MODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN
JABATAN DI INSTITUSI PENDIDIKAN TINGGI TESIS
AJULIO PADLY SEMBIRING 147038059
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATRA UTARA
MEDAN
2017
MODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN
JABATAN DI INSTITUSI PENDIDIKAN TINGGI TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika
AJULIO PADLY SEMBIRING 147038059
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATRA UTARA
MEDAN
2017
i
PERSETUJUAN
Judul : MODEL RULE DENGAN PENDEKATAN FUZZY
SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN JABATAN DI
INSTITUSI PENDIDIKAN TINGGI
Kategori : TESIS
Nama : AJULIO PADLY SEMBIRING
NIM : 147038059
Program Studi : MAGISTER (S2) TEKNIK INFORMATIKA
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAR SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Rahmat Widia Sembiring, M.Sc. IT, Ph.D Prof. Dr. Tulus, Vor.Dipl, Math, M.Si
Diketahui / disetujui oleh
Program Studi Magister (S2) TeknikInformatika Ketua,
Prof. Dr. Muhammad Zarlis NIP. 19570701 198601 1 003
ii
PERNYATAAN
MODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN
JABATAN DI INSTITUSI PENDIDIKAN TINGGI
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 6 Juni 2017
Ajulio Padly Sembiring NIM. 147038059
iii
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini :
Nama : Ajulio Padly Sembiring
NIM : 147038059
Program Studi : Magister (S2) Teknik Informatika Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul :
MODEL RULE DENGAN PENDEKATAN FUZZY SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT PADA PENENTUAN JABATAN DI INSTITUSI PENDIDIKAN TINGGI
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, 6 Juni 2017
Ajulio Padly Sembiring 147038059
iv
Telah diuji pada Tanggal : 6 Juni 2017
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Prof. Dr. Tulus
2. Rahmat Widia Sembiring, M.Sc. IT, Ph.D 3. Dr. Elviawati Muisa Zamzami
`
v
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap : Ajulio Padly Sembiring Tempat dan Tanggal Lahur : Pasar Baru, 16 Juli 1992
Alamat Rumah : Jalan Sei Batu Gingging No.58 Kel. P. Bulan Selayang I, Kec. P. Bulan Selayang Medan Sumatera Utara
Telepon/Fax/HP : -/ -/ 0821 6614 9426
Email : afandijulio@gmail.com
DATA PENDIDIKAN
SD : SDN 01 PERBULAN TAHUN : 2004
SMP : SWASTA MUSYAWARAH PERBULAN TAHUN : 2007
SLTA : SMK SWASTA MULIA TAHUN : 2010
S1 : Teknik Informatika Sekolah Tinggi Teknik Harapan
Medan TAHUN : 2014
S2 : Teknik Informatika Universitas Sumatera Utara TAHUN : 2017
vi
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah Swt karena atas rahmat dan karuniaNya penulis dapat menyelesaikan tesis yang berjudul“Model Rule Dengan Pendekatan Fuzzy Simple Additive Weighting dan Weighted Product Pada Penentuan Jabatan di Institusi Pendidikan Tinggi” untuk memenuhi salah satu syarat dalam mencapai gelar Magister pada Jurusan Teknik Informatika Universitas Sumatera Utara Medan. Dalam kesempatan ini penulis menyadari bahwa banyak pihak yang ikut berperan dalam menyelesaikan tesis ini baik moril maupun materil. Oleh karena itu penulis mengucapkan rasa terima kasih kepada :
1. Bapak Prof. Dr. Runtung Sitepu, S.H., M.Hum. Selaku Rektor Universitas Sumatera Utara atas kesempatan yang telah diberikan kepada penulis untuk dapat mengikuti dan menyelesaikan pendidikan Program Magister Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
1. Bapak Prof. Opim Salim Sitompul , selaku Dekan yang telah banyak meluangkan waktunya dan pikiran untuk mengarahkan penulis dalam menyusun tesis ini.
2. Bapak Prof. Dr. Muhammad Zarlis, selaku Ketua Program Studi S2 Teknik Informatika FASILKOM-TI sekaligus sebagai Dosen Pembanding yang telah memberikan saran untuk perbaikan dan penyelesaian tesis ini.
3. Bapak Prof. Dr. Tulus, selaku Dosen Pembimbing I yang telah banyak memberikan kritik dan saran dalam penyusunan tesis ini.
4. Bapak Rahmat Widia Sembiring, M.Sc. IT, Ph.D, selaku Dosen Pembimbing II yang telah banyak memberikan kritik dan saran dalam penyusunan tesis ini.
5. Ibuk Dr. Elviawati Muisa Zamzami, selaku Dosen Pembanding yang telah memberikan saran untuk perbaikan dan penyelesaian tesis ini.
6. Bapak/Ibu staf, dosen dan karyawan/ti Universitas Sumatera Utara.
7. Ibunda dan Ayahanda yang telah memberikan doa dan semangat kepada penulis.
8. Teman-teman seperjuangan Angkatan Kom-C 2014 yang telah memberikan dukungan dalam penyelesaian tesis ini.
vii
Dalam menyusun tesis ini penulis menyadari masih banyak kekurangan. Untuk itu penulis mengharapkan kritik dan saran untuk menyempurnakan tesis ini.
Akhirnya semoga Allah Swt melimpahkan rahmatnya kepada kita semua, dan semoga tesis ini dapat bermanfaat bagi para pembaca.
Medan, 06 Juni 2017 Penulis
Ajulio Padly Sembiring 147038059
viii
ABSTRAK
Proses pengambilan keputusan merupakan sebuah kegiatan yang memiliki indikator dan proses yang cukup rumit, dimana setiap pengambilan keputusan diharapkan mendapatkan hasil keputusan yang terbaik. Untuk memecahkan masalah ini model dalam penentuan keputusan merupakan salah satu solusi yang dapat digunakan untuk membetuk logika yang matematis, yang dapat mewakili dari setiap indikator yang akan digunakan dalam mengambil sebuah keputusan, sistem fuzzy sangat tepat untuk menyelesaikan masalah ini terutama didalam hal memutuskan hal yang tidak pasti (samar). Multiple Attribute Decision Making (MADM) adalah suatu metode fuzzy yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan indikator tertentu, metode Simple Additive Weighting (SAW) adalah salah satu metode untuk pengambilan keputusan MADM yang dapat digunakan untuk menentukan alternatif terbaik dari berbagai alternative dan metode Weighted Product (WP) adalah salah satu analisis multi kriteria keputusan yang diberikan ke set terbatas dari alternatif keputusan yang dijelaskan dalam hal sejumlah kriteria keputusan. Dengan menggunakan kedua metode ini hasil yang didapat lebih akurat.
Kata Kunci : Akurasi, SPK, MADM, Simple Additive Weighting, Weighted Product
ix
Rule Model With Fuzzy Approach Simple Additive Weighting And Weighting Product On Position Determination In
Higher Education Institution
ABSTRACT
The decision-making process is an activity that has a fairly complex indicator and process, in which every decision-making is expected to get the best decision result. To solve this problem the model in decision-making is one of the solutions that can be used to construct mathematical logic, which can represent from every indicator to be used in making a decision, a fuzzy system is perfect for solving this problem especially in terms of deciding what is not Definitely (vague). Multiple Attribute Decision Making (MADM) is a fuzzy method used to find the optimal alternative of a number of alternatives with specific indicators. Simple Additive Weighting (SAW) method is one of the methods for MADM decision making that can be used to determine the best alternative from various alternatives and Weighted Product (WP) method is one of the multi-criteria analysis of the decision given to a limited set of decision alternatives described in terms of a number of decision criteria. Using these two methods the results are more accurate.
Keywords: Accuracy, SPK, MADM, Simple Additive Weighting, Weighted Product
x
DAFTAR ISI
Halaman HALAMAN JUDUL
KATA PENGANTAR i
ABSTRAK viii
ABSTRACT ix
DAFTAR ISI x
DAFTAR GAMBAR xii
DAFTAR TABEL xiii
BAB 1 PENDAHULUAN
1.1 Latar Belakang Masalah 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
BAB 2 TINJAUAN PUSTAKA
2.1 Multi Atribut Dicision Making (MADM) 4
2.2 Simple Additive Weighting (SAW) 4
2.2.1 Langkah - Langkah Penyelesaian Metode Simple Additive
Weighting (SAW) 8
2.3 Weighted Product (WP) 7
2.3.1 Langkah-langkah algoritma Weighted Product (WP) 9
2.3.2 Penelitian yang Relevan 9
2.4 Logika Fuzzy 10
2.5 Manajemen Sumber Daya Manusia (SDM) 13
2.6 Manajemen Bakat 14
BAB 3 METODOLOGI PEMENITIAN
3.1 Rancangan Penelitian 19
3.2 Perancangan Sistem 20
xi
3.3 Klasifikasi Variabel 21
3.4 Prosedur Pengumpulan Data 24
BAB 4 HASIL DAN PEMBAHASAN
4.1 Pendahuluan 26
4.2 Proses Fuzzyfikasi 27
4.2.1 Kriteria Pendidikan 27
4.2.2 Kriteria Jabatan 28
4.2.3 Kriteria Masa Kerja 29
4.3 Pengujian Data 30
4.4 Proses Pengujian Menggunakan Metode SAW 30
4.4.1 Proses Pengujian SAW 31
4.5 Proses Pengujian Menggunakan Metode WP 38
4.6 Analisa Perbandingan Pengujian Manual dan Program 39
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan 48
5.2 Saran 48
DAFTAR PUSTAKA 49
LAMPIRAN 50
xii
DAFTAR TABEL
Tabel 3.1. Klasifikaasi Variabel 21
Tabel 4.1. Variabel A dan Bobot 26
Tabel 4.2. Variabel B dan Bobot 27
Tabel 4.3. Tingkat Kepentingan Kriteria 27
Tabel 4.4. Kriteria Pendidikan 27
Tabel 4.5. Kriteria Jabatan 28
Tabel 4.6. Kriteria Masa Kerja 29
Tabel 4.7. Nilai Variabel 31
Tabel 4.8. Nilai Vector 36
Tabel 4.9. Nilai Normalisasi 37
Tabel 4.10. Nilai Vektor 36
Tabel 4.11. Analisis Perbandingan Metode SAW 43
Tabel 4.12. Analisis Perbandingan Metode WP 44
Tabel 4.13. Analisis Perbandingan Metode WP Vektor 45
xiii
DAFTAR GAMBAR
Gambar 2.1. Skema dasar Fuzzy Logic 11
Gambar 3.1. Flowchart Penelitian Menggunakan SAW dan WP 19
Gambar 4.1. Fuzzy Keanggotaan Variabel Pendidikan 28
Gambar 4.2. Fuzzy Keanggotaan Variabel Jabatan 29
Gambar 4.3. Fuzzy Keanggotaan Masa Kerja 30
Gambar 4.4. Data Calon 40
Gambar 4.5. Persyaratan Umum 40
Gambar 4.6. Set Nilai Persyaratan Calon 41
Gambar 4.7. Proses Perhitungan Menggunakan SAW 42
Gambar 4.8. Perhitungan Menggunaka WP 42
Gambar 4.9. Grafik Perbandingan SAW 44
Gambar 4.10. Grafik Perbandingan WP Normalisasi 45
Gambar 4.11. Grafik Perbandingan WP Vektor 46
viii
ABSTRAK
Proses pengambilan keputusan merupakan sebuah kegiatan yang memiliki indikator dan proses yang cukup rumit, dimana setiap pengambilan keputusan diharapkan mendapatkan hasil keputusan yang terbaik. Untuk memecahkan masalah ini model dalam penentuan keputusan merupakan salah satu solusi yang dapat digunakan untuk membetuk logika yang matematis, yang dapat mewakili dari setiap indikator yang akan digunakan dalam mengambil sebuah keputusan, sistem fuzzy sangat tepat untuk menyelesaikan masalah ini terutama didalam hal memutuskan hal yang tidak pasti (samar). Multiple Attribute Decision Making (MADM) adalah suatu metode fuzzy yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan indikator tertentu, metode Simple Additive Weighting (SAW) adalah salah satu metode untuk pengambilan keputusan MADM yang dapat digunakan untuk menentukan alternatif terbaik dari berbagai alternative dan metode Weighted Product (WP) adalah salah satu analisis multi kriteria keputusan yang diberikan ke set terbatas dari alternatif keputusan yang dijelaskan dalam hal sejumlah kriteria keputusan. Dengan menggunakan kedua metode ini hasil yang didapat lebih akurat.
Kata Kunci : Akurasi, SPK, MADM, Simple Additive Weighting, Weighted Product
ix
Rule Model With Fuzzy Approach Simple Additive Weighting And Weighting Product On Position Determination In
Higher Education Institution
ABSTRACT
The decision-making process is an activity that has a fairly complex indicator and process, in which every decision-making is expected to get the best decision result. To solve this problem the model in decision-making is one of the solutions that can be used to construct mathematical logic, which can represent from every indicator to be used in making a decision, a fuzzy system is perfect for solving this problem especially in terms of deciding what is not Definitely (vague). Multiple Attribute Decision Making (MADM) is a fuzzy method used to find the optimal alternative of a number of alternatives with specific indicators. Simple Additive Weighting (SAW) method is one of the methods for MADM decision making that can be used to determine the best alternative from various alternatives and Weighted Product (WP) method is one of the multi-criteria analysis of the decision given to a limited set of decision alternatives described in terms of a number of decision criteria. Using these two methods the results are more accurate.
Keywords: Accuracy, SPK, MADM, Simple Additive Weighting, Weighted Product
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Organisasi atau institusi perguruan tinggi dalam pemilihan personil pejabat untuk menduduki posisi seperti ketua program studi dan sekretaris program studi masih menggunakan cara konvensional dan menggunakan indikator yang tidak jelas dan bersifat subjektif. Dimana dengan cara tersebuat sangat beresiko terjadi kesalahan dalam memilih personil yang tepat ditambah keterkaitan emosional dan hubungan kekeluargaan sering menjadi faktor yang sangat mempengaruhi hasil dalam pemilihan personil. Seperti kebanyakan perusahaan atau pendidikan tinggi masih menggunakan penilaian yang bersifat subyektif dalam mengukur efektifitas strategi Sumber Daya Manusia (SDM) yang mereka terapkan (Becker et al. 2001). Dari permasalahan ini dibutuhkan model pendekatan dan rule dalam menghitung indikator kualifikasi apa saja yang harus dipenuhi dalam menentukan SDM yang tepat untuk ketua program studi dan sekretaris program studi.
Dalam menduduki ketua program studi dan sekretaris program studi dibutuhkan beberapa indikator dimana indikator yang biasanya digunakan dalam memilih sesorang dalam menduduki jabatan dengan kriteria umum seperti loyalitas, disiplin, kejujuran dan kemampuan Soft skill seperti tingkat pendidikan, kepangkata dan bidang ilmu yang sesuai oleh setiap calon yang akan menduduki jabatan tersebut. Dengan indikator-indikator itu dapat dilakukan proses klasifikasi untuk menetukan parameter mana saja yang akan digunakan untuk mendapatkan hasil yang tepat dan optimal dalam mendukung keputusan. Dengan menggunakan metode Simple Additive Weighting (SAW) dimana algoritma ini digunakan untuk menentukan alternatif terbaik dari berbagai alternative (Eniyati, 2011) dan algoritma Weighted Product dimana algoritma ini menggunakan perkalian untuk menghubungkan rating atribut,
2
dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Eniyati, 2011) kedua metode ini terdapat didalam Multi Attribute Decision Making (MADM).
Penelitian dengan menggunakan Multi Attribute Decision Making (MADM) terus mengalami perkembangan yang pesat, seperti penelitian yang dilakukan, (Syaukani &
Kusnanto, 2012) meneliti tentang “Pemodelan Sistem Pendukung Keputusan Kelompok Dengan Metode Fuzzy Weighted Product Untuk Diagnosis Penyakit Pneumonia” penelitian ini membahas tentang bagai mana aturan yang tepat dalam melakukan pengambilan keputusan. Penelitian dengan topik yang sama juga dilakukan oleh (Rachmawati, 2012) meneliti tentang “Strategi Untuk Menerapkan Talent Management (Manajemen Talenta) Dalam Perusahaan” penelitina ini membahas tentang bagaimana merekrut dan mengembangkan SDM yang ada hingga mempertimbangkan siapa yang dipertahankan dan siapa yang akan di keluarkan.
Penelitian terkait juga dilakukan oleh (Kusumawati, 2015) dengan judul “Penentuan Penerima Beasiswa Menggunakan Simple Additive Weighting dan Weighted Product”
didalam penelitian ini membahas bagaimana model pendukung keputusan yang akan dijadikan sebagai acuan dalam menentukan siapa yang berhak mendapatkan beasiswa.
Dari beberapa penelitian yang terdahulu saat ini peneliti melihat bahwa didalam lingkungan Institusi Pendidikan Tinggi juga perlu mendapatkan perhatian khusus.
Penelitina ini akan dilakukan untuk mendapatkan model pendekatan agar menghasilkan rule yang tepat untuk menentukan siapa yang pantas menduduki jabatan tertentu dilingkungan Institusi Pendidikan Tinggi. Diharapkan dengan hasil penelitian ini nantinya dapat menghasilakan model pendekatan baru untuk mendapatkan hasil yang lebih optimal dalam mendukung keputusan akhir nantinya.
1.2 Rumusan Masalah
Adapun rumusan masalah dalam penelitian ini adalah sebagai berikut:
Bagaimana model aturan yang tepat dan optimal dalam menentukan siapa yang layak menduduki jabatan sebagai ketua umum, ketua jurusan dan sekretaris didalam organisasi pendidikan dengan parameter kualifikasi yang telah ditentukan, hingga memperoleh hasil yang akurat dan tepat.
3
1.3 Batasan Masalah
Adapun batasan masalah dari penelitian tesis ini adalah:
1. Data yang digunakan untuk penelitian ini bersumber dari Sekolah Tinggi Teknik Harapan Medan.
2. Penelitian ini akan menguji untuk jabatan ketua program studi dan skretaris program studi dilingkungan Sekolah Tinggi Teknik Harapan Medan.
3. Hasil yang didapatkan nantinya berupa informasi pendukung untuk pengambilan keputusan.
4. Penelitian ini akan menghasilkan rule untuk menetukan nilai tertinggi dari hasil perhitungan setiap indikator.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian tesis ini adalah:
Menghasilkan aturan yang optimal dalam menentukan parameter kualifikasi untuk menyaring sumber daya manusia yang tepat untuk menduduki jabatan ketua program studi dan sekretaris program studi institusi pedidikan tinggi. Ketepatan pemilihan sumber daya manusia akan menghasilkan kualitas organisasi yang baik dan secara garis lurus akan menghasilkan tamatan yang lebih kompeten dan berkwalitas.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian tesis ini adalah:
1. Pemilihan pejabat didalam Institusi Perguruan Tinggi lebih objektif
2. Meningkatkan kualitas dari sumber daya manusia untuk memenuhi kebutuhan Institusi Pendidikan Tinggi
5. Mendapatkan pejabat yang lebih tepat dalam mendudukin jabatan ketua program studi dan sekretaris program studi
BAB 2
TINJAUAN PUSTAKA
2.1 Multi Atribut Dicision Making
Multiple Attribute Decision Making (MADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari MADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif (Saremietal, 2009).
Masing-masing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah MADM. Antara lain:
a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS).
e. Analytic Hierarchy Process (AHP)
2.2 Simple Additive Weighting (SAW)
Simple Additive Weighting (SAW) adalah salah satu metode untuk pengambilan keputusan multi-atribut. Hal ini digunakan untuk menentukan alternatif terbaik dari
5
berbagai alternative (Rahmawati, at al, 2013). Metode SAW juga sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dengan rating kinerja pada setiap alternatif untuk semua atribut. Asumsi yang mendasari metode SAW adalah setiap atribut bersifat independen, jadi tidak akan dipengaruhi oleh atribut lain. Scoring dengan metode ini diperoleh dengan menambahkan kontribusi dari setiap atribut (Kahraman, 2003). Langkah- langkah dalam metode SAW adalah (Eniyati,S. 2011):
1. Membuat matriks keputusan Z berukuran m x n, dimana m = alternatif yang akan dipilih dan n = kriteria.
2. Membarikan nilai x setiap alternatif (i) pada setiap kriteria (j) yang sudah ditentukan, dimana, i=1,2,…m dan j=1,2,…n pada matriks keputusan Z,
3. Memberikan nilai bobot preferensi (W) oleh pengambil keputusan untuk masingmasing kriteria yang sudah ditentukan.
4. Melakukan normalisasi matriks keputusan Z dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Aipada atribut Cj.
Dengan ketentuan :
a. Dikatakan atribut keuntungan apabila atribut bnyak memberikan keuntungan bagi pengambil keputusan, sedangkan atribut biaya merupakan atribut yang banyak memberikan pengeluaran jika nilainya semakin besar bagi pengambil keputusan.
b. Apabila berupa atribut keuntungan maka nilai (xij) dari setiap kolom atribut dibagi dengan nilai (MAX xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai (MIN xij) dari tiap kolom atribut dibagi dengan nilai (xij) setiap kolom.
6
c. Hasil dari nilai rating kinerja ternormalisasi (rij) membentuk matriks ternormalisasi (N)
d. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (N) dengan nilai bobot preferensi (W).
e. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (N) dengan nilai bobot preferensi (W).
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Aimerupakan alternatif terbaik.
Kelebihan dari Metode Simple Additive Weighting (SAW) dibandingkan dengan model pengambilan keputusan yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan nilai bobot untuk setiap atribut.
Hasil akhir diperoleh dari setiap proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi dengan bobot preferensi sehingga diperoleh nilai Vi
yang lebih besar mengindikasikan bahwa alternatif Aimerupakan alternatif terbaik.
Beda antara atribut keuntungan dan atribut biaya yaitu :
Dikatakan atribut keuntungan jika atribut yang diberikan itu dimaksudkan untuk meningkatkan keuntungan dari pengambilan keputusan yang diambil. Jika nilai kecocokan setiap kriteria itu semakin tinggi nilainya semakin baik atau semakin diprioritaskan maka kriteria tersebut dikatakan kriteria atau atribut keuntungan.
Kemudian dikatakan atribut biaya jika atribut yang diberikan itu dimaksudkan untuk meningkatkan pengurangan biaya operasional pengambilan keputusan yang
7
diambil. Jika nilai kecocokan setiap kriteria itu semakin kecil nilainya semakin baik, maka kriteria tersebut dikatakan kriteria biaya.
2.2.1 Langkah – Langkah Penyelesaian Metode Simple Additive Weighting (SAW) Terdapat beberapa langkah dalam menggunakan metode SAW untuk memecahkan masalah, langkah-langkahnya adalah sebagai berikut (Kusumadewi, 2006) :
1. Menentukan alternatif, yaitu Ai.
2. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.
3. Memberikan nilai bobot pada setiap kriteria.
4. Menentukan bobot preferensi atau tingkat kepentingan (Wj) setiap kriteria.
5. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria.
6. Membuat matriks keputusan berdasarkan kriteria (Ci).
7. Melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis kriteria, (kriteria keuntungan ataupun kriteria biaya) sehingga diperoleh matriks ternormalisasi R.
Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.
2.3 Weighted Product
Weighted Product merupakan salah satu metode yang digunakan untuk menyelesaikan masalah Multi Attribute Decision Making (MADM). Algoritma Weighted Product menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan (Shuanghong, et al., 2012). Proses ini sama halnya dengan proses normalisasi. Preferensi untuk alternatif Ai diberikan sebagai berikut:
= /
8
=
Dengan i = 1, 2, ...,m dan j= 1, 2, ...n.
Keterangan:
= product
S = Preferensi alternatif dianalogikan sebagai vektor S X = nilai kriteria
W = Bobot kriteria / subkriteria i = alternatif
j = kriteria
n = banyaknya kriteria
Dimana wj adalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif untuk atribut biaya.
Preferensi relatif dari setiap alternatif, diberikan pada rumus 2:
= ∏
∏ ∗
Dengan i = 1,2, ...,n...(2) Dimana :
V : Preferensi alternatif dianalogikan sebagai vector V X : nilai kriteria
w : bobot kriteria i : alternatif j : kriteria
n : banyaknya kriteria
Algoritma weighted product adalah salah satu analisis multi-kriteria keputusan yang sangat terkenal. Multiple Attribute Decision Making (MADM) yang diberikan adalah satu set terbatas dari alternatif keputusan yang dijelaskan dalam hal sejumlah kriteria keputusan.
9
2.2.1 Langkah-langkah algoritma Weighted Product
Secara singkat, algoritma Weighted Product ini adalah sebagai berikut (Anggraeni et al.,2013 dalam Mawuntu, 2015).
a. Melakukan normalisasi bobot untuk menghasilkan nilai ∑ − 1 = 1 Dimana j = 1,2,...,n adalah banyak alternatif.
b. Menentukan kategori dari masing-masing kriteria, apakah termasuk kedalam kriteria keuntungan atau kriteria biaya.
c. Menetukan nilai vektor S dengan mengalikan seluruh kriteria bagi sebuah alternatif dengan bobot sebagai pangkat positif untuk kriteria keuntungan dan bobot berfungsi sebagai pangkat negatif pada kriteria biaya.
d. Menentukan nilai vektor V yang akan digunakan untuk perangkingan.
e. Menemukan urutan alternatif terbaik yang akan menjadi keputusan.
2.2.2 Penelitian yang Relevan
Adapun penelitian-penelitian yang relevan terhadap penelitian ini adalah:
1. Muhammad Syaukani Dan Sri Hartati (2012), Pemodelan Sistem Pendukung Keputusan Kelompok Untuk Diagnosa Penyakit Pneumonia Dengan Fuzzy Linguistic Quantifier Dan Ahp. Hasil penelitian Berdasarkan uraian dan pembahasan, dapat disimpulkan bahwa sistem pendukung keputusan kelompok menggunakan Fuzzy Linguistic Quantifier dan AHP dapat menetapkan penyakit dan jenis antibiotik sebagai hasil dianogsis penyakit pneumonia.
2. Muhammad Syaukani Dan Hari Kusnanto (2012), Pemodelan Sistem Pendukung Keputusan Kelompok Dengan Metode Fuzzy Weighted Product Untuk Diagnosa Penyakit Pneumonia. Hasil penelitian Berdasarkan uraian dan pembahasan, dapat disimpulkan bahwa sistem pendukung keputusan kelompok menggunakan Fuzzy Weighted Product dapat menetapkan penyakit dan jenis antibiotik sebagai hasil diagnosa penyakit pneumonia. Penelitian ini akan dikembangkan lebih lanjut dengan melakukan penambahan data gejala dan meneliti lebih jauh sistem penilaian terhadap gejala dari suatu penyakit.
Muhammad Muhlis (2011), Kajian Peresepan Antibiotika Pada Pasien Dewasa Di Salah Satu Puskesmas Kota Yogyakarta Periode Januari-April 2010.
Hasil penelitian Berdasarkan hasil penelitian terhadap penggunaan antibiotika
10
pasien dewasa di salah satu puskesmas Kota Yogyakarta periode Januari sampai dengan April 2010 dapat diambil kesimpulan sebagai berikut, tercatat sebanyak 320 pasien yang mendapatkan antibiotika, dengan 6 jenis antibiotika yaitu amoksisilin 64,53%, ampisilin 11,31 %, kontrimoksazol 15,90%, kloramfenikol, 0,61 %, metronidazol 2,75 % dan tetrasiklin 4,89 %. Sebanyak 313 pasien mendapat antibiotika tunggal dan 7 pasien mendapat kombinasi antibiotika, semua peresepan memenuhi ketepatan dosis dan frekuensi, kecuali kotrimoksasol tepat dosis 98 % dan Ampisilin tepat dosis 49 %.
2.3 Logika fuzzy
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep terbaru mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh (1972), dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari himpunan fuzzy yang memiliki batasan yang tidak presisi dan keanggotaan dalam himpunan fuzzy, dan bukan dalam bentuk logika benar (true) atau salah (false), tapi dinyatakan dalam derajat (degree). Konsep seperti ini disebut dengan Fuzziness dan teorinya dinamakan Fuzzy Set Theory. Fuzziness dapat didefinisikan sebagai logika kabur berkenaan dengan semantik dari suatu kejadian, fenomena atau pernyataan itu sendiri. Seringkali ditemui dalam pernyataan yang dibuat oleh seseorang, evaluasi dan suatu pengambilan keputusan.
Fuzzy system (sistem kabur) didasari atas konsep himpunan kabur yang memetakan domain input kedalam domain output. Perbedaan mendasar himpunan tegas dengan himpunan kabur adalah nilai keluarannya. Himpunan tegas hanya memiliki dua nilai output yaitu nol atau satu, sedangkan himpunan kabur memiliki banyak nilai keluaran yang dikenal dengan nilai derajat keanggotaannya.
Logika fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan konsep kebenaran sebagian. Dimana logika klasik (crisp) menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak).
Logika fuzzy menggantikan kebenaran Boolean dengan tingkat kebenaran. Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistic, konsep tidak pasti seperti “sedikit”, “lumayan”, dan
“sangat”. Logika ini diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California,
11
Barkeley pada tahun 1965. Logika fuzzy telah digunakan pada bidang-bidang seperti taksonomi, topologi, linguistik, teori automata, teori pengendalian, psikologi, pattern recognition, pengobatan, hukum, decision analysis, system theory and information retrieval. Pendekatan fuzzy memiliki kelebihan pada hasil yang terkait dengan sifat kognitif manusia, khususnya pada situasi yang melibatkan pembentukan konsep, pengenalan pola, dan pengambilan keputusan dalam lingkungan yang tidak pasti atau tidak jelas.
Skema dasar dari fuzzy logic dapat dilihat pada Gambar 2.1.
Sumber : (Zadeh,1972)
Menurut Kaufmann & Gupta (1988) segitiga bilangan fuzzy perkiraan taksi digunakan untuk banyak aplikasi praktis serta beberapa kelemahan (Dursun & Karsak, 2010). Menurut Karsak (2002) bilangan fuzzy segitiga yang tepat untuk mengukur informasi jelas tentang masalah yang paling keputusan termasuk seleksi personil.
Alasan utama untuk menggunakan bilangan fuzzy segitiga dapat dinyatakan sebagai representasi efisien intuitif dan computational- mereka (Dursun & Karsak, 2010).
Dengan penggunaan efisiensi logika fuzzy meningkat dan waktu respon berkurang dalam sistem pakar (Zimmermann, 1996).
Knowledge Base
Fuzzy Inference System
Fuzzyfication Defuzzification
Input Output
Gambar 1. Skema dasar Fuzzy Logic
12
Pendekatan logika fuzzy memberikan kemampuan kerja untuk mesin dengan cara pengolahan data khusus dari manusia dan manfaat dari pengalaman mereka dan intuisi - bukan data numerik hanya menggunakan ekspresi simbolik (Bas lıgil 2005 S en 2009).
Alasan digunakan logika fuzzy (Cox, 1994 dalam Kusumadewi, 2010) yaitu:
1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan dasar teori himpunan, maka konsep matematis yang didasari penalaran fuzzy tersebut cukup mudah untuk dimengerti.
2. Logika fuzzy sangat fleksibel, artinya mapu beradaptasi dengan perubahan- perubahan dan ketidakpastian yang disertai permasalahan.
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika diberikan sekelompok data yang cukup homogen, dan kemudian ada beberapa data yang
“ekslusif”, maka logika fuzzy memiliki kemampuan untuk menangani data ekslusif tersebut.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangan kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini, sering dikenal dengan nama Fuzzy Expert Systems menjadi bagian terpenting.
6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin maupun teknik elektro.
7. Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan bahasa sehari-hari sehingga mudah dimengerti.
Teori fuzzy set merupakan pengembangan dari teori set (biasa) atau crisp set.
Perbedaan antara fuzzy set dan crisp set terletak pada keanggotaan suatu obyek. Pada crisp set suatu obyek hanya mempunyai dua kemungkinan keanggotaan yaitu anggota himpunan (1) atau bukan anggota himpunan (0), sedangkan pada fuzzy set tingkat keanggotaan elemen berada pada interval [0,1] (L. A. Zadeh, 1965).
Apabila X adalah himpunan semesta, fuzzy set F dari X adalah: µF: X →[0, 1] yang menghubungkan setiap xє X dengan derajat keanggotaan x didalam F.
13
2.4 Manajemen Sumber Daya Manusia (SDM)
Tujuan utama dari SDM adalah untuk meningkatkan efektivitas organisasi melalui kinerja individu karena sumber daya manusia adalah komponen kunci dari organisasi.
SDM berkaitan dengan banyak aspek mengelola orang seperti rekrutmen dan seleksi, sumber daya (perencanaan tenaga kerja), menjaga motivasi tinggi untuk meningkatkan kinerja secara keseluruhan, mengembangkan sistem reward, san sebagainya. Secara singkat, SDM adalah fungsi organisasi yang bertujuan untuk meningkatkan kualitas kehidupan kerja di umum.
SDM adalah pendekatan strategis yang secara langsung berkaitan dengan mengelola proses kerja dan pengembangan orang-orang yang dapat dan akan mempengaruhi tingkat kinerja dari semua sumber daya organisasi lainnya. Sementara itu, SDM melibatkan semua keputusan manajemen yang mempengaruhi sifat hubungan antara karyawan dan organisasi (Demir, Birbil, Atalay, & Yildirim, 2000). SDM berdasarkan aktivasi dan penilaian karyawan di tingk at optimal (Ince, 2005).
Organisasi harus dialatih untuk mendapatkan nilai tambah dengan tujuan memenuhi kondisi ekonomi dengan memanfaatkan manajemen sumber daya manusia secara proaktif (Akgeyik, 2011). Proses kompetisi membutuhkan pengembangan pekerjaan baru profil yang dasar pada sumber daya manusia dalam organisasi dari manajer tingkat atas untuk menurunkan tingkat karyawan dan mengandung diperlukan semua pengaturan untuk membuat mereka lebih efisien, produktif dan bermanfaat serta untuk memiliki kepuasan kerja dan menjadi bahagia (OG UT, Akgemci, & Demirsel, 2004).
SDM yang paling berat karena berbeda dari sumber lain dari perusahaan, manusia memiliki psikologi dan merupakan makhluk yang kompleks. Oleh karena itu kinerja tidak harus menjadi satu-satunya kriteria untuk penilaian personil bakat. Produktivitas dan kebahagiaan personal dalam kehidupan pekerjaan tergantung pada potensi mereka.
Berkat penelitian psikologis dan penelitian lainya, sekarang ada sejumlah cara untuk menilai potensi melalui kuesioner psikometri.
SDM yang terjerat ke semua departemen suatu organisasi pada dasarnya sebagai sumber daya untuk bekerja dan kinerja personil. Dampak dari SDM dan kinerja diperiksa oleh beberapa penulis dapat ditemukan di Armstrong (2003).
Menurut Manoharan et al. (2011) menghadapi layanan sumber daya manusia tradisional dalam organisasi progresif saat ini mengalami perubahan yang dramatis.
14
Seiring dengan perubahan dan perkembangan dalam kehidupan profesional, manajemen bakat (TM) menjadi semakin penting dalam SDM (Dogan & demiral, 2008).
Menurut Holbeche (2009), idealnya manajer SDM harus memiliki percakapan dengan masing-masing pejabat tinggi dalam organisasi mereka untuk mencari tahu apa yang benar-benar memotivasi mereka dan untuk melihat sampai sejauh mana dapat diakomodasi kebutuhan mereka. Melalui perhatian individu tersebut dimungkinkan untuk memberikan orang di berbagai tahap karir mereka kesempatan untuk pindah ke peran yang lebih menantang yang tidak selalu melibatkan promosi. Dalam beberapa kasus ini mungkin memerlukan organisasi untuk menampilkan fleksibilitas yang lebih besar.
2.5 Menejemen Bakat
Bakat didefinisikan sebagai kemampuan untuk memahami dan melaksanakan sesuatu, kompetensi. Menurut Chabault, Hulin, dan Soparnot (2012), bakat istilah dapat didefinisikan oleh beberapa karakteristik khusus. (1) Bakat adalah individu: Bakat individu tidak kolektif. (2) Talent mewakili seluruh kelompok sumber: Bakat adalah konfigurasi sumber daya pribadi tertentu. (3) Talent ada pada setiap tingkat dalam sebuah organisasi: Talent dapat eksis pada tingkat yang berbeda dari sebuah organisasi tapi ini bukan sesuatu yang mayoritas individu dalam suatu organisasi yang selalu sadar, juga tidak berlaku untuk semua organisasi. Sekelompok konsultan McKinsey diciptakan fase '' Perang untuk Talent '' di akhir 1990-an (Iles, Chuai, & Preece, 2010;
Michaels, Handfield-Jones, & Beth, 2001; Schuler, Jackson, & Tarique, 2011) . Memang telah diperlukan memberikan keberhasilan yang berkelanjutan perusahaan untuk mencapai lingkungan yang kompetitif yang berkelanjutan. Menurut Iles et al.
(2010) TM dikatakan penting untuk keberhasilan organisasi, mampu memberikan keunggulan kompetitif melalui identifikasi, pengembangan dan pemindahan karyawan berbakat.
Menurut Polat (2011), bakat sebagai kata dan konsep talant manajement secara signifikan kabur. Penulis membuat beberapa deskripsi untuk '' bakat ''. Salah satunya didasarkan pada '' individu '' yang lain didasarkan pada '' kualitas ''. Mengingat deskripsi berdasarkan individu, bakat adalah orang yang memberikan kontribusi cukup untuk
15
organisasi kinerja saat ini dan masa depan. Di sisi lain, deskripsi berdasarkan kualitas menunjukkan bahwa bakat adalah pola intelektual, emosional dan perilaku yang berlaku dan dapat diulang untuk meningkatkan kinerja. Menurut definisi lain, bakat adalah salah satu metode yang secara langsung menghubungkan karyawan ke dalam rantai nilai.
Sebagai Altuntug˘ (2009) menyatakan, masalah yang paling penting yang dihadapi organisasi saat ini adalah untuk mencapai keunggulan kompetitif yang berkelanjutan selama bertahun-tahun. Strategi persaingan yang dikembangkan untuk tujuan ini tidak mampu memberikan keberhasilan yang berkelanjutan karena mereka dapat dengan mudah disimulasikan oleh pesaing. Dalam rangka untuk menjaga keunggulan kompetitif, organisasi baru-baru ini menemukan bahwa sumber daya mereka telah mencari, yang otentik dan sulit untuk mensimulasikan, tidak terlalu jauh, pada kenyataannya, itu adalah dalam. sumber daya ini tidak lain '' manusia '' yang bakat harus ditingkatkan sementara menempatkan ke dalam penggunaan yang sudah ada.
Menurut Lewis dan Heckman (2006), istilah '' talent management '' tidak memiliki arti yang jelas. Hal ini digunakan dalam terlalu banyak cara dan sering merupakan cara untuk menyoroti ''strategis'' pentingnya SDM khusus (merekrut, seleksi, pengembangan, dll) tanpa menambah teori atau praktek khusus itu. Atau, itu digunakan untuk menarik tentang pentingnya mengelola bakat. '' Talent '' pada dasarnya adalah eufemisme untuk '' orang '' dan karena perspektif tentang bagaimana orang dapat dan harus dikelola bervariasi sehingga sangat literatur TM dapat merekomendasikan saran yang kontradiktif.
Cırpan dan S.En (2009) mendefinisikan manajemen bakat sebagai, proses manajemen, yang membawa SDM di tengah, bertujuan untuk menutup kesenjangan antara bakat saat ini dan bakat yang diperlukan untuk melawan gejolak yang organisasi akan hadapi saat mencapai tujuannya. Konsep TM secara signifikan strategis. Collings dan Mellahi (2009), mendefinisikan manajemen bakat strategis sebagai kegiatan dan proses yang melibatkan identifikasi sistematis posisi kunci yang berbeda-beda memberikan kontribusi untuk keuntungan yang berkelanjutan kompetitif organisasi, pengembangan bakat-bakat potensial dan tinggi pemain lama berperforma tinggi untuk mengisi peran ini , dan pengembangan arsitektur sumber daya manusia dibedakan untuk memudahkan mengisi posisi tersebut dengan pemain lama yang kompeten dan untuk memastikan komitmen mereka terus organisasi-menekankan identifikasi posisi penting sebagai titik tolak untuk sistem manajemen bakat strategis.
16
Menurut Holbeche (2009) manajemen bakat semakin dilihat sebagai elemen penting dari membantu organisasi mencapai keunggulan kompetitif. Pentingnya ekonomi tumbuh layanan berbasis pengetahuan dan produk mengemudi kebutuhan untuk keterampilan tingkat yang lebih tinggi di industri yang beragam seperti konstruksi, farmasi, pertahanan dan teknologi tinggi, yang sudah mengalami kekurangan yang serius dari bakat global yang tersedia, dengan kekurangan yang lebih besar diperkirakan berkat untuk dampak pertumbuhan tren demografi. Demikian pula, pekerja terampil berharap untuk melanjutkan mengembangkan keterampilan mereka. Jika organisasi yang berhasil menarik bakat baru, mereka harus memberikan peluang pertumbuhan.
Dalam konteks seperti 'perang untuk bakat' sekali lagi dengan kami dan berkembang keterampilan tenaga kerja yang ada harus menjadi papan kunci dari setiap manajemen bakat dan strategi organisasi.
TM membutuhkan multi-kriteria pengambilan keputusan (MCDM) pendekatan.
Dalam manajemen bakat personil janji dan seleksi khas keputusan beberapa kriteria membuat masalah di hadapan berbagai kriteria seleksi dan satu set alternatif yang mungkin. Menurut Önüt, Kara, dan Efendigil (2008), metode MCDM menangani proses pembuatan keputusan di hadapan beberapa kriteria atau tujuan. Seorang pembuat keputusan (DM) diperlukan untuk memilih di antara kriteria kuantitatif atau non- kuantitatif dan beberapa. evaluasi DM pada kriteria kualitatif selalu subjektif dan dengan demikian tidak tepat. Tujuan biasanya saling bertentangan dan karena itu solusi yang sangat tergantung pada preferensi DM. Selain itu, sangat sulit untuk mengembangkan kriteria seleksi yang justru dapat menggambarkan preferensi satu alternatif atas yang lain.
2.6.1 Pentingnya Manajemen Bakat
Setiap tugas memberikan tanggung jawab yang berbeda, berisi informasi yang berbeda, membutuhkan kompetensi dan pengalaman yang berbeda. Namun, setiap karyawan memiliki tingkat persepsi yang berbeda juga. Oleh karena itu, menugaskan orang yang tepat untuk posisi yang tepat menjadi semakin penting. Jika kita menganggap '' bakat '' sebagai bahan baku, mengelola itu menciptakan proses itu sendiri (Altuntug˘, 2009).
Manajer harus fokus pada memperoleh tingkat tinggi kemanjuran dari bakat-bakat di tangan sambil menghindari untuk mengaruniakan sumber daya lainnya. Salah satu pertanyaan yang paling penting dalam manajemen bakat adalah bahwa apakah posisi
17
terbuka harus diisi dalam atau dari luar. Untuk menjawab pertanyaan ini, berdasarkan kebijakan perusahaan dan tidak mengguncang kepercayaan di kalangan karyawan, akan lebih baik untuk menetapkan seseorang dalam organisasi. Namun merekrut dari luar harus dipertimbangkan setelah bakat saat ini tidak sesuai untuk posisi itu. Dalam organisasi tumbuh dikontrol, disarankan untuk menetapkan karyawan yang ada ke posisi terbuka. Sementara ini akan meningkatkan motivasi karyawan, juga memperkuat kepercayaan dan keterlibatan organisasi (Dogan & Demiral, 2008).
Namun demikian, apakah untuk menetapkan dalam atau untuk merekrut dari luar, pertanyaan utama untuk bertanya adalah '' bagaimana mengetahui orang yang tepat ''.
Sebagian besar waktu, kinerja di posisi saat ditemukan cukup untuk mencapai keputusan. Meskipun ini merupakan titik awal yang penting, apakah s / ia memenuhi syarat untuk calon posisi atau tidak harus menjadi titik keputusan penting. Ada sejumlah studi untuk mengukur potensi. Beberapa tes psikometri yang mencoba untuk dikembangkan dalam studi psikologi. topik lain perhatian menuntut adalah apakah ini calon potensial dapat dipercaya dalam hal profil kepribadian (Çırpan & S? en, 2009).
manajemen bakat adalah proses transformasi potensi menjadi kinerja. Akibatnya, mengidentifikasi potensi sangat penting.
Manajemen kinerja dengan cepat dalam organisasi saat ini. Organisasi harus bergantung pada pekerja profil tinggi dalam hal potensi dan kinerja, dalam rangka mewujudkan tujuan strategis mereka dan berdiri di antara para pesaingnya (Genis? &
USTA, 2011). pengalaman individu dan bakat harus diubah menjadi pengetahuan organisasi dan ini bisa dicapai melalui manajemen pengetahuan. Konversi pengetahuan tacit menjadi pengetahuan eksplisit adalah penting dalam hal keberlanjutan kelembagaan. Menurut Chu, Khosla, dan Nishida (2012) penelitian yang ada dalam literatur manufaktur cerdas telah menyoroti kebutuhan untuk menghubungkan budaya organisasi, strategi bisnis dengan manajemen pengetahuan (KM) serta mengukur kinerja sistem manajemen pengetahuan untuk praktek terbaik.
Pencocokan orang yang tepat dengan posisi yang tepat adalah lebih penting daripada memiliki yang terbaik, paling berbakat, karyawan yang paling berpengalaman. Isu penting adalah cocok dengan bakat dan pengalaman dengan posisi saat ini. Jika tidak ketidaksanggupan dlm menyesuaikan diri dan penurunan kinerja dan motivasi akan terelakkan. Oleh karena itu sangat penting menugaskan orang yang tepat untuk posisi yang tepat untuk memastikan kinerja tinggi organisasi.
18
Menurut Chabault et al. (2012) manajemen bakat sukses perlu didasarkan pada pemahaman tentang tiga kategori faktor (internal, eksternal dan interkoneksi). Pertama, pendekatan sepenuhnya organisasi untuk masalah manajemen bakat menyoroti pentingnya struktur kerja dan suasana. Kedua, organisasi harus berada dalam posisi untuk menawarkan lingkungan kerja yang mampu mendorong kinerja individu (alat- alat kerja terbaik yang dibuat tersedia bersama dengan rekan-rekan ahli di lapangan).
Akhirnya, bakat berkembang sebagai akibat dari interaksi.
BAB 3
METODOLOGI PENELITIAN
3.1 Rancangan Penelitian
Penelitian yang dilakukan adalah memberi nilai dalam setiap kriteria pada setiap jabatan menggunakan metode SAW dan WP dimana dengan metode ini apakah hasil keputusan mendapatkan nilai yang sama atau tidak, untuk penentuan nilai dari setiap kriteria dapat dilakukan dengan langkah-langkah seperti pada gambar 3.1
Gambar 3.1 Flowchart Penelitian Menggunakan SAW dan WP Adapun penjelasan flowchart dari gambar 3.1 diatas adalah sebagai berikut:
20
1. Input Nilai dari setiap kriteria
Nilai ini merupakan kriteria yang terdiri dari Ketua STTH, Ketua Program Studi, dan Sekertaris Program Studi, masing-masing nilai akan di evaluasi ulang untuk penentuan nilai dari setiap kriteria yang akan di hitung menggunakan Metode SAW dan WP.
2. Perhitungan menggunakan SAW dan WP
Perhitungan yang dilakukan akan melalui 2 tahap, perhitungan yang pertama adalah menggunakan Metode SAW dengan beberapan tahapan yang akan dilakukan secara teliti dan benar yaitu dengan rumus pemberian bobot sebagai berikut:
=
perhitungan yang kedua adalah menggunakan Metode WP dengan beberapan tahapan yang akan dilakukan secara teliti dan benar yaitu dengan rumus pemberian bobot sebagai berikut:
3. Membandingkan Hasil SAW dan WP
Setelah mendapatkan hasil perhitungan antara SAW dan WP, maka dari setiap kriteria akan dibandingkan apakah perhitungan dengan menggunakan SAW dan WP mendapatkan hasil yang sama atau tidak.
4. Mendapatkan Nilai dari setiap kriteria
Setelah membandingkan dari hasil SAW dan WP maka penulis akan mendapatkan keputusan dari setiap kriteria yang di hitung.
3.2 Perancangan Sistem
Dalam perancangan sistem yang akan dibuat mengunakan SAW dan WP untuk mendapatkan nilai dari setiap kriteria yang akan dihitung. Dan setelah mendapatkan nilai dari SAW dan WP penulis akan membandingkan hasil dari setiap metode apakah sama atau tidak. Dalam mendapatkan nilai dari metode SAW dan WP variabel dari setiap kriteria akan di hitung menggunakan fuzzy. Dan representasi kurva yang digunakan dalam penelitian ini adalah menggunakan kurva bahu dan segitga.
21
3.3 Klasifikasi Variabel
Sebagai langkah awal dari klasifikasi yang akan dilakukan oleh penulis, penentuan dalam variabel berguna untuk proses perhitungan dan pemberian bobot yang ada dalam Metode SAW dan WP, adapun klasifikasi variabel yang digunakan adalah seperti pada table 3.1 berikut:
Tabel 3.1 Klasifikaasi Variabel
Klasifikasi Variabel
Umum Khusus
C1 a. Berkewarganegaraan Indonesia b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak sedang menjalani proses hukuman
d. Tidak berstatus sebagai anggota salah satu partai politik
e. Tidak sedang dalam kedudukan sebagai anggota lembaga-lembaga pemerintah
f. Tidak sedang mengikuti studi lanjut S2 atau S3
g. Berdomisili pada tempat dimana Perguruan Tinggi STT Harapan berada
h. Diutamakan dosen tetap Yayasan Pendidikan Harapan Medan
a. Diutamakan
memiliki jenjang pendidikan S2/S3 yang di akui pemerintah dalam bidang ilmu sesuai dengan program studi yang akan dipimpin nya
b. Minimal memiliki jabatan akademik asisten ahli
c. Telah bertugas di STT-Harapan sebagai staf pengajar sekurang kurangnya selama 5 (lima) tahun terakhir secara berturut-turut d. Tidak sedang menjabat dalam jabatan yang setara pada perguruan tingggi lain.
22
Klasifikasi Variabel
Umum Khusus
e. Diutamakan pernah menjabat sebagai
salah satu
fungsionaris STT- Harapan atau pernah menjadi anggota Senat STT-Harapan f. Ketua Program
Studi dapat diangkat kembali dengan ketentuan tidak lebih dari 2 kali masa jabatan berturut turut
C2 a. Berkewarganegaraan Indonesia b. Beriman dan bertakwa kepada Allah
SWT
c. Tidak sedang menjalani proses hukuman
d. Tidak berstatus sebagai anggota salah satu partai politik
e. Tidak sedang dalam kedudukan sebagai anggota lembaga-lembaga pemerintah
f. Tidak sedang mengikuti studi lanjut S2 atau S3
g. Berdomisili pada tempat dimana Perguruan Tinggi STT Harapan berada
a. Diutamakan
memiliki jenjang pendidikan S2/S3 yang di akui pemerintah dalam bidang ilmu sesuai dengan program studi yang akan dipimpin nya
b. Minimal memiliki jabatan akademik asisten ahli
c. Telah bertugas di STT-Harapan sebagai staf pengajar sekurang
23
Klasifikasi Variabel
Umum Khusus
h. Diutamakan dosen tetap Yayasan Pendidikan Harapan Medan
kurangnya selama 5 (lima) tahun terakhir secara berturut-turut d. Tidak sedang menjabat dalam jabatan yang setara pada perguruan tingggi lain.
e. Diutamakan pernah menjabat sebagai
salah satu
fungsionaris STT- Harapan atau pernah menjadi anggota Senat STT-Harapan f. Ketua Program
Studi dapat diangkat kembali dengan ketentuan tidak lebih dari 2 kali masa jabatan berturut turut
C3 a. Berkewarganegaraan Indonesia b. Beriman dan bertakwa kepada
Allah SWT
c. Tidak sedang menjalani proses hukuman
d. Tidak berstatus sebagai anggota salah satu partai politik
a. Memiliki jenjang pendidikan minimal S2 yang diakui pemerintah
b. Memiliki jabatan akademik sekurang- kurangnya Asisten Ahli
24
Klasifikasi Variabel
Umum Khusus
e. Tidak sedang dalam kedudukan sebagai anggota lembaga-lembaga pemerintah
f. Tidak sedang mengikuti studi lanjut S2 atau S3
g. Berdomisili pada tempat dimana Perguruan Tinggi STT Harapan berada
h. Diutamakan dosen tetap Yayasan Pendidikan Harapan Medan
3.4 Prosedur Pengumpulan Data
Dalam pemberian nilai untuk klasifikasi diperlukan data yang akan menjadi sumber acuan dalam pembuatan Menggunakan Metode SAW dan WP. Adapun prosedur pengumpulan data dapat dijelaskan sebagai berikut:
1. Data diambil dari STT Harapan Medan.
2. Data merupakan persyaratan seleksi baik dari syarat umum dan syarat khusus.
3. Setelah mendapat persayaratan dari kriteria yang di dapat maka akan dihitung menggunakan metode SAW dan WP.
4. Keluaran yang dihasilkan adalah kelayakan pada masing-masing calon dalam pemilihan di STT Harapan Medan
Model yang digunakan dalam prosedur pengumpulan data mengggunakan metodel SDLC (System Development Life Cycle)
1. Planning
Tahap ini penulis merencanakan pembuatan proses pemilihian dalam sebuah universitas dalam hal ini di STT Harapan untuk membantu dalam pemgambilan keptusan secara baik dan benar
25
2. Analisis
Kebutuhan informasi yang diambil dalam pengambilan keputusan yaitu tentang kebutuhan dalam pemilihan dalam sebuah universitas baik dari Ketua, Ketua Prodi dan Sekertaris Jurusan.
3. Design
Tahap ini penulis akan merancang sebuah kriteria yang akan digunakan dalam proses pemilihan, pemilihan ini akan diambil dari kriteria yang sudah di tetapkan dalam proses pemilihan.
4. Development
Proses ini penulis akan membuat sebuah pengembangan berupa program dengan menggunakan metode SAW dan WP dan di dalam program tersebut akan dianalisa dan membandingkan nilai mana yang paling akurat untuk dijadikan penilaian yang baik.
5. Testing
Melakukan uji coba pada perhitungan menggunakan metode SAW dan WP dan mana yang baik digunakan dalam proses pemilihan sebuat jabatan.
6. Implementation
Setelah diuji maka akan dihasilkan sebuah nilai, dan nilai tersebut akan di implementasikan dalam sebuah struktur untuk pemilihan jabatan di universitas.
7. Maintenance
Penulis berusaha membuat sebuah pemeliharaan berkala, jika ada kriteria yang berubah, kriteria yang ditambah atau penghapusan kriteria dalam pemilihan jabatan di universitas.
BAB 4
HASIL DAN PEMBAHASAN
4.1 Pendahuluan
Dalam bab ini akan dibahas mengenai hasil dan pembahasan bagaimana menentukan sebuah pemilihan didalam institusi pendidikan tinggi menggunakan metode SAW dan WP, dan hasil ini akan dianalisa serta membandingkan mana hasil yang paling akurat.
Pada Tabel ini masing-masing variabel akan diberikan bobot, bobot ini dibuat oleh pengambil keputusan yaitu penulis, variabel terdiri dari Variabel A dan B dapat dilihat pada table 4.1 berikut:
Tabel 4.1 Variabel A dan Bobot
Variabel Bobot
a. Diutamakan memiliki jenjang pendidikan S2/S3 yang di akui pemerintah dalam bidang ilmu sesuai dengan program studi yang akan dipimpin nya.
20
b. Minimal memiliki jabatan akademik asisten ahli 20 c. Telah bertugas di STT-Harapan sebagai staf pengajar sekurang
kurangnya selama 5 (lima) tahun terakhir secara berturut-turut
20
d. Tidak sedang menjabat dalam jabatan yang setara pada perguruan tingggi lain.
10
e. Diutamakan pernah menjabat sebagai salah satu fungsionaris STT- Harapan atau pernah menjadi anggota Senat STT-Harapan
20
f. Ketua Program Studi dapat diangkat kembali dengan ketentuan tidak lebih dari 2 kali masa jabatan berturut turut
10
Total Bobot 100
Pada tabel 4.1 varibel A dikhusukan untuk pemilihan Ketua Umum dan Ketua Prodi di STT Harapan Medan, variabel ini diambil dari persyaratan khusus dengan 6 variabel.
27
Masing masing variabel diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung menggunakan metode SAW dan WP
Tabel 4.2 Variabel B dan Bobot
Variabel Bobot
a. Memiliki jenjang pendidikan minimal S2 yang diakui pemerintah 50 b. Memiliki jabatan akademik sekurang-kurangnya Asisten Ahli 50
Total Bobot 100
Pada tabel 4.2 varibel B dikhusukan untuk pemilihan Sekertaris di STT Harapan Medan, variabel ini diambil dari persyaratan khusus dengan 2 variabel. Masing masing variabel diberi bobot oleh pembuat keputusan dan nilai ini akan dihitung menggunakan metode SAW dan WP.
4.2 Proses Fuzzyfikasi
Tabel 4.3 Tingkat Kepentingan Kriteria
Kriteria Variabel Nilai
Pendidikan S2 [0 – 50]
S3 [45 – 100]
Jabatan Assiten Ahli [0 – 45]
Lektor [40 – 80]
Lektor Kepala [70 – 100]
Masa Kerja ≥ 5 Tahun [0 – 45]
≥ 10 Tahun [40 – 80]
≥ 15 Tahun [70 – 100]
4.2.1 Kriteria Pendidikan
Tabel 4.4 Kriteria Pendidikan
Variabel Nilai
S2 [0 – 50]
S3 [45 – 100]
28
Gambar 4.1 Fuzzy Keanggotaan Variabel Pendidikan
μ
S2[x] = 1; < 25; 25 ≤ ≤ 50 0; > 50μ
S3[x] = 0; ≤ 45; 45 ≤ < 75 1; ≥ 75Pendidikan = 65 μS2[65] = 0
μS3[65] = 65 – 45 / 75 - 45 = 0,66
4.2.2 Kriteria Jabatan
Tabel 4.5 Kriteria Jabatan
Variabel Nilai
Assiten Ahli [0 – 45]
Lektor [40 –80]
Lektor Kepala [70 – 100]
Pendidikan 1
0,66
65 75
45 25
5
100 0 50
29
Gambar 4.2 Fuzzy Keanggotaan Variabel Jabatan
μAsisten Ahli[x] =
0; ≤ 45
; 30 ≤ < 45 0; ≥ 45
μLektor[x] =
⎩⎪
⎨
⎪⎧ 0 ; 80 ≤ ≤ 40
; 40 < < 45
; 70 < < 80 1 ; 45 ≤ ≤ 70
μLektor Kepala[x] =
0; ≤ 70
; 70 < < 100 1; ≥ 100 Pendidikan: 75
μAsisten Ahli[75] = 0
μLektor[75] = 80 -75 / 80 - 70 = 5/10 =0,5
μLektor Kepala[75] = 75 – 70 / 100 – 70 = 5/30 =0,16
4.2.3 Kriteria Masa Kerja
Tabel 4.6 Kriteria Masa Kerja
Variabel Nilai
≥ 5 Tahun [0 – 45]
≥ 10 Tahun [40 – 75]
≥ 15 Tahun [70 – 100]
Asisten Ahli Lektor Lektor Kepala
1
0,5 0,16
45 75
0 20 30 40 60 70 80 100
40
30
Gambar 4.3 Fuzzy Keanggotaan Masa Kerja
μ
5Tahun[x] = 0; ≤ 45; 30 ≤ < 45 0; ≥ 45μ
10Tahun[x] =⎩⎪
⎨
⎪⎧ 0 ; 80 ≤ ≤ 40
; 40 < < 45
; 70 < < 80 1 ; 45 ≤ ≤ 70
μ
15Tahun[x] = ; 70 < < 1000; ≤ 70 1; ≥ 100 Masa Kerja : 75μ5Tahun[75] = 0
μ10Tahun[75] = 80 -75 / 80 - 70 = 5/10 =0,5 μ15Tahun[75] = 75 – 70 / 100 – 70 = 5/30 =0,16
4.3 Pengujian Data
Contoh Perhitungan Menggunakan Data Variabel A dan dihitung dengan metode SAW dan WP. Data pelatihan akan diambil dari pemilihan Ketua Umum Masa Bakti 2015 sampai 2020. Diketahui calon yang ikut serta berjumlah 9 calon.
4.4 Pengujian Menggunakan Metode SAW
Diketahui nilai yang akan dihitung adalah sebagai berikut:
5 Tahun 10 Tahun 15 Tahun
1
0,5 0,16
75 80 45 70
0 20 40 60 100
31
Tabel 4.7 Nilai Variabel
Alternatif Variabel
V1 V2 V3 V4 V5 V6
A1 90 85 70 80 85 85
A2 80 75 70 80 80 80
A3 90 80 75 80 80 80
A4 85 80 75 85 80 90
A5 85 90 80 80 70 90
A6 75 85 85 80 75 85
A7 80 80 85 90 75 85
A8 80 80 80 75 75 85
A9 80 85 80 75 75 85
4.4.1 Proses Pengujian SAW
Maka diperoleh Nilai dalam bentuk matriks sebagai berikut:
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡90 85 70 80 85 85 80 75 70 80 80 80 90 80 75 80 80 80 85 80 75 85 80 80 85 90 80 80 70 90 75 85 85 80 75 85 80 80 85 90 75 85 80 80 80 75 75 85 80 85 80 75 75 85⎦⎥⎥⎥⎥⎥⎥⎥⎤
Berikut adalah perhitungan normalisasi matriks keputusan dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari setiap alternatif berdasarkan kriteria Cost dan Benefit, dalam penulisan ini kriteria Cost tidak ditemukan, sehingga semua perhitungan menggunakan Benefit:
Kriteria benefitnya yaitu (V1, V2, V3, V4, V5 dan V6). Untuk normalisai nilai, jika faktor kriteria benefit digunakan rumusan
Rii= ( Xij/ max{Xij})
Dari kolom V1 nilai maksimalnya adalah 90, maka tiap bari dari kolom V1 dibagi oleh nilai maksimal kolom V1
R11= 90 / 90 = 1
32
R21= 80 / 90 = 0.88 R31= 90 / 90 = 1 R41= 85 / 90 = 0.94 R51= 85 / 90 = 0.94 R61= 75 / 90 = 0.83 R71= 80 / 90 = 0.88 R81= 80 / 90 = 0.88 R91= 80 / 90 = 0.88
Maka diperoleh matriks kolom pertama
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡ 10.88 0.941 0.940.83 0.880.88
0.88 ⎦⎥⎥⎥⎥⎥⎥⎥⎤
Didalam kolom V2 nilai maksimalnya adalah 90, maka tiap baris dari kolom V2 dibagi oleh nilai maksimal Kolom V2
R12= 85 / 90 = 0.94 R22= 75 / 90 = 0.83 R32= 80 / 90 = 0.88 R42= 80 / 90 = 0.88 R52= 90 / 90 = 1 R62= 85 / 90 = 0.94 R72= 80 / 90 = 0.88 R82= 80 / 90 = 0.88 R92=85 / 90 = 0.94
Maka diperoleh matriks kolom kedua
33
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡ 1 0.94 0.88 0.83 1 0.88 0.94 0.88 0.94 1 0.83 0.94 0.88 0.88 0.88 0.88
0.88 0.94 ⎦⎥⎥⎥⎥⎥⎥⎥⎤
Didalam kolom V3 nilai maksimalnya adalah 85, maka tiap baris dari kolom V3 dibagi oleh nilai maksimal Kolom V3
R13= 70 / 85 = 0.82 R23= 70 / 85 = 0.82 R33= 75 / 85 = 0.88 R43= 75 / 85 = 0.88 R53= 80 / 85 = 0.94 R63= 85 / 85 = 1 R73= 85 / 85 = 1 R83= 80 / 85 = 0.94 R93= 80 / 85 = 0.94
Maka diperoleh matriks kolom ketiga
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡ 1 0.94 0.82 0.88 0.83 0.82 1 0.88 0.88 0.94 0.88 0.88 0.94 1 0.94 0.83 0.94 1 0.88 0.88 1 0.88 0.88 0.94
0.88 0.94 0.94 ⎦⎥⎥⎥⎥⎥⎥⎥⎤
Didalam kolom V4 nilai maksimalnya adalah 90, maka tiap baris dari kolom V4 dibagi oleh nilai maksimal Kolom V4
R14= 80 / 90 = 0.88 R24= 80 / 90 = 0.88 R34= 80 / 90 = 0.88 R44= 85 / 90 = 0.94 R54= 80 / 90 = 0.88 R64= 80 / 90 = 0.88
34
R74= 90 / 90 = 1 R84= 75 / 90 = 0.83 R94= 75 / 90 = 0.83
Maka diperoleh matriks kolom keempat
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡ 1 0.94 0.82 0.88 0.88 0.83 0.82 0.88 1 0.88 0.88 0.88 0.94 0.88 0.88 0.94 0.94 1 0.94 0.88 0.83 0.94 1 0.88 0.88 0.88 1 1 0.88 0.88 0.94 0.83
0.88 0.94 0.94 0.83 ⎦⎥⎥⎥⎥⎥⎥⎥⎤
Didalam kolom V5 nilai maksimalnya adalah 85, maka tiap baris dari kolom V5 dibagi oleh nilai maksimal Kolom V5
R15= 85 / 85 = 1 R25= 80 / 85 = 0.94 R35= 80 / 85 = 0.94 R45= 80 / 85 = 0.94 R55= 70 / 85 = 0.82 R65= 75 / 85 = 0.88 R75= 75 / 85 = 0.88 R85= 75 / 85 = 0.88 R95= 75 / 85 = 0.88
Maka diperoleh matriks kolom kelima
⎣⎢
⎢⎢
⎢⎢
⎢⎢
⎡ 1 0.94 0.82 0.88 1 0.88 0.83 0.82 0.88 0.94
1 0.88 0.88 0.88 0.94 0.94 0.88 0.88 0.94 0.94 0.94 1 0.94 0.88 0.82 0.83 0.94 1 0.88 0.88 0.88 0.88 1 1 0.88 0.88 0.88 0.94 0.83 0.88 0.88 0.94 0.94 0.83 0.88 ⎦⎥⎥⎥⎥⎥⎥⎥⎤
Didalam kolom V6 nilai maksimalnya adalah 90, maka tiap baris dari kolom V6 dibagi oleh nilai maksimal Kolom V6
R16= 85 / 90 = 0.94 R26= 80 / 90 = 0.88
