SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK
PRODIA - SURABAYA
SKRIPSI
Disusun Oleh :
JOSEPH WELAN PATTIPEILUHU NPM : 0434010210
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM
KLINIK PRODIA - SURABAYA
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
JOSEPH WELAN PATTIPEILUHU
NPM. 0434010210
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
LEMBAR PENGESAHAN
SISTEM PENDUKUNG KEPUTUSAN
PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA
Oleh
JOSEPH WELAN PATTIPEILUHU NPM : 0434010210
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang II Tahun Akademik 2010/2011
Menyetujui,
Pembimbing Utama Pembimbing Pendamping
Basuki Rahmat, S.Si, MT NPT. 369 070 602 13
Fetty Tri Anggraeny, S.Kom NPT. 382 020 602 08
Mengetahui
Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
YAYASAN KEJUANGAN PANGLIMA BESAR SUDIRMAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR FAKULTAS TEKNOLOGI INDUSTRI
Jl. Raya Rungkut Madya Gunung Anyar Telp. (031) 8706369 (Hunting). Fax. (031) 8706372 Surabaya 60294
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : Joseph Welan Pattipeiluhu
NPM : 0434010210
Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang II, TA 2010/2011 dengan judul :
” SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI
LABORATORIUM KLINIK PRODIA - SURABAYA ”
Surabaya, 13 Desember 2010 Dosen Penguji yang memerintahkan revisi :
1) Ir. Purnomo Edi Sasongko, MP
{
}
NPT. 19640 7140 198803 1001
2) Ir. M. Rochmad, MT
{
}
NPT. 19620 3041 991031 002
3) Fetty Tri Anggraeny, S.Kom
{
}
SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI
LABORATORIUM KLINIK PRODIA – SURABAYA
Oleh :
Joseph Welan Pattipeiluhu
NPM : 0434010210
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 13 Desember 2010
2. 2.
3.
Mengetahui
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Ir. Sutiyono, MT NIP. 19600713 198703 1001 Pembimbing :
Ir. Purnomo Edi Sasongko, MP NPT. 19640 7140 198803 1001
2.
Fetty Tri Anggraeny S.kom NPT. 382 020 602 08
Ir. M. Rochmad, MT NPT. 19620 3041 99103 1002
ii
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang
telah melimpahkan rahmatnya kepada penulis sehingga penulis dapat
menyelesaikan Laporan Tugas Akhir ini dengan baik dan benar.
Penyusunan Laporan tugas akhir ini merupakan prasyarat dalam
mengambil Tugas Akhir. Adapun judul Laporan Tugas Akhir ini adalah ”
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI
LABORATORIUM KLINIK PRODIA - SURABAYA ”.
Tak lupa pada kesempatan ini penulis menyampaikan ucapan terima
kasih yang sebesar – besarnya kepada semua pihak yang telah membantu dalam
penyelesaian Laporan Tugas Akhir ini. Ucapan terima kasih penulis sampaikan
kepada yang terhormat:
1. Tuhan Jesus Kristus yang memberkati saya dalam menyelesaikan skripsi dan
semuanya.
2. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
3. Bapak Basuki Rahmat, SSi, MT selaku Ketua Jurusan Teknik Informatika
UPN “Veteran” Jawa Timur yang sekaligus sebagai Dosen Pembimbing I.
4. Ibu Fetty Tri Anggraeny S.kom selaku Dosen Pembimbing II yang telah meluangkan begitu banyak waktu, tenaga dan pikiran serta dengan sabar
membimbing penulis dari awal hingga terselesainya Laporan Skripsi / Tugas
iii
5. Kedua orang tua tercinta yaitu Papa Bram dan Mama Lis atas semua doa, tak
lupa Kakakku Kevin yang juga memberi dukungan serta harapan-harapanya
pada saat penulis menyelesaikan Skripsi dan laporan ini. Yang penulis minta
hanya doa restunya, sehingga penulis bisa membuat sesuatu yang lebih baik
dari laporan ini.
6. Saudara – saudara ku semua, khususnya Nenekku, Adikku Marsha, serta
Tante Nora, Kakakku Sarah dan Vina yang memberi semangat.
7. Dosen – Dosen Jurusan Teknik Informatika UPN “VETERAN” JATIM, yang
telah membuat kami membuka pikiran dan merubah pola pikir kami.
8. Seluruh Teman Jurusan Informatika, tanpa kecuali khususnya Risqi
Rachmadi, Wisma Andi, dan kawan-kawan lain yang telah berperan penting
membantu penulis baik materil, spirituil dan atas dukungannya ”Terima Kasih
Yang sebesar-besarnya, dan bagi Yang belum sidang TA, kapan kalian sidang
TA. Semoga sukses selalu buat kalian”
Penulis sebagai manusia biasa pasti mempunyai keterbatasan dan banyak
sekali kekurangan, terutama dalam pembuatan laporan ini. Untuk itu penulis
sangat membutuhkan kritik dan saran yang membangun dalam memperbaiki
penulisan laporan ini.
Surabaya, 17 Desember 2010
iv
2.1.1 Komponen Sistem Pendukung Keputusan ... 9
v
BAB III ANALISIS DAN PERANCANGAN SISTEM... 38
vi
4.2.7 Halaman Data Wawancara ... 55
4.2.8 Halaman Report ... 56
BAB V UJI COBA DAN EVALUASI PROGRAM ... 58
5.1 Uji Coba ... 58
5.2 Uji Coba Aplikasi Desain Antarmuka ... 58
5.2.1 Uji Coba Form Login Admin... 58
5.2.2 Uji Coba Form Input Data Pegawai... 59
5.2.3 Uji Coba Form Nilai Kriteria ... 60
5.2.4 Uji Coba Form Proses Perhitungan... 61
5.2.5 Uji Coba Form Wawancara ... 63
5.2.6 Uji Coba Form Report ... 63
BAB VI PENUTUP ... 65
6.1 Kesimpulan ………. ... 65
6.2 Saran ………... 66 DAFTAR PUSTAKA
vii
Gambar 2.2 Subsistem Basis Dialog... 11
Gambar 2.3 Hirarki 3 Level AHP ... 21
Gambar 3.1 Flowchart Sistem Aplikasi menggunakan AHP dan Topsis .. 39
Gambar 3.2 Context Diagram ... 40
Gambar 4.5 Halaman Proses Perhitungan... 54
Gambar 4.6 Halaman Hasil Proses AHP dan TOPSIS ... 55
Gambar 4.7 Halaman Wawancara... 56
Gambar 4.8 Halaman Report ... 57
Gambar 5.1 Form Login... 59
Gambar 5.2 Form Halaman Input Pegawai... 60
Gambar 5.3 Form Nilai Kriteria ... 61
Gambar 5.4 Form Halaman Proses AHP dan TOPSIS ... 61
Gambar 5.5 Form Halaman Hasil AHP dan TOPSIS ... 62
viii
ix
Tabel 2.2 Simbol-simbol Entity Relationship Diagram... 17
Tabel 2.3 Skala Penilaian Perbandingan Berpasangan ... 23
Tabel 2.4 Matriks Perbandingan Berpasangan untuk Alternatif... 24
Tabel 2.5 Nilai Indeks Random ... 26
Tabel 2.6 Syarat Non Lab lowongan... 30
Tabel 2.7 Data Non Lab Pelamar... 30
Tabel 2.8 Daftar Pelamar Lulus Test ... 30
Tabel 2.9 Nilai Test Wawancara... 31
Tabel 2.10 Daftar Pelamar Lolos Test Wawancara ... 31
Tabel 2.11 Nilai Test Bakat dan Minat ... 32
Tabel 2.12 Daftar Pelamar Test Bakat dan Minat ... 32
Tabel 2.13 Nilai Perbandingan Test Psikologi ... 32
Tabel 2.14 Normalisasi Perbandingan antar Kriteria... 32
Tabel 2.15 Bobot Prioritas Kriteria... 33
Tabel 2.16 Perbandingan Pelamar terhadap Kriteria Kepribadian ... 33
Tabel 2.17 Perbandingan Pelamar terhadap Kriteria Kecerdasan... 34
Tabel 2.18 Perbandingan Pelamar terhadap Kriteria Ketahanan ... 34
Tabel 2.19 Bobot Prioritas Pelamar terhadap Kriteria ... 34
Tabel 2.20 Bobot Prioritas Global ... 34
Tabel 2.21 Rangking Kecocokan Setiap Alternatif ... 34
Tabel 3.1 Tabel Pegawai ... 47
Tabel 3.2 Tabel Alternatif ... 47
x
i
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI DI LABORATORIUM KLINIK PRODIA - SURABAYA
Penyusun : Joseph Welan Pattipeiluhu Pembimbing I : Basuki Rahmat,S.Si,MT Pembimbing II : Fetty Tri Anggraeny, S.Kom
ABSTRAKSI
Dengan semakin berkembangnya teknologi dan ilmu pengetahuan, semakin berkembang pula proses pendidikan di Indonesia ini. Menyebabkan banyaknya perusahaan atau instansi-instansi sulit memilih pegawai/karyawan-karyawati yang sesuai dengan kebutuhan dan ahli pada bidangnya masing-masing. Oleh karena itu menyadari betapa pentingnya memilih calon pegawai yang tepat, maka dirancang program aplikasi sistem pendukung keputusan untuk pemilihan penerimaan pegawai untuk suatu perusahaan yang berbasis dekstop. Aplikasi ini dapat mempermudah suatu perusahaan dalam pemilihan atau seleksi calon pegawai yang akan diterima.
Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (Decisions Support System). Salah satu metode tersebut yang digunakan dalam penelitian ini adalah metode Analytical
Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Konsep metode Analytical Hierarchy Process (AHP)
adalah merubah nilai-nilai kualitatif menjadi nilai kuantitatif dan Technique for
Order Preference by Similarity to Ideal Solution (TOPSIS) adalah salah satu
metode pengambilan keputusan multikriteria. Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif.
Implementasi dari sistem ini membutuhkan data kriteria pegawai sebagai data dasar. Data dihitung menggunakan metode Analytical Hierarchy Process
(AHP) dengan intensitas kepentingan 1-9 kemudian dikombinasikan dengan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk
perengkingan dimana hasil maksimal adalah 1. Hasil dari program aplikasi yang dibuat berupa informasi tentang kriteria-kriteria apa saja yang mempengaruhi pemilihan calon pegawai serta nilai wawancara juga menentukan untuk penerimaan calon pegawai.
Kata Kunci : Decision Suport System (DSS), Analytical Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dengan semakin berkembangnya teknologi dan ilmu pengetahuan,
semakin berkembang pula proses pendidikan di Indonesia ini. Begitu pula kualitas
tenaga kerja semakin bertambah baik yang dari dalam negeri maupun yang dari
luar negeri dan jumlahnya semakin meningkat dengan pesat. Menyebabkan
banyaknya perusahaan atau instansi-instansi sulit memilih
pegawai/karyawan-karyawati yang sesuai dengan kebutuhan dan ahli pada bidangnya masing-masing,
terutama di Laboratorium Klinik Prodia Surabaya.
Laboratorium Klinik Prodia yang merupakan salah satu perusahaan yang
bergerak dalam bidang jasa pelayanan kesehatan tentu sangat mengutamakan
kualitas dalam melayani pelanggannya. Oleh karena itu dibutuhkan tenaga-tenaga
ahli yang terampil dan professional guna menunjang hal tersebut. Dan dengan
semakin banyaknya tenaga kerja yang memiliki kemampuan yang berbeda-beda
maka dalam merekrut pegawai baru diperlukan penyeleksian dari calon pegawai
yang melamar di Laboratorium Klinik Prodia, karena jika hal tersebut dilakukan
secara manual tentu akan menyulitkan bagian penerimaan pegawai dan juga
rawan akan terjadinya suatu kesalahan dalam mengambil keputusan, selain itu
juga akan memerlukan waktu yang cukup menyita.
Dengan mempertimbangkan hal tersebut maka diperlukan suatu sistem
yang dapat berfungsi sebagai penyeleksi otomatis dari masing-masing calon
2
miliki, karena dengan melakukan penyeleksian secara otomatis tentu hal tersebut
akan sangat menghemat waktu dan mengurangi resiko terjadi kesalahan dalam
sposisi yang dibutuhkan oleh perusahaan.
Salah satu metode yang cocok dalam penyeleksian tersebut adalah
Analytic Hierarchiy Process (AHP) dan Technique for Order Preference by
Similiry to Ideal Solution (TOPSIS). Kelebihan dari metode AHP dalam
mengambil suatu keputusan adala dengan cara membandingkan secara
berpasangan setiap kriteria yang dimiliki oleh suatu permasalahan sehingga
didapat suatu bobot nilai dari kepentingan tiap kriteria-kriteria yang ada,
sedangkan TOPSIS kelebihannya ada pada kemampuan metode tersebut yaitu
dalam mencari solusi yang paling ideal dan kebutuhan masalah yang ada.
Sehingga dengan menggabungkan kedua metode tersebut diharapkan memperoleh
solusi terbaik dari masalah yang dihadapi.
1.2 Perumusan Masalah
Dari uraian diatas maka pada skripsi ini permasalahan yang akan diangkat
adalah:
(1) Bagaimana membuat suatu aplikasi yang membantu pegawai HRD (Human
Resources Departement) menentukan pegawai yang sesuai dengan kriteria
yang diinginkan dalam bentuk ranking.
(2) Bagaimana merancang keluaran dan antar muka sistem yang mudah
3
1.3 Batasan Masalah
Dalam pembuatan sistem, penulis membatasi sesuai dengan ruang lingkup
pembahasan diatas supaya tidak meluas. Ruang lingkup tersebut adalah:
(1) Sistem ini dibuat berdasarkan data dan norma-norma SDM yang ada di
Laboratorium Klinik Prodia Surabaya.
(2) Sistem ini menggunakan metode AHP (Analytical Hierarchy Process) dan
TOPSIS (Technique for Order Preference by Similarity to Ideal Solution).
(3) Hasil dari proses ini berupa ranking dan nilai akhir pelamar sebagai
rekomendasi bagi pengambil keputusan untuk memilih pegawai.
(4) Parameter yang didapat dari hasil survei yaitu Pendidikan, Pengalaman,
Usia, dan Nilai.
(5) Aplikasi menggunakan Visual Basic 6.0.
(6) Database yang digunakan SQL Server 2000.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk membuat Sistem Pendukung
Keputusan yang membantu pihak Laboratorium Klinik Prodia dalam menentukan
pegawai yang tepat dari sejumlah calon pegawai yang mengirimkan lamaran
dengan langkah-langkah:
(1) Menganalisa sistem penerimaan calon pegawai yang sedang berjalan.
(2) Merancang model sistem pendukung keputusan penerimaan pegawai.
(3) Merancang database yang digunakan di dalam sistem pendukung
keputusan.
4
1.5 Manfaat
Manfaat yang dapat diambil dari penelitian ini adalah:
(1) Mempelajari cara pembuatan sistem pendukung keputusan yang benar dan
berguna bagi pengambilan keputusan.
(2) Menambah pengetahuan dan cara berfikir mengenai penerapan ilmu yang
telah di dapat di mata kuliah dan diimplementasikan dalam keadaan real.
(3) Menjadi bahan referensi pembangunan sistem pendukung keputusan
menggunakan metode AHP (Analytical Hierarchy Process) dan TOPSIS
(Technique for Order Preference by Similarity to Ideal Solution).
1.6 Metodologi
Metode yang dilakukan adalah sebagai berikut:
a) Studi Literatur
Pada tahap ini dilakukan studi terhadap berbagai macam literatur, seperti :
buku, internet, dan sebagainya.
b) Analisis Sistem
Analisis sistem adalah proses analisis terhadap permasalahan dan
mendefinisikan model penyelesaian. Termasuk dalam proses ini adalah
melakukan analisis terhadap spesifikasi perangkat lunak yang akan dibangun.
Setelah perangkat lunak ditetapkan selanjutnya dilakukan perancangan Sistem
yang meliputi pengolahan data. Perancangan arsitektur sistem pendukung
keputusan menggunakan AHP (Analytical Hierarchy Process) dan TOPSIS
(Technique for Order Preference by Similarity to Ideal Solution). dan
5
c) Perancangan Sistem
Pada tahap ini dilakukan perancangan program misalnya data-data apa saja
yang diperlukan serta proses apa saja yang dilakukan didalam program.
d) Implementasi
Dalam hal ini berupa pembuatan perangkat lunak yaitu mewujudkan semua
hasil perancangan pada tahap sebelumnya ke dalam kode-kode program sesuai
dengan algoritma dan bahasa pemrograman yang dipakai. Hasil dari tahap ini
adalah sebuah perangkat lunak (software) dengan kemampuan sesuai dengan
rancangan yang telah dibuat sebelumnya.
e) Uji coba
Setelah perangkat lunak berhasil dibuat tahap selanjutnya adalah uji coba dan
evaluasi perangkat lunak. Uji coba dilakukan dengan menjalankan perangkat
lunak, kemudian dilakukan evaluasi terhadap hasil yang di dapatkan.
f) Dokumentasi
Pada tahap ini dilakukan pembuatan laporan mulai dari studi literatur sampai
dengan implementasi serta penarikan kesimpulan dan saran.
1.7 Sistematika Penulisan
Penulisan serta pembahasan :tugas akhir ini dibagi menjadi 5 bab dengan
sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN
Bab ini merupakan pengantar yang memberikan gambaran
6
dibahas pada bab-bab selanjutnya. Terdapat tujuh pokok bahasan
dalam bab ini yaitu: latar belakang, rumusan masalah, ruang
lingkup, tujuan, manfaat, metodologi pelaksanaan, dan sistematika
penulisan.
BAB II LANDASAN TEORI
Dalam bab ini dibahas tentang teori-teori dasar yang digunakan
untuk menyelesaikan permasalahan, yaitu tentang sistem
pendukung keputusan menggunakan AHP (Analytical Hierarchy
Process) dan TOPSIS (Technique for Order Preference by
Similarity to Ideal Solution).
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas tentang analisis dari permasalahan yang ada saat
ini dan analisis yang dibutuhkan untuk mengatasi masalah tersebut.
Pembuatan desain dari sistem dengan mengacu pada analisis yang
telah dibahas. Perancangan sistem yang akan dibahas dibagi
menjadi tiga bagian, meliputi desain user interface, desain data,
dan desain proses.
BAB IV IMPLEMENTASI
Berisi pembahasan menegenai analisis kebutuhan peragkat lunak
dan perancangan sistem yang meliputi pengolahan data,
perancangan basis data, perancangan arsitektur sistem pendukung
7
BAB V UJI COBA
Pada bab ini akan dibahas mengenai pembuatan perangkat lunak,
uji coba perangkat lunak dan analisis terhadap hasil uji coba yang
dilakukan.
BAB VI KESIMPULAN DAN SARAN
Pada bab ini akan membahas mengenai kesimpulan dan saran dari
uji coba perangkat lunak dan analisis terhadap hasil uji coba yang
dilakukan.
8
BAB II
LANDASAN TEORI
Pada bab ini akan dijelaskan mengenai teori-teori yang digunakan sebagai
dasar untuk melakukan proses desain sistem dan implementasi ke bentuk
program, sehingga sistem ini dapat dibuat dengan benar. Teori-teori yang akan
dijelaskan, meliputi teori tentang sistem pendukung yang sebenarnya, teori
tentang 2 metode yang saling bergantungan yaitu metode AHP dan metode yang
merupakan layanan yang disediakan oleh sistem pendukung keputusan dalam
pemilihan pegawai klinik Laboratorium Prodia Surabaya.
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) merupakan suatu kumpulan prosedur
pemrosesan data dan informasi yang berorientasi pada penggunaan model untuk
menghasilkan berbagai jawaban yang dapat membantu manajemen dalam
pengambilan keputusan dimana SPK harus sederhana, mudah dan adaptif. Adapun
ciri utama dalam SPK ini yang sekaligus sebagai keunggulannya adalah
kemampuan SPK untuk menyelesaikan masalah-masalah yang tidak terstruktur.
Menurut Sudirman dan Widjajani (1996) mengemukakan bahwa ciri-ciri SPK
yang dirumuskan oleh Alters Keen adalah:
(1) SPK ditujukan untuk membantu keputusan-keputusan yang kurang
terstruktur dan umumnya dihadapi oleh para manajer yang berada di tingkat
puncak.
(2) SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan
data.
9
(3) SPK memiliki fasilitas interaktif yang dapat mempermudah hubungan antara
manusia dengan komputer.
(4) SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan
yang terjadi.
SPK tidak dimaksudkan untuk menggantikan manajer dalam keputusan,
namun manajer dan komputer bekerja sama sebagai tim pemecahan masalah yang
berada di area semi konduktor yang jelas.
2.1.1 Komponen Sistem Pendukung Keputusan
Terdiri dari 3 sub sistem yaitu sub sistem manajemen basis data, sub
sistem manajemen basis model, dan subsistem perangkat lunak penyelenggara
dialog. Hubungan dari subsistem-subsistem tersebut digambarkan seperti terlihat
pada gambar 2.1.
Gambar 2.1 Komponen SPK
a. Subsistem Manajemen Basis Data
Subsistem data yang tercakup dalam sistem manajemen basis data.
10
Data ini di organisasikan dalam suatu data base yang disebut Database
Management System (DBMS). Ada beberapa perbedaan database untuk SPK dan
non-SPK. Pertama sumber data untuk SPK lebih kaya daripada non-SPK.
Perbedaan lain adalah proses pengambilan dan ekstraksi dari sumber data yang
sangat besar. SPK membutuhkan proses ekstraksi dan DBMS yang dalam
pengelolaannya harus cukup flexible untuk memungkinkan penambahan dan
pengurangan secara cepat.
Kemampuan yang dibutuhkan dari manajemen data base sebagai berikut:
(1) Mengkombinasikan berbagai variasi data melalui pengambilan dan ekstraksi
data.
(2) Menambahkan sumber data dengan cepat dan mudah.
(3) Menggambarkan struktur data logikal sesuai dengan pengertian pemakai
sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan
kebutuhan penambahan dan pengurangan.
(4) Menangani data secara personil sehingga pemakai dapat mencoba berbagai
alternatif pertimbangan personil.
(5) Kemampuan untuk mengelola berbagai variasi data.
b. Subsistem Manajemen Basis Model
Salah satu dari kelebihan SPK adalah kemampuannya untuk
mengintegrasikan akses data dan model-model keputusan. Hal ini dapat dilakukan
dengan menambah model-model keputusan ke dalam sistem yang menggunakan
database sebagai mekanisme integrasi dan komunikasi diantara model-model.
11
model seringkali terikat pada struktur model yang mengasumsikan adanya
masukan yang benar dan cara keluaran yang tepat. Sementara model cenderung
tidak mencukupi adanya kesulitan dalam mengembangkan model yang teritegrasi
untuk menangani sekumpulan keputusan yang saling bergantungan. Untuk
menangani masalah ini dengan menggunakan koleksi berbagai model yang
terpisah, dimana setiap model digunakan untuk menangani bagian yang berbeda
dari masalah yang dihadapi. Kemampuan yang dimiliki subsistem basis model
meliputi:
(1) Menciptakan model baru secara cepat dan mudah.
(2) Mengakses dan mengintegrasikan model-model keputusan.
(3) Mengelola basis model dengan fungsi manajemen yang analog dan
manajemen data base.
c. Subsistem Basis Dialog (dialog management)
Subsistem dialog adalah fleksibilitas dan kekuatan karakteristik SPK yang
timbul dari kemampuan interaksi antara sistem dan pemakai. Menurut Bennet,
komponen sistem dialog adalah pemakai, terminal, dan sistem perangkat
lunak, bisa melihat pada gambar 2.2.
Bahasa Aksi
User
12
Selain itu kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog
pemakai/sistem meliputi:
(1) Menangani berbagai variasi gaya dialog.
(2) Mengakomodasi tindakan pemakai dengan berbagai peralatan masukan.
(3) Menampilkan data dengan berbagai variasi format dan peralatan keluaran.
(4) Memberikan dukungan yang fleksibel untuk mengetahui basis pengetahuan
pemakai.
2.2 Sistem Flow Chart
Sistem flowchart merupakan alat bantu yang banyak digunakan untuk
menggambarkan sistem secara phisik dengan simbol-simbol bagan alir yang
menunjukkan secara tepat arti phisiknya seperti simbol : terminal, hard disk,
laporan dan lain-lainnya. Adapun simbol-simbol standar yang digunakan untuk
membuat bagan alir adalah sebagai berikut : Simbol Terminal Simbol ini
digunakan untuk menggambarkan awal dan akhir suatu sistem. Simbol Data
Simbol ini menggambarkan kegiatan input atau output. Simbol Keputusan Simbol
ini menggambarkan keputusan yang harus dibuat dalam proses pengolahan data.
Simbol Proses Simbol ini menunjukkan operasi yang dilakukan diluar komputer
Simbol Penghubung Penghubung pada halaman yang sama. Dalam
menggambarkan bagan alir dokumen dibuat mengalir dari atas ke bawah dan dari
kiri kekanan. Karena keterbatasan ruang halaman kertas untuk menggambarkan
maka diperlukan simbol penghubung yang memungkinkan aliran dokumen
berhenti disuatu lokasi pada halaman tertentu dan kembali berjalan dilokasi lain
pada halaman yang sama. Simbol Penghubung Penghubung pada halaman yang
13
bawah dan dari kiri kekanan. Karena keterbatasan ruang halaman kertas untuk
menggambarkan maka diperlukan simbol penghubung yang memungkinkan aliran
dokumen berhenti disuatu lokasi pada halaman tertentu dan kembali berjalan
dilokasi lain pada halaman yang berbeda.
Tabel 2.1Simbol-Simbol Flowchart
No Simbol Nama Simbol Keterangan
1. Simbol Termination
Termination adalah suatu simbol untuk memulai dan mengakhiri suatu program.
3. Simbol preparanon
Simbol preparanon adalah memberi nilai awal suatu besaran.
4. Simbol Proses Simbol proses adalah simbol untuk melakukan proses perhitungan rumus.
5. Simbol Decission
Suatu simbol untuk suatu penyeleksian kondisi di dalam program..
6. Simbol Output
Simbol output adalah simbol untuk mencetak hasil atau untuk mengetahui hasil.
7 Symbol connection
Symbol untuk menghubungkan suatu aliran yang berada dalam suatu halaman
8
atau
Symbol link Symbol untuk menggambarkan arah
14
2.3 Basis Data
Basis dapat diartikan sebagai markas atau gudang, tempat bersarang atau
berkumpul. Sedangkan data merupakan representasi fakta dunia nyata yang
mewakili suatu objek seperti manusia (pegawai, siswa, pembeli, pelanggan),
barang, hewan, dan sebagainya. Basis data (database) merupakan kumpulan data
yang saling berhubungan (punya relasi). Relasi biasanya ditunjukkan dengan
kunci (key) dari tiap file yang ada.
Prinsip utama basis data adalah pengaturan data dengan tujuan utama
fleksibilitas dan kecepatan dalam pengambilan data kembali. Adapun tujuan basis
data diantaranya sebagai efisiensi yang meliputi speed, space dan accurancy,
menangani data dalam jumlah besar,dan kebersamaan pemakai (sharebility).
2.3.1 Manfaat Basis Data
a) Kecepatan dan kemudahan (Speed), pemanfaatan basis data memungkinkan
untuk dapat menyimpan, merubah, dan menampilkan kembali data tersebut
dengan lebih cepat dan mudah.
b) Keakuratan (accuracy), pembentukkan relasi antar data bersama dengan
penerapan aturan/batasan (constraint) tipe, domain dan keunikan data dapat
diterapkan dalam sebuah basis data.
c) Kelengkapan (completeness), lengkap/tidaknya data dalam sebuah basis data
bersifat relative. Bila pemakai sudah menganggap sudah lengkap yang lain
belum tentu sama.
d) Kelengkapan (security), untuk menentukan siapa-siapa yang berhak
menggunakan basis data beserta objek-objek didalamnya dan menentukan
15
2.3.2 Istilah Dalam Basis Data
Berikut ini merupakan istilah-istilah dalam database yang perlu diketahui
sebagai dasar, antara lain :
(1) Entity (Entitas), adalah objek data prinsip tentang informasi yang
dikumpulkan (orang, tempat, kejadian atau konsep yang informasinya
direkam). Pada sistem informasi akademik misalnya, maka entity-nya adalah
mahasiswa, mata kuliah atau nilai.
(2) Attribute, atribut menguraikan entitas dimana mereka dihubungkan. Setiap
entity mempunyai atribut atau sebutan untuk mewakili entity. Tabel
mahasiswa dapat dilihat atributnya misalnya : NPM, nama atau alamat.
Atribut juga disebut sebagai elemen, data field atau data item.
(3) Data Value, adalah data aktual atau informasi yang disimpan pada tiap data
elemen atau atribut. Atribut nama siswa menunjukkan tempat informasi
dimana nama siswa itu disimpan, sedangkan data value misalnya : Dony,
Aris atau Rio merupakan isi data mahasiswa tersebut.
(4) Record/Tuple, merupakan kumpulan elemen-elemen yang saling
berhubungan meng-informasikan tentang seseorang misalnya: NPM, nama,
alamat atau nomor telepon. Satu record mewakili satu data atau informasi
tentang seseorang.
(5) Field, merupakan kumpulan record-record sejenis yang mempunyai panjang
elemen yang sama, atribut yang sama, namun berbeda-beda nama value-nya.
(6) Atribut Kunci, dalam setiap file selalu terdapat kunci yang berupa satu field
16
a. Kunci Primer (Primary Key), adalah atribut atau satu set minimal atribut yang
tidak hanya mengidentifikasikan secara unik suatu kejadian spesifik, tetapi
juga dapat mewakili setiap kejadian dari suatu entity. Setiap kandidat
mempunyai peluang menjadi kunci primer.
b. Kunci Kandidat (Candidate Key), adalah suatu atribut atau satu set minimal
yang mengidentifikasikan secara unik suatu kejadian spesifik dari entity. Satu
minimal set atribut menyatakan secara tak langsung dimana beberapa atribut
dalam satu set tidak dapat dibuang tanpa merusak kepemilikan yang unik. Jika
suatu kandidat berisi lebih dari satu atribut, maka biasanya disebut kunci
komposit (gabungan).
c. Kunci Tamu (Foreign Key), adalah satu atribut atau satu set minimal atribut
yang melengkapi satu relationship yang menunjukkan ke induknya. Kunci
tamu ditempatkan pada entity anak dan sama dengan kunci primer induk
direlasikan. Hubungan antara entity anak dan entity induk adalah hubungan set
lawan banyak (one to many relationship).
d. Kunci Alternatif (Alternate Key), adalah kunci kandidat yang tidak dipakai
sebagai kunci primer. Kerap kali kunci alternatif dipakai sebagai kunci
pengurutan dalam laporan.
Relasi, adalah hubungan antar file yang direlasikan dengan kunci relasi
(Relation Key), yang merupakan kunci utama dari masing-masing file, yang
menyajikan asosiasi antara dua entitas atau lebih.
2.4 Entity Relationship Diagram (ERD)
Entity relationship diagram (ERD) untuk mendokumentasikan data
17
merupakan suatu model jaringan yang menggunakan susunan data yang disimpan
pada system secara abstrak. ERD juga menggambarkan hubungan antara satu
entitas yang memiliki sejumlah atribut dengan entitas yang yang lain dalam suatu
sistem yang terintegrasi. ERD digunakan oleh perancang system untuk
memodelkan data yang nantinya akan dikembangkan menjadi basis data
(database). Model data ini juga akan membantu pada saat analisis dan
perancangan basis data, karena model data ini akan menunjukkan
bermacam-macam data yang dibutuhkan dan hubungan antar data. ERD ini juga merupakan
model konseptual yang dapat mendiskripsikan hubungan antara file yang
digunakan untuk memodelkan struktur data serta hubungan antar data.
ERD terbagi atas tiga komponen, yaitu entitas (entity), atribut (attribute),
dan relasi atau hubungan (relation). Secara garis besar entitas merupakan dasar
yang terlibat dalam system. Atribut atau field berperan sebagai penjelas dari
entitas, dan relasi atau hubungan menunjukkan hubungan yang terjadi antara dua
entitas.
Tabel 2.2Simbol-simbol Entity relationship diagram (ERD)
Simbol Keterangan
Adalah obyek pointer yang digunakan untuk memilih dan
melakukan perubahan properti pada obyek yang dipilih
Adalah obyek Entity yang digunakan untuk membuat Entity
pada rancangan CDM
Adalah Obyek Relationship yang digunakan untuk
18
2.5 AHP ( Analitycal Hierarchy Proses )
Metode AHP merupakan salah satu model pengambilan keputusan yang sering
digunakan, umumnya digunakan dengan tujuan untuk menyusun prioritas dari
berbagai alternatif / pilihan yang ada dan pilihan-pilihan tersebut bersifat
kompleks atau multi kriteria. Dengan menggunakan AHP prioritas yang
dihasilkan akan bersifat konsisten dengan teori, logis, transparan dan partisipatif.
Dengan tuntutan yang semakin tinggi berkaitan dengan transparansi dan
partisipasi AHP sangat cocok digunakan untuk penyusunan prioritas kebijakan
publik yang menuntut transparansi dan partisipasi (Saaty T, 1993).
Untuk mengidentifikasi masalah yang dihadapi oleh perusahaan prodia
yang berkecimpung dalam bidang laboratorium maka digunakan pendekatan
AHP. Salah satu teknik pengambilan keputusan/ optimasi multivariate yang
digunakan dalam analisis kebijaksanaan. Pada hakekatnya AHP merupakan suatu
model pengambil keputusan yang komprehensif dengan memperhitungkan hal-
hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan
dengan AHP pada dasarnya berusaha menutupi semua kekurangan dari
model-model sebelumnya. AHP juga memungkinkan ke struktur suatu sistem dan
lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan
mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem
(Saaty, 2001)
Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan
input utamanya adalah persepsi manusia. Jadi perbedaan yang mencolok model
AHP dengan model lainnya terletak pada jenis inputnya. Terdapat 4
19
(1) Reciprocal Comparison artinya pengambilan keputusan harus dapat memuat perbandingan dan menyatakan preferensinya. Prefesensi tersebut
harus memenuhi syarat resiprokal yaitu apabila A lebih disukai daripada B
dengan skala x, maka B lebih disukai daripada A dengan skala 1/x
(2) Homogenity artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen- elemennya dapat dibandingkan
satu sama lainnya. Kalau aksioma ini tidak dipenuhi maka elemen- elemen
yang dibandingkan tersebut tidak homogen dan harus dibentuk cluster
(kelompok elemen) yang baru
(3) Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh
objektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam
AHP adalah searah, maksudnya perbandingan antara elemen-elemen dalam
satu tingkat dipengaruhi atau tergantung oleh elemen-elemen pada tingkat
diatasnya
(4) Expectation artinya untuk tujuan pengambil keputusan. Struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka pengambil
keputusan tidak memakai seluruh kriteria atau objectif yang tersedia atau
diperlukan sehingga keputusan yang diambil dianggap tidak lengkap
Selanjutnya Saaty (2001) menyatakan bahwa proses hirarki analitik (AHP)
menyediakan kerangka yang memungkinkan untuk membuat suatu keputusan
efektif atas isu kompleks dengan menyederhanakan dan mempercepat proses
pendukung keputusan. Pada dasarnya AHP adalah suatu metode dalam merinci
20
komponennya. Artinya dengan menggunakan pendekatan AHP kita dapat
memecahkan suatu masalah dalam pengambilan keputusan.
2.5.1 Karakteristik Model AHP
AHP adalah salah satu bentuk model pengambilan keputusan yang pada
dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya.
Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input
utamanya persepsi manusia. Dengan hirarki, suatu masalah yang kompleks dan
tidak terstruktur dipecah ke dalam kelompok-kelompoknya dan kemudian
kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Saaty T, 1993).
Model AHP memakai persepsi manusia yang dianggap “pakar” sebagai
input utamanya. Kriteria “pakar” disini bukan berarti bahwa orang tersebut
haruslah jenius, pintar, bergelar doktor dan sebagainya tetapi lebih mengacu pada
orang yang mengerti benar permasalahan yang diajukan, merasakan akibat suatu
masalah atau punya kepentingan terhadap masalah tersebut. Bisa dikatakan bahwa
model AHP adalah suatu model pengambilan keputusan yang komprehensif,
memperhitungkan hal-hal kuantitatif dan kualitatif sekaligus (Saaty T, 1993).
Sama halnya dengan metode-metode pengambilan keputusan lainnya, yang
memiliki prinsip-prinsip kerja dasar, pengambilan keputusan dalam metodologi
AHP didasarkan pada 3 prinsip pokok, yaitu:
a. Penyusunan hirarki
Penyusunan hirarki permasalahan merupakan langkah untuk mendefinisikan
masalah rumit dan kompleks sehingga menjadi lebih jelas dan detail. Bentuk
sebuah hirarki tergantung dari pengetahuan dan pengalaman seseorang, untuk
21
berbeda. Keputusan yang akan diambil dijadikan sebagai tujuan yang
dijabarkan menjadi elemen-elemen yang lebih rinci hingga mencapai suatu
tahapan yang paling operasional/terukur. Hirarki permasalahan akan
mempermudah pengambilan keputusan untuk menganalisis dan mengambil
kesimpulan yang harus dilakukan terhadap masalah tersebut. Contoh hirarki
dapat dilihat pada gambar 2.3 :
Gambar 2.3 Hirarki 3 Level AHP
b. Penentuan prioritas
Prioritas dari elemen-elemen kriteria dapat dipandang sebagai
bobot/kontribusi elemen tersebut terhadap tujuan pengambilan keputusan. AHP
melakukan analisis prioritas elemen dengan metode perbandingan berpasangan
antar 2 elemen hingga semua elemen yang ada tercakup. Prioritas ini
ditentukan berdasarkan pandangan para pakar dan pihak-pihak yang
berkepentingan terhadap pengambilan keputusan, baik secara langsung
(diskusi) maupun tidak langsung (kuesioner).
c. Konsistensi logis
Konsistensi jawaban para responden dalam menentukan prioritas
elemen merupakan prinsip pokok yang akan menentukan validitas data dan hasil
22
dalam melakukan perbandingan elemen dengan contoh sebagai berikut: jika A>B
dan B>C, maka secara logis responden harus menyatakan bahwa A>C,
berdasarkan nilai-nilai numerik yang disediakan oleh (Saaty T, 1993).
2.5.2 Prinsip Kerja AHP
Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang
tidak terstruktur, stratejik, dan dinamik menjadi bagian-bagiannya, serta menata
dalam suatu hierarki. Kemudian tingkat kepentingan setiap variabel diberi nilai
numerik secara subjektif tentang arti penting variabel tersebut secara relatif
dibandingkan dengan variabel lain. Dari berbagai pertimbangan tersebut
kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas
tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut (Mulyono,
1996).
2.5.3 Langkah dan Prosedur AHP
Secara umum langkah-langkah yang harus dilakukan dalam menggunakan
AHP untuk pemecahan suatu masalah adalah sebagai berikut:
a. Pembentukan hirarki
Hirarki dapat membantu untuk menyederhanakan suatu masalah yang rumit
menjadi lebih terstruktur. Sebuah hirarki menunjukkan pengaruh tujuan dari level
atas sampai pada level yang paling bawah. Hirarki dapat diuraikan menjadi dua
jenis, yaitu :
1) Hirarki struktural, yaitu suatu pembagian masalah yang rumit ke dalam
kelompok-kelompok yang lebih kecil.
2) Hirarki fungsional, yaitu suatu penguraian masalah ke dalam beberapa bagian
23
Pada tahap ini dilakukan langkah-langkah sebagai berikut :
(1) Mendefinisikan masalah dan penentuan solusi yang diinginkan.
(2) Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan
dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif-alternatif
pada tingkatan kriteria yang paling bawah (Djiwo Harsono, 2007).
b. Pair-wise comparison
Merupakan perbandingan berpasangan yang digunakan untuk
mempertimbangkan faktor-faktor keputusan atau alternatif-alternatif dengan
memperhitungkan hubungan antara faktor dan sub faktor itu sendiri. Adapun skala
pembanding yang digunakan dapat dilihat pada tabel 2.3 di bawah ini.
Tabel 2.3 Skala Penilaian Perbandingan Berpasangan
Nilai Interpretasi 1 Oi dan Oj sama penting
3 Oi sedikit lebih penting daripada Oj
5 Oi kuat tingkat kepentingannya daripada Oj
7 Oi sangat kuat tingkat kepentingannya daripada Oj 9 Oi mutlak lebih penting daripada Oj
2,4,6,8 Nilai-nilai intermediate
Pada tahap ini dilakukan langkah-langkah sebagai berikut :
(1) Membuat matriks perbandingan berpasangan untuk alternatif pada tiap
dimensi. Nilai perbandingan kepentingan alternatif i (Ai) terhadap alternatif j
(Aj) dapat dinotasikan sebagai aij, dan nilai aji = 1 / aij. Sebagai contoh,
matriks perbandingan berpasangan untuk alternatif pada dimensi Reliability
24
Tabel 2.4 Matriks Perbandingan Berpasangan Untuk Alternatif Kriteria ke-j
Matriks perbandingan berpasangan tersebut juga dilakukan pada empat
dimensi yang lain.
(2) Untuk mendapatkan nilai perbandingan kepentingan untuk bagian dimensi
dan bagian alternatif, matriks perbandingan berpasangan diatas dibuat
sebagai kuisioner pembobotan yang akan diberikan pada responden sebagai
pengambil keputusan. Dalam hal ini adalah pihak manajemen rumah sakit,
misalnya direktur atau wakil direktur bagian medis rumah sakit.
(3) Dari hasil matriks perbandingan tersebut, kemudian dilakukan sintesis
perbandingan dan dapatkan nilai prioritas. Hal ini dilakukan pada semua
matriks yang telah dibuat, baik pada bagian dimensi maupun alternatif, yaitu
dengan tahap berikut ini :
(a) Hitung Total Kolom
Jumlahkan nilai kepentingan (yaitu nilai dij untuk dimensi dan aij untuk
alternatif) pada tiap kolom pada masing-masing matriks.
(b) Buat Normalized Matriks
Bagilah tiap nilai kepentingan dengan total kolom pada masing-masing
25
Nilai Normalisasi =
n(c) Hitung Nilai Prioritas
Dengan cara menghitung rata-rata untuk tiap baris pada normalized matriks.
c. Pengecekan konsistensi
Pengecekan konsistensi dilakukan untuk melihat apakah perbandingan
berpasangan yang sudah dibuat masih berada di dalam batas kontrol penerimaan
atau tidak. Jika ternyata tidak, maka perlu dilakukan kajian ulang untuk
menyelidiki apakah konsistensi tersebut dapat diaplikasikan.
Langkah-langkah yang dilakukan dalam tahap pengecekan konsistensi adalah
sebagai berikut :
(1) Membuat matriks nilai kolom kali nilai prioritas, dengan cara kalikan setiap
nilai kepentingan pada matriks perbandingan berpasangan pada kolom j
dengan nilai prioritas pada baris ke-i, dimana j = i.
(2) Hitung total kolom : jumlahkan tiap kolom pada matriks tersebut.
(3) Kemudian bagilah total kolom dengan nilai prioritas pada tiap variabel.
(4) Hitung max : rata-rata dari hasil point 3 diatas.
dimana n : jumlah item/variabel yang dibandingkan.
(6) Hitung Consistency Ratio (CR) :
RI CI
CR , (2 . 3) di mana RI adalah
indeks random konsistensi. Jika rasio konsistensi ≤ 0.1, hasil perhitungan
data dapat dibenarkan.
26
(7) Menyusun matriks baris antara alternative versus kriteria yang isinya hasil
perhitunganyang tertinggi.
(8) Hasil alhirnya berupa prioritas global sebagai nilai yang digunakan oleh pengambil
keputusan berdasarkan skor.
Dimana RI : random index yang nilainya dapat dilihat pada tabel 2.5 (Saaty T,
1986).
Tabel 2.5 Nilai Indeks Random
Ukuran Matriks Nilai RI
1,2 0,00
Jika CR < 0,1 maka nilai perbandingan berpasangan pada matriks kriteria yang
diberikan konsisten. Jika CR > 01, maka nilai perbandingan berpasangan pada matriks.
kriteria yang diberikan tidak konsisten. Sehingga jika tidak konsisten, maka pengisian
nilai-nilai pada matriks berpasangan pada unsure kriteria maupun alternatif harus diulang.
Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak ada yang
baku, hanya menurut beberapa eksperimen dan pengalaman inkonsistensi sebesar
10% ke bawah ialah tingkat inkonsistensi yang masih dapat diterima
Apabila A adalah matriks perbandingan berpasangan yang tidak konsisten,
27
a. Menormalkan setiap kolom j dalam matriks A, sedemikian hingga
i ij a = 1,
yang disebut sebagai A’
b. Untuk setiap baris i dalam A’, hitunglah nilai rata-ratanya wi =
jdengan wi adalah bobot tujuan ke-i dari vektor bobot.
2.6 TOPSIS
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
adalah salah satu metode pengambilan keputusan multikriteria. Dengan ide
dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan
solusi ideal dan yang terjauh dari solusi ideal negatif.
TOPSIS memperhatikan baik jarak ke solusi ideal maupun jarak ke solusi
ideal negatif dengan mengambil hubungan kedekatan menuju solusi ideal. Dengan
melakukan perbandingan pada keduanya, urutan pilihan dapat ditentukan.
Berikut ini adalah matriks D yang memiliki m alternatif dengan n kriteria,
dimana xij adalah pengukuran pilihan dari alternatif ke-i dalam hubungannya
dengan kriteria ke-j (Turban Efraim, 1995).
Langkah-langkah yang dilakukan dalam penyelesaian masalah
menggunakan metode TOPSIS adalah sebagai berikut :
Langkah 1 : Normalisasi matriks keputusan
Setiap elemen pada matriks D dinormalisasi untuk mendapatkan matriks
normalisasi R. setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan:
28
Langkah 2 : Pembobotan pada matriks yang telah dinormalisasi
Diberikan bobot W = (w1,w2, … , wn), sehingga weighted normalised
matrixV dapat dihasilkan sebagai berikut :
Langkah 3 : Menentukan Solusi ideal dan Solusi ideal negatif
Solusi ideal dinotasikan dengan A* dan solusi ideal negatif dinotasikan
dengan A-, sebagai berikut :
A*= {(max vij | j Є J), (min vij | j Є J’ ), i = 1,2,3,…,m} = {v1*,v2*,…,vn*}
A-= {(min vij | j Є J), (max vij | j Є J’ ), i = 1,2,3,…,m} = {v1-,v2-,…,vn-}
Dimana ;
J = {j = 1,2,3,…,n dan j berhubungan dengan benefit criteria}
J’ = {j = 1,2,3,…,n dan j berhubungan dengan cost criteria}
Pembangunan A* dan A – adalah untuk mewakili alternatif yang most
preferable ke solusi ideal dan yang least preferable secara berurutan.
Langkah 4 : Menghitung Separation Measure
Separation measure ini merupakan pengukuran jarak dari suatu alternatif
ke Solusi Ideal dan Solusi Ideal Negatif. Perhitungan matematisnya adalah
sebagai berikut :
(2 , 6)
(2 , 7)
(2 , 8)
29
a. Solusi ideal
b. Solusi ideal negatif
Langkah 5 : Menghitung kedekatan relatif dengan solusi ideal
Kedekatan relatif dari alternatif Aidengan solusi ideal A* direpresentasikan
dengan :
Dikatakan alternatif Ai dekat dengan solusi ideal apabila Ci* mendekati 1.
Jadi, Ci*= 1, jika Ai = A*, dan Ci-= 0, jika Ai = A-.
Langkah 6 : Mengurutkan pilihan
Pilihan akan diurutkan berdasarkan pada nilai Ci* , sehingga alternatif
dengan jarak terpendek dengan solusi ideal adalah alternatif yang terbaik.
Contoh kasus sistem pendukung keputusan menggunakan metode AHP dan
TOPSIS.
(2 , 10)
(2 , 11)
30
Contoh dari penggunaaan aplikasi sistem pendukung keputusan penerimaan
pegawai menggunakan gabungan dari metode ahp dan topsis.
Tabel 2.6 Syarat Non Lab Lowongan
Kode lowongan
jenis kelamin pendidikan Jurusan IPK pengalaman
kerja
Tabel 2.7 Data Non Lab Pelamar
Kode Pelamar
nama Jenis Kelamin
pendidikan Jurusan ipk pengalaman
kerja
Dari tabel syarat non laboratorium yang diinginkan bila dibandingkan dengan
pelamar yang masuk. Dari perbandingan kedua tabel itu manakah calon pelamar yang
mempunyai nilai yang paling rendah. Pelamar yang memenuhi non laboratorium
dianggap lulus. Pelamar yang lolos pada tahap ini adalah:
Tabel 2.8 Daftar Pelamar Lulus Tes
Kode Pelamar
nama Jenis Kelamin
pendidikan Jurusan ipk pengalaman
kerja
Dari tabel diatas yang mempunyai nilai terendah dalam urutan ipk adalah
meta, meskipun pendidikan yang dimiliki sudah s2, tetapi disini ipk yang sangat
31
melakukan proses selanjutnya yaitu tes wawancara terhadap masing-masing pelamar.
Dalam tes wawancara yang dilakukan oleh pihak Prodia ada 2 penilaian yaitu
penilaian tentang penampilan dan penilaian terhadap tata bahasa sampai diketahui
nilai dari keduanya, seperti contoh dibawah ini :
Tabel 2.9 Nilai tes wawancara
Nama penampilan tatabahasa pengambilan
keputusan
Tabel 2.10 Daftar pelamar lolos tes wawancara
Pelamar nama
PLM 01 desi
PLM 03 ali
PLM 05 andry
PLM 06 tanty
Sama halnya dengan sebelumnya dibandingkan dulu syarat yang
dibutuhkan untuk pelamar non lab dengan data pelamar yang masuk, sesudah
dibandingkan baru bisa dilihat, mana yang paling rendah tingkatannya maka itu
yang akan keluar dan tidak akan melanjutkan pada sesi berikutnya. Sesudah
melakukan tes wawancara dilakukan dan sudah terpilih kandidat yang memenuhi
kriteria maka akan dilakukan tes tentang bakat dan minat masing-masing pelamar.
Untuk tes bakat dan minat ada beberapa faktor yang perlu diperhatikan yaitu
tentang analogis verbal, kemampuan dalam angka, analisa simbol, penalaran
32
Tabel 2.11 Nilai tes bakat dan minat
Kode
Tabel 2.12 Daftar pelamar tes bakat dan minat
Kode
Tabel 2.13 Nilai perbandingan tes psikologi
PRI KCD KTH
PRI 1 2 6
KCD 0,5 1 4
KTH 0,25 0,33 1
Total 1,166 3.25 11
Selanjutnya menormalisasikan matriks, membagi nilai pada tiap entity dengan
nilai tiap kolom maka didapat
Tabel 2.14 Normalisasi perbandingan antar kriteria
PRI KCD KTH
PRI 0.6 0.615 0.545
KCD 0.3 0.308 0.364
KTH 0.1 0.077 0.091
Selanjutnya mencari rata – rata bobot prioritas dengan menjumlahkan tiap
33
Tabel 2.15 Bobot Prioritas Kriteria
Bobot Pcd+kcd+kth Prioritas
PRI (0.6 + 0.616 + 0.545) : 3 0.587
KCD ( 0.3 + 0.308 + 0.364) :3 0.324
KTH (0.1 + 0.077 + 0.091) : 3 0.089
Total 1
Kemudain melakukan uji konsistensi dimana dalam evaluasi ini dilakukan
dengan memperhatikan nilai CR. Penilaian dianggap konsistensi jika nilai CR < = 0.1
Langkah dalam melakukan uji konsistensi adalah :
(1) Kolom pada matriks asli dikali dengan bobot prioritas.
(2) Selanjutnya mencari λ maksimal dengan membagi total tiap baris dengan
bobot prioritas seperti 1,770 : 0,587 = 3,0153
λ maksimal = (3,059 + 3,0094 + 3,0024) : 3 = 3,0092
(3) Setelah λ maksimal didapat, maka Consistency Index ( CI ) dicari dengan
CI = ( λ mak – n ) : ( n -1 ) = ( 3,0092 - 3) : ( 3 - 1) = 0,0048
(4) Menghitung CR
CR = CI : IR =0,0046 : 0,58 = 0,0079
Nilai IR didapat dari table disesuaikan dengan ukuran matriks. Karena nilai
CR < = 0,1 maka dianggap konsisten.
Selanjutnya membuat matriks perbandingan antar level 3 dengan
memperhatikan keterkaitan dengan level 2. Perbandingan pelamar dalam kepentingan
alternative kepribadian
Tabel 2.16 Perbandingan pelamar terhadap kriteria kepribadian
desi andri Tanti
Desi 1 0,25 0.5
Andri 4 1 3
34
Tabel 2.17 Perbandingan pelamar terhadap kriteria kecerdasan
PLM01 PLM05 PLM06
PLM01 1 2 1
PLM05 0,5 1 0,5
PLM06 1 2 1
Tabel 2.18 Perbandingan pelamar terhadap kriteria ketahanan
PLM01 PLM05 PLM06
PLM01 1 1 1
PLM05 1 1 1
PLM06 1 1 1
Tabel 2.19 Bobot Prioritas pelamar terhadap kriteria
PRI KCD KTH
PLM01 0,323 0,321 0,281
PLM05 0,223 0,188 0,245
PLM06 0,342 0,376 0,316
Tabel 2.20 Bobot Prioritas Global
PRI KCD KTH Prioritas
Dari hasil percobaan menggunakan metode AHP selanjutnya dapat
menggunakan metode TOPSIS. Nilai dari tabel bobot prioritas global selanjutnya
dapat menghitung matrik keputusan. Tabel dibawah ini menunjukkan rangking
kecocokan dari setiap alternatif (lihat tabel 2.21 dibawah ini)
Alternatif Criteria
C! C2 C3
PLM01 0,323 0,321 0,281
PLM05 0,225 0,188 0,245
PLM06 0,324 0,376 0,316
35
Dari tabel diatas kemudian dapat menghitung bobot preferensi untuk setiap
kriteria C!, C2, C3 = 5, 4, 2, kemudian dapat menghitung rangking tiap alternatif
matrik keputusan ternormalisasi sebagai berikut :
m
i
xij xy ry
1 2
Perhitungannya sebagai berikut :
Demikian sampai didapat hasil dari matrik keputusan yang ternormalisasi
sebagai berikut
R = 0.6336 0.6069 0.5753
0.4413 0.3555 0.5016
0.6355 0.7109 0.6470
Setelah didapat nilai R selanjutnya dapat menghitung matrik keputusan ternormalisasi
terbobot seperti contoh perhitungan dibawah ini :
36
0.4413 0.3555 0.5016 X (5,4,2) =
0.6355 0.7109 0.6470
Dan akan menghasilkan nilai Y yang dicari, nilai Y = 3,168 2.4276 1.1506
2.2065 1.422 1.0032
3.1775 2.8436 1.294
Dengan mendapatkan hasil Y dari perhitungan matrik keputusan
ternormalisasi terbobot sehingga dapat mengitung nilai ideal positif dan nilai bobot
negatif seperti contoh perhitungan dibawah ini :
Solusi ideal positif : y1+ = 3.1775
Y2+ = 2,8436
Y3+ = 1.294
A+ = ( 3.1775, 2,8436, 1.294 )
Sedangkan nilai solusi ideal negatif : y1- = 2.2065
Y2- = 1.422
Y3- = 1.0032
A- = ( 2.2065, 1.482, 1,0032 )
Sesudah itu menghitung jarak nilai terbobot setiap alternatif terhadap solusi
ideal positif, perhitungannya seperti dibawah ini :
D1+ = √ (0.0000903 + 0.173056 + 0.205636) = √0.378723 = 0.6154529
D2+ = √(0.942841 + 2.0209466 + 0.0845646) = √3.0483522 = 1.7459531
D3+ = √0 + 0 + 0 = 0
Jarak nilai terbobot alternatif solusi ideal negatif, perhitungannya seperti dibawah ini :
D1- = √(0.9244825 + 1.01123136 + 0.02172676) = √1.95744037 = 1.399086
D2- = √(0 + 0 + 0 ) = 0
37
Dari didapatnya nilai alternatif terhadap solusi ideal positif dan nilai solusi
ideal negatif selanjutnya dapat menghitung kedekatan setiap alternatif terhadap solusi
ideal keduanya :
V1 = 1.3990856 / (1.39990856 + 0.6154512) = 0.69449435
V2 = 0 / (0+ 1.7459531) = 0
V3 = 1.7459531 / (1.7459531 + 0) = 1
Dari nilai V (jarak kedekatan setiap alternatif terhadap solusi ideal) diperoleh
nilai V3 memiliki nilai terbesar, sehingga yang akan dipilih sebagai calon pegawai di
Laboratorium Klinik Prodia Surabaya adalah Tanti.
38
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Pada bab ini akan dijelaskan mengenai perancangan dari perangkat lunak
yang akan dibuat. Perancangan perangkat lunak yang akan dijelaskan mengenai
sistem pendukung keputusan untuk pemilihan karyawan Prodia dibutuhkan untuk
membantu atau mempermudah dalam pencarian karyawan sehingga data yang
diangkat akan semakin valid.
Seperti yang dijelaskan pada latar belakang dari penulisan tugas akhir ini.
Adanya keinginan untuk perangkat lunak dalam pemilihan karyawan baru Prodia.
Dalam kasus ini berarti adanya kebutuhan admin untuk mendapatkan bagian
tertentu dari suatu perangkat lunak yang akan dibuat. Di bagian ini user
melakukan input data pelamar yang mana nantinya akan dilakukan proses
perhitungan menggunakan ahp dan metode perhitungan topsis. Setelah melakukan
input sebuah data pelamar, maka data tersebut diproses dengan menggunakan 2
metode yang nantinya hasil dari proses tersebut adalah salah satu kandidat
pelamar yang mempunyai nilai yang paling tinggi.
Perangkat lunak yang di buat harus bisa melakukan proses perhitungan yang
nantinya akan membantu kerja dari HRD Prodia atau kabag personalia yang
bertugas dalam pemilihan karyawan baru. Dalam perangkat lunak harus bisa
ditampilkan semua nama calon kandidat yang melamar diklinik tersebut secara
keseluruhan. Sesudah dilakukan pemasukan input kedalam sistem langkah
selanjutnya yaitu memproses dengan menggunakan perhitungan metode ahp dan
39
topsis yang kemudian dari proses tersebut akan ditampilkan hasil output yang
ingin dicapai yaitu sebuah list semua nama calon pelamar dari nilai yang tertinggi
hingga yang mempunyai nilai yang terendah.
Berikut adalah flowchart dari pembuatan aplikasi sistem pendukung
keputusan dalam penerimaan pegawai Prodia Surabaya.
start
Gambar 3.1 Flowchart Sistem Aplikasi menggunakan AHP dan TOPSIS
Dari flowchart diatas dapat dijelaskan bahwa proses yang pertama kali
dilakukan adalah user (calon pelamar) menginputkan data pelamar dengan cara
memasukkan semua data-data yang diperlukan, kemudian sistem akan mengecek
40
sesuai yang diinginkan maka akan lanjut pada proses wawancara, tes bakat minat
jika ada, yang kemudian dilakukan proses ahp dan proses topsisnya untuk mencari
solusi ideal negatif dan solusi ideal negatif, dari nilai solusi ideal dapat
disimpulkan siapa saja calon dari list yang mempunyai nilai yang paling tinggi itu
yang akan menjadi pegawai Prodia.
3.2 Perancangan Sistem
Dalam mendesain suatu sistem perangkat lunak hal yang paling sulit
adalah dalam desain sistemnya, dengan desain sistem yang baik maka akan
meningkatkan kualitas dari sistem perangkat lunak yang dibuat. Desain sistem
tersebut terdiri dari context diagram, data flow diagram, dan entity relationship
diagram.
3.2.1 Diagram Konteks
Berikut ini adalah diagram alur rancangan perangkat lunak secara global.
41
Keterangan :
(1) User memasukkan data-datanya sebagai pelamar kedalam sistem yang sudah
tersedia.
(2) Manager personalia memasukkan data bobot kriteria untuk perhitungan setiap
pelamar dimana range angka yang telah direkomendasi antara 1-9.
(3) Manager personalia memasukkan nilai wawancara kedalam sistem penerimaan
pegawai Prodia.
(4) Manager personalia juga memasukkan ID calon pegawai yang masuk untuk
dihitung dengan menggunakan metode AHP dan TOPSIS.
(5) Sesudah manager personalia memasukkan semua yang diperlukan maka
sistem akan memberikan data hasil yang diinginkan yang didapat dari
perhitungan AHP dan TOPSIS.
3.2.2 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) merupakan alat yang biasa dipakai untuk
mendokumentasikan proses dalam sistem. Dengan DFD kita dapat mengetahui
aliran informasi secara detail dan mempermudah melakukan penelusuran jika
terjadi kesalahan. Aliran-aliran dan jalur-jalur ini membentuk suatu diagram yang
merupakan model logika dari proses pengubahan data diatas, tidak
menggambarkan dan menjelaskan mengenai peralatan komputer ataupun
media-media penyimpanan seperti disket dan media-media pencetakan data seperti printer
didalamnya sebagai alat pengolahan data. Data Flow Diagram (DFD) ini sangat
penting didalam merancang sistem yang kompleks. Semua hal yang berhubungan
42
3.2.2.1 Data Flow Diagram Level 0
Adapun gambaran umum dari data flow diagram level 0 dapat dilihat pada
gambar dibawah ini :
manager personalia
master
proses
1 data tenaga kerja tenaga kerja
2
bobot kriteria bobot kriteria
hasil perhitungan ahp dan topsis
data tenaga kerja
Gambar 3.3 Data Flow Diagram Level 0
Dari gambaran umum data flow diagram level 0, pada proses master data
ini hanya memiliki satu proses, yaitu manager personalia. manager personalia
yang dapat memberikan masukan kedalam proses. Satu-satunya proses tersebut
adalah master data. Entitas luar yang sangat berperan dalam proses ini adalah
manager personalia. manager personalia sebagai pelaku yang memasukkan data
calon tenaga kerja dan data kriteria kedalam inputan proses master data. Hasil dari
proses master data ini akan disimpan kedalam data storage.
3.2.2.2 Data Flow Diagram Level 1 Master
Adapun gambaran umum dari data flow diagram level 1 dapat dilihat pada
Gambar 3.4 Data Flow Diagram Level 1 Master Data
3.2.2.3 Data Flow Diagram Level 1 Proses
Adapun gambaran umum dari data flow diagram level 1 proses dapat
dilihat pada gambar dibawah ini
manager
Gambar 3.5 Data Flow Diagram Level 1 Proses
3.2.3 Conceptual Data Model (CDM)
Conceptual data model (CDM) adalah kumpulan dari
komponen-komponen himpunan entitas dan himpunan relasi yang masing-masing dilengkapi
dengan atribut-atribut yang merepresentasikan seluruh fakta dari “dunia nyata”
44
Gambar 3.6Conceptual Data Model (CDM)
Keterangan :
Di dalam CDM (conceptual data model) terdapat beberapa entitas dan
atribut-atributnya, diantaranya:
(1) Entitas alternatif
Mempunyai atribut pendidikan, pengalaman, umur, nilai, jurusan. Untuk
entitaalternatif mempunyai hubungan relasi many to one dengan entitas
kriteria pegawai. Hal ini dikarenakan setiap user mempunyai beberapa
alternatif dimiliki oleh satu pegawai.
(2) Entitas pegawai
Di dalam entitas kriteria pegawai mempunyai atribut id pegawai, nama,
alamat, usia, jurusan, pendidikan, nilai, pengalaman kerja. (lihat erd diatas)
Entitas kriteria pegawai mempunyai hubungan relasi one to many dengan
kriteria dan wawancara, yang artinya setiap kriteria pasti memiliki banyak
45
(3) Entitas kriteria
Dalam entitas hasil pertanyaan memiliki atribut kriteria, pendidikan, jurusan,
pengalaman. Entitas kriteria mempunyai hubungan relasi many to one dengan
entitas pegawai, yang artinya beberapa nilai kriteria dimiliki satu pegawai.
(4) Entitas wawancara
Dalam entitas wawancara memiliki atribut posisi, nilai administrasi, nilai
wawancara, nilai total. Entitas wawancara mempunyai hubungan relasi many
to one dengan entitas pegawai, yang artinya beberapa nilai wawancara
dimiliki satu pegawai.
3.2.4 Physical Data Model (PDM)
Physical Data Model (PDM) adalah himpunan lanjutan
komponen-komponen dari Concept Data Model.
46
3.3 Perancangan Antar Muka Pemakai
Antarmuka pemakai (user interface) merupakan bagian yang paling
penting dalam suatu pemrograman, karena berfungsi untuk menghubungkan
antara program dan pemakainya. Antarmuka pemakai merupakan suatu interaksi
antara manusia dengan mesin, yang tidak lain adalah program komputer.
Perancangan antar muka pemakai dibuat dengan tujuan untuk
memudahkan pemakai dalam melakukan interaksi dengan program, yaitu program
sistem pakar. Pada program sistem pakar ini, perancangan antar muka pemakai
menggunakan fasilitas-fasilitas yang dimiliki bahasa pemrograman, yang
menggunakan dan berbasiskan grafik yaitu Microsoft Visual Basic 6.0. Dalam
perancangan antarmuka pemakai akan dibuat menu-menu pilihan yang disediakan
untuk dipilih oleh pemakai, selain menggunakan keyboard juga menggunakan
mouse untuk melakukan interaksi antara pengguna dengan program. Perancangan
antarmuka ini akan dibuat sesederhana mungkin dan tidak terlalu rumit sehingga
dapat dengan mudah dimengerti oleh pengguna.
3.4 Struktur Database Pengetahuan
Desain struktur data untuk basis pengetahuan (knowledge base) program
sistem pakar ini dibuat dalam tabel yang saling berhubungan, yaitu :
(1) Tabel pegawai (id_pegawai, nama_pegawai, alamat, no_tlp, tempat_lahir,
tgl_lahir, pendidikan, jurusan, nilai, posisi, foto, pengalaman, passw)
(2) Tabel alternatif (id_pegawai, pendidikan, pengalaman, umur, nilai,
