IMPLEMENTASI METODE SIMPLE ADDITIVE
WEIGHTING PADA PENENTUAN
KARYAWAN TERBAIK
SKRIPSI
Diajukan untuk memenuhi salah satu syarat kelulusan Program Sarjana
DEVI AHMED SETIAWAN
NIM : 15160451
Program Studi Ilmu Komputer Kampus Kota Sukabumi Fakultas Teknik dan Informatika
Universitas Bina Sarana Informatika 2020
ii
PERSEMBAHAN
Segala puji bagi Allah S.W.T yang maha menguasai semesta alam beserta isinya, skripsi ini penulis persembahkan untuk:
1. Orangtua tercinta yang telah melahirkan, merawat, mendidik, memotivasi, serta memberi apa yang terbaik untuk menuju kesuksesan dimasa yang akan datang.
2. Teman-teman seperjuangan yang telah memberikan motivasi sehinnga selesainya skripsi ini.
iii
iv
SURAT PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
v
vi
PEDOMAN PENGGUNAAN HAK CIPTA
Skripsi sarjana yang berjudul “Implementasi Metode Simple Additive Weighting Pada Penentuan Karyawan Terbaik” adalah hasil karya tulis asli DEVI AHMED SETIAWAN dan bukan hasil terbitan sehingga peredaran karya tulis hanya berlaku di lingkungan akademik saja, serta memiliki hak cipta. Oleh karena itu, dilarang keras untuk menggandakan baik sebagian maupun seluruhnya karya tulis ini, tanpa seizin penulis.
Referensi kepustakaan diperkenankan untuk dicatat tetapi pengutipan atau peringkasan isi tulisan hanya dapat dilakukan dengan seizin penulis dan disertai ketentuan pengutipan secara ilmiah dengan menyebutkan sumbernya.
Untuk keperluan perizinan pada pemilik dapat menghubungi informasi yang tertera di bawah ini:
Nama : DEVI AHMED SETIAWAN
Alamat : Jl. Nyomplong / RT.003 RW.003 / Sukabumi No. Hp : 0857-9742-9404
vii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segala nikmat, rahmat dan karunianya, sehingga pada akhirnya penulis dapat menyelesaikan tugas ini dengan baik. Skripsi pada Program Sarjana (S1) ini penulis sajikan dalam bentuk buku yang sederhana. Adapun judul Skripsi yang penulis ambil sebagai berikut, “Implementasi Metode Simple Additive Weighting Pada Penentuan Karyawan Terbaik”.
Tujuan penulisan Skripsi pada Program Sarjana (S1) ini dibuat sebagai salah satu syarat kelulusan Program Sarjana Universitas Bina Sarana Informatika. Sebagai bahan penulisan diambil berdasarkan hasil penelitian (eksperimen), observasi dan beberapa sumber literatur yang mendukung penulisan ini. Penulis menyadari bahwa tanpa bimbingan dan dorongan dari semua pihak, maka penulisan Skripsi ini tidak akan berjalan lancar. Oleh karena itu pada kesempatan ini, izinkanlah penulis menyampaikan ucapan terimakasih kepada:
1. Rektor Universitas Bina Sarana Informatika.
2. Dekan Fakultas Teknik dan Informatika Universitas Bina Sarana Informatika. 3. Ketua Program Studi Ilmu Komputer Kampus Kota Sukabumi Universitas
Bina Sarana Informatika.
4. Bapak Denny Pribadi, M.Kom dan Bapak Saeful Bahri, M.Kom selaku Dosen Pembimbing Skripsi.
5. Staff / karyawan / dosen di lingkungan Universitas Bina Sarana Informatika Kampus Sukabumi.
6. Orang tua tercinta yang telah memberikan dukungan 7. Rekan-rekan mahasiswa kelas 15.8B.28.
viii
Serta semua pihak yang terlalu banyak untuk disebut satu persatu sehingga terwujudnya penulisan ini. Penulis menyadari bahwa penulisan Skripsi ini masih jauh dari sempurna, untuk itu penulis mohon kritik dan saran yang bersifat membangun demi kesempurnaan penulisan di masa yang akan datang.
Akhir kata semoga Skripsi ini dapat berguna bagi penulis khususnya dan bagi para pembaca yang berminat pada umumnya.
Sukabumi, 25 Juli 2020
Penulis
ix
ABSTRAK
Devi Ahmed Setiawan (15160451), Implementasi Metode Simple Additive Weighting Pada Penentuan Karyawan Terbaik
Karyawan merupakan salah satu yang terpenting di dalam suatu perusahaan. berpengaruh dalam keuntungan yang didapat oleh suatu perusahaan. Terdapat 5 kriteria yang dapat menjadi tolak ukur untuk menentukan karyawan terbaik, Kedisiplinan, Kejujuran, Sikap, Tanggung Jawab, dan Kerjasama. Dan memiliki nilai bobot masing. Untuk mempermudah pihak perusahaan dalam menentukan karyawan terbaik maka perlu adanya suatu sistem pendukung keputusan untuk membantu melakukan penilaian pada kinerja karyawan yang memenuhi kriteria. Pada penelitian ini menerapkan metode Simple Additive Weighting (SAW) sebagai sistem alternatif yang dapat digunakan untuk menentukan karyawan terbaik berdasarkan kriteria dan nilai bobot. Hasil perhitungan metode Simple Additive Weighting (SAW) yang didapat dari 5 Kriteria dan 5 bobot nilai adalah Kedisiplinan menjadi nilai bobot paling besar yaitu 35%, Kedisiplinan 35%, Kejujuran 15%, Sikap 20%, Tanggung Jawab 10%, Kerjasama 10%. Berdasarkan hasil perhitungan adalah Karyawan A dengan nilai 0,9375, Karyawan C dengan nilai 0,925 dan Karyawan G dengan nilai 0,9135. Menjadikan Karyawan A sebagai karyawan terbaik.
Kata Kunci : Karyawan Terbaik, Sistem Pendukung Keputusan, Simple Additive Weighting
x
ABSTRACT
Devi Ahmed Setiawan (15160451), implementation of Simple Additive Weighting method on best Employee determination
Employees are one of the most important in a company. Profit gained by a company. There are 5 criteria that can be a benchmark to determine the best employee, discipline, honesty, attitude, responsibility, and cooperation. And have a weighted value of each. To facilitate the company in determining the best employees, there needs to be a decision support system to help assessment the performance of employees who meet the criteria. In this study implemented Simple Additive Weighting (SAW) method as an alternative system that can be used to determine the best employees based on criteria and value of weights. The calculation result of Simple Additive Weighting (SAW) method obtained from 5 criteria and 5 value weights is discipline to be the highest weight value of 35%, discipline 35%, honesty 15%, attitude 20%, responsibility 10%, cooperation 10%. Based on the calculation result is employee A with value 0.9375, employee C with value 0.925 and employee G with value 0.9135. Making employee A as the best employee.
xi
DAFTAR ISI
Lembar Judul Skripsi ... i
Lembar Persembahan ... ii
Lembar Pernyataan Keaslian Skripsi ... iii
Lembar Pernyataan Persetujuan Publikasi Karya Ilmiah ... iv
Lembar Persetujuan Dan Pengesahan Skripsi ... v
Lembar Pedoman Penggunaan Hak Cipta ... vi
Kata Pengantar ... vii
Abstraksi ... ix
Daftar Isi ... xi
Daftar Simbol ... xiii
Daftar Gambar... xvii
Daftar Tabel ... xviii
Daftar Lampiran ... xix
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Perumusan Masalah ... 3
1.3 Tujuan Dan Manfaat ... 3
1.4 Metode Penelitian ... 4
1.4.1 Teknik Pengumpulan Data ... 4
1.4.2 Model Pengembangan Aplikasi ... 4
1.5 Ruang Lingkup ... 6
BAB II LANDASAN TEORI ... 7
2.1 Tinjauan Pustaka ... 7
2.1.1 Konsep Dasar Program ... 7
2.1.2 PHP ... 7
2.1.3 My SQL ... 7
2.1.4 Website ... 8
2.1.5 Metode Simple Additive Weighting (SAW)... 8
2.1.6 Pengujian Aplikasi ... 10
2.1.7 Peralatan Pendukung ... 11
2.1.8 Unified Modelling Language (UML) ... 11
xii
BAB III ANALISIS DAN PERANCANGAN ... 14
3.1 Analisis Masalah ... 14
3.2 Analisis Kebutuhan ... 14
3.2.1 Pemodelan UML ... 15
3.3 Perancangan Objek ... 26
3.3.1 Pengumpulan Data ... 26
3.3.2 Algoritma Simple Additive Weighting (SAW) ... 27
3.3.3 Basis Pengetahuan ... 28
BAB IV IMPLEMENTASI DAN PENGUJIAN ... 39
4.1 Tampilan Hasil ... 39
4.2 Cara Kerja Aplikasi ... 43
4.2.1 Prosedur Penggunaan Aplikasi ... 43
4.3 Hasil Pengujian ... 43
4.3.1 Black Box Testing ... 43
4.3.2 Support ... 46
4.3.3 Spesifikasi Hardware dan Software ... 46
BAB V PENUTUP ... 47
5.1 Kesimpulan ... 47
5.2 Saran ... 47
DAFTAR PUSTAKA ... 49
DAFTAR RIWAYAT HIDUP ... 52
LEMBAR KONSULTASI ... 53
xiii
DAFTAR SIMBOL
1. Simbol UML (Unifiel Modelling Language) a. Simbol Use Case Diagram
ACTOR
Orang proses, atau sistem lain yang berinteraksi dengan sistem informasi yang akan dibuat di luar sistem informasi yang akan dibuat itu sendiri, jadi walaupun simbol dari actor adalah gambar orang, biasanya dinyatakan menggunakan kata benda di awal frase nama actor.
USE CASE
Fungsionalitas yang disediakan sistem sebagai unit-unit yang saling bertukar pesar antar unit atau actor biasanya dinyatakan dengan menggunakan kata kerja di awal frase nama use case.
ASOSIASI/ASSOCIATION
Komunikasi antara actor dan use case yang berpartisipasi pada use case atau use case memiliki interraksi dengan actor.
EKSTENSI/EXTEND
Relasi use case tambahan ke sebuah use case dimana use case yang ditambahkan dapat berdiri sendiri walau tanpa use case tambahan memiliki nama depan yang sama dengan use case yang di tambahkan.
GENERALISASI/GENERALIZATION
Hubungan generalisasi dan spesialisasi (umum-khusus) antara dua buah use case dimana fungsi yang satu adalah fungsi yang lebih umum dari lainnya.
MENGGUNAKAN/INCLUDE
Relasi use case tambahan ke sebuah use case dimana use case yang ditambahkan memerlukan use case ini untuk menjalankan fungsional atau sebagai syarat dijalankan use case ini.
xiv b. Simbol Activity Diagram
STATUS AWAL/INITIAL
Status awal aktivitas sistem, sebuah diagram aktivitas memiliki sebuah satutus awal.
AKTIVITAS/ ACTIVITY
Aktivitas yang dilakukan sistem, aktivitas biasanya diawali dengan kata kerja.
PERCABANGAN / DECISION
Asosiasi percabangan dimana lebih dari satu aktivitas digabungkan menjadi satu.
FORK
Digunakan untuk memecah behaviour menjadi activity atau action yang pararel.
STATUS AKHIR/ FINAL
Status akhir yang dilakukan sistem, sebuah diagram aktivitas memiliki sebuah status satu.
SWIMLINE
Memisahkan organisasi bisnis yang bertanggung jawab terhadap aktivitas yang terjadi.
JOIN
xv c. Simbol Squence Diagram
ACTOR
Mempresentasikan entitas yang berada di luar sistem dan berinteraksi dengan sistem
MESSAGE
Spesifikasi dari komunikasi antar objek yang memuat informasi informasi tentang aktifitas yang terjadi
LIFELINE
Menghubungkan objek selama sequence (message dikirim atau diterima dan aktifitasnya)
BOUNDARY
Merupakan tepi dari sistem, seperti user interface.
CONTROL
Elemen yang digunakan untuk mengatur aliran informasi untuk sebuah skenario
ENTITAS
Elemen yang bertanggung jawab menyimpan data atau informasi
MESSAGE TO SELF
Menggambarkan pesan/hubungan antar objek yang menunjukan urutan kejadian yang terjadi.
xvi d. Simbol Deployment Diagram
PACKAGE
Package merupakan sebuah bungkusan dari satu atau
lebih komponen.
NODE
Node biasa mengacu pada perangkat keras (hardware),
perangkat lunak yang tidak dibuat sendiri (sofware), jika di dalam node disertakan komponen untuk mengkonsistenkan rancangan maka komponen yang telah didefinisikan sebelumnya pada diagram
komponen.
KEBERGANTUNGAN/DEPENDENCY
Ketergantungan atau dependency atau kebergantungan antar node, arah panah mengarah pada node yang dipakai.
LINK
xvii
DAFTAR GAMBAR
Gambar III. 1. Use Case Diagram SPK ... 16
Gambar III. 2. Activity Diagram Kriteria ... 19
Gambar III. 3. Activity Diagram Sub Kriteria ... 20
Gambar III. 4. Activity Diagram Karyawan ... 20
Gambar III. 5. Activity Diagram Penilaian ... 21
Gambar III. 6. Activity Diagram Hasil Penilaian ... 21
Gambar III. 7. Sequance Diagram Kriteria ... 22
Gambar III. 8. Sequance Diagram Sub Kriteria ... 23
Gambar III. 9. Sequance Diagram Karyawan... 24
Gambar III. 10. Sequance Diagram Penilaian ... 25
Gambar III. 11. Sequance Diagram Hasil Penilaian ... 25
Gambar III. 12. Deployment Diagram SPK ... 26
Gambar IV. 1. Halaman Utama ... 39
Gambar IV. 2. Halaman Kriteria ... 40
Gambar IV. 3. Halaman Sub Kriteria ... 40
Gambar IV. 4. Halaman Karyawan ... 41
Gambar IV. 5. Halaman Penilaian ... 41
xviii
DAFTAR TABEL
Tabel III. 1. Deskripsi Use Case Diagram Menu Home ... 16
Tabel III. 2. Deskripsi Use Case Diagram Menu Kriteria ... 17
Tabel III. 3. Deskripsi Use Case Diagram Menu Sub Kriteria... 17
Tabel III. 4. Deskripsi Use Case Diagram Menu Karyawan ... 18
Tabel III. 5. Deskripsi Use Case Diagram Menu Penilaian ... 18
Tabel III. 6. Deskripsi Use Case Diagram Menu Hasil Penilaian ... 19
Tabel III. 7. Kriteria Karyawan Terbaik ... 28
Tabel III. 8. Pilihan Alternatif ... 29
Tabel III. 9. Bobot Nilai ... 29
Tabel III. 10. Kriteria Kedisiplinan ... 29
Tabel III. 11. Kriteria Kejujuran ... 30
Tabel III. 12. Kriteria Sikap ... 30
Tabel III. 13. Kriteria Tanggung Jawab ... 30
Tabel III. 14. Kriteria Kerjasama ... 31
Tabel III. 15. Rating Kecocokan Alternatif ... 31
Tabel III. 16. Hasil Ternormalisasi Matriks X ... 35
Tabel IV. 1. Pengujian Menu Home ... 44
Tabel IV. 2. Pengujian Menu Kriteria... 44
Tabel IV. 3. Pengujian Menu Sub Kriteria ... 44
Tabel IV. 4. Pengujian Menu Karyawan... 45
Tabel IV. 5. Pengujian Menu Penilaian ... 45
Tabel IV. 6. Pengujian Menu Hasil Penilaian ... 45
xix
DAFTAR LAMPIRAN
Lampiran 1. Lembar Wawancara ... 55 Lampiran 2. Lembar Kuesioner ... 57 Lampiran 3. Lembar Perhitungan Manual Metode SAW ... 73
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Karyawan merupakan salah satu yang terpenting di dalam suatu perusahaan. Kinerja karyawan yang berpengaruh dalam keuntungan yang didapat oleh suatu perusahaan tersebut. Oleh karena itu dibutuhkan sumber daya manusia yang mempunyai kompetensi dan loyalitas tinggi. Diperlukan usaha yang maksimal dalam meningkatkan kinerja karyawan. (Aliy Hafiz & Muhammad Ma’mur, 2018). Pemilihan karyawan terbaik secara periode tertentu dengan mendapatkan penghargaan yang dapat meningkatkan semangat, dedikasi, dan kinerja karyawan. (Riyanto & Haryanti, 2017).
Sistem pendukung keputusan (SPK) adalah sebuah sistem yang dibuat untuk membantu pemecahan suatu masalah. Sistem ini digunakan untuk membantu pengambilan keputusan di mana tidak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat. (Ningsih et al., 2017). Terdapat beberapa metode sistem pendukung keputusan yang dapat digunakan menjadi alternatif solusi yaitu Simple Additive Weighting (SAW) , Weighted Product (WP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Profile Matching, Analytic Hierarchy Process (AHP). (Aeni Hidayah & Fetrina, 2017).
Metode Simple Additive Weighting (SAW) juga sering dikenal istilah metode penjumlahan terbobot karena dalam perhitungannya memperhitungkan bobot pada kriteria yang digunakan. Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada
semua atribut. (Fishburn, 1967) (MacCrimmon, 1968) (Resti, 2017). Kelebihan dari metode Simple Additive Weighting (SAW) dibandingkan dengan metode pengambilan keputusan yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat, karena berdasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu total perubahan nilai yang dihasilkan lebih banyak, sehingga sangat relevan untuk menyelesaikan masalah pengambilan keputusan. Sedangkan kekurangan dari metode Simple Additive Weighting (SAW) adalah, harus menentukan bobot pada setiap atribut dan harus membuat matriks keputusan. (Astuti & Isna Zahrotul Fu’ad, 2017).
Keputusan yang diambil sering dipengaruhi oleh faktor subjektifitas dari pengambilan keputusan. Kesalahan dalam memilih karyawan sangat besar dampaknya bagi perusahaan karena berpengaruh langsung pada produktivitas dan kinerja finansial perusahaan. Sangat penting dibangun sebuah sistem pengambilan keputusan dalam memilih karyawan yang sesuai kebutuhan dan kriteria dengan menggunakan metode Simple Additive Weighting (SAW). (Sultoni, 2016).
Terkadang perusahaan manapun kesulitan dalam mengambil langkah menentukan karyawan terbaik, terutama jika beberapa karyawan memiliki kemampuan yang tidak jauh berbeda dengan karyawan lainnya sehingga menjadi suatu permasalahan yang ada pada penentuan karyawan terbaik. Aplikasi sistem pendukung keputusan penentuan karyawan terbaik cocok untuk digunakan di perusashaan manapun. Oleh karena itu maka dibutuhkan suatu aplikasi sistem pendukung keputusan, agar dapat menilai kinerja karyawan secara tepat.
3
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah, maka perumusan masalah dalam penyusunan skripsi ini adalah :
1. Bagaimana cara menentukan karyawan terbaik menggunakan metode Simple Additive Weighting (SAW) ?
2. Bagaimana cara mengimplementasikan aplikasi sistem pendukung keputusan untuk mengetahui karyawan terbaik berdasarkan kriteria yang telah di tentukan ?
1.3 Tujuan Dan Manfaat
Dalam penulisan Skripsi ini, terdapat tujuan dan manfaat penelitian adalah: 1. Membangun aplikasi sistem pendukung keputusan untuk menentukan
karyawan terbaik
2. Memudahkan HRD untuk menentukan karyawan terbaik.
Sedangkan Manfaat penulisan untuk skripsi adalah sebagai berikut: 1. Manfaat untuk penulis.
Sebagai salah satu syarat kelulusan Program Sarjana (S1) pada Program Studi Ilmu Komputer Kampus Kota Sukabumi Universitas Bina Sarana Informatika.
2. Manfaat untuk pembaca.
Memberikan pemahaman mengenai pembuatan aplikasi sistem pendukung keputusan penentuan karyawan terbaik dan untuk menambah wawasan bagi pembaca.
1.4 Metode Penelitian
1.4.1 Teknik Pengumpulan Data
Untuk Teknik Pengumpulan Data diantaranya :
1. Wawancara
Penulis melakukan wawancara kepada salah satu perusahaan dilakukan dengan HRD PT. Inti Kimia Jaya menggunakan media online yaitu google form.
2. Studi Kepustakaan
Penulis melakukan pengumpulan data dari berbagai sumber dan bahan seperti jurnal-jurnal ilmiah.
3. Kuesioner
Penulis melakukan pengumpulan data dengan melakukan kuesioner menggunakan media online yaitu google form kepada bagian HRD.
1.4.2 Model Pengembangan Aplikasi
Model yang digunakan dalam mengembangkan aplikasi sistem pendukung keputusan penentuan karyawan terbaik menggunakan metode Prototype dan berikut penjelasan metode tersebut :
Prototyping adalah proses pembuatan model sederhana perangkat lunak supaya memiliki gambaran dasar tentang program yang dirancang dan melakukan pengujian awal. Prototyping adalah pengembangan perangat lunak yang banyak digunakan. (Herdiansyah & Atika, 2016). Adapun tahapan prototyping adalah sebagai berikut:
5
1. Pengumpulan kebutuhan
Pemakai dan pengembang melakukan identifikasi format perangkat lunak secara bersama dan menyeluruh.
2. Membangun prototyping
Membangun prototyping dengan membuat perancangan sementara yang berfokus pada penyajian kepada pemakai.
3. Evaluasi prototyping
Evaluasi ini dilakukan oleh pemakai apakah prototyping yang sudah dibangun sesuai dengan keinginan pemakai.
4. Mengkodekan Sistem
Dalam tahapan ini prototyping yang sudah disepakati diterjemahkan ke dalam bahasa pemrograman.
5. Menguji Sistem
Setelah sistem sudah jadi dan siap pakai, maka harus dilakukan uji coba dahulu sebelum digunakan. Pengujian ini dilakukan dengan menggunakan black box.
6. Evaluasi Sistem
Pemakai mengevaluasi apakah sistem yang sudah jadi sudah sesuai dengan yang diharapkan.
7. Menggunakan Sistem
1.5 Ruang Lingkup
Ruang lingkup dari pembuatan aplikasi sistem pendukung keputusan ini adalah :
1. Proses penentuan karyawan terbaik berdasarkan kriteria yaitu Kedisiplinan, Kejujuran, Sikap, Tanggung Jawab dan Kerjasama.
7
BAB II
LANDASAN TEORI
2.1 Tinjauan Pustaka
2.1.1 Konsep Dasar Program
“Bahasa pemrograman adalah peritah-perintah atau instruksi-instruksi yang dimengerti oleh komputer untuk melakukan tugas-tugas tertentu” (Sophian, 2014). “Bahasa pemrograman merupakan notasi untuk memberikan perintah secara tepat program komputer. Berbeda dengan bahasa, misalnya Bahasa Indonesia dan Bahasa Inggris yang merupakan bahasa alamiah (natural language), sintaksis dan semantik bahasa pemrograman komputer ditentukan secara jelas dan terstruktur” (Fridayanthie, 2015).
2.1.2 PHP
“PHP merupakan kependekan dari Hypertext Preprocessor yaitu bahasa pemrograman web yang dapat disisipkan dalam skrip HTML dan bekerja di sisi server” (Rohi Abdulloh, 2018). “PHP memiliki kemampuan untuk memproses data dinamis” (Lestanti & Susana, 2016). “PHP dapat digunakan dengan gratis dan bersifat Open Source” (Ayu & Permatasari, 2018).
2.1.3 My SQL
“MySQL adalah sebuah sistem manajemen basisdata relasional (RDBMS) yang di distribusikan secara gratis. Setiap pengguna dapat secara bebas menggunakan MySQL. MySQL merupakan turunan salah satu konsep utama dalam basis data yang telah ada sebelumnya SQL (Structured Query Language)” (Lestanti
& Susana, 2016). “MySQL adalah salah satu sistem database yang merupakan terobosan solusi yang tepat dalam aplikasi database” (Sophian, 2014).
2.1.4 Website
“Website dapat diartikan sebagai kumpulan halaman yang menampilkan informasi data teks, gambar, animasi, suara dan video atau gabungan dari semuanya, baik yang bersifat statis maupun dinamis” (Nurmi, 2014).
“Website adalah sekumpulan halaman yang berisi informasi data digital baik berupa teks, gambar, animasi, suara dan video atau gabungan dari semuanya yang disediakan melalui jalur koneksi internet” (Rohi Abdulloh, 2018).
2.1.5 Metode Simple Additive Weighting (SAW)
Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. (Kurniawan & Kusrini, 2016).
“Metode Simple Additive Weighting (SAW) mengenal adanya 2 (dua) atribut yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan” (Nugraha et al., 2012).
9
Keterangan:
𝑟𝑖𝑗 = rating kinerja ternomalisasi
max 𝑖 𝑋𝑖𝑗 = nilai maksimum dari setiap baris dan kolom min 𝑖 𝑋𝑖𝑗 = nilai minimum dari setiap baris dan kolom 𝑋𝑖𝑗 = baris dan kolom dari matriks
Benefit = Jika nilai terbesar adalah terbaik Cost = Jika nilai terkecil adalah terbaik
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
Keterangan :
Vi = nilai rangking untuk setiap alternatif wj = nilai bobot dari setiap kriteria rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Berikut langkah-langkah penyelesaian metode Simple Additive Weighting (SAW) sebagai berikut. (Siregar Pahu et al., 2018) :
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.
4. Hasil akhir proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
2.1.6 Pengujian Aplikasi
Ada dua jenis dalam pengujian sistem pendukung keputusan yaitu dengan pengujian Black Box dan White Box. Berikut penjelasannya :
1. Pengujian Black Box
“Pengujian Black Box berfokus pada spesifikasi fungsional dari perangkat lunak. Tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program” (Mustaqbal et al., 2015). “Pengujian perangkat lunak dari spesifikasi fungsional tanpa menguji desain dan kode program untuk mengetahui apakah fungsi masukan dan keluaran dari perangkat lunak sesuai dengan spesifikasi yang dibutuhkan” (Cholifah et al., 2018).
11
2. Pengujian White Box
“Pengujian White Box didesain untuk mengungkap kesalahan pada persyaratan fungsional tanpa mengabaikan kerja internal dari suatu perangkat lunak” (Ardiansyah, 2017). “Pengujian perangkat lunak dari desain dan kode program apakah mampu menghasilkan fungsi masukan dan keluaran yang sesuai dengan spesifikasi kebutuhan” (Cholifah et al., 2018).
2.1.7 Peralatan Pendukung
2.1.8 Unified Modelling Language (UML)
“Unified Modeling Language (UML), merupakan salah satu metode pemodelan visual yang digunakan dalam perancangan dan pembuatan sebuah software yang berorientasikan pada objek” (M Teguh Prihandoyo, 2018). Terdapat diagram UML yang sering di gunakan yaitu :
1. Activity Diagram, merupakan gambaran alir dari aktivitas-aktivitas didalam sistem yang berjalan.
2. Use Case Diagram, merupakan gambaran dari fungsionalitas yang diharapkan dari sebuah sistem, dan merepresentasikan sebuah interaksi antara aktor dan sistem. Didalam use case terdapat aktor yang merupakan sebuah gambaran entitas dari manuasia atau sebuah sistem yang melakukan pekerjaan di sistem.
3. Sequence Diagram, menggambarkan interaksi antar objek didalam dan di sekitar sistem yang berupa pesan yang digambarkan terhadap waktu.
4. Deployment Diagram, digunakan untuk menggambarkan detail bagaimana komponen disusun di infrastruktur sistem.
2.2 Penelitian Terkait
Pada penelitian terkait ini, dilakukan peninjauan kembali berdasarkan artikel dari penelitian yang sebelumnya, diaantaranya :
Penelitian terkait dari Haryani and Fitriani (2019). Membahas Penilaian kinerja pegawai dengan metode Profile Matching (PM). Merupakan kegiatan yang pada umumnya sudah rutin dilakukan oleh perusahaan-perusahaan dan instasi dimana untuk mengetahui pegawai berprestasi dan kemudian memberikan penghargaan.
Penelitian terkait dari Herman Firdaus (2016). Membahas Pemilihan karyawan terbaik metode AHP dan TOPSIS. Merupakan aspek yang cukup penting dalam manejemen kinerja. pemilihan karyawan terbaik akan menghasilkan informasi yang valid dan berguna untuk keputusan administratif karyawan seperti promosi, pelatihan, transfer termasuk sistem reward dan keputusan-keputusan lain.
Penelitian terkait dari Kurniawan and Kusrini (2016). Membahas penilaian kinerja guru dilakukan dengan metode Simple Additive Weighting (SAW). Kriteria yang di gunakan berdasarkan rekomendasi dari pihak Kelompok Kerja Kepala Sekolah (K3S).
Penelitian terkait dari Resti (2017). Membahas untuk mencari lokasi terbaik yang digunakan untuk pembangunan cabang baru di toko UD. Indo Multi fish. Metode yang digunakan dalam metode ini adalah metode Simple Additive Weighting (SAW) yang dapat mengambil keputusan dengan efektif atas persoalan yang kompleks.
13
Penelitian ini mengkombinasikan tentang penentuan karyawan terbaik seperti peneliti Haryani and Fitriani (2019) dan Herman Firdaus (2016) dengan menggunakan metode Simple Additive Weighting (SAW) seperti penelitian Kurniawan and Kusrini (2016) dan Resti (2017).
14
BAB III
ANALISIS DAN PERANCANGAN
3.1 Analisis Masalah
Berdasarkan hasil yang dapat diidentifikasikan masalah, sebagai berikut : 1. Pihak HRD kesulitan dalam menentukan karyawan terbaik.
2. Tidak adanya sistem yang menentukan karyawan terbaik sehingga penentuannya tidak tepat. Oleh karena itu membuat aplikasi sistem pendukung keputusan penentuan karyawan terbaik sehingga memudahkan HRD dalam menentukannya.
3.2 Analisis Kebutuhan
Analisis kebutuhan ini berguna untuk mengukur kebutuhan perangkat lunak (Software) dan kebutuhan perangkat keras (Hardware) yang akan dibangun. Dalam tahapan ini dilakukan pengumpulan data serta pengetahuan yang dilakukan oleh sistem, sehingga pada akhir analisis mendapatkan hasil berupa sebuah sistem yang strukturnya dapat didefinisikan dengan baik.
Sistem pendukung keputusan diterapkan untuk pemilihan alternatif secara terbaik. Sistem yang akan dibangun merupakan sistem pendukung keputusan penentuan karyawan terbaik berbasis web dengan metode Simple Additive Weighting (SAW) yang bertujuan untuk membantu HRD menentukan karyawan terbaik berdasarkan kriteria yang telah di tentukan, dan dilengkapi juga dengan hasil akhir dari alternatif terbaik.
Analisis kebutuhan yang akan di bangun terdiri dari analisis perangkat lunak (Software) dan analisis kebutuhan perangkat keras (Hardware).
1. Kebutuhan perangkat lunak (Software)
Spesifikasi perangkat lunak yang digunakan agar dapat mendukung dalam pembuatan sistem ini di antaranya sebagain berikut:
a. Sistem operasi Windows 7,8,10 b. XAMPP
c. Mozzila Firefox d. Google Chrome
2. Kebutuhan perangkat keras (Hardware)
Spesifikasi perangkat keras yang digunakan agar dapat mendukung dalam pembuatan sistem ini di antaranya sebagain berikut:
a. Intel Celeron b. Intel Dualcore c. AMD Athlon 3.2.1 Pemodelan UML
Dalam memodelkan proses yang terjadi pada rancangan sistem aplikasi Penentuan karyawan terbaik akan dibuat kedalam bentuk UML yaitu, Use case
1. Use Case Diagram
Gambar III. 1. Use Case Diagram SPK
Deskripsi Use Case Diagram penentuan karyawan terbaik: Tabel III. 1. Deskripsi Use Case Diagram Menu Home Use Case Name Home
Requirment A1
Goal Pengguna diarahkan ke halaman utama Pre-condition Pengguna memilih menu home
Post-condition Pengguna dapat melihat home Failed end condition Pengguna tidak dapat melihat home Primary Actor Pengguna
Main Flow/Basic Path Pengguna dapat melihat home
Tabel III. 2. Deskripsi Use Case Diagram Menu Kriteria Use Case Name Kriteria
Requirment A2
Goal Pengguna dapat melihat dan mengelola krtiteria Pre-condition Pengguna memilih menu kriteria
Post-condition Pengguna dapat melihat dan mengelola kriteria Failed end condition Pengguna tidak dapat mengelola kriteria Primary Actor Pengguna
Main Flow/Basic Path 1. Pengguna dapat melihat data kriteria 2. Pengguna dapat menginput data kriteria 3. Pengguna dapat mengedit data kriteria
Invariant Pengguna dapat mengedit dan menghapus data kriteria
Tabel III. 3. Deskripsi Use Case Diagram Menu Sub Kriteria Use Case Name Sub Kriteria
Requirment A3
Goal Pengguna dapat melihat dan mengelola sub krtiteria
Pre-condition Pengguna memilih menu sub kriteria Post-condition Pengguna dapat melihat dan mengelola sub
krtiteria
Failed end condition Pengguna tidak dapat mengelola sub kriteria Primary Actor Pengguna
Main Flow/Basic Path 1. Pengguna dapat melihat data sub kriteria 2. Pengguna dapat menginput sub kriteria 3. Pengguna dapat mengedit data sub kriteria Invariant Pengguna dapat mengedit dan menghapus data
Tabel III. 4. Deskripsi Use Case Diagram Menu Karyawan Use Case Name Karyawan
Requirment A4
Goal Pengguna dapat melihat dan mengelola data karyawan
Pre-condition Pengguna memilih menu karyawan
Post-condition Pengguna dapat meluhat dan mengelola data karyawan
Failed end condition Pengguna tidak dapat mengelola karyawan Primary Actor Pengguna
Main Flow/Basic Path 1. Pengguna dapat melihat data karyawan 2. Pengguna dapat menginput data karyawan 3. Pengguna dapat mengedit data karyawan Invariant Pengguna dapat mengedit dan menghapus data
karyawan
Tabel III. 5. Deskripsi Use Case Diagram Menu Penilaian Use Case Name Penilaian
Requirment A5
Goal Pengguna dapat melihat dan mengelola Penilaian
Pre-condition Pengguna memilih menu Penilaian
Post-condition Pengguna dapat melihat dan mengelola data Penilaian
Failed end condition Pengguna tidak dapat memilih menu penilaian Primary Actor Pengguna
Main Flow/Basic Path 1. Pengguna dapat melihat data penilaian 2. Pengguna dapat menginput data penilaian 3. Pengguna dapat mengedit data penilaian Invariant Pengguna dapat mengedit dan menghapus data
Tabel III. 6. Deskripsi Use Case Diagram Menu Hasil Penilaian Use Case Name Hasil Penilaian
Requirment A6
Goal Pengguna dapat melihat hasil penilaian Pre-condition Pengguna memilih menu hasil penilaian Post-condition Pengguna dapat melihat hasil penilaian Failed end condition Pengguna tidak dapat memilih hasil penilaian Primary Actor Pengguna
Main Flow/Basic Path Pengguna dapat melihat hasil penilaian
Invariant -
2. Activity Diagram
Gambar III. 3. Activity Diagram Sub Kriteria
Gambar III. 5. Activity Diagram Penilaian
3. Sequance Diagram
Gambar III. 10. Sequance Diagram Penilaian
4. Deployment Diagram
Gambar III. 12. Deployment Diagram SPK
3.3 Perancangan Objek
3.3.1 Pengumpulan Data
Berdasarkan hasil dari wawancara dan kuesioner kepada HRD dapat di simpulkan bahwa perusahaan tersebut setuju dengan adanya aplikasi sistem pendukung keputusan, karena dapat membantu kinerja HRD dalam menentukannya. Kriteria yang akan dinilai untuk menentukan karyawan terbaik yaitu Kedisiplinan, Kejujuran, Sikap, Tanggung Jawab dan Kerjasama.
Hasil dari aplikasi yang diinginkan oleh perusahaan adalah dapat memudahkan dalam menentukan karyawan terbaik dan sudah terkomputerisasi, sehingga membantu dan meringankan tugas HRD.
3.3.2 Algoritma Simple Additive Weighting (SAW)
Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode Simple Additive Weighting (SAW) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. (Kurniawan & Kusrini, 2016). “Metode Simple Additive Weighting (SAW) mengenal adanya 2 (dua) atribut yaitu kriteria keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan” (Nugraha et al., 2012).
Keterangan:
𝑟𝑖𝑗 = rating kinerja ternomalisasi
max 𝑖 𝑋𝑖𝑗 = nilai maksimum dari setiap baris dan kolom min 𝑖 𝑋𝑖𝑗 = nilai minimum dari setiap baris dan kolom 𝑋𝑖𝑗 = baris dan kolom dari matriks
Benefit = Jika nilai terbesar adalah terbaik Cost = Jika nilai terkecil adalah terbaik
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :
Keterangan :
Vi = nilai rangking untuk setiap alternatif wj = nilai bobot dari setiap kriteria rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 3.3.3 Basis Pengetahuan
Dalam basis pengetahuan ini data yang diperoleh dari hasil wawancara dan kuesioner untuk menentukan karyawan terbaik dan akan di implementasikan berdasarkan metode Simple Additive Weighting (SAW).
1. Menentukan setiap kriteria-kriteria yaitu sebagai berikut :
Tabel III. 7. Kriteria
Karyawan Terbaik
Sumber : Olahan Sendiri (2020)
Kriteria Keterangan Atribut
C1 Kedisiplinan Benefit
C2 Kejujuran Benefit
C3 Sikap Benefit
C4 Tanggung Jawab Benefit
Tabel III. 8. Pilihan Alternatif Alternatif Keterangan A1 Karyawan A A2 Karyawan B A3 Karyawan C A4 Karyawan D A5 Karyawan E A6 Karyawan F A7 Karyawan G A8 Karyawan H
Sumber : Olahan Sendiri (2020)
2. Selanjutnya dari masing–masing kriteria tersebut di tentukan nilai bobotnya yang teridiri dari 4 bilangan.
Tabel III. 9. Bobot Nilai
Bobot Nilai
Rendah 1
Cukup 2
Tinggi 3
Sangat Tinggi 4
Sumber : Olahan Sendiri (2020)
a. Kriteria Kedisiplinan
Tabel III. 10. Kriteria
Kedisiplinan
Sumber : Olahan Sendiri (2020)
Kedisiplinan Nilai
Sangat Tidak Disiplin 1
Tidak Disiplin 2
Kurang Disiplin 3
b. Kriteria Kejujuran
Tabel III. 11. Kriteria Kejujuran
Sumber : Olahan Sendiri (2020)
c. Kriteria Sikap
Tabel III. 12. Kriteria Sikap
Sumber : Olahan Sendiri (2020)
d. Kriteria Tanggung Jawab
Tabel III. 13. Kriteria Tanggung Jawab
Sumber : Olahan Sendiri (2020)
Kejujuran Nilai
Sangat Tidak Jujur 1
Tidak Jujur 2
Kurang Jujur 3
Sangat Jujur 4
Sikap Nilai
Sangat Tidak Baik 1
Tidak Baik 2
Kurang Baik 3
Sangat Baik 4
Tanggung Jawab Nilai
Sangat Tidak Tanggung Jawab 1
Tidak Tanggung Jawab 2
Kurang Tanggung Jawab 3
e. Kriteria Kerjasama
Tabel III. 14. Kriteria
Kerjasama
Sumber : Olahan Sendiri (2020)
Tabel III. 15. Rating Kecocokan Alternatif Kerjasama Nilai
Sangat Tidak Mampu 1
Tidak Mampu 2 Kurang Mampu 3 Sangat Mampu 4 Alternatif Kriteria C1 C2 C3 C4 C5 A1 4 3 4 4 3 A2 2 3 4 4 4 A3 4 4 3 4 4 A4 4 3 3 3 4 A5 3 3 3 4 4 A6 1 3 3 4 3 A7 4 3 4 4 4 A8 3 4 4 2 3
Sumber : Olahan Sendiri (2020)
Pengambilan keputusan memberikan bobot, berdasarkan tingkat kepentingan masing-masing kriteria yang dibutuhkan sebagai berikut:
C1=35%, C2=25%, C3=20%, C4=10%, C5=10%, Total=100%
3. Membuat matriks tabel keputusan X, dibuat tabel kecocokan sebagai berikut:
𝑋 { }
4. Dilakukan normalisasi matriks X untuk menghitung nilai masing-masing kriteria berdasarkan kriteria yang telah ditentukan, yaitu :
Alternatif 1 (Karyawan A) R11 R12 R13 R14 R15 Alternatif 2 (Karyawan B) R21 R22 R23
R24 R25 Alternatif 3 (Karyawan C) R31 R32 R33 R34 R35 Alternatif 4 (Karyawan D) R41 R42 R43 R44 R45 Alternatif 5 (Karyawan E) R51 R52 R53 R54 R55
Alternatif 6 (Karyawan F) R61 R62 R63 R64 R65 Alternatif 7 (Karyawan G) R71 R72 R73 R74 R75 Alternatif 8 (Karyawan H) R81 R82 R83 R84 R85
5. Dari hasil perhitungan di atas, maka dapat matriks ternormalisasi sebagai berikut : Tabel III. 16. Hasil Ternormalisasi Matriks X
Sumber : Olahan Sendiri (2020)
Selanjutnya akan dibuat perkalian matriks W × R dan penjumlahan hasil perkalian untuk memperoleh alternatif terbaik dengan melakukan perankingan nilai terbesar sabagai berikut :
Nilai Vi dari Alternatif 1 (Karyawan A) :
V1 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25) = (0,35 × 1) + (0,25 × 0,75) + (0,2 × 1) + (0,1 × 1) + (0,1 × 1) Alternatif Kriteria C1 C2 C3 C4 C5 A1 1 0,75 1 1 1 A2 0,5 0,75 1 1 0,75 A3 1 1 0,75 1 0,75 A4 1 0,75 0,75 0,75 0,75 A5 0,75 0,75 0,75 1 0,75 A6 0,25 0,75 0,75 1 1 A7 1 0,75 1 1 0,75 A8 0,75 1 1 0,5 1
= (0,35 + 0,1875 + 0,2 + 0,1 + 0,1) = 0,9375
Nilai Vi dari Alternatif 2 (Karyawan B) :
V2 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 0,5) + (0,25 × 0,75) + (0,2 × 0,1) + (0,1 × 1) + (0,1 × 0,75) = (0,175 + 0,1875 + 0,2 + 0,1 + 0,075)
= 0,7375
Nilai Vi dari Alternatif 3 (Karyawan C) :
V3 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 1) + (0,25 × 1) + (0,2 × 0,75 ) + (0,1 × 1) + (0,1 × 0,75) = (0,35 + 0,25 + 0,15 + 0,1 + 0,075)
= 0,925
Nilai Vi dari Alternatif 4 (Karyawan D) :
V4 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 1) + (0,25 × 0,75) + (0,2 × 0,75) + (0,1 × 0,75) + (0,1 × 0,75) = (0,35 + 0,1875 + 0,15 + 0,075 + 0,075)
= 0,8375
V5 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 0,75) + (0,25 × 0,75) + (0,2 × 0,75) + (0,1 × 1) + (0,1 × 0,75) = (0,2625 + 0,1875 + 0,15 + 0,1 + 0,075)
= 0,775
Nilai Vi dari Alternatif 6 (Karyawan F) :
V6 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 0,25) + (0,25 × 0,75) + (0,2 × 0,75) + (0,1 × 0,1) + (0,1 × 1) = (0,0875 + 0,1875 + 0,15 + 0,1 + 0,1 )
= 0,625
Nilai Vi dari Alternatif 7 (Karyawan G) :
V7 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 1) + (0,25 × 0,75) + (0,2 × 1) + (0,1 × 1) + (0,1 × 0,75) = (0,35 + 0,1875 + 0,2 + 0,1 + 0,075 )
= 0,9125
V8 = (W1× R11) + (W2 × R12) + (W3 × R13) + (W4 × R14) + (W5 × R25)
= (0,35 × 0,75) + (0,25 × 1) + (0,2 × 1) + (0,1 × 0,5) + (0,1 × 1) = (0,2625 + 0,25 + 0,2 + 0,05 + 0,1 )
= 0,8625
Dari perkalian matriks W × R maka didapatkan hasil sebagai berikut: V1 = 0,9375
V2 = 0,7375 V3 = 0,925 V4 = 0,8375 V5 = 0,775
V6 = 0,625 V7 = 0,9125 V8 = 0,8625
Maka didapatkan penentuan karyawan terbaik menurut hasil perhitungan dengan metode SAW adalah : Karyawan A dengan nilai 0,9375.
39
BAB IV
IMPLEMENTASI DAN PENGUJIAN
4.1 Tampilan Hasil
Berikut ini merupakan tampilan hasil dari aplikasi sistem pendukung keputusan yang telah dibuat oleh penulis.
1. Halaman Utama
Halaman utama merupakan halaman untuk menampilkan pesan pembuka
40
2. Halaman Kriteria
Halaman kriteria merupakan halaman untuk mengelola kriteria. Halaman ini bisa digunakan untuk menambah, mengedit dan menghapus kriteria.
Gambar IV. 2. Halaman Kriteria
3. Halaman Sub Kriteria
Halaman sub kriteria merupakan halaman untuk mengelola sub kriteria. Halaman ini bisa digunakan untuk menambah, mengedit dan menghapus sub kriteria.
4. Halaman Karyawan
Halaman Karyawan digunakan untuk mengelola data Karyawan yang nantinya akan di input ke halaman penilaian untuk melakuakan penilaian karyawan terbaik.
Gambar IV. 4. Halaman Karyawan
5. Halaman Penilaian
Halaman penilaian digunakan untuk mengelola penilaian. Halaman ini mengambil data dari kriteria, sub kriteria dan karyawan untuk proses penilaian.
42
6. Halaman Hasil Penilaian
Halaman hasil penilaian yang berfungsi untuk menampikan hasil penilaian dan alternatif terbaik berdasarkan metode SAW.
4.2 Cara Kerja Aplikasi
4.2.1 Prosedur Penggunaan Aplikasi
Untuk Prosedur Penggunaan Aplikasi diantaranya :
1. Masuk ke halaman utama
2. Menentukan kriteria apa saja yang ingin dijadikan penentuan karyawan terbaik dan setelah itu menentukan benefit, cost, nilai bobot kriteria. 3. Menentukan sub kriteria yang di jadikan penentuan karyawan terbaik 4. Setelah itu menginput nama karyawan, setelah menginput nama karyawan
dilakukan penilaian pada masing masing karyawan yang akan dijadikan karyawan terbaik.
5. Setelah melakukan penilaian terhadap masing masing karyawan selanjutnya muncul pada menu hasil penilaian maka didapatkan karyawan terbaik berdasarkan nilai total tertinggi.
4.3 Hasil Pengujian
Pengujian software dalam penelitian ini menggunakan black box. 4.3.1 Black Box Testing
Metode ini digunakan untuk mengetahui apakah perangkat lunak berfungsi dengan benar. Adapun hal-hal yang akan diujikan menggunakan metode black box ini adalah sebagai berikut :
44
Tabel IV. 1. Pengujian Menu Home
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Home Kembali ke Halaman utama
Kembali ke Halaman utama
Sesuai
Tabel IV. 2. Pengujian Menu Kriteria
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Kriteria Muncul informasi Kriteria Muncul informasi Kriteria Sesuai Klik Tambah Kriteria Muncul input Kriteria Muncul input Kriteria Sesuai
Klik Edit Kriteria Muncul ubah Kriteria
Muncul ubah Kriteria
Sesuai
Klik Delete Kriteria Muncul hapus Kriteria
Muncul hapus Kriteria
Sesuai
Tabel IV. 3. Pengujian Menu Sub Kriteria
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Sub Kriteria Muncul informasi Sub Kriteria Muncul informasi Sub Kriteria Sesuai Klik Tambah Sub Kriteria Muncul input Sub Kriteria Muncul input Sub Kriteria Sesuai Klik Edit Sub Kriteria Muncul ubah Sub Kriteria Muncul ubah Sub Kriteria Sesuai Klik Delete Sub Kriteria Muncul hapus Sub Kriteria Muncul hapus Sub Kriteria Sesuai
Tabel IV. 4. Pengujian Menu Karyawan
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Karyawan Muncul informasi Karyawan Muncul informasi Karyawan Sesuai Klik Tambah Karyawan Muncul input Karyawan Muncul input Karyawan Sesuai
Klik Edit Karyawan Muncul ubah Karyawan Muncul Ubah Karyawan Sesuai Klik Delete Karyawan Muncul hapus Karyawan Muncul hapus Karyawan Sesuai
Tabel IV. 5. Pengujian Menu Penilaian
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Penilaian Muncul informasi Penilaian Muncul informasi Penilaian Sesuai Klik Tambah Penilaian Muncul input Penilaian Muncul input Penilaian Sesuai Klik Edit Penilaian Muncul ubah
Penilaian Muncul ubah Penilaian Sesuai Klik Delete Penilaian Muncul hapus Penilaian Muncul hapus Penilaian Sesuai
Tabel IV. 6. Pengujian Menu Hasil Penilaian
Data Masukkan Yang diharapkan Pengamatan Kesimpulan
Klik Hasil Penilaian Muncul informasi Hasil Penilaian Muncul informasi Hasil Penilaian Sesuai
46
4.3.2 Support
Spesifikasi hardware dan software yang mendukung untuk menjalankan aplikasi sistem pendukung keputusan yang dibuat.
4.3.3 Spesifikasi Hardware dan Software
Tabel IV. 7. Spesifikasi Hardware dan Software
Kebutuhan Keterangan
Sistem Operasi Microsoft Window XP ,7, 8, 10 x86/x64 bit Processor Intel celeron 1,8 Ghz atau selebihnya
RAM 512 MB atau selebihnya
Harddisk 20 GB atau selebihnya
VGA Onboard 128 Mb
Browser Mozila Firefox , Google Chrome Perangkat Lunak XAMPP
47
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan pembahasan pada bab-bab sebelumnya, dapat diambil kesimpulan dari pembuatan aplikasi Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Berbasis Website Dengan Metode SAW, diantaranya:
1. Sistem pendukung keputusan ini dirancang dalam bentuk aplikasi berbasis Website, sehingga memudahkan pengguna khususnya bagian HRD yang menilai kinerja karyawan dalam penggunaannya.
2. Sistem pendukung keputusan ini memberikan pengetahuan bagi pengguna khususnya bagian HRD tentang penentuan karyawan terbaik sehingga dapat menentukan secara tepat.
5.2 Saran
Setelah pengujian sistem pendukung keputusan ini dilakukan, terdapat beberapa saran yang dapat diterapkan untuk pengembangan sistem pendukung keputusan yang lebih lanjut, diantaranya:
1. Diperlukan pengembangan ruang lingkup sistem lebih lanjut, misalnya dengan menambahkan kriteria terbaru dan nama karyawan yang akan di nilai agar dapat menambah keakuratan dalam penentuan karyawan terbaik.
2. Untuk perusahaan manapun sangat cocok sekali menggunakan aplikasi sistem pendukung keputusan penentuan karyawan terbaik jika perusahaan tersebut melakukan pemilihan karyawan terbaik secara rutin.
48
3. Aplikasi sistem pendukung keputusan penentuan karyawan terbaik bisa menggunakan metode seperti AHP, TOPSIS, dan Profile Matching.
4. Penambahan fitur grafik agar dapat mengetahui secara spesifik nama karyawan dan total nilai.
5. Penambahan fitur print out agar hasilnya dapat di cetak.
6. Penambahan fitur riwayat hasil penilaian karyawan terbaik agar pengguna dapat mengetahui seberapa sering dalam penggunaan aplikasi tersebut.
49
DAFTAR PUSTAKA
Aeni Hidayah, N., & Fetrina, E. (2017). RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN KENAIKAN JABATAN PEGAWAI DENGAN METODE PROFILE MATCHING (Studi Kasus: Kementerian Agama Kantor Wilayah DKI Jakarta). Studia Informatika: Jurnal Sistem Informasi, 10(2), 127– 134.
Aliy Hafiz, & Muhammad Ma’mur. (2018). Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Dengan Pendekatan Weighted Product. Cendikia, 15(2), 23– 28.
Astuti, Y., & Isna Zahrotul Fu’ad. (2017). Penentuan Karyawan Terbaik Menggunakan Metode Simple Additive Weighting Pada PT. Patra Nur Alaska. Seminar Nasional Tekhnologi Informasi Dan Multimedia, 37–42. http://ojs.amikom.ac.id/index.php/semna steknomedia/article/view/1699/1576
Herdiansyah, M., & Atika, L. (2016). Pengaturan Lampu Lalu Lintas Menggunakan Pendekatan Sistem Pakar. Jurnal Ilmiah Matrik, 3, 241–250. https://doi.org/10.33557/jurnalmatrik.v18i3.414
Ningsih, E., Dedih, D., & Supriyadi, S. (2017). Sistem Pendukung Keputusan Menentukan Peluang Usaha Makanan Yang Tepat Menggunakan Weighted Product (Wp) Berbasis Web. ILKOM Jurnal Ilmiah, 9(3), 244–254. https://doi.org/10.33096/ilkom.v9i3.150.244-254
Resti, N. C. (2017). Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD. Indo Multi Fish. Intensif, 1(2), 102. https://doi.org/10.29407/intensif.v1i2.839
Riyanto, E. A., & Haryanti, T. (2017). SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TELLER POOLING TERBAIK PADA PT. BCA Tbk. DENGAN METODE SAW (Simple Additive Weighting). Jurnal Pilar Nusa Mandiri, 13(1), 128–135.
50
Sultoni, M. I. T. A. P. N. (2016). Sistem Pendukung Keputusan Seleksi Karyawan Menggunakan Metode Simple Additive Weighting Pada Pt.Philips Seafood Indonesia. J I M P - Jurnal Informatika Merdeka Pasuruan, 1(3), 68–84. https://doi.org/10.37438/jimp.v1i3.42
Siregar Pahu, G. Y. K. S., Putri, L. R., Nungsiyati, N., & Renaldo, R. (2018). Sistem Pendukung Keputusan Menentukan Calon Penerima Raskin Menggunakan Metode Simple Additive Weighting. Jurnal Teknoinfo, 12(2), 82. https://doi.org/10.33365/jti.v12i2.122
Ardiansyah, H. (2017). Sistem Penunjang Keputusan Pemilihan Guru Terbaik dengan Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Studi Kasus: SDN Bendungan Hilir 01 Pagi Jakarta Pusat. Jurnal
Informatika Universitas Pamulang, 2(2), 89.
https://doi.org/10.32493/informatika.v2i2.1510
Ayu, F., & Permatasari, N. (2018). Perancangan Sistem Informasi Pengolahan Data Praktek Kerja Lapangan (Pkl) Pada Devisi Humas Pt. Pegadaian. Intra-Tech, 2(2), 12–26.
Cholifah, W. N., Yulianingsih, Y., & Sagita, S. M. (2018). Pengujian Black Box Testing pada Aplikasi Action & Strategy Berbasis Android dengan Teknologi Phonegap. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 3(2), 206. https://doi.org/10.30998/string.v3i2.3048
Fridayanthie, E. (2015). Perancangan Sistem Informasi Penjualan Peralatan Hiking Berbasis Desktop. Jurnal Khatulistiwa Informatika, 3(2), 143–151.
Haryani, & Fitriani, D. (2019). Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Pada Collection Pt . Panin Bank Menggunakan. Jurnal Mantik Penusa, 3(1), 1–8. http://e-jurnal.pelitanusantara.ac.id/index.php/mantik/article/view/521
Herman Firdaus, I., Abdillah, G., Renaldi, F., & Jenderal Achmad Yani Jl, U. (2016). Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Menggunakan Metode Ahp Dan Topsis. Seminar Nasional Teknologi Informasi Dan Komunikasi, 2016(Sentika), 2089–9815.
Kurniawan, A., & Kusrini. (2016). Analisis Dan Perancangan Sistem Pendukung Keputusan Penilaian Kinerja Guru ( Pkg ) Menggunakan Metode Simple Additive Weighting ( Saw ) Pada Sd Negeri 1 Wonoroto. Seminar Nasional
51
Teknologi Informasi Dan Multimedia 2016. STMIK AMIKOM. Yogyakarta., 6– 7.
Lestanti, S., & Susana, A. D. (2016). Sistem Pengarsipan Dokumen Guru Dan Pegawai Menggunakan Metode Mixture Modelling Berbasis Web. Antivirus : Jurnal Ilmiah Teknik Informatika, 10(2), 69–77. https://doi.org/10.35457/antivirus.v10i2.164
M Teguh Prihandoyo. (2018). Unified Modeling Language (UML) Model Untuk Pengembangan Sistem Informasi Akademik Berbasis Web. Jurnal Informatika: Jurnal Pengembangan IT, 3(1), 126–129.
Mustaqbal, M. S., Firdaus, R. F., & Rahmadi, H. (2015). PENGUJIAN APLIKASI MENGGUNAKAN BLACK BOX TESTING BOUNDARY VALUE ANALYSIS (Studi Kasus : Aplikasi Prediksi Kelulusan SNMPTN). I(3), 31–36.
Nugraha, F., Surarso, B., & Noranita, B. (2012). Sistem Pendukung Keputusan Evaluasi Pemilihan Pemenang Pengadaan Aset dengan Metode Simple Additive Weighting (SAW). Jurnal Sistem Informasi Bisnis, 2(2), 67–72. https://doi.org/10.21456/vol2iss2pp067-072
Nurmi, H. (2014). Membangun Website Sistem Informasi Dinas Pariwisata. Jurnal Edik Informatik, 1(2), 1–6.
Abdulloh, Rohi. (2018). 7 in 1 Pemrograman Web untuk Pemula. Jakarta: PT Elex Media Komputindo.
Sophian, S. (2014). PENGIMPLEMENTASIAN DAN PERANCANGAN SISTEM INFORMASI PENJUALAN DAN PENGENDALIAN STOK BARANG PADA TOKO SWASTIKA SERVIS (SS) BANGUNAN DENGAN MENGGUNAKAN BAHASA PEMROGRAMAN VISUAL BASIC 6.0 DIDUKUNG DENGAN DATABASE MySQL. Jurnal Momentum, 16(2), 34– 44. https://doi.org/10.1007/s13398-014-0173-7.2
52
53
55
LAMPIRAN-LAMPIRAN
57 Lampiran 2. Lembar Kuesioner
73