Penelitian dengan judul “Sistem Pendukung Keputusan Penerimaan Karyawan Menggunakan Metode Analytical Hierarchy Process (AHP)”, mengembangkan sistem pendukung keputusan (SPK) dengan memanfaatkan metode Analytical Hierarchy Process (AHP) sebagai proses dalam seleksi penerimaan karyawan. Dalam proses seleksi ini digunakan beberapa kriteria untuk menentukan calon pelamar yang mana yang akan diterima. SPK ini membantu pimpinan perusahaan dalam memtuskan pelamar mana yang akan dipilih. Pada penelitian kriteria yang digunakan adalah Pendidikan, Performance Tes, Kemampuan Berkomunikasi serta Motivasi dan Antusiasme. Sebagai keputusan maka skor akhir yang nantinya akan menentukan keputusan status dari calon karyawan tersebut (Rianto, 2016).
Penelitian dengan judul “Sistem Pendukung Keputusan Penerimaan Pegawai Baru Menggunakan Metode Weighted Product (WP) “, mengembangkan aplikasi dengan metode Weighted Product (WP) dan menentukan karyawan yang layak diterima berdasarkan 5 kriteria yaitu Tes Wawancara, Tes Psikotes, Tes Kesehatan, Pengalaman Kerja, Pendidikan Terakhir Tujuan utama dari penelitian ini adalah membangun sistem pendukung keputusan untuk membantu proses penerimaan pagawai baru. Dalam aplikasi ini, pengguna diijinkan untuk menentukan kriteria yang digunakan beserta bobot kriteria.dengan menggabungkan kriteria data dan pembobotan data yang dimasukkan oleh pengguna, aplikasi akan mampu menghasilkan peringkat setiap pelamar berdasarkan nilai akhir. Semakin besar nilai pelamar, maka semakin sesuai dengan kriteria yang diharapkan oleh perusahaan (Setyowulan & Kusrini, 2012).
lama atau sebentar. Adapun kriteria yang digunakan dalam penelitian ini antara lain nilai IPK, nilai TOEFL, pengalaman kerja, usia, dan Tes Potensi Akademik (TPA). Sedangkan untuk mencari nilai tes potensi akademik menggunakan kriteria nilai verbal, nilai numerik, dan, nilai logika. Hasil pengujian dapat disimpulkan bahwa SPK penerimaan pegawai dengan metode TOPSIS menghasilkan sistem yang dapat memberikan rekomendasi pelamar terbaik sesuai dengan kriteria yang ditentukan. (Wahyun & Anggoro, 2017).
Penelitian dengan judul “Sistem Pendukung Keputusan Pemilihan Hotel Dengan Metode Simple Additive Weighting (SAW)”, Pada penelitian ini menggunakan Metode Simple Additive Weighting (SAW) merupakan metode penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada. Pada penelitian kriteria yang digunakan adalah Harga sewa kamar hotel, Lokasi hotel, fasilitas hotel dan Kelas Hotel. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan iiahasa bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi (Hartini & dkk, 2013).
sistem penunjang keputusan untuk membantu Guru Bimbingan Konseling (BK) dalam menentukan pemilihan jurusan, kriteria yang digunakan adalah Nilai Raport Matematika, Nilai Raport Bahasa Indonesia, Nilai Raport Bahasa Inggris, Nilai Raport IPA, Nilai Raport IPS, Nilai psikotes, Minat Siswa IPA, Minat Siswa IPS, Saran Orang Tua IPA, dan Saran Orang Tua IPS. Hasil akhir dari penelitian ini didapatkan bahwa sistem pendukung keputusan dengan metode SAW mampu mengatasi permasalahan dalam proses pemilihan jurusan (Priatni & Purnomo, 2017).
Penelitian “Sistem Informasi Penilaian Supplier Komputer Menggunakan Metode Fuzzy Multiple Attribute Decision Making Dengan Simple Additive Weighting” menjelaskan tentang sistem penunjang keputusan untuk memilih supplier terbaik. Dalam studi kasus ini PT. XYZ memiliki beberapa supplier pendukung operasional dalam hal ini peralatan pendukung teknologi informasi (Laptop, PC, Monitor, Printer, Part Komputer). Penelitian ini menggunakan 9 kriteria sebagai parameter penilaian, agar dapat membuat keputusan yang tepat dalam penelitian ini maka digunakan metode Fuzzy Multiple Attribute Decision Making (FMADM) dan Simple Additive Weighting (SAW) dengan mencari penjumlahan terbobot dari rating kinerja pada setiap kriteria pada semua atribut (Harjayanti & Rozi).
Dalam penelitian ini yang berjudul “Sistem Pendukung Keputusan Rekrutmen Pegawai baru menggunakan Metode Simple Additive Weighting” menjelaskan tentang rekrutmen pegawai baru dengan menggunakan beberapa kriteria yaitu Penampilan, Usia, Tes wawancara dan Pengalaman kerja. Hasil dari penelitian ini berupa perangkingan calon pegawai baru yang memiliki nilai tertinggi hingga terendah.
2.2 Landasan Teori 2.2.1 Rekrutmen
yang diperlukan guna menutupi kekurangan yang diidentifikasi dalam perencanaan kepegawaian (Simamora, 1997).
Rekrutmen dilakukan dengan berbagai tujuan yang ingin dicapai, diantaranya:
1. Untuk memikat sekumpulan besar pelamar kerja sehingga organisasi akan mempunyai kesempatan yang lebih besar untuk melakukan pemilihan terhadap calon-calon pekerja yang dianggap memenuhi standar kualifikasi organisasi.
2. Tujuan pasca pengangkatan (post-hiring goals) adalah penghasilan karyawan yang merupakan pelaksana-pelaksana yang baik dan akan tetap bersama dengan perusahaan sampai jangka waktu yang masuk akal.
3. Upaya-upaya perekrutan hendaknya mempunyai efek luberan (spillover effects) yakni citra umum organisasi haruslah menanjak dan bahkan pelamar-pelamar yang gagal haruslah mempunyai kesan-kesan positif terhadap perusahaan. Jadi, tujuan rekrutmen adalah untuk menghasilkan karyawan-karyawan yang dapat memenuhi posisi/jabatan yang dibutuhkan dengan kualifikasi yang sesuai.
2.2.2 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem informasi interaktif yang menyediakan informasi, pemodelan dan manipulasi data yang digunakan untuk membantu mengambil keputusan pada situasi semi terstruktur dan tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Kadir, 2003).
yang tepat (Turban, 2005).
2.2.3 Proses Pengambilan Keputusan
Proses pengambilan keptusan dalam sistem ini terdiri dari beberapa tahapan yaitu:
1. Tahap intelegensi 2. Tahap desain 3. Tahap pemilihan 4. Tahap implementasi
Selanjutnya proses pengambilan keputusan dapat dilihat pada Gambar 2.1.
Gambar 2. 1 Alur Pengambilan Keputusan (Kusrini, 2008)
2.2.3.1 Intelegensi
sistem baru.
2.2.3.2 Desain
Tahap desain meliputi penemuan atau mengembangkan dan menganalisis tindakan yang mungkin akan dilakukan. Hal ini meliputi pemahaman terhadap masalah dan menguji solusi yang layak.
2.2.3.3 Tahap pemilihan
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan keputusan.
2.2.3.4 Tahap implementasi
Pada tahap ini analisis yang sudah dibuat akan diimplementasikan kesebuah prototype sistem.
2.2.4 PHP
PHP merupakan singakatan dari PHP Hypertext Preprocessor yang merupakan bahasa berbentuk skrip yang ditempatkan dalam server dan diproses di server. Hasilnyalah yang dikirimkan ke klien, tempat pemakai menggunakan browser. PHP dirancang untuk membentuk aplikasi web dinamis. PHP merupakan script yang digunakan untuk membuat halaman website yang dinamis (Kadir, 2005).
2.2.5 Codeigniter
harus membangun nya dari awal.
MVC adalah teknik atau konsep yang memisahkan komponen utama menjadi tiga komponen yaitu model, view dan controller.
Model
Model merupakan bagian penanganan yang berhubungan dengan pengolahan atau manipulasi database. seperti misalnya mengambil data dari database, menginput dan pengolahan database lainnya. semua intruksi yang berhubung dengan pengolahan database di letakkan di dalam model.
View
View merupakan bagian yang menangani halaman user interface atau halaman yang muncul pada user. tampilan dari user interface di kumpulkan pada view untuk memisahkannya dengan controller dan model sehingga memudahkan web designer dalam melakukan pengembangan tampilan halaman website.
Controller
Controller merupakan kumpulan intruksi aksi yang menghubungkan model dan view, jadi user tidak akan berhubungan dengan model secara langsung, intinya dari view kemudian controller yang mengolah intruksi (Basuki, 2010)
2.2.6 Logika Fuzzy
Kata fuzzy merupakan kata sifat yang berarti kabur, tidak jelas. Fuzziness atau kekaburan atau ketidakjelasan atau ketidakpastian selalu meliputi keseharian manusia. Orang yang belum pernah mengenal fuzzy logic pasti akan mengira bahwa fuzzy logic adalah sesuatu yang rumit dan tidak menyenangkan. Namun, sekali seseorang mulai mengenalnya, pasti akan tertarik untuk ikut mempelajari fuzzy logic. Fuzzy logic dikatakan sebagai logika baru yang lama, sebab ilmu tentang fuzzy logic modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang fuzzy logic itu sendiri sudah ada sejak lama (Kusumadewi, 2013).
intuisi manusia. Tidak semua kondisi memiliki nilai kebenaran salah dan benar atau bernilai 0 dan 1. Ada suatu kondisi yang berada diantara 0 dan 1 yang dinamakan kesamaran (fuzzy). Alasan digunakannya logika fuzzy adalah (Kusumadewi, 2003): a. Konsep logika fuzzy mudah dimengerti dengan konsep matematis sebagai
dasar dari penalaran fuzzy yang sangat sederhana dan mudah dimengerti. b. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan
– perubahan, dan ketidakpastian yang menyertai permasalahan.
c. Logika fuzzy memiliki toleransi terhadap data – data yang tidak tepat. Jika diberikan sekelompok data yang cukup homogeny, dan kemudian ada beberapa data yang “eksklusif”, maka logika fuzzy memiliki kemampuan untuk menanganinya.
d. Logika fuzzy mampu memodelkan fungsi – fungsi nonlinear yang sangat kompleks.
e. Logika fuzzy dapat mengaplikasikan pengalaman – pengalaman para ahli secara langsung tanpa memulai proses pelatihan. Dalam hal ini sering disebut dengan nama Fuzzy Expert Sistem menjadi bagian terpenting. f. Logika fuzzy dapat bekerja sama dengan Teknik-teknik kendali secara
konvensional. Hal ini umumnya terjadi pada aplikasi dibidang mesin ataupun teknik elektro.
g. Logika fuzzy didasarkan pada teknik alami. Logika fuzzy menggunakan Bahasa sehari – hari sehingga mudah untuk dimengerti.
2.2.7 Simple Additive Weighting (SAW)
pada Persamaan 2.1.
𝑟𝑖𝑗= { 𝑋𝑖𝑗
𝑀𝑎𝑥𝑖 𝑋𝑖𝑗 𝐽𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡)
𝑀𝑖𝑛𝑖 𝑋𝑖𝑗
𝑋𝑖𝑗 𝐽𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 (𝑐𝑜𝑠𝑡)
(Persamaan 2.1)
Dimana 𝑟𝑖𝑗 adalah rating kinerja ternormalisasi dari alternatif 𝐴𝑖 pada atribut 𝐶𝑗 ; i=1,2,3,…, m dan j=1,2,3,…,n.
Nilai prefensi untuk setiap alternatif (𝑉𝑖) seperti pada Persamaan 2.2.
𝑉𝑖 = ∑𝑛𝑗=1𝑤𝑗 𝑟𝑖𝑗 (Persamaan 2.2)
Nilai Vi yang lebih besar mengindekasi bahwa Ai lebih terpilih
Keterangan
