2.1. Konsep Sistem Pendukung Keputusan
Sistem pendukung keputusan (SPK) adalah salah satu produk software yang
dikembangkan secara khusus untuk membantu manajemen dalam proses pengambilan
keputusan. Tujuan SPK adalah sebagai ‘second opinion’ atau ‘information sources’ sebagai bahan pertimbangan seorang manajer sebelum memutuskan kebijakan
tertentu. Pendekatan untuk SPK yang populer adalah dengan menggunakan teknik
simulasi yang interaktif, sehingga diharapkan sistem ini dapat merepresentasikan
keadaan dunia nyata yang sesungguhnya.
Lima karakteristik utama SPK : Sistem yang berbasis komputer
Dipergunakan untuk mengambil keputusan
Untuk memecahkan Masalah-masalah yang rumit yang tidak dapat digunakan dengan kalkulasi manual
Melalui cara simulasi yang interaktif
Komponen utamanya data dan model analisis
DSS juga merupakan sistem berbasis pengetahuan yang dipakai untuk mendukung
pengambilan keputusan dalam suatu perusahaan. Sistem ini merupakan sistem
komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari
masalah yang terstruktur atau spesifik. Tujuan pembentukan sistem ini adalah
memanfaatkan keunggulan kedua unsur, yaitu manusia dan perangkat elektronik untuk
mempercepat dan mempermudah proses pengambilan keputusan. Sebuah sistem
komputer yang dirancang untuk membantu para pengambil keputusan dalam
memecahkan masalah yang tak terstruktur [11].
2.1.1. Tahap - tahap dalam pengambilan keputusan
DSS adalah sistem informasi yang membantu untuk mengidentifikasi kesempatan
pengambilan keputusan atau menyediakan informasi untuk membantu pengambilan
keputusan. Pada dasarnya SPK hampir sama dengan Sistem Informasi Manajemen
(SIM) karena menggunakan basis data sebagai sumber data. SPK bermula dari SIM
karena menekankan pada fungsi mendukung pembuat keputusan diseluruh
tahap-tahapnya, meskipun keputusan aktual tetap wewenang eksklusif pembuat keputusan.
Simon (1977) mengidentifikasikan bahwa sistem pendukung keputusan memiliki tiga
fase proses yaitu fase intelligence, designdan choice[13].
Gambar 2.1. Fase-fase pengambilan keputusan [13] Intelligence
Tahap - tahap dalam pengambilan keputusan antara lain adalah :
1. Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika
serta proses pengenalan masalah. Data masukan diperoleh, diproses, dan diuji dalam
rangka mengidentifikasikan masalah.
2. Design
Tahap ini merupakan proses menemukan, mengembangkan, dan menganalisis
alternatif tindakan yang bisa dilakukan. Tahap ini meliputi proses untuk mengerti
masalah, menurunkan solusi, dan menguji kelayakan solusi.
3. Choice
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang
mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam
proses pengambilan keputusan.
2.1.2. Karakteristik sistem pendukung keputusan
Sistem pendukung keputusan dirancang secara khusus untuk mendukung seseorang
yang harus mengambil keputusan-keputusan tertentu. Peranan SPK dalam konteks
keseluruhan sistem informasi ditujukan untuk memperbaiki kinerja melalui aplikasi
teknologi informasi.
Banyaknya definisi yang dikemukakan mengenai pengertian dan penerapan dari
sebuah SPK, sehingga menyebabkan terdapat banyak sekali pandangan mengenai
sistem tersebut. Ada beberapa karakteristik dari Sistem Pendukung Keputusan di
antarannya adalah sebagai berikut :
1. Mendukung seluruh kegiatan organisasi
2. Mendukung beberapa keputusan yang saling berinteraksi
4. Terdapat dua komponen utama, yaitu data dan model
5. Menggunakan baik data ekternal maupun internal
6. Memiliki kemampuan what-if analysisdan goal seeking analysis 7. Menggunakan beberapa model kuantitatif.
Dengan berbagai karakter khusus seperti dikemukakan diatas, SPK memiliki
kemampuan yaitu :
1. Mendukung proses pengambilan keputusan, menitikberatkan pada management by perception
2. Adanya interface manusia / mesin dimana manusia (user) tetap mengontrol proses pengambilan keputusan
3. Mendukung pengambilan keputusan untuk membahas masalah-masalah
terstruktur, semi terstruktur dan tidak terstruktur.
4. Menggunakan model-model matematis dan statistik yang sesuai
5. Memiliki kapabilitas dialog untuk memperoleh informasi sesuai dengan
kebutuhan – model interaktif
6. Output ditujukan untuk semua personil organisasi dalam semua tingkatan
sehingga dapat berfungsi sebagai kesatuan sistem
7. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan
informasi seluruh tingkatan manajemen
8. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga
dapat berfungsi sebagai kesatuan sistem
9. Pendekata easy to use, ciri SPK yang efektif adalah kemudahannya untuk digunakan, dan memungkinkan keleluasaan pemakai untuk memilih atau
mengembangkan pendekatan-pendekatan baru dalam membahas masalah yang
dihadapi.
10. Kemampuan sistem beradaptasi dengan cepat, dimana pengambil keputusan
dapat menghadapi masalah-masalah baru, dan pada saat yang sama dapat
menanganinya dengan cara mengadaptasikan sistem terhadap kondisi-kondisi
Dari berbagai kemampuan dan karakteristik seperti yang dijelaskan di atas, sistem
pendukung keputusan juga memiliki keterbatasan, antara lain:
1. Ada beberapa kemampuan manajemen dan bakat manusia sebagai pengguna
yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak
semuanya mencerminkan persoalan yang sebenarnya.
2. Kemampuan suatu sistem pendukung keputusan terbatas pada pengetahuan
dasar serta model dasar yang dimilikinya.
3. Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan
biasanya tergantung juga pada kemampuan perangkat lunak yang
digunakannya.
4. Sistem pendukung keputusan tidak memiliki intuisi seperti yang dimiliki oleh
manusia. Karena sistem pendukung keputusan hanya suatu kumpulan
perangkat keras, perangkat lunak dan sistem operasi yang tidak dilengkapi
oleh kemampuan berpikir.
Secara luas, dapat dikatakan bahwa sistem pendukung keputusan berlandaskan pada
kemampuan dari sebuah sistem berbasis komputer dan dirancang untuk menghasilkan
berbagai alternatif yang ditawarkan kepada para pengambil keputusan dalam
melaksanakan tugasnya.
2.2. Prestasi Kerja Karyawan
Pengukuran prestasi kerja karyawan adalah suatu proses mengkuantifikasikan secara
akurat dan valid tingkat efisiensi dan efektivitas suatu kegiatan yang telah terealisasi
dan membandingkannya dengan tingkat prestasi yang direncanakan (Martoyo, 2002:
28). Untuk itu seorang atasan perlu mempunyai ukuran prestasi kerja para karyawan
supaya tidak timbul suatu masalah. Informasi tentang prestasi kerja karyawan juga
diperlukan pula bila suatu saat atasan ingin mengubah sistem yang ada [14].
Agar karyawan dapat bekerja sesuai yang diharapakan maka dalam diri
yang diinginkan. Apabila semangat kerja menjadi tinggi maka semua pekerjaan yang
dibebankan kepadanya akan lebih cepat selesai dan tepat selesai. Pekerjaan yang cepat
dan tepat selesai adalah merupakan suatu prestasi kerja karyawan yang baik.
Menurut Handoko (2001:135) motivasi adalah suatu daya pendorong yang
menyebabkan orang berbuat sesuatu atau yang diperbuat karena takut akan sesuatu.
Oleh karena itu diperlukan suatu sistem yang dapat mengukur kinerja karyawan agar
dapat ditentukan karyawan berprestasi dan pemberian reward sehingga memotivasi karyawan untuk bekerja lebih baik lagi.
2.3 Profile Matching
Profile matching adalah salah satu dari metode dalam pengambilan keputusan yang mekanismenya mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal
yang harus dimiliki oleh pegawai. Bukannya tingkat minimal yang harus dipenuhi
atau dilewati[9] . Dalam profile matching pegawai yang bisa dikategorikan sebagai pegawai terbaik adalah pegawai yang mendekati nilai ideal tersebut.
Adapun langkah-langkah dalam metode profile matching adalah sebagai
berikut[9] :
1. Menentukan Aspek-aspek penilaian
2. Pemetaan GAP kompetensi. 3. Pembobotan.
4. Perhitungan dan Pengelompokan Coredan Secondary Factor.
GAP kompetensi adalah perbedaan antara profil pegawai terbaik dengan profil
pegawai aktual[9].
Setelah menentukan bobot nilai gap untuk setiap aspek penilaian, tiap aspek tersebut
dikelompokkan menjadi dua kelompok yaitu kelompok core factor dan secondary factor. Rumus untuk perhitungan core factor[9] :
= ∑ / ∑ ... (1)
Keterangan :
NCF = Nilai rata-rata core factor
∑NC(Aspek) = Jumlah total nilai core factor IC = Jumlah item core factor
Rumus perhitungan secondary factor:
= ∑ / ∑ ...(2)
Keterangan :
NSF = Nilai rata-rata secondary factor
∑NS(Aspek) = Jumlah total nilai secondary factor IS = Jumlah item secondary factor
Rumus perhitungan nilai total dari aspek :
= ( %) + ( %) ...(3)
Keterangan :
N = Nilai total
(x%) = Nilai persen yang di inputkan
NCF = Nilai rata-rata core factor NSF = Nilai rata-rata secondary factor
Setelah didapat nilai total dari aspek kemudian dapat di tentukan hasil akhir yang
berupa ranking dari pegawai dengan menggunakan rumus[9] :
= ( %) 1 + ( %) 2 + ⋯ ( %) ...(4)
Contoh langkah perhitungan dengan kasus penentuan pegawai terbaik terdapat pada
Tabel 2.1 Tabel Skala Penilaian
Tabel 2.2 Tabel Data Pegawai dan Nilai Gap
Nama Kedisiplinan Prestasi Kerja Tanggung jawab Kepemimpinan
Fanny Anggara 3 3 3 4
0 5 Tidak ada selisih (Kompetensi sesuai dengan yg dibutuhkan)
1 4.5 Kompetensi individu kelebihan 1 tingkat
-1 4 Kompetensi individu kekurangan 1 tingkat
2 3.5 Kompetensi individu kelebihan 2 tingkat
-2 3 Kompetensi individu kekurangan 2 tingkat
3 2.5 Kompetensi individu kelebihan 3 tingkat
-3 2 Kompetensi individu kekurangan 3 tingkat
4 1.5 Kompetensi individu kelebihan 4 tingkat
Tabel 2.4 Tabel Hasil Pembobotan
Nama Kedisiplinan Prestasi Kerja Tanggung jawab Kepemimpinan
Fanny Anggara 4 5 4 4.5
Muhammad Fadhli 3 4 4 4
Jesades Berlin 5 4.5 5 4
Hidayat Syahputra 4 4.5 4.5 3
Mencari nilai Core factor dan Secondary factor :
Core factor = Kedisiplinan dan Tanggung jawab
Secondary factor= Prestasi kerja dan Kepemimpinan
Tabel 2.5 Nilai Core factor dan Secondary factor
Nama Core Factor Secondary Factor
Fanny Anggara 4 4.75
Muhammad Fadhli 3.5 4
Jesades Berlin 5 4.25
Hidayat Syahputra 4.25 3.75
Perhitungan Nilai Total
N1 = (60% x 4) + (40% x 4.75) = 4.3
N2 = (60% x 3.5) + (40% x 4) = 3.7
N3 = (60% x 5) + (40% x 4.25) = 4.7
N4 = (60% x 4.25) + (40% x 3.75) = 4.05
Pada contoh ini hanya terdapat 1 aspek penilaian oleh karena itu nilai total menjadi hasil akhir
2.4 Simple Additive Weighting (SAW)
Metode SAW adalah metode penjumlahan terbobot yang digunakan dalam
memecahkan masalah multi kriteria. Konsep dasar metode ini adalah mencari
penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut[10].
Churchman dan Ackoff (1954) pertama sekali menggunakan metode SAW ini untuk
mengatasi masalah penyeleksian portofolio. Metode ini mungkin yang paling populer
dan sering digunakan dalam penyelesaian masalah multiple attribute decision making (MADM) [15].
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke
suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Hasil
akhir metode SAW didapatkan dari ranking nilai utilitas terbesar dari semua alternatif. Rumus untuk mencari nilai utilitas setiap alternatif adalah[15] :
( ) = wj ( ) ... (5)
Keterangan :
( )= nilai utilitas alternatif
wj = nilai bobot preferensi kriteria
= ratingkinerja ternormalisasi dari alternatif pada kriteria .
Dalam Penentuan matriks pada setiap kriteria dari alternatif-alternatif yang ada
perlu diketahui atribut keuntungan dan atribut biaya terlebih dahulu. Jika dalam suatu
kriteria nilai yang dicari adalah nilai terbesar maka atribut keuntunganlah yang
digunakan, dan jika yang dicari adalah nilai yang paling minimum maka atribut biaya
yang digunakan. Berikut adalah rumus untuk menghitung atribut keuntungan dan
=
⎩
⎪
⎨
⎪
⎧
...(6)
Keterangan :
= ratingkinerja ternormalisasi dari alternatif pada kriteria .
Max = Nilai maks jika yang dicari adalah atribut keuntungan atau nilai tertinggi.
Min = Nilai min jika yang dicari adalah atribut biaya atau nilai terendah.
Hasil akhir diperoleh dari setiap proses perangkingan yaitu penjumlahan dari
perkalian matriks ternormalisasi dengan bobot prefrensi sehingga diperoleh nilai
terbesar yang dipilih sebagai alternatif terbaik (ui) sebagai solusi.
Contoh perhitungan dengan kasus penilaian ketua OSIS :
Tabel 2.6 Tabel Skala Penilaian
Nilai Bobot Nilai Sangat Baik 5
Baik 4
Cukup 3
Kurang 2
Buruk 1
Tabel 2.7 Tabel Data Kandidat Pemilihan :
Nama Kerja sama Prestasi Tanggung jawab
Fanny Anggara 3 3 3
Muhammad Fadhli 2 3 2
Jesades Berlin 4 4 3
Tabel 2.8 Tabel Rating Kecocokan
Matriks keputusan X berdasarkan kriteria bobot :
r33=
3
= 0.75 r43 =
4
= 1
Max (3;2;3;4) Max (3;2;3;4)
D
Dari hasil perhitungan diatas didapat matriks ternormalisasi sebagai berikut :
0.75 0.75 0.75
R = 0.5 0.75 0.5
1 1 0.75
0.5 1 1
Mencari nilai utilitas alternatif terbaik dengan persamaan[12] :
= wj ... (6)
u1= (0,75 x 4) + (0,75x3) + (0.75x 4) = 8.25
u2= (0,5x4) + (0.75x3) + (0,5x4) = 6.25
u3= (1x4) + (1x3) + (0,75x4) = 10
u4= (0,5x4) + (1x3) + (1x4) = 9
u3 merupakan nilai preferensi dari alternatif A3, sehingga A3 atau dalam kasus ini
2.5 Penelitian Terdahulu
Beberapa penelitian yang telah dilakukan antara lain :
a. Penelitian Ilman fahma dwijaya dengan judul Sistem pendukung keputusan
kenaikan jabatan pada PT. SYSMEX Menggunakan Metode Profile Matching. Penelitian ini bertujuan untuk mencari solusi terbaik dalam kenaikan jabatan berdasarkan kompetensi karyawan di PT. SYSMEX (divisi
sales) menggunakan sistem pendukung keputusan dengan metode profile matching[4].
b. Penelitian Gerdon dengan judul Sistem pendukung keputusan keputusan
untuk menentukan penerimaan beasiswa bagi mahasiswa STMIK AMIKOM
Yogyakarta. Dalam penelitian ini digunakan metode Simple Additive Weighting(SAW) untuk menyelesaikan masalah multi criteria(MCDM) yaitu dalam penerimaan beasiswa bagi mahasiswa STMIK AMIKOM Yogyakarta