Sistem Pendukung Keputusan Dalam Pemilihan Superisor Di Cafe Coup D’Etat J.City Menerapkan Metode ARAS
Muhammad Syahputra
Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universitas Budi Darma, Medan, Indonesia Email: muhammadsyahputra920@gmail.com
Abstrak−Supervisor merupakan suatu struktur perusahaan yang memiliki wewenang untuk memberikan instruksi kepada karyawan bawahannya dibawah arahan atasan. Perusahaan yang ingin mencapai manfaat tersebut harus meningkatkan kinerja individu karyawannya, karena pada dasarnya kinerja individu mempengaruhi kinerja tim atau kelompok kerja, yang pada akhirnya mempengaruhi kinerja perusahaan secara keseluruhan. Jika kinerja perusahaan dapat diatur maka semua aspek dalam perusahaan dapat berjalan dengan baik seperti konstribusi calon supervisor yang lebih pada perusahaan dan tidak ada metode khusus yang digunakan dalam mengevaluasi calon supervisor sehingga tidak tepat dalam penilaiannya. Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer yang menciptakan berbagai alternatif keputusan untuk membantu manajemen memecahkan masalah semi terstruktur dengan menggunakan metode Additive Ratio Assessment (ARAS). Pengambilan keputusan yang tepat agar proses pemilihan supervisor di cafe Coup D’Etat sesuai dengan kriteria yang dibutuhkan diantaranya yaitu Usia, Jenjang Pendidikan, Kepribadian, Keahlian dan Masa Kerja.
Dari hasil tingkatan ranking tertinggi dari alternatif, dimana nilai dari setiap alternatif dibagi dengan A0 sehingga menghasilkan sesuatu utilitas yang akan digunakan sebagai tingkat perankingan dengan nilai tertinggi yang dipilih maka dapat disimpulkan bahwa pemilihan supervisor di Cafe Coup D’Etat harus memenuhi kriteria yang sudah ditentukan diatas dan mendapatkan nilai tertinggi, maka yang menjadi kandidat supervisor di cafe tersebut adalah alternatif A7 dan A10 yaitu May Ariska Nst dan Otniel Sihombing dengan nilai masing-masing 0,0681 dan 0,0671.
Kata Kunci: SPK; Supervisor; ARAS; Cafe; Metode
Abstract−Supervisor is a company structure that has authority to give instructions to subordinate employees under the direction of superiors. Companies that want to achieve these benefits must improve the individual performance of their employees, because basically individual performance affects the performance of the team or work group, which in turn affects the overall performance of the company.
If the company’s performance can be regulated then all aspects of the company can run well, such as the contribution of prospective supervisors to the company more and there is no special method used in evaluating prospective supervisors so that it is not appropriate in the assessment. Decision Support System (DSS) is a computer-based system that creates various alternative decisions to help management solve semi-structured problems using the Additive Ratio Assessment (ARAS) method. Making the right decisions so that the supervisor selection process at Coup D'Etat cafe is in accordance with the required criteria including Age, Education Level, Personality, Expertise and Work Period. From the results of the highest ranking level of alternatives, where the value of each alternative is divided by A0 so as to produce a utility that will be used as a ranking level with the highest value chosen, it can be concluded that the selection of supervisors at Cafe Coup D'Etat must meet the criteria specified above. and get the highest score, then the cand idates for supervisor at the cafe are alternatives A7 and A10, namely May Ariska Nst and Otniel Sihombing with values of 0.0681 and 0.0671 respectively.
Keywords: SPK; Supervisor; ARAS; Cafe; Method
1. PENDAHULUAN
Setiap perusahaan yang menjalankan fungsi-fungsi yang termasuk dalam manajemen harus memiliki rencana yang terdefinisi dengan baik. Adanya perencanaan dalam suatu perusahaan sangat mempengaruhi proses kinerja dalam masa ketergantungan, guna mencapai hasil pengelolaan yang baik, maka pimpinan perusahaan harus mampu menguasai seluruh fungsi manajemen yang ada[1]. Salah satunya adalah fungsi perencanaan yang mengarahkan untuk pengembangan perusahaan itu sendiri, dengan tujuan kepemimpinan menjadi pedoman pertama bagi bawahan yang dipimpinnya. Untuk membantu penulis mencapai hasil kinerja yang maksimal, bertujuan untuk melestarikan sumber daya setiap organisasi untuk terus bertahan dan berkembang dengan pemantauan langsung kinerja pemimpin yang efektif dan efisien[2].
Perusahaan yang ingin mencapai manfaat tersebut harus meningkatkan kinerja individu karyawannya, karena pada dasarnya kinerja individu mempengaruhi kinerja tim atau kelompok kerja, yang pada akhirnya mempengaruhi kinerja perusahaan secara keseluruhan[3][4]. Selain itu dalam proses perhitungan untuk setiap calon supervisor yaitu pegawai juga memakan waktu yang lama karena belum ada aplikasi untuk evaluasi calon supervisor[5].
Metode ARAS merupakan metode pengambilan keputusan multi kriteria berdasarkan konsep rangking yang menggunakan utility degree dengan cara membandingkan nilai indeks total dari setiap alternatif dengan nilai indeks total dari alternatif yang optimal. Dalam penelitian ini dibahas metode ARAS yang diterapkan pada pemilihan supervisor pada cafe coup d’etat[6].
Pada tahun 2018 Lia Ciky Lumban Gaol dan Nelly Astuti Hasibuan yang berjudul “Sistem pendukung keputusan pemilihan team leader shift terbaik dengan menggunakan metode aras studi kasus PT. Anugrah busana indah” telah berhasil menggunakan metode ARAS (Additive Ratio Assessment) yang digunakan untuk menyelesaikan masalah pemilihan tim shift manager terbaik[7].
Berdasarkan penelitian yang dilakukan oleh Mentari Ananda Hasmi dkk pada tahun 2018 tentang “Sistem pendukung keputusan penerimaan instruktur fitness menerapkan metode additive ratio assessment (aras) (studi kasus : vizta gym medan)” dapat disimpulkan bahwa Implementasi metode ARAS dilakukan dengan menghitung nilai alternatif berdasarkan algoritma ARAS dan didapatkan hasil dengan nilai minimum[8].
Page | 501 Metode ARAS dapat digunakan untuk menyelesaikan masalah pemilihan ketua danru terbaik agar lebih mudah menentukan peringkat. Metode ARAS diimplementasikan dengan menghitung nilai alternatif berdasarkan algoritma ARAS yang hasilnya menunjukkan bahwa diperoleh alternatif dengan rangking tertinggi. Dalam proses perhitungan untuk membuat keputusan yang benar dan akurat dengan membandingkan kriteria yang ada dengan kriteria yang berbeda untuk memilih ketua danru terbaik[9].
Menggunakan metode ARAS untuk pemilihan Supervisor pada Cafe Coup D’Etat. Alasan penulis menggunakan metode ARAS adalah karena metode ini akan lebih mudah untuk menetukan pemilihan Supervisor alasannya metode ARAS adalah metode yang dilakukan untuk perangkingan dengan cara membandingkan dengan alternative lainnya sehingga mendapatkan hasil yang lebih tepat dan akurat.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Gambar 1. Tahapan Penelitian
Pada tahapan diatas penulis dapat menguraikan tahapan kerangka kerja penelitian adalah sebagai berikut:
1. Identifikasi Masalah
Pada tahap ini penulis menggambarkan masalah yang terjadi dalam pemilihan supervisor di cafe coup d’etat 2. Studi Lapangan
Pada fase ini, penulis mengumpulkan data yang di butuhkan untuk survei, membangun sistem, membuat wawancara dan observasi. Pengumpulan data ini berguna untuk penelitian penulis.
3. Studi Pustaka
Pada fase ini, penulis memahami objek yang di teliti atau membaca berbagai sumber yang dapat dijadikan refrensi atau pedoman, seperti buku, jurnal dan sumber lainnya.
4. Analisa dan Penerapan Metode
Pada fase ini, penulis memilih alternatif data, kriteria, dan bobot kriteria yang diperoleh sesuai hasil observasi dan wawancara dengan cafe coup d’etat. Penulis kemudian menerapkan metode ARAS pada pemilihan supervisor.
5. Metode ARAS
Fase ini merupakan fase implementasi untuk pengujian metode ARAS dengan menghitung total prefrensi. Kemudian, Cafe coup d’etat akan menentukan hasil akhir bagaimana membantu menemukan alternatif terbaik untuk memilih karyawan.
6. Membuat Laporan Penelitian
Pada fase ini, yaitu semua data, bahan, dan pengujian menggunakan metode ARAS untuk karyawan, menarik kesimpulan dari temuan yang diperoleh berdasarkan prosedur sebelumnya dan menulis dalam hasil laporan survei. Setelah menarik kesimpulan, penulis menulis bahwa ia membutuhkan saran yang dapat digunakan sebagai masukan atau koreksi yang berguna bagi tempat penelitian.
2.2 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan pertama kali diperkenalkan oleh Michael S. Scott pada awal tahun 1970-an. Dengan istilah Management Decision System adalah sistem komputerisasi yang mendukung pengambilan keputusan dengan memecahkan masalah yang tidak terstruktur menggunakan data dan model[1]. Efraim Turban, Jay E. Aronson dan Ting Peng Liang mengemukakan “Hal ini dirancang untuk meningkatkan proses dan kualitas hasil pengambilan keputusan sehingga dapat menggabungkan data dan pengetahuan untuk meningkatkan efektivitas dan efisiensi proses pengambilan keputusan”. Irfan Subakti juga menyatakan bahwa "Sistem Pendukung Keputusan mengemukakan bahhwa “Keterampilan komputer pada
Identifikasi Masalah Studi Lapangan
Analisa dan Penerapan Metode
Metode ARAS
Membuat Laporan Penelitian
Studi Pustaka
sumber daya individu untuk meningkatkan kualitas pengambilan keputusan dan mengatasi masalah yang terkait dengan manajemen dan semi-terstruktur”[10].
2.3 Supervisor
Supervisor adalah kedudukan suatu struktur perusahaan yang memiliki kuasa dan wewenang untuk memberikan instruksi kepada karyawan bawahannya di bawah arahan atasan. Dalam bahasa inggris, supervisor berasal dari kata supervise[11].
2.4 Metode ARAS
Metode ARAS merupakan metode pengambilan keputusan multi kriteria berdasarkan konsep rangking menurut derajat utilitasnya. Artinya, membandingkan total nilai indeks setiap pilihan dengan total nilai indeks pilihan terbaik[12].
Prosedurnya Metode ARAS adalah sebagai berikut:
1. Pembentukan Decision Making
𝑋 = [
𝑋01 ⋯ 𝑋0𝑗 ⋯ 𝑋0𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋𝑖1 ⋯ 𝑋𝑖𝑗 ⋯ 𝑋𝑖𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋𝑛 ⋯ 𝑋𝑚𝑗 ⋯ 𝑋𝑚𝑛]
i = 0, 𝑚̅̅̅̅̅; j = 1, 𝑛̅̅̅̅; (1)
Dimana
m = jumlah alternative n = jumlah kriteria
xij = nilai performa dari alternatif i terhadap kriteria j x0j = nilai optimum dari kriteria
2. Pernormalisasian Decisoin Making Matrix untuk semua kriteria
𝑋̅= [
𝑋̅01 ⋯ 𝑋̅0𝑗 ⋯ 𝑋̅0𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋̅𝑛1 ⋯ 𝑋̅𝑖𝑗 ⋯ 𝑋̅𝑖𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋̅𝑖1 ⋯ 𝑋̅𝑚𝑗 ⋯ 𝑋̅𝑚𝑛]
i = 0, 𝑚̅̅̅̅̅; j = 1, 𝑛̅̅̅̅; (2)
Jika pada kriteria yang diusulkan bernilai maksimummaka normalisasinya adalah:
𝑋̅𝑖𝑗= 𝑥𝑖𝑗
∑𝑚 𝑥𝑖𝑗 𝑖=0
(3) Jika pada kriteria yang diusulkan bernilai minimum, maka proses normalisasinya ada 2 tahap yaitu : 𝑋𝑖𝑗= 1
𝑥𝑖𝑗∗; 𝑋̅𝑖𝑗 = 𝑥𝑖𝑗
∑𝑚 𝑥𝑖𝑗 𝑖=0
(4) 3. Menentukan bobot matriks yang sudah dinormalisasi pada tahap 2
∑ 𝑤𝑗
𝑛
𝑗=1
= 1
𝑋̂= [
𝑋̂01 ⋯ 𝑋̂0𝑗 ⋯ 𝑋̂0𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋̂𝑖1 ⋯ 𝑋̂𝑖𝑗 ⋯ 𝑋̂𝑖𝑛
⋮ ⋱ ⋮ ⋱ ⋮
𝑋̂𝑛1 ⋯ 𝑋̂𝑚𝑗 ⋯ 𝑋̂𝑚𝑛]
i = 0, 𝑚̅̅̅̅̅; j = 1, 𝑛̅̅̅̅; (5)
4. Menentukan nilai dari fungsi optimum
𝑆𝐼=∑𝑛𝑗=1𝑥̅𝑖𝑗; i = 0, 𝑚̅̅̅̅̅, (6)
5. Menentukan tingkatan peringkat 𝐾𝑖= 𝑆𝑖
𝑆𝑜; i = 0, 𝑚̅̅̅̅̅, (7)
3. HASIL DAN PEMBAHASAN
3.1 Analisa Masalah
Analisis sistem dapat didefenisikan sebagai penjabaran sistem informasi yang lengkap menjadi bagian-bagian komponennya dengan tujuan untuk menilai masalah yang ada. Dalam penelitian ini metode yang digunakan adalah Metode ARAS (Additive Ratio Assessment). Penulis menetapkan 5 kriteria dan 15 data alternatif pada penelitian ini.
3.1.1 Penetapan Kriteria
Dalam penelitian ini dibutuhkan kriteria untuk memilih supervisor di cafe coup d’etat. Kriteria nya adalah sebagai berikut Usia, Jenjang Pendidikan, Kepribadian, Kedisiplinan, dan Masa Kerja
Page | 503 Pembobotan kriteria didapatkan dari metode Rank Order Centroid (ROC) dengan rumus sebagai berikut:
𝑊1=1+
1 2+13+14+15
5 = 0,457 𝑊2=0+
1 2+1
3+1 4+1
5
5 = 0,257 𝑊3=0+0+
1 3+14+15
5 = 0,156 𝑊4=0+0+0+
1 4+15
5 = 0,090 𝑊5=0+0+0+0+
1 5
5 = 0,040
3.1.2 Penerapan Metode ARAS (Additive Ratio Assessment)
Dalam penelitian ini perlu adanya sampel data yang bertujuan untuk mempercepat proses penyelesaian skripsi, berikut data yang menjadi sampel penelitian ini. Untuk memilih rangking berdasarkan masing-masing alternative, maka terlebih dahulu dilakukan pembobotan. Adapun penetuan bobot berdasarkan setiap kriteria.
Menentukan rating kecocokan seperti dibawah ini Alternatif (A1) : Aga Mahesa
Alternatif (A2) : Cut Mutia Alternatif (A3) : Renata Alternatif (A4) : Ezter Alternatif (A5) : Sisi P.S Alternatif (A6) : Elzas.R Alternatif (A7) : May Ariska Nst Alternatif (A8) : Andre Agustin S Alternatif (A9) : Laura Marbun Alternatif (A10) : Otniel Sihombing Alternatif (A11) : Jhonni Saputra H Alternatif (A12) : Josua Kaban Alternatif (A13) : Elfia Barasa Alternatif (A14) : Marlina Alternatif (A15) : Renny
Langkah 2 : Menormalisasikan matriks keputusan
Xij =
[
19 1 4 3 12
26 1 4 3 6
22 1 2 3 12
26 1 2 3 12
22 1 1 1 10
24 1 4 3 6
29 1 2 1 6
21 1 4 2 6
22 1 3 2 4
20 1 4 1 3
20 1 3 3 3
20 1 2 2 3
24 1 1 3 2
19 1 2 1 2
20 1 3 3 2
21 1 1 3 2]
Matriks diatas dijumlah kan kebawah sehingga dapat hasil [355, 16, 42, 37, 91].
1. Normalisasikan matriks keputusan dengan semua kriteria.
Karena kriteria ke 1 (C1) memiliki nilai minimum maka ada 2 tahap yaitu:
Tahap 1 𝑋01∗ = 1
19= 0,052 𝑋11∗ = 1
26= 0,038 𝑋21∗ = 1
22= 0,045 𝑋31∗ = 1
26= 0,038
𝑋41∗ = 1
22= 0,045 𝑋51∗ = 1
24= 0,041 𝑋61∗ = 1
29= 0,034 𝑋71∗ = 1
21= 0,047 𝑋81∗ = 1
22= 0,045 𝑋91∗ = 1
20= 0,05 𝑋101∗ = 1
20= 0,05 𝑋111∗ = 1
20= 0,05 𝑋121∗ = 1
24= 0,041 𝑋131∗ = 1
19= 0,052 𝑋141∗ = 1
20= 0,05 𝑋151∗ = 1
21= 0,047 Tahap 2
𝑅01= 0,052
0,725= 0,071 𝑅11= 0,038
0,725= 0,052 𝑅21= 0,045
0,725= 0,062 𝑅31= 0,038
0,725= 0,052 𝑅41= 0,045
0,725= 0,062 𝑅51= 0,041
0,725= 0,056 𝑅61= 0,034
0,725= 0,046 𝑅71= 0,047
0,725= 0,064 𝑅81= 0,045
0,725= 0,062 𝑅91= 0,05
0,725= 0,068 𝑅101 = 0,05
0,725= 0,068 𝑅111 = 0,05
0,725= 0,068 𝑅121 = 0,041
0,725= 0,056 𝑅131 = 0,052
0,725= 0,071 𝑅141 = 0,05
0,725= 0,068 𝑅151 = 0,047
0,725= 0,064 Kriteria ke 2 (C2) 𝑋02∗ = 1
16= 0,062 𝑋12∗ = 1
16= 0,062 𝑋22∗ = 1
16= 0,062 𝑋32∗ = 1
16= 0,062 𝑋42∗ = 1
16= 0,062 𝑋52∗ = 1
16= 0,062 𝑋62∗ = 1
16= 0,062 𝑋72∗ = 1
16= 0,062
Page | 505 𝑋82∗ = 1
16= 0,062 𝑋92∗ = 1
16= 0,062 𝑋102∗ = 1
16= 0,062 𝑋112∗ = 1
16= 0,062 𝑋122∗ = 1
16= 0,062 𝑋132∗ = 1
16= 0,062 𝑋142∗ = 1
16= 0,062 𝑋152∗ = 1
16= 0,062 Kriteria ke 3 (C3) 𝑋03∗ = 4
42= 0,095 𝑋13∗ = 4
42= 0,095 𝑋23∗ = 2
42= 0,047 𝑋33∗ = 2
42= 0,047 𝑋43∗ = 1
42= 0,023 𝑋53∗ = 4
42= 0,095 𝑋63∗ = 2
42= 0,047 𝑋73∗ = 4
42= 0,095 𝑋83∗ = 3
42= 0,071 𝑋93∗ = 4
42= 0,095 𝑋103∗ = 3
42= 0,071 𝑋113∗ = 2
42= 0,047 𝑋123∗ = 1
42= 0,023 𝑋133∗ = 2
42= 0,047 𝑋143∗ = 3
42= 0,071 𝑋153∗ = 1
42= 0,023 Kriteria ke 4 (C4) 𝑋04∗ = 3
37= 0,081 𝑋14∗ = 3
37= 0,081 𝑋24∗ = 3
37= 0,081 𝑋34∗ = 3
37= 0,081 𝑋44∗ = 1
37= 0,027 𝑋54∗ = 3
37= 0,081 𝑋64∗ = 1
37= 0,027 𝑋74∗ = 2
37= 0,054 𝑋84∗ = 2
37= 0,054 𝑋94∗ = 1
37= 0,027 𝑋104∗ = 3
37= 0,081 𝑋114∗ = 2
37= 0,054
𝑋124∗ = 3
37= 0,081 𝑋134∗ = 1
37= 0,027 𝑋144∗ = 3
37= 0,081 𝑋154∗ = 3
37= 0,081 Kriteria Ke 5 (C5) 𝑋05∗ = 12
91= 0,131 𝑋15∗ = 6
91= 0,065 𝑋25∗ = 12
91= 0,131 𝑋35∗ = 12
91= 0,131 𝑋45∗ = 10
12= 0,109 𝑋55∗ = 6
91= 0,065 𝑋65∗ = 6
91= 0,065 𝑋75∗ = 6
91= 0,065 𝑋85∗ = 4
91= 0,043 𝑋95∗ = 3
91= 0,032 𝑋105∗ = 3
91= 0,032 𝑋115∗ = 3
91= 0,032 𝑋125∗ = 2
91= 0,021 𝑋135∗ = 2
91= 0,021 𝑋145∗ = 2
91= 0,021 𝑋155∗ = 2
91= 0,021
Dari perhitungan diatas maka diperoleh matriks keputusan yang telah di normalisasi kan sebagai berikut :
𝑋∗ =
[
0,071 0,062 0,095 0,081 0,131 0,052 0,062 0,095 0,081 0,065 0,062 0,062 0,047 0,081 0,131 0,052 0,062 0,047 0,081 0,131 0,062 0,062 0,023 0,027 0,109 0,056 0,062 0,095 0,081 0,065 0,046 0,062 0,047 0,027 0,065 0,064 0,062 0,095 0,054 0,065 0,062 0,062 0,071 0,054 0,043 0,068 0,062 0,095 0,027 0,032 0,068 0,062 0,071 0,081 0,032 0,068 0,062 0,047 0,054 0,032 0,056 0,062 0,023 0,081 0,021 0,071 0,062 0,047 0,027 0,021 0,068 0,062 0,071 0,081 0,021 0,064 0,062 0,023 0,081 0,021]
Mentukan bobot matriks ternormalisasi menggunakan perkalian matriks ternormalisasi pada bobot kriteria.
Kriteria Ke 1 (C1)
𝐷01= 𝑋01∗ ∗ 𝑊1 = 0,071 ∗ 0,457 = 0,0324 𝐷11= 𝑋11∗ ∗ 𝑊1 = 0,052 ∗ 0,457 = 0,0237 𝐷21= 𝑋21∗ ∗ 𝑊1 = 0,062 ∗ 0,457 = 0,0283 𝐷31= 𝑋31∗ ∗ 𝑊1 = 0,052 ∗ 0,457 = 0,0237 𝐷41= 𝑋41∗ ∗ 𝑊1 = 0,062 ∗ 0,457 = 0,0283 𝐷51= 𝑋51∗ ∗ 𝑊1 = 0,056 ∗ 0,457 = 0,0255
Page | 507 𝐷61= 𝑋61∗ ∗ 𝑊1 = 0,046 ∗ 0,457 = 0,0210
𝐷71= 𝑋71∗ ∗ 𝑊1 = 0,064 ∗ 0,457 = 0,0292 𝐷81= 𝑋81∗ ∗ 𝑊1 = 0,062 ∗ 0,457 = 0,0283 𝐷91= 𝑋91∗ ∗ 𝑊1 = 0,068 ∗ 0,457 = 0,0310 𝐷101= 𝑋101∗ ∗ 𝑊1= 0,068 ∗ 0,457 = 0,0310 𝐷111= 𝑋111∗ ∗ 𝑊1= 0,068 ∗ 0,457 = 0,0310 𝐷121= 𝑋121∗ ∗ 𝑊1= 0,056 ∗ 0,457 = 0,0255 𝐷131= 𝑋131∗ ∗ 𝑊1= 0,071 ∗ 0,457 = 0,0324 𝐷141= 𝑋141∗ ∗ 𝑊1= 0,068 ∗ 0,457 = 0,0310 𝐷151= 𝑋151∗ ∗ 𝑊1= 0,064 ∗ 0,457 = 0,0292 Kriteria Ke 2 (C2)
𝐷02= 𝑋02∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷12= 𝑋12∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷22= 𝑋22∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷32= 𝑋32∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷42= 𝑋42∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷52= 𝑋52∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷62= 𝑋62∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷72= 𝑋72∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷82= 𝑋82∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷92= 𝑋92∗ ∗ 𝑊2 = 0,062 ∗ 0,257 = 0,0159 𝐷102= 𝑋102∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 𝐷112= 𝑋112∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 𝐷122= 𝑋122∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 𝐷132= 𝑋132∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 𝐷142= 𝑋142∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 𝐷152= 𝑋152∗ ∗ 𝑊2= 0,062 ∗ 0,257 = 0,0159 Kriteria Ke 3 (C3)
𝐷03= 𝑋03∗ ∗ 𝑊3 = 0,095 ∗ 0,156 = 0,0148 𝐷13= 𝑋13∗ ∗ 𝑊3 = 0,095 ∗ 0,156 = 0,0148 𝐷23= 𝑋23∗ ∗ 𝑊3 = 0,047 ∗ 0,156 = 0,0073 𝐷33= 𝑋33∗ ∗ 𝑊3 = 0,047 ∗ 0,156 = 0,0073 𝐷43= 𝑋43∗ ∗ 𝑊3 = 0,023 ∗ 0,156 = 0,0035 𝐷53= 𝑋53∗ ∗ 𝑊3 = 0,095 ∗ 0,156 = 0,0148 𝐷63= 𝑋63∗ ∗ 𝑊3 = 0,047 ∗ 0,156 = 0,0073 𝐷73= 𝑋73∗ ∗ 𝑊3 = 0,095 ∗ 0,156 = 0,0148 𝐷83= 𝑋83∗ ∗ 𝑊3 = 0,071 ∗ 0,156 = 0,0110 𝐷93= 𝑋93∗ ∗ 𝑊3 = 0,095 ∗ 0,156 = 0,0148 𝐷103= 𝑋103∗ ∗ 𝑊3= 0,071 ∗ 0,156 = 0,0110 𝐷113= 𝑋113∗ ∗ 𝑊3= 0,047 ∗ 0,156 = 0,0073 𝐷123= 𝑋123∗ ∗ 𝑊3= 0,023 ∗ 0,156 = 0,0035 𝐷133= 𝑋133∗ ∗ 𝑊3= 0,047 ∗ 0,156 = 0,0073 𝐷143= 𝑋143∗ ∗ 𝑊3= 0,071 ∗ 0,156 = 0,0110 𝐷153= 𝑋153∗ ∗ 𝑊3= 0,023 ∗ 0,156 = 0,0035 Kriteria Ke 4 (C4)
𝐷04= 𝑋04∗ ∗ 𝑊4 = 0,081 ∗ 0,090 = 0,0072 𝐷14= 𝑋14∗ ∗ 𝑊4 = 0,081 ∗ 0,090 = 0,0072 𝐷24= 𝑋24∗ ∗ 𝑊4 = 0,081 ∗ 0,090 = 0,0072 𝐷34= 𝑋34∗ ∗ 𝑊4 = 0,081 ∗ 0,090 = 0,0072 𝐷44= 𝑋44∗ ∗ 𝑊4 = 0,027 ∗ 0,090 = 0,0024 𝐷54= 𝑋54∗ ∗ 𝑊4 = 0,081 ∗ 0,090 = 0,0073 𝐷64= 𝑋64∗ ∗ 𝑊4 = 0,027 ∗ 0,090 = 0,0024 𝐷74= 𝑋74∗ ∗ 𝑊4 = 0,054 ∗ 0,090 = 0,0048
𝐷84= 𝑋84∗ ∗ 𝑊4 = 0,054 ∗ 0,090 = 0,0048 𝐷94= 𝑋94∗ ∗ 𝑊4 = 0,027 ∗ 0,090 = 0,0024 𝐷104= 𝑋104∗ ∗ 𝑊4= 0,081 ∗ 0,090 = 0,0072 𝐷114= 𝑋114∗ ∗ 𝑊4= 0,054 ∗ 0,090 = 0,0048 𝐷124= 𝑋124∗ ∗ 𝑊4= 0,081 ∗ 0,090 = 0,0072 𝐷134= 𝑋134∗ ∗ 𝑊4= 0,027 ∗ 0,090 = 0,0024 𝐷144= 𝑋144∗ ∗ 𝑊4= 0,081 ∗ 0,090 = 0,0072 𝐷154= 𝑋154∗ ∗ 𝑊4= 0,081 ∗ 0,090 = 0,0072 Kriteria Ke 5 (C5)
𝐷05= 𝑋05∗ ∗ 𝑊5 = 0,131 ∗ 0,040 = 0,0052 𝐷15= 𝑋15∗ ∗ 𝑊5 = 0,065 ∗ 0,040 = 0,0026 𝐷25= 𝑋25∗ ∗ 𝑊5 = 0,131 ∗ 0,040 = 0,0052 𝐷35= 𝑋35∗ ∗ 𝑊5 = 0,131 ∗ 0,040 = 0,0052 𝐷45= 𝑋45∗ ∗ 𝑊5 = 0,109 ∗ 0,040 = 0,0043 𝐷55= 𝑋55∗ ∗ 𝑊5 = 0,065 ∗ 0,040 = 0,0026 𝐷65= 𝑋65∗ ∗ 𝑊5 = 0,065 ∗ 0,040 = 0,0026 𝐷75= 𝑋75∗ ∗ 𝑊5 = 0,065 ∗ 0,040 = 0,0026 𝐷85= 𝑋85∗ ∗ 𝑊5 = 0,043 ∗ 0,040 = 0,0017 𝐷95= 𝑋95∗ ∗ 𝑊5 = 0,032 ∗ 0,040 = 0,0012 𝐷105= 𝑋105∗ ∗ 𝑊5= 0,032 ∗ 0,040 = 0,0012 𝐷115= 𝑋115∗ ∗ 𝑊5= 0,032 ∗ 0,040 = 0,0012 𝐷125= 𝑋125∗ ∗ 𝑊5= 0,021 ∗ 0,040 = 0,0008 𝐷135= 𝑋135∗ ∗ 𝑊5= 0,021 ∗ 0,040 = 0,0008 𝐷145= 𝑋145∗ ∗ 𝑊5= 0,021 ∗ 0,040 = 0,0008 𝐷155= 𝑋155∗ ∗ 𝑊5= 0,021 ∗ 0,040 = 0,0008
2. Dari perhitungan diatas maka dapat diperoleh hasil matriks sebagai berikut :
D =
[
0,0324 0,0159 0,0148 0,0072 0,0052 0,0237 0,0159 0,0148 0,0072 0,0026 0,0283 0,0159 0,0073 0,0072 0,0052 0,0237 0,0159 0,0073 0,0072 0,0052 0,0283 0,0159 0,0035 0,0024 0,0043 0,0255 0,0159 0,0148 0,0073 0,0026 0,0210 0,0159 0,0073 0,0024 0,0026 0,0292 0,0159 0,0148 0,0048 0,0026 0,0283 0,0159 0,0110 0,0048 0,0017 0,0310 0,0159 0,0148 0,0024 0,0012 0,0310 0,0159 0,0110 0,0072 0,0012 0,0310 0,0159 0,0073 0,0048 0,0012 0,0255 0,0159 0,0035 0,0072 0,0008 0,0324 0,0159 0,0073 0,0024 0,0008 0,0310 0,0159 0,0110 0,0072 0,0008 0,0292 0,0159 0,0035 0,0072 0,0008]
3. Menentukan nilai fungsi optimasi, dengan menjumlahkan nilai kriteria untuk setiap alternatif dari hasil perkalian matriks dengan bobot-bobot yang telah dilakukan sebelumnya.
𝑆0= 0,0324 + 0,0159 + 0,0148 + 0,0072 + 0,0052 = 0,0755 𝑆1= 0,0237 + 0,0159 + 0,0148 + 0,0072 + 0,0026 = 0,0642 𝑆2= 0,0283 + 0,0159 + 0,0073 + 0,0072 + 0,0052 = 0,0639 𝑆3= 0,0237 + 0,0159 + 0,0073 + 0,0072 + 0,0052 = 0,0593 𝑆4= 0,0283 + 0,0159 + 0,0035 + 0,0024 + 0,0043 = 0,0544 𝑆5= 0,0255 + 0,0159 + 0,0148 + 0,0073 + 0,0026 = 0,0661 𝑆6= 0,0210 + 0,0159 + 0,0073 + 0,0024 + 0,0026 = 0,0492 𝑆7= 0,0292 + 0,0159 + 0,0148 + 0,0048 + 0,0026 = 0,0673 𝑆8= 0,0283 + 0,0159 + 0,0110 + 0,0048 + 0,0017 = 0,0617
Page | 509 𝑆9= 0,0310 + 0,0159 + 0,0148 + 0,0024 + 0,0012 = 0,0653
𝑆10= 0,0310 + 0,0159 + 0,0110 + 0,0072 + 0,0012 = 0,0663 𝑆11= 0,0310 + 0,0159 + 0,0073 + 0,0048 + 0,0012 = 0,0602 𝑆12= 0,0255 + 0,0159 + 0,0035 + 0,0072 + 0,0008 = 0,0529 𝑆13= 0,0324 + 0,0159 + 0,0073 + 0,0024 + 0,0008 = 0,0588 𝑆14= 0,0310 + 0,0159 + 0,0110 + 0,0072 + 0,0008 = 0,0659 𝑆15= 0,0292 + 0,0159 + 0,0035 + 0,0072 + 0,0008= 0,0566
4. Menentukan tingkat ranking tertinggi dari setiap alternatif, dengan membagi nilai alternatif terhadap alternatif 0 𝐾0= 0,0755
0,9876= 0,0764 𝐾1= 0,0642
0,9876= 0,0650 𝐾2= 0,0639
0,9876= 0,0647 𝐾3= 0,0593
0,9876= 0,0600 𝐾4= 0,0544
0,9876= 0,0550 𝐾5= 0,0661
0,9876= 0,0669 𝐾6= 0,0492
0,9876= 0,0498 𝐾7= 0,0673
0,9876= 0,0681 𝐾8= 0,0617
0,9876= 0,0624 𝐾9= 0,0653
0,9876= 0,0661 𝐾10= 0,0663
0,9876= 0,0671 𝐾11= 0,0602
0,9876= 0,0609 𝐾12= 0,0529
0,9876= 0,0535 𝐾13= 0,0588
0,9876= 0,0595 𝐾14= 0,0659
0,9876= 0,0667 𝐾15= 0,0566
0,9876= 0,0573
Maka dari hasil tingkatan ranking tertinggi dari alternatif, dimana nilai dari setiap alternatif dibagi dengan A0
sehingga menghasilkan sesuatu utilitas yang akan digunakan sebagai tingkat perankingan dengan nilai tertinggi yang dipilih.
Tabel 1. Peringkat Alternatif Nilai (Ki) Ranking
A0 0,0764 -
A7 0,0681 1
A10 0,0671 2
A5 0,0669 3
A14 0,0667 4
A9 0,0661 5
A1 0,0650 6
A2 0,0647 7
A8 0,0624 8
A11 0,0609 9
A3 0,0600 10
A13 0,0595 11
A15 0,0573 12
A4 0,0550 13
A12 0,0535 14
A6 0,0498 15
Dari hasil perhitungan diatas, maka dapat disimpulkan bahwa pemilihan supervisor di Cafe Coup D’Etat harus memenuhi kriteria yang sudah ditentukan diatas dan mendapatkan nilai tertinggi, maka yang menjadi kandidat supervisor di cafe tersebut adalah alternatif A7 dan A10 yaitu May Ariska Nst dan Otniel Sihombing.
3.2 Implementasi
Tampilan Program adalah tampilan dari antarmuka (interface) sistem yang telah dirancang sebelumnya. Sistem yang terdapat pada penelitian ini ada 6 tampilan halaman, yaitu Form Login, Form Menu Utama, Form Data Alternatif, Form Data Kriteria, Form Data Rating Kecocokan, dan Form Hasil Keputusan.
1. Form Login
Gambar 2. Form Login 2. Form Menu Utama
Gambar 3. Form Menu Utama 3. Form Data Alternatif
Gambar 4. Form Data Alternatif 4. Form Data Kriteria
Gambar 5. Form Data Kriteria 5. Form Rating Data Keocokan
Page | 511 Gambar 6. Form Rating Data Kecocokan
6. Hasil Pengujian Sistem
Gambar 7. Hasil Pengujian
4. KESIMPULAN
Berdasarkan hasil penerapan metode ARAS pada pemilihan supervisor, maka dapat disimpulkan bahwa Prosedur dalam pemilihan supervisor telah diterapkan menggunakan metode ARAS yang terbilang mudah dimengerti. Penerapan dalam proses pemilihan supervisor menggunakan metode ARAS terbilang cukup mudah dipahami dan hasil dari pemilihan menggunakan metode tersebut mendapatkan hasil yang cukup akurat. Aplikasi penerapan metode ARAS dalam pemilihan supervisor berhasil dirancang dan dibangun dengan menerapkan bahasa pemrograman Microsoft Visual Studio 2008, sehingga dapat membantu perusahaan dalam proses pemilihan supervisor.
REFERENCES
[1] S. Manurung, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN GURU DAN PEGAWAI TERBAIK MENGGUNAKAN METODE MOORA,” vol. 9, no. 1, pp. 701–706, 2018.
[2] R. R. Dilla and D. P. Utomo, “Sistem Pendukung Keputusan Pemilihan Mekanik Terbaik Menggunakan Metode Operational Competitiveness Rating Analysis ( OCRA ) Studi Kasus : Auto2000,” vol. 5, pp. 103–110, 2021, doi: 10.30865/komik.v5i1.3657.
[3] R. W. P. Pamungkas, M. Mayadi, A. Azlan, K. Khairunnisa, and F. T. Waruwu, “Analisis Sistem Pendukung Keputusan Penentuan Kasi Terbaik Menerapkan Metode OCRA dengan Pembobotan Rank Order Centroid (ROC),” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 393–399, 2021, doi: 10.47065/bits.v3i3.1100.
[4] K. Fatmawati, A. P. Windarto, and M. R. Lubis, “Analisa SPK Dengan Metode AHP Dalam Menentukan Faktor Konsumen Dalam Melakukan Kredit Barang,” Konf. Nas. Teknol. Inf. dan Komput., vol. I, pp. 314–321, 2017.
[5] Z. Hariansyah, M. Syurya Hidayat, and H. Achmad, “Analisis Penerimaan Pajak Daerah dan Pengaruhnya Terhadap Belanja Daerah Provinsi Jambi.” Universitas Jambi, 2021.
[6] T. R. Sitompul and N. A. Hasibuan, “Sistem Pendukung Keputusan Seleksi Tenaga Kerja Untuk Security Service Menggunakan Metode Aras,” J. Media Inform. Budidarma, vol. 2, no. 1, 2018.
[7] N. A. H. Lia Ciky Lumban Gaol, “SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEAM LEADER SHIFT TERBAIK DENGAN MENGGUNAKAN METODE ARAS STUDI KASUS PT. ANUGRAH BUSANA INDAH Lia,” Inf. dan Teknol. Ilm., vol. 13, no. 1, pp. 16–21, 2018.
[8] M. A. Hasmi, M. Mesran, and B. Nadeak, “Sistem Pendukung Keputusan Penerimaan Instruktur Fitness Menerapkan Metode Additive Ratio Assessment (Aras) (Studi Kasus : Vizta Gym Medan),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol.
2, no. 1, pp. 121–129, 2018, doi: 10.30865/komik.v2i1.918.
[9] S. W. Sari and B. Purba, “Sistem Pendukung Keputusan Pemilihan Ketua Danru Terbaik Menggunakan Metode ARAS,” Semin.
Nas. Teknol. Komput. Sains SAINTEKS 2019, pp. 291–300, 2019.
[10] Nia Komalasari, “Sistem Pendukung Keputusan Kelaikan Terbang (SPK2T),” J. Ind. Elektro dan Penerbangan 4, vol. 4, no. 1, pp.
1–11, [Online]. Available:
https://scholar.google.com/scholar?oi=bibs&cluster=573809911365804404&btnI=1&hl=id&authuser=1.
[11] R. Panggabean and N. A. Hasibuan, “Penerapan Preference Selection Index ( PSI ) Dalam Sistem Pendukung Keputusan Pengangkatan Supervisor Housekeeping,” Rekayasa Tek. Inform. dan Inf., vol. 1, no. 2, pp. 85–93, 2020.
[12] E. Ndruru, “Pemanfaatan Sistem Pendukung Keputusan Dalam Seleksi PKW Terbaik Dengan Metode Aras Pada LPK2-Pascom Medan,” J. Inf. Log., vol. I, no. 2, pp. 26–34, 2019.
