SISTEM PENUNJANG KEPUTUSAN PEMILIHAN SUPERVISOR MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING PADA PT NIPPON INDOSARI CORPINDO

(1)

SISTEM PENUNJANG KEPUTUSAN PEMILIHAN SUPERVISOR

MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING

PADA PT NIPPON INDOSARI CORPINDO

Hidayanti Murtina

Teknik Informatika, ST MI K Nu sa Ma n d i r i Ja k a r t a Jl. Damai No.08, Warung Jati Barat (Margasatwa) Jakarta Selatan

email:hidayantimurtina@gmail.com

ABSTRACT

The use ofamethod oftakingadecisioncan certainlyhelpstakeholdersto more easilyin takingadecisionwhich was consideredmore appropriate. Many supporting a method of decision that there have been able to get a variety of the case of decision-making in both quantitative and qualitative data.Decision support systemscan also beapplied to the PT. NipponIndosariCorpindoin selectingsupervisors, withthe data obtainedin the formof quantitative dataandinvolved 28criteriaintheassessment ofone of the methodsthat can be appliedismethod-Fuzzy MultiAttribute Decision Makingby usingSimpleAdditive Weighting. Thismethodis consideredquiteappropriate becausethe calculationsare quitesimpleandeasy to understandand caninvolvemany criteria. Simple Additive Weightingprocessitself will beginby conductinga decisionmatrix formationin pairs, defuzzificationprocess, the process of normalization, weighting processandends withgradingtoget the best results.

Keywords: Simple Additive Weighting, Select ing Supervisors.

PENDAHULUAN

Penggunaan sebuah metode untuk menunjang sebuah pengambilan keputusan tentunya akan sangat membantu stakeholders dalam mengambil keputusan yang tepat, selain itu penggunaan sebuah metode penunjang keputusan juga dapat meminimalisir pengambilan keputusan secara subjektif. Penerapan sistem penunjang keputusan yang berbasis komputer juga dapat membantu dalam pengolahan data yang akan dijadikan sebagai bahan pertimbangan dalam mengambil keputusan.

Salah satu kasus yang dapat menggunakan metode penunjang keputusan adalah dalam hal pemilihan supervisor yang dilakukan pada PT. Nippon Indosari Corpindo. Sejauh ini PT. Nippon Indosari Corpindo masih melakukan perhitungan nilai secara manual untuk mengambil sebuah keputusan dengan melibatkan cukup banyak kriteria penilaian. Hal tersebut tentunya dianggap kurang efektif dan efisien dikarenakan keputusan yang diambil bisa saja tidak memiliki hasil yang maksimal dalam penilaiannya, oleh karna itu diperlukan adanya penerapan sebuah metode dengan sistem yang sudah terkomputerisasi untuk membantu stakeholders dalam mangambil sebuah keputusan salah satunya dengan metode Fuzzy-Multi Attribute Decision Making (FMADM) menggunakan Simple Additive Weigting (SAW)

Penerapan Simple Additive Weightig (SAW) yang dengan mudah dimengerti perhitungannya dan dapat melibatkan banyak kriteria dianggap cocok dalam kasus pemilihan supervisor yang ada di PT. Nippon Indosari Corpindo yang memiliki data

kuantitatif dalam penilaiannya dengan tetap melibatkan kebijakan-kebijakan dan tujuan-tujuan yang ingin stakeholders capai dalam pengambilan keputusannya.

Sistem Penunjang Keputusan atauSPK yaitu sebuah sistem berbasis komputer yang adaptif, fleksibel, dan interaktif yang digunakan untuk memecahkan masalah-masalah tidak terstruktur sehingga meningkatkan nilai keputusan yang diambil “[2].

SPK memiliki beberapa komponen [3] sebagai berikut: Database Manajemen Subsistem Model Manajemen Subsitem Knowledge Manajemen Dialog Manajemen User Sumber : Kusrini Gambar 1.KomponenSPK

Logika Fuzzy Crips“Logika fuzzy adalah teknologi berbasis aturan yang dapat merpresentasikan

(2)

ketidakpresisian seperti yang telah disebutkan, dengan menciptakan aturan yang menggunakan nilai subjektif atau nilai yang mendekati” [5].“Logika fuzzy merupakan logika samar yang berhadapan langsung dengan konsep kebenaran sebagian, bahwa logika klasik dalam segala hal dapat diekspresikan dengan binary 0 atau 1 sementara logika fuzzy dimungkinkan adanya nilai antara 0 sampai dengan 1” [1].Himpunan klasik (Crips), keberadaan suatu elemen pada suatu himpunan A, hanya akan memiliki 2 kemungkinan keanggotaan yaitu menjadi anggota A atau tidak menjadi anggota A (Chak). [4]

Fuzzy Multi Attribute Decision Making

(F-MADM).“Fuzzy Multiple Attribute Decision Making (F-MADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan.” [5].

Simple Additive Weighting (SAW)“Metode

SAW atau yang lebih sering dikenal istilah metode penjumlahan terbobot. Konsep dasar SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap altenatif pada semua atribut.” [5]. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.Jika j adalah atribut keuntungan (benefit)

(1) Jika j adalah atribut biaya (cost) Dimana rij adalah rating kinerja ternormalisasi

dari alternatif A, pada atribut Cj; i=1,2,…,m dan

j=1,2,…,n. nilai peferensi untuk setiap alternatif (Vi)

diberikan sebagai

Vi=∑ wjrij. (2)

Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

PEMBAHASAN

Penelitian ini menggunakan metode

Fuzzy-Multi Attribute Decision Making (FMADM) dengan

menerapkanSimple Additive Weighting (SAW) dengan kebijakan perusahaan sebagai tolak ukur tercapainya penelitian ini.

Langkah-langkah penelitian perancangan Metode Fuzzy-Multi Attribute Decision Makingmenggunakan Simple Additive Weightingantara lain:

1. Menentukan alternatif keputusan

Tabel 1. Alternatif Keputusan

NIK Nama 00010527 Ali Nurdin 00010082 Asa Sofia 00010492 Cipto Agung 00010115 Denny Novian 00010207 Djerry Sania Dwi 00010393 Elia 00010271 Halim Wardhani 00010529 Rony permana 00010069 Suhelmi 00010528 Yana Hendrayana

Sumber : PT. Nippon Indosari Corpindo

Sumber : Hasil Penelitian (2015) Gambar 2. GUI Alternatif

2. Menentukan kriteria yang digunakan.

Tabel 2. Variabel Fung si Nama Variabel Input Kehadiran Keterlambatan Kemampuan Intelektual Intelegensi Umum Logika Berfikir Kemampuan Analisa & Sintesa Kemampuan Numerik Daya Tangkap Kepribadian Stabilitas Emosi Kepercayaan Diri Penyesuaian Sosial Kerjasama Komunikasi

n j=1

r

ij =

x

ij

Max

i

x

ij

Min

i

x

ij

x

ij

(3)

Tabel 2. Variabel (Lanjutan) Fung si Nama Variabel Input Sikap Kerja Semangat Kerja Tanggung Jawab Keuletan Daya Tahan Inisiatif

Ketelitian & Tempo Kerja Leadership Kemampuan Berfikir Kemampuan Analisa Kemampuan Konseptual Pengelolaan Diri Pengelolaan Perubahan Dorongan Berprestasi Pengembangan Diri Pengelolaan Tugas Perencanaan & Pengorganisasian Pengontrolan Pengambilan Keputusan Pengelolaan SDM Kerjasama Kepemimpinan Outpu t Rekomendasi Supervisor

Seleksi Karyawan Sebagai Supervisor

3. Menentukan posisi dari masing-masing kriteria. Posisi masing-masing kriteria digambarkan pada tabel berikut ini.

Tabel 3. Tabel Posisi

Kriteria Posisi

Keterlambatan Beban

Intelegensi Umum Keuntungan

Logika Berfikir Keuntungan

Kemampuan Analisa & Sintesa Keuntungan

Kemampuan Numerik Keuntungan

Daya Tangkap Keuntungan

Stabilitas Emosi Keuntungan

Kepercayaan Diri Keuntungan

Penyesuaian Sosial Keuntungan

Kerjasama Keuntungan

Komunikasi Keuntungan

Semangat Kerja Keuntungan

Tanggung Jawab Keuntungan

Keuletan Keuntungan

Daya Tahan Keuntungan

Inisiatif Keuntungan

Ketelitian & Tempo Kerja Keuntungan

Leadership Keuntungan

Kemampuan Analisa Keuntungan

Kemampuan Konseptual Keuntungan Pengelolaan Perubahan Keuntungan Dorongan Berprestasi Keuntungan

Pengembangan Diri Keuntungan

Perencanaan & Pengorganisasian Keuntungan

Pengontrolan Keuntungan

Pengambilan Keputusan Keuntungan

Kerjasama Keuntungan

Kepemimpinan Keuntungan

Sumber : Hasil Penelitian (2015)

4. Membuat bobot kepentingan untuk masing-masing kriteria

Tabel 4. Bobot Kepentingan Nama Kepentingan Score

Tidak Penting 0 Kurang Penting 0,25 Cukup Penting 0,5

Penting 0,75

Sangat Penting 1

Berikut bobot kepentingan dari masing-masing variabel.

Tabel 5. Bobot Kepentingan Variabel

Kode Variabel Nama Kepentinga n Scor e C01 Keterlambatan Sangat Penting 1 C02 Intelegensi Umum Sangat Penting 1 C03 Logika Berfikir Sangat Penting 1 C04 Kemampuan Analisa & Sintesa

Sangat Penting 1 C05 Kemampuan Numerik Sangat Penting 1 C06 Daya Tangkap Sangat Penting 1

C07 Stabilitas Emosi Penting 0,75 C08 Kepercayaan Diri Penting 0,75 C09 Penyesuaian Sosial Penting 0,75 C10 Kerjasama Penting 0,75 C11 Komunikasi Penting 0,75 C12 Semangat Kerja Cukup Penting 0,5 C13 Tanggung Jawab Cukup Penting 0,5 C14 Keuletan Cukup Penting 0,5 C15 Daya Tahan Cukup Penting 0,5 C16 Inisiatif Cukup Penting 0,5 C17 Ketelitian & Cukup 0,5

(4)

Tempo Kerja Penting C18 Leadership Cukup Penting 0,5 C19 Kemampuan Analisa Sangat Penting 1 C20 Kemampuan Konseptual Penting 0,75 C21 Pengelolaan Perubahan Sangat Penting 1 C22 Dorongan Berprestasi Sangat Penting 1 C23 Pengembangan Diri Sangat Penting 1 C24 Perencanaan & Pengorganisasian Penting 0,75 C25 Pengontrolan Sangat Penting 1 C26 Pengambilan Keputusan Penting 0,75 C27 Kerjasama Sangat Penting 1 C28 Kepemimpinan Penting 0,75

Sumber : Hasil Penelitian (2015) Gambar 3. GUI Kriteria

5. Menentukan pengukuran parameter nilai fuzzy untuk masing-masing kriteria

Tabel 6. Pengukuran Parameter Fuzzy

Variabel Nama Himpunan Fuzzy Score Rang e Nilai Keterlambatan Tidak Pernah 0,25 0 Jarang 0,5 1-4 Sering 0,75 5-8 Sangat sering 1 9-20 Intelegensi Sangat 0,2 1-2 Umum Kurang Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Logika Berfikir Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Kemampuan Analisa & Sintesa Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Kemampuan Numerik Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Daya Tangkap Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10

Tabel 6. Pengukuran Parameter Fuzzy (Lanjutan)

Variabel Nama Himpunan Fuzzy Score Rang e Nilai Stabilitas Emosi Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Kepercayaan Diri Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Penyesuaian Sosial Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Kerjasama Sangat Kurang 0,2 1-2

(5)

Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Komunikasi Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Semangat Kerja Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Tanggung Jawab Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Keuletan Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Daya Tahan Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Inisiatif Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Ketelitian & Tempo Kerja Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10

Tabel 6. Pengukuran Parameter Fuzzy (Lanjutan)

Variabel Nama Himpunan Fuzzy Scor e Rang e Nilai Leadership Sangat Kurang 0,2 1-2 Kurang 0,4 3-4 Cukup 0,6 5-6 Baik 0,8 7-8 Sangat Baik 1 9-10 Kemampuan Analisa Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Kemampuan Konseptual Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Pengelolaan Perubahan Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Dorongan Berprestasi Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Pengembangan Diri Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Perencanaan & Pengorganisasian Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Pengontrolan Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Pengambilan Keputusan Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5 Kerjasama Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4

(6)

Sangat Baik 1 5 Kepemimpinan Sangat Kurang 0,2 1 Kurang 0,4 2 Cukup 0,6 3 Baik 0,8 4 Sangat Baik 1 5

Sumber : Hasil Penelitian (2015) Gambar 4. GUI Fuzzy

6. Membuat matriks berpasangan

Tabel 7. Matriks Berpasangan

No NIK C1 C2 C3 C4 C5 C6 1 10527 0 6 5 5 4 7 2 10082 3 5 7 6 4 5 3 10492 5 5 6 4 4 4 4 10115 4 5 4 5 6 6 5 10207 5 6 4 4 4 5 6 10393 5 5 6 7 7 4 7 10271 3 7 6 6 7 6 8 10529 3 6 7 6 6 6 9 10069 5 6 7 4 8 4 10 10528 5 6 4 5 5 4 No NIK C7 C8 C9 C10 C11 C12 1 10527 5 6 4 5 5 5 2 10082 5 6 5 5 6 4 3 10492 6 5 6 4 6 5 4 10115 6 6 4 4 6 5 5 10207 6 4 6 7 5 4 6 10393 5 4 6 7 4 4 7 10271 5 5 5 5 5 5 8 10529 4 6 6 5 4 5 9 10069 4 5 6 7 4 4 10 10528 4 4 6 7 7 6 No NIK C13 C14 C15 C16 C17 C18 1 10527 6 4 5 5 6 4 2 10082 5 5 4 6 7 5 3 10492 6 4 7 8 4 6 4 10115 5 5 5 4 6 5 5 10207 5 5 4 6 7 4 6 10393 5 6 7 5 5 4 7 10271 5 5 5 5 5 5 8 10529 4 6 6 5 5 4 9 10069 4 5 6 7 6 6 10 10528 5 5 6 7 6 7

Sumber : PT. Nippon Indosari Corpindo Tabel 7. Matriks Berpasangan (Lanjutan) N o NIK C1 9 C2 0 C2 1 C2 2 C2 3 C2 4 1 1052 7 3 3 2 3 2 2 2 1008 2 2 4 3 2 2 4 3 1049 2 2 3 4 2 2 3 4 1011 5 3 4 2 4 2 1 5 1020 7 2 2 3 2 2 2 6 1039 3 2 3 3 4 3 2 7 1027 1 3 3 4 3 3 2 8 1052 9 4 2 4 3 4 2 9 1006 9 3 3 2 4 3 3 10 1052 8 3 3 3 2 4 3 N o NIK C2 5 C2 6 C2 7 C2 8 1 1052 7 2 3 2 4 2 1008 2 1 3 4 3 3 1049 2 4 2 2 3 4 1011 5 3 4 3 2 5 1020 7 3 2 3 4 6 1039 3 4 2 4 2 7 1027 1 3 4 3 2 8 1052 9 2 3 2 2 9 1006 9 3 2 4 3 10 1052 8 2 2 4 2

(7)

Gambar 5. GUI Matriks Berpasangan

7. Melakukan defuzzifikasi sesuai dengan tabel 6.

Tabel 8. Defuzzyfikasi Matriks No NIK C1 C2 C3 C4 C5 C6 1 10527 0,3 0,6 0,6 0,6 0,4 0,8 2 10082 0,5 0,6 0,8 0,6 0,4 0,6 3 10492 0,8 0,6 0,6 0,4 0,4 0,4 4 10115 0,5 0,6 0,4 0,6 0,6 0,6 5 10207 0,8 0,6 0,4 0,4 0,4 0,6 6 10393 0,8 0,6 0,6 0,8 0,8 0,4 7 10271 0,5 0,8 0,6 0,6 0,8 0,6 8 10529 0,5 0,6 0,8 0,6 0,6 0,6 9 10069 0,8 0,6 0,8 0,4 0,8 0,4 10 10528 0,8 0,6 0,4 0,6 0,6 0,4

Tabel 8. Defuzzyfikasi Matriks (Lanjutan) N o NIK C7 C8 C9 C1 0 C1 1 C1 2 1 1052 7 0,6 0,6 0,4 0,6 0,6 0,6 2 1008 2 0,6 0,6 0,6 0,6 0,6 0,4 3 1049 2 0,6 0,6 0,6 0,4 0,6 0,6 4 1011 5 0,6 0,6 0,4 0,4 0,6 0,6 5 1020 7 0,6 0,4 0,6 0,8 0,6 0,4 6 1039 3 0,6 0,4 0,6 0,8 0,4 0,4 7 1027 1 0,6 0,6 0,6 0,6 0,6 0,6 8 1052 9 0,4 0,6 0,6 0,6 0,4 0,6 9 1006 9 0,4 0,6 0,6 0,8 0,4 0,4 10 1052 0,4 0,4 0,6 0,8 0,8 0,6 8 N o NIK C1 3 C1 4 C1 5 C1 6 C1 7 C1 8 1 1052 7 0,6 0,4 0,6 0,6 0,6 0,4 2 1008 2 0,6 0,6 0,4 0,6 0,8 0,6 3 1049 2 0,6 0,4 0,8 0,8 0,4 0,6 4 1011 5 0,6 0,6 0,6 0,4 0,6 0,6 5 1020 7 0,6 0,6 0,4 0,6 0,8 0,4 6 1039 3 0,6 0,6 0,8 0,6 0,6 0,4 7 1027 1 0,6 0,6 0,6 0,6 0,6 0,6 8 1052 9 0,4 0,6 0,6 0,6 0,6 0,4 9 1006 9 0,4 0,6 0,6 0,8 0,6 0,6 10 1052 8 0,6 0,6 0,6 0,8 0,6 0,8 N o NIK C1 9 C2 0 C2 1 C2 2 C2 3 C2 4 1 1052 7 0,6 0,6 0,4 0,6 0,4 0,4 2 1008 2 0,4 0,8 0,6 0,4 0,4 0,8 3 1049 2 0,4 0,6 0,8 0,4 0,4 0,6 4 1011 5 0,6 0,8 0,4 0,8 0,4 0,2 5 1020 7 0,4 0,4 0,6 0,4 0,4 0,4 6 1039 3 0,4 0,6 0,6 0,8 0,6 0,4 7 1027 1 0,6 0,6 0,8 0,6 0,6 0,4 8 1052 9 0,8 0,4 0,8 0,6 0,8 0,4 9 1006 9 0,6 0,6 0,4 0,8 0,6 0,6 10 1052 8 0,6 0,6 0,6 0,4 0,8 0,6 N o NIK C2 5 C2 6 C2 7 C2 8 1 1052 7 0,4 0,6 0,4 0,8 2 1008 2 0,2 0,6 0,8 0,6 3 1049 2 0,8 0,4 0,4 0,6 4 1011 5 0,6 0,8 0,6 0,4 5 1020 7 0,6 0,4 0,6 0,8 6 1039 0,8 0,4 0,8 0,4

(8)

3 7 1027 1 0,6 0,8 0,6 0,4 8 1052 9 0,4 0,6 0,4 0,4 9 1006 9 0,6 0,4 0,8 0,6 10 1052 8 0,4 0,4 0,8 0,4

8. Membuat normalisasi pada tabel 8 dengan rumus (1) sesuai dengan tabel 3 dengan asumsi apabila suatu variable dianggap beban maka yang diambil adalah nilai terendahnya sedangkan jika variable tersebut dianggap sebagai keuntungan maka diambil nilai tertingginya. Maka akan didapat tabel dibawah ini.

Tabel 9. Nilai Beban Dan Keuntungan Kod e Kriteria Nilai Posisi c01 Keterlambatan 0,25 c02 Intelegensi Umum 0,8 c03 Logika Berfikir 0,8 c04

Kemampuan Analisa &

Sintesa 0,8 c05 Kemampuan Numerik 0,8 c06 Daya Tangkap 0,8 c07 Stabilitas Emosi 0,6 c08 Kepercayaan Diri 0,6 c09 Penyesuaian Sosial 0,6 c10 Kerjasama 0,8 c11 Komunikasi 0,8 c12 Semangat Kerja 0,6 c13 Tanggung Jawab 0,6 c14 Keuletan 0,6 c15 Daya Tahan 0,8 c16 Inisiatif 0,8

c17 Ketelitian & Tempo Kerja 0,8

c18 Leadership 0,8 c19 Kemampuan Analisa 0,8 c20 Kemampuan Konseptual 0,8 c21 Pengelolaan Perubahan 0,8 c22 Dorongan Berprestasi 0,8 c23 Pengembangan Diri 0,8 c24 Perencanaan & Pengorganisasian 0,8 c25 Pengontrolan 0,8 c26 Pengambilan Keputusan 0,8 c27 Kerjasama 0,8 c28 Kepemimpinan 0,8

Sebagai contoh diambil dari salah satu sample atas Alternatif No.7 untuk melakukan proses normalisasi dengan rumus (1) pada tabel 8 dan tabel 9 maka akan didapat hasil seperti tabel dibawah ini.

Tabel 10. Hasil Normalisasi SAW Alternatif No.7

c01 c02 c03 c04 c05 c06 c07 0,50 1,00 0,75 0,75 1,00 0,75 1,00 c08 c09 c10 c11 c12 c13 c14 1,00 1,00 0,75 0,75 1,00 1,00 1,00 c15 c16 c17 c18 c19 c20 c21 0,75 0,75 0,75 0,75 0,75 0,75 1,00 c22 c23 c24 c25 c26 c27 c28 0,75 0,75 0,50 0,75 1,00 0,75 0,50

9. Pembobotan menggunakan rumus (2.2) pada tabel 4.4. dengan tabel 3.4 maka akan didapatkan hasil seperti dibawah ini.

Tabel 4.5. Hasil Pembobotan SAW Alternatif No.7

c01 c02 c03 c04 c05 0,50 1,00 0,75 0,75 1,00 c06 c07 c08 c09 c10 0,75 0,75 0,75 0,75 0,56

Tabel 4.5. Hasil Pembobotan SAW Alternatif No.7 (Lanjutan) c11 c12 c13 c14 c15 0,56 0,50 0,50 0,50 0,38 c16 c17 c18 c19 c20 0,38 0,38 0,38 0,75 0,56 c21 c22 c23 c24 c25 1,00 0,75 0,56 0,38 0,75 c26 c27 c28 0,75 0,75 0,38

Dengan jumlah bobot untuk alternatif no.7 adalah 17.938.

10. Setelah semuanya selesai barulah dilakukan perankingan sehingga akan didapat hasil seperti dibawah ini.

(9)

KESIMPULAN

Penggunaan sebuah metode dapat meminimalisir penilaian secara subjektif, selain itu pemakaian SPK pada pengambilan keputusan juga akan lebih mudah karna sudah terkomputerisasi sehingga diharapkan keputusan yang diambil akan lebih cepat dan efisien dibandingkan dengan metode manual yang selama ini digunakan.

DAFTARPUSTAKA

[1] Budiharto, Widodo. Membuat Sendiri Robot Cerdas-Edisi Revisi. Jakarta : PT.Elex Media Komputindo. 2008.

[2] Khoirudin, Akhmad Arwan.SNATI Sistem Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah Bertaraf Internasional Dengan Metode Fuzzy Associative Memory. Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia.2008. [3] Kusrini. Konsep dan Aplikasi Sistem Pendukung

Keputusan. Yogyakarta : Andi Offset.2007. [4] Kusumadewi, Sri. Artificial Intelligence (Teknik

Dan Aplikasinya). Yogyakarta: Graha Ilmu.2003. [5] Kusumadewi, Sri, Sri Hartati, Agus Harjoko dan

Retantyo Wardoyo. Fuzzy-MultiAttribute Decision Making (FUZZY MADM). Yogyakarta: Graha Ilmu.. 2006.