A company is considered on a good performance when their employees are
performing good at work because employees’ performance will determine on the
company’s achievement. Therefore, the companies need to seek a mean so their
employees can perform best at work. One of the means for the company to
maximize their employees’ performance is to conduct a measurement in the form
MODEL PENETAPAN GAJI KARYAWAN
BERDASARKAN EVALUASI KINERJA
MENGGUNAKAN FUZZY LINEAR PROGRAMMING
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh
Ferdinand Pascanata Driyarkara NIM 115314035
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
ii
SALARY DETERMINATION MODEL
BASED ON PERFORMANCE EVALUATION
USING FUZZY LINEAR PROGRAMMING
A THESIS
Presented as Partial Fullfillment of The Requirements To Obtain Sarjana Komputer Degree
In Informatics Engineering Department
by
Ferdinand Pascanata Driyarkara Student Number 115314035
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
vii
ABSTRAK
viii
ABSTRACT
A company is considered on a good performance when their employees are performing good at work because employees’ performance will determine on the
company’s achievement. Therefore, the companies need to seek a mean so their
employees can perform best at work. One of the means for the company to maximize their employees’ performance is to conduct a measurement in the form
ix
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa yang telah memberikan berkat-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul “Model
Penetapan Gaji Karyawan Berdasarkan Evaluasi Kinerja Menggunakan Fuzzy Linear Programming”. Penulisan skripsi ini diajukan untuk memenuhi syarat
memperoleh gelar Sarjana Komputer Program Studi Teknik Informatika Universitas Sanata Dharma.
Penulis menyampaikan terima kasih kepada semua pihak yang secara langsung maupun tidak langsung turut mengambil peran dalam terselesaikannya tulisan ini. Secara khusus, terima kasih sebesar-besarnya ditujukan untuk pihak-pihak berikut.
1) Bapak Eko Hari Parmadi, selaku Dosen Pembimbing yang telah meluangkan banyak waktunya, di sela-sela kesibukannya, untuk membimbing penulis dari awal pemilihan topik ini sampai terselesaikannya tulisan ini.
2) Bapak Kanisius Barung dan Ibu Maria Sukristiningsih, selaku orang tua penulis, yang dengan sabar memberikan doa dan dorongan yang besar dalam penyelesaian tulisan ini.
x
4) Simeon, Enda, Vina, Dhiah, teman-temanku seperjuangan yang dengan caranya masing-masing selalu memberikan hiburan dan dorongan.
5) Para pejuang skripsi yang selalu bersama-sama berjuang menyelesaikan tulisan ini, Bee, Priska, Dwi, Dio.
6) Teman-teman Teknik Informatika Angkatan 2011, atas dukungannya sampai dengan terselesaikannya tulisan ini.
Penulis menyadari bahwa tulisan ini masih memiliki banyak kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun. Semoga tugas akhir ini bermanfaat bagi semua pihak.
Yogyakarta, Februari 2016
xi
2.1.3 Keuntungan dan Kerugian Menggunakan Sistem Evaluasi Kinerja ... 9
2.1.4 Standar Kinerja ... 10
xii
2.5 Fuzzy Linear Programming (FLP) ... 20
2.6 Sistem Pendukung Pengambilan Keputusan (SPPK) ... 21
2.7 Evaluasi Kinerja pada Lingkungan Fuzzy ... 22
BAB III - PERANCANGAN SISTEM ... 27
3.1 Pemodelan Masalah Evaluasi Kinerja Ke Dalam FLP ... 27
3.1.1 Pengumpulan Data, Kriteria Penilaian, dan Benchmark ... 27
3.1.2 Pemodelan Batasan Fuzzy Linear Programming ... 31
3.2 Penyelesaian FLP Menggunakan Metode Simpleks ... 33
3.3 Flow Chart ... 51
BAB IV - IMPLEMENTASI SISTEM ... 53
4.1 Desain Tampilan Sistem ... 53
4.2 Penjelasan Beberapa Source Code Utama Aplikasi ... 56
4.2.1 Class: EkstrakSimplex.cs ... 56
4.2.1.1 Deklarasi Variabel ... 56
4.2.1.2 Lakukan Perhitungan Simplex ... 57
4.2.2 Class: KelolaHasil.cs ... 59
4.2.2.1 Hitung Gaji Karyawan Berdasarkan Hasil Perhitungan FLP ... 59
4.2.2.2 Simpan Hasil Perhitungan Gaji ke File PDF ... 61
4.3 Uji Coba Aplikasi Real Gaji ... 63
BAB V - PENUTUP ... 91
5.1 Kesimpulan ... 91
5.2 Saran ... 91
xiii
DAFTAR GAMBAR
2.1 Proses Penyusunan Standar Kinerja ... 11
2.2 Hubungan Kinerja, Standar Kinerja, dan Evaluasi Kinerja ... 11
2.3 Himpunan Tegas (Crisp) ... 15
2.4 Himpunan Kabur (Fuzzy) ... 16
2.5 Fungsi Keanggotaan µr(Zr), fungsi yang tidak pernah turun ... 24
2.6 Fungsi Keanggotaan µr(Zr), fungsi yang tidak pernah naik ... 25
3.1 Contoh Model Diagram Benchmark ... 28
3.2 Flowchart Aplikasi “Real Gaji” ... 51
4.1 Tampilan Sistem – Penetapan Aturan ... 52
xiv
DAFTAR TABEL
3.1 Level-level dalam Tiap Faktor ... 29
3.2 Contoh Tetapan Tabel Benchmark ... 30
3.3 Model Tabel Nilai yang Terbentuk Dari Perhitungan... 48
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Sebuah perusahaan disebut sukses ketika berhasil mencapai cita-cita dan tujuan utama perusahaan. Hal tersebut sangat bergantung pada orang-orang yang bekerja di dalamnya. Ketika para pekerja dalam perusahaan itu bekerja dengan sebaik-baiknya atau seoptimal mungkin maka perusahaan tersebut dapat memperoleh banyak keuntungan. Perusahaan harus mampu merespons dengan cepat akan adanya tuntutan perkembangan dalam berbagai hal sehingga perusahaan tersebut dapat memiliki keunggulan dalam persaingan yang terjadi dengan perusahaan lain. Adanya pengukuran kinerja ini sangat penting dalam evaluasi perusahaan, penyusunan rencana perusahaan dan tentunya pengelolaan sumber daya manusia yang dimiliki perusahaan tersebut.
bergantung pada keoptimalam kinerjanya, pemberian bonus, mutasi karyawan, dan lain sebagainya.
Penilaian atau evaluasi yang biasanya digunakan perusahaan adalah penilaian secara tegas. Ketegasan dalam penilaian ini maksudnya nilai kinerja karyawan berada pada nilai tetap. Pengukuran kinerja karyawan biasanya hanya diukur dengan memperhatikan faktor-faktor yang bersifat tegas saja, misalnya tingkat pendidikannya, waktu bekerjanya, pengalaman bekerjanya, dan sebagainya. Permasalahan yang terjadi oleh karena model penilaian ini adalah penilaian pada faktor-faktor lain yang bersifat tidak tegas atau lebih dikenal dengan istilah bersifat kabur (fuzzy) sering diabaikan. Pengabaian nilai-nilai fuzzy ini salah satu akibatnya, misalnya, berpengaruh pada penetapan bonus. Pada suatu batasan nilai crisp, seorang karyawan tetap tidak akan memperoleh gaji walaupun nilai yang diperolehnya hampir atau bahkan nyaris mencapai standar (benchmark). Sedangkan, jika penilaiannya sudah dibuat secara fuzzy, karyawan tersebut masih akan tetap memperoleh bonus, walaupun disesuaikan dengan porsi nilainya (seberapa jauh atau dekat dengan standar).
diabaikan dalam penilaian, tidak masuk dalam kriteria dalam evaluasi kinerja karyawan yang dilakukan perusahaan tersebut.
Adanya faktor-faktor yang tidak memiliki nilai tegas atau dalam kata lain bersifat kabur tentu akan mempengaruhi suatu penilaian terhadap kinerja karyawan. Oleh karena itu, digunakanlah Logika Fuzzy untuk mengikutsertakan faktor-faktor yang bernilai kabur sebagai bagian dari kriteria penilaian. Dengan pemenuhan kriteria-kriteria penilaian ini maka diharapkan hasil evaluasi pun akan lebih baik dan tepat. Adanya hasil penilaian yang lebih baik dan tepat ini tentunya sangat berguna bagi kemajuan dan kesuksesan perusahaan.
Parmadi (2010) menjelaskan bahwa program linear adalah suatu teknik riset operasi untuk memecahkan masalah optimasi (memaksimumkan atau meminimumkan) dengan menggunakan persamaan atau pertidaksamaan linear dalam mencari pemecahan yang optimum dengan memperhatikan batasan-batasan yang ada. Dalam penelitiannya, Parmadi (2010) menggunakan fuzzy linear programming untuk optimasi produksi gerabah. Pada umumnya, linear
programming baik untuk himpunan tegas maupun himpunan kabur, dapat
digunakan untuk berbagai masalah optimasi.
cz; dimana bentuk tersebut merupakan bentuk linear. Oleh karena bentuknya yang linear maka evaluasi kinerja dapat diselesaikan dengan menggunakan metode Linear Programming. Penyelesaian model ini dilakukan dengan metode simpleks.
Dalam penelitian ini, metode penyelesaian yang digunakan secara spesifik adalah metode Simplex Dual Phase.
Pada perusahaan Jogja Konveksi, belum pernah dibuat suatu sistem yang dapat menilai kinerja karyawannya. Model penetapan gaji yang dilakukan selama ini juga tidak mempertimbangkan penilaian kinerja tersebut. Dengan melihat tingkat kepentingan akan adanya kinerja karyawan yang baik dalam kesuksesan sebuah perusahaan, dan berbagai faktor penilaian yang sering diabaikan karena tidak memiliki nilai tegas maka penulis mencari pilihan metode yang dapat menyelesaikan permasalahan ini. Dari berbagai macam metode, dalam penelitian ini penulis memilih metode Fuzzy Linear Programming sebagai metode penilaian atau evaluasi kinerja karyawan. Oleh karena itu, penulis tertarik untuk mengangkat judul Model Penetapan Gaji Karyawan Berdasarkan Evaluasi Kerja Menggunakan Fuzzy Linear Programming.
1.2 Rumusan Masalah
1.3 Batasan Masalah
Dalam penelitian ini penulis membatasi masalah-masalah yang akan dibahas dalam tulisan ini, yakni sebagai berikut.
1) Penilaian atau evaluasi dilakukan dengan berdasarkan faktor-faktor tertentu yang diperoleh dari berbagai sumber.
2) Faktor-faktor evaluasi pada sistem yang dibuat dalam penelitian ini hanya terdiri dari tiga (3) faktor, yakni Kuantitas (seberapa banyak produk yang dihasilkan), Kualitas (seberapa baik produk yang dihasilkan), dan Waktu (ketepatan waktu penyelesaian produksi).
3) Standar gaji yang digunakan hanya satu, yang mengindikasikan bahwa semua karyawan pada awalnya memperoleh jumlah gaji yang sama. 4) Proses penilaian evaluasi kinerja karyawan menggunakan metode Fuzzy
Linear Programming.
5) Keluaran program evaluasi dibuat berbasis desktop dengan Visual C# 2010 dengan bahasa pemrograman C#.
1.4 Tujuan
1.5 Manfaat
Adapun manfaat dari penelitian ini, yakni untuk memberikan keadilan dalam pemerolehan gaji karyawan. Keadilan yang dimaksudkan adalah karyawan mendapatkan gaji yang sesuai dengan kinerjanya di perusahaan. Karyawan yang bekerja dengan lebih baik tentunya dapat memperoleh gaji yang lebih besar daripada karyawan yang kinerjanya kurang baik. Manfaat lain yang dirasakan secara tidak langsung adalah hasil dari penelitian ini diharapkan mendorong peningkatan kinerja karyawan dengan lebih maksimal.
1.6 Sistematika Penulisan
Tulisan ini disusun dalam tiga bab utama, yakni pendahuluan, landasan teori, serta analisis dan desain.
1) BAB I – Pendahuluan, berisi latar belakang pemilihan judul, rumusan masalah yang dibahas dalam penelitian, tujuan, dan manfaat penelitian.
2) BAB II – Landasan Teori, berisi teori-teori dasar yang berkaitan dengan pembuatan tulisan ini tentang evaluasi kinerja karyawan dan metode yang digunakan untuk melakukan penilaian (Fuzzy Linear Programming).
3) BAB III – Perancangan Sistem, berisi pemodelan masalah, penetapan nilai, analisis model, dan proses perhitungan secara manual.
4) BAB IV – Implementasi Sistem, berisi penerapan proses perhitungan pada sistem, perancangan sistem, dan uji coba.
7
BAB II
LANDASAN TEORI
2.1 Evaluasi Kinerja
2.1.1 Pengertian Evaluasi Kinerja
Wirawan (2009) menjelaskan bahwa evaluasi adalah suatu proses pengumpulan informasi mengenai objek evaluasi dan menilai objek evaluasi dengan membandingkannya dengan standar evaluasi. Kinerja merupakan singkatan dari kinetika energi kerja yang padanannya dalam bahasa Inggris adalah performance dan diindonesiakan sebagai performa. Kinerja adalah keluaran yang
dihasilkan oleh fungsi-fungsi atau indikator suatu pekerjaan atau suatu profesi dalam waktu tertentu. Kinerja merupakan fungsi dari kompetensi, sikap, dan tindakan. Evaluasi kinerja menurutnya dapat didefinisikan sebagai proses penilai – pejabat yang melakukan penilaian – (appraiser) mengumpulkan informasi
mengenai kinerja ternilai – pegawai yang dinilai – (appraise) yang didokumentasikan secara formal untuk menilai kinerja ternilai dengan membandingkannya dengan standar kinerjanya secara periodik untuk membantu pengambilan keputusan manajemen sumber daya manusia.
a) Suatu usaha untuk menentukan dan membandingkan nilai suatu pekerjaan tertentu dengan nilai pekerjaan lain yang terdapat dalam suatu organisasi. b) Suatu proses analisa dan penilaian pekerjaan tertentu untuk menentukan
besarnya balas jasa yang wajar sehingga tersusun struktur upah yang adil. c) Suatu metode yang digunakan untuk menyusun peringkat (ranking)
pekerjaan secara keseluruhan guna dijadikan dasar penentuan balas jasa. d) Penilaian pekerjaan guna menentukan pekerjaan tertentu dalam suatu
hirarki pekerjaan.
e) Menentukan nilai relatif pekerjaan-pekerjaan yang ada dalam suatu organisasi, dengan cara yang logis dan disepakati bersama.
f) Suatu metode untuk membandingkan berbagai pekerjaan dengan menggunakan prosedur-prosedur formal dan sistematis untuk menentukan suatu urutan tingkat pekerjaan tertentu, dan dengan demikian memberikan dasar untuk suatu sistem balas jasa yang adil.
Dari definisi-definisi di atas dapat dirumuskan bahwa evaluasi pekerjaan adalah usaha menentukan peringkat pekerjaan secara sistematis dan melalui prosedur-prosedur tertentu. Usaha menentukan peringkat pekerjaan ini dimaksudkan untuk dapat menyusun tingkat balas jasa yang dirasa adil sesuai dengan bobot pekerjaan yang dilakukan oleh seorang karyawan (Ranupandojo, 1985)
2.1.2 Fungsi Evaluasi Kinerja
standar kinerjanya. Informasi mengenai kinerja ternilai digunakan sebagai alat manajemen kinerja karyawan dan pengambilan keputusan manajemen SDM organisasi. Fungsi evaluasi kinerja antara lain sebagai berikut (Wirawan, 2009).
1. Memberikan balikan kepada pegawai ternilai mengenai kinerjanya. 2. Alat promosi dan demosi.
3. Alat memotivasi ternilai.
4. Sebagai alat pemutusan hubungan kerja dan merampingkan organisasi. 5. Menyediakan alasan hukum untuk pengambilan keputusan personalia. 6. Penentuan dan pengukuran tujuan kinerja.
7. Konseling kinerja buruk.
8. Mendukung perencanaan sumber daya manusia.
9. Menentukan kebutuhan pengembangan sumber daya manusia. 10.Merencanakan dan memvalidasi perekrutan tenaga baru. 11.Alat manajemen kinerja organisasi.
12.Pemberdayaan pegawai. 13.Menghukum anggota. 14.Penelitian.
2.1.3 Keuntungan dan Kerugian Menggunakan Sistem Evaluasi Kinerja
Mangkunegara (2007) mengemukakan bahwa terdapat keuntungan dan kerugian dalam menggunakan sistem evaluasi kinerja. Keuntungan menggunakan sistem evaluasi kinerja, yakni sebagai berikut.
b) Mengurangi kemungkinan terjadinya ketidaksepakatan selama pertemuan evaluasi berjalan sesuai proses perencanaan kinerja.
c) Lebih memungkinkan menempatkan manajer dan karyawan di pihak yang sama, tidak seperti sistem penilaian maupun peringkat.
d) Merupakan pendekatan terhadap evaluasi kinerja yang paling mudah dibela secara hukum.
Adapun kerugian dari penggunaan sistem evaluasi kinerja, yakni sebagai berikut. a) Memakan waktu yang relatif banyak, karena perlunya menginvestigasikan
waktu di muka untuk melakukan perencanaan kinerja.
b) Meminta manajer dan pegawai mengembangkan keahlian dalam menuliskan tujuan serta standar yang penting dan dapat diukur.
c) Dapat menimbulkan lebih banyak pekerjaan administrasi ketimbang sistem penilaian maupun sistem peringkat.
d) Dapat disalahgunakan atau digunakan sambil lalu saja oleh para manajer.
2.1.4 Standar Kinerja
atau kelompok pada semua indikator kinerjanya. Berikut disajikan diagram proses penyusunan standar kinerja.
Fungsi utama standar kinerja adalah sebagai tolok ukur (benchmark) untuk menentukan keberhasilan dan ketidakberhasilan kinerja ternilai dalam melaksanakan pekerjaannya. Standar kinerja merupakan target, sasaran, atau tujuan upaya kerja karyawan dalam kurun waktu tertentu. Di bawah ini disajikan diagram hubungan antara pelaksanaan pekerjaan, kinerja karyawan, evaluasi kinerja, dan standar kinerja karyawan.
Gambar 2.1 – Proses Penyusunan Standar Kinerja
2.1.5 Kriteria Umum untuk Mengukur Kinerja
Menurut Wirawan (2009), setiap indikator kinerja diukur berdasarkan kriteria standar tertentu. Dalam mengukur kinerja, terdapat kriteria atau ukuran. Kriteria tersebut adalah sebagai berikut.
1) Kuantitatif (seberapa banyak). Ukuran kuantitatif merupakan ukuran paling mudah untuk disusun dan diukurnya, yaitu hanya dengan menghitung seberapa banyak unit keluaran kinerja harus dicapai dalam kurun waktu tertentu.
2) Kualitatif (seberapa baik). Melukiskan seberapa baik atau seberapa lengkap hasil harus dicapai. Kriteria ini antara lain mengemukakan akurasi, presisi, penampilan, kemanfaatan, atau efektivitas. Standar kualitas dapat diekspresikan sebagai tingkat kesalahan seperti jumlah atau presentase kesalahan yang diperbolehkan per unit hasil kerja.
3) Ketepatan waktu pelaksanaan tugas atau penyelesaian produk. Kriteria yang menentukan keterbatasan waktu untuk memproduksi suatu produk, membuat sesuatu atau melayani sesuatu. Kriteria ini menjawab pertanyaan seperti kapan, berapa cepat, atau dalam periode apa.
4) Efektivitas penggunaan sumber organisasi. Efektivitas penggunaan sumber dijadikan indikator jika syarat untuk mengerjakan suatu pekerjaan yakni menggunakan jumlah sumber tertentu, seperti uang dan bahan baku. 5) Cara melakukan pekerjaan. Digunakan sebagai standar kinerja jika kontak
6) Efek atas suatu upaya. Pengukuran yang diekspresikan akibat akhir yang diharapkan akan diperoleh dengan bekerja. Standar jenis ini menggunakan kata-kata ‘sehingga’ dan ‘agar supaya’ yang digunakan jika hasilnya tidak dapat dikualifikasikan.
7) Metode melaksanakan tugas. Standar yang digunakan jika ada undang-undang, kebijakan, prosedur standar, metode, dan peraturan untuk menyelesaikan tugas atau jika cara pengecualian ditentukan tidak dapat diterima.
8) Standar sejarah. Standar yang menyatakan hubungan antara standar masa lalu dengan standar sekarang. Standar masa sekarang dinyatakan lebih tinggi atau lebih rendah daripada standar masa lalu dalam pengertian kuantitas dan kualitas.
9) Standar nol atau absolut. Standar yang menyatakan tidak akan terjadi sesuatu. Standar ini dipakai jika tidak ada alternatif lainnya.
2.2 Logika Kabur
2.2.1 Kekaburan (Fuzzy)
Istilah “kabur” digunakan sebagai terjemahan dari kata bahasa Inggris “fuzzy”. Kekaburan yang dimaksud di sini dibatasi pada kekaburan semantik.
Susilo (2006) juga menjelaskan tentang gejala kekaburan dengan suatu contoh, yakni dalam suatu kelas, seorang guru bertanya kepada muridnya (1) berapa orang yang memiliki sepeda di kelas ini, dan (2) berapa orang yang pandai di kelas ini. Dari contoh tersebut, pada pertanyaan pertama, diketahui bahwa guru menanyakan jumlah siswa yang memiliki sepeda. Hal tersebut dapat langsung diketahui jawabannya karena jumlah siswa yang memiliki sepeda itu pasti atau tegas. Dikatakan tegas karena siswa tinggal berpikir, kalau dia memiliki sepeda, maka dia akan mengangkat tangannya. Sebaliknya, jika tidak memiliki sepeda, maka dia tidak akan mengangkat tangannya. Dengan demikian dapat secara langsung diketahui jawabannya. Berbeda halnya dengan pertanyaan kedua. Pada pertanyaan kedua, guru menanyakan jumlah siswa yang pandai. Sedangkan, tidak ada suatu kejelasan mengenai definisi pandai itu seperti apa; kapan seorang siswa dikatakan pandai atau tidak. Siswa akan menjadi bingung, apakah dia akan mengangkat tangan atau tidak. Hal ini menyebabkan suatu kekaburan makna dari “pandai”. Setiap siswa pasti memiliki pandangan yang berbeda tentang definisi
dari faktor tersebut. Ketidaktegasan atau kekaburan makna inilah yang disebut sebagai nilai kabur.
ulangan siswa dekat dengan 80, misalnya nilainya 78, 79, 80, 81, atau 82.
satu (1) - suatu item menjadi anggota dalam suatu himpunan, atau
nol (0) - suatu item tidak menjadi anggota dalam suatu himpunan.
Misalnya, ketika variabel umur dibagi menjadi 3 kategori, yaitu: MUDA umur < 35 tahun “Muda”. Padahal sebenarnya dengan umur tersebut, orang tersebut sudah hampir
masuk kategori “Parobaya”. Dari gambar himpunan di atas dapat dikatakan bahwa
pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya
perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.
2.2.3 Himpunan Kabur (Fuzzy)
Himpunan Fuzzy digunakan untuk mengantisipasi kelemahan pada himpunan crisp. Seseorang dapat masuk dalam dua himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Dari contoh sebelumnya, misalnya, seseorang yang berusia 34 tahun, jika masuk dalam himpunan kabur seperti pada diagram di bawah ini, maka ia tidak sepenuhnya masuk dalam kategori “Muda” melainkan hanya memperoleh bobot di antara 0
sampai 1 untuk kategori tersebut sesuai dengan penetapan aturannya.
2.3 Pemrograman Linear
� ∶ =
2.4 Penyelesaian Program Linear dengan Metode Simpleks
Menurut Aminudin (2005), sebelum menggunakan metode simpleks dalam memecahkan persoalan program linear, bentuk dari program linear tersebut perlu diubah menjadi bentuk standarnya. Bentuk standar ini digunakan dalam metode simpleks yaitu pada langkah pertama sebelum persoalan diringkas dalam tabel simpleks. Beberapa aturan bentuk program linear baku atau standar yakni sebagai berikut.
1. Semua batasan/kendala adalah persamaan (dengan sisi kanan non-negatif). 2. Semua variabel keputusan adalah non-negatif.
3. Fungsi tujuan dapat berupa maksimasi dan minimasi. Bentuk standar program linear dapat dirumuskan sebagai berikut.
� � = ∑ yang berbentuk pertidaksamaan harus dikonversikan menjadi persamaan dengan memasukkan variabel semu slack atau surplus.
Persoalan program linear dapat diselesaikan melalui langkah-langkah yakni sebagai berikut.
2. Bentuk tabel awal simpleks berdasarkan informasi model di atas.
3. Tentukan kolom kunci di antara kolom-kolom variabel yang ada, yaitu kolom yang mengandung nilai (cj – Zj) paling positif untuk kasus maksimasi dan atau mengandung nilai (cj – Zj) paling negatif untuk kasus minimasi.
4. Tentukan baris kunci di antara baris-baris variabel yang ada, yaitu baris yang memiliki rasio kuantitas dengan nilai positif terkecil.
� − =
5. Bentuk tabel berikutnya dengan memasukkan variabel pendatang ke kolom variabel dasar dan mengeluarkan variabel perantau dari kolom tersebut, serta lakukan transformasi baris-baris variabel. Dengan menggunakan rumus transformasi sebagai berikut.
baris baru selain baris kunci = (baris lama – (rasio kunci x baris kunci lama))
baris kunci baru = (baris kunci lama / angka kunci)
rasio kunci = (unsur kolom kunci / angka kunci)
2.5 Fuzzy Linear Programming (FLP)
Pada umumnya, model linear programming klasik berupa sebuah kasus maksimasi atau minimasi terhadap suatu fungsi tertentu dengan ditetapkannya batasan-batasan. Jika diasumsikan bahwa keputusan linear programming akan dibuat pada lingkungan fuzzy, maka model tersebut akan mengalami sedikit perubahan, yakni sebagai berikut.
1) Bentuk imperatif (suatu bentuk perintah yang menyatakan larangan atau keharusan) pada fungsi obyektif tidak lagi benar-benar “maksimum” atau “minimum”, karena adanya beberapa hal yang perlu mendapat
pertimbangan dalam suatu sistem.
2) Tanda ≤ (pada kasus maksimasi) dan tanda ≥ (pada kasus minimasi) dalam batasan tidak lagi bermakna crisp (tegas) secara matematis, namun sedikit mengalami pelanggaran makna. Hal ini juga disebabkan karena adanya beberapa hal yang perlu dipertimbangkan dalam sistem yang mengakibatkan batasan tidak dapat didekati secara tegas.
Dimana xj adalah variabel ke-j, cj adalah koefisien-koefisien fungsi objektif, Aij
adalah koefisien-koefisien kendala, dan Bij adalah koefisien nilai ruas kanan.
Masalah program linear fuzzy dapat diubah menjadi masalah program linear tegas yang ekuivalen dengan masalah semula. Hasil akhir dari masalah program linear fuzzy adalah suatu nilai optimum (maksimum atau minimum) bernilai real yang
menggambarkan hasil optimum dan toleransi dari berbagai kendala atau batasan yang ada.
2.6 Sistem Pendukung Pengambilan Keputusan (SPPK)
Sistem Pendukung Pengambilan Keputusan (SPPK) atau Decision Support System (DSS), menurut Alter (2002), berupa sebuah sistem informasi interaktif
yang menyediakan informasi pemodelan dan pemanipulasian data. Sistem tersebut digunakan untuk membantu mengambil keputusan dalam situasi yang semi-terstruktur dan situasi yang tidak semi-terstruktur. SPPK biasanya dibangun untuk mendukung solusi atas suatu masalah atau mengevaluasi suatu peluang. Sistem ini tidak dapat mengotomatisasikan pengambilan keputusan melainkan memberikan kemungkinan-kemungkinan kepada sang pengambil keputusan untuk melakukan berbagai analisis menggunakan model-model yang tersedia. Persoalan pengambilan keputusan pada dasarnya adalah bentuk pemilihan dari berbagai alternatif tindakan yang mungkin dipilih melalui mekanisme tertentu dengan harapan akan menghasilkan sebuah keputusan yang terbaik.
masalah, (3) pengumpulan data yang dibutuhkan untuk melaksanakan model keputusan tersebut, (4) mengimplementasikan model tersebut, (5) mengevaluasi sisi positif dari setiap alternatif yang ada, dan (6) melaksanakan solusi terpilih. Ada banyak metode pengambilan keputusan, salah satunya yakni seperti yang penulis gunakan dalam penelitian ini, dengan menggunakan metode Linear Programming khususnya Fuzzy Linear Programming.
2.7 Evaluasi Kinerja pada Lingkungan Fuzzy
Penilaian kinerja karyawan dalam suatu perusahaan merupakan suatu hal yang harus dilakukan secara berkala. Penilaian ini dilakukan untuk bermacam-macam hal, di antaranya untuk mendorong peningkatan kinerja karyawan, pemilihan karyawan dalam berbagai hal menjadi lebih selektif, dan untuk pembuatan keputusan administratif yang berkaitan dengan promosi, pemberhentian, pemutusan hubungan kerja, dan peningkatan upah karyawan.
Model evaluasi yang masih banyak digunakan sampai saat ini adalah evaluasi terhadap faktor-faktor yang bersifat tegas saja, seperti masa kerja, golongan, tingkat pendidikan, dan sebagainya. Sedangkan faktor-faktor yang bersifat fuzzy terkadang dipaksakan untuk menjadi tegas atau justru diabaikan. Selain faktor-faktor yang bersifat tegas, faktor-faktor fuzzy ini juga mempengaruhi berat ringannya pekerjaan atau tanggung jawab yang harus dipikul oleh seorang karyawan dalam menjalankan pekerjaannya.
perusahaan harus memenuhi persyaratan berikut untuk mendapatkan ukuran atau kriteria penilaian suatu pekerjaan (Kusumadewi dan Purnomo, 2004).
1) Memiliki kumpulan daftar pekerjaan yang akan digunakan sebagai basis untuk mengevaluasi suatu pekerjaan. Kumpulan pekerjaan yang telah diseleksi tersebut dikenal dengan nama benchmark.
2) Menetapkan faktor-faktor kompensasi yang akan menentukan harga relatif dari suatu pekerjaan. Faktor kompensasi ini hendaknya bervariasi antara satu pekerjaan dengan pekerjaan yang lainnya.
3) Menetapkan level untuk tiap-tiap faktor dalam tiap-tiap pekerjaan. Nilai level dalam suatu faktor hendaknya juga berbeda.
4) Menetapkan batas bawah (level terendah) dan batas atas (level tertinggi). 5) Menetapkan batas bawah selisih antar level dalam setiap faktor.
Dalam penelitian ini, diasumsikan bahwa terdapat m faktor yang berpengaruh dengan tiap-tiap faktornya terdiri dari n level. Sehingga faktor ke-i dan level ke-j dapat ditulis sebagai xij. Diasumsikan juga bahwa level yang lebih tinggi pada
suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Benchmark atau tetapan (standar) kinerja dengan pengupahannya adalah Z(X). Jumlah skor pada level terendah harus ditetapkan lebih dari atau sama dengan suatu nilai tertentu (ci), sedangkan jumlah skor pada level tertinggi juga
harus ditetapkan kurang dari atau sama dengan suatu nilai tertentu (wi).
∑ � �� . . . ..
∑ �� � . . . ..
Perlu diperhatikan bahwa dalam suatu faktor harga suatu level harus lebih tinggi dibanding dengan level sebelumnya. Selisih yang diperbolehkan untuk kedua level dalam faktor ke-i tersebut minimal harus sama dengan ei.
− −
dengan i = 1, 2, ..., m dan j = 1, 2, ..., n . . . .. (7)
Dari beberapa model di atas (Persamaan 5, 6 dan 7), dapat disusun suatu model:
Tentukan: � = dengan batasan:
� � ≈ �
∑ ∑
− −
; . . . .. (8) (i = 1, 2, ..., m; dan j = 1, 2, ..., n)
Kesamaan fuzzy tersebut dapat direpresentasikan sebagai kombinasi antara dua ketidaksamaan fuzzy berikut.
� � ̃ � dan � � ̃ � . . . ..
Misalkan Zmin dan Zmax masing-masing adalah nilai benchmark minimum dan
1) Fungsi keanggotaan µr(Zr) adalah fungsi yang tidak pernah turun. Jika
diasumsikan bahwa nilai 0 akan terjadi pada daerah Zr ≤ Zmin, dan fungsi
akan naik secara monoton pada Zmin < Zr≤ dr, maka dapat ditulis:
diasumsikan bahwa nilai 0 akan terjadi pada daerah Zr ≥ Zmax, dan fungsi
akan turun secara monoton pada dr < Zr≤ Zmax, maka dapat ditulis:
Gambar 2.5 - Fungsi keanggotaan µr(Zr); fungsi yang tidak pernah turun
Dari kedua persamaan tersebut, dengan operator min(λ), maka diperoleh:
� �− +
� − �� − � + ��
Dengan demikian, model persamaan fuzzy sebelumnya dapat diturunkan menjadi bentuk linear programming yang lebih sederhana, yakni sebagai berikut.
Max λ dengan batasan
�− �−
�+ �� − � ��
∑ ∑
− −
; ... (Persamaan 12)
27
BAB III
PERANCANGAN SISTEM
3.1 Pemodelan Masalah Evaluasi Kinerja Ke Dalam FLP
3.1.1 Pengumpulan Data, Kriteria Penilaian, dan Benchmark
Dalam proses evaluasi terhadap suatu pekerjaan dibutuhkan adanya indikator kinerja yang sesuai. Indikator kinerja tersebut diukur berdasarkan kriteria standar tertentu. Indikator-indikator kinerja yang dimaksud adalah faktor-faktor seorang karyawan yang akan dinilai dan dibandingkan dengan standar kinerja yang ada. Pada suatu perusahaan, indikator-indikator yang digunakan misalnya tentang, (1) kuantitatif, seberapa banyak produksi yang dihasilkan, (2) kualitatif, seberapa baik hasil produksinya, (3) waktu penyelesaian produksi, (4) efektivitas penggunaan sumber daya, (5) cara melakukan pekerjaan, dan sebagainya. Dalam sistem ini, penulis hanya menerapkan tiga faktor, yakni kuantitas, kualitas, dan kecepatan waktu produksi.
orang karyawan yang dibagi ke beberapa divisi, yakni Divisi Penjahit, Divisi Sablon, Divisi Tukang Potong dan Pola, serta Divisi Finishing dan Packing. Beban tugas yang sama membuat tingkat gaji yang diberikan pun sama. Tingkatan gaji ini dalam sistem ini disebut dengan benchmark.
Dalam perusahaan ini, telah dilakukan suatu penilaian kinerja terhadap beberapa macam faktor (Lembar Penilaian Terlampir). Namun sesuai dengan batasan masalah yang telah penulis uraikan pada BAB I, sistem ini hanya akan melakukan penilaian terhadap tiga faktor utama penilaian, dimana sudah ada persetujuan antara penulis dengan pemilik Jogja Konveksi. Ketiga faktor yang dipilih, yakni sebagai berikut.
Faktor-1 : Kuantitatif (seberapa banyak). Ukuran kuantitatif mudah untuk disusun dan diukurnya, yaitu hanya dengan menghitung unit keluaran kinerja harus dicapai dalam kurun waktu tertentu.
Faktor-2 : Kualitatif (seberapa baik). Melukiskan seberapa baik atau seberapa lengkap hasil harus dicapai. Kriteria ini antara lain mengemukakan akurasi, presisi, penampilan (kecantikan dan ketampanan), kemanfaatan atau efektivitas. Standar kualitas dapat diekspresikan sebagai tingkat kesalahan seperti jumlah atau persentase kesalahan yang diperbolehkan per unit hasil kerja.
Manajer perusahaan Jogja Konveksi secara rutin melakukan evaluasi kinerja untuk karyawan-karyawannya. Penilaiannya dibuat dalam format penilaian sebagai berikut.
Misalkan, dalam proses evaluasi kinerja, manajer Jogja Konveksi menetapkan suatu standar kinerja bahwa untuk semua faktor penilaian, setiap karyawannya harus mampu mencapai level penilaian tertinggi (baik). Karyawan yang berhasil mencapai tetapan standar kinerja (benchmark) ini diberi nilai berkisar 90. Diberikan toleransi nilai untuk benchmark ini yakni 10 poin ke bawah (90 – 10 = 80) dan 5 poin ke atas (90 + 5 = 95). Selain itu juga ditetapkan nilai minimal 60 dan nilai maksimal 100. Tetapan benchmark ini dapat dilihat pada diagram berikut.
Karyawan yang mampu mencapai standar kinerja (benchmark) ini akan memperoleh standar gaji yang ditetapkan oleh manajer perusahaan. Karyawan
JOGJA KONVEKSI
yang memperoleh nilai kinerja di bawah nilai standar kinerja, 90, akan memperoleh gaji yang lebih rendah daripada standar gajinya.
Untuk tetapan benchmark ini, standar gaji yang diberikan adalah senilai Rp1.750.000,00. Setiap faktor evaluasi terdiri atas tiga level (tingkatan) penilaian.
Tiap-tiap faktor tersebut terbagi menjadi tiga level dalam tabel berikut. Tabel 3.1 – Level-level dalam tiap faktor
Faktor Level Variabel Keterangan Penjelasan
Faktor-1: Kuantitatif
1 1 x11 Sedikit Produk yang dihasilkan tidak banyak
1 2 x12 Sedang Karyawan menghasilkan cukup produk
1 3 x13 Banyak Karyawan mampu menghasilkan banyak produk
Faktor-2: Kualitatif
2 1 x21 Buruk Produk yang dihasilkan tidak baik
2 2 x22 Sedang Produk yang dihasilkan lumayan baik
2 3 x23 Baik Produk yang dihasilkan berkualitas baik
Faktor-3: Ketepatan Waktu
3 1 x31 Lama Penyelesaian produksi lebih lama dari deadline
3 2 x32 Sedang Penyelesaian produksi sesuai deadline
3 3 x33 Cepat Penyelesaian produksi lebih cepat dari deadline
Besarnya gaji yang diterima oleh karyawan ditetapkan sesuai persyaratan. Persyaratan tersebut ditetapkan oleh Manajer yang merupakan pengguna dari aplikasi ini. Penyesuaian besaran gaji tersebut dimasukkan ke dalam benchmark seperti yang telah ditetapkan sebelumnya, yakni karyawan yang tingkat kuantitas produknya ‘Banyak’, dengan kualitas yang ‘Baik’, dan
diselesaikan dengan tingkat waktu ‘Cepat’. Karyawan yang memenuhi kriteria
= + + = . . . ..
Toleransi yang ditetapkan untuk benchmark tersebut yakni sebagai berikut. Tabel 3.2 – Contoh Tetapan Tabel Benchmark
Benchmark Nilai Tegas Toleransi Batas atas bawah atas Bawah
1 90 5 10 95 80
Toleransi atas = Zmax– nilai tegas dari benchmark
Toleransi bawah = nilai tegas dari benchmark - Zmin
Batas atas = Zmax
Batas bawah = Zmin
Nilai Tegas = dr
Adapun level terendah dan tertinggi ditetapkan memiliki batasan sebagai berikut.
∑ ; ∑ ; ... dengan i=1,2,3
Antara satu level dengan level sebelumnya dalam setiap faktor memiliki selisih nilai minimum 5. Syarat ini dimodelkan sebagai berikut.
xij– xij-1≥ 5 ... dengan i=1,2,3 dan j=1,2,3
3.1.2 Pemodelan Batasan Fuzzy Linear Programming
Berdasarkan uraian mengenai kriteria penilaian di atas, berdasarkan pada Persamaan 12, permasalahan linear ini dapat dirangkum dalam suatu pemodelan Fuzzy Linear Programming, yakni sebagai berikut.
Fungsi tujuan: Maksimumkan λ, dimana semakin tinggi nilai λ (mendekati
atau sama dengan 1), semakin baik hasil yang diperoleh.
Pada kasus ini, seperti telah dijelaskan pada subbab sebelumnya, level yang
� = + + = . . . ..
Pembentukan fungsi batasan untuk tetapan benchmark (Zr)
�+ ��− � ��
Pembentukan fungsi batasan untuk nilai maksimum dan minimum
− − −
− . . . ..
Pembentukan persyaratan bahwa semua variabel keputusan xij harus bernilai
0 atau positif (tidak boleh negatif).
= , , = , , . . . ..
Dari beberapa contoh di atas, maka pembentukan model Fuzzy Linear Programming di atas dapat ditulis sebagai Rumusan Program Linear berikut.
Level penilaian : 1 – Kurang, 2 – Cukup, 3 – Baik
Standar / Benchmark : x1 = Baik, x2 = Baik, x3 = Baik
Nilai Benchmark : 90 (pada rentang 80 sampai 95)
Level Max-Min : 60 ≤ x ≤ 100
Untuk kasus maksimasi dan minimasi, jika batasan (constraint) menggunakan tanda “≤”, maka digunakan slack (+s). Sebaliknya, jika digunakan tanda “≥”,
Pembentukan tabel Model Fuzzy Linear Programming
Pembentukan tabel iterasi pertama perhitungan simplex
Tabel iterasi pertama ini adalah tabel yang paling penting dalam proses perhitungan dengan simplex. Pada tabel ini semua variabel slack, surplus, dan artificial yang dibutuhkan sudah mulai digunakan dan ditulis pada kolom-kolom baru.
Setelah semua nilai ditetapkan dan ditempatkan pada kolomnya masing-masing, proses perhitungan dimulai dengan menghitung nilai Zj. Nilai Zj untuk suatu kolom diperoleh dengan menjumlahkan semua hasil perkalian nilai pada kolom tersebut dengan semua nilai pada kolom nilai tujuan. Pada contoh di atas, misalnya, perhitungan nilai Zj pada beberapa kolom adalah:
...
Zj pada kolom a10 = (0 x 0) + (-1 x 0) + (0 x 0) + ... + (-1 x 1) = -1
Setelah diperoleh nilai Zj, cari nilai cj-Zj dengan melakukan pengurangan pada cj terhadap Zj. Pilih kolom dengan nilai cj-Zj yang paling positif. Pada tabel di atas, terdapat beberapa kolom yang nilai cj-Zj-nya paling positif, yakni kolom x13, x23, dan x33 dengan nilai cj-Zj = 2; maka pilih salah satu nilai (dalam contoh ini dipilih kolom x13). Kolom terpilih ini kemudian disebut dengan kolom kunci.
Setelah memperoleh kolom kunci, cari nilai rasio. Nilai Rasio diperolah dengan melakukan pembagian pada kolom q (nilai batasan) terhadap kolom kunci (x13). Pada contoh di atas, misalnya, perhitungan nilai rasio pada beberapa baris adalah:
95 / 1 = 95 80 / 1 = 80
...
5 / 0 = nilai kosong (pembagian dengan 0)
yang terletak pada perpotongan kolom kunci dengan baris kunci kemudian disebut dengan angka kunci. Pada contoh di atas, misalnya, angka kunci terletak pada perpotongan kolom kunci x13 dan baris kunci a6, dengan nilai 1.
Pada akhir proses di iterasi pertama ini, variabel dasar a6 pada baris kunci keluar, kemudian digantikan oleh variabel kolom kunci yakni x13. Dengan pergantian ini, maka nilai variabel dasar pada baris tersebut adalah x13.
Pada awal proses pembentukan tabel iterasi kedua, kosongkan semua nilai untuk kemudian diisi dengan nilai baru. Pastikan bahwa variabel dasar a6 pada iterasi pertama tadi telah diganti dengan masuknya variabel x13 dari kolom kunci iterasi 1. Kemudian, lakukan penetapan nilai pada setiap kolom yang telah dikosongkan tadi dengan nilai baru. Berikut ini adalah penetapan nilai barunya.
baris kunci baru = baris kunci lama / angka kunci
‘Baris kunci baru’ yang dimaksud adalah baris pada iterasi kedua yang terletak pada baris yang disebut baris kunci pada iterasi sebelumnya,
yakni pada baris yang variabel dasarnya telah berubah menjadi x13. Nilai pada baris ini adalah hasil pembagian nilai pada baris kunci dengan angka kunci iterasi sebelumnya.
baris baru selain baris kunci = baris lama – (rasio kunci x baris kunci lama)
rasio kunci = unsur kolom kunci / angka kunci
‘Baris baru yang lain’ nilainnya adalah nilai pada baris lama dikurangi hasil perkalian rasio kunci dengan baris kunci iterasi sebelumnya. Dimana
rasio kunci tersebut bernilai unsur kolom kunci dibagi angka kunci.
Catatan Penting:
Pembentukkan tabel iterasi ketiga
Pembentukkan tabel iterasi keempat
Pembentukkan tabel iterasi kelima
Pembentukkan tabel iterasi keenam
Pembentukkan tabel iterasi ketujuh
Pembentukkan tabel iterasi kedelapan
Pembentukkan tabel iterasi kesembilan
Pembentukan iterasi pertama (Fase-2)
Pembentukan iterasi kedua (Fase-2)
Hasil perhitungan dengan metode simpleks tersebut kemudian dibentuk menjadi tabel nilai dengan model berikut.
Tabel 3.3 – Model tabel nilai yang terbentuk dari perhitungan
Faktor Level
1 2 3
1 Kuantitas x11 x12 x13
2 Kualitas x21 x22 x23
3 Ketepatan waktu x31 x32 x33
Berdasarkan model tersebut, dari hasil perhitungan Fuzzy Linear Programming dengan metode simpleks dual fase di atas, telah diperoleh hasil-hasil untuk tiap variabelnya yang dapat disajikan dalam bentuk tabel berikut.
Tabel 3.4 – Nilai level untuk setiap faktor
Faktor Level ditentukan nilai untuk setiap faktor berdasarkan benchmark yang telah ditentukan. Berdasarkan perhitungan sebelumnya, dari tetapan benchmark x13 + x23 + x33 =
90, diperoleh nilai untuk tiap variabel x13 = 70, x23 = 10, dan x33 = 10. Hasil
Untuk setiap faktor, nilai untuk setiap levelnya yang diperoleh dari hasil perhitungan disajikan pada tabel-tabel berikut.
Faktor Sedikit Sedang Banyak
Kuantitas 60 65 70
Faktor Buruk Sedang Baik
Kualitas 0 5 10
Faktor Lama Sedang Cepat
Kecepatan 0 5 10
Misalnya, pada perusahaan Jogja Konveksi gaji untuk karyawan yang memenuhi standar kinerja (benchmark) ditetapkan sebesar Rp1.350.000,00 per bulan. Dengan perhitungan sebelumnya, maka, jika terdapat karyawan yang nilai kuantitasnya banyak (x13), kualitasnya baik (x23), tapi kecepatan produksinya sedang (x32), maka gajinya akan dihitung sebagai berikut.
Total skor: x13 + x23 + x32 = 70 + 10 + 5 = 85 Perhitungan gaji untuk karyawan tersebut dalam sebulan adalah:
× � . . , = � . . ,
3.3 Flow Chart
Aplikasi Penetapan Gaji Berdasarkan Evaluasi Kinerja dengan Fuzzy Linear Programming, yang selanjutnya diberi nama (disebut dengan) Real Gaji,
53
BAB IV
IMPLEMENTASI SISTEM
4.1 Desain Tampilan Sistem
Gambar 4.1 – Tampilan Sistem – Penetapan Aturan
Ketika ‘Real Gaji’ pertama dibuka, aplikasi ini akan menampilkan sebuah kotak
dialog. Pada awal tampilan ini, pengguna diminta untuk memasukkan tetapan nilai benchmark. Tetapan yang dimaksud adalah nilai level yang dipilih sebagai standar
tertentu yang harus diinputkan juga oleh penggunanya. Misalnya, untuk suatu benchmark, diberikan nilai 90; nilai 90 ini adalah nilai yang berada pada rentang
80 sampai 95; dengan catatan bahwa untuk suatu nilai, makin mendekati 90 maka bobotnya semakin besar; sebaliknnya jika makin menjauhi 90 dan masih berada pada rentang yang ditetapkan, maka bobotnya semakin kecil; untuk nilai yang berada di luar rentang tersebut, bobotnya bernilai 0. Setelah menetapkan nilai benchmark, tetapkan juga nilai minimal dan maksimal serta jarak antar levelnya.
Tombol ‘Simpan Tetapan Benchmark’ berfungsi untuk menyimpan tetapan
benchmark dan secara otomatis membentuk model program linearnya. Pemodelan
program linear yang terbentuk akan ditampilkan pada kotak berwarna merah, kuning, dan hijau, yang terletak di sebelah kanan kotak tetapan benchmark. Setelah model sudah terbentuk, tombol ‘Lakukan Perhitungan’ akan menjadi aktif
dan dapat diklik. Setelah diklik, sistem akan melakukan perhitungan; pengguna diharapkan menunggu sampai progress bar (akan muncul di tengah) penuh. Setelah mencapai 100%, tombol ‘Kelola Hasil Perhitungan’ akan menjadi aktif
dan kotak di bagian terbawah akan menampilkan iterasi demi iterasi perhitungan. Ketika tombol ‘Kelola Hasil Perhitungan’ diklik, sistem akan menampilkan kotak
Gambar 4.2 – Tampilan Sistem – Kelola Hasil Perhitungan
4.2 Penjelasan Beberapa Source Code Utama Aplikasi
int[] indexRasioYangTerpilih, indexCjMinZjYangTerpilih;
4.2.1.2 Lakukan Perhitungan Simplex
Pada awal proses, setelah aplikasi dijalankan, pengguna diminta untuk memasukkan / menginputkan beberapa nilai sebagai tetapan benchmark. Setelah memastikan bahwa semua inputan telah terisi, pengguna melakukan klik pada tombol ‘Simpan Tetapan Benchmark’. Ketika tombol tersebut diklik, maka
program akan menjalankan method btnSimpan_Click() yang akan menyimpan semua inputan tadi berupa model pemrograman linear pada kotak berwarna merah, kuning, dan hijau di samping kotak input tetapan batasan. Setelah model terbentuk, maka tombol ‘Lakukan Perhitungan’ akan menjadi aktif. Pengguna melakukan klik pada tombol tersebut dan program akan memanggil method btnSimplex_Click(). Method inilah yang merupakan inti dari proses perhitungan simplex.
/* method isiNilaiAwal() berfungsi untuk membentuk
* tabel iterasi pertama sesuai dengan inputan dari pengguna * berupa array 3 dimensi besar yang ditetapkan per bagian */
isiNilaiAwal();
* x11 sampai x33 dan L serta nilai tetapan max-min */
tangkapNilaiVarkep();
/* berdasar model program linear yang terbentuk
* method cetakSSA() menghitung nilai variabel tambahan seperti * slack, surplus, dan artificial yang diperlukan
* untuk setiap batasan benchmark, maxmin, dan jarak antar level */
cetakSSA();
/* method ini mencetak 'nilai' dari tiap batasan dan tujuan*/
cetakNilaiBatasan(); cetakNilaiTujuan();
/* mencetak satu tabel iterasi sesuai kondisi array 3 dimensi */
/* menghitung setiap nilai cj, Zj, cj-Zj, dan rasio
* kemudian menetapkan baris dan kolom kunci yang terpilih * dan menetapkan angka kunci untuk satu iterasi */
hitung_cjminZj_rasio();
/* proses pembentukan iterasi baru dengan perhitungan
* berdasarkan baris, kolom, dan angka kunci */
* yakni dengan proses yang sama seperti iterasi sebelumnya */
/* sampai pada tahap ini telah diperoleh hasil akhir */
Variabel-variabel keputusan yang telah dihitung pada kelas sebelumnya akan digunakan pada kelas ini sebagai bahan perhitungan gaji. Pada waktu kotak dialog ‘Kelola Hasil’ ini di-load, pengguna perlu menetapkan standar gaji terlebih
/* Tetapan nilai variabel faktor untuk inputan */
double nilaiKar = 0;
/* Tangkap nilai tetapan benchmark */
double nBench = ekstrakSimplex.nBenc1 +
ekstrakSimplex.nBenc2 + ekstrakSimplex.nBenc3;
/* Siapkan file data karyawan untuk menyimpan hasil perhitungan gajinya */
if (File.Exists(f1))
{ cX1 = "Sedikit"; nilaiKar += ekstrakSimplex.x11; }
wr.Close();
foreach (DataGridViewColumn column in dgv.Columns) {
PdfPCell cell = new PdfPCell(new Phrase(column.HeaderText));
cell.BackgroundColor = BaseColor.LIGHT_GRAY;
foreach (DataGridViewRow row in dgv.Rows) {
foreach (DataGridViewCell cell in row.Cells) {
pdfTable.AddCell(cell.Value.ToString());
/* Lakukan proses ekspor ke file PDF dan * simpan di path yang telah ditentukan */
string folderPath = "Hasil Perhitungan\\";
if (!Directory.Exists(folderPath)) {
Directory.CreateDirectory(folderPath); }
using (FileStream stream = new FileStream(folderPath +
"Hasil Perhitungan.pdf", FileMode.Create)) {
Document pdfDoc = new Document(PageSize.A4, 10f, 10f, 10f, 0f);
PdfWriter.GetInstance(pdfDoc, stream);
pdfDoc.Open();
pdfDoc.Add(pdfTable); pdfDoc.Close(); stream.Close(); }
4.3 Uji Coba Aplikasi Real Gaji
Untuk mengetahui berbagai keluaran yang dihasilkan dari aplikasi ini, maka penulis membuat beberapa pengujian untuk melihat beberapa perubahan yang dihasilkan sesuai dengan inputannya. Adapun percobaan-percobaan yang akan dilakukan pada sub-bab ini antara lain sebagai berikut.
1) [Percobaan-1] Inputan Normal
2) [Percobaan-2] Input data kinerja karyawan Jogja Konveksi
3) [Percobaan-3] Input data kombinasi atau kemungkinan perolehan nilai 4) [Percobaan-4] Uji pelebaran rentang nilai; geser batas toleransi bawah (1) 5) [Percobaan-5] Uji pelebaran rentang nilai; geser batas toleransi bawah (2) 6) [Percobaan-6] Uji pelebaran rentang nilai; geser batas toleransi bawah (3) 7) [Percobaan-7] Uji pelebaran rentang nilai; geser batas toleransi bawah (4) 8) [Percobaan-8] Geser batas toleransi bawah dan minimal nilai (1)
9) [Percobaan-9] Geser batas toleransi bawah dan minimal nilai (2) 10)[Percobaan-10] Ganti tetapan benchmark
Daftar percobaan di atas akan dijelaskan sebagai berikut.
1) [Percobaan-1] Inputan Normal (sesuai dengan inputan pada proses perhitungan manual di Bab III untuk menyesuaikan hasil akhir).
Input tetapan benchmark
0 0 0 0 0 0 0 -1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 1 0 0 5
Tetapkan standar gaji dan mulai; seperti pada contoh yang sudah dihitung
secara manual pada Bab III, standar gaji ditetapkan sebesar Rp1.350.000,00. Kemudian, diinputkan karyawan dengan kinerja Kuantitasnya ‘Banyak’, Kualitasnya ‘Baik’, dan Ketepatan waktunya
‘Sedang’; diperoleh hasil perhitungan gaji untuk karyawan tersebut,
yakni sebesar Rp1.275.000,00, dimana hasil tersebut sama dengan hasil perhitungan manual.
Dari perhitungan tersebut, terlihat bahwa karyawan yang kinerjanya mencapai benchmark dapat memperoleh gaji standar. Sedangkan, karyawan yang
kinerjanya jauh dari benchmark (kuantitas ‘Sedikit’, kualitas ‘Buruk’, kecepatan ‘Lama’) akan memperoleh gaji yang jauh di bawah standar. Dari
gambar di atas terlihat bahwa karyawan dengan kinerja paling rendah yakni Bayu dan Bagus yang kuantitasnya ‘Sedikit’, kualitasnya ‘Sedang’, dan
kecepatannya ‘Lama’; mereka memperoleh gaji hanya sebesar Rp975.000,00.
Jika dikaji lebih jauh, perhitungan nilai yang diperoleh oleh kedua karyawan ini dapat dijelaskan sebagai berikut.
Kuantitas ‘Sedikit’ + Kualitas ‘Sedang’ + Kecepatan ‘Lama’ x11 + x22 + x31 = 60 + 5 + 0 = 65
Ternyata, dari nilai tetapan benchmark 90, karyawan dengan kinerja terendah tersebut hanya memperoleh nilai sebesar 65. Dengan demikian, perhitungan gaji yang diperolehnya, yakni sebesar (65/90)*1350000=975000.
3) [Percobaan-3] Input variasi hasil kinerja untuk uji tingkat pemerolehan gaji. Benchmark yang digunakan dalam percobaan ini sama dengan benchmark
Dari keseluruhan faktor dan level yang telah ditetapkan, terdapat 27 kombinasi penilaian. Berbagai kombinasi penilaian tersebut beserta dengan perhitungan pemerolehan gaji untuk karyawan dikelompokkan berdasarkan pemerolehan nilainya, yakni sebagai berikut.
Nilai kinerja 60
× � . . , = ��� . ,
Jumlah gaji tersebut diperoleh karyawan dengan kinerja:
Kuantitas = ‘sedikit’ (x11) : 60
Kualitas = ‘buruk’ (x21) : 0
Kecepatan = ‘lama’ (x31) : 0 Nilai kinerja 65
× � . . , = ��� . ,
Jumlah gaji tersebut diperoleh karyawan dengan kinerja:
Kuantitas = ‘sedikit’ (x11) : 60
Kualitas = ‘buruk’ (x21) : 0
Kecepatan = ‘sedang’ (x32) : 5
Kuantitas = ‘sedikit’ (x11) : 60
Kualitas = ‘sedang’ (x22) : 5
Kecepatan = ‘lama’ (x31) : 0
Kuantitas = ‘sedang’ (x12) : 65
Kualitas = ‘buruk’ (x21) : 0
Tingkatan pemerolehan gaji berdasarkan nilai kinerja yang diperoleh tersebut dapat dilihat pada grafik berikut.
Dari perhitungan yang telah dilakukan, seperti pada gambar di atas, nilai-nilai yang diperoleh untuk setiap variabel keputusan setiap level bernilai sama dengan nilai yang diperoleh pada percobaan sebelumnya, yakni x11=60,
x12=65, x13=70, x21=0, x22=5, x23=10, x31=0, x32=5, dan x33=10. Pemerolehan
nilai yang sama ini kemudian berdampak pada perhitungan yang sama juga pada berbagai kombinasi evaluasi kinerja karyawan.
5) [Percobaan-5] Penambahan pelebaran rentang; geser batas kiri benchmark Tetapan benchmark sama, yakni:
kuantitas : Banyak kualitas : Baik waktu : Cepat
1=λ
0
80
70 90 95 100 Z
dengan skor 90. Pada percobaan sebelumnya, skor untuk benchmark ditetapkan pada rentang 70 sampai 95. Batas kiri untuk benchmark pada percobaan ini digeser lebih ke kiri menjadi 60 sampai 95.
Dari perhitungan di atas, nilai-nilai yang diperoleh untuk setiap variabel keputusan setiap level masih tetap bernilai sama dengan nilai yang diperoleh pada percobaan sebelumnya, yakni x11=60, x12=65, x13=70, x21=0, x22=5,
x23=10, x31=0, x32=5, dan x33=10. Pemerolehan nilai yang sama ini tentunya
memberikan dampak yang sama pada perhitungan berbagai kombinasi evaluasi kinerja karyawan.
1=λ
0
80 90 95 100 Z
6) [Percobaan-6] Penambahan pelebaran rentang; geser batas kiri benchmark Tetapan benchmark sama, yakni:
kuantitas : Banyak kualitas : Baik waktu : Cepat
dengan skor 90. Batas kiri untuk benchmark pada percobaan ini digeser lebih ke kiri menjadi 50 sampai 95.
Dari perhitungan di atas, nilai-nilai yang diperoleh untuk setiap variabel keputusan setiap level masih tetap bernilai sama dengan nilai yang diperoleh pada percobaan sebelumnya, yakni x11=60, x12=65, x13=70, x21=0, x22=5,
x23=10, x31=0, x32=5, dan x33=10. Pemerolehan nilai yang sama ini tentunya
1=λ
0
80
50 90 95 100
Z
memberikan dampak yang sama pada perhitungan berbagai kombinasi evaluasi kinerja karyawan.
7) [Percobaan-7] Penambahan pelebaran rentang; geser batas kiri benchmark Tetapan benchmark sama, yakni:
kuantitas : Banyak kualitas : Baik waktu : Cepat
dengan skor 90. Batas kiri untuk benchmark pada percobaan ini digeser lebih ke kiri menjadi 40 sampai 95.
1=λ
0
80
50 90 95 100
Z
Nilai-nilai yang diperoleh untuk setiap variabel keputusan setiap level, yakni x11=0, x12=5, x13=10, x21=0, x22=5, x23=10, x31=30, x32=35, dan x33=40.
Kesimpulan 1:
Dari percobaan 4, 5, 6, dan 7 di atas (tentang pergeseran nilai batas toleransi bawah), dapat diperoleh kesimpulan bahwa perubahan nilai toleransi bawah pada benchmark ternyata mempengaruhi nilai kinerja karyawan, yang merupakan hasil penjumlahan nilai untuk tiap faktor penilaian (kuantitas, kualitas, dan waktu).
8) [Percobaan-8] Perubahan nilai toleransi dan batas min-max nilai. Pada percobaan 1, 2, dan 3, digunakan skor 90 untuk kuantitas ‘banyak’, kualitas
‘baik’, dan waktu ‘cepat’. Nilai tersebut berada pada rentang 80 sampai 95
untuk nilai minimal 60 sampai maksimal 100. Dalam percobaan ini, penulis mencoba memberi perubahan nilai tersebut, yakni pada rentang 60 sampai 95 untuk nilai minimal 50 sampai maksimal 100. Jarak antar level yang digunakan tetap sama, yakni 5. Untuk percobaan ini, terjadi perubahan untuk nilai kinerja karyawan, yakni x11=0, x12=5, x13=10, x21=0, x22=5, x23=10,
x31=50, x32=55, dan x33=60.
9) [Percobaan-9] Untuk menguji percobaan 8 di atas, maka diberikan lagi perubahan untuk rentang nilai menjadi 50 sampai 95, dan nilai minimal 40 serta maksimal 100. Setelah dilakukan perhitungan, maka diperoleh hasil yang mengalami perubahan, yakni x11=0, x12=5, x13=10, x21=0, x22=5, x23=10,
Kesimpulan 2:
Dari percobaan 8 dan 9, dapat disimpulkan bahwa pergeseran nilai batas bawah toleransi dan minimal nilai, mempengaruhi nilai kinerja karyawan, yang merupakan hasil penjumlahan nilai untuk tiap faktor penilaian (kuantitas, kualitas, dan waktu).
10)[Percobaan-10] Setelah melakukan percobaan berupa penggantian nilai-nilai, dalam percobaan ini penulis mencoba melakukan penggantian pada tetapan benchmark, yakni kuantitas ‘sedang’, kualitas ‘sedang’, dan waktu ‘sedang’.
Nilai-nilai lain yang diperlukan disamakan dengan percobaan awal.
Dari percobaan tersebut, ditemukan adanya perubahan nilai kinerja karyawan, yakni x11=70, x12=75, x13=80, x21=0, x22=5, x23=10, x31=0, x32=5, dan x33=10.
Kesimpulan 3:
11)[Percobaan-11] Pengaruh Tetapan Benchmark Terhadap Nilai λ
Pada bab sebelumnya, telah dijelaskan tentang tetapan aturan dan standar penilaian kinerja karyawan, yakni untuk semua kriteria, karyawan harus memperoleh level tertinggi (kuantitas banyak, kualitas baik, dan waktu cepat). Tetapan tersebut diberi nilai 90 dengan toleransi 10 poin ke bawah (80) dan 5 poin ke atas (95). Ditetapkan juga nilai minimal 60 dan nilai maksimal 100 serta jarak antar level 5. Tetapan ini dapat disajikan dengan model diagram tetapan benchmark berikut.
1=λ
0
80
60 90 95 100
Dengan tetapan benchmark di atas, diperoleh λ bernilai 1 yang berarti keputusan yang diambil dengan menggunakan benchmark ini 100% baik atau dapat dinyatakan bahwa hasil yang diperoleh adalah hasil yang paling optimum. Dengan tetapan standar kinerja yang sama, percobaan yang perlu dilakukan untuk mengetahui terjadinya perubahan nilai pada λ adalah dengan menggeser nilai tetapan benchmark dari 90 ke nilai-nilai di bawahnya dan di atasnya.
Nilai benchmark 88
Nilai benchmark 86
Dengan tetapan aturan yang sama, perubahan nilai benchmark menjadi 86 menyebabkan perubahan pada nilai λ menjadi 0,56 yang dapat diartikan
bahwa keputusan yang dihasilkan 56% baik.
Nilai benchmark 84
Dengan tetapan aturan yang sama, perubahan nilai benchmark menjadi 84 menyebabkan perubahan pada nilai λ menjadi 0,45 yang dapat diartikan
Nilai benchmark 82
Dengan tetapan aturan yang sama, perubahan nilai benchmark menjadi 82 menyebabkan perubahan pada nilai λ menjadi 0,38 yang dapat diartikan
bahwa keputusan yang dihasilkan 38% baik.
Nilai benchmark 92
Dengan tetapan aturan yang sama, perubahan nilai benchmark menjadi 92 tidak menyebabkan perubahan pada nilai λ, yakni 1 yang dapat diartikan
Nilai benchmark 94
Dengan tetapan aturan yang sama, perubahan nilai benchmark menjadi 94 tidak menyebabkan perubahan pada nilai λ, yakni 1 yang dapat diartikan bahwa keputusan yang dihasilkan 100% baik.
Tetapan-tetapan nilai benchmark berikut berada pada rentang toleransi yang sama, yakni dari 80 sampai 95. Ketika nilai benchmark diganti menjadi 82 maka toleransi ke bawahnya (dari 80 sampai 82) hanya 2 poin; ketika diganti menjadi 86 maka toleransi kebawahnya (dari 80 sampai 86) menjadi 6 poin; ketika diganti 88 menjadi 8 poin; kenaikan nilai benchmark ini juga menyebabkan kenaikan nilai toleransi. Pengaruh perubahan nilai benchmark terhadap λ yang mempengaruhi keputusan yang dihasilkan dapat disajikan
Hal ini membuktikan bahwa nilai λ maksimum diperoleh saat nilai benchmark ≥ 90. Sedangkan, nilai λ akan kurang dari 1 dan lebih besar
daripada 0 ketika nilai benchmark < 90. Jika nilai benchmark makin mendekati 90 maka nilai λ semakin mendekati 1, yang berarti hasil
91
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan yang dapat diperoleh dari proses penelitian tentang penetapan gaji karyawan berdasarkan evaluasi kinerja ini, yang diperoleh dari implementasi dan pengujian-pengujian yang telah dijelaskan pada bab-bab sebelumnya, antara lain sebagai berikut.
1) Metode Fuzzy Linear Programming dapat digunakan untuk evaluasi kinerja karyawan dengan nilai-nilai fuzzy (kabur) dan mengubahnya menjadi penilaian numerik.
2) Perubahan pada tetapan benchmark maupun batas toleransi bawah dapat mempengaruhi hasil penilaian kinerja serta gaji yang diperoleh karyawan. 3) Untuk tetapan benchmark pada pengujian, nilai λ akan semakin mendekati 1
ketika nilai benchmark semakin mendekati 90.
5.2 Saran
