Sistem Pendukung Keputusan Pemilihan Pegawai Bank
Terbaik Menggunakan Metode Weighted Aggregated
Sum Product Assessment (WASPAS)
Tri Nusanti Sianturi1, Loria Siburian1, Rinaldo Gomgom Hutagaol1, Syafrida Hafni Sahir2
1 Prodi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia
2 Fakultas Ekonomi dan Bisnis, Prodi Manajemen, Universitas Medan Area, Medan, Indonesia
Abstrak
Pemilhan pegawai terbaik merupakan persoalan penggambilan keputusan meggunakan multi kriteria dengan menggunakan metode Weighted Aggregated Sum Product Assessmet (WASPAS). Penghargaan yang diberikan pada pegawaiterbaik dapat mendorong untuk pegawai selalu memberikan kinerja terbaik dalam melaksanakan tugas dan kewajiban. Pada artikel ini, dibangun sistem pendukung keputusan pemilihan pegawai terbaikpada BANK menggunakan kriteria kriteria antara lain: Penampilan, disiplin, bertanggung jawab, kejujuran dan pelayanan.Dimana penggambilan sistem pendukung keputusan pemilihan pegawai terbaik dinilai dari alternatif pilihan berdasarkan kriteria yang telah di tetapkan. SPK ini bersifar dinamis dimana setiap sistem dapat menanggani jika terjadi perubahan atau penambahan kriteria.
Kata Kunci: Sistem Pendukung Keputusan, metode WASPAS, Pemilah Pegawai Bank Terbaik
1. PENDAHULUAN
Keberadaan pegawai merupakan aspek yang terpenting bagi terwujudnya rencana perusahan yang telah ditetapkan. Peranan sumber daya manusia akan semakin penting ketika berada pada era globalisasi yang penuh dengan tantangan untuk tumbuh kembangannya sebuah perusahaan. Mengingat hal tersebut, sudah menjadi sebuah keharusan bagi perusahaan untuk memperhatikan pengelolaan sumber daya manusia. sebuah perusahaan dapat berkembang dengan baik tentunya di pengaruhi oleh kualitas sumber daya mannusia yang di dalam nya pegawai yang berkerja di dalam perusahaan tersebut. Penentuan karyawan terbaik dilakukan tidak hanya dengan cara penunjukan langsung oleh pimpinan oleh maneger, akan tetapi sebuah perusahaan harus melakukan penilaian kinerja yang telah dilakukan oleh pegawai dalam jangka waktu tertentu, dan tentunya dan akan ada sebuah reward atas keberhasilan yang di capai oleh pegawainya. Hal ini dimaksud untuk mendorong setiap pegawai untuk memberikan kinerja yang baik bagi perusahaan dalam melaksanakan tugas dan kewajibannya di perusahan. Sumber daya manusia merupakan aset perusahan yang sangat vital, karena itu peran dan fungsinya tidak bisa digantikan oleh sumber daya lainnya. Betapapun modern teknologi yang digunakan, atau seberapa banyak dana yang disiapkan, namun tanpa sumber daya manusia yang profesional semuanya menjadi tidak bermakna[1]. Salah satu cara dalam menghadapi tantangan tersebut adalah dengan meningkatkan kinerja pegawainya. Kinerja pegawai akan mencerminkan kinerja perusahan.
Menurut Mangkunegara (Mangkunegara, 2001) kinerja (prestasi kerja) adalah hasil kerja secara kualitas dan kuantitas yang dicapai oleh seorang pegawai dalam melaksanakan tugasnya sesuai dengan tanggung jawab yang diberikan kepadanya.
Pada pengambilan keputusan yang banyak melibatkan faktor maka perlu digunakan suatu metode tertentu salah satu metode yang digunakan adalah Weighted Aggregated Sum Product Assessment (WASPAS)[2][3][4][5]. WASPAS merupakan metode yang mengambil keputusan dengan efektif ataspersoalan yang kompleks dengan menyerderhankan dan mempercepat proses pengambilan keputusan untuk memecahkan pesoalan tersebut. Pada pertimbangan metode WASPAS dapat memberikan solusi untuk alternatif pemilihan pegawai terbaik. Dengan mengunakan WASPAS masalah yang ada di kelompokkan berdasarkan kriteria dan bobot sehinga di dapatkan nilai dari tiap kritria-kriteria yang ada[6].
2. METODOLOGI PENELITIAN
2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem informasi interaktif yang memberikan informasi yang spesifik yang bertujuaan untuk memecahkan suatu masalah tertentu dalam suatu manajemen setiap kriteria-kriteria yang ada baik untuk masalah terstruktur ataupun tidak terstruktur[7][8]. SPK merupakan bagian dari sistem informasi berbasis komputer dalam pengetahuan dan manajemen pengetahuan yang dipakai untuk mengambil keputusan dalam suatu instansi perusahaan[9][10].
2.2 Pegawai
Bank adalah sebuah lembaga intermediasi keuangan umumnya didirikan dengan kewenangan untuk menerima simpanan uang, meminjamkan uang dan menerbitkan promes atau yang dikenal sebagai banknote. Kata bank berasal dari bahasa Italia “banca”berarti tempat penukaran uang. Sedangkan menurut undang-undang perbankan bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Beberapa manfaat perbankan dalam kehidupan.
2.3 Weighted Aggregated Sum Product Assessment (WASPAS)
WASPAS adalah metode yang dapat mengurangi kesalhan-kesalahan atau mengoptimalkan dalam penaksiran untuk pemilihan nilai tertinggi dan terendah. Demikian, tujuan utama pendekatan MCDM adalah memilih opsi terbaik dari sekumpulan alternatif dihadapan berbagai kriteria yang saling bertentangan[3][4]. Dalam tulisan ini, sebuah usaha dilakukan. Untuk membenarkan ketepatan penerapan dan ketepatan pendekatan MCDM yang hampir baru, yaitu metode penilaian jumlah agregat berbobot (WASPAS).
Langkah proses perhitunga menerapkan metode WASPAS[5][11][12], yaitu : 1. Buat sebuah matrix keputusan
𝑥 = [ 𝑥11𝑥12 . 𝑥1𝑛 𝑥21𝑥21 . 𝑥2𝑛 . . . . 𝑥𝑚1𝑥𝑚1 . 𝑥𝑚𝑛 ]...(1) 2. Melakukan normalisasi terhadap matrik x
Kriteria Benefit 𝑥𝑖𝑗= 𝑥𝑖𝑗 𝑚𝑎𝑋𝑖𝑥𝑖𝑗...(2) Kriteria Cost 𝑥𝑖𝑗= 𝑚𝑎𝑋𝑖𝑗𝑋𝑖𝑗 𝑥𝑖𝑗 ...(3) 3. Menghitung nilai Qi 𝑄𝑖 = 0.5 ∑ 𝑥𝑖𝑗𝑤 + 0.5 ∐𝑛 𝑥𝑖𝑗𝑤𝑗 𝑗=1 𝑛 𝑗=1 ...(4) Dimana Qi = Nilai dari Q ke i
𝑥𝑖𝑗𝑤 = Perkalian nilai 𝑥𝑖𝑗 dengan bobot (w) 0.5 = Ketetapan
Alternatif yang terbaik merupakan alternatif yang memiliki nilai Qi tertinggi.
3. ANALISA DAN PEMBAHASAN
Dalam penentuan pegawai terbaik merupakan kegiatan yang dilakukan oleh instansi perusahaan dalam BANK. Untuk memilih pegawai terbaik ada beberapa kriteria-kriteria yang menghasilkan bobot yang tinggi dan berkualitas, sesuai uraian diatas untuk memilih pagawai bank terbaik dibutuhkan suatu sistem pemilihan untuk meningkatkan kinerja yang baik dalam bank baik segi pelayanan dan tanggung jawab, disiplin dengan menggunkan metode WASPAS.
Dalam menentukan pegawai bank terbaik, terdapat beberapa kriteria yang harus dipenuhi yaitu:
Tabel 1. Alternatif No Alternatif 1 Siska 2 Sisko 3 Santi 4 Loria 5 Rinal 6 Desi 7 Rani
Masing-masing kriteria memiliki bobot berbeda yang sesuai dengan tingkatnya dan dapat dilihat pada tabel 2
Tabel 2. Keiteria
Kriteria Ket Bobot Jenis
C1 Penmpilan 20% Benefit
C2 Didiplin 22% Benefit
C3 Bertanggung Jawab 20% Benefit
C4 Jujur 20% Benefit
C5 Pelayanan 18% Benefit
Penentuan Penilaian pegawai terbaik yang terdapat dalam penelitian n ini sebagai berikut :
Alternatif C1 C2 C3 C4 C5
A1 Baik baik Cukup Baik Sangat baik
A2 cukup Sangat
baik Cukup Baik Kurang
A3 kurang Cukup Kurang Kurang Cukup
A4 Cukup Kurang Kurang Baik Buruk
A5 cukup Kurang Kurang Baik Sangat baik
A6 cukup cukup kurang Baik Cukup
A7 Baik baik Sangat
baik Kurang Baik
Agar dapat menentuka n agar dapat menentukan kriteria kehadiran C1, Disiplin C2, Penampilan C3,
Bertanggung jawab C4, Pelayanan C5, Maka pembobotan disesuaikan dengan tabel 3
Tabel 3. Pembobotan Kriteria
Nilai Bobot Sangat baik 90 Baik 80 Cukup 70 Kurang 60 buruk 50
Kemudian pengambilan data-data yang dijadikan sebagai alernatif, dalam hal ini merupakan data calon mahasiswa berprestasi seperti yang terlihat pada tabel 3.
Tabel 4. Alternatif Alternatif C1 C2 C3 C4 C5 A1 80 80 70 75 85 A2 70 90 70 75 60 A3 60 70 60 60 70 A4 65 60 65 80 50 A5 70 60 60 75 90 A6 70 70 60 75 70 A7 75 75 90 60 80
1. Membuat Matriks Keputusan 𝑋 = [ 80 80 70 75 65 70 90 70 75 60 60 70 60 60 70 65 60 65 80 50 70 60 60 75 90 70 70 60 75 70 75 75 90 60 80 ]
2. Normalisasi Matriks X dengan menggunakan persamaan ke 2. Perhitungan kriteria C1 A1.1 = 80 : 80 = 1 A2.1 = 70 : 80 = 0,875 A3.1 = 60 : 80 = 0,75 A4.1 = 65 : 80 = 0,8125 A5.1 = 70 : 80 = 0,875 A6.1 = 70 : 80 = 0,875 A7.1 = 75 : 80 = 0,9375 Perhitungan kriteria C2 A1.2 = 80 : 90 = 0,889 A2.2 = 90 : 90 = 1 A3.2 = 70 : 90 = 0,777 A4.2 = 60 : 90 = 0,666 A5.2 = 60 : 90 = 0,666 A6.2 = 70 : 90 = 0,777 A7.2 = 75 : 90 = 0,833 Perhitungan kriteria C3 A1.3 = 70 : 90 = 0,777 A2.3 = 70 : 90 = 0,777 A3.3 = 60 : 90 = 0,666 A4.3 = 65 : 90 = 0,722 A5.3 = 60 : 90 = 0,666 A6.3 = 60 : 90 = 0,666 A7.3 = 90 : 90 = 1 Perhitungan kriteria C4 A1.4 = 75 : 80 = 0,9375 A2.4 = 75 : 80 = 0,9375 A3.4 = 60 : 80 = 0,75 A4.4 = 80 : 80 = 1 A5.4 = 75 : 80 = 0,9375 A6.4 = 75 : 80 = 0,9375 A7.4 = 60 : 80 = 0,75 Perhitungan kriteria C5 A1.5 = 65 : 90 = 0,722 A2.5 = 60 : 90 = 0,666 A3.5 = 70 : 90 = 0,777 A4.5 = 50 : 90 = 0,555 A5.5 = 90 : 90 = 1 A6.5 = 70 : 90 = 0,771 A7.5 = 80 : 90 = 0,889
Hasil Normalisassi Matriks “X” Maka Di Peroleh Xij Sebagai Berikut :
𝑋 = [ 1,012 0,889 0,777 0,9375 0,722 0,875 1 0,777 0,9375 0,666 0,75 0,777 0,666 0,75 0,777 0,813 0,66 0,722 1 0,555 0,875 0,666 0,666 0,9375 1 0,875 0,777 0,666 0,9375 0,777 0,938 0,833 1 0,75 0,889 ] Formula : Q1 = 0,15 + ∑𝑛𝑗=1𝑋𝑖𝑗𝑁 + 0,5 ∏𝑛𝑗=1(𝑋 ij)wj Penyelesaian : Q1 = (0,5) ∑(1 x 0,2) + (0,889 x 0,22) + (0,777 x 0.2) + (0,9375 x 0,2) + (0,722 x 0,18) = (0,5)∑(0.2) + (0,1955) + (0,1554) + (0,1875) + (0,1299) = (0,5) ∑ 0,8683 = (0,5) x 0,8683 = 0.43415 = (0,5)∏(1)0.2 x (0,889)0,22 x (0,777)0,2 x (0,9375)0,2 + (0,722)0,18 = (0,5)∏1x 0,9744 x 0,9507 x 0,9871 x 0,9430
= (0,5)∏0,8622 = (0,5) x 0,8622 = 0,4311 Q1 = 0,434515 + 0,4311 = 0,86525 Q2 = (0,5) ∑(0,875 x 0,2) + (1 x 0,22) + (0,777 x 0.2) + (0,9375 x 0,2) + (0,666 x 0,18) = (0,5)∑(0.175) + (0,22) + (0,1554) + (0,1875) + (0,11988) = (0,5) ∑ 0,85778 = (0,5) x 0,85778 = 0.42889 = (0,5)∏(0,875)0.2 x (1)0,22 x (0,777)0,2 x (0,9375)0,2 + (0,666)0,18 = (0,5)∏ 0,9736 x 1 x 0,9507 x 0,9871 x 0,9294 = (0,5)∏ 0,8491 = (0,5) x 0,8491 = 0,42455 Q2 = 0,42889 + 0,42455 = 0,85344 Q3 = (0,5) ∑(0,75 x 0,2) + (0,777 x 0,22) + (0,666 x 0.2) + (0,75 x 0,2) + (0,777 x 0,18) = (0,5)∑(0.15) + (0,1709) + (0,1332) + (0,15) + (0,1398) = (0,5) ∑ 0,7439 = (0,5) x 0,7439 = 0.37195 = (0,5)∏(0,75)0.2 x (0,777)0,22 x (0,666)0,2 x (0,75)0,2 + (0,777)0,18 = (0,5)∏ 0,9440 x 0,9460 x 0,9219 x 0,9440 x 0,9555 = (0,5)∏ 0,7425 = (0,5) x 0,7425 = 0,37125 Q3 = 0,37195 + 0,37125 = 0,7432 Q4 = (0,5) ∑(0,8125 x 0,2) + (0,666 x 0,22) + (0,722 x 0.2) + (1 x 0,2) + (0,555 x 0,18) = (0,5)∑(0.1625) + (0,1465) + (0,1444) + (0,2) + (0,0999) = (0,5) ∑ 0,7533 = (0,5) x 0,7533 = 0.37665 = (0,5)∏(0,8125)0.2 x (0,666)0,22 x (0,722)0,2 x (1)0,2 + (0,555)0,18 = (0,5)∏ 0,9593 x 0,9144 x 0,9369 x 1 x 0,8994 = (0,5)∏ 0,7391 = (0,5) x 0,7391 = 0,36955 Q4 = 0,37665 + 0,36955 = 0,7462 Q5 = (0,5) ∑(0,875 x 0,2) + (0,666 x 0,22) + (0,722 x 0.2) + (0,9375 x 0,2) + (1 x 0,18) = (0,5)∑(0.175) + (0,1465) + (0,1444) + (0,1875) + (0,18) = (0,5) ∑ 0,8334 = (0,5) x 0,8334 = 0.4167 = (0,5)∏(0,875)0.2 x (0,666)0,22 x (0,722)0,2 x (0,9375)0,2 + (1)0,18 = (0,5)∏ 0,9736 x 0,9144 x 0,9369 x 0,9871 x 1 = (0,5)∏ 0,8233 = (0,5) x 0,8233 = 0,41165 Q5 = 0,4167 + 0,41165 = 0,82835
Q6 = (0,5) ∑(0,875 x 0,2) + (0,777 x 0,22) + (0,666 x 0.2) + (0,9375 x 0,2) + (0,777 x 0,18) = (0,5)∑(0,175) + (0,1709) + (0,1332) + (0,1875) + (0,1398) = (0,5) ∑ 0,8064 = (0,5) x 0,8064 = 0.4032 = (0,5)∏(0,875)0.2 x (0,777)0,22 x (0,666)0,2 x (0,9375)0,2 + (0,777)0,18 = (0,5)∏ 0,9736 x 0,9460 x 0,9219 x 0,9875 x 0,9555 = (0,5)∏ 0,8011 = (0,5) x 0,8011 = 0,40055 Q6 = 0,4032 + 0,40055 = 0,80375 Q7 = (0,5) ∑(0,9375 x 0,2) + (0,833 x 0,22) + (1 x 0.2) + (0,75 x 0,2) + (0,889 x 0,18) = (0,5)∑(0.1875) + (0,1832) + (0,2) + (0,15) + (0,1600) = (0,5) ∑ 0,8807 = (0,5) x 0,8807 = 0.44035 = (0,5)∏(0,9375)0.2 x (0,833)0,22 x (1)0,2 x (0,75)0,2 + (0,889)0,18 = (0,5)∏ 0,9871x 0,9605 x 1 x 0,9440 x 0,9790 = (0,5)∏ 0,8762 = (0,5) x 0,8762 = 0,4381 Q7 = 0,44035 + 0,4381 = 0,87845
Hasil keputusan dapat terlihat pada tabel 5.
Tabel 5. Hasil akhir Alternatif Hasil A1 0,86525 A2 0,85344 A3 0,7432 A4 0,7462 A5 0,82835 A6 0,80375 A7 0,87845
Pada tabel diatas A7 memiliki prioritas yang paling tinngi untuk dijadikan sebagai pegawai bank terbaik karena memiliki hasil/bobot yang baik bila dibandingkan dengan alternatif lainya.
4. KESIMPULAN
Dari hasil penelitian yang dilakukan disimpulkan bahwa pemillihan pegawai bank terbaik untuk meningkatkan kinerja yang efektif menggunakan weighted aggregated sum product assessment memrupakan proses yang cukup baik dalam sebuah instansi untuk pemilihan pegawai bank terbaik,tergantung pada kelengkapan kriteria yang di terapkan.
REFERENCES
[1] S. H. Sahir, R. Rosmawati, and K. Minan, “Simple Additive Weighting Method to Determining Employee Salary Increase Rate,” Int. J. Sci. Res. Sci. Technol., vol. 3, no. 8, pp. 42–48, 2017.
[2] S. Sugiarti, D. K. Nahulae, T. E. Panggabean, and M. Sianturi, “Sistem Pendukung Keputusan Penentuan Kebijakan Strategi Promosi Kampus Dengan Metode Weighted Aggregated Sum Product Assesment ( WASPAS ),” vol. 5, no. 2, pp. 103–108, 2018.
[3] S. Barus, V. M. Sitorus, D. Napitupulu, M. Mesran, and S. Supiyandi, “Sistem Pendukung Keputusan Pengangkatan Guru Tetap Menerapkan Metode Weight Aggregated Sum Product Assesment ( WASPAS ),” MEDIA Inform. BUDIDARMA, vol. 2, no. 2, pp. 10–15, 2018.
[4] P. Simanjuntak, I. Irma, N. Kurniasih, M. Mesran, and J. Simarmata, “Penentuan Kayu Terbaik Untuk Bahan Gitar Dengan Metode Weighted Aggregated Sum Product Assessment ( WASPAS ),” J. Ris. Komput., vol. 5, no. 1, pp. 36– 42, 2018.
[5] E. D. Marbun, L. A. Sinaga, E. R. Simanjuntak, D. Siregar, and J. Afriany, “Penerapan Metode Weighted Aggregated Sum Product Assessment Dalam Menentukan Tepung Terbaik Untuk Memproduksi Bihun,” vol. 5, no. 1, pp. 24–28, 2018.
[6] E. Purba, “Peranan Teknologi Informasi Dalam Mengefektifkan Keputusan Pemberian Dana Corporate Social Responsibilty ( CSR ),” Media Inform. Budidarma, vol. 2, no. 3, pp. 69–75, 2018.
[7] S. Kusumadewi, S. Hartati, A. Harjoko, and Retantyo Wardoyo, “Fuzzy Multi Attribute Decision Making (FUZZY MADM),” Ed. Pertama Cetakan Pertama. Graha Ilmu. Yogyakarta., 2006.
[8] Kusrini, Konsep Dan Aplikasi Pemdukung Keputusan. Yogyakarta: Andi, 2007.
[9] G.-H. Tzeng and J.-J. Huang, Multiple Attribute Decision Making Method And Applications. CRC Press, 2011. [10] G. Ginting, Fadlina, Mesran, A. P. U. Siahaan, and R. Rahim, “Technical Approach of TOPSIS in Decision Making,”
Int. J. Recent Trends Eng. Res., vol. 3, no. 8, pp. 58–64, 2017.
[11] S. Chakraborty and E. K. Zavadskas, “Applications of WASPAS Method in Manufacturing Decision Making,” Informatica, vol. 25, no. 1, pp. 1–20, 2014.
[12] E. K. Zavadskas, J. Antucheviciene, J. Saparauskas, and Z. Turskis, “MCDM methods WASPAS and MULTIMOORA: Verification of robustness of methods when assessing alternative solutions,” Econ. Comput. Econ. Cybern. Stud. Res., vol. 47, no. 2, 2013.
