Ek, Aa, Ss, Sr, Kd.
2. Anggota cluster II: Hk, Rf, Pm, Sg, Mk, Mr, Sy, Mt, Ah, Sd, Rk, Al, Hr, Ad, Su, Nh, Sw, Tt, Ec, An, At, Bs, Da, Ay, Dr, Md, Sm, Mm, Ns, Bd, St, As, Mh, Hd, Am, Jf, Ar, Mk, St, Ak, Zl, Mn, So, St, Sw, Ws, Mb, Ep, At, Ap, Mn, Ma, Ek, As, Fd, Br, Ms, Sw, Sy, Wk, Hs, Am, Sa, Sq, Aw, Dp, Ak
Cluster I yaitu karyawan yang tergolong
mempunyai disiplin tinggi dalam bekerja. Sikap disiplin juga mempunyai bobot tertinggi daripada tanggung jawab dan kerjasama. Karyawan tidak tetap PG. Krebet Baru II Bululawang berjumlah 86 orang. Cluster I terdiri dari 19 karyawan, yang terdiri dari 8 orang karyawan kampanye, 2 orang PKWT, dan 9 orang karyawan borongan. Cluster II terdiri dari 67 karyawan yang terdiri dari 41 karyawan kampanye, 5 orang karyawan PKWT, dan 21 orang karyawan borongan.
Cluster II umumnya karyawan yang mempunyai tingkat sikap disiplin rendah, sehingga perusahaan perlu membuat suatu tindakan yang dapat meningkatkannya. Salah satu caranya adalah memberikan
punistment apabila datang dan pulang tidak
tepat waktu, serta akan diberlakukan absensi secara sidik jari, sehingga karyawan harus datang dan melakukan absensi sendiri. Karyawan tidak tetap pada cluster I mempunyai rentang nilai antara 4,927 sampai 3,673, sehingga karyawan yang berada pada cluster I merupakan karyawan
high performance. Pada cluster II merupakan karyawan low performance mempunyai rentang nilai antara 3,672 sampai 2,959.
f. Validitas Cluster
Validitas sebagai langkah pengujian yang dilakukan terhadap hasil. Tujuannya untuk mengukur ketepatan yang digunakan dalam penelitian, serta agar data yang diperoleh bisa sesuai dengan tujuan
diadakanya pengelompokkan. Validitas
cluster dapat dilakukan dengan menggunakan ukuran jarak dan metode yang berbeda dalam melakukan clustering. Metode yang digunakan adalah ward’s
method dengan euclidean distance.
Menurut Simamora (2005), metode yang terbaik dalam hirarki cluter adalah average
linkage dan ward’s method. Selisih
coeffisient terbesar terletak di antara stage
84 dan 85. Besarnya selisih coefficient
adalah 33,259 sehingga berdasarkan
pengelompokkan yang dihasilkan terdiri dari 2 cluster.
Gambar 3. Dendogram Ward’s Method
C A S E 0 5 10 15 20 25 Label Num +---+---+---+---+---+ Ns 20 ─┐ Mm 44 ─┤ St 34 ─┤ Ar 40 ─┼─┐ Tt 47 ─┤ │ St 33 ─┤ │ Ah 45 ─┘ ├─┐ Jf 23 ─┐ │ │ Ma 77 ─┤ │ │ Da 42 ─┼─┘ │ Dr 30 ─┤ │ Hr 43 ─┤ │ Sw 25 ─┤ │ Sa 86 ─┘ │ Sg 50 ─┬─┐ │ Am 85 ─┘ │ │ Nh 31 ─┐ ├─┤ Mn 68 ─┼─┤ │ Md 32 ─┘ │ │ Al 17 ─┐ │ ├───┐ Mn 41 ─┼─┘ │ │ Rk 9 ─┤ │ │ Sr 46 ─┘ │ │ Pm 12 ─┐ │ │ Mr 48 ─┤ │ │ Hk 56 ─┤ │ │ Sy 21 ─┼───┤ │ Kd 14 ─┘ │ │ Ss 7 ─┬─┐ │ │ Aa 65 ─┘ ├─┘ │ Ek 64 ───┘ │ Bd 26 ─┐ │ Hd 36 ─┤ │ As 27 ─┤ │ At 52 ─┼─┐ ├───┐ Ad 18 ─┤ │ │ │ Mt 74 ─┘ │ │ │ Mk 29 ─┐ ├───┐ │ │ Hs 80 ─┼─┤ │ │ │ Fd 78 ─┘ │ │ │ │ Su 38 ─┐ │ │ │ │ Ec 66 ─┤ │ │ │ │ Mb 24 ─┤ │ │ │ │ Zl 54 ─┼─┘ │ │ │ As 19 ─┤ │ │ │ Ep 75 ─┘ │ │ │ St 11 ─┐ │ │ │ Sd 16 ─┼─┐ │ │ │ Bs 15 ─┘ │ │ │ │ Wk 22 ─┐ │ ├─┘ │ Sq 37 ─┤ │ │ │ Ap 73 ─┼─┤ │ ├─────────┐ Ms 82 ─┘ │ │ │ │ Sy 13 ─┐ │ │ │ │ Sw 39 ─┤ │ │ │ │ Sy 71 ─┼─┼─┐ │ │ │ Dp 70 ─┘ │ │ │ │ │ Ws 72 ─┐ │ │ │ │ │ Mh 83 ─┤ │ │ │ │ │ Sm 35 ─┼─┤ │ │ │ │ Aw 67 ─┤ │ │ │ │ │ Am 69 ─┤ │ ├─┘ │ ├─────────────────────────┐ Ay 76 ─┘ │ │ │ │ │ An 51 ─┐ │ │ │ │ │ Ar 84 ─┼─┘ │ │ │ │ Sw 28 ─┤ │ │ │ │ Ek 79 ─┤ │ │ │ │ Br 81 ─┘ │ │ │ │ At 10 ─────┘ │ │ │ Ak 53 ─────────┬───┘ │ │ Rf 55 ─────────┘ │ │ Mk 8 ───────────────────────┘ │ Sy 4 ─┐ │ Nr 6 ─┤ │ Af 5 ─┼─┐ │ Dd 57 ─┤ │ │ Nk 59 ─┤ │ │ Gw 2 ─┤ │ │ Md 1 ─┘ ├─────────────────────────────────────────────┘ Ts 61 ─┐ │ Yf 62 ─┼─┤ As 58 ─┘ │ Sh 49 ─┐ │ Mf 63 ─┤ │ Dy 3 ─┼─┘ Di 60 ─┘
Sumber : Data Primer diolah (2013
Berdasarakan dendogram yang disajikan dalam Gambar 3 dapat diketahui jumlah
cluster yang terbentuk juga menunjukkan 2
cluster. Dapat diketahui bahwa dari anggota cluster I terdiri dari 14 karyawan tidak
tetap, pada cluster II terdiri dari 72 karyawan tidak tetap. Untuk melakukan identifikasi karakteristik setiap cluster dilakukan analisis deskriptif. Berikut merupakan penjabaran anggota kelompok. 1. Anggota cluster I : Ts, Md, Yf, As, Gw,
Dd, Mf, Af, Dy, Sy, Sh, Nr, Di
2. Anggota cluster II: Ek, Aa, Ss, Sr, Kd, Hk, Rf, Pm, Sg, Mk, Mr, Sy, Mt, Ah, Sd, Rk, Al, Hr, Ad, Su, Nh, Sw, Tt, Ec, An, At, Bs, Da, Ay, Dr, Md, Sm, Mm, Ns, Bd, St, As, Mh, Hd, Am, Jf, Ar, Mk, St, Ak, Zl, Mn, So, St, Sw, Ws, Mb, Ep, At, Ap, Mn, Ma, Ek, As, Fd, Br, Ms, Sw, Sy, Wk, Hs, Am, Sa, Sq, Aw, Dp, Ak.
Hasil cluster dengan menggunakan
ward’s method terbentuk 2 cluster, yang
dilihat berdasarkan dendogram serta
agglomeration schedule. Hasil pengelompokkan karyawan antara average
linkage method mempunyai perbedaan
dengan ward’s method karena perbedaan
rumus dan pendekatan cluster yang
digunakan. Hasil ward’s method, cluster I terdiri dari 14 karyawan yang meliputi 6 orang karyawan kampanye, 1 orang PKWT, dan 7 orang karyawan borongan. Cluster II terdiri dari 72 karyawan yang meliputi 43 karyawan kampanye, 6 orang karyawan PKWT, dan 23 orang karyawan borongan.
Rentang nilai pada ward’s method
mempunyai perbedaan dengan average
linkage method, untuk cluster I mempunyai
rentang nilai antara 4,927 sampai 4,308, sehingga karyawan yang berada pada
cluster I merupakan karyawan high
performance. Pada cluster II merupakan
karyawan low performance mempunyai rentang nilai antara 4,307 sampai 2,958. Hasil ward’s method dan average linkage terdiri dari karyawan tidak tetap yang terdiri dari karyawan kampanye, PKWT, dan borongan.
Karyawan yang memiliki nilai tertinggi adalah Ts yang merupakan karyawan borongan, sehingga PG. Krebet Baru II
mengutamakan tingkatan karyawan sebagai patokan jenjang karir karyawan tidak tetap menjadi karyawan tetap. Terdapat 10 kriteria kompetensi yang menjadi dasar penilaian, dengan rentang nilai 5,000 sampai 3,673 untuk high performance dan 3,672 sampai 1,000 untuk low performance. Metode yang disarankan digunakan dalam menentukan cluster adalah average linkage, karena metode tersebut merupakan bagian dari linkage method dan menggunakan jarak rata-rata sebagai penentu cluster.
Hasil dari analisis cluster dengan
menggunakan average linkage dan ward’s
method memberikan hasil pengelompokkan
yang sama, yaitu terbentuk dua cluster, sehingga hasil tersebut menyatakan valid.
Karyawan yang termasuk cluster I
diharapkan mendapatkan reward yang dapat memberikan motivasi lebih kepada
karyawan lainnya untuk dapat
meningkatkan performance agar lebih baik lagi. Selama ini karyawan di PG Krebet Baru II Bululawang setelah masa giling mendapat insentif berupa gula pasir dengan cara (jumlah hari giling/30)x 8 kg.
Karyawan yang termasuk cluster II
merupakan karyawan yang mempunyai sikap disiplin yang cukup rendah, sehingga peraturan yang sudah tertulis dalam buku Perjanjian Kerja Bersama (PKB) PT. PG. Rajawali I unit PG Krebet Baru mengenai sikap disiplin hendaknya dilaksanakan dan dilakukan dengan tegas. Terdapat beberapa peringatan diantaranya surat teguran, Surat Peringatan I,II, III, pemberhentian untuk sementara waktu (skorsing), dan Pemutusan Hubungan Kerja (PHK).
Surat teguran diberikan kepada
karyawan apabila tidak masuk kerja 1 hari dalam satu bulan tanpa surat ijin, datang terlambat 2 hari dalam seminggu atau 4 hari dalam sebulan tanpa alasan yang wajar, memberikan tanda kehadiran orang lain, meninggalkan tempat kerja pada jam kerja tanpa ijin atau mengurangi efisiensi waktu kerja, menolak tugas dan bekerja sama menyelesaikan pekerjaan dengan teman atau atasan tanpa alasan yang jelas. Surat Peringatan I diberikan kepada karyawan
yang telah mendapat teguran dalam
tenggang watu 6 bulan, serta melakukan perbuatan yang sama. Surat Peringatan II diberikan kepada karyawan yang tidak masuk kerja 3 hari dalam 1 bulan tanpa ijin resmi serta mengabaikan tugas pekerjannya, telah diberikan Surat Peringatan I dan dalam masa berlakunya Surat Peringatan I karyawan melakukan pelanggaran lagi. Surat Peringatan III diberikan kepada karyawan yang tidak masuk kerja selam 4 hari dalam satu bulan tanpa ijin resmi, telah diberi Surat Peringatan I atau Surat Peringatan II dan dalam masa berlakunya
Surat Peringatan tersebut melakukan
pelanggaran lagi. Skorsing diberikan kepada karyawan yang terlibat suatu pelanggaran berat (melakukan perbuatan asusila, meminum minuman keras dalam perusahaan, membawa gambar teknik atau dokumen yang menjadi rahasia perusahaan, keluar dari lingkungan perusahaan tanpa ijin) yang secara yuridis formal belum dibuktikan dan atau yang mendapatkan Surat Peringatan III. PHK diberikan kepada karyawan yang melakukan kejahatan, di dalam maupun di luar perusahaan dan sudah mempunyai kekuatan hukum.
SIMPULAN
Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa: 1. Analisis kinerja karyawan tidak tetap
pada PG. Krebet Baru II Bululawang menggunakan tiga kompetensi penilaian yaitu tanggung jawab, kerja sama, dan sikap disiplin dengan menggunakan metode ANP.
2. Kriteria yang secara berurutan dari bobot yang tertinggi hingga bobot terendah adalah sikap disiplin (0,692), tanggung jawab (0,246), dan kerjasama (0,062). Perolehan bobot parameter, subkriteria yang mendapat tiga bobot tertinggi adalah penyelesaian tugas tepat
waktu (0,341), tingkat kehadiran
(0,275), memenuhi target (0,109). 3. Nilai kinerja karyawan didapatkan dari
perkalian bobot dan nilai, skor tertinggi adalah 4,927, sedangkan skor terendah adalah 2,959. Hasil cluster karyawan tidak tetap terbagai atas dua cluster,
yaitu high performance dan low performance. Rentang nilai karyawan
untuk high performace adalah antara 4,927 sampai 3,673, sedangkan untuk
low performance adalah antara 3,672
sampai 2,959. Karyawan yang
mempunyai nilai tertinggi adalah Ts yang merupakan karyawan borongan dengan skor 4,927.
DAFTAR PUSTAKA
Endri. 2009. Permasalahan Pengembangan Sukuk Korporasi di Indonesia
Menggunakan Metode Analytic
Network Process (ANP). Jurnal
Keuangan dan Perbankan, Volume 13 No 3: 359-372.
Gomes, F. 2003. Manajemen Sumber Daya
Manusia. Penerbit Andi.
Yogyakarta.
Griffin, R. 2004. Management. Penerbit Erlangga. Jakarta.
Nurmianto, E. Dan Siswanto, N. 2006.
Perancangan Penilaian Kinerja
Karyawan Berdasarkan Kompetensi
Spencer dengan Metode Analytical Hierarchy Process (Studi Kasus di
Sub Dinas Pengairan, Dinas
Pekerjaan Umum, Kota
Probolinggo). Jurnal Teknik
Industri ITS. 8(1): 40-53.
Pravitasari, A. A. 2009. Penentuan Banyak Kelompok dalam Fuzzy C-Means
Cluster Berdasarkan Proporsi Eigen Value dari Matriks Similarity dan
Indeks XB (Xie dan Beni).
Prosiding ISBN: 978-979-16353-3-2. Universitas Padjajaran Bandung. 623-632.
Santoso, S. 2010. Statistik Nonparametik.
PT Elex Media Komputindo.
Gramedia. Jakarta: 220.
Sapto. 2008. Aplikasi Analytic Network Process pada Perancangan Sistem
Pengukuran Kinerja dengan
Menggunakan Metode Balanced
Scorecard. Jurnal Teknik Industri, Vol 9 No 2: pp 138.
Siagian, D. 2006. Metode Statistika untuk Bisnis dan Ekonomi. PT. Gramedia Pustaka Utama. Jakarta.
Simamora, B. 2005. Analisis Multivariat Pemasaran. PT. Gramedia Pustaka Utama. Jakarta.
Supranto. 2010. Analisis Multivariat Arti dan Interpretasi. Jakarta: Rineka Cipta: 141-170.
