Sistem Pendukung Keputusan Kelompok untuk Penilaian Kinerja Unit Perusahaan Menggunakan Metode PROMETHEE II dan Borda (Studi Kasus: Perum Jasa Tirta 1 Malang)

(1)

Fakultas Ilmu Komputer

7338

Sistem Pendukung Keputusan Kelompok untuk Penilaian Kinerja Unit

Perusahaan Menggunakan Metode PROMETHEE II dan Borda

(Studi Kasus: Perum Jasa Tirta 1 Malang)

Dhea Azahria Mawarni1_{, Arief Andy Soebroto}2

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{dhea.azahria12@gmail.com,}2_{ariefas@ub.ac.id}

Abstrak

Penilaian kinerja unit perusahaan bertujuan untuk memudahkan dalam melakukan evaluasi terhadap kinerja setiap unit. Kinerja yang buruk akan berdampak pada kualitas perusahaan, sehingga harus segera diperbaiki dan ditingkatkan. Namun penilaian kinerja unit perusahaan di PJT 1 Malang dirasa kurang efisien dikarenakan tidak adanya sistem untuk mengolah data penilaian kinerja KPI Unit. Hal ini berdampak pada banyaknya tenaga dan waktu yang dibutuhkan dalam penilaian kinerja unit perusahaan. Untuk mengatasi masalah tersebut dibutuhkan suatu sistem komputer berupa sistem pendukung keputusan kelompok (SPKK) untuk membantu dalam penilaian kinerja unit perusahaan. Salah satu metode Multi Criteria Decision Making yaitu PROMETHEE II digunakan untuk pengambilan keputusan setiap decision maker (DM). Sedangkan metode voting yang digunakan adalah Borda. Penelitian ini menggunakan 72 data alternatif dan lima kriteria penilaian. Berdasarkan hasil analisis pengujian bobot, akurasi terbaik diperoleh pada percobaan ke-3, ke-4 dan ke-5 pada tingkat kepentingan bobot keempat sebesar 83,3333% dengan menggunakan range 1. Sedangkan berdasarkan hasil analisis pengujian jumlah data diperoleh akurasi tertinggi sebesar 86,1111% pada saat menggunakan data uji sebanyak 36 data.

Kata kunci: SPKK, MCDM, penilaian kinerja, PROMETHEE II, Borda

Abstract

Assessment of unit performance of the company aims to facilitate in evaluating the performance of each unit. Poor performance will have an impact on the quality of the company, so it needs to be improved and upgraded. However, the assessment of company unit performance in PJT 1 Malang is less efficient due to the absence of a system to process KPI Unit assessment data. This has an impact on the amount

of manpower and required time in the assessment of the company’s unit performance. To overcome

these problems, it requires a computer system in the form of group decision support system (SPKK) to assist in the assessment of the company’s unit performance. One method of Multi Criteria Decision Making is PROMETHEE II, used for decision making in every decision maker (DM). While Borda is used for the voting method. This study uses 72 alternative data and five assessment criteria. Based on the results of the weight test analysis, the best accuracy was obtained in the 3rd, 4th, and 5th experiments at the level of importance of the fourth weight with value of 83.3333% using the first range. And the highest accuracy based on the results of the amount of data test analysis obtained of 86, 1111% when using 36 data test.

Keywords: GDSS, MCDM, performance assessment, PROMETHEE II, Borda

1. PENDAHULUAN

Penilaian kinerja memiliki berbagai manfaat bagi pihak internal maupun eksternal. Salah satu manfaat bagi pihak internal adalah pengambilan keputusan dalam penyusunan strategi untuk meningkatkan kinerja suatu unit

perusahaan (Widodo, 2011). Penilaian kinerja merupakan penentuan berkala pada efektivitas operasional suatu organisasi atau perusahaan yang berdasarkan sasaran, standar dan parameter yang telah ditentukan (Zudia, 2010).

(2)

meningkatkan kemampuan bersaingnya untuk menjadi perusahaan yang mempunyai daya saing unggul di kelas dunia (Estuningsari, et al., 2013). Kriteria Penilaian Kinerja Unggul (KPKU) merupakan program unggulan yang berfungsi sebagai suatu sistem pengelolaan dan pengendalian kinerja perusahaan di Badan Usaha Milik Negara (BUMN). KPKU juga diterapkan pada Perum Jasa Tirta (PJT) 1 Malang yang digunakan untuk pengukuran kinerja perusahaan secara menyeluruh (korporat). Kriteria-kriteria dalam KPKU akan dijadikan sebagai acuan untuk menentukan perspektif pada Key Performance Indicators (KPI) Unit yang nantinya akan digunakan dalam penilaian kinerja unit perusahaan.

Penilaian kinerja unit perusahaan sangat penting dilakukan untuk memudahkan dalam melakukan evaluasi terhadap kinerja setiap unit berdasarkan pencapaian yang telah didapatkan. Namun penilaian kinerja unit perusahaan di PJT 1 Malang dirasa kurang efisien dikarenakan tidak adanya sistem untuk mengolah data penilaian kinerja KPI Unit. Hal ini berdampak pada banyaknya tenaga dan waktu yang dibutuhkan dalam penilaian kinerja unit perusahaan. Selain itu, penilaian secara manual membuat data tidak tersimpan dengan baik sehingga sangat sulit mencari data pada tahun-tahun sebelumnya untuk keperluan analisis

trend. Oleh karena itu, PJT 1 Malang membutuhkan suatu alternatif untuk memudahkan dalam melakukan penilaian kinerja unit perusahaan.

Berbagai aplikasi telah dibangun dan dikembangkan untuk menyelesaikan permasalahan dalam penilaian kinerja, mulai dari tingkat korporat hingga tingkat karyawan. Salah satunya adalah sistem pendukung keputusan yang dibangun oleh (Apriliani, et al., 2015) dengan judul “Implementasi Metode PROMETHEE dan Borda dalam Sistem Pendukung Keputusan Pemilihan Lokasi Pembukaan cabang Baru Bank”. Keluaran yang dihasilkan menunjukkan bahwa alternatif lokasi yang memiliki jumlah poin terbanyak merupakan rekomendasi lokasi terbaik (Apriliani, et al., 2015).

PROMETHEE dipilih karena metode ini mampu menyelesaikan permasalahan yang sifatnya multi kompleks yaitu terdiri atas banyak alternatif dan multicriteria (Doumpos & Zoponudis, 2010)(Imandasari & Windarto, 2017). Selain itu metode ini menyediakan banyak fungsi preferensi yang dapat

menyelesaikan berbagai permasalahan sesuai dengan karakteristik data (Akafpour & Hamidi, 2013). Metode Borda dipilih karena secara konseptual sederhana dan merupakan metode peringkat ordinal yang mudah diterapkan (Fishburn & Gehrlein, 1976) (Newenhizen, 1992) (Lansdowne & Woodward, 1996).

Berdasarkan penelitian-penelitian yang telah dilakukan sebelumnya, maka penulis mengusulkan sebuah penelitian dengan judul Sistem Pendukung Keputusan Kelompok untuk Penilaian Kinerja Unit Perusahaan Menggunakan Metode PROMETHEE II dan Borda.

2. METODE

2.1. Preference Ranking Organization Method for Enrichment Evaluation

(PROMETHEE)

PROMETHEE merupakan salah satu metode perangkingan (urutan) dalam analisis multikriteria. Metode ini dapat dikatakan sebagai metode yang simple, efisien, dan mudah untuk diimplementasikan (Prabowo, 2011). Langkah-langkah metode PROMETHEE terdiri atas lima langkah (Behzadian, et al., 2009) yaitu:

1. Menentukan deviasi berdasarkan perbandingan berpasangan

Dalam (Behzadian, et al., 2009), rentang penyimpangan (deviasi) alternatif pada setiap kriteria berdasarkan perbandingan berpasangan dapat ditunjukkan pada Persamaan (1).

𝑑𝑗(𝑎, 𝑏) = 𝑔𝑗(𝑎) − 𝑔𝑗(𝑏) (1)

Dimana:

𝑑𝑗(𝑎, 𝑏) = perbedaan evaluasi alternatif a dan b 𝑔𝑗(𝑎) = evaluasi alternatif a

𝑔𝑗(𝑏) = evaluasi alternatif b 2. Penerapan fungsi preferensi

Penerapan fungsi preferensi menurut (Behzadian, et al., 2009) dapat dihitung dengan menggunakan Persamaan (2).

𝑃𝑗(𝑎, 𝑏) = 𝐹𝑗[𝑑𝑗(𝑎, 𝑏)] 𝑗 = 1, … , 𝑘 (2) Pj(a,b) = fungsi preferensi alternatif a

sehubungan dengan alternatif b

dj(a,b) = perbedaan antara evaluasi alternatif a dan b

𝐹𝑗[𝑑𝑗(𝑎, 𝑏)] = fungsi selisih/perbedaan antara evaluasi alternatif a dan b

Terdapat enam tipe fungsi preferensi kriteria yang ada dalam PROMETHEE yaitu (Brans, et al., 1986) (Arsita, 2013):

(3)

Fungsi preferensi usual criterion type digunakan pada kriteria kualitatif yang menggunakan skala sampai lima tingkat (Giurca, et al., 2014). Persamaan preferensi tipe kriteria biasa ditunjukkan pada Persamaan (3).

𝐻(𝑑) {0 jika 𝑑 ≤ 0_{1 jika 𝑑 > 0} (3)

Dimana:

H(d) = fungsi selisih kriteria antar alternatif d = selisih nilai kriteria {d = g(a)−g(b)}

Dalam tipe preferensi ini tidak ada parameter yang harus ditentukan (Brans, et al., 1986). Grafik fungsi preferensi kriteria biasa ditunjukkan pada Gambar 1.

Gambar 1. Preferensi biasa

b. Kriteria Quasi (U-shape criterion)

Persamaan preferensi tipe kriteria quasi atau U-shape ditunjukkan pada Persamaan (4).

𝐻(𝑑) {0 jika 𝑑 ≤ 𝑞_{1 jika 𝑑 > 𝑝} (4)

Dimana:

q = nilai kecenderungan penolakan (indifference) harus tetap

Jika para decision maker (DM) ingin menggunakan quasi criterion, maka para DM hanya perlu menentukan nilai q (Brans, et al., 1986). Grafik fungsi untuk kriteria quasi ditunjukkan pada Gambar 2.

Gambar 2. Preferensi quasi atau U-shape c. Kriteria linier (V-shape criterion)

Fungsi preferensi linear criterion (V-shape) umumnya digunakan dalam masalah kriteria kuantitatif (Giurca, et al., 2014). Persamaan preferensi tipe kriteria linier atau V-shape

ditunjukkan pada Persamaan (5).

𝐻(𝑑) {

0 jika 𝑑 ≤ 0 𝑑

𝑝 jika 0 < 𝑑 ≤ 𝑝 1 jika 𝑑 > 𝑝

(5)

Dimana:

p = nilai kecenderungan penerimaan (preference)

Selama d lebih rendah dari p, preferensi pengambil keputusan meningkat secara linier dengan d. Jika d lebih besar dari p, maka terjadi situasi preferensi yang sempurna. Ketika

decision maker mengidentifikasi beberapa kriteria, maka harus menentukan nilai threshold preference (Brans, et al., 1986). Grafik fungsi untuk kriteria linier atau V-shape ditunjukkan pada Gambar 3.

Gambar 3. Preferensi linier atau V-shape Pada tipe ini terdapat dua jenis threshold

yaitu threshold Indifference (q) dan threshold preference (p).

d. Kriteria Level

Fungsi preferensi level criterion digunakan apabila kriteria kualitatif menggunakan skala lebih dari lima tingkat (Giurca, et al., 2014). Persamaan preferensi tipe kriteria level ditunjukkan pada Persamaan (6).

𝐻(𝑑) = {0,5 𝑗𝑖𝑘𝑎 𝑞 < 𝑑 ≤ 𝑝0 𝑗𝑖𝑘𝑎 𝑑 ≤ 𝑞

1 𝑗𝑖𝑘𝑎 𝑑 > 𝑝 (6) Dimana:

Dalam hal ini, nilai threshold indifference

(q) dan nilai threshold indifference (p) secara bersamaan didefinisikan. Jika d terletak di antara

q dan p, maka terjadi situasi preferensi yang lemah (H(d) = 1/2) (Brans, et al., 1986). Grafik fungsi untuk kriteria level ditunjukkan pada Gambar 4.

d 0

1 H(d)

-q 0 q d

1 H(d)

₀ p d

(4)

Gambar 4. Preferensi level

e. Kriteria dengan Preferensi Linier dan Area

Indifference

Persamaan preferensi tipe kriteria dengan preferensi linier dan area indifference

ditunjukkan pada Persamaan (7).

𝐻(𝑑) = {

0 𝑗𝑖𝑘𝑎 𝑑 ≤ 𝑞 𝑑−𝑞

𝑝−𝑞 𝑗𝑖𝑘𝑎 𝑞 < 𝑑 ≤ 𝑝 1 𝑗𝑖𝑘𝑎 𝑑 > 𝑝

(7)

Dimana:

Dalam hal ini, decision maker menganggap bahwa nilai preferensinya meningkat secara linear dari nilai kecenderungan penolakan ke preferensi yang sempurna dengan area yang terletak antara thresholdq dan p. Dua parameter tersebut harus didefinisikan (Brans, et al., 1986). Grafik fungsi untuk tipe kriteria dengan preferensi linier dan area indifference

ditunjukkan pada Gambar 5.

Gambar 5. Preferensi linier dan area indifference

f. Kriteria Gaussian

Tipe preferensi ini membutuhkan penentuan parameter σ, yang diperoleh dari distribusi normal dalam statistik (Brans, et al., 1986). Persamaan preferensi tipe kriteria gaussian ditunjukkan pada Persamaan (8).

𝐻(𝑑) { 0 jika 𝑑 ≤ 0 1 − 𝑒 −_2𝜎𝑑22 jika 𝑑 > 0

(8)

Dimana:

H(d) = fungsi selisih kriteria antar alternatif

d = selisih nilai kriteria {d = g(a)−g(b)}

σ

= jarak antara titik asal dan titik infleksi kurva

Nilai σ merupakan jarak antara titik asal dan titik infleksi kurva (Brans & Vincke, 1985). Fungsi ini tidak memiliki diskontinuitas untuk menjamin stabilitas hasil (Brans, et al., 1986). Grafik fungsi untuk kriteria gaussian ditunjukkan pada Gambar 6.

Gambar 6. Preferensi gaussian

3. Perhitungan indeks preferensi multikriteria Indeks preferensi multikriteria (𝜋) kemudian didefinisikan sebagai rata-rata dari fungsi preferensi 𝑃_𝑗 (Brans, et al., 1986) (Arsita, 2013). Bobot yang digunakan menggambarkan nilai kepentingan suatu kriteria. Apabila semua kriteria mempunyai nilai kepentingan yang sama, maka decision maker dapat memberikan bobot dengan nilai yang sama (Ali, 2013). Untuk menghitung persamaan indeks preferensi dapat menggunakan Persamaan (9).

𝜋(𝑎, 𝑏) = ∑𝑘𝑗=1𝑤𝑖 × 𝑃𝑗(𝑎, 𝑏) ∶ ∀𝑎, 𝑏 ∈ 𝐴 (9) Dimana:

wj = bobot kriteria bernilai lebih dari 0 Pj(a,b) = nilai derajat preferensi ketika a

dibandingkan dengan b

4. Perhitungan PROMETHEE I (partial ranking)

Perankingan PROMETHEE I didasarkan pada nilai leaving flow dan entering flow (Brans & Vincke, 1985). Arah preferensi dihitung berdasarkan pertimbangan nilai leaving flow

(𝜑+), entering flow (𝜑−), dan net flow (𝜑) (Arsita, 2013). Penentuan urutan PROMETHEE I dilakukan dengan cara sebagai berikut:

a. Leaving flow

Perhitungan nilai leaving flow ditunjukkan pada Persamaan (10).

𝜑+_{(𝑎) =} 1

𝑛−1∑𝑥 ∈ 𝐴𝜋(𝑎, 𝑥) (10) Dimana:

𝜑+_(𝑎) ₌ _{leaving flow / positive outranking}

flow

n = jumlah alternatif

𝜋(𝑎, 𝑥) = menunjukkan preferensi bahwa

-p p

0.5

-q 0 q d

1 H(d)

-p -q 0 q p d

1 H(d)

σ d

(5)

alternatif a lebih baik dari alternatif x

∑𝑥 ∈ 𝐴 = jumlah nilai alternatif dari tabel indeks preferensi secara horizontal

b. Entering flow

Perhitungan nilai entering flow ditunjukkan pada Persamaan (11). indeks preferensi secara horizontal c.

5. Perhitungan PROMETHEE II (complete ranking)

Perankingan pada PROMETHEE II (peringkat lengkap) didasarkan pada nilai net flow (Brans & Vincke, 1985). Perhitungan nilai

net flow ditunjukkan pada Persamaan (12). 𝜑(𝑎) = 𝜑+_{(𝑎) − 𝜑}−_(𝑎) ₍₁₂₎

Metode Borda adalah metode pemilihan posisi yang relatif sederhana untuk menentukan peringkat alternatif dengan mengevaluasi jumlah total poin yang ditetapkan untuk masing-masing alternatif (Lansdowne & Woodward, 1996). Dalam metode voting Borda, masing-masing pengambil keputusan (decision maker) menempatkan alternatif pilihan ke dalam peringkat. Jika ada n alternatif pilihan, peringkat pertama memiliki poin sebesar (n-1), peringkat kedua memiliki poin sebesar (n–2), dan seterusnya, hingga peringkat terakhir memiliki poin sebesar 0 (Lansdowne & Woodward, 1996). Poin-poin yang dimiliki setiap alternatif dari masing-masing pengambil keputusan dijumlahkan untuk menentukan pemenang. Alternatif yang mendapat poin terbanyak dianggap sebagai alternatif terbaik (Wang & Leung, 2004). Perhitungan jumlah poin Borda dapat dihitung dengan Persamaan 2.13.

𝑏𝑖= ∑ 𝑁 − 𝑟𝑘 𝑖𝑘 (13) dapat menetapkan bobot ke kriteria alternatif. Metode voting Borda secara konseptual sederhana dan mungkin merupakan metode peringkat ordinal yang paling mudah untuk diterapkan. Para ahli teori voting telah menunjukkan bahwa metode Borda adalah metode voting yang optimal terhadap beberapa standar, seperti meminimalkan jumlah dan jenis paradoks voting (Fishburn & Gehrlein, 1976) (Newenhizen, 1992) (Lansdowne & Woodward, 1996).

2.3. Data Penelitian

Data yang digunakan dalam penelitian ini adalah data penilaian kinerja unit perusahaan menggunakan KPI pada bulan Januari 2017 hingga bulan Desember 2017 di Perum Jasa Tirta 1 Malang. Unit perusahaan yang digunakan berjumlah enam unit dari 18 unit perusahaan. Pemilihan enam unit tersebut didasarkan pada tupoksi masing-masing unit. Keenam unit ini nantinya dijadikan sebagai alternatif dengan lima kriteria penilaian. Unit perusahaan atau alternatif yang digunakan ditunjukkan pada Tabel 1.

Tabel 1. Alternatif (unit perusahaan)

Kode Alternatif Nama Unit

A1 DJA I

Sedangkan kriteria penilaian yang digunakan dapat dilihat pada Tabel 2.

Tabel 2. Kriteria penilaian

Kode Kriteria Nama Kriteria

C1 Keuangan dan pasar C2 Fokus pelanggan

C3 Efektifitas produk dan proses C4 Fokus tenaga kerja

C5 Kepemimpinan, tata kelola, dan tanggungjawab kemasyarakatan

2.4. Pemodelan Sistem Pendukung Keputusan Kelompok (SPKK)

(6)

penilaian kinerja unit perusahaan menggunakan metode PROMETHEE II dan Borda. Tahapan-tahapan tersebut yaitu:

1. Masing-masing decision maker mem-berikan bobot pada setiap kriteria penilaian. 2. Bobot tersebut kemudian diproses meng-gunakan metode PROMETHEE II pada setiap decision maker dengan tujuan memperoleh hasil perangkingan setiap

decision maker.

3. Hasil perangkingan setiap decision maker

diolah menggunakan metode Borda untuk mendapatkan hasil akhir atau keputusan kelompok.

Gambaran pemodelan sistem pendukung keputusan kelompok untuk penilaian kinerja unit perusahaan ditunjukkan pada Gambar 7.

Gambar 7. Pemodelan sistem pendukung keputusan kelompok penilaian kinerja unit

2.5. Perancangan Algoritme

Metode yang digunakan dalam penelitian ini yaitu PROMETHEE II dan metode Borda. Untuk memudahkan dalam memahami proses perhitungan digunakan diagram alir algoritme PROMETHEE II yang ditunjukkan pada Gambar 8.

Gambar 8. Diagram alir PROMETHEE II

Metode Borda digunakan untuk pengambilan keputusan kelompok ber-dasarkan beberapa decision maker (DM). Berikut merupakan diagram algoritme metode Borda yang ditunjukkan pada Gambar 9.

Gambar 9. Diagram alir Borda

3. PENGUJIAN DAN ANALISIS

Pengujian yang digunakan adalah pengujian akurasi. Akurasi merepresentasikan kedekatan atau kesesuaian nilai hasil pengukuran terhadap nilai yang sebenarnya. Perhitungan pengujian akurasi ditunjukkan pada Persamaan (14).

web

Direktur I (DM 1) Direktur II(DM 2)

PROMETHEE II PROMETHEE II

Borda

Hasil

Mulai

Data konversi alt, Bobot Kriteria

A

Menentukan deviasi berdasarkan perbandingan berpasangan

Penerapan Fungsi Preferensi

Perhitungan PROMETHEE I

Partial Ranking

Perangkingan Alternatif

Selesai

Menghitung Indeks Preferensi

Perhitungan PROMETHEE II

Complete Ranking

A

Memberikan Poin setiap Alternatif

pada masing-masing Decision Maker

Menjumlahkan Poin setiap Alternatif

dari semua Decision Maker

Mulai

Hasil rangking DM1, Hasil rangking DM2

Output: Hasil Perangkingan Kelompok

Perangkingan Alternatif

(7)

𝑎𝑘𝑢𝑟𝑎𝑠𝑖 = ∑ 𝑑𝑎𝑡𝑎 − ∑ 𝑑𝑎𝑡𝑎 𝑡𝑖𝑑𝑎𝑘 𝑠𝑒𝑠𝑢𝑎𝑖_{∑ 𝑑𝑎𝑡𝑎} × 100% (14)

Pengujian dilakukan dengan cara membandingkan hasil keputusan kelompok yaitu jumlah poin borda dengan skor KPI yang diperoleh dari PJT 1 Malang. Penilaian kinerja unit menggunakan KPI memiliki dua rentang nilai dalam pencapaian kinerja, yaitu untuk skor KPI kurang dari 100 maka pencapaian kinerja yang diperoleh adalah “Tidak Tercapai”, sehingga jika skor KPI lebih atau sama dengan 100 maka pencapaian kinerjanya adalah “Tercapai”.

Pengujian pada penelitian ini mengusulkan lima range nilai untuk mencapai pencapaian kinerja yang didasarkan pada jumlah alternatif. Penentuan range ini bertujuan untuk mengetahui batas nilai dalam pencapaian kinerja sehingga dapat dikatakan kinerja “Tercapai” atau “Tidak

Tercapai”. Penentuan range pencapaian kinerja

ditunjukkan Tabel 3.

Tabel 3. Range skor Borda dan range KPI

Range Skor Prestasi Kinerja

Tidak Tercapai Tercapai

Range 1 0 − 1 2 – 10

Pengujian dilakukan dalam dua tahapan yaitu pengujian bobot dan pengujian jumlah data.

3.1. Pengujian Bobot

Pengujian bobot dibagi dalam dua skenario yaitu skenario uji coba 1 dan skenario uji coba 2.

3.1.1. Skenario Uji Coba 1

Skenario uji coba pertama dilakukan dengan mengubah bobot pada masing-masing

Decision Maker (DM) dengan mengacu pada bobot KPI PJT 1 Malang dan pembobotan pada unit eksternal perusahaan. DM1 merupakan Direktur I yang menangani unit eksternal sehingga penentuan bobot mengacu pada pembobotan unit eksternal. DM2 merupakan Direktur II yang menangani unit internal sehingga penentuan bobot didasarkan pada pembobotan pada PJT 1 Malang.

3.1.1.1 Pengujian Bobot 1

Pada pengujian bobot 1 terdiri atas tiga macam tingkat kepentingan bobot masing-masing DM. Tingkat kepentingan tersebut ditunjukkan pada Tabel 4.

Tabel 4.Tingkat kepentingan pada pengujian bobot 1

Bobot DM1 DM2

a.

Tingkat kepentingan 1

Pada pengujian ini menggunakan tingkat kepentingan bobot pada masing-masing DM yaitu C3 > C1 > C2 > C4 dan C4 = C5 untuk DM1, dan tingkat kepentingan bobot pada DM2 adalah C1 > C2 > C3 > C4 dan C4 = C5. Grafik pengujian bobot pada tingkat kepentingan 1 ditunjukkan pada Gambar 10.

Gambar 10. Rata-rata akurasi tingkat kepentingan 1

b.

Tingkat kepentingan 2

Pada pengujian ini menggunakan tingkat kepentingan bobot pada masing-masing DM yaitu C3 > C1 > C2 > C4 > C5.untuk DM1, dan tingkat kepentingan bobot pada DM2 adalah C1 > C2 > C3 > C4 > C5. Grafik pengujian bobot pada tingkat kepentingan 2 ditunjukkan pada Gambar 11.

c.

Tingkat kepentingan 3

(8)

tingkat kepentingan bobot pada DM2 adalah C1 > C2 > C4 > C3 > C5. Grafik pengujian bobot pada tingkat kepentingan 3 ditunjukkan pada Gambar 12.

3.1.1.2. Pengujian Bobot 2

Pada pengujian bobot 2 dibagi menjadi dua tingkat kepentingan yaitu:

a. Tingkat kepentingan 4

Pada pengujian ini menggunakan tingkat kepentingan bobot pada masing-masing DM yaitu C3 > C1 > C2 > C4 dan C4 = C5 untuk DM1, dan tingkat kepentingan bobot pada DM2 adalah C1 > C3 > C2 > C4 dan C4 = C5. Grafik pengujian bobot pada tingkat kepentingan 4 ditunjukkan pada Gambar 13.

b.

Tingkat kepentingan 5

Pada pengujian ini menggunakan tingkat kepentingan bobot pada masing-masing DM yaitu C3 > C1 > C2 > C5 > C4 untuk DM1, dan tingkat kepentingan bobot pada DM2 adalah C1 > C3 > C2 ≥ C4 > C5. Grafik pengujian bobot pada tingkat kepentingan 5 ditunjukkan pada Gambar 14.

3.1.1.3. Pengujian Bobot 3

Pada pengujian ini menggunakan tingkat kepentingan bobot pada masing-masing DM yaitu C1 > C3 > C2 ≥ C4 > C5 untuk DM1, dan tingkat kepentingan bobot pada DM2 adalah C1 > C3 > C2 dan C4 = C5. Grafik pengujian bobot pada tingkat kepentingan 6 ditunjukkan pada Gambar 15.

Berdasarkan pengujian bobot pada tingkat kepentingan ke-1 sampai ke-6 yang telah dilakukan pada skenario pertama, dapat disimpulkan bahwa akurasi tertinggi dicapai pada range 1. Semakin tinggi range yang digunakan maka akurasi yang didapat semakin menurun. Akurasi terbaik yang diperoleh yaitu sebesar 83,3333% pada tingkat kepentingan 4.

3.1.2. Skenario Uji Coba 2

Uji coba skenario kedua dilakukan dengan mengkombinasikan bobot DJA yang telah ditetapkan pada setiap unit perusahaan. Sehingga terdapat enam kombinasi bobot untuk penentuan bobot pada DM1 dan DM2.

(9)

f. DJA V dan DJA VI

Keenam kombinasi bobot di atas kemudian dihitung nilai akurasi pada setiap range yang ditunjukkan pada Tabel 3 sehingga didapatkan rata-rata akurasi selama satu tahun pada setiap

range. Grafik hasil uji coba bobot pada skenario 1 ditunjukkan pada Gambar 16.

Gambar 16. Rata-rata akurasi kombinasi bobot DJA

Berdasarkan Grafik 16 dapat disimpulkan bahwa ketika range dinaikkan, maka akurasi cenderung menurun. Sehingga dapat dikatakan akurasi terbaik dicapai ketika menggunakan

range 1. Akurasi tertinggi dicapai pada percobaan bobot w3, w4, dan w5 sebesar 75%.

3.2. Pengujian Jumlah Data

Pengujian jumlah data dilakukan untuk mengetahui akurasi terbaik berdasarkan jumlah data uji yang digunakan. Pengujian dilakukan pada beberapa kali percobaan dengan jumlah data uji sebanyak 18, 36, 54, dan 72. Bobot terbaik dan range terbaik pada pengujian sebelumnya digunakan untuk menguji jumlah data. Bobot yang digunakan ditunjukkan pada Tabel 5.

Tabel 5. Bobot terbaik pada pengujian bobot

C1 C2 C3 C4 C5

DM1 0,350 0,150 0,400 0,050 0,050

DM2 0,400 0,150 0,350 0,050 0,050

Grafik pengujian jumlah data ditunjukkan pada Gambar 17.

Gambar 17. Grafik akurasi pengujian jumlah data

Berdasarkan grafik pada Gambar 17 menunjukkan bahwa akurasi terbaik sebesar 86,1111% dicapai pada saat menggunakan data uji dengan jumlah 36. Besar kecilnya akurasi yang didapatkan dipengaruhi oleh persebaran data yang digunakan kurang merata. Hal ini mengakibatkan akurasi yang dicapai mengalami kondisi fluktuatif.

4. KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan pada sistem pendukung keputusan kelompok penilaian kinerja unit perusahaan menggunakan metode PROMETHEE II dan Borda, maka kesimpulan yang didapatkan adalah metode PROMETHEE II dan Borda dapat diterapkan untuk penilaian kinerja unit perusahaan di PJT 1 Malang.

Berdasarkan hasil analisis pengujian bobot, akurasi terbaik diperoleh pada percobaan ke-3, ke-4 dan ke-5 pada tingkat kepentingan bobot keempat sebesar 83,3333% dengan menggunakan range 1. Semakin besar range

yang digunakan, maka akurasi yang diperoleh semakin menurun. Tingkat kepentingan bobot kriteria pada C1 dan C3 mempunyai pengaruh yang besar pada masing-masing decision maker. Sedangkan berdasarkan hasil analisis pengujian jumlah data diperoleh akurasi tertinggi sebesar 86,1111% pada saat menggunakan data uji sebanyak 36 data. Akurasi mengalami kondisi fluktuatif dikarenakan persebaran data uji yang kurang merata.

5. SARAN

Saran yang dapat disampaikan untuk pengembanganpenelitian selanjutnya adalah: a. Sistem dapat menambahkan kriteria

penilaian beserta sub kriteria apabila terjadi penambahan kriteria kedepannya. Penentuan bobot kriteria dapat dilakukan menggunakan salah satu metode pembobotan.

b. Sistem dapat melakukan penilaian kinerja unit semua perusahaan, baik unit internal maupun eksternal. Sehingga unit perusahaan yang memiliki tupoksi yang tidak serupa dapat dinilai berdasarkan kriteria yang telah disediakan.

(10)

6. DAFTAR PUSTAKA

Akafpour, A. & Hamidi, N., 2013. Improved techniques PROMETHEE preference for the changed conditions. Technical Journal of Engineering and Applied Sciences, pp. 3681-3687.

Ali, G., 2013. Sistem Pendukung Keputusan Penentuan Jabatan Struktural Menggunakan Metode PROMETHEE.

Eksplora Informatika, pp. 181-192.

Apriliani, D., Adi, K. & Gernowo, R., 2015. Implementasi Metode Promethee dan Borda Dalam Sistem Pendukung Keputusan Pemilihan Lokasi Pembukaan Cabang Baru Bank. Jurnal Sistem Informasi Bisnis, pp. 145-150.

Arsita, R., 2013. Sistem Pendukung Keputusan Penerima Jaminan Kesehatan Masyarakat (JAMKESMAS) dengan Metode PROMETHEE (Studi Kasus: Tegal Sari Mandala-I). Pelita Informatika Budi Darma, IV(2), pp. 1-9.

Behzadian, M., Kazemzadeh, R. B., Albadvi, A. & Aghdasi, M., 2009. PROMETHEE: A Comparison Literature Review on Methodologies and Applications.

European Journal of Operational Research 200 (2010), pp. 198-215.

Brans, J. P. & Vincke, P. H., 1985. A Preference Ranking Organization Method (The Promethee Method for Multiple Criteria Decision Making). Management Scient,

31(6), pp. 647-656.

Brans, J. P., Vincke, P. & Mareschal, B., 1986. How to Select and How to Rank Projects: The PROMETHEE Method. European Journal of Operational Research, pp. 228-238.

Doumpos, M. & Zoponudis, C., 2010. A multicriteria decision support system for bank rating. Decision Support Systems,

Issue 50, pp. 50-63.

Estuningsari, E. R., Setyanto, N. W. & Efranto, R. Y., 2013. Pengukuran Kinerja Perusahaan Berbasis Kriteria Penilaian Kinerja Unggul (KPKU) BUMN (Studi Kasus: Perum Jasa Tirta 1 Malang). pp. 476-487.

Fishburn, P. C. & Gehrlein, W. V., 1976. Borda's Rule, Positional Voting, and Condorcet's

Simple Majority Principle. Public Choice,

28(1), pp. 79-88.

Giurca, I., Aschilean, I., Safirescu, C. O. & Muresan, D., 2014. Choosing Photovoltaic Panels Using the PROMETHEE Method.

Bucharest, In Proceedings Of The 8th International Management Conference.

Imandasari, T. & Windarto, A. P., 2017. Sistem Pendukung Keputusan dalam Merekomendasikan Unit Terbaik di PDAM Tirta Lihou Menggunakan Metode PROMETHEE. Jurnal Teknologi dan Sistem Komputer, V(4), pp. 159-165.

Lansdowne, L. F. & Woodward, B. S., 1996. Applying the Borda Ranking Method.

SPRING: Air Force Journal & Logistics,

XX(2), pp. 27-29.

Newenhizen, J. V., 1992. The Borda Method Is Most Likely to Respect the Condorcet Principle. Springer, 2(1), pp. 69-83.

Prabowo, F. H., 2011. Penerapan Metode PROMETHEE dalam Menentukan Prioritas Pinjaman Kredit Pemilikan Rumah (KPR IB) Kepada Nasabah Debitur. pp. 1-13.

Wang, C. W. & Leung, H. L., 2004. A secure and fully private borda voting protocol with universal verifiability. s.l., COMPSAC.

Widodo, I., 2011. Analisis Kinerja Perusahaan dengan Menggunakan Pendekatan Balanced Scorecard (Studi Kasus Pada Perusahaan Mebel PT. Jansen Indonesia).

Semarang: Universitas Diponegoro.