Jurnal Multimedia dan Teknologi Informasi

(1)

Journal Homepage: www.journal.cattleyadf.org/index.php/jatilima

SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN JABATAN

PIMPINAN TINGGI PRATAMA DENGAN METODE SIMPLE ADDICTIVE WEIGHTING

Nina Karina Lolo Bintang

Stmik Pelita Nusantara

E-mail : ninakaelbintang@ymail.com

Abstract

The recruitment of the Primary High Leadership positions at the BKD is carried out openly by forming a selection committee with full responsibility starting from the administrative process of the candidates, conducting examinations and determining the value obtained. Another finding is the accumulation of files because the administrative requirements require documents from the registering candidates. The SAW method is more efficient because the time required for calculation is shorter. The SAW method requires a decision matrix normalization process (X) to a scale that can be compared with all existing alternative ratings. Of the four people who took part in the selection, the first rank was Canika Sinulingga with a score of 18.

Keywords : Decision Making, Appointment Of Employees, SAW Method. Abstrak

Rekrutmen jabatan Pimpinan Tinggi Pratama pada BKD dilakukan secara terbuka dengan membentuk panitia seleksi dengan tanggung jawab penuh mulai dari proses administrasi para calon, pelaksanan ujian dan penentuan nilai yang diperoleh. Temuan yang lainnya adalah terjadinya penumpukan berkas karena syarat adminsitrasi membutuhkan berkas-berkas dari para calon yang mendaftar. Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih singkat. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Dari empat orang yang mengikuti seleksi, peringkat pertama yaitu Dapatika Sinulingga dengan nilai 18.

Kata Kunci : Pendukung Keputusan, Pengangkatan Pegawai, Metode SAW.

1. Pendahuluan

Kemajuan teknologi yang sangat pesat saat ini sangat dirasakan oleh badan-badan organisasi yang banyak menghasilkandan membutuhkan informasi dalam kegiatan operasionalnya, karena disadari bahwa komputer merupakan alat Bantu untuk menyelesaikan berbagai pekerjaan manusia secara cepat dan tepat. Disamping itu komputer juga dapat menyimpan data, memperbaiki data, serta mengambil informasi yang diinginkan, dimana data dan informasi tersebut disimpan dalam suatu media penyimpanan berupa file. Demikian halnya pemerintahan telah menggunakan komputer sebagai bagian yang tidak terpisahkan dalam menunjuang kinerja dari masing-masing, salah satunya adalah Kabupaten Karo yang setiap harinya terus berkembang dalam pemanfaatan teknologi komputer. Namun beberapa kegiatan untuk penentuan jabatan pada Unit tertentu masih tetap konvensional seperti halnya Penentuan Pimpinan Tinggi Pratama. Pimpinan Tinggi Pratama dalam suatu institusi pemerintahan merupakan suatu jabatan pada bidang-bidang tertentu untuk melakukan

(2)

Published : 25 Oktober. 2020 Page 44

kegiatan Merumuskan kebijakan dan rencana strategis sesuai visi, misi, dan program, memimpin, mengkoordinasikan, membina, mengawasi dan mengendalikan serta mengevaluasi pelaksanaan tugas dan fungsi bidang dan melaksanakan tugas kedinasan lain yang diberikan oleh pimpinan sesuai tugas dan fungsi jabatan, demikian halnya pada BKD membutuhkan sosok pimpinan yang mumpuni untuk mengembangkan Badan Kepegawaian Daerah Kabupaten Karo. Proses Rekrutmen jabatan Pimpinan Tinggi Pratama pada BKD dilakukan secara terbuka dengan membentuk panitia seleksi dengan tanggung jawab penuh mulai dari proses administrasi para calon, pelaksanan ujian dan penentuan nilai yang diperoleh. Beberapa temuan yang ada dilapangan bahwasanya Proses Rekrutmen masih memanfatakan prinsip konvensioanl dalam pengolahan data sehingga memungkinkan terjadinya perubahan angka-angka ataupun nilai masing-masing calon dan tentunya ada pihak yang dirugikan, dalam proses pengolahan data membutuhkan waktu yang lama. Temuan yang lainnya adalah terjadinya penumpukan berkas karena syarat adminsitrasi membutuhkan berkas-berkas dari para calon yang mendaftar. Pengambilan keputusan beberapa kriteria (MCDM) adalah tugas yang sulit karena alternatif yang ada sering mengalami konflik satu sama lain[1]. Proses seleksi haruslah berdasarkan kriteria yang ada pendukung dalam pengambilan keputusan [2]. Penilaian yang dilakukan dengan cara manual dan proses pengangkatan yang lama akan menghasilkan keputusan yang tidak maksimal [3]. Pengambil keputusan sering dihadapkan pada beberapa alternatif yang saling bertentangan [4]. Sistem pendukung sebuah keputusan adalah teknik yang dirancang dengan ketentuan berdasarkan sebuah kriteria [5]. Kriteria evaluasi untuk menetapkan model diturunkan berdasarkan tinjauan pustaka dan pendapat [6]. Kebijakan dalam pengambilan keputusan merupakan kewajiban yang penting dalam penentu keberhasilan [7]. Penyelesaikan permasalah tersebut dan untuk mempermudah proses penyelesaian maka dikembangkan aplikasi berbasis web yang dapat menampung dan mengelola berkas yang masuk dari para calon, sedangkan untuk membantu proses perhitungan dilibatkan suatu metode yaitu SAW (Simple Adative Weighing). Pengambilan keputusan semacam itu dapat dibantu dengan pendekatan melalui Sistem Pendukung Keputusan (DSS) untuk meningkatkan proses pengangkatan jabatan pimpinan tinggi [8]. Metode SAW dapat membantu dalam pengambilan keputusan suatu kasus, akan tetapi perhitungan dengan menggunakan metode SAW ini hanya yang menghasilkan nilai terbesar yang akan terpilih sebagai alternatif yang terbaik. Proses Hirarki Analitik (AHP) merupakan salah satu dari metode keputusan multi-kriteria yang paling sering digunakan[9]. Perhitungan akan sesuai dengan metode ini apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan. Metode ini, skor setiap opsi diperoleh dengan menjumlahkan nilai opsi itu dalam kriteria yang berbeda, dengan mempertimbangkan bobot dari setiap criteria [10]. Metode SAW ini lebih efisien karena waktu yang dibutuhkan dalam perhitungan lebih singkat. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode prosedur normalisasi yang sama secara berurutan membawa elemen matriks evaluasi untuk mengubah semua kriteria dalam kriteria sejenis (kriteria manfaat) [11].

2. Metode

Metode pengumpulan data yang digunakan dalam menyusun penelitian ini adalah sebagai berikut ini :

(3)

Merupakan salah satu metode pengumpulan data dalam penelitian kualitatif yang tidak memerlukan pengetahuan mendalam akan literatur yang digunakan dan kemampuan tertentu dari pihak peneliti.

a. Wawancara

Adalah pengumpulan data dengan cara wawancara langsung kepada masyarakt yang melakukan pengurusan izin usaha di kantor camat dolat rakyat kabupaten karo.

b. Observasi

Adalah metode pengumpulan data dengan cara mengamati dan mempelajari tentang metode pelayanan yang diterapkan di kantor camat dolat rakyat.

2. Studi literatur

Peneliti melakukan studi literatur tentang penerapan metode deskriptif dalam menganalisis kepuasan masyarakat dalam pengurusan izin usaha kecil maupun mikro.

3. Analisa Permasalahan

Yaitu menganalisa di mana permasalahan terjadi pada proses pelayanan terhadpa masyarakat yang sedang mengurus izin usaha mikro maupun kecil.

4. Perancangan

Penelitian akan dilakukan dengan mengumpulkan data keluhan masyarakat yang sedang mengurus izin usaha di kantor camat dolat rakyat, data tersebut adalah sepuluh pertanyaan yang dibuat oleh peneliti dan dibagikan ke masyarakat kemudian data tersebut diproses dengan menggunakan metode deskriptif .

5. Pengujian

Tahap pengujian sistem merupakan tahap untuk mempelajari dan menganalisa masalah yang diteliti guna membuat suatu pemecahan masalah atas perkembangan yang ada.

3. Hasil dan Pembahasan

Analisa Kebutuhan Data untuk menyelesaikan kasus permasalahan dengan acuan criteria yang mampu mendukung.

1. Data Kriteria

Kriteria yang digunakan dalam proses penentuan jabatan dengan beberapa kriteria berikut ini :

a. Tes Kompetensi (TK)

Penilaian Tes Kompetensi Manajerial dan Sosial Kultural dengan metode Assessment center dilakukan oleh Lembaga Asesmen untuk melakukan penilaian terhadap semua peserta yang dinyatakan lulus Tahap Seleksi Administrasi.

b. Uji Gagasan Tertulis (penulisan makalah) (UGT)

Panitia Seleksi melakukan penilaian kompetensi teknis setiap peserta dalam penulisan makalah sesuai dengan bidang tugas Jabatan Pimpinan Tinggi Pratama yang dilamar (program kegiatan inovatif dan visioner)

c. Uji Gagasan Lisan (presentasi dan wawancara) (UGL)

Panitia menunjuk tim untuk melakukan penilaian terhadap peserta untuk menilai gagasan yang akan diambil berdasarkan bidang tugas yang dilamar.

d. Penelusuran Rekam Jejak Peserta Seleksi (PRJ)

Pada bagian ini dilakukan peninjauan terhadap Rekam jejak Peserta dalam dalam meningkatkan Unit dilingkungan kerja masing-masing.

(4)

Alternatif yang dijadikan Dalam menentukan Pegawai Negeri Sipil Dalam Jabatan Pimpinan Tinggi Pratama sebagai data uji adalah data peserta yang telah mendaftar dan hendak masuk ketahapan peniliaian, dengan data berikut ini :

Tabel 1. Data Calon Pimpinan Tinggi Pratama

No Nama Calon NIP TK UGT UGL PRJ

1 Drs. Dapatika Sinulingga 196610171993031002 90 80 80 4

2 Luther Ginting, SE.,M.Si 196409171992031011 80 80 90 3

3 Eva Angela S, SS., MM 197307042000032002 90 85 80 4

4 data Martina BR Ginting, Ap.,M.Si 197403161994022004 80 75 90 3 5 Tommy Heriko Marulitua, AP 197607191995111001 70 80 70 3 6 Daut Sembiring, SSTP., MSP 197909181998101001 75 75 80 2

7 Ir. Adison Sebayang, MMA

196604021994021001 80 85 80 3

8 Terang Ukur Br Surbakti, S.Sos., M.IP 196805151989032003 80 75 70 4 9 Drs Dapatkita Sinulingga 196610171993031002 70 80 80 2 10 Edward Pontianus Sinulingga, ST 197409212005021001 90 80 70 3

Penerapan Metode SAW (Simple Additive Weighting)

Model SAW dalam prosesnya memerlukan kriteria yang akan dijadikan bahan perhitungan pada proses perankingan. Kriteria yang menjadi bahan pertimbangan bagian proses penentuan Jabatan Pimpinan Tinggi Pratama pada tabel berikut ini :

Tabel 2. Data Kriteria

Kriteria Keterangan

C1 Tes Kompetensi

C2 Uji Gagasan Tertulis C3 Uji Gagasan Lisan

C4 Penelusuran Rekam Jejak

Dari masing-masing kriteria ditentukan bobot persentasi setiap kriteria dengan uraian berikut ini :

Tes kompetensi : 20%

Uji Gagasan Tertulis : 20%

Uji Gagasan Lisan : 30%

(5)

Setelah proses pendefenisian alternatif dan kriteria maka dilanjutkan dengan proses perhitungan. Data yang digunakan sebagai sampel sebanyak 4 dengan uraian data pada tabel berikut ini :

Tabel 3. Data Uji Alternatif

No Alternatif Kriteria Tes Kompetensi Uji Gagasan Tertulis Uji Gagasan Lisan Penelusuran Rekam Jejak 1 Drs. Dapatika Sinulingga 90 80 80 4 2 Luther Ginting, SE.,M.Si 80 80 90 3 3 Eva Angela S, SS., MM 90 85 80 4 4 data Martina BR Ginting, Ap.,M.Si 80 75 90 3

Langkah penyelesaian dalam penerapan metode Simple Additive Weighting (SAW) meliputi : 1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan.

Hasil dapat dikonversikan ke bilangan crisp. a. Tabel Tes Kompetensi

b. Penilaian Tes Kompetensi Manajerial dan Sosial Kultural dengan metode Assessment center dilakukan oleh Lembaga Asesmen untuk melakukan penilaian terhadap semua peserta yang dinyatakan lulus Tahap Seleksi Administrasi, uraian tabel nilai dengan data berikut ini :

Tabel 4. Tes Kompetensi

Bilangan Fuzzy Nilai

65-69 0.57

70-74 0.71

75-79 0.86

80-100 1

c. Uji Gagasan Tertulis

Pada variabel usia bilangan-bilangan dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data uji gagasan Tertulis dibentuk dalam tabel 4.5 berikut ini :

Tabel 5. Nilai Fuzzy Uji Gagasan Tertulus Bilangan Fuzzy Nilai

65-69 0.57

70-74 0.71

75-79 0.86

80-100 1

(6)

Pada variabel Uji Gagasan Lisan dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data Nilai Gagasan Lisan dibentuk dalam tabel berikuti ini :

Tabel 6. Nilai Fuzzy Uji Gagasan Lisan

65-69 0.57

70-74 0.71

75-79 0.86

80-100 1

e. Penelusuran Rekam Jejak

Pada variabel Rekam Jejak dapat dikonversikan ke bilangan crisp. Untuk lebih jelas data Nilai Rekam Jejak dibentuk dalam tabel Berikut ini :

Tabel 7. Nilai Fuzzy Penelusuran Rekam Jejak

<=1 0.57

2-3 0.71

4-5 0.86

>=6 1

2. Menentukan Rating Kecocokan

Rating kecokan dengan penyesuaian antara data uji dengan nilai crips yang sudah diuraikan pada langkah 1 dengan tabel berikut ini :

Tabel 8. Rating kecocokan Tiap Alternatif

Alternatif Kriteria C1 C2 C3 C4 K1 1 1 1 0.86 K2 1 1 1 0.71 K3 1 1 1 0.86 K4 1 0.86 1 0.71

Dari tabel terbentuk matrik X berikut ini :

𝑋 = [ 1 1 1 0.86 1 1 1 0.71 1 1 1 0.86 1 0.86 1 0.71 ]

3. Menentukan Nilai Bobot (W)

Untuk menentukan bobot dari dalam penentuan Jabatan Pimpinan Tinggi Pratama pada tabel 4.9 berikut ini :

(7)

Tabel 9. Bobot Kriteria Pemilihan Jabatan Pimpinan Tinggi Pratama

Kriteria Keterangan Bobot Benefit Cost

C1 Tes Kompetensi 0.2 Yes -

C2 Uji Gagasan Tertulis 0.2 Yes -

C3 Uji Gagasan Lisan 0.3 Yes -

C4 Penelusuran Rekam Jejak

0.3 Yes -

Berdasarkan tabel di atas terbentuk nilai W = [0.2 0.2 0.3 0.3] 4. Menormalisasi matriks X menjadi matriks R berdasarkan persamaan 1.

        ditolak atribut adalah i Jika diterima atribut adalah j Jika ij ij i ij i ij ij X X Min X Max x r a. Tes Kompetensi

Dari perhitungan diatas terbentuk matriks normalisasi R berikut ini

𝑅 = [ 1 1 1 1 1 1 1 0.86 1 1 1 1 1 0.82 1 0.82 ]

5. Menghitung Nilai Preferensi (Vi) dengan rumus berikut ini n

Vi= ∑ Wj rij

j = 1

dan nilai bobot W = [0.2 0.2 0.3 0.3]

Untuk Mendapatkan Preferensi Bobot (Wkolom) X Normalisasi (Rbaris,kolom) V1 = (1x0.2)+(1x0.2)+(1x0.3)+(1x0.3) = 0.2+0.2+0.3+0.3 = 1 V2 = (1𝑥0.2) + (1𝑥0.2) + (1𝑥0.3) + (0.86𝑥0,3) = 0.2+0.2+0.3+0.25 =0.95 V3 = (1x0.2)+(1x0.2)+(1x0.3)+(1x0.3) = 0.2+0.2+0.3+0.3 = 1

(9)

V4 = (1𝑥0.2) + (0.82𝑥02) + (1𝑥0.3) + (0.82𝑥0,3) = 0.2+0.16+0.3+0.24

=0.90

Dari perhitungan preferensi ditentukan pada tabel berikut ini : Tabel 10. Perhitungan Preferensi

Preferensi Nama Nilai Ranking

V1 Drs. Dapatika Sinulingga 1 1

V2 Luther Ginting, SE.,M.Si 0.95 3

V3 Eva Angela S, SS., MM 1 1

V4 data Martina BR Ginting, Ap.,M.Si 0.90 2

Nilai terbesar ada pada V1 dan V3 sehingga alternatif V1 dan V3 adalah alternatif yang direkomendasikan oleh Sistem dengan nilai yang sama yaitu 1

Form Login

Form login merupakan form atau halaman pertama yang tampil saat sistem dijalankan. Form ini memiliki fungsi sebagai filter agar tidak sembarangan user dapat masuk kedalam sistem.

User yang dapat masuk kedalam sistem hanyalah user yang terdaftar di dalam database sistem

tersebut saja. Pada form ini, userharus memasukkan username dan password dengan benar. Jika yang dimasukkan salah, maka sistem akan menolak dan mengeluarkan pesan kesalahan. Jika username dan password yang dimasukkan benar, maka sistem akan mengarahkan ke halaman home yang artinya user telah berhasil masuk kedalam sistem.

Gambar 1. Form Login Halaman Home

Halaman homemerupakan halaman yang muncul ketika username dan password telah dimasukkan dengan benar pada halaman login. Halaman home berisi tab-tab menu yang tersedia pada sistem. Halaman home merupakan halaman umum yang muncul pada setiap sistem atau website yang dibangun. Halaman ini biasanya memuat informasi-informasi tentang sistem apa yang sedang digunakan saat itu, kata-kata selamat datang di sistem.

(10)

Halaman home juga berfungsi sebagai halaman untuk bernavigasi ke halaman lain pada sistem tersebut.

Gambar 2. Halaman home Input Data Kriteria

Input data kriteria merupakan implementasi dalam pendukung keputusan dengan form isian yaitu input kode, nama kriteria, atribut dan bobot serta tombol kontrol yaitu simpan dan batal. Untuk memperjelas implementasi sistem digambarkan pada gambar 5.4 berikut ini :

Gambar 3. Input Data Kriteria

Tampilan Data Kriteria

Tampilan data kriteria merupakan implementasi untuk menampilkan keseluruhan data kriteria dengan beberapa kontrol tambahan yaitu input data digunakan untuk menambahkan kriteria baru,sedangkan tombol kontrol edit untuk melakukan perubahan data serta tombol hapus untuk menghapus data dari list. Untuk lebih jelas diuraikan pada tabel berikut ini :

(11)

Gambar 4. Tampilan Data Kriteria Input Data Sub Kriteria

Implementasi data sub kriteria merupakan proses untuk menghasilkan nilai yang terkandung dalam kriteria dengan satu tombol combo untuk memastikan pemilihan kriteria dan dilengkapi dengan tombol kontrol edit dan hapus serta input baru untuk menambahkan sub kriteria baru, untuk memperjelas dijelaskan pada tampilan gambar berikut ini :

Gambar 5. Data Sub Kriteria Tampilan data alternatif

Pada implemetnasi data alternatif merupakan fasilitas yang digunakan untuk penginputan alternatif yang digunakan sebagai bagian sistem pendukung keputusan dengan beberapa kontrol yaitu edit dan hapus serta input baru digunakan untuk menambahkan data alternatif dengan nilai-nilai yang dihasilkan pada saat dilakukan tes, tampilan data alternatif dijelaskan pada gambar berikut ini :

(12)

Gambar 6. Tampilan Data Alternatif Hasil Seleksi

Implementasi hasil seleksi merupakan bagian penting dalam pengembangan sistem pendukung keputusan dengan beberapa item penting, yaitu menampilkan nilai alternatif yang dilengkapi dengan nilai setiap alternatif, selanjutnya tampil konversi nilai untuk masing-masing kriteria serta transformasi dilanjutkan dengan hasil akhir yaitu perankingan, untuk lebih jelas diuraikan pada tabel berikut ini :

(13)

Gambar 7. Implementasi Hasil 4. Kesimpulan

Berdasarkan pembahasan dan hasil pengujian aplikasi ini, maka dapat dibuat kesimpulan antara lain:

1. Proses Penilaian semakin cepat dan dapat membantu Panitia dalam menentukan Jabatan Pimpinan Tinggi Pratama dengan uraian kriteria yang digunakan dalam pemilihan jabatan tersebut.

2. Dengan menerapkan Metode simple additive weighting (SAW) maka proses Jabatan Pimpinan Tinggi Pratama lebih mudah dan lebih efisien dilaksanakan sehingga peserta lebih cepat mendapatkan informasi tentang pengumuman Jabatan Pimpinan Tinggi Pratama serta merasa puas terhadap putusan yang diberikan Badan Kepegawaian Daerah Kabupaten Karo.

3. Proses yang dilakukan untuk menentukan Jabatan Pimpinan Tinggi Pratama lebih baik, lebih mudah dibandingkan dengan menggunakan cara manual.

Referensi

[1] P. Wang, Z. Zhu, and Y. Wang, “A novel hybrid MCDM model combining the SAW, TOPSIS and GRA methods based on experimental design,” Inf. Sci. (Ny)., vol. 345, pp. 27–45, 2016.

[2] M. Hafidi, “Sistem Pendukung Keputusan Pengangkatan Pegawai Honorer di Pengadilan Agama Jember Menggunakan Metode Analytical Hierarchy Process,” universitas muhammdiyah jember, 2016.

[3] D. A. Putri, “Penerapan Metode Fuzzy Saw Sebagai Pendukung Keputusan PEngangkatan Karyawan Tetap Perusahaan,” J. Techno Nusa Mandiri, vol. 15, no. 1, pp. 31–36, 2018.

[4] G.-H. Tzeng and J.-J. Huang, Multiple attribute decision making: methods and

applications. CRC press, 2011.

(14)

Dosen Berprestasi. Yayasan Kita Menulis, 2019.

[6] C.-W. Chang, “Collaborative decision making algorithm for selection of optimal wire saw in photovoltaic wafer manufacture,” J. Intell. Manuf., vol. 23, no. 3, pp. 533–539, 2012.

[7] C. K. Morewedge, H. Yoon, I. Scopelliti, C. W. Symborski, J. H. Korris, and K. S. Kassam, “Debiasing decisions: Improved decision making with a single training intervention,” Policy Insights from Behav. Brain Sci., vol. 2, no. 1, pp. 129–140, 2015. [8] M. M. D. Widianta, T. Rizaldi, D. P. S. Setyohadi, and H. Y. Riskiawan, “Comparison

of multi-criteria decision support methods (AHP, TOPSIS, SAW & PROMENTHEE) for employee placement,” in Journal of Physics: Conference Series, 2018, vol. 953, no. 1, p. 12116.

[9] J. Kittur, “Optimal generation evaluation using SAW, WP, AHP and PROMETHEE multi-Criteria decision making techniques,” in 2015 International Conference on

Technological Advancements in Power and Energy (TAP Energy), 2015, pp. 304–309.

[10] A. A. Ameri, H. R. Pourghasemi, and A. Cerda, “Erodibility prioritization of sub-watersheds using morphometric parameters analysis and its mapping: A comparison among TOPSIS, VIKOR, SAW, and CF multi-criteria decision making models,” Sci.

Total Environ., vol. 613, pp. 1385–1400, 2018.

[11] C. Z. Radulescu, D. M. Radulescu, and F. Hartescu, “A cloud service providers ranking approach, based on SAW and modified TOPSIS methods,” computing, vol. 1, p. 2, 2017.