SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN DI PT. CONBAT MENGGUNAKAN LOGIKA FUZZY : METODE SUGENO.

(1)

(2)

(3)

(4)

DOSEN PEMBIMBING I : FETTY TRI A., S.Kom, M.Kom

DOSEN PEMBIMBING II : EVA YULIA P., S.Kom

ABSTRAK

Dalam sector perdagangan, perkembangan teknologi akan informasi – informasi terbaru dan terlengkap dalam suatu produk maupun jasa sangatlah diperlukan. Bahkan menjadi kebutuhan primer dalam perusahaan saat ini, sehingga berpengaruh sangat besar terhadap segala aktivitas. Pegawai yang berkompeten akan dapat menghasilkan produk yang lebih berkualitas. Sehingga proses pemilihan karyawan yang berkualitas menjadi sangat penting. Sedangkan kita tahu bahwa proses pemilihan karyawan yang bagus memerlukan waktu yang panjang dan dapat mengganggu proses produksi karyawan lain apabila proses penerimaan dilakukan di wilayah pabrik.

Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali jenisnya. Maka yang akan saya gunakan dalam Tugas Akhir ini adalah logika fuzzy dengan metode sugeno.

Berdasarkan system penerimaan karyawan yang ada di PT.Conbat, diperlukan perangkat lunak dengan metode diatas untuk membantu proses penerimaan karyawan berbasis web. PT.Conbat membutuhkan ketersediaan informasi yang dapat dengan mudah diakses dan akurat. Sistem informasi yang dibangun diharapkan dapat meningkatkan efisien, produktivitas, dan efektivitas dalam upaya peningkatan penerimaan karyawan.

(5)

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat ALLAH SWT., karena berkat limpahan Rahmat-Nya, seluruh rangkaian Tugas Akhir dapat terlaksana sesuai dengan rencana dan jadwal yang telah disusun. Tak lupa shalawat dan salam penulis panjatkan kepada Nabi akhir zaman Muhammad S.A.W., karena berkat perjuangannyalah karunia Iman dan Islam senantiasa menjadi inspirasi bagi penulis.

Adapun maksud penulisan Skripsi ini adalah sebagai gambaran terhadap apa yang penulis kerjakan pada Skripsi. Selain itu juga skripsi ini sebagai syarat untuk menyelesaikan program studi strata satu (S-1) di Universitas Pembangunan Nasional “VETERAN” Jawa Timur.

Tak lupa penulis mengucapkan terima kasih sebesar – besarnya kepada pihak – pihak yang telah mendukung dan membantu baik secara materiil maupun dorongan spiritual untuk menyelesaikan penyusunan laporan Tugas Akhir, terutama kepada :

1. Orang tua dan kelurga tercinta atas motivasi dan doanya sehingga semua yang dikerjakan dapat berjalan lancer.

2. Bapak Ir. Sutiyono, MT selaku Dekan FTI UPN “VETERAN” Jatim. 3. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Kepala Jurusan Teknik Informatika,

(6)

memberikan bimbingan selama proses pelaksanaan Tugas Akhir. 5. Bapak dan Ibu Dosen yang telah memberikan ilmu berarti bagi penulis. 6. Seseorang yang sangat spesial, Epii Beibii LupciQii, terima kasih banyak

untuk dukungan dan doanya.

7. Mas Dhenz dan sodaraku Noy Brandalz, terima kasih untuk dukungan. 8. Teman – teman yang tidak dapat disebutkan namanya satu per satu. 9. Alm. Ayah yang selalu ada disampingku menemani setiap saat dan waktu.

Penulis mendoakan untuk semua pihak yang telah membantu penulis semoga mendapatkan imbalan yang setimpal dan senantiasa di berkahi rahmat berlimpah dari Allah S.W.T. Amin.

Penulis menyadari bahwa masih banyak kekurangan dalam pelaksanaan Tugas Akhir ini mengingat terbatasnya pengetahuan dan kemampuan penulis, namun penulis berharap semoga pelaksanaan Tugas Akhir ini dapat ikut menunjang perkembangan ilmu pengetahuan, khususnya ilmu komputer. Kritik dan saran yang membangun penulis harapkan untuk kesempurnaan penulisan laporan ini.

Akhirnya dengan ridho Allah S.W.T., penulis berharap semoga laporan Tugas Akhir ini dapat memberikan manfaat bagi pembaca sekalian.

Surabaya, Februari 2014

(7)

DAFTAR ISI

Halaman

ABSTRAK... i

KATA PENGANTAR ... ii

DAFTAR ISI ... iv

DAFTAR GAMBAR... vii

DAFTAR TABEL ... ix

BAB I PENDAHULUAN ... 1

1.1Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Batasan Masalah ... 2

1.4 Tujuan Penelitian ... 3

1.5 Manfaat Penelitian ... 3

1.6 Metodologi ... 4

1.7 Sistematika Penulisan Laporan ... 5

BAB II LANDASAN TEORI ... 7

2.1.Logika Fuzzy... 7

2.1.1 Himpunan Fuzzy ... 9

2.1.2. Fungsi Keanggotaan ... 10

(8)

BAB III PERANCANGAN... 21

3.1 Analisa Sistem ... 21

3.2 Variabel Pada Fuzzy ... 22

3.2.1 Kriteria Pengalaman Kerja ... 23

3.2.2 KriteriaBidang keahlian ... 25

3.2.3 Kriteria Nilai UN ... 26

3.2.4 Kriteria NilaiWawancara ... 29

3.3 Rules ... 32

3.4 Implementasi Data………. 47

3.5 Conseptual Data Model ……….. ... 47

3.6 Physical Data Model………... 47

3.7 Implementasi Aplikasi Desain Antarmuka……… 48

3.7.1 Data Tabel User ... 48

3.7.2 Data Tabel Berita ... 49

3.7.3 Data Table Pelamar ... 50

3.7.4 Data Table Karyawan ... 51

3.7.5 Data Table Hubungi………... 52

3.7.6 Data Table Jadwal………... 53

(9)

BAB IV

HASIL DAN

PEMBAHASAN ... 56

4.1Implementasi Aplikasi Desain... 56

4.1.1 Tampilan Halaman Menu ... 56

4.1.2 Tampilan Register ... 57

4.1.3 Tampilan halaman Admin ... 58

4.1.4 Tampilan SPK Tahap 1 ... 58

4.1.5 Tampilan Hasil SPK Tahap 1 ... 59

4.1.6 Tampilan SPK Tahap 2 ... 61

4.1.7 Tampilan Hasil SPK Tahap 2 ... 61

4.1.8 Tampilan Pelamar ... 63

4.1.9 Tampilan Pengumuman ... 64

BAB V PENUTUP ... 65

5.1 Kesimpulan ... 65

5.2 Saran ... 66

(10)

Gambar Halaman

Gambar 2.1. Himpunan Fuzzy Untuk Ketinggian ... 9

Gambar 2.2 Representasi Linear Naik ... 11

Gambar 2.3 Representasi Linear Turun ... 12

Gambar 2.4 Representasi Kurva Segitiga ... 13

Gambar 2.5 Representasi Kurva Trapesium ... 14

Gambar 2.6 Representasi Kurva Bahu ... 15

Gambar 3.1 Gambaran Alur Kerja Sistem ... 22

Gambar 3.2 Representasi Kurva Pengalaman Kerja……….. 23

Gambar 3.3 Representasi Kurva Nilai UN ... 26

Gambar 3.4 Representasi Kurva Nilai Wawancara ……… 29

Gambar 3.5 Gambar CDM Aplikasi SPK ... 47

Gambar 3.6 Gambar PDM Aplikasi SPK ... 48

Gambar 4.1 Tampilan Halaman Menu ... 57

Gambar 4.2 Tampilan Halaman Register ... 57

Gambar 4.3 Tampilan Admin ... 58

Gambar 4.4 Tampilan SPK Tahap 1 ... 59

Gambar 4.5 Tampilan Rules Tahap 1 ... 59

Gambar 4.6 Tampilan Proses Fuzzy Tahap 1 ... 60

Gambar 4.7 Tampilan Hasil Fuzzy Tahap 1 ... 60

Gambar 4.8 Tampilan SPK Tahap 2. ... 61

(11)

Gambar 4.10 Tampilan Proses Fuzzy Tahap 2 ... 62

Gambar 4.11 Tampilan Hasil Fuzzy Tahap 2 ... 63

Gambar 4.12 Tampilan Form Data Personal ... 63

(12)

Tabel Halaman

Tabel 3.1 Rules ... 30

Tabel 3.2 struktur table data user ... 49

Tabel 3.3 struktur table data berita... 49

Tabel 3.4 struktur table data pelamar ... 51

Tabel 3.5 struktur table data karyawan ... 52

Tabel 3.6 struktur table data hubungi ... 52

Tabel 3.7 struktur table data jadwal ... 53

(13)

BAB I

PENDAHULUAN

1.1.Latar Belakang

Pada sektor perdagangan khususnya pabrik, kehadiran teknologi informasi menjadi salah satu aspek penting. karena kebutuhan akan informasi – informasi terbaru dan terlengkap dalam suatu produk maupun jasa untuk pembeli sangatlah diperlukan. Oleh karena itu diharapkan kemajuan teknologi dapat mengiringi kemajuan di sector perdagangan sehingga jumlah penjualan dapat semakin meningkat.

PT. Conbat merupakan perusahaan penyedia baterai mobil ternama di Surabaya yang sudah berjalan 20tahun lebih dan dapat menyediakan baterai mobil yang dibutuhkan di pasaran. Untuk memenuhi kebutuhan konsumen yang semakin banyak PT.Conbat sehingga memiliki karyawan yang sangat banyak untuk melakukan proses produksi yang sesuai dengan kebutuhan pasar.

(14)

Sehingga diperlukan sebuah perangkat lunak yang dibangun untuk mengatasi permasalahan tersebut. Salah satu solusinya adalah menggunakan metode pengambilan keputusan. Dalam logika fuzzy terdapat banyak sekali jenisnya. Maka yang akan digunakan dalam Tugas Akhir ini adalah logika fuzzy dengan metode sugeno. Perangkat lunak yang dibangun haruslah berbasis web dikarenakan pemasalahan utama yang timbul adalah pengelolaan data pelamar di PT.Conbat. PT.Conbat membutuhkan ketersediaan informasi yang dapat dengan mudah diakses dan akurat. Sistem informasi yang dibangun diharapkan dapat meningkatkan efisien, produktivitas, dan efektivitas dalam upaya peningkatan penerimaan karyawan.

1.2.Rumusan Masalah

Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah :

a. Sistem pendukung keputusan apa yang digunakan dalam proses penerimaan karyawan oleh pegawai HRD di PT Conbat?

b. Bagaimana membuat berita terkait tentang lowongan, jadwal wawancara, dan pengumuman hasil wawancara?

c. Bagaimana menjaga kerahasiaan data perusahaan?

1.3.Batasan Masalah

Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan aplikasi ini dapat berjalan dengan baik adalah sebagai berikut :

(15)

3

b. Aplikasi SPK(Sistem Pendukung Keputusan) menggunakan bahasa pemrograman php.

c. Aplikasi SPK menggunakan fuzzy logic metode sugeno.

1.4.Tujuan Penelitian

Mengacu pada perumusan masalah, tujuan yang hendak dicapai dalampenyusunan skripsi ini adalah :

a. Membuat suatu sistem informasi SPK(Sistem Pendukung keputusan). b. Mengimplementasikan system penerimaan karyawan yang sudah

dibuat menjadi sebuah sistem informasi yang nantinya bisa benar – benar dinikmati manfaatnya oleh Pelamar dan Pegawai PT. Conbat. c. Membentuk suatu sistem program yang bertujuan untuk memberikan

efektifitas waktu dengan menggunakan sistem metode fuzzy.

1.5.Manfaat Penelitian

Adapun manfaat yang dapat diambil dari skripsi ini antara lain sebagai berikut:

a. Memberikan kemudahan bagi Pelamar Untuk mendapatkan dan mengetahui informasi terbaru tentang kegiatan Penerimaan Karyawan.

b. Petugas PT. Conbat akan dapat dengan mudah memberikan informasi terbaru terkait perusahaan kepada karyawan maupun calon karyawan.

(16)

1.6.Metodologi Penelitian

1.STUDI LITERATUR

Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website, webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat membantu penyelesaian proyek akhir ini.

2. PENGUMPULAN DAN PENGAMATAN DATA

Melakukan pengumpulan data tentang data pelamar PT.CONBAT, mendefinisikannya dengan tepat data yang dibutuhkan untuk membuat tugas akhir.

3. PERANCANGAN SISTEM

Melakukan perancangan sistem, yakni merancang aplikasi system pendukung keputusan yang dapat memudahkan direktur PT.CONBAT dalam memilih karyawan baru yang berbasiskan website sehingga mudah diakses anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK dengan menggunakan logika fuzzy metode sugeno.

4. PEMBUATAN PROGRAM

(17)

5

5. PENGUJIAN DAN PERBAIKAN

Dalam proses pembuatan proyek akhir ini akan selalu dilakukan pengujian dan perbaikan secara berkala agar tingkat kekurangan dan kesalahan dalam proyek akhir ini semakin berkurang.

6. ANALISA

Disetiap pengujian akan dilakukan analisa untuk mendeteksi kesalahan dan kekurangan yang terdapat dalam aplikasi ini. Sehingga bisa melakukan perbaikan secara tepat dan benar.

1.7.Sistematika Penelitian

Sistematika pembahasan dalam penyusunan buku proyek akhir ini adalah sebagai berikut :

BABI.PENDAHULUAN

Menguraikan secara singkat latar belakang, tujuan proyek akhir, perumusan masalah, batasan masalah, metodologi dan sistematika pembahasan.

BABII.TEORIPENUNJANG

Pada tahap ini dilakukan upaya memahami materi dari beberapa literatur yang digunakan baik berupa buku, website atau jurnal ilmiah tentang website, webserver, php, mysql, html, css, metode fuzzy sugeno dan lain-lain yang dapat membantu penyelesaian proyek akhir ini.

BABIII.PERANCANGAN&PEMBUATANSOFTWARE

(18)

memilih karyawan baru yang berbasiskan website sehingga mudah diakses anatara lain melalui PC, laptop, notebook, maupun mobile device. Aplikasi SPK dengan menggunakan logika fuzzy metode sugeno.

BABIV.ANALISAHASILPENGUJIAN

Bab ini menjelaskan tentang hasil pengujian program yang telah di buat serta analisa-analisa mengenai hasil yang telah di peroleh.

BABV.KESIMPULANDANSARAN

Bab ini merupakan bab penutup dimana pengambilan kesimpulan dari analisa dan hasil pengujian yang telah di peroleh.

BABVI.DAFTARPUSTAKA

(19)

BAB II

LANDASAN TEORI

2.1. Logika Fuzzy

Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Logika ini berhubungan dengan set fuzzy dan teori kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.

Logika fuzzy dapat dianggap sebagai kotak hitam yang berhubungan antara ruang input menuju ruang output (Kusuma Dewi, 2003). Kotak hitam tersebut berisi cara atau metode yang dapat digunakan untuk mengolah data input menjadi output dalam bentuk informasi yang baik.

Dalam Logika Fuzzy proses dilakukan dalam 5 tahap. Yakni :

a. Data Input.

(20)

suatu siswa pada sekolah tertentu. Data berupa nilai siswa berupa tabel. Data akan di sorting dan diproses pada logika fuzzy sesuai kebutuhan.

b. Fuzzification.

Dalam proses ini data real belum dapat di masukkan dalam sistem logika fuzzy. Adapun caranya yakni dengan mengkonversi data tersebut menjadi data yang dapat diproses fuzzy, proses yang dilakukan adalah fuzzification. Merupakan proses konversi data real menjadi data yang berisi range nilai dari suatu ketentuan. Misal data nilai dari suatu siswa tadi memiliki range nilai dari 0-100, maka dibagi-bagi menjadi beberapa bagian. Semisal kita bagi menjadi 3 : baik, sedang, kurang baik. Dari 3 bagian tersebut memiliki range tertentu. Sehingga data nilai dari siswa dapat masuk dalam proses fuzzy sesuai bagian-bagian tersebut.

c. Rules.

Rules merupakan proses fuzzy ketiga, dimana data yang sudah di proses pada fuzzification akan diproses lebih lanjut. Pada rules beberapa variabel / kriteria data pada proses fuzzification akan digabungkan dan di proses dalam suatu tabel rules. Sehingga berdasarkan nilai beberapa kriteria akan menghasilkan satu nilai kriteria yang baru yang sebagai ouput.

d. Defuzzification.

(21)

9

e. Output.

Pada proses terakhir adalah output dari logika fuzzy, output adalah berupa decision / prosentase sehingga dapat memudahkan user dalam mengambil suatu keputusan terhadap suatu permasalahan dengan data tertentu (terutama permasalahan yang memiliki banyak data sebagai parameternya).

2.1.1. Himpunan Fuzzy

Dalam teori logika fuzzy dikenal himpunan fuzzy (fuzzy set) yang merupakan pengelompokan sesuatu berdasarkan variabel bahasa (linguistik variable), yang dinyatakan dalam fungsi keanggotaan. Didalam semesta pembicaraan (universe of discourse) U, fungsi keanggotaan dari suatu himpunan fuzzy tersebut bernilai antara 0 sampai dengan 1.

Contoh dari himpunan variabel bahasa antara lain:

Himpunan dari ketinggian dapat dinyatakan dengan: rendah sekali, rendah, sedang, tinggi, tinggi sekali. Grafik dari himpunan suhu ini ditunjukkan pada gambar 2.1 :

(22)

2.1.2. Fungsi Keanggotaan

Fungsi Keanggotaan Logika Fuzzy digunakan untuk menghitung derajat keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan fuzzy set, yang masing-masing memiliki fungsi keanggotaan yang telah didefinisikan. Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukan pemetaan titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Adalah fungsi keanggotaan yang biasa digunakan dalam penalaran logika fuzzy, diantaranya :

a) Representasi Linier

Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.

(23)

11

Representasi fungsi keanggotaan untuk linear naik terdapat pada gambar 2.2 :

Gambar 2.2 Representasi Linear Naik

Berikut rumus Representasi Linear Naik :

[ , , ] =

0;

≤

;

≤

;

1;

≥

;

………. 2.1

Keterangan:

a = nilai domain yang mempunyai derajat keanggotaan nol b = nilai domain yang mempunyai derajat keanggotaan satu x = nilai input yang akan di ubah ke dalam bilangan fuzzy

(24)

Representasi fungsi keanggotaan untuk linear turun adalah sebagai berikut:

Gambar 2.3 Representasi Linear Turun.

Berikut Rumus Representasi Linear Turun :

[ , , ] =

;

≤

;

0;

≥

;

………. 2.2

Keterangan:

a = nilai domain yang mempunyai derajat keanggotaan satu b = nilai domain yang mempunyai derajat keanggotaan nol x = nilai input yang akan di ubah ke dalam bilangan fuzzy.

b) Representasi Kurva Segitiga

(25)

13

Representasi dari fungsi keanggotaan kurva segitiga terdapat pada gambar 2.4 ::

Gambar 2.4Representasi Kurva Segitiga

Representasi fungsi keanggotaan untuk kurva segitiga adalah :

[ , , ] =

0;

≤

;

≥

;

≤

;

≤

;

………. 2.3

Keterangan:

a = nilai domain terkecil yang mempunyai derajat keanggotaan nol b = nilai domain yang mempunyai derajat keanggotaan satu

c = nilai domain terbesar yang mempunyai derajat keanggotaan nol

c) Representasi Kurva Trapesium

(26)

Representasi kurva keanggotaan trapezium :

Gambar 2.5 Representasi Kurva Trapesium

Representasi fungsi keanggotaan untuk kurva trapesium adalah:

[ , , ] =

0;

≤

;

≤

;

1;

≤

;

≤

;

0;

≥

;

………. 2.4

Keterangan:

(27)

15

d)Representasi Kurva bentuk Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Himpunan fuzzy “bahu”, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.

Gambar 2.6 Representasi Kurva Bahu

Representasi fungsi keanggotaan untuk kurva bahu adalah :

[ , , ] =

0; ≤ ;

; ≤ ≤ ;

1; ≥ ;

0; ≤ ;

; ≤ ≤ ;

1; ≥ ;

(28)

Selain fungsi di atas, masih ada beberapa fungsi keanggotaan logika fuzzy lainnya, seperti Representasi Kurva S dan Representasi Kurva Bentuk Lonceng (Bell Curve). Tetapi kedua Fungsi Keanggotaan Logika Fuzzy tersebut jarang dipakai untuk penelitian.

2.2.Fuzzy Sugeno

Penalaran dengan metode SUGENO hampir sama dengan penalaran MAMDANI, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Ada beberapa model dari fuzzy sugeno :

a) Model Fuzzy Sugeno Orde-Nol

Secara umum bentuk model fuzzy SUGENO Orde-Nol adalah:

IF (x1 is A1) o (x2 is A2) o (x3 is A3) o ... o (xN is AN) THEN z=k

dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatu konstanta (tegas) sebagai konsekuen.

b)Model Fuzzy Sugeno Orde-Satu

Secara umum bentuk model fuzzy SUGENO Orde-Satu adalah:

IF (x1 is A1) o ... o (xN is AN) THEN z = p1*x1 + … + pN*xN + q

(29)

17

Apabila komposisi aturan menggunakan metode SUGENO, maka deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya.

………. 2.6

Contoh :

Kita kembali pada contoh yang sama seperti pada contoh sebelumnya. Himpunan fuzzy pada variabel permintaan dan persediaan juga sama seperti penyelesaian pada contoh tersebut. Hanya saja aturan yang digunakan sedikit dimodifikasi, sebagai berikut (dengan asumsi bahwa jumlah permintaan selalu lebih tinggi disbanding dengan jumlah persediaan):

[R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Barang = Permintaan - Persediaan;

[R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang = Permintaan;

[R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang = Permintaan;

[R4] IF Permintaan NAIK And Persediaan SEDIKIT

THEN Produksi Barang = 1,25*Permintaan - Persediaan;

Sekarang kita cari α-predikat dan nilai z untuk setiap aturan:

(30)

α-predikat1 = µPmtTURUN ∩PsdBANYAK

= min(µPmtTURUN[4000], µPsdBANYAK[300])

= min(0,25; 0,4) = 0,25

Nilai z1: z1 = 4000 – 300 = 3700

[R2] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang = Permintaan;

α-predikat2 = µPmtTURUN ∩PsdSEDIKIT

= min(µPmtTURUN[4000], µPsdSEDIKIT[300])

= min(0,25; 0,6) = 0,25

Nilai z2: z2 = 4000

[R3] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Barang = Permintaan;

α-predikat3 = µPmtNAIK ∩PsdBANYAK

= min(µPmtNAIK[4000], µPsdBANYAK[300])

= min(0,75; 0,4) = 0,4

Nilai z3: z3 = 4000

[R4] IF Permintaan NAIK And Persediaan SEDIKIT

(31)

19

α-predikat4 = µPmtNAIK ∩PsdSEDIKIT

= min(µPmtNAIK[4000], µPsdSEDIKIT[300])

= min(0,75; 0,6) = 0,6

Nilai z4: z4 = 1,25*4000 – 300 = 4700

Dari sini kita dapat mencari berapakah nilai z, yaitu:

z = αpred1∗z1 + αpr ed2∗z2 + αpred3∗z3 + αpred4∗z4 αpr ed1 + αpr ed2 + αpr ed3 + αpr ed4

= 0,25 ∗3700 + 0,25∗4000 + 0,4∗4000 + 0,6∗4700 0,25 + 0,25 + 0,4 + 0,6

= 6345 1,5

= 4320

Sesuai dengan hasil perhitungafuzyydiatasmaka jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4230 kemasan.

Keterangan :

- Z adalah nilai rata – rata

- αpredadalah nilai keanggotaan sebagai hasil dari operasi 2 himpunan

2.3.PT. CONBAT

(32)

PT. Conbat bergerak dibidang pembuatan baterai aki mobil dengan target pasar di dalam dandi luar negeri. PT.Conbat mengalami kendala terutama dalam penerimaan karyawan. Selama ini perusahaan masih menggunakan sistem manual dalam hal menerima karyawan. Sehingga PT. Conbat membutuhkan waktu yang cukup lama dalam memilih dan menyeleksi para pelamar.

Oleh karena itu dirancang suatu sistem pendukung keputusan penerimaan karyawan untuk mempermudah dalam memilih dan menyeleksi para pelamar dengan waktu yg singkat.

2.3.1. Proses Recuitment

Proses recuitment di PT. Conbat saat ini masih manual. Melalui karyawan tetap yang membawa pelamar dan melalui pelamar yang bawa surat lamarannya untuk ditujukan kepada personalia. Kemudian personalia melihat data – data pelamar dan memilih pelamar yang pantas diterima.

2.3.2. Parameter Pemilihan Karyawan

(33)

BAB III

PERANCANGAN

3.1. Analisa Sistem

Dari analisis permasalahan yang telah dilakukan pada perusahaan, maka akan dirancang suatu sistem pendukung keputusan untuk penerimaan karyawan pada PT. Conbat. Pada aplikasi tersebut akan digambarkan proses seleksi penerimaan karyawan di PT. Conbat secara terstruktur dan jelas. Sehingga dapat menjadi salah satu acuan untuk direktur maupun bagian HRD dalam menyeleksi karyawan yang melamar pada PT. Conbat.

Dengan Aplikasi yang berbasiskan web, maka pegawai/karyawan, direktur, maupun pelamar PT. Conbat dapat mengakses aplikasi ini melalui berbagai device (computer, laptop/notebook, dan mobile device) selama device tersebut terkoneksi jaringan local PT. Conbat maupun memiliki jaringan internet. Sehingga proses seleksi penerimaan karyawan dapat lebih praktis dan mudah dilaksanakan.

(34)

Berikut adalah gambaran alur kerja dari aplikasi sistem pendukung keputusan penerimaan karyawan di PT. Conbat :

Gambar 3.1 Gambaran Alur Kerja Sistem

3.2. Var iabel Pada Fuzzy

(35)

23

Pada sistem pendukung keputusan untuk penerimaan karyawan pada PT. CONBAT, menggunakan 4 kriteria sebagai parameter :

3.2.1. Kriter ia Pengalaman Kerja

Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi kurva seperti pada gambar 3.2 :

Gambar 3.2 Representasi Kurva Pengalaman Kerja.

(36)

banyak sampai melebihi 6, maka nilai derajat keanggotaan untuk SEDIKIT adak semakin kecil. Kemudian pada derajat keanggotaan CUKUP merupakan fungsi keanggotaan segitiga. Dengan jumlah pengalaman kerja (bulan) yang semakin naik mendekati nilai 24, maka nilai derajat keanggotaan CUKUP akan semakin naik, begitu pula sebaliknya apabila melebihi 24 maka nilai keanggotaan akan semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.

Sehingga berdasarkan pada kurva pengalaman kerja diatas didapatkan beberapa rumus berikut :

=

; ≤ ≥ ;

; ≤ ≤ ;

: ≤ ≤ ;

………. 3.1

Himpunan fuzzy SEDIKIT memiliki domain [6,24], dengan nilai derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,6]. Apabila pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi keanggotaan CUKUP.

=

0; ≤ 6 ≥ 48;

; ≤ ≤ 24; 6

; ≤ ≤ 48;24

1; = 24;

………. 3.2

(37)

25

keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 24. Apabila pengalaman kerja memiliki nilai yang semakin mendekati 24, maka akan semakin tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja melebihi titik 24 dan mendekati nilai 48 maka derajat keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.

=

0; ≤ 6;

; ≤ ≤ 24;6

1: ≥ 24;

………. 3.3

Himpunan BANYAK merupakan fungsi keanggotaan linear naik dimana himpunan fuzzy BANYAK memiliki domain [24,48], dengan nilai derajat keanggotaan BANYAK tertinggi (=1) terletak pada nilai dalam domain[48,∞]. Apabila pengalaman kerja memiliki nilai yang semakin mendekati titik 48, maka akan semaki tinggi dan mendekati nilai 1, apabila nilai dari pengalaman kerja melebihi titik 24 maka derajat keanggotaan BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja kurang dari 24, maka derajat keanggotaan akan bernilai 0.

3.2.2. Kriter ia Bidang Keahlian

(38)

Pada criteria ini dapat dimisalkan seperti:

a. Bidang keahlian mesin : memiliki bobot 0,33.

b. Bidang keahlian listrik : memiliki bobot 0,66.

c. Bidang keahlian Elektronika : memiliki bobot 1.

3.2.3. Kriter ia Nilai UN

Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka

didapatkan 3 poin, yakni sedikit, cukup, dan banyak. Sehingga didapatkan

representasi kurva seperti pada gambar 3.3. :

Gambar 3.3. Representasi Kurva Nilai UN.

Pada variable nilai UN, data yang dimiliki adalah 45, 50 dan 55. Dengan

demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu

SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki

domain [0,45] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada

(39)

27

dari nilai UN akan mendekati CUKUP. Pada kriteria nilai UN, fungsi keanggotaan

yang dimiliki oleh SEDIKIT adalah fungsi keanggotaan linear turun.sehingga

apabila jumlah nilai semakin banyak sampai melebihi 45, maka nilai derajat

keanggotaan untuk SEDIKIT akan semakin kecil sehingga nilai dari derajat

keanggotaan akan masuk di domain CUKUP. Kemudian pada derajat keanggotaan

CUKUP merupakan fungsi keanggotaan segitiga. Dengan jumlah nilai UN yang

semakin naik mendekati nilai 50, maka nilai derajat keanggotaan CUKUP akan

semakin naik, begitu pula sebaliknya apabila melebihi 50 maka nilai keanggotaan

akan semakin sedikit. Untuk derajat keanggotaan BANYAK hampir sama dengan

derajat kenggotaan SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.

Sehingga berdasarkan pada kurva Nilai UN (Ujian Nasional) diatas

didapatkan beberapa rumus :

=

0; ≤ 0 ≥ 50;

; ≤ ≤ 50;45

1: ≤ ≤ 45; 0

………. 3.4

(40)

=

0; ≤ 45 ≥ 55;

; ≤ ≤ 50;45

; ≤ ≤ 55;50

1; = 50;

………. 3.5

Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana himpunan fuzzy CUKUP memiliki domain [45,55], dengan nilai derajat keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 50. Apabila nilai UN memiliki nilai yang melebihi titik 45 dan semakin mendekati 50, maka derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1, apabila nilai dari nilai UN melebihi titik 50 dan mendekati nilai 55 maka derajat keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.

=

0; ≤ 45;

; ≤ ≤ 50;45

1: ≥ 50;

………. 3.6

(41)

29

BANYAK akan tetap memiliki nilai 1, sedangkan apabila nilai pengalaman kerja

kurang dari 50, maka derajat keanggotaan akan bernilai 0.

3.2.4. Kriter ia Nilai Wawancara

Kriteria pengalaman kerja dapat dilakukan proses fuzzifikasi. Maka

didapatkan 3 poin, yakni sedikit, cukup, banyak. Sehingga didapatkan representasi

kurva seperti pada gambar 3.4. :

Gambar 3.4. Representasi Kurva Nilai Wawancara

Pada variable nilai wawancara, data yang dimiliki adalah 50, 70 dan 90.

Dengan demikian pada variable ini dapat dibagi menjadi 3 himpunan fuzzy, yaitu

SEDIKIT, CUKUP, BANYAK. Himpunan fuzzy SEDIKIT akan memiliki

domain [0,70] dengan derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada

domain [0,50]. Apabila nilai wawancara semakin melebihi 50, maka derajat

keanggotaan dari nilai wawancara akan mendekati CUKUP. Pada kriteria nilai

wawancara, fungsi keanggotaan yang dimiliki oleh SEDIKIT adalah fungsi

(42)

sehingga nilai dari derajat keanggotaan akan masuk di domain CUKUP.

Kemudian pada derajat keanggotaan CUKUP merupakan fungsi keanggotaan

segitiga. Dengan jumlah nilai wawancara yang semakin naik mendekati nilai 70,

maka nilai derajat keanggotaan CUKUP akan semakin naik, begitu pula

sebaliknya apabila melebihi 70 maka nilai keanggotaan akan semakin sedikit.

Untuk derajat keanggotaan BANYAK hampir sama dengan derajat kenggotaan

SEDIKIT, yakni memiliki fungsi keanggotaan linear naik.

Sehingga berdasarkan pada kurva Nilai diatas didapatkan beberapa rumus

sedikit, cukup, banyak :

=

0;

≤ 0

≥ 70;

;

≤

≤ 70;

50

1:

≤

≤ 50;

0

………. 3.7

Himpunan fuzzy SEDIKIT memiliki domain [50,70], dengan nilai derajat keanggotaan SEDIKIT tertinggi (=1) terletak pada nilai dalam domain[0,50]. Apabila nilai wawancara memiliki nilai yang semakin mendekati 70, maka akan semakin berkurang derajat keanggotaan SEDIKIT dan semakin mendekati fungsi keanggotaan CUKUP.

=

0;

≤ 50

≥ 90;

;

≤

≤ 70;

50

;

≤

≤ 90;

70

1;

= 70;

(43)

31

Dimana pada rumus diatas a adalah titik sedikit, b adalah titik cukup, c

adalah titik banyak.

Himpunan CUKUP merupakan fungsi keanggotaan segitiga dimana

himpunan fuzzy CUKUP memiliki domain [50,90], dengan nilai derajat

keanggotaan CUKUP tertinggi (=1) terletak pada nilai dalam nilai 70. Apabila

nilai wawancara memiliki nilai yang melebihi titik 50 dan semakin mendekati 70,

maka derajat keanggotaan CUKUP akan semakin tinggi dan mendekati nilai 1,

apabila nilai dari nilai UN melebihi titik 70 dan mendekati nilai 90 maka derajat

keanggotaan CUKUP akan semakin berkurang dan mendekati nilai 0.

=

0;

≤ 70;

;

≤

≤ 90;

70

1:

≥ 90;

………. 3.9

(44)

3.3Rules

Pada proses metode fuzzy terdapat beberapa aturan / rules yang berlaku.

Hal ini ditujukan agar proses perhitungan bobot lebih mudah dan cepat. Berikut

beberapa rules yang dihasilkan dari beberapa parameter fuzzy :

Tabel 3.1. Rules

Pengalaman Kerja (bulan) Nilai UN SMA Nilai Wawancara Hasil Diterima (%)

S S S 10

S S C 10

S S B 30

S C S 20

S C C 40

S C B 30

S B S 30

S B C 40

S B B 60

C S S 40

C S C 50

C S B 60

C C S 40

C C C 30

C C B 40

C B S 60

C B C 60

(45)

33

B S S 50

B S C 60

B S B 60

B C S 60

B C C 70

B C B 80

B B S 80

B B C 90

B B B 100

Keterangan :

- S adalah fungsi keanggotaan Sedikit.

- C adalah fungsi keanggotaan Cukup.

- B adalah fungsi keanggotaan Banyak.

Seperti yang telah dijelaskan diatas, bahwa terdapat 27 kombinasi

pengalaman kerja, nilai UN dan nilai wawancara, untuk itu aturan fuzzy juga

terdapat 27 aturan, dengan catatan bahwa setiap aturan yang dibentuk

menyertakan semua variable. Metode inferensi fuzzy yang akan digunakan

adalah metode sugeno orde-0. Pada metode ini anteseden direpresentasikan

dengan proporsi dalam hinpunan fuzzy, sedangkan konsekuen direpresentasikan

dengan sebuah konstanta seperti berikut :

[R1] IF pengalaman kerja SEDIKIT and nilai UN SEDIKIT and nilai

(46)

wawancara CUKUP

THEN hasil diterima = 20%;

wawancara BANYAK

[R4] IF pengalaman kerja SEDIKIT and nilai UN CUKUP and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

[R7] IF pengalaman kerja SEDIKIT and nilai UN BANYAK and nilai

wawancara SEDIKIT

wawancara CUKUP

(47)

35

wawancara BANYAK

[R10] IF pengalaman kerja CUKUP and nilai UN SEDIKIT and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

[R13] IF pengalaman kerja CUKUP and nilai UN CUKUP and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

(48)

[R16] IF pengalaman kerja CUKUP and nilai UN BANYAK and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

[R19] IF pengalaman kerja BANYAK and nilai UN SEDIKIT and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

[R22] IF pengalaman kerja BANYAK and nilai UN CUKUP and nilai

wawancara SEDIKIT

(49)

37

wawancara CUKUP

wawancara BANYAK

[R25] IF pengalaman kerja BANYAK and nilai UN BANYAK and nilai

wawancara SEDIKIT

wawancara CUKUP

wawancara BANYAK

Setelah terbentuk rule, kita cari nilai α-predikat dan nilai z untuk setiap aturan,

dengan menggunakan contoh pengalaman kerja 18 tahun, nilai UN adalah 54 dan

nilai wawancara adalah 79, berikut perhitungannya :

wawancara SEDIKIT

(50)

= min(µpkerjaSEDIKIT [18] , µnunSEDIKIT [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0;0 )

= 0

wawancara CUKUP

α-predikat2 = µpkerjaSEDIKIT ∩ µnunSEDIKIT ∩ µnwwcrCUKUP

= min(µpkerjaSEDIKIT [18] , µnunSEDIKIT [54] , µnwwcrCUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat3 = µpkerja SEDIKIT ∩ µnun SEDIKIT ∩ µnwwcr BANYAK

= min(µpkerjaSEDIKIT [18] , µnunSEDIKIT [54] , µnwwcr BANYAK [79])

= min(0,33; 0;0,45 )

= 0

wawancara SEDIKIT

α-predikat4 = µpkerjaS EDIKIT ∩ µnun CUKUP ∩ µnwwcr SEDIKIT

= min(µpkerja SEDIKIT [18] , µnun CUKUP [54] , µnwwcr SEDIKIT [79])

= min(0,33; 0,2;0 )

(51)

39

wawancara CUKUP

α-predikat5 = µpkerja SEDIKIT ∩ µnun CUKUP ∩ µnwwcr CUKUP

= min(µpkerjaSEDIKIT [18] , µnun CUKUP [54] , µnwwcr CUKUP [79])

= min(0,33; 0,2;0,55 )

= 0,2

wawancara BANYAK

α-predikat6 = µpkerja SEDIKIT ∩ µnun CUKUP ∩ µnwwcr BANYAK

= min(µpkerjaSEDIKIT [18] , µnun CUKUP [54] , µnwwcr BANYAK [79])

= min(0,33; 0,2;0,45 )

= 0,2

wawancara SEDIKIT

α-predikat7 = µpkerjaSEDIKIT ∩ µnun BANYAK ∩ µnwwcrSEDIKIT

= min(µpkerjaSEDIKIT [18] , µnun BANYAK [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0,8;0 )

(52)

wawancara CUKUP

α-predikat8 = µpkerjaSEDIKIT ∩ µnun BANYAK ∩ µnwwcrCUKUP

= min(µpkerjaSEDIKIT [18] , µnun BANYAK [54] , µnwwcrCUKUP [79])

= min(0,33; 0,8;0,55 )

= 0

wawancara BANYAK

α-predikat9 = µpkerja SEDIKIT ∩ µnun BANYAK ∩ µnwwcr BANYAK

= min(µpkerjaSEDIKIT [18] , µnun BANYAK [54] , µnwwcr BANYAK [79])

= min(0,33; 0,8;0,45 )

=0

wawancara SEDIKIT

α-predikat10 = µpkerja CUKUP ∩ µnunSEDIKIT ∩ µnwwcrSEDIKIT

= min(µpkerja CUKUP [18] , µnunSEDIKIT [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0;0 )

(53)

41

wawancara CUKUP

α-predikat11 = µpkerja CUKUP ∩ µnunSEDIKIT ∩ µnwwcrCUKUP

= min(µpkerja CUKUP [18] , µnunSEDIKIT [54] , µnwwcrCUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat12 = µpkerja CUKUP ∩ µnun SEDIKIT ∩ µnwwcr BANYAK

= min(µpkerja CUKUP [18] , µnunSEDIKIT [54] , µnwwcr BANYAK [79])

= min(0,33; 0;0,45 )

= 0

wawancara SEDIKIT

α-predikat13 = µpkerjaS CUKUP ∩ µnun CUKUP ∩ µnwwcr SEDIKIT

= min(µpkerja CUKUP [18] , µnun CUKUP [54] , µnwwcr SEDIKIT [79])

= min(0,33; 0;0 )

(54)

wawancara CUKUP

α-predikat14 = µpkerja CUKUP ∩ µnun CUKUP ∩ µnwwcr CUKUP

= min(µpkerja CUKUP [18] , µnun CUKUP [54] , µnwwcr CUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat15 = µpkerja CUKUP ∩ µnun CUKUP ∩ µnwwcr BANYAK

= min(µpkerja CUKUP [18] , µnun CUKUP [54] , µnwwcr BANYAK [79])

= min(0,33; 0,2;0,45 )

= 0.2

wawancara SEDIKIT

α-predikat16 = µpkerja CUKUP ∩ µnun BANYAK ∩ µnwwcrSEDIKIT

= min(µpkerja CUKUP [18] , µnun BANYAK [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0;0 )

(55)

43

wawancara CUKUP

α-predikat17 = µpkerja CUKUP ∩ µnun BANYAK ∩ µnwwcrCUKUP

= min(µpkerja CUKUP [18] , µnun BANYAK [54] , µnwwcrCUKUP [79])

= min(0,67; 0,8;0,55 )

= 0

wawancara BANYAK

α-predikat18 = µpkerja CUKUP ∩ µnun BANYAK ∩ µnwwcr BANYAK

= min(µpkerja CUKUP [18] , µnun BANYAK [54] , µnwwcr BANYAK [79])

= min(0,67; 0,8;0,45 )

= 0

wawancara SEDIKIT

α-predikat19 = µpkerja BANYAK ∩ µnunSEDIKIT ∩ µnwwcrSEDIKIT

= min(µpkerja BANYAK [18] , µnunSEDIKIT [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0;0 )

(56)

wawancara CUKUP

α-predikat20 = µpkerja BANYAK ∩ µnunSEDIKIT ∩ µnwwcrCUKUP

= min(µpkerja BANYAK [18] , µnunSEDIKIT [54] , µnwwcrCUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat21 = µpkerja BANYAK ∩ µnun SEDIKIT ∩ µnwwcr BANYAK

= min(µpkerja BANYAK [18] , µnunSEDIKIT [54] , µnwwcr BANYAK [79])

= min(0,33; 0;0,45 )

= 0

wawancara SEDIKIT

α-predikat22 = µpkerja BANYAK ∩ µnun CUKUP ∩ µnwwcr SEDIKIT

= min(µpkerja BANYAK [18] , µnun CUKUP [54] , µnwwcr SEDIKIT [79])

= min(0,33; 0;0 )

(57)

45

wawancara CUKUP

α-predikat23 = µpkerja BANYAK∩ µnun CUKUP ∩ µnwwcr CUKUP

= min(µpkerja BANYAK [18] , µnun CUKUP [54] , µnwwcr CUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat24 = µpkerja BANYAK∩ µnun CUKUP ∩ µnwwcr BANYAK

= min(µpkerja BANYAK [18] , µnun CUKUP [54] , µnwwcr BANYAK [79])

= min(0,33; 0;0,45 )

= 0

wawancara SEDIKIT

α-predikat25 = µpkerja BANYAK∩ µnun BANYAK ∩ µnwwcrSEDIKIT

= min(µpkerja BANYAK [18] , µnun BANYAK [54] , µnwwcrSEDIKIT [79])

= min(0,33; 0;0 )

(58)

wawancara CUKUP

α-predikat26 = µpkerja BANYAK∩ µnun BANYAK ∩ µnwwcrCUKUP

= min(µpkerja BANYAK [18] , µnun BANYAK [54] , µnwwcrCUKUP [79])

= min(0,33; 0;0,55 )

= 0

wawancara BANYAK

α-predikat27 = µpkerja BANYAK∩ µnun BANYAK ∩ µnwwcr BANYAK

= min(µpkerja BANYAK [18] , µnun BANYAK [54] , µnwwcr BANYAK [79])

= min(0,33; 0;0,45 )

= 0

Dengan rumus Akhir Fuzzy Sugeno adalah dengan menghitung rata-rata :

………. 3.10

Sehingga berdasarkan rumus diatas perhitungan hasil fuzzy menjadi seperti berikut : (0*10)+(0.00*10)+(0.00*30)+(0.00*20)+(0.00*40)+(0.00*30) +(0.00*30)+(0.00*40)+(0.00*60)+(0.00*40)+(0.55*50)+(0.45 *60)+(0.00*40)+(0.00*30)+(0.00*40)+(0.00*60)+(0.00*60)+( 0.00*70)+(0.00*50)+(0.42*60)+(0.42*60)+(0.00*60)+(0.00* 70)+(0.00*80)+(0.00*80)+(0.00*90)+(0.00*100) 0+0.00+0.00+0.00+0.00+0.00+0.00+0.00+0.00+0.00+0.55+0. 45+0.00+0.00+0.00+0.00+0.00+0.00+0.00+0.42+0.42+0.00+ 0.00+0.00+0.00+0.00+0.00

(59)

47

3.4. Implementasi Data

Dengan Aplikasi yang berbasiskan web, maka pegawai/karyawan, direktur,

maupun pelamar PT.CONBAT dapat mengakses aplikasi ini melalui berbagai

device (computer, laptop/notebook, dan mobile device) selama device tersebut

terkoneksi dengan jaringan local PT. CONBAT maupun memiliki jaringan

internet. Sehingga proses seleksi penerimaan karyawan dapat lebih praktis dan

mudah dilaksanakan oleh pegawai/karyawan di PT. CONBAT.

3.5. Conseptual Data Model

Dalam aplikasi ini terdapat database untuk menyimpan data yang

diperlukan dalam aplikasi spk ini. Gambar 3.5 adalah conseptual data model pada

aplikasi ini.

Gambar 3.5 Gambar CDM Aplikasi SPK.

3.6.Physical Data Model

Dalam aplikasi ini terdapat database untuk menyimpan data yang

(60)

Gambar 3.6 Gambar PDM Aplikasi SPK.

3.7.Implementasi Aplikasi Desain Antar muka

Pada implementasi data digunakan untuk mengetahui data apa saja yang

disimpan dalam database yang ada dalam proses penyimpanan data pada aplikasi

yang dibuat (mysql database). Implementasi data tersebut dapat dilihat pada :

3.7.1. Data Tabel User.

Pada table user memiliki atribut id_user sebagai primary key, atribut user

untuk menyimpan data username yang diinginkan, atribut pass untuk menyimpan

data password, atribut tipe untuk menentukan jenis user (pegawai, admin, atau

pelamar), dan status untuk menentukan status dari user terpilih adalah aktif atau

tidak.

Semua data yang diperoleh merupakan inputan yang berasal dari user pada

halaman aplikasi, maupun inputan dari karyawan/pegawai yang bertugas.

Sehingga yang berhak melakukan perubahan dan penghapusan data adalah admin

(61)

49

Tabel 3.2. Struktur Table Data User.

NO. NAME TYPE COLLATION NULL DEFAULT

1 ID_USER Decimal(8,0) No None

2 USERNAME Text Latin1_swedish_ci Yes Null

3 PASSWORD Text Latin1_swedish_ci Yes Null

4 TIPE Decimal(8,0) Yes Null

5 STATUS Decimal(8,0) Yes Null

3.7.2. Data Tabel Berita.

Pada table berita memiliki atribut id_berita sebagai primary key, atribut

user untuk menyimpan data username yang telah melakukan input data/ posting

berita, atribut judul untuk menyimpan data judul dari berita yang ditampilkan,

atribut isi_berita untuk menyimpan isi dari berita yang ditampikan, atribut hari

yang digunaklan untuk menyimpan data hari dimana user melakukan posting

berita, atribut tanggal digunakan untuk menyimpan data tanggal user melakukan

posting berita, atribut jam digunakan untuk menyimpan data jam user melakukan

posting berita, atribut gambar digunakan untuk menyimpan gambar dari berita

yang akan diposting. Tabel 3.3 adalah data table berita :

Tabel 3.3. Struktur Table Data Berita.

(62)

2 ID_USER Decimal(8,0) Yes Null

3 JUDUL Text Latin1_swedish_ci Yes Null

4 ISI Text Latin1_swedish_ci Yes Null

5 HARI Text Latin1_swedish_ci Yes Null

6 TANGGAL Date Yes Null

7 JAM Decimal(8,0) Yes Null

8 GAMBAR Text Latin1_swedish_ci Yes Null

9 DIBACA Decimal(8,0) Yes Null

10 HEADLINE Decimal(8,0) Yes Null

11 BERITA Decimal(8,0) Yes Null

3.7.3. Data Tabel Pelamar.

Pada table pelamar memiliki atribut id_pelamar sebagai primary key,

atribut id_user untuk menyimpan data username yang digunakan oleh pelamar

untuk melakukan login, atribut nama untuk menyimpan data nama dari pelamar,

atribut alamat untuk menyimpan data alamat dari pelamar, atribut notelp

digunakan untuk menyimpan data number dari notelp pelamar, atribut

pengalaman_kerja digunakan untuk menyimpan data pengalaman kerja pelamar,

atribut nilau_un digunakan untuk menyimpan data nilai dari ujian hasional, atribut

(63)

51

pelamar, atribut nilai wawancara digunakan untuk menyimpan data nilai

wawancara yang dilakukan pelamar, atribut status digunakan untuk menyimpan

data status pelamar apakah diterima atau tidak. Tabel 3.4 adalah data table

pelamar :

Tabel 3.4. Struktur Table Data Pelamar.

NO. NAME TYPE COLLATION NULL DEFAULT

1 PELAMAR ID Decimal(8,0) No None

3 PELAMAR_NAMA Text Latin1_swedish_ci Yes Null

4 PELAMAR_ALAMAT Text Latin1_swedish_ci Yes Null

5 PELAMAR_NOTELP Text Latin1_swedish_ci Yes Null

6 PELAMAR_PENGALAMAN Decimal(8,0) Yes Null

7 PELAMAR_NILAI_UN Double Yes Null

8 PELAMAR_NILAI_WAWANCARA Double Yes Null

9 PELAMAR_HASIL Decimal(8,0) Yes Null

3.7.4. Data Tabel Karyawan.

Pada table karyawan memiliki atribut id_karyawan sebagai primary key,

atribut id_user untuk menyimpan data username yang digunakan oleh karyawan

untuk melakukan login, atribut nama untuk menyimpan data nama dari karyawan,

(64)

atribut status digunakan untuk menyimpan data status karyawan apakah masih

aktif atau tidak. Tabel 3.5 adalah data table karyawan :

Tabel 3.5. Struktur Table Data Karyawan.

NO. NAME TYPE COLLATION NULL DEFAULT

1 KARYAWAN_ID Decimal(8,0) No None

3 KARYAWAN_NAMA Text Latin1_swedish_ci Yes Null

4 KARYAWAN_ALAMAT Text Latin1_swedish_ci Yes Null

5 KARYAWAN_NOTELP Text Latin1_swedish_ci Yes Null

3.7.5. Data Tabel Hubungi.

Pada table hubungi memiliki atribut id_hubungi sebagai primary key,

atribut nama untuk menyimpan data nama yang digunakan oleh user, atribut

alamat email untuk menyimpan data alamat email dari user yang menghubungi,

atribut subjek digunakan untuk menyimpan data subjek dari data/pesan yang akan

dikirim, atribut pesan digunakan untuk menyimpan data pesan dari user untuk

admin, atribut tanggal digunakan untuk menyimpan data tanggal user melakukan

proses hubungi. Tabel 3.6 adalah data table hubungi :

Tabel 3.6. Struktur table data hubungi.

NO. NAME TYPE COLLATION NULL DEFAULT

(65)

53

2 NAMA Varchar(50) Latin1_general_ci No None

3 EMAIL Varchar(100) Latin1_general_ci No None

4 SUBJEK Varchar(100) Latin1_general_ci No None

5 PESAN Text Latin1_general_ci No None

6 TANGGAL Date No None

3.7.6. Data Tabel J adwal.

Pada table hubungi memiliki atribut jadwal_id sebagai primary key, atribut

pelamar_id digunakan untuk menyimpan data id pelamar yang melakukan

pendaftaran, atribut karyawan_id digunakan untuk menyiumpan data id karyawan

yang akan melakukan wawancara penerimaan karyawan baru, atribut jadwal_tgl

merupakan atribut yang digunakan untuk menyimpan data jadwal tanggal pelamar

melakukan wawancara, atribut jadwal_jam merupakan atribut yang digunakan

untuk menyimpan data jadwal jam pelamar melakukan wawancara. Kemudian

yang terakhir adalah atribut status, yakni atribut yang digunakan untuk

menyimpan data status dari jadwal wawancara apakah sudah terlaksana ataukah

belum. Tabel 3.7 adalah data table hubungi :

Tabel 3.7. Struktur table data jadwal.

NO. NAME TYPE COLLATION NULL DEFAULT

(66)

3 KARYAWAN_ID Int(255) No None

4 JADWAL_TGL Date No None

5 JADWAL_JAM Time No 08:00:00

6 STATUS Int(1) No 0

3.7.7. Data Tabel Komentar .

Pada table hubungi memiliki atribut komentar_id sebagai primary key,

atribut id_berita digunakan untuk menyimpan data id berita yang akan

dikomentari oleh user, atribut nama_komentar digunakan untuk menyimpan data

nama dari user yang melakukan komentar (komentator), atribut url merupakan

atribut yang digunakan untuk menyimpan data url dari user yang melakukan

komentar. atribut isi_komentar digunakan untuk menyiumpan data komentar yang

telah diinputkan oleh user, atribut tgl merupakan atribut yang digunakan untuk

menyimpan data tanggal user melakukan komentar, atribut jam_komentar

merupakan atribut yang digunakan untuk menyimpan data jam pelamar

melakukan komentar. Kemudian yang terakhir adalah atribut aktif, yakni atribut

yang digunakan untuk menyimpan data status dari komentar wawancara apakah

sudah dibaca ataukah belum. Tabel 3.8 adalah data table hubungi :

Tabel 3.8. Struktur table data komentar.

NO. NAME TYPE COLLATION NULL DEFAULT

(67)

55

2 ID_BERITA Int(5) No None

3 NAMA_KOMENTAR Varchar(100) Latin1_swedish_ci No None

4 URL Varchar(100) Latin1_swedish_ci No None

5 ISI_KOMENTAR Text Latin1_swedish_ci No None

6 TGL Date No None

7 JAM_KOMENTAR Time No None

(68)

4.1 Implementasi Aplikasi Desain

implementasi sistem yang merupakan tahap lanjutan dari analisis dan

desain sistem pada bab sebelumnya yang berisi tentang perancangan aplikasi

sistem pendukung keputusan yang dibuat. Berikut adalah uraian tentang masing –

masing menu yang terdapat dalam aplikasi :

4.1.1 Tampilan Halaman Menu

Dalam gambar 4.1 ini berisi tentang produk , uraian berita terbaru.

Terdapat juga kolom login dan register yang digunakan untuk admin login atau

(69)

57

Gambar 4.1 Tampilan Halaman Menu

4.1.2 Tampilan Register

Dalam gambar 4.2 ini terdapat kolom apa saja yang di isi guna melakukan

(70)

4.1.3 Tampilan Halaman Admin

Pada gambar 4.3 ini ketika admin login terdapat beberapa menu di

halaman awal, yaitu home, master, berita, about, dan contact. Pada halaman menu

master terdapat user, karyawan, dan pelamar. Di halaman menu karyawan terdapat

hasil wawancara dari interview pelamar. Di halaman pelamar terdapat

pengumuman diterima atau ditolak. Dan yang dibawah sendiri terdapat jadwal

yang digunakan untuk melihat dan menambah jadwal pelamar yang akan di

interview. Di menu berita, admin bsa mengupdate berita tentang produk terbaru

maupun lowongan terbaru.

Gambar 4.3 Tampilan Admin

4.1.4 Tampilan SPK Tahap 1

Pada gambar 4.4 ini terdapat kolom nama, alamat, nomor telepon,

pengalaman kerja, nilai UN yang akan diproses oleh fuzzy. Kemudian dari hasil

(71)

59

Gambar 4.4 Tampilan SPK Tahap 1

4.1.5 Tampilan Hasil SPK Tahap 1

Pada gambar 4.5 ini nilai pengalaman kerja, nilai UN, akan menghasilkan

(72)

Pada gambar 4.6 terdapat proses fuzzy SPK tahap 1, terdapat 2 kriteria,

masing – masing kriteria diproses ke fuzzy dan menghasilkan hasil sedikit, cukup,

dan banyak.

Gambar 4.6 Tampilan Proses Fuzzy Tahap 1

Gambar 4.7 adalah uraian hasil akhir dari fuzzy yang akan masuk di

kolom SPK tahap 1, yang merupakan tahap akhir.

(73)

61

4.1.6 Tampilan SPK Tahap 2

Pada gambar 4.8 ini terdapat kolom nama, lama kerja, UN, interview, hasil

SPK tahap 1. SPK tahap 2 akan memproses lama kerja, UN, dan interview.

Kemudian admin memilih diterima atau ditolak.

Gambar 4.8 Tampilan SPK Tahap 2

4.1.7 Tampilan Hasil SPK Tahap 2

Pada gambar 4.9 ini nilai pengalaman kerja, nilai UN, dan nilai wawancara

(74)

Gambar 4.9 Tampilan Rules Tahap 2

Sedangkan pada gambar 4.10 terdapat 3 kriteria, masing – masing kriteria

diproses ke fuzzy dan menghasilkan hasil sedikit, cukup, dan banyak

Gambar 4.10 Tampilan Proses Fuzzy Tahap 2

Gambar 4.11 adalah uraian hasil akhir dari fuzzy yang akan masuk di

(75)

63

Gambar 4.11 Tampilan Hasil Fuzzy Tahap 2

4.1.8 Tampilan Pelamar

Pada gambar 4.12, pelamar dapat mengisi dan mengubah data – data

sesuai data yang ada pada pelamar meliputi : username, email, jenis kelamin,

tanggal lahir, nama asli, alamat rumah, nomor telepon, pengalaman kerja, dan

(76)

4.1.9 Tampilan Pengumuman

Gambar 4.13 adalah pengumuman seorang pelamar diterima sebagai

karyawan di PT. Conbat atau ditolak sebagai karyawan di PT. Conbat.

(77)

BAB V

PENUTUP

5.1 Kesimpulan

Kesimpulan yang dapat diambil setelah proses analisis dan pembuatan

system pendukung keputusan adalah :

a. Sistem pendukung keputusan penerimaan karyawan menggunakan logika

fuzzy membantu pegawai HRD dalam proses penerimaan karyawan pada

PT Conbat.

b. Aplikasi web dapat membantu pegawai dalam memberikan berita kepada

masyarakat menganai pengumuman lowongan pekerjaan, jadwal

wawancara, dan hasil wawancara. Sehingga pelamar kerja juga

dimudahkan dalam memperoleh informasi penerimaan karyawan karena

lebih efisien (hemat waktu) serta bisa diakses dari manapun dan kapanpun

selama terdapat koneksi internet.

c. Dengan pembagian user yang memiliki hak akses yang berbeda-beda

sehingga dapat mempermudah dalam menjaga kerahasiaan Perusahaan PT.

(78)

5.2 Sar an

Untuk kesempatan kali ini beberapa saran – saran yang mungkin dapat

digunakan untuk pengembangan lebih lanjut :

a. Program ini masih termasuk dalam kategori sederhana oleh sebab itu perlu

untuk dikembangkan dengan menggunakan metode atau media lainnya.

b. Perlu adanya back up data yang disimpan ditempat yang aman dan terjaga

cukup akurat demi kerahasiaan dan keamanan customer tersebut, karena

customer adalah aset dari perusahaan.

c. Diharapkan dalam aplikasi yang berbasiskan web tersebut maka calon

karyawan maupun karyawan, direktur, HRD di PT. Conbat dapat

mengakses aplikasi melalui berbagai device (computer, laptop, notebook,

(79)

DAFTAR PUSTAKA

Andi, 2006. Pengolahan Database dengan MYSQL Yogyakarta: Andi dan Madcoms.

Belajaritsaja.

“http://belajaritsaja.com/pemrograman/fuzzy/fungsi-keanggotaan-logika-fuzzy” Fungsi Keanggotaan Fuzzy (Last Updated - 28 Dec 2013 - 19:00)

Berbagiyuks.“http://www.berbagiyuks.com/tutorial-membuat-form-register-sederhana-dengan-php-dan-mysql/“. Tutorial Membuat Form Register.

Google. “http://www.google.co.id/”. Sejarah PT Conbat oleh Christian Universitas Petra.

Kusumadewi Sri. 2003. Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2. Jakarta : Graha Ilmu.

Seowaps.“http://www.seowaps.com/2013/07/cara-membuat-form-sign-up-register.html”.Tutorial membuat form Sign Up (Register)

Yulyantari.“http://www.yulyantari.com/tutorial/media.php?mod=detailsub&su b=20&bab=4&mat=14”.Logika Fuzzy metodesugeno.

Zainalhakim.“http://www.zainalhakim.web.id/posting/membuat-captcha-dengan-php.html”.Tutorial membuat captha pada php.