Pendahuluan
Keefektifan dan efisiensi dari sebuah usaha tidak hanya bergantung pada sumber finansial dan penggunaan teknologi terbaru, namun juga ditentukan dari bagaimana mereka mendaya-gunakan karyawan yang berdedikasi, termotivasi dan efisien. Lebih jauh, keberhasilan sebuah usaha bergantung pada jumlah karyawan yang puas yang akan melanjutkan untuk menyedia-kan layanan berharga mereka untuk usaha tersebut [1].
Sistem penilaian yang adil sangat penting pada setiap organisasi untuk mempertahankan karyawan yang berharga. Hal ini memungkin-kan karyawan untuk memahami tanggung jawab pekerjaan mereka. Persoalan penilaian
karyawan telah diteliti oleh beberapa peneliti antara lain dalam Sistem Pendukung Keputusan (SPK) Pemilihan Karyawan pada PT. Herba Penawar Alwahida [2], Karyawan terbaik pada PT. Pertamina RU II Dumai [3], dan pegawai berprestasi pada Universitas Potensi Utama Medan [4]. Metode yang digunakan dalam SPK tersebut adalah Simple Additive Weighting (SAW). SAW dipilih karena menentukan nilai bobot setiap atribut, kemudian dilanjutkan proses peranking-an akperanking-an menyeleksi alternatif terbaik dari se-jumlah alternatif. Dengan SAW diharapkan perankingan akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan [5]. SAW juga digunakan dalam pemilihan Project Manager pada perusahaan
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI
TERBAIK DENGAN METODE
SIMPLE ADDITIVE WEIGHTING
(SAW)
(STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA)
Clara Hetty Primasari*
Program Sistem Informasi, Universitas Atma Jaya Yogyakarta Email: clara_hetty@mail.uajy.ac.id
Abstrak
Apresiasi terhadap pegawai penting untuk dilakukan oleh setiap pelaku usaha, tidak terkecuali usaha kecil dan menengah. Bentuk apresiasi terhadap pegawai yang memiliki kinerja dan performa yang baik dapat dilakukan dengan pemberian bonus untuk pegawai yang memiliki kinerja terbaik. Penentuan pegawai terbaik bisa saja menjadi subjektif jika tidak dilakukan dengan memperhatikan kriteria sikap yang berpengaruh terhadap kemajuan usaha, standar penilaian untuk kriteria-kriteria tersebut, dan perhitungan akhir dari skor-skor tiap pegawai.
Penelitian ini bertujuan untuk membangun sebuah Sistem Pendukung Keputusan untuk pemilihan pegawai terbaik Parkir Inap Motor P-24. Pada studi kasus ini ditetapkan lima kriteria, antara lain kejujuran, ketepatan waktu, presensi, kesigapan, dan hubungan terhadap customer. Sistem ini dibangun dengan metode Simple Additive Weighting (SAW) yang merupakan salah satu metode Fuzzy Multiple Attribute Decision Making (FMADM). Simple Additive Weighting juga dikenal dengan weighted linear combination atau scoring methods. SAW merupakan teknik pengambilan keputusan yang berbasis pada rata-rata berbobot. Nilai untuk setiap alternatif ditentukan dengan skala 1-5. Semakin besar nilainya maka semakin baik nilai pegawai tersebut untuk kriteria yang bersangkutan. Skor evaluasi dihitung untuk setiap alternatif dengan mengalikan nilai berskala yang diberikan kepada alternatif dengan bobot kepentingan yang ditentukan secara langsung oleh decision maker. Hasil keputusan yang diperoleh dari SPK ini adalah peringkat karyawan mulai dari yang terendah hingga tertinggi. Hasil peringkat ini diharapkan dapat mempermudah pemilik usaha untuk menentukan pegawai yang memperoleh bonus kinerja.
MAPNA di Iran dan kebergunaan metode ini telah dibuktikan para ahli [6]. Pranolo dan Widyastuti menggunakan SAW untuk menye-diakan analisa dan desain untuk pengambil keputusan dalam pengawasan kesehatan hutan [7]. Selain itu SAW juga digunakan untuk menilai performa dari Usaha Hutan Negeri di Lithuania. Penggunaan SAW dalam kasus tersebut mudah diterapkan, dikembangkan, diinterpretasikan, dan komprehensif untuk masyarakat luas [8].
Bagian selanjutnya akan menjelaskan tentang teori dari SAW dan penerapannya pada kasus pemilihan pegawai terbaik Parkir Inap Motor P-24 Yogyakarta, perancangan dan terakhir, implementasi sistem.
Teori
Simple Additive Weighting (SAW) yang juga
dikenal dengan weighted linear combination atau
scoring methods adalah teknik pengambilan
keputusan yang sederhana dan sering diterap-kan. Metode ini berbasis pada rata-rata ber-bobot. Skor evaluasi dihitung untuk setiap alter-natif dengan mengalikan nilai berskala yang diberikan kepada alternatif dari atribut dengan bobot kepentingan yang ditentukan secara langsung oleh decision maker, dilanjutkan dengan penjumlahan products untuk semua kriteria. Proses dari SAW terdiri dari langkah berikut ini:
Langkah ke-1:
Membentuk matriks keputusan (m x n) yang memasukkan m alternatif pegawai dan n kriteria, kemudian menghitung normalisasi matriks keputusan untuk kriteria positif:
Dan kriteria negatif:
* j
r adalah nilai maksimum r di kolom j. Langkah ke-2:
Mengevaluasi tiap alternative,
A
denganSetelah memperoleh nilai Preferensi tiap
alternatif, kita dapat meranking pegawai dari
nilai preferensi terbesar hingga terkecil. Pegawai terbaik merupakan pegawai dengan nilai preferensi paling besar. Tabel 1 menun-jukkan kriteria yang digunakan dalam penilai-an beserta bobot ypenilai-ang telah ditentukpenilai-an oleh pemilik usaha.
Tabel 2 menunjukkan nilai dari setiap alternatif pegawai (A1-A5) terhadap kriteria C1-C5 dengan skala penilaian 1-5. Semakin besar nilainya maka semakin baik. Dengan penilaian tersebut maka jenis kriteria yang digunakan adalah kriteria positif. Alternatif pegawai, antara lain A1= Eko, A2= Ibas, A3= Fery, A4= Wahyu, dan A5= Henry.
Alternatif Kriteria C1 C2 C3 C4 C5 A1 1 2 5 4 3 A2 5 1 2 4 2 A3 2 2 2 1 3 A4 4 4 4 3 4 A5 3 5 2 4 3
n
j
m
i
r
r
n
j ij ij1
,
,
,
1
,
,
*
(1) n j m i r r n ij j ij 1, , , 1, , min (2)
j ij i w x A . (3)Tabel 1. Kriteria dan Bobot Kriteria Penilaian
Kriteria Penjelasan Bobot
C1 Kejujuran 0.3
C2 Ketepatan Waktu 0.25
C3 Presensi 0.15
C4 Kesigapan 0.15
Kemudian mengevaluasi setiap alternatif dengan Persamaan (3) sehingga diperoleh Nilai tiap preferensi alternatif seperti pada Tabel 4.
Jika nilai preferensi diurutkan dari yang terbesar hingga terkecil, akan didapatkan urutan A4, A5, A2, A1, dan A3. Sehingga da-pat ditarik kesimpulan bahwa pegawai terbaik adalah A4 (Wahyu).
Perancangan Sistem
SPK Pemilihan Pegawai dibangun dengan mengikuti alur seperti pada flowchart Gambar 1.
Gambar 1. Flowchart SPK
Model, Use Case, DFD Level 0 dan 1 dari SPK ini ditunjukkan pada Gambar 2-5.
Gambar 2. Model SPK 2 . 0 5 1 ) 3 ; 4 ; 2 ; 5 ; 1 max( 1 11 n 4 . 0 5 2 ) 5 ; 4 ; 2 ; 1 ; 2 max( 1 12 n
Tabel 3. Tabel Matriks Ternormalisasi Alternatif Kriteria C1 C2 C3 C4 C5 A1 0.2 0.4 1 1 0.75 A2 1 0.2 0.4 1 0.5 A3 0.4 0.4 0.4 0.25 0.75 A4 0.8 0.8 0.8 0.75 1 A5 0.6 1 0.4 1 0.75
Tabel 4. Nilai Preferensi Tiap Alternatif Alternatif Nilai Preferensi
A1 0.535 A2 0.61 A3 0.3925 A4 0.7725 A5 0.715 Start Input Nilai Alternatif untuk tiap Kriteria Input Data Pegawai Pembuatan Matriks Penilaian Pembuatan Matriks Normalisasi Perankingan Pegawai DECISION OUTPUT: Ranking Pegawai Stop SPK PEMILIHAN KARYAWAN TERBAIK A1 A2 A3 A4 A5 ALTERNATIF C 1 C 2 C 3 C 4 C 5 KRITERIA INPUT OUTPUT PERINGKAT ALTERNATIF
Gambar 3. Use Case Diagram
Gambar 4. DFD Level 0
Gambar 5. DFD Level 1
Untuk perancangan basis data, Gambar 6 menunjukkan Entity Relationship Diagram dari SPK, sedangkan Gambar 7-10 menunjukkan perwujudan tabel-tabel dalam basis data.
Gambar 7. Tabel Administrator
Gambar 8. Tabel Pegawai
Gambar 9. Tabel Kriteria
Gambar 10. Tabel Matriks Penilaian
Hasil dan diskusi
SPK dibangun dengan Tools Microsoft Visual Studio 2010 dan DBMS SQL Server 2008 R2. Gambar 11-15 menunjukkan implementasi dari SPK Pemilihan Pegawai Terbaik.
Gambar 12. Implementasi Pengelolaan Data Pegawai
Gambar 13. Implementasi Pengelolaan Matriks Penilaian
Gambar 14. Implementasi Matriks Ternormalisasi
Gambar 15. Peringkat Nilai Preferensi
Ucapan terima kasih
Penulis mengucapkan terima kasih pada Pemilik Parkir Inap P-24 Yogyakarta yang telah bersedia menjadi objek penelitian penulis dan atas bantuan-bantuan yang diberikan selama penelitian.
Referensi
[1] Hosain, M.S., “Impact of Best HRM Practices on Retaining the Best Employees: A Study on Selected Bangladeshi Firms”, Asian Journal of Social Sciences and Management Studies 3(2), 108-114 (2016). [2] Primahudi, B.A, Suciono, F.A., and Widodo, A.A., “Sistem Pendukung Keputusan untuk Pemilihan Karyawan dengan Metode Simple Additive Weighting di PT. Herba Penawar Alwahida Indonesia”, Jurnal Informatika Merdeka Pasuruan 2 (1), 57-80 (2016)
[3] Lulu W., Y. D., Sari, W.R.M., Rachmawati, H., “Sistem Pendukung Keputusan
Penentuan Karyawan Terbaik
menggunakan metode SAW Studi Kasus PT. Pertamina RU II Dumai”, http:// yohana.komputer.pcr.ac.id/wp-content/ uploads/sites/46/2014/02/YDL_SistemP e n d u k u n g Ke p u t u s a n uploads/sites/46/2014/02/YDL_SistemP e n e n t u a n K a r y a w a n T e r b a i k M e n g g u n a k a n M e t o d e S a w _ S i m p l e A d d i t i v e -Weighting_-Studi-Kasus-PT.pdf
[4] Tanti, L.,”Pemilihan Pegawai Berprestasi Berdasar Evaluasi Kinerja Pegawai dengan Metode SAW”, Prosiding Seminar Nasional Teknologi Informasi dan Multimedia, 6-8 Februari, STMIK AMIKOM, Yogyakarta, pp 169-174. [5] Eniyati, S., “Perancangan Sistem
Pendukung Pengambilan Keputusan untuk Penerima Beasiswa dengan Metode SAW”, Jurnal Teknologi Informasi DINAMIK 16 (2), 171-177 (2011)
[6] Afshari, A., Yusuff, R., Derayatifar, A. R., “Project Manager Selection by Using Fuzzy Simple Additive Method”, International Conference on Innovation, Management and Technology Research (ICIMTR2012), 21-22 May 2012, Malacca, Malaysia, pp. 412-416.
[7] Pranolo, A., Widyastuti, S. M., “Simple Additive Weighting Method on Intelligent Agent for Urban Forest Health Monitoring”, International Conference on Computer, Control, Informatics, and Its Application, 21-23 Oktober 2014, Bandung, Indonesia, pp. 132-135.
[8] Kavaliauskas, M., Deltuvas, R., Cinga, G., “Simple Additive Weighting to score the State Forest Enterprise in Lithuania”, Proceedings of the International Scientific Conference, 5(2), 34-40 (2011)
