Sistem Pendukung Keputusan Penerimaan Karyawan Baru pada PT. Coca
Cola Amatil Indonesia Central Java Menggunakan Metode Analytic Hierarcy
Process (AHP)
Artikel Ilmiah
Peneliti:
Alan Luqman Prastyo (682014057)
Charitas fibriani, S.Kom., M.Eng.
Program Studi Sistem Informasi
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Sistem Pendukung Keputusan Penerimaan Karyawan Baru pada PT.
Coca Cola Amatil Indonesia Central Java menggunakan Metode
Analytic Hierarcy Process (AHP)
1)
Alan Luqman Prastyo, 2) Charitas Fibriani Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana Jl. Diponegoro 52-60, Salatiga 50711, Indonesia
E-mail: 1) 682014057@student.uksw.edu, 2) charitas.fibriani@staff.uksw.edu
Abstract
PT. Coca Cola Amatil Indonesiaone of the beverage production industry. The employee recruitment of
PT. Coca Cola Amatil Indonesia held independently around the factory environment. They selected their
employees throught the process of several tests that have been provided. The subjective factor from HRD
in this recruitment should be avoided so that every choices made are subjective according to the required
criteria of company.
The decision that chosen in acceptence of the new employee recruitment support system is using AHP
method. It usually used as aproblem solving method rather than other method caused of this hierarchi
structure, as a consequent of cryteria that chosen, including to the deepest of subcriteria . It consider the
validity up to the limits of inconsistency tolerance. It consider the endurance of output sensitivity analysis
decision making. Other than that, the decision making of AHP system is able to produce more consistence
result than other methods and the system of this method is easy to understand and useable. The purpose
of this research is to make the decision support system of employee acceptence ( sales representativ)
using AHP method in PT coca cola amatil Indonesia , Central Java to eliminate the subjectivity in
decision result.
Keywords : Analitical Hierarchy Process, decision support system, employee recruitment
Abstrak
PT. Coca Cola Amatil Indonesia merupakan salah satu industri produksi minuman. Penerimaan karyawan
(sales reprecentative) PT.Coca Cola Amatil Indonesia mengadakan penerimaan secara mandiri di sekitar
lingkungan pabrik. Karyawan di pilih melalui proses serangkaian tes yang telah di sediakan. Hal yang
harus dihindari adalah faktor subjektifitas dari HRD sehingga setiap pilihan yang di buat bersifat objektif
sesuai kriteria yang di butuhkan oleh perusahaan.
Pengambilan keputusan dalam sistem pendukung keputusan penerimaan karyawan baru menggunakan
metode AHP. AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang
lain karena struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria
yang paling dalam, memperhitungkan validitas sampai dengan batas toleransi inkonsistensi dan
memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan. Selain itu, dari sistem
pengambilan keputusan AHP mampu menghasilkan hasil yang lebih konsisten dariapada metode-metode
lainnya, serta sistem dengan metode ini mudah dipahami dan mudah di gunakan.
Tujuan dari penelitian ini adalah membuat sistem pendukung keputusan penerimaan karyawan (sales
representative) menggunakan metode Analitical Hierarchy Process pada PT.Coca-Cola Amatil Indonesia
Central Java untuk menghilagkan subjektifitas pada hasil keputusan.
1. Pendahuluan
Sumber daya manusia (SDM) merupakan suatu aset penting dalam perusahaan karena menjadi
penggerak dalam menjalankan perusahaan. SDM menentukan kualitas dari perusahaan tersebut sebab
untuk membuat suatu strategi bisnis yang baik dan dibutuhkan suatu kemampuan untuk bergerak cepat
dan tepat serta memerlukan gagasan-gagasan yang inovatif. Pencarian SDM yang berkualitas melalui
proses yang lama mulai dari penentuan kriteria yang tepat hingga pengadaan serangkaian tes sebagai
acuan dalam pengambilan keputusan. Upaya untuk menghindari subjektifitas keputusan yang dihasilkan
diperlukan suatu sistem pendukung keputusan yaitu Decision Support System (DSS). Decision Support
System merupakan sistem menggunakan model yang dibangun untuk membantu menyelesaikan masalah
semi terstruktur. Seleksi penerimaan karyawan merupakan tipe masalah semi terstruktur artinya proses ini
bukan agenda rutin suatu perusahaan melainkan kejadian yang terjadi jika dibutuhkan. SPK merupakan
sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan
masalah semi terstruktur dengan cara memberikan informasi ataupun usulan pada keputusan tertentu.
SPK dapat dibuat dengan menyesuaikan bidang keputusan apa yang diambil termasuk juga penerimaan
karyawan.
Pengambilan keputusan dalam penerapan sistem keputusan penerimaan karyawan menggunakan
metode Analytical Hierarchy Procces (AHP). Analitycal Hierarchy Process merupakan metode untuk
memecahkan situasi yang kompleks dan tidak terstruktur ke dalam beberapa komponen dalam suatu
susunan yang hierarki dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif,
dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada
situasi tersebut. Sistem pengambilan keputusan AHP mampu menghasilkan hasil yang lebih konsisten,
bisa dipahami dan mudah digunakan. Berdasarkan latar belakang yang telah diuraikan , maka dapat
disimpulkan permasalahan yang ada, yaitu bagaimana proses dalam penerimaan karyawan baru dan perancangan sistem pengambil suatu keputusan penerimaaan karyawan baru menggunakan “Sistem Pendukung Keputusan Penerimaan Karyawan Baru dengan metode AHP”. Sehingga pengambilan keputusan menjadi lebih konsisten dan terhindar dari subjektifitas. Tujuan dari pembuatan Tugas Akhir
ini adalah membangun aplikasi sistem pendukung keputusan untuk penerimaan karyawan baru
mengguakan metode AHP. Agar terhindar dari subjektifitas keputusan yang dihasilkan, maka diperlukan
suatu sistem pendukung keputusan (Decision Support System/DSS) yang dapat membantu manager SDM
dalam memutuskan pelamar mana yang akan diterima . Lebih efisien waktu untuk menentukan keputusan.
2. Tinjauan Pustaka
Penelitian yang berjudul “Penerimaan karyawan baru dengan metode SAW ( simple additive
weihting”) membahas tentang pembuatan aplikasi sistem pendukung keputusan yang berfungsi untuk
membantu proses pemilihan karyawan baru dengan metode SAW ( simple additive weihting). Penelitian
ini memiliki parameter penilaian karyawan yang telah di tentukan oleh perusahaan. Konsep metodeSAW
( simple additive weihting) adalah mencari penjumlahan terbobot dari rating kerja pada setiap alternative
pada semua atribut. Penentuan penerimaan karyawan baru, untuk perhitungan metode Simple Additive
Weighting (SAW) akan menitik-beratkan pada 7 kriteria, yaitu karakter, keahlian, kecakapan,
penampilan,test, usia, wawancara [1].
Penelitian kedua yang berjudul “Sistem Pendukung Keputusan Penerimaan Pegawai Baru PT.PLN (persero) Kantor Pusat dengan Menggunakan Metode Simple Additive Weighting (SAW)”
menggunakan Multiple Attribute Decision Making (MADM) dengan metode SAW. Pada penelitian kedua
ini kriteria pembobotan karyawan juga telah di tentukan oleh perusahaan , yaitu menitik beratkan pada
Kedisiplinan, Masa pengalaman informal/formal, Ketaatan dalam melaksanakan tugas, Kecakapan,
Kepemimpinan, Keterampilan, Hasil kerja yang diperoleh, Moral dan perilaku, Kerjasama, Kreativitas
dan inovasi [2] .
Sistem pendukung keputusan penerimaan karyawan baru PT.Coca-Cola Amatil Indonesia dengan
metode AHP. Sistem Pendukung Keputusan (SPK) penerimaan karyawan bisa dijadikan dasar
pengambilan keputusan manajemen dalam proses penerimaan karyawan. Keputusan yang dapat
dipertanggungjawabkan dengan dukungan dari perhitungan yang dilakukan dengan AHP sebagai model
dalam sistem pendukung keputusan. Keputusan untuk menentukan calon pelamar mana yang akan
diterima sebagai karyawan perusahaan menentukan kelangsungan hidup perusahaan itu sendiri, sehingga
diperlukan keputusan yang tepat dalam pemilihan, agar tujuan perusahaan dapat tercapai dan yang
terakhir aplikasi sistem pendukung keputusan seleksi penerimaan karyawan dapat digunakan perusahaan
untuk membantu menentukan calon karyawan mana yang akan diterima melalui hasil perhitungan AHP.
Aplikasi ini akan menghasilkan keluaran nilai intensitas prioritas calon karyawan tertinggi sehingga
karyawan yang memiliki nilai tertinggi akan memperoleh kesempatan yang besar untuk diterima menjadi
karyawan di perusahaan
Sistem Pendukung Keputusan adalah sebuah sistem yang mampu memecahkan masalah ataupun
kemampuan pengkomunikasian untuk masalah terstruktur maupun semi terstruktur. Sistem ini digunakan
untuk membantu pengambilan keputusan pada situasi terstruktur dan semi struktur [3]. SPK terdiri dari 3
(tiga) subsistem utama yang menentukan kapabilitas teknis SPK, yaitu ;
Sub sistem data merupakan komponen penyedia data bagi sistem. Data disimpan dalam suatu
pangkalan data (data base) yang diorganisasikan oleh suatu sistem yang disebut dengan sistem
manajemen pangkalan data (Data Base Management System/DBMS). Kemampuan yang dibutuhkan dari
manajemen data base yaitu kemampuan untuk mengkombinasikan berbagai variasi data melalui
pengambilan dan ekstraksi data, kemampuan untuk menambahkan sumber data secara tepat dan mudah,
kemampuan untuk menggambarkan struktur data logikal sesuai dengan pengertian pemakai dan
kemampuan untuk menangani data secara personil sehingga pemakai dapat mencoba berbagai alternatif
pertimbangan personil [4].
Sub sistem model merupakan fasilitas pengelola berbagai model.Kendala yang sering dihadapi dalam merancang suatu model adalah model yang disusun tidak mampu mencerminkan seluruh variabel.
Sehingga keputusan yang diambil yang didasarkan pada model tersebut menjadi tidak akurat dan tidak
sesuai dengan kebutuhan.
Sub Sistem Dialog merupakanfasilitas yang mampu mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Melalui sistem dialog inilah sistem diartikulasikan dan diimplementasikan
sehingga pengguna atau pemakai dapat berkomunikasi dengan sistem yang dirancang. Fasilitas yang
dimiliki oleh subsistem ini dapat dibagi atas tiga komponen yaitu action language, yaitu suatu perangkat
lunak yang dapat digunakan pengguna untuk berkomunikasi dengan sistem. Display atau presentation
language, yaitu suatu perangkat yang berfungsi sebagai sarana untuk menampilkan sesuatu. (knowledge
base), yaitu bagian yang mutlak diketahui oleh pengguna sehingga sistem yang dirancang dapat berfungsi
secara efektif. Kombinasi dari berbagai kemampuan ini dikenal sebagai gaya dialog (dialog style).
AHP (Analytic Hierarchy Process) adalah suatu teori umum tentang pengukuran yang digunakan untuk menemukan skala rasio. AHP menguraikan masalah multi faktor atau multi kriteria yang kompleks
kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor,
kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu
masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi
suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis[5].
Lagkah awal yang perlu dilakukan yaitu mendefinisikan masalah dan menentukan jalan keluar / solusi
sesuai tujuan. Setelah itu Menentukan prioritas elemen dengan cara embuat perhitungan berpasangan ,
yaitu membandingkan elemen berpasangan sesuai kriteria. Terakhir Sintesis yaitu
pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas[6].
Standart nilai perbandinagan dapat dilihat pada gambar 1.
Gambar 1: skala penilaian perbandingan berpasangan [7]
Susunan elemen-elemen berpasangan tersebut dapat dilihat pada gambar 2.
Gambar 2. Susunan elemen berpasangan.[7]
Langkah yang dilakukan adalah menjumlahkan nilai-nilai dari setiap kolom pada matriks kemudian
membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi
matriks, terakhir menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk
mendapatkan nilai rata-rata,yaitu:
1. Mengukur konsistensi
Dalam menentukan leputusan penting untuk mengetahui seberapa baik konsistensi yang ada
karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah.
Hal-hal yang dilakukan dalam langkah ini adalah Mengkalikan setiap nilai pada kolom pertama
dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan proritas relatif elemen kedua,
dan seterusnya. Menjumlahkan setiap baris, kemudian hasil dari perjumlahan baris dibagi dengan
elemen prioritas relatif yang bersangkutan. Terakhir menjumlahkan hasil bagi data dengan banyaknya
elemen yang ada, hasilnya disebut λ maks.
λ MAX= jumlah vektor prioritas / jumlah kriteria (1)
2. Menghitung Consistency Index (CI) dengan rumus.
CI = (λ maks-n)/n ( 2 )
3. Menghitung Rasio Konsistensi/ Consistency Rasio(CR) :
CR = CI / RC ( 3 ) di mana :
CR = Consistency Rasio
CI = Consistency Index
IR = Index Random Consistency
4. Memerikisa konsistensi hierarki.
Jika nilainya lebih dari 10% maka nilai judgement harus di teliti ulang , dan jika nilai rasio konsistensi
( CI/IR ) kurang / sama dengan 0.1, maka hasil perhitungan bisa dinyatakan benar.
Gambar 3. Standart nilai indeks[7]
Langkah yang harus dilakukan dalam menyelesaikan persoalan dengan AHP [7],yaitu:
a. Decomposition
Proses menganalisis permasalahan riil dalam struktur hirarki atas unsur – unsur pendukungnya.
Struktur hirarki secara umum dalam metode AHP, yaitu langkah 1 : Tujuan, langkah 2 : Kriteria,
langkah 3 : Subkriteria (optional), langkah 4 : Alternatif.
b. Comperative judgment
Comperative judgment adalah berarti membuat suatu penilaian tentang kepentingan relatif antara
dua elemen pada suatu tingkat tertentu yang disajikan dalam bentuk matriks dengan menggunakan
skala prioritas. Jika terdapat n elemen, maka akan diperoleh matriks pairwise comparison (matriks
perbandingan) berukuran n x n dan banyaknya penilaian yang diperlukan adalah n(n-1)/2.
c. Synthesis of priority
Setelah matriks perbandingan untuk sekelompok elemen selesai dibentuk maka langkah
berikutnya adalah mengukur bobot prioritas setiap elemen tersebut. Hasil akhir dari penghitungan
bobot prioritas tersebut adalah suatu bilangan desimal di bawah satu (misalnya 0.01 sampai 0.99) dengan total prioritas untuk elemen – elemen dalam satu kelompok sama dengan satu. Bobot prioritas dari masing – masing matriks dapat menentukan prioritas lokal dan dengan melakukan sintesa di
antara prioritas lokal, maka akan didapat prioritas global.
Usaha untuk memasukkan kaitan antara elemen yang satu dengan elemen yang lain dalam
menghitung bobot prioritas secara sederhana dapat dilakukan dengan cara berikut:
1. Menjumlahkan elemen pada setiap kolom yang sama pada matriks perbandingan yang terbentuk.
2. Bagilah setiap elemen pada setiap kolom dengan jumlah elemen kolom tersebut (hasil dari langkah
1). Sehingga terbentuk matrik baru yang elemen – elemennya berasal dari hasil pembagian
tersebut.
4. Bagi hasil penjumlahan baris (hasil dari langkah 3) dengan total alternatif agar didapatkan prioritas
terakhir setiap elemen dengan total bobot prioritas sama dengan satu atau bisa disebut dengan
proses normalisasi.
d. Logical consistency
Salah satu asumsi utama metode AHP yang membedakannya dengan metode yang lainnya adalah
tidak adanya syarat konsistensi mutlak. Dengan metode AHP yang memakai persepsi manusia
sebagai inputannya maka ketidakkonsistenan itu mungkin terjadi karena manusia mempunyai
keterbatasan dalam menyatakan persepsinya secara konsisten terutama kalau membandingkan banyak
elemen.
Penentuan nilai preferansi antar elemen harus secara konsisten logis, yang dapat diukur dengan
menghitung Consistency Index (CI) dan Consistency Ratio (CR) CI= λ-n/ n-1
3. Tahapan Penelitian
Proses pengambilan keputusan penerimaan karyawan baru pada PT CCAI cabang bawen bagian
Sales Representatif sering terjadi subjektifitas dan juga masih adanya kesulitan-kesulitan dan kebingungan pada saat proses penerimaan karyawan baru, sehingga membutuhkan waktu yang sangat lama untuk proses penerimaan karyawan baru. Jika proses pengambilan keputusan penerimaan karyawan baru ini di bantu dengan sistem pendukung keputusan yang terkomputerisasi, diharapkan perusahaan tidak mengalami kesulitan dan kebingungan seperti proses-proses penerimaan karyawan baru sebelum menggunakan sistem. Karyawan yang diambil yaitu yang sesuai kriteria dan aturan perusahaan.
Berdasarkan identifikasi masalah di atas, maka dapat disimpulkan bahwa permasalahannya adalah belum ditetapkan kriteria-kriteria calon karyawan dan perhitungan yang tepat untuk kasus ini.
Analisis kebutuhan sistem informasi
1. Identifikasi data dan informasi
A. Identifikasi data meliputi Data pelamar, Data kriteria, Dana nilai,Data pembobotan nilai, Data hasil AHP.
B. Identifikasi informasi meliputi Laporan keputusan, Laporan hasil perhitungan AHP, Laporan data pelamar.
2. Identifikasi sumber data dan tujuan informasi
A. Identifikasi sumber data dari HRD, Pegawai SR, Manager, pelamar.
Analisis kebutuhan sistem informasi
Metode pengumpulan data
Studi pustaka Studi lapangan
Observasi interview Dokumentasi
B. Identifikasi tujuan informasi untuk Hrd dan Manager.
Dalam mengembangkan sebuah sistem diperlukan pemahaman tentang konsep SDLC (SystemDevelopmentLifeCycle). Definisi SDLC secara umum adalah suatu proses yang berkesinambungan untuk menciptakan atau merombak sistem dan untuk mengembangkan sistem. Dapat dikatakan dalam SDLC merupakan sebuah sistem informsai penunjang kebutuhan bisnis,rancangan, dan pengembangan sistem serta pengajarannya kepada pengguna.
Banyak istilah mengenai SDLC, tetapi pada intinya tahapan SDLC meliputi proses-proses sebagai berikut:
Gambar 4 : Gambar SDLC (System Development Life Cycle)
Desain sistem
Gambar 5. Desain sistem
User admin harus terlebih dahulu login, sehingga admin bisa input data calon karyawan, delete
data calon karyawan, melihat data calon karwayan, menghitung data calon karyawan.
Adapun kriteria-kriteria yang digunakan untuk penerimaan karyawan baru pada PT. Coca-Cola
Amatil Indonesia, yaitu Pendidikan terakhir ( d3 fresh, SMA ex, S1 fresh, d3 ex, S1 ex ), Wawancara ,
Psikotes, Mcu ( medical check up).
Kriteria yang digunakan sebagai acuan untuk karyawan baru terdapat 4 macam dan pada kriteria
pendidikan memiliki sub kriteria tersendiri seperti yang terlampir pada tabel berikut
Tabel 1. Bobot penilaian pendidikan terakhir
KRITERIA PENILAIAN
Pembobotan pada kriteria pendidikan ada 2 bagian , pertama berdasarkan tingkatan pendidikan
terakhir calon karyawan dan yang kedua adalah nilai sesuai ijazah yaitu SMA=0-100 dan D3/S1= 0-4.
Dikarenkan pengalaman sangat di pertimbangkan di sini jadi dalam kriteria pendidikan terakhir terdapat
SUB-kriteria untuk memudahkan dalam pengambilan keputusan.
Pembobotan berdasarkan psikotes
Tabel 2. Dasar nilai psikotes
Nilai 1-5 didapat dari hasil perhitungan skor psikotes dengan rentan nilai 0-100. Nilai 5 didapat
jika calon karyawan mampu mendapatkan skor 90 , nilai 4 didapat jika skor 75, nilai 3 jika skor 60 , 2 jika
skor 50, dan nilai 1 jika dibawah 50.
Pembobotan berdasarkan wawancara
Tabel 3. Dasar nilai wawancara
Parameter ukuran Nilai
Nilai 1-5 didapat dari hasil total skor pada sesi wawancara. Skor di tentukan oleh calon karaywan
pada saat diskusi pemecahan masalah, wawancara tentang keseharian calon, dan bagaimana kesungguhan
calon karywan ingin bekerja pada bidang tersebut.
Pembobotan berdasarkan MCU
Tabel 4. Dasar nilai medical checkup
Tidak sangat baik 1
Nilai 1-5 didapat dari hasil cek laboratorium yang sengaja disewa perusahaan untuk perekrutan
karyawan. Nilai didapat dari berbagai test kesehatan, yaitu test fisik, test mata, test darah, ekg, dan test
urin. Sehingga dapat diketahui berapa persen kesehatan para calon karyawan untuk bisa menempati posisi
tersebut.
Membuat matriks perbandingan berpasangan agar pengaruh di setiap kriteria terlhat. Jika CR <
0.1 maka nilai perbandingan berpasangan pada matriks kriteria diberikan konsistensi. Jika CR > 0.1,
maka nilai perbandingan berpasangan pada matriks kriteria tidak konsisten. Jadi apabila matriks kriteria
tersebut tidak konsisten, maka pengisian nilai-nilai matriks berpasangan pada unsur maupun alternatif
harus diulang. Hal pertama yang dilakukan untuk menentukan bobot kriteria adalah dimana dalam
terminologi AHP disebut pair-wire comparation.
4.Hasil dan Pembahasan
Penelitian ini menganalisis permasalahan yang ada pada PT. Coca-Cola Amatil Indonesia Jawa
Tengah ( bawen). Penulis menganalisis cara dan penilaian penerimaan karyawan baru pada setiap bagian
dalam perusahaan. Sistem penerimaan karyawan baru merupakan suatu sistem yang dibuat untuk
membantu manager dalam menyelesaikan masalah penerimaan karyawan baru pada setiap bagian dalam
perusahaan. Sistem pengambilan keputusan menggunakan metode AHP (Analitycal Hierarchy process)
untuk menentukan penerimaan karyawan dengan melihat kreiteria-kriteria dan bobot yang telah
ditetapkan.
Pada kasus ini bobot dari setiap kriteria sudah di tentukan oleh perusahaan, yaitu pendidikan = 5,
psikotes-7, wawancara=9, mcu=3. Setelah mengetahui bobot seriap kriteria, selanjutnya menghitung
matriks untuk perbandingan setiap kriteria.
Membuat matriks untuk perbandingan kriteria, contoh menghitung baris pendidikan terakhir yaitu
5/5=1 5/7=0.71 5/9=0.55 5/3=1.67 kemudian setelah kolom dan bari terisi, jumlahkan
setiap kolom yang ada.
Tabel 5. Matriks perbandingan kriteria
Kriteria Pendidikan Psikotes Wawancara Mcu
Pendidikan 1.00 0.71 0.55 1.67
Psikotes 1.40 1.00 0.78 2.33
Wawancara 1.80 1.29 1.00 3.00
Mcu 0.60 0.43 0.33 1.00
Jumlah 4.80 3.43 2.66 8
Menghitung normalisasi matriks untuk kriteria , contoh kolom pendidikan yaitu, bagi setiap nilai
kriteria dengan hasil penjumlahan matriks perbandingan kriteria dan akan mendapatkan hasil seperti tabel
berikut.
Tabel 6. Nilai normalisasi matriks
Kriteria pendidikan psikotes wawancara Mcu Jumlah
Pendidikan 0.21 0.21 0.21 0.21 0.83
untuk mengolah data, maka hasil vektor prioritas adalah membulatkan 2 angka dibelakang koma.
Tabel 7. Vektor Prioritas
Memeriksa konsistensi untuk kriteria
a.untuk memeriksa konsistensi kriteria langkah awal yang harus dilakukan yaitu, mengalikan setiap
kolom matriks perbandingann dengan vektor prioritas.
Tabel 8. Konsistensi kriteria
b.setelah ada hasil dari perkalian matriks perbandingan dengan vektor prioritas maka Bagi setiap kolom
dengan vektor priorotas.
Tabel. 9 hasil bagi vektor prioritas
Hasil
Menghitung rata-rata maksimal untuk kriteria
Seperti pada rumus (1) λ MAX= 16.22 / 4
= 4.055
MENGHITUNG konsistensi index untuk kriteria
Seperti pada rumus (2)
CI=4.055-4 /4-1
= 0.183
Seperti pada rumus (3)
CR=0.183/0.90
=0.2
MENGHITUNG VEKTOR PRIORITAS SUBKRITERIA PENDIDIKAN
skala perbandingan untuk SubKriteria pendidikan terakhir
Tabel. 10 bobot setiap subkriteria
subKriteria pendidikan
membuat matrik perbandingan untuk sub kriteria pendidikan terakhir,
contoh untuk menghitung baris S1
9/9=1 ,9/7=1.285 , 9/5=1.8 , 9/3=3 , 9/2=4.5
Menghitung NORMALISASI MATRIKS untuk sub kriteria pendidikan terakhir contoh untuk menghitung kolom S1
1/3=0.333 , 0.8/3=0.267 , 0.6/3=0.2 , 0.4/3=0.133 , 0.2/3=0.067
jumlah hasil normalisasi matriks setiap kriteria dibagi 5, di mana 5 adalah banyaknya kriteria
Tabel 13. Vektor prioritas sub pendidikan
sub kriteria pendidikan terakhir Vektor
S1 ex 0.35
D3 ex 0.27
S1 f 0.19
SMA ex 0.11
Memeriksa konsistensi untuk sub kriteria pendidikan terakhir
a. kalikan setiap kolom dari matriks perbandingan dengan vektor prioritas
Tabel 14. Konsistensi Sub kriteria
0.35*
b. bagi setiap kolom dengan vektor prioritas
Tabel 15. Hasil bagi vektor prioritas
Hasil konsistensi
menghitung rata-rata maksimal untuk kriteria
λ MAX= jumlah vektor prioritas / jumlah kriteria pendidikan terakhir λ MAX = 29.82 / 5
= 5,96
Menghitung konsistensi index untuk kriteria
CI= λ Max-n / n-1 CI=5.96-5 /5-1
= 0.24
menghitung konsistensi ratio untuk kriteria, dimana R1= 1.12
CR= CI/RI
2. Vektor priorotas menunjukan bobot dari subkriteria, jadi dalam hal ini S1 EX merupakan bobot
tertinggi/terpenting dalam penentuan calon Karyawan baru.
3. Setelah mendapatkan bobot untuk setiap subkriteria ( yang ada pada kolom Vektor prioritas ),
maka selanjutnya mengecek apakah bobot yang dibuat konsisten atau tidak.Untuk hal ini, yang
pertama yang dilakukan adalah menghitung Pricipal Eigen Value (λ max) matrix.
4. Principal Eigen Value (λ max) matrix perhitungannya dengan cara menjumlahkan hasil perkalian
antara jumlah dan vektor prioritas.
5. Menghitung Consistency Index (CI) dengan rumus
6. CI = (λ max-n)/(n-1), untuk n = jumlah kriteria
7. Menghitung Consistency Ratio (CR) diperoleh dengan rumus CR=CI/RI, nilai RI menggunakan
Contoh kasus perhitungan pada penerimaan karyawan baru
1. Masukan nilai-nilai asli sebelum proses perhitungaan. Pada kriteria pendidikan dibagi menjadi 2
yaitu, SMA 0-100 sedangkan S1 dan D3 0-4. Karena memang penilaian SMA dan S1 berbeda.
Tabel 16. Nilai asli calon karyawan
pendidikan
terakhir Psikotes Wawancara Mcu
alan SI ex 3 2.9 3 4
endro D3 ex 3.2 3.1 4 5
bima S1 f 3.5 2.8 3.7 4
kukuh Sma ex 80 3.1 2.9 4
bagas D3 ex 3.5 3 3 5
2. Supaya lebih mudah untuk mengolah data maka dilakukan penyetaraan nilai pada kriteria pendidikan
terakhir yaitu, SMA dibagi 5 sedangkan S1 dan D3 dikalikan 1.25 sehinngga nilai max dari
pendidikan terakhir adalah 5.
Tabel 17. Penyetaraan nilai pendidikan terakhir
pendidikan
terakhir Psikotes Wawancara Mcu
alan SI ex 3.75 2.9 3 4
3. Menghitung hasil seleksi,dengan cara mengkalikan nilai yang didapat dengan vektor prioritas
masing-masing, kriteria/ subkriteria contoh untuk menghitung Baris alan ,
kolom pendidikan terakhir 3.75 * 0.35=1.3125,
kolom psikotes 2.9 * 0.29=0.841,
terakhir Psikotes wawancara mcu Jumlah
Alan SI ex 1.3125 0.841 1.14 0.52 3.8135
Implementasi
1. Tampilan awal pada sistem, user terlebih dahulu login dikarenakan tidak sembarangan karyawan
bisa dan boleh menggunakan aplikasi ini. Alasan penggunan login supaya data aman dan tidak di
ketahui oleh orang lain, hanya HRD yang tau.
Gambar 7. login user
2. Tampilan menu input data, user bisa menginputkan data calon karyawan dengan melihat
petunjuk di samping form. Tujuan note disamping form adalah supaya mempermudah pengunaan/
pengisian form nilai pada user baru.
Gambar 8. menu input data
3. Setelah selesai mengisi form selanjutnya submit, maka akan keluar notifikasi apakah data yang di
masukkan sudah benar atau belom. Jika belum benar maka bisa klik button cancel pada button
notifikasi maka user bisa membenahi data, jika benar tinggal klik OK.
Gambar 9. Notifikasi
4. Tampilan data base calon karyawan
untuk menghitung data minimal harus 10 data jika kurang dari 10 maka data tidak bisa di
hitung,dikarenakan agar lebih efisien waktu. Jika ingin meng-print data calon karyawan tinngal
Gambar 10. List view data calon karyawan
5. Jika data kurang dari 10 masih tetap di klik maka akan keluar notifikasi seperti gambar 8.
Gambar 11. notifikasi
6. Data kosong
Gambar 12.list view rank
7. Tampilan data ranking setelah memenuhi 10, maka sistem akan menghitung dan memisahkan
mana calon yang lolos dan mana yang tidak lolos . sehingga lebih memudahkan user untuk
melanjutkan ke langkah selanjutnya.
Gambar 13. List view rank
5.SIMPULAN
Berdasarkan hasil penelitian penulis menyimpulkan bahwa penerimaan karyawan baru yang di
bantu menggunakan sistem pedukung keputusan penerimaan karyawan menggunakan metode AHP ini
merupakan satu solusi untuk perusahaan menjadi lebih baik dalam penerimaan karyawan baru, dengan
adanya standart kriteria-kriteria yang telah ditetapkan oleh perusahaan seperti pendidikan
terakhir,wawancara,pikotes, dan MCU tentunya juga menghilangkan subjektifitas. Keputusan yang dapat
dipertanggungjawabkan dengan dukungan dari perhitungan AHP sebagai model dalam sistem pendukung
keputusan. Keputusan menentukan calon karyawan yang akan di terima sangat berpengaruh terhadap
kemajuan perusahaan, maka dari itu diperlukan pemilihan yang tepat agar perusahaan bisa berkembang.
Aplikasi ini menghasilkan output yaitu data nilai dari semua calon karyawan ,perhitungan nilai calon
karyawan yang sudah secara otomatis memisahkan mana calon karyawan yang lolos dan tidak, dengan
adanya batasan penginputan minimal 10 calon karyawan untuk bisa menjalankan perhitungan pada
6.Daftar pustaka
[1] Shinta Siti Sundari, Yopi Firman Taufik. 2013. Sistem pendukung keputusan penerimaan
pegawai baru menggunakan metode simple additive weihting (saw).
http://www.sisfotenika.stmikpontianak.ac.id/index.php/ST/article/viewFile/39/43. Diakses pada 1 Juni 2017.
[2] Yasni Djamain, Herlinda de Christin. 2015. Sistem pendukung keputusan penerimaan pegawai
baru pt.pln (persero) kantor pusat dengan menggunakan metode simple additive weighting (saw).
http://www.journal.uinjkt.ac.id/index.php/ti/article/viewFile/1935/1505. Diakses pada 4 Juni 2017.
[3] Riadi,Muchlisin. 2013. Sistem pendukung keputusan.
http://www.kajianpustaka.com/2013/09/sistem-pendukung-keputusan-spk.html. Diakses pada 21
Juni 2017.
[4] Arief.2012. komponen-komponen SPK. http://informatika.web.id/komponen-komponen-spk.htm.
Diakses pada 21 Juni 2017.
[5] Eko Darmono, Noor Latifah, Nanik Susanti. 2014.Penerapan Metode AHP untuk Menentukan
Kualitas Gula Tumbu. http://jurnal.umk.ac.id/index.php/simet/article/viewFile/139/144. Diakses pada 22 Juni 2017.
[6] Admin.2015.langkah-langkah perhitungan ahp.
http://www.sistemphp.com/langkah-langkah-contoh-perhitungan-metode-ahp/. Diakses pada 22 Juni 2017.
[7] Latifah.Siti.2005. prinsip-prinsip dasar analytical hierarchy process.