Sistem Pendukung Keputusan Pemilihan Teknisi Fiber Optic Terbaik Dengan Grey Absolute Decision Analysis Methods (Studi Kasus: PT. Karya Solusi Prima Sejahtera)

Sistem Pendukung Keputusan Pemilihan Teknisi Fiber Optic Terbaik Dengan Grey Absolute Decision Analysis Methods

(Studi Kasus: PT. Karya Solusi Prima Sejahtera)

Aditya Trinugraha¹, Taronisokhi Zebua^2,*, Anda Yanny³

1 Fakultas Ilmu Komputer dan Teknologi Informasi, Teknik Informatika, Universitas Budidarma, Medan, Indonesia Email: ¹aditnugraha12300@gmail.com, ^2,*taronizeb@gmail.com, ³andayanny31@gmail.com

Abstrak−PT. Karya Solusi Prima Sejahtera adalah perusahaan yang bergerak dalam penyediaan jasa servis professional bidang teknologi informasi dan telekomunikasi. PT. Karya Solusi Prima Sejahtera juga menyediakan jasa pembangunan sarana dan prasarana jaringan telekomunikasi dan teknologi informasi. Sebagai upaya meningkatkan kinerja teknisi fiber optic pada PT. Karya Solusi Prima Sejahtera dilakukan tahap evaluasi kinerja kemudian memberikan rewards kepada teknisi fiber optic yang terpilih sebagai yang terbaik. Adapun masalah yang terjadi untuk penentuan hasil pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera yaitu pihak yang bertugas masih melakukan pengambilan keputusan berdasarkan penilaian dari satu pihak berdasarkan nilai subjektifitas pimpinan. Dampak negatif dari prosedur ini adalah hasil pengambilan keputusan yang dilakukan berdasarkan penilaian bersifat subjektifitas pimpinan pada PT. Karya Solusi Prima Sejahtera yaitu terjadinya ketidakadilan dikarenakan hasil pemilihan yang dilakukan tidak sesuai dengan kinerja dari setiap alternatif yang menjadi kandidat penerima rewards. Sebagai upaya untuk mengatasi permasalahan di atas, maka dalam penelitian ini penulis membangun sebuah sistem pendukung keputusan pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera dengan menggunakan bahasa pemrograman berbasis desktop. Sistem pendukung keputusan pemilihan teknisi fiber optic terbaik yang dibangun untuk PT. Karya Solusi Prima Sejahtera dilakukan dengan menerapkan metode grey absolute decision analysis agar dapat menghasilkan output keputusan yang akurat dan terpercaya.

Kata Kunci: SPK; Teknisi; Fiber Opti; GADA; PT. Karya Solusi Prima Sejahtera

Abstract−PT. Karya Solusi Prima Sejahtera is a company engaged in providing professional services in the field of information technology and telecommunications. PT. Karya Solusi Prima Sejahtera also provides services for the construction of telecommunications network and information technology facilities and infrastructure. As an effort to improve the performance of fiber optic technicians at PT. Karya Solusi Prima Sejahtera carried out a performance evaluation stage and then gave rewards to fiber optic technicians who were chosen as the best. The problems that occur in determining the results of the selection of the best fiber optic technician at PT. Karya Solusi Prima Sejahtera, namely the party in charge is still making decisions based on the assessment of one party based on the subjective value of the leadership. The negative impact of this procedure is the result of decision making based on the subjective assessment of the leadership at PT. Karya Solusi Prima Sejahtera, namely the occurrence of injustice because the results of the election were not in accordance with the performance of each alternative that became a candidate for the recipient of the rewards. In an effort to overcome the above problems, in this study the authors built a decision support system for selecting the best fiber optic technician at PT. Karya Solusi Prima Sejahtera using a desktop-based programming language. The decision support system for selecting the best fiber optic technician built for PT. The work of Solusi Prima Sejahtera was carried out by applying the gray absolute decision analysis method in order to produce accurate and reliable decision outputs.

Keywords: DSS; Technician; Fiber Optic; GADA; PT. Karya Solusi Prima Sejahtera

1. PENDAHULUAN

PT. Karya Solusi Prima Sejahtera adalah perusahaan yang bergerak dalam penyediaan jasa servis professional bidang teknologi informasi dan telekomunikasi. PT. Karya Solusi Prima Sejahtera juga menyediakan jasa pembangunan sarana dan prasarana jaringan telekomunikasi dan teknologi informasi. Untuk meningkatkan kualitas jasa yang disediakan oleh PT. Karya Solusi Prima Sejahtera maka kinerja teknisi fiber optic selalu ditingkatkan. Dalam upaya meningkatkan kinerja teknisi fiber optic pada PT. Karya Solusi Prima Sejahtera dilakukan tahap evaluasi kinerja kemudian memberikan rewards kepada teknisi fiber optic yang terpilih sebagai yang terbaik.

Adapun masalah yang terjadi untuk penentuan hasil pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera yaitu pihak yang bertugas masih melakukan pengambilan keputusan berdasarkan penilaian dari satu pihak berdasarkan nilai subjektifitas pimpinan. Dampak negatif adalah hasil pengambilan keputusan yang dilakukan berdasarkan penilaian bersifat subjektifitas pimpinan pada PT. Karya Solusi Prima Sejahtera yaitu terjadinya ketidakadilan dikarenakan hasil pemilihan yang dilakukan tidak sesuai dengan kinerja dari setiap alternatif yang menjadi kandidat penerima rewards.

Upaya untuk mengatasi permasalahan di atas maka dalam penelitian ini dibangun sebuah sistem pendukung keputusan pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera yang bersifat objektif hasil pengambilan keputusannya. Adapun metode pengambilan keputusan yang diterapkan didalamnya adalah Grey Absolute Decision Analysis Methods. Menurut penelitian yang dilakukan oleh Dariusu Zebua dan Rivalri Kristianto Hondro tahun 2021, metode Gray Absolute Decesion Analysis merupakan metode yang terdiri dari beberapa atribut keputusan untuk membuat model yang memprioritaskan alternatif yang ada, sambil memberikan bobot relatif yang disebut dengan GADA bobot Sistem yang dihasilkan dari penelitian ini dapat dioperasikan di sistem operasi windows dengan baik.

Sistem pendukung keputusan pada penelitian terdahulu telah diterapkan oleh beberapa peneliti untuk menyelesaikan masalah pengambilan keputusan [1]–[3]. Penelitian terkait oleh Rio Irwansyah dan Mesran tahun 2022 yang menginplementasikan sistem pendukung keputusan untuk menyelesaikan masalah pemilihan pelajar SMK terbaik

di Kota Medan, mengatakan bahwa sistem pendukung keputusan dapat dijadikan sebagai solusi yang tepat untuk menyelesaikan permasalahan pengambilan keputusan untuk studi kasus yang diteliti [4]. Penelitian terkait oleh Dwi Asdini, Dkk. tahun 2022 yang menginplementasikan sistem pendukung keputusan untuk menyelesaikan masalah penilaian kinerja manajer, mengatakan bahwa sistem pendukung keputusan dapat menghasilkan hasil akhir pengambilan keputusan yang efektif untuk membantu pihak yang bertanggungjawab di bidang tersebut dalam memilih manajer yang memiliki kinerja terbaik [5].

Metode Gray Absolute Decesion Analysis pada penelitian terdahulu telah diterapkan oleh beberapa peneliti ke dalam sistem pendukung keputusan untuk menghasilkan ouput pengambilan keputusan yang terbaik. Penelitian oleh S.

A. Javed, Dkk. tahun 2020 yang menginplementasikan metode Gray Absolute Decision Analysis untuk menyelesaikan masalah pengambilan keputusan multi-kriteria, mengatakan bahwa Gray Absolute Decision Analysis dapat digunakan sebagai salah satu metode yang dapat diterapkan ke dalam sistem pendukung keputusan [6]. Penelitian oleh Ellen Thio tahun 2021 yang menginplementasikan metode Grey Absolute Decision Analysis untuk menyelesaikan masalah pemilihan lokasi budidaya laut di Kabupaten Lombok Utara Indonesia, mengatakan bahwa metode Grey Absolute Decision Analysis mampu menyelesaikan masalah pemilihan lokasi budidaya laut di Kabupaten Lombok Utara Indonesia dengan efektif dan mudah untuk dipahami [7]. Penelitian oleh Dariusu Zebua dan Rivalri Kristianto Hondro tahun 2021 yang menginplementasikan metode Grey Absolute Decision Analysis untuk menyelesaikan masalah pemilihan pelatih seni, mengatakan bahwa metode Grey Absolute Decision Analysis memiliki tingkat keberhasilan yang baik untuk menyelesaikan permasalahan pemilihan pelatih seni [8].

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Tahapan penelitian menggambarkan fase-fase di mana penelitian dilakukan. Metode penelitian terdiri dari beberapa tahapan yang saling berkaitan secara sistematis. Tahap ini diperlukan untuk mempermudah penelitian. Sebelum merumuskan kerangka penelitian, penulis terlebih dahulu menganalisis topik yang akan diteliti. Dalam analisis penelitian, penulis menjelaskan proses penulisan bagaimana mengambil data yang diperlukan untuk melakukan penelitian. Metode pengumpulan data dan pencarian buku, jurnal, atau bahan referensi lainnya. Dalam kerangka penelitian ini, penulis melakukan beberapa tahapan dari tahap awal hingga tahap akhir guna menyelesaikan penelitian.

Gambar 1. Tahapan Penelitian

Adapun penjelasan dari Gambar 1. tahapan penelitian yang terlihat di atas adalah sebagai berikut : 1. Identifikasi Masalah

Pada tahap ini, penulis mengidentifikasi masalah dengan hasil pengumpulan data untuk menyelidiki masalah yang terjadi selama proses pemilihan teknisi fiber optic terbaik di tempat riset yang dituju.

2. Studi Literatur

Pada tahap ini, penulis melakukan pengutipan literature research yang relevan dengan topik penelitian yang akan diselesaikan, antara lain sistem pendukung keputusan, teknisi, fiber optic, grey absolute decision analysis, dan penelitian terkait.

3. Studi Lapangan

Pada tahap ini penulis melakukan pengumpulan data penelitian yang diperlukan dengan teknik pengumpulan data sebagai berikut ini:

a. Wawancara

Pada tahap ini penulis melakukan wawancara langsung dengan para pengambil keputusan yang bertanggung jawab melakukan pemilihan teknisi fiber optic terbaik di tempat riset yang dituju.

b. Observasi

Pada tahap ini penulis melakukan observasi langsung di tempat riset yang dituju untuk mendapatkan informasi yang terkait dengan proses pemilihan teknisi fiber optic terbaik.

c. Sampling

Pada tahap ini, penulis mengumpulkan dan menganalisis sampel data dari tempat riset yang dituju untuk digunakan sebagai bahan pengujian metode grey absolute decision analysis yang akan diterapkan ke dalam sistem pendukun keputusan pemilihan teknisi fiber optic terbaik di tempat riset yang dituju dalam penelitian ini.

4. Analisa dan Penerapan Metode Grey Absolute Decision Analysis

Pada tahap ini, penulis terlebih dahulu akan melakukan analisis mendalam terhadap hasil sampel data yang terkumpul untuk mengidentifikasi data kriteria, alternatif, dan data sampel yang perlu diselesaikan. Setelah menganalisis data penelitian yang telah diperoleh, penulis menjelaskan proses penerapan metode grey absolute decision analysis, dalam konteks mengatasi masalah pemilihan teknisi fiber optic terbaik di tempat riset yang dituju.

5. Perancangan Sistem

Pada tahap ini penulis melakukan menggambar diagram dari sistem pendukung keputusan pemilihan teknisi fiber optic terbaik menggunakan bahasa pmodelan sistem, yakni flowchart dan unified modeling language (UML).

6. Impementasi Sistem

Pada tahap ini penulis menerapkan metode grey absolute decision analysis pada sistem pendukung keputusan pemilihan teknisi fiber optic terbaik yang dibangun berdasarkan logika sistem yang telah dirancang sebelumnya.

Bahasa pemrograman yang digunakan untuk membangun sistem pendukung keputusan pemilihan teknisi fiber optic terbaik adalah Visual Basic Net 2008 dan database MySQL.

7. Pengujian

Pada tahap ini penulis melakukan pengujian sistem pendukung keputusan pemilihan teknisi fiber optic terbaik yang dibangun untuk mengetahui kekurangan dan kelebihannya dalam menyelesaikan masalah yang diteliti.

8. Dokumentasi

Pada tahap ini penulis melakukan dokumentasi dari hasil penelitian yang telah dilakukan untuk dijadikan sebagai karya ilmiah.

2.2 Sistem Pendukung Keputusan

Sistem pendukung keputusan adalah sistem berbasis komputer yang dapat digunakan sebagai alat pengambilan keputusan untuk memilih alternatif terbaik dari beberapa alternatif yang tersedia[9]. Sebuah sistem pendukung keputusan dapat bertindak sebagai sistem untuk membantu pengambil keputusan membuat keputusan yang lebih cepat dan lebih akurat tentang masalah[10]. Dalam hal ini, sistem pendukung keputusan tidak dimaksudkan untuk menggantikan pengambil keputusan dalam proses pengambilan keputusan[11]–[13]. Bersadarkan teori ditemukan penulis menyimpulkan bahwa sistem pendukung keputusan merupakan sebuah sistem berbasis komputer yang dapat berfungsi membantu pengambil keputusan dalam menghasilkan keputusan yang lebih cepat dan lebih akurat untuk menyelesaikan suatu permasalahan yang kompleks[14], [15].

2.3 Grey Absolute Decision Analysis

Gray Absolute Decesion Analysis adalah suatu metode pengambilan keputusan yang mengggunakan model multi kriteria diskrit dalam membuat model yang memprioritaskan setiap alternatif yang tersedia, sekaligus memberikan bobot kriteria relatif yang disebut dengan bobot GADA. Bobot GADA mewakili bobot relatif dari alternatif keputusan di bawah kriteria yang diberikan. Metode ini dapat menangani kriteria positif (“lebih tinggi lebih baik”) dan negatif (“lebih rendah lebih baik”) secara bersamaan dalam algoritmanya. Adapun langkah-langkah pengambilan keputusan dengan menggunakan metode Gray Absolute Decesion Analysis, dapat dijelaskan pada uraian berikut ini:

1. Menentukan Nilai Geometrik Mean

Nilai geometrik mean adalah nilai rata-rata dari nilai seluruh alternatif pada suatu kriteria. Tujuan dari penghitungan nilai geometrik mean dilakukan untuk mendapatkan nilai tunggal dari jawaban resposden yang menjadi alternatif.

Adapun rumus untuk menghitung nilai geometrik mean yaitu:

𝒂𝟏 ⋯ 𝒂_𝒔

[𝒂_𝒊𝒋]=

𝒆_𝟏

⋮ 𝒆_𝒏[

𝒂_𝟏𝟏 ⋯ 𝒂_𝟏𝒔

⋮ ⋱ ⋮

𝒂_𝒏𝟏 ⋯ 𝒂_𝒏𝒔] (1)

2. Menentukan Nilai Matriks Perbandingan Berpasangan

𝜺

_𝒊𝟏

=

^{𝟏+|𝒔𝟏|+|𝒔𝒋|}

𝟏+|𝒔_𝒋|+|𝒔_𝒊−𝒔_𝒋| (2)

|𝒔_𝒊| = |∑ 𝒚_𝟏^𝟎(𝒌) + ^𝟏

𝟐

𝒏−𝟏𝒌=𝟐 𝒚_𝟏^𝟎(𝒏)| , |𝒔_𝒋| = |∑ 𝒚_𝟏^𝟎(𝒌) + ^𝟏

𝟐

𝒏−𝟏𝒌=𝟐 𝒚_𝟏^𝟎(𝒏)|

|𝒔_𝒊−𝒔_𝒋| = |∑^𝒏−𝟏_𝒌=𝟐𝒚_𝟏^𝟎(𝒌) − 𝒚_𝟏^𝟎(𝒌)) +^𝟏

𝟐𝒚_𝟏^𝟎(𝒏) − 𝒚_𝟏^𝟎(𝒏)|

3. Menghitung Bobot Yang Disarankan 𝑬_𝟏 ⋯ 𝑬_𝒏

𝒄(𝟏)

⋮ 𝒄(𝑴)

[

â_𝟏(𝟏) ⋯ â_𝒏(𝟏)

⋮ ⋱ ⋮

â_𝟏(𝑴) ⋯ â_𝑴(𝑴) ] [

â_𝟏(𝟏)

⋮ â_𝟏(𝑴)

] (3)

4. Menghitung Bobot Simulasi Dari Kriteria 𝑬_𝟏 ⋯ 𝑬_𝒏

𝒄(𝟏)

⋮ 𝒄(𝑴)

[

è_𝟏(𝟏) ⋯ è(𝟏)

⋮ ⋱ ⋮

è_𝟏(𝑴) ⋯ è_𝑴(𝟏) ] [

𝛅(𝟏)

⋮ 𝛅(𝑴)

] (4)

dimana, δ (k) = nilai rata-rata geometrik (θ1(k), (θ2(k),... θN(k)); θ1(k)= βi (k) x √á𝑖(𝑘).

5. Menghitung Agregasi Bobot Terhadap Kriteria

Tujuan dari proses agregasi bobot terhadap kriteria yaitu untuk mendapatkan peringkat alternatif secara keseluruhan.

Adapun rumus dari perhitungan agregasi bobot terhadap kriteria yaitu:

ŕ_𝒋= (∏_𝒋=𝟏^𝒔 𝒓_𝒋^á𝒊) 1/∑_𝒊=𝟏 ^𝒏 á_𝒊 (5)

ŕ_𝒋= ŕ_𝒋

∑^𝒔_𝒋−𝟏ŕ_𝒋

6. Menentukan Hasil Perangkingan

Hasil perangkingan adalah output yang akan dijadikan sebagai pendukung keputungan untuk menentukan hasil pengambilan keputusan akhir.

[ ȑ Ȑ 𝐑𝐀𝐍𝐊

]=[

ȑ_𝒋 ⋯ ȑ_𝒋 Ȑ_𝒋 ⋱ Ȑ_𝒋

− ⋯ −

] (6)

Dimana, ȑ_𝒋 = (∏_𝒋=𝟏 ^𝒔 ȑ_𝒋^ä(𝐤)) 1/∑^𝑴_𝑲=𝟏ä menggunakan vektor yang dinormalisasi yaitu : Ȑ_𝒋 = ^ȑ𝒋

∑^𝒔_𝒋−𝟏ŕ_𝒋

2. HASIL DAN PEMBAHASAN

3.1 Analisa Masalah

Berdasarkan studi lapangan yang dilakukan dalam penelitian ini diketahui bahwa upaya untuk meningkatkan kinerja teknisi fiber optic pada PT. Karya Solusi Prima Sejahtera dilakukan tahap evaluasi kinerja kemudian memberikan rewards kepada teknisi fiber optic yang terpilih sebagai yang terbaik. Masalah yang terjadi pada proses pemilihan teknisi fiber optic terbaik yang dilakukan yaitu pihak yang bertugas masih melakukan pengambilan keputusan berdasarkan penilaian dari satu pihak berdasarkan nilai subjektifitas pimpinan. Dampak negatif adalah hasil pengambilan keputusan yang dilakukan berdasarkan penilaian bersifat subjektifitas pimpinan pada PT. Karya Solusi Prima Sejahtera yaitu terjadinya ketidakadilan dikarenakan hasil pemilihan yang dilakukan tidak sesuai dengan kinerja dari setiap alternatif yang menjadi kandidat penerima rewards. Upaya untuk mengatasi permasalahan di atas maka dalam penelitian ini dibangun sebuah sistem pendukung keputusan pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera yang bersifat objektif hasil pengambilan keputusannya. Adapun metode pengambilan keputusan yang diterapkan didalamnya adalah Grey Absolute Decision Analysis Methods.

3.1.1 Penerapan Metode Grey Absolute Decision Analysis Methods

Pada tahap ini penulis melakukan penerapan metode Grey Absolute Decision Analysis untuk menyelesaikan masalah pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera dengan data sampel yang telah didapatkan melalui proses tahap penelitian studi lapangan. Adapun data sampel yang akan digunakan dalam penelitian ini dilihat pada tabel berikut ini:

Tabel 1. Data Kriteria Kriteria Keterangan

C1 Absensi

C2 Kedisiplinan

Kriteria Keterangan C3 Skill di Bidang Fiber Optic

C4 Loyalitas

C5 Komunikasi

Berdasarkan tabel di atas dapat diketahui nilai bobot sub kriteria untuk masing-masing kriteria yang akan digunakan dalam pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera yaitu seperti yang terlihat pada tabel berikut ini.

Tabel 2. Sub Kriteria C1

Range Nilai

90% - 100% 5

80% - 89% 4

70% - 79% 3

60% - 69% 2

60% < 1

Tabel 3. Sub Kriteria C2

Range Nilai

90 – 100 5

80 – 89 4

70 – 79 3

60 – 69 2

60 < 1

Tabel Sub Kriteria C3

Range Nilai

Baik 3

Cukup 2

Buruk 1

Tabel 5. Sub Kriteria C4

Range Nilai

90 – 100 5

80 – 89 4

70 – 79 3

60 – 69 2

60 < 1

Tabel 6. Sub Kriteria C5

Range Nilai

Baik 3

Cukup 2

Buruk 1

Adapun data sampel yang akan digunakan dalam penelitian ini dilihat pada tabel berikut ini : Tabel 7. Data Pemilihan Teknisi Fiber Optic Terbaik

No Alternatif C1 C2 C3 C4 C5

1 Jonson 90% 75 Buruk 70 Baik

2 Randy 70% 80 Baik 80 Cukup

3 Depriadi 65% 85 Cukup 90 Baik

4 Andika Siburian 80% 65 Baik 75 Baik

5 Alex Ambarita 75% 70 Cukup 85 Buruk

Berdasarkan data sampel di atas diperoleh nilai rating kecocokan seperti yang ditunjukkan pada tabel di bawah ini.

Tabel 8. Data Nilai Rating Kecocokan No Alternatif C1 C2 C3 C4 C5

1 Jonson 5 3 1 3 3

2 Randy 3 4 3 4 2

No Alternatif C1 C2 C3 C4 C5

3 Depriadi 2 4 2 5 3

4 Andika Siburian 4 2 3 4 3 5 Alex Ambarita 3 3 2 3 1

Adapun proses penerapan metode Grey Absolute Decision Analysis untuk penyelesaian masalah pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera dengan data sampel di atas yaitu sebagai berikut : 1. Menentukan Nilai Geometri Mean

Pada tahap ini penulis melakukan penentuan nilai geometri mean terhadap nilai pada table 8.

GM1 = √5 ∗ 3 ∗ 2 ∗ 4 ∗ 3⁵ = 3,2453 GM2 = √3 ∗ 4 ∗ 4 ∗ 2 ∗ 3⁵ = 3,1037 GM3 = √1 ∗ 3 ∗ 2 ∗ 3 ∗ 2⁵ = 2,0477 GM4 = √3 ∗ 4 ∗ 5 ∗ 4 ∗ 3⁵ = 3,7279 GM5 = √3 ∗ 2 ∗ 3 ∗ 3 ∗ 1⁵ = 2,2206

Tabel 9. Nilai Geometrik Mean

No Alternatif C1 C2 C3 C4 C5

1 Jonson 5 3 1 3 3

2 Randy 3 4 3 4 2

3 Depriadi 2 4 2 5 3

4 Andika Siburian 4 2 3 4 3

5 Alex Ambarita 3 3 2 3 1

Geometrik Mean 3,2453 3,1037 2,0477 3,7279 2,2206 2. Menentukan Nilai Matriks Perbandingan Berpasangan

Pada tahap ini penulis melakukan penentuan nilai matriks perbandingan berpasangan. Adapun hasil perhitungan nilai matriks perbandingan berpasa-ngan dalam penelitian ini:

A1

𝜀_A1,C1 = 1+|7,5|+|7,5|

1+|5|+|7,5−75| = ¹⁶₆ = 2,67 𝜀_A1,C2 = 1+|6,5|+|6,5|

1+|3|+|6,5−65| = ¹⁴

4 = 3,5 𝜀_A1,C3 = 1+|5,5|+|5,5|

1+|1|+|5,5−5,5| = ¹²₂ = 6 𝜀_A1,C4 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5 𝜀_A1,C5 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴₄ = 3,5 A2

𝜀_A2,C1 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴₄ = 3,5 𝜀_A2,C2 = ^1+|7|+|7|

1+|4|+|6,5−6,5| = ¹⁵

5 = 3 𝜀_A2,C3 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴₄ = 3,5 𝜀_A2,C4 = ^1+|7|+|7|

1+|4|+|6,5−6,5| = ¹⁵

5 = 3 𝜀_A2,C5 = 1+|2|+|6−6|^1+|6|+|6| = ¹³₃ = 4,3 A3

𝜀_A3,C1 = ^1+|6|+|6|

1+|2|+|6−6| = ¹³

3 = 4,3 𝜀_A3,C2 = ^1+|7|+|7|

1+|4|+|6,5−6,5| = ¹⁵

5 = 3 𝜀_A3,C3 = ^1+|6|+|6|

1+|2|+|6−6| = ¹³

3 = 4,3 𝜀_A3,C4 = 1+|7,5|+|7,5|

1+|5|+|7,5−75| = ¹⁶

6 = 2,67 𝜀_A3,C5 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5 A4

𝜀_A4,C1 = ^1+|7|+|7|

1+|4|+|6,5−6,5| = ¹⁵

5 = 3 𝜀_A4,C2 = 1+|2|+|6−6|^1+|6|+|6| = ¹³₃ = 4,3 𝜀_A4,C3 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5

𝜀_A4,C4 = 1+|4|+|6,5−6,5|^1+|7|+|7| = ¹⁵₅ = 3 𝜀_A4,C5 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5 A5

𝜀_A5,C1 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴₄ = 3,5 𝜀_A5,C2 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5 𝜀_A5,C3 = 1+|2|+|6−6|^1+|6|+|6| = ¹³₃ = 4,3 𝜀_A5,C4 = 1+|6,5|+|6,5|

1+|3|+|6,5−6,5| = ¹⁴

4 = 3,5 𝜀_A5,C5 = 1+|5,5|+|5,5|

1+|1|+|5,5−5,5| = ¹²₂ = 6

Tabel 10. Nilai Matriks Perbandingan Berpasangan

𝜺 A1 A2 A3 A4 A5

A1 2,67 3,5 6 3,5 3,5

A2 3,5 3 3,5 3 4,3

A3 4,3 3 4,3 2,67 3,5

A4 3 4,3 3,5 3 3,5

A5 3,5 3,5 4,3 3,5 6

3. Menghitung Bobot Simulasi Dari Kriteria

Pada tahap ini penulis menghitung nilai bobot simulasi dari kriteria berdasarkan tabel 10.

𝛼_𝐴1= (2,67 + 3,5 + 6 + 3,5 + 3,5)/5 = 3,834 𝛼_𝐴2= (3,5 + 3 + 3,5 + 3 + 4,3)/5 = 3,46 𝛼_𝐴3= (4,3 + 3 + 4,3 + 2,67 + 3,5)/5 = 3,554 𝛼_𝐴4= (3 + 4,3 + 3,5 + 3 + 3,5)/5 = 3,46 𝛼_𝐴5= (3,5 + 3,5 + 4,3 + 3,5 + 6)/5= 4,16

Tabel 11. Nilai Bobot Yang Disarankan

𝜺 A1 A2 A3 A4 A5 𝜶_𝒊 √𝒂_𝒊(𝒌)

A1 2,67 3,5 6 3,5 3,5 3,834 1,9580

A2 3,5 3 3,5 3 4,3 3,46 1,8601

A3 4,3 3 4,3 2,67 3,5 3,554 1,8852

A4 3 4,3 3,5 3 3,5 3,46 1,8601

A5 3,5 3,5 4,3 3,5 6 4,16 2,0396

SUM 18,468 9,603

4. Menghitung Agregasi Bobot Terhadap Kriteria

Pada tahap ini penulis menghitung nilai agregasi nilai bobot terhadap kriteria berdasarkan tabel 11.

C1 ŕ_𝑗 = (5^18,468+3^18,468+2^18,468+4^18,468+3^18,468)^1/18,468

= (8.101.735.118.546+647.851.296+362.595+131.475.224.131+647.851.296)^0,05415

= 8.234.506.407.864^0,05415

= 5,004742927

C2 ŕ_𝑗 = (3^18,468+4^18,468+4^18,468+2^18,468+3^18,468)^1/18,468

= (647.851.296+131.475.224.131+131.475.224.131+362.595+647.851.296)^0,05415

= 264.246.513.449^0,05415

= 4,154337747

C3 ŕ_𝑗 = (1^18,468+3^18,468+2^18,468+3^18,468+2^18,468)^1/18,468

= (1+647.851.296+362.595+647.851.296+362.595)0,05415

= 1.296.427.783 0,05415

= 3,114980427

C4 ŕ_𝑗 = (3^18,468+4^18,468+5^18,468+4^18,468+3^18,468)^1/18,468

= (647.851.296+131.475.224.131+8.101.735.118.546+131.475.224.131+647.851.296)0,05415

= 8.365.981.269.4000,05415

= 5,009037574

C5 ŕ_𝑗 = (3^18,468+2^18,468+3^18,468+3^18,468+1^18,468)^1/18,468

= (647.851.296+362.595+647.851.296+647.851.296+1)0,05415

= 1.943.916.484 0,05415

= 3,18406476

Tabel 12. Nilai Agregasi Bobot Terhadap Kriteria

C1 C2 C3 C4 C5

ŕ 5,004743 4,154338 3,114980 5,009037 3,184064

Berdasarkan nilai agregasi bobot terhadap kriteria yang terlihat pada tabel di atas maka dapat dihasilkan nilai R dan rangkin kriteria. Nilai R diperoleh dari total nilai ŕ C1+C2+C3+C4+C5 dibagi dengan masing-masing nilai ŕ pada kriteria. Hasil perangkingan kriteria ditentukan berdasarkan nilai tertinggi hingga nilai terendah dari nilai R.

Tabel 13. Nilai R dan Rangking Untuk Kriteria

C1 C2 C3 C4 C5

R 4,089553 4,926696 6,5705597 4,086047 6,4279996

Rank 4 3 1 5 2

5. Menghitung Agregasi Bobot Terhadap Alternatif

Pada tahap ini penulis menghitung nilai agregasi bobot terhadap alternatif berdasarkan tabel 1.

A1 ŕ_𝑗 = (5^9,603+3^9,603+1^9,603+3^9,603+3^9,603)^1/9,603

= (5.154.766+38.176+1+38.176+ 38.176)^0,1041

= 5.269.295^0,1041

= 5,008808602

A2 ŕ_𝑗 = (3^9,603+4^9,603+3^9,603+4^9,603+2^9,603)^1/9,603

= (38.176+604.759 +38.176+604.759+778)0,1041

= 1.286.648 0,1041

= 4,325086124

A3 ŕ_𝑗 = (2^9,603+4^9,603+2^9,603+5^9,603+3^9,603)^1/9,603

= (778+604.759 +778+5.154.766+38.176)0,1041

= 5.799.257 0,1041

= 5,059027757

A4 ŕ_𝑗 = (4^9,603+2^9,603+3^9,603+4^9,603+3^9,603)^1/9,603

= (604.759+778+38.176+604.759+38.176)0,1041

= 1.286.6480,1041

= 4,325086124

A5 ŕ_𝑗 = (3^9,603+3^9,603+2^9,603+3^9,603+1^9,603)^1/9,603

= (38.176+38.176+778+38.176+1)0,1041

= 115.3070,1041

= 3,364644431

Tabel 14. Nilai Agregasi Bobot Terhadap Kriteria

C1 C2 C3 C4 C5

ŕ 5,0088086 4,3250861 5,0590278 4,3250861 3,3646444

Berdasarkan nilai agregasi bobot terhadap kriteria yang terlihat pada tabel di atas maka dapat dihasilkan nilai R dan rangkin kriteria. Nilai R diperoleh dari total nilai ŕ A1+A2+A3+A4+A5 dibagi dengan masing-masing nilai ŕ pada kriteria. Hasil perangkingan kriteria ditentukan berdasarkan nilai tertinggi hingga nilai terendah dari nilai R.

Tabel 15. Nilai R dan Rangking Untuk Alternatif

A1 A2 A3 A4 A5

R 1,00000001 1,158083 0,99007336 1,158083 1,48866

Rank 4 2 5 3 1

6. Menentukan Hasil Perangkingan

Pada tahap ini penulis menentukan hasil perangkingan terhadap seluruh alternatif. Berdasarkan hasil perhitungan nilai R dan Rangking Untuk alternatif diketahui bahwa teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera adalah A5 (Alex Ambarita) dengan nilai 6,1324.

Tabel 16. Perangkingan

No Alternatif Nilai Rangking

1 A5 (Alex Ambarita) 1,48866 1

2 A2 (Randy) 1,158083 2

3 A4 (Andika Siburian) 1,158083 3

4 A1 (Jonson) 1,00000001 4

5 A3 (Depriadi) 0,99007336 5

3.2 Implementasi

Berikut ini adalah gambar dari hasil tampilan implementasi sistem pendukung keputusan pemilihan teknisi fiber optic terbaik menerapkan metode grey absolute decision analysis di PT. Karya Solusi Prima Sejahtera yang dibangun pada penelitian ini.

Gambar 2. Sistem Pendukung Keputusan Pemilihan Teknisi Fiber Optic Terbaik

4. KESIMPULAN

Prosedur pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera dilakukan dengan menggunakan kriteria absensi, kedisiplinan, skill di bidang fiber optic, loyalitas, komunikasi. Metode grey absolute decision analysis diterapkan untuk pemilihan teknisi fiber optic terbaik di PT. Karya Solusi Prima Sejahtera dapat memecahkan permasalahan yang diteli secara objektif. Sistem pendukung keputusan pemilihan teknisi fiber optic terbaik menerapkan metode grey absolute decision analysis di PT. Karya Solusi Prima Sejahtera yang dibangun menggunakan Visual Basic Net 2008 dapat mempermudah proses pengambilann keputusan secara terorganisir dengan baik dan akurat.

REFERENCES

[1] T. Limbong, J. Simarmata, M. Rofendi Manalu, A. Rikki, and D. M. Rajagukguk, “Implementation of Multi Factor Evaluation Process (MFEP) in Assessment of Employee Performance Achievement,” J. Phys. Conf. Ser., vol. 1573, no. 1, 2020, doi: 10.1088/1742-6596/1573/1/012022.

[2] N. M. Sitinjak, M. Zarlis, and R. Roslina, “Analisis Decision Support System Perbandingan Metode Smarter dan Saw Dalam Menentukan Pemilihan Staff Pegawai Terbaik Laboratorium Komputer,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 495, 2021, doi: 10.30865/mib.v5i2.2926.

[3] A. Lia Hananto et al., “Analysis of Drug Data Mining with Clustering Technique Using K-Means Algorithm,” J. Phys.

Conf. Ser., vol. 1908, no. 1, 2021, doi: 10.1088/1742-6596/1908/1/012024.

[4] M. Rio Irwansyah, “Sistem Pendukung Keputusan Pemilihan Pelajar SMK Terbaik Di Kota Medan Menggunakan Metode Weighted Sum Model,” J. Inf. Syst. …, vol. 3, no. 3, pp. 155–158, 2022, doi: 10.47065/josh.v3i3.1432.

[5] D. Asdini, M. Khairat, and D. P. Utomo, “Sistem Pendukung Keputusan Penilaian Kinerja Manajer di PT . Pos Indonesia dengan Metode WASPAS,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 1, pp. 41–47, 2022, doi:

10.30865/jurikom.v9i1.3767.

[6] S. A. Javed, A. Mahmoudi, and S. Liu, “Grey Absolute Decision Analysis (GADA) Method for Multiple Criteria Group Decision-Making Under Uncertainty,” Int. J. Fuzzy Syst., vol. 22, no. 4, pp. 1073–1090, 2020, doi: 10.1007/s40815-020- 00827-8.

[7] E. Thio, “Evaluating Site Selection Criteria for Marine Cultivation in North Lombok Regency of Indonesia through GADA model,” vol. 1, no. 1, pp. 27–37, 2021.

[8] D. Zebua and R. K. Hondro, “Sistem Pendukung keputusan Pemilihan Pelatih Seni Dengan Menggunakan Metode Grey Absolute Decision Analysis ( Gada ) ( Studi Kasus : Sekolah Perguruan Harapan Mandiri ),” vol. 5, pp. 29–34, 2021, doi:

10.30865/komik.v5i1.3645.

[9] N. Marbun, M. Zarlis, and R. W. Sembiring, “Analisis Kinerja SMARTER Pada Sistem Pendukung Keputusan Pemilihan Tukang Las Terbaik Untuk Menerima Penghargaan,” vol. 6, pp. 1282–1289, 2022, doi: 10.30865/mib.v6i3.4095.

[10] M. Rahma Yuni Simanullang, Melisa Melisa, “Sistem Pendukung Keputusan Penerima Bantuan Covid 19 menggunakan Metode Simple Additive Weighting ( SAW ),” Sist. Pendukung Keputusan Penerima Bantu. Covid 19 menggunakan Metod.

Simple Addit. Weight., vol. 11, no. 2, pp. 97–101, 2020.

[11] M. S. L. Sedihati Kayan Lumbangaol, Erna Budhiarti Nababan, “Sistem Pendukung Keputusan Penilaian Kinerja Guru Selama Pembelajaran Daring menggunakan Metode Viko,” J. MEDIA Inform. BUDIDARMA, vol. 21, no. 1, p. 16, 2022, doi: 10.53513/jis.v21i1.4773.

[12] A. Eri Novitasari Situmeang, Yopi Hendro Syahputra, “Implementasi Metode MOORA ( Multi Objective Optimization On The Basis Of Ratio Analysis ) Dalam Sistem Pendukung Keputusan Menentukan Pengawas ( Mandor ) Yang Layak Mendapatkan,” no. April, 2020.

[13] M. S. A. Rawansyah, Dian Hanifudin Subhi, “Sistem Pendukung Keputusan Penentuan Prioritas Perbaikan Jalan Rusak Dengan Metode Multifactor Evaluation Process ( MFEP ) ( Studi Kasus Kabupaten Bojonegoro ),” Semin. Inform. Apl.

Polinema, pp. 124–129, 2020.

[14] D. W. Sipahutar, “Sistem Pendukung Keputusan Pemilihan Teknisi Broadcasting Pada TVRI Medan Menerapkan Metode MABAC,” vol. 8, no. 2, pp. 55–63, 2021, doi: 10.30865/jurikom.v8i2.2829.

[15] W. H. Panggabean and M. Jannah, “Implementation Of Decision Support System In Determining The Location Of Public Wifi Installation Using The AHP ( Analytical Hierarchy Process ) Method,” vol. 1, no. 1, pp. 88–96, 2021.