Sistem Pendukung Keputusan Pemilihan Pengrajin Mebel Terbaik Menerapkan Metode Weighted Aggregated Sum Product Assesment (WASPAS)

(1)

Sistem Pendukung Keputusan Pemilihan Pengrajin Mebel Terbaik Menerapkan Metode Weighted Aggregated

Sum Product Assesment (WASPAS)

Lia Anggriani, Yuliantri, Linni H Butar-Butar, Rudi Sidabutar, Nurul Huda, Dwika Assrani Prodi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia

Abstrak

Beasiswa adalah bantuan keuangan yang diberikan kepada setiap siswa ataupun mahasiswa dengan tujuan Pengrajin merupakan salah satu sumber daya yang digunakan sebagai alat penggerak dalam memajukan suatu perusahaan. Kinerja pengrajin sangat mempengaruhi pendapatan yang diterima oleh perusahaan. Untuk memacu kinerja para pengrajin, maka perusahaan dapat memberikan reward untuk diberikan kepada pengrajin.

Sebelum perusahaan memberikan reward, perusahaan terlebih dahulu melakukan pemilihan terhadap pengrajin yang terbaik. Adanya penetapan terhadap kriteria dari pengrajin terbaik maka memudahkan perusahaan dalam melakukan pemilihan. Penerapan sistem berbasis sistem pendukung keptuusan dapat memberikan hasil yang efektif terhadap keputusan pengrajin yang terbaik, dengan menerapkan metode tertentu. Pada penelitian ini peneliti menggunakan metode WASPAS dalam melakukan pemilihan terhadap pengrajin terbaik..

Kata Kunci: Mebel, Pengrajin, WASPAS

1. PENDAHULUAN

Tenaga kerja adalah aset yang sangat penting dalam menunjang kemajuan sebuah organisasi, baik perusahaan, departemen ataupun lembaga. Tanpa adanya tenaga kerja yang berkualitas akan sulit bagi organisasi dapat mengembangkan diri dan bersaing dengan perkembangan zaman. Salah satu faktor penting dalam kerangka pembangunan nasional adalah menyangkut sumber daya manusia (SDM). Sebuah organisasi tidak dapat berjalan dengan sendirinya tanpa adanya sumber daya manusia, dengan demikian sumber daya manusia yang handal dan berkualitas sangat dibutuhkan untuk mendukung kelangsungan hidup suatu organisasi.

Penilaian yang dilakukan perusahaan untuk menentukan pengrajin terbaik harus memenuhi aspek-aspek seperti penguasaan wawasan tentang perusahaan, penguasaan wawasan tentang kegiatan perusahaan, penguasaan wawasan tentang management, kemampuan menanggapi dan menjawab pertanyaan. Perusahaan terkadang sulit dalam mengambil keputusan, terutama jika beberapa pengrajin yang ada memiliki kemampuan yang tidak jauh berbeda menjadi suatu permasalahan yang ada pada penentuan pengrajin terbaik. Oleh karena itu maka dibutuhkan suatu sistem pendukung keputusan dalam penentuan pengrajin mebel terbaik[1][2].

Salah satu bentuk penyelesaian yang bisa dilakukan adalah dengan menggunakan sistem pendukung keputusan dengan menerapkan metode tertentu, penggunaan SPK diharapkan memudahkan proses penyelesaian pemilihan pengrajin terbaik berdasarkan kriteria permohonan yang sudah lengkap[3][4]. Penerapan metode dalam pendukung keputusan telah banyak dilakukan, seperti menggunakan metode ELECTRE untuk menentukan dosen komputer terbaik[5]. Metode yang lain bisa diterapkan dalam pendukung keputusan seperti Promethee[6], Promethee II[7]

TOPSIS[8][9], SAW[10], COPRAS[11][12], VIKOR[13][14]. Salah satu metode yang bisa digunakan adalah metode Weighted Aggregated Sum Product Assesment[15][16].

Berdasarkan penelitian terdahulu Paulus Simanjuntak(2018), bahwa penggunaan sistem pendukung keputusan dapat mempermudah dalam pemilihan kayu sebagai bahan untuk pembuatan gitar dengan menerapkan metode WASPAS[16].

Royanti Manurung (2018), bahwa metode WASPAS dapat diterapkan dalam sistem pendukung keputusan seleksi penerima bantuan Bidik Misi, karena metode ini dapat memberikan rekomendasi prioritas penerima bantuan bidik misi sesuai dengan kriteria penilaian yang digunakan dalam bentuk perankingan[17]. Penelitian yang dilakukan Safrizal Barus(2018), bahwa dalam pengangkatan guru tetap menggunakan metode WASPAS (Weighted Aggregated Sum Product Assessment) bisa membantu pengambil keputusan dalam memutuskan satu atau lebih dari beberapa alternatif yang harus diambil untuk dijadikan sebagai Guru Tetap dengan kriteria yang menjadi bahan pertimbangan[18].

(2)

2. METODOLOGI PENELITIAN 2.1 Pengrajin

Pengrajin adalah Sumber Daya Manusia (SDM) yang melakukan segala proses pekerjaan pada bagian produksi sebagai alat penggerak dalam memajukan suatu perusahaan. Kinerja pengrajin cukup berpengaruh dalam keuntungan yang didapat oleh suatu perusahaan tersebut. Untuk memacu kinerja pengrajin, maka suatu perusahaan melakukan pemilihan pengrajin terbaik setiap periodenya dengan memberikan bonus ataupun kenaikan gaji pada setiap pengrajin yang terpilih[19][20]

2.2 Sistem Pendukung Keputusan

Konsep SPK (Sistem Pendukung Keputusan) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S.Scott Morton dengan istilah Management Decision System[2][1]. Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan, berikut ini adalah pendapat para ahli tentang pengertian SPK, diantaranya oleh Man dan Watson yaitu SPK (Sistem Pendukung Keputusan) adalah suatu sistem yang dapat membantu mengambil keputusan melalui penggunaan data dan model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur[4].

2.3 WASPAS

Metode Weight Aggregated Sum Product Assesment (WASPAS) adalah metode yang mencari prioritas pilihan lokasi yang paling sesuai dengan menggunakan cara pembobotan. Penggunaan metode ini merupakan kombinasi dari dua sumber yang dikenal dengan WMM, MCDMapproaches dan model produk berat (WPM) pada awalnya memerlukan normalisasi linier dari elemen hasil.

Menggunakan metode WASPAS, kriteria kombinasi paling tertinggi dicari berdasarkan dua kriteria paling tertinggi. Kriteria pertama yang optimal, kriteria rata-rata keberhasilan sama dengan metode WSM. Pendekatan ini merupakan yang populer dan digunakan MCDM untuk pengambilan keputusan[4].

Berikut langkah-langkah Metode WASPAS [16][15][21] sebagai berikut:

1. Menentukan Normalisasi matriks dalam pengambilan keputusan.

𝑅_𝑖𝑗 = [

𝑅11 𝑅12

𝑅21… . 𝑅_𝑚1

𝑅22… . 𝑅_𝑚2

… . 𝑅1_𝑛

… .… .

… . 𝑅2_𝑛

… . 𝑅_𝑚3

]

Jika nilai maksimal dan minimal telah ditentukan maka persamaan sebagai berikut : Untuk Kriteria Benefit.

𝑅𝑖𝑗 = ^𝑅𝑖𝑗

𝑚𝑎𝑥𝑖 𝑅𝑖𝑗………...(1) Untuk Kriteria Biaya.

𝑅𝑖𝑗 = ^{𝑀𝑖𝑛𝑖 𝑅𝑖𝑗}

𝑅𝑖𝑗 ……….…...(2) 2. Menghitung Nilai Normalisasi Matrix dan Bobot WASPAS dalam Pengambilan

Keputusan.

Q = 0,5 ∑^𝑛_𝑗=1𝑅ijwj + 0,5 ∏_𝑗=1(𝑅̅ij)wj…...(3)

3. ANALISA DAN PEMBAHASAN

Berdasarkan banyaknya pengrajin mebel yang akan di pilih untuk menjadi yang terbaik diambil dari 7 orang pengrajin mebel sebagai contoh penerapan metode WASPAS. Adapun pengrajin yaitu : A1

= Andi, A2 = Saiful, A3 = Indra, A4= Danu, A5 = Bayu, A6 = Rizky, A7 = Rudy.

(3)

Berdasarkan keterangan pengrajin diatas dapat diselesaikan menggunakan Metode Weighted Aggregated Sum Product Assessment (WASPAS) dalam menentukan pengrajin mebel terbaik. Pada tabel 1 dan tabel 2 merupakan tabel kriteria serta tabel alternatif.

Tabel 1. Kriteria

Kriteria Keterangan Bobot Tipe

C1 Ketrampilan 0.3 Benefit

C2 Ketelitian 0.2 Benefit

C3 Kinerja 0.2 Benefit

C4 Kemampuan Berkomunikasi

0.4 Benefit

C5 Kedisplinan 0.3 Benefit

Tabel 2 merupakan pembobotan untuk nilai keterampilan (C1) Tabel 2 Kriteria Ketrampilan (C1) Skor Penilaian Keterangan Bobot

81 – 100 Sangat Baik

30%

61 – 80 Baik

41 – 60 Cukup

21 – 40 Kurang

0 – 20 Sangat Kurang Tabel 3 merupakan pembobotan untuk nilai Ketelitian (C2)

Tabel 3. Kriteria Ketelitian (C2)

Skor Penilaian Keterangan Bobot 81 - 100 Sangat Baik

20%

61 – 80 Baik

41 – 60 Cukup

21 – 40 Kurang

0 – 20 Sangat Kurang Tabel 4 merupakan pembobotan untuk nilai Kinerja (C3)

Tabel 4. Kriteria Kinerja (C3)

20%

61 - 80 Baik

41 – 60 Cukup

21 – 40 Kurang

0 – 20 Sangat Kurang Tabel 5 merupakan pembobotan untuk nilai Berkomunikasi (C4)

Tabel 5. Kriteria Kemampuan Berkomunikasi (C4) Skor Penilaian Keterangan Bobot

81 - 100 Sangat Baik

40%

61 - 80 Baik

41 – 60 Cukup

21 – 40 Kurang

0 – 20 Sangat Kurang Tabel 6 merupakan pembobotan untuk nilai Kedisiplinan (C5)

Tabel 6. Kriteria Kedisiplinan (C5)

(4)

40%

61 - 80 Baik

41 – 60 Cukup

21 – 40 Kurang

0 – 20 Sangat Kurang Berikut adalah Rating Kecocokan Alternatif pada setiap Kriteria

Tabel 7. Rating Kecocokan Alternatif dan Kriteria

Alternatif Kriteria

C1 C2 C3 C4 C5

A1 90 80 85 75 83

A2 70 60 70 80 74

A3 85 75 50 60 62

A4 81 50 65 55 50

A5 72 90 80 90 70

A6 75 65 55 70 64

A7 80 73 60 82 55

Max 90 90 85 90 83

Min 70 50 50 55 50

Langkah-langkah penggunaan metode WASPAS:

1. Membuat Matrix Keputusan

X =

[

90 80 85 75 83

70 70 70 80 74

85 75 50 60 62

81 50 65 55 50

72 90 80 90 70

75 65 55 70 64

80 73 60 82 55

⁸⁰

⁷³

⁶⁵

85

= 0,76

X

53

=

⁸⁰

85

= 0,94 X

63

=

⁵⁵

85

= 0,64S X

73

=

⁶⁰

85

= 0,705 X

14

=

⁷⁵

90

= 0,83

(5)

X

24

=

⁸⁰

90

= 0,88 X

34

=

⁶⁰

90

= 0,66 X

44

=

⁵⁵

90

= 0,61

⁵⁵

83

= 0,66

Dari hasil perhitungan di atas, dapat dilihat pada matrik berikut ini:

X =

[

1 0,88 1 0,83 1

0,77 0,66 0,823 0,88 0,89 0,94 0,833 0,588 0,66 0,74

0,9 0,55 0,76 0,61 0,602

0,8 1 0,94 1 0,843

0,83 0,722 0,64 0,77 0,77 0,88 0,84 0,705 0,91 0,66

]

3. Berdasarkan persamaan diatas, maka hasil nilai Preferensi (Qi).

Q

1

=

0,5 ∑(1 ∗ 0,3) + (0,88 ∗ 0,2 ) + (1 ∗ 0,2) + (0,83 ∗ 0,4) + (1 ∗ 0,3) + 0,5 ∏(1)^0,3* (0,88)^0,2 * (1)^0,2* (0,83)^0,4 * (1)^0,3

= 0,5 ∑(0,3 + 0,176 + 0,2 + 0,332 + 0,3) + 0,5 ∏(1 ∗ 0,9747 ∗ 1 ∗ 0,928 * 1)

= 0,5 * 1,308 + 0,5 * 0,9045 = 0,654 + 0,4522

= 1,1062

Q2 = 0,5 ∑(0,77 ∗ 0,3) + (0,66 ∗ 0,2) + (0,823 ∗ 0,2) + (0,88 ∗ 0,4) + (0,89*0,3) + 0,5 ∏(0,77)^0,3 + (0,66)^0,2 + (0,823)^0,2+ (0,88)^0,4 + (0,89)^0,3

= 0,5 ∏(00,231 + (0,132 + 0,164 + 0,352 + 0,267) + 0,5 ∑(0,9245 ∗ 0,9202 ∗ 0,9617 ∗ 0,9501 ∗ 0,9656)

= 0,5 * 1,236 + 0,5 * 0,7505

= 0,618 + 0,37525

= 0,9932

(6)

Q3 = 0,5 ∑(0,94 ∗ 0,3) + (0,833 ∗ 0,2) + (0,588 ∗ 0,2) + (0,66 ∗ 0,4) + (0,72 ∗ 0,3) + 0,5 ∏(0,94)^0,3 + (0,833)^0,2+ (0,588)^0,2+ (0,66)^0,4+ (0,72)^0,3

= 0,5 ∑(0,282 + 0,166 + 0,117 + 0,264 + 0,222) + 0,5 ∏(0,9816 ∗ 0,9641 ∗ 0,8992 ∗ 0,8468 ∗ 0,9136) 0,5 * 1,051 + 0,5 * 6583

= 0,5255 + 0,3291

= 0,8546

Q4 = 0,5 ∑(0,9 ∗ 0,3) + (0,55 ∗ 0,2) + (0,76 ∗ 0,2) + (0,61 ∗ 0,4) + (0,602 ∗ 03) + 0,5 ∏(0,9)^0,3 + (0,55)^0,2 + (0,76)^0,2+ (0,61)^0,4 + (0,602)^0,3

= 0,5 ∑(0,27 + 0,11 + 0,152 + 0,244 + 0,180) + 0,5 ∏(0,9688 ∗ 0,8873 ∗ 0,9465 ∗ 0,8206 ∗ 0,8587)

= 0,5 * 0,956 + 0,5 * 0,5733

= 0,478 + 0,2866

= 0,7646

Q5 = 0,5 ∑(0,8 ∗ 0,3) + (1 ∗ 0,2) + (0,94 ∗ 0,2) + (1 ∗ 0,4) + (0,843 ∗ 0,3) + 0,5 ∏(0,8)^0,3(1)^0,2+ (0,94)^0,2+ (1)^0,4 + (0,843)^0,3

= 0,5 ∑(0,24 + 0,2 + 0,188 + 0,4 + 0,252) + 0,5 ∏(0,9352 ∗ 1 ∗ 0,9877 ∗ 1 ∗ 0,9500)

= 0,5 * 1,28 + 0,5* 0,8775

= 0,64 + 0,4387

= 1,0787

Q6 = 0,5 ∑(0,83 ∗ 0,3) + (0,722 ∗ 0,2) + (0,64 ∗ 0,2) + (0,77 ∗ 0,4) + (0,77 ∗ 0,3) + 0,5∏(0,83)^0,3 + (0,722)^0,2 + (0,64)^0,2+ (0,77)^0,4+ (0,77)^0,3

= 0,5 ∑(0,249 + 0,1444 + 0,128 + 0,308 + 0,231) + 0,5 ∏(0,9456 ∗ 0,9369 ∗ 0,9146 ∗ 0,9007 ∗ 0,9245)

= 0,5 * 1,0604 + 0,5 * 0,674

= 0,5302 + 0,337335

= 0,8675

Q7 = 0,5 ∑(0,88 ∗ 0,3) + (0,84 ∗ 0,2) + (0,705 ∗ 0,2) + (0,91 ∗ 0,4) + (0,66 ∗ 0,3) + 0,5 ∏(0,88)^0,3 + (0,84)^0,2 + (0,705)^0,2+ (0,91)^0,4+ (0,66)^0,3

= 0,5 ∑(0,264 + 0,168 + 0,141 + 0,364 + 0,198) + 0,5 ∏(0,9623 ∗ 0,9656 ∗ 0,9324 ∗ 9629 ∗ 0,8828

= 0,5 * 1,135 + 0,5 * 0,7365

(7)

= 0,5675 + 0,3682

= 0,9357

Kemudian menentukan nilai Alternatif tertinggi:

Tabel 6. Perangkingan Alternatif Hasil Rangking

A1 1,1062 1

A2 0,9932 3

A3 0,8546 6

A4 0,7646 7

A5 1,0787 2

A6 0,8675 5

A7 0,9357 4

Hasil dari perhitungan menggunakan metode WASPAS, bahwa A1 merupakan alternatif terbaik sebagai pemilihan pengrajin mebel terbaik

4. KESIMPULAN

Berdasarkan hasil penelitian yang dilakukan, diambil beberapa kesimpulan, yaitu :

1. Pada penelitian kali ini berhasil memilih pengrajin terbaik menggunakan metode WASPAS berdasarkan kriteria yang telah ditetapkan.

2. Sistem penentuan pengrajin terbaik membantu pengambilan keputusan dalam masalah pengrajin terbaik yang akan ditentukan secara cepat dan mudah.

3. Berdasarkan hasil penelitian pengrajin terbaik menggunakan metode WASPAS dapat di simpulkan bahwa nilai tertinggi yang menjadi pengrajin terbaik adalah kandidat A1 yang bernama Andi

REFERENCES

[1] S. Kusumadewi, S. Hartati, A. Harjoko, and R. Wardoyo, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM).

Yogyakarta: Graha Ilmu, 2006.

[2] Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Andi, 2007.

[3] M. Mesran, S. D. Nasution, S. Syahputra, A. Karim, and E. Purba, “Implementation of the Extended Promethee II in Upgrade Level of Mechanic,” Int. J. Sci. Res. Sci. Technol., vol. 4, no. 2, pp. 125–130, 2018.

[4] G.-H. Tzeng and J.-J. Huang, Multiple Attribute Decision Making Method And Applications. CRC Press, 2011.

[5] Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation of Elimination and Choice Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI DARMA ),” Int. J. Eng. Res. Technol.

(IJERT, vol. 6, no. 2, pp. 141–144, 2017.

[6] T. Imandasari and A. P. Windarto, “Sistem Pendukung Keputusan dalam Merekomendasikan Unit Terbaik di PDAM Tirta Lihou Menggunakan Metode Promethee,” J. Teknol. dan Sist. Komput., vol. 5, no. 4, p. 159, 2017.

[7] Fadlina, L. T. Sianturi, A. Karim, Mesran, and A. P. U. Siahaan, “Best Student Selection Using Extended Promethee II Method,” Int. J. Recent Trends Eng. Res., vol. 3, no. 8, pp. 21–29, 2017.

[8] G. Ginting, Fadlina, Mesran, A. P. U. Siahaan, and R. Rahim, “Technical Approach of TOPSIS in Decision Making,”

Int. J. Recent Trends Eng. Res., vol. 3, no. 8, pp. 58–64, 2017.

[9] Y. Zai, M. Mesran, B. Nadeak, and I. Saputra, “PENERAPAN TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) UNTUK KEPUTUSAN PEMBERIAN KREDIT PADA CALON NASABAH (Studi Kasus : PT. SS Finance),” MEDIA Inform. BUDIDARMA, vol. 1, no. 1, Feb. 2017.

[10] S. H. Sahir, R. Rosmawati, and K. Minan, “Simple Additive Weighting Method to Determining Employee Salary Increase Rate,” Int. J. Sci. Res. Sci. Technol., vol. 3, no. 8, pp. 42–48, 2017.

[11] Esra; and AyĢegül, “AIR CONDITIONER SELECTION PROBLEM WITH COPRAS AND ARAS METHODS,”

Manas J. Soc. Stud., vol. 5, no. 2, 2016.

[12] Mesran, P. Ramadhani, A. Nasution, D. Siregar, Fadlina, and A. P. U. Siahaan, “Implementation of Complex Proportional Assessment Method in the Selection of Mango Seeds,” Int. J. Sci. Res. Sci. Technol., vol. 3, no. 7, pp.

397–402, 2017.

[13] M. Sianturi, S. Wulan, Suginam, Rohminatin, and Mesran, “Implementasi Metode VIKOR Untuk Menentukan Bahan Kulit Terbaik Dalam Pembuatan Ikat Pinggang,” J. Ris. Komput., vol. 5, no. 1, pp. 56–60, 2018.

[14] A. A. Trisnani, D. U. Anwar, W. Ramadhani, M. M. Manurung, and A. P. U. Siahaan, “Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Menerapkan Metode Vise Kriterijumska Optimizajica I Kompromisno Resenje (VIKOR),” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 2, pp. 85–90, Apr. 2018.

[15] E. K. Zavadskas, J. Antucheviciene, J. Saparauskas, and Z. Turskis, “MCDM methods WASPAS and MULTIMOORA: Verification of robustness of methods when assessing alternative solutions,” Econ. Comput. Econ.

Cybern. Stud. Res., vol. 47, no. 2, 2013.

(8)

[16] P. Simanjuntak, I. Irma, N. Kurniasih, M. Mesran, and J. Simarmata, “Penentuan Kayu Terbaik Untuk Bahan Gitar Dengan Metode Weighted Aggregated Sum Product Assessment ( WASPAS ),” J. Ris. Komput., vol. 5, no. 1, pp. 36–

42, 2018.

[17] R. Manurung, R. Sitanggang, and F. T. Waruwu, “Penerapan Metode Weighted Aggregated Sum Product Assessment Dalam Penentuan Penerima Beasiswa Bidik Misi,” vol. 5, no. 1, pp. 79–84, 2018.

[18] S. Barus, V. M. Sitorus, D. Napitupulu, M. Mesran, and S. Supiyandi, “Sistem Pendukung Keputusan Pengangkatan Guru Tetap Menerapkan Metode Weight Aggregated Sum Product Assesment ( WASPAS ),” MEDIA Inform.

BUDIDARMA, vol. 2, no. 2, pp. 10–15, 2018.

[19] H. Risalam, R. Rahwatati, and Suparti, “PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal),” vol. 5, pp. 663–

672, 2016.

[20] F. Maulida Listiany, T. Widiharih, and A. Prahutama, “PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) (STUDI KASUS : PT. Sinjaraga Santika Sport, Majalengka),” vol.

4, pp. 267–276, 2015.

[21] S. Chakraborty and E. K. Zavadskas, “Applications of WASPAS Method in Manufacturing Decision Making,”

Informatica, vol. 25, no. 1, pp. 1–20, 2014.