Sistem Pendukung Keputusan Dalam Penilaian Kinerja Karyawan Terbaik dengan Algoritma Simple Additive Weighting (SAW)
Arisantoso1,*, Nanang Sadikin1, Ahmad Fatih2, Mochamad Sanwasih3
1 Teknik Informatika, Sekolah Tinggi Teknologi Informasi NIIT, Jakarta Selatan, Indonesia
2 Teknik Informatika, Universitas Islam As-Syafi'iyah, Bekasi, Indonesia
3 Sistem Informatika, Universitas Binaniaga Indonesia, Bogor, Indonesia
Email: 1,*[email protected], 2[email protected], 3[email protected], 4[email protected] Email Penulis Korespondensi: [email protected]
Submitted 13-06-2021; Accepted 25-07-2021; Published 30-08-2021 Abstrak
Tujuan dari penelitian ini adalah mengimplementasikan sistem pendukung keputusan pemilihan (SPK) karyawan terbaik menggunakan metode Simple Additive Weighting (SAW). Kelebihan metode pembobotan aditif sederhana dibandingkan model keputusan lainnya adalah SAW dapat memilih alternatif terbaik di antara beberapa alternatif, juga memungkinkan estimasi yang lebih akurat karena didasarkan pada kriteria dan bobot preferensi yang telah ditentukan. Sistem pendukung keputusan untuk penilaian prestasi kinerja karyawan terbaik dirancang dengan menggunakan pendekatan berorientasi objek yaitu menggunakan usecase diagram. Sehingga mempermudah dalam melakukan perancangan sistem yang dibuat, serta diimplementasikan dengan menggunakan Bahasa pemrograman PHP dengan database MySql sehingga proses perhitungan dapat tersimpan secara komputerisasi dengan menggunakan database. Hasil pengujian sistem menggunakan blackbox testing mendapatkan hasil 100% sesuai dengan pengujian fungsionalitas sistem, dan hasil pengujian Technology Acceptence Model mendapatkan hasil 85,41% maka Technology Acceptence Model prototype Sangat Baik untuk sistem pendukung keputusan untuk pemilihan karyawan terbaik.
Kata Kunci: SPK; Simple Additive Weighting; Karyawan; Blackbox Testing; Technology Acceptence Model Abstract
The goal of this study is to implement the best employee selection decision support system (DSS) using simple additive weighting (SAW) methods. The advantage of a simple additive weighting method over other decision models is that SAW can choose the best alternative among several alternatives, also allowing for more accurate estimation because it is based on predetermined criteria and preference weights.
The decision support system for the best performance performance assessment of employees is designed using an object-oriented approach that usecase diagrams. So that it makes it easier to design the system created, and implemented by using the PHP programming language with MySql database so that the calculation process can be stored computerized using the database. System testing results using blackbox testing get 100% results in accordance with system functionality testing, and Technology Acceptence Model test results get 85.41% results then Technology Acceptence Model prototype Is Excellent for decision support systems for the selection of the best employees.
Keywords: DSS; Simple Additive Weighting; Employee; Blackbox Testing; Technology Acceptence Model
1. PENDAHULUAN
Teknologi informasi merupakan kegiatan pengumpulan, pengolahan, pengelolaan, penyimpanan, peneyebaran dan pemanfaatan suatu informasi. Selain menyangkut perangkat keras (hardware) dan perangkat lunak (software), teknologi ini juga memperhatikan kepentingan manusia dalam pemanfaatannya. Oleh karena itu pemanfaatan teknologi informasi sangatlah dibutuhkan, teknologi informasi yang salah satu contohnya komputer dapat membantu mempercepat pekerjaan yang sedang dikerjakan, dengan menggunakan komputer akan lebih akurat dan konsisten dalam melakukan perhitungan [1].
Evaluasi kinerja adalah kegiatan untuk mengevaluasi dan mengevaluasi kinerja dan keterampilan, dan untuk mengkonfirmasi pertumbuhan karyawan [2]. Kegiatan ini perlu dilakukan oleh setiap perusahaan dalam rangka evaluasi kinerja dan peningkatan produktivitas karyawan. Penilaian kinerja harus dilakukan secara konsisten sehingga perusahaan dapat mengetahui kemajuan kinerja setiap karyawan. Kegagalan dalam melakukan hal tersebut dapat menurunkan produktivitas karyawan yang tentunya dapat berdampak negatif bagi perusahaan. Proses evaluasi kinerja berikut didasarkan pada kriteria kinerja. Digunakan untuk membandingkan kinerja dengan standar yang ditetapkan oleh perusahaan. Hasil perbandingan ini memberikan gambaran kepada perusahaan tentang produktivitas dan produktivitas karyawannya. Perbandingan kriteria kinerja ini memberikan indikasi yang jelas apakah karyawan melakukan pekerjaannya sesuai dengan kriteria yang telah ditentukan sebelumnya. Namun, standar kinerja ini harus spesifik, realistis, terukur, dan mudah dipahami. Jika perusahaan menggunakan standar yang terlalu tinggi, akan sulit bagi karyawan Anda, dan juga Anda, untuk memenuhi standar tersebut.
Sistem Pendukung Keputusan (SPK) merupakan suatu pendekatan atau metodelogi untuk mendukung keputusan.
SPK menggunakan CBIS (Computer Based Information System) yang fleksibel [3], interaktif dan dapat diadaptasi, yang dikembangkan untuk mendukung solusi untuk masalah manajemen spesifik yang tidak terstruktur. SPK menggunakan data, memberikan antarmuka pengguna yang mudah dan dapat menggabungkan pemikiran pengambil keputusan [4]. Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur [5][6]. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat [7]. Simple Additive Weighing (SAW) merupakan salah satu algoritma dari sistem pendukung keputusan. Algoritma SAW sering disebut sebagai metode penjumlahan berbobot, SAW melakukan penjumlahan berbobot dari semua atribut dari setiap alternatif.
Tujuan utamanya adalah untuk memungkinkan SAW membandingkan alternatif dengan cara yang lebih seimbang dan menghasilkan perhitungan yang lebih akurat [8].
Penelitian terkait dengan metode SAW yaitu konsep dasar metode SAW adalah mencari penjumlahan terbobot dari peringkat kinerja untuk setiap alternatif pada semua atribut [9]. Hasil perhitungan ini memberikan informasi yang bermanfaat bagi masyarakat sebagai alternatif dalam memilih e-commerce dalam melakukan transaksi selain mempertimbangkan harga dan ketersediaan barang [10]. Sistem pendukung keputusan dapat diartikan sebagai sistem informasi interaktif yang menyediakan informasi, pemodelan dan manipulasi data. Untuk mengatasi kriteria yang majemuk pada pengambilan keputusan maka pada penelitian ini menggunakan Metode Perbandingan Eksponensial (MPE). MPE dapat mengurangi bias yang mungkin terjadi dalam analisis, karena nilai skor yang dihasilkan mengambarkan urutan prioritas yang menjadi besar sehingga urutan prioritas alternatif keputusan menjadi lebih nyata. Pada penelitian ini menghasilkan sistem pendukung keputusan untuk menetukan penerima beasiswa siswa berprestasi dengan kriteria prestasi, kedisiplinan, kehadiran dengan menerapkan metode MPE [11].
Tujuan dari penelitian ini adalah mengimplementasikan sistem pendukung keputusan pemilihan karyawan terbaik menggunakan metode simple additive weighting (SAW). Kelebihan metode pembobotan aditif sederhana dibandingkan model keputusan lainnya adalah SAW dapat memilih alternatif terbaik di antara beberapa alternatif, juga memungkinkan estimasi yang lebih akurat karena didasarkan pada kriteria dan bobot preferensi yang telah ditentukan. Hal ini dikarenakan adanya proses rangking setelah menentukan bobot untuk masing-masing atribut yang ada. Dengan pemilihan karyawan terbaik menggunakan metode simple additive weighting (SAW) dapat dilakukan dengan cepat dan proses penilaian dapat dilakukan dengan akurat berdasarkan kriteria yang digunakan.
2. METODOLOGI PENELITIAN
Penelitian ini menggunakan metode simplewadditive weighting merupakan salahbsatu metode dari MultiDAttribute Decision Making. Metode ini juga biasamdikenal dengan sebutan metodempenjumlahan terbobot. Konsep dasar dari metodegSAW adalah dengan mencari penjumlahan terbobot dari rating kinerja pada setiap alternative padabsemua atribut.Setiap metode yang digunakan terdapat kelebihan dan kekurangan dari metode tersebut, adapun kelebihan dari metode simple additive weighting antara lain menentukan nilai bobot dari setiapbatributekemudian dilanjutkan dengan melakukan proses perankingan yang diseleksi dari alternative terbaik dari beberapa alternative. Penilaian akan lebih tepat karena didasarkan pada nilai kriteria dari bobot preferensi yang telah ditentukan. Adanya perhitungan normalisasi matriks sesuai dengan nilai atribut (antara benefit dan cost).
Kerangka pemikiran merupakan gambaran besar penulis dalam melakukan penelitian, dapat dilihat pada gambar dibawah ini
Gambar 1. Kerangka Penelitian 1) Planning
Melakukan perencanaan untuk mendapatkan informasi tentang permasalahan yang terjadi dalam penentuan karyawan terbaik. Selanjutnya dari permasalahan tersebut menentukan opportunity yaitu perlu adanya aplikasi yang dapat digunakan untuk membantu pihak Universitas XYZ dalm penentuan karyawan terbaik. Tahapan selanjutnya menggunakan pendekatan sistem pendukung keputusan untuk mengatasi permasalahan tersebut.
2) Design
Tahapan berikutnya adalah perancangan dimana pada tahapan ini dilakukan kegiatan pemodelan yang dimulai dari pemodelan sistem [12]. Tahapan design yaitu membuat sebuah rancangan sistem informasi akuntansi dengan menggunakan
3) Coding
Pengkodean merupakan penerapan cara kerja sistem berdasarkan hasil analisa dan juga perancangan yang telah dibuat sebelumnya ke dalam suatu bahasa pemrogram tertentu untuk kemudian menjadi sebuah aplikasi [13]. Tahapan coding yaitu membuat aplikasi berbasis web dengan bahasa pemrograman menggunakan PHP dan Database MySql.
4) Testing
Tahapan test yaitu membuat pengujian terhadap aplikasi yang sudah dibuat dengan menggunakan Blackbox Testing untuk menguji fungsionalitas sistem dan ISO 25010.
3. HASIL DAN PEMBAHASAN
Aplikasi implementasi sistem pendukung keputusan dalam penilaian prestasi kinerja karyawan terbaik dengan algoritma simple additive weighting (SAW), berikut merupakan hasil pengembangan aplikasinya.
3.1 Software Development
Perancangan sistem adalah sebagian gambaran, perencanaan dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah kedalam satu kesatuan yang utuh dan berfungsi dengan baik. Perancangan sistem dalam penelitian ini menggunakan pendekatan berorientasi objek. Usecase diagram merupakan model diagram UML yang digunakan untuk menggambarkan requirement fungsional yang diharapkan dari sebuah sistem [14]. Usecase diagram adalah diagram usecase yang digunakan untuk menggambarkan secara ringkas siapa yang menggunakan sistem dan apa saja yang bisa dilakukannya [15]. Usecase diagram penilaian prestasi kinerja karyawan terbaik pada gambar 2. berikut ini
Gambar 2. Usecase Diagram
Usecase diagram diatas mempunya 2 aktor yaitu admin dan auditor. Aktor admin dapat melakukan usecase login, usecase mengelola data karyawan, usecase mengelola data kriteria, usecase mengelola data sub kriteria, usecase mengelola data auditor, usecase mengelola data penilaian, usecase view data penilaian, serta usecase logout. Sedangkan aktor auditor dapat melakukan usecase login, usecase input penilaian, serta usecase logout.
3.2 Software Implementation
Implementasi sistem pendukung keputusan untuk pemilihan karyawan terbaik ini mempunyai menu yaitu login, dashboard, data kriteria, data sub kriteria, data auditor, data aspek kriteria, data sub kriteria, data penilaian, data rangking penilaian, dan cetak laporan.Sebelum menggunakan sistem admin harus terlebih dahulu melakukan login. Setelah pengguna berhasil login maka akan tampil halaman utama. Gambar 3 merupakan tampilan menu utama sistem pendukung keputusan yang dikembangkan.
Gambar 3. Implementasi Halaman Menu Utama
Selanjutnya, adamin dapat mengelola data auditor, data karyawan dan kriteria. Admin dapat mengelola data auditor, dimana admin dapat menambah dan menghapus data auditor. Selain itu admin dapat mengelola data karyawan, dimana admin dapat menambah dan menghapus data karyawan. Gambar 4 berikut ini adalah tampilan mengelola data karyawan.
Gambar 4. Implementasi Halaman Data Kriteria
Kemudian admin dapat mengelola kriteria, dimana pada halaman ini admin dapat menambahkan kriteria termasuk bobot kriteri yang ditentukan oleh pengambil keputusan. Halaman data kriteria dapat dilihat pada Gambar 5 berikut ini.
Gambar 5. Implementasi Halaman Data Kriteria
dapat melihat view rangking SAW, yang digunakan untuk menyimimpan hasil penilaian data karyawan serta akan menghitung dengan metode simple additive weighting dalam sistem pendukung keputusan.
Gambar 6. Implementasi Halaman Rangking SAW
Hasil perbandingan antara perhitungan manual dengan menggunakan aplikasi web yang dibuat pada metode simple additive weighting yang digunakan mendapatkan hasil, yaitu
Tabel 1. Perbandingan Perhitungan Nama Karyawan Perhitungan
Manual
Perhitungan Menggunakan Program Aplikasi Web
Joko 1,74 1,74000000
Budi 1,48 1,48000000
Irma 1,39 1,39000000
Dari hasil perhitungan manual dan program aplikasi web menggunakan metode simple additive weighting diatas tidak ada perbedaan selisih, serta untuk perangkingan pemilihan karyawan terbaik tidak berubah antara perhitungan manual dan program aplikasi web yang dibuat.
3.3 Software Measurement
Hasil pengujian black box untuk mengetahui kesesuaian fungsi pada sistem pendukung keputusan untuk pemilihan karyawan terbaik yang dibuat. Berikut ini adalah hasil dari pengujian black box testing yang terdapat pada sistem pendukung keputusan untuk pemilihan karyawan terbaik yaitu
Tabel 2. Hasil Rekapitulasi Pengujian Black Box Testing
Kriteria Pengujian Jumlah Jawaban
Sesuai Tidak Sesuai
Halaman Login 2 0
Halaman Data Karyawan 4 0
Halaman Data Aspek Kriteria 4 0
Halaman Data Sub Kriteria 4 0
Halaman Data Auditor 4 0
Halaman Data Penilaian 4 0
Halaman Tambah Penilaian 4 0
Halaman Cetak Laporan 2 0
Total Jawaban 28 0
Berdasarkan hasil rekapitulasi 8 kriteria pengujian yang telah dilakukan didapatkan hasil jumlah jawaban dari responden yaitu mempunyai nilai 100% sesuai dengan pengujian fungsionalitas sistem menggunakan blackbox testing.
Berdasarkan hasil pengujian diperoleh dari kuisioner, hasil rekapitulasi pengujian penerimaan teknologi berdasarkan 2 kriteria penerimaan teknologi dari prototype dengan model TAM.
Tabel 3. Tabel Kesimpulan Pengujian Penerimaan Teknologi No Aspek / Kriteria Skor Aktual Skor Ideal % Skor
Total
Kriteria 1 Persepsi Kegunaan
(Perceived Usefullnes)
431 480 89,79 Sangat Baik
No Aspek / Kriteria Skor Aktual Skor Ideal % Skor Total
Kriteria 2 Persepsi Kemudahan
Penggunaan (Perceived Easy of Use)
389 480 81,04 Sangat Baik
Total 820 960 85,41 Sangat Baik
Berdasarkan hasil pengolahan data tanggapan responden sebanyak 16 responden berdasarkan 2 kriteria Model TAM maka didapatkan hasil Persepsi Kegunaan (Perceived Usefullness) sebesar 89,79%, Persepsi Kemudahan Penggunaan (Perceived Easy of Use) sebesar 81,04%. Dari keseluruhan kriteria Model TAM untuk penerimaan teknologi hasilnya Baik sebesar 85,41%.
4. KESIMPULAN
Sistem pendukung keputusan untuk penilaian prestasi kinerja karyawan terbaik dirancang dengan menggunakan pendekatan berorientasi objek yaitu menggunakan usecase diagram. Sehingga mempermudah dalam melakukan perancangan sistem yang dibuat, serta diimplementasikan dengan menggunakan Bahasa pemrograman PHP dengan database MySql sehingga proses perhitungan dapat tersimpan secara komputerisasi dengan menggunakan database. Hasil pengujian sistem menggunakan blackbox testing mendapatkan hasil 100% sesuai dengan pengujian fungsionalitas sistem, dan hasil pengujian Technology Acceptence Model mendapatkan hasil 85,41% maka Technology Acceptence Model prototype Sangat Baik untuk sistem pendukung keputusan untuk pemilihan karyawan terbaik. Hasil perbandingan antara perhitungan manual dengan menggunakan aplikasi web yang dibuat pada metode simple additive weighting yang digunakan mendapatkan hasil, yaitu Joko dengan nilai perhitungan manual yaitu 1,74 dan nilai perhitungan menggunakan web yaitu 1,74000000, Budi dengan nilai perhitungan manual yaitu 1,48 dan nilai perhitungan menggunakan web yaitu 1,48000000, Irma dengan nilai perhitungan manual yaitu 1,39 dan nilai perhitungan menggunakan web yaitu 1,39000000. Dari hasil perhitungan manual dan program aplikasi web menggunakan metode simple additive weighting diatas tidak ada perbedaan selisih, serta untuk perangkingan pemilihan karyawan terbaik tidak berubah antara perhitungan manual dan program aplikasi web yang dibuat.
REFERENCES
[1] I. Ahmad, R. I. Borman, J. Fakhrurozi, and G. G. Caksana, “Software Development Dengan Extreme Programming (XP) Pada Aplikasi Deteksi Kemiripan Judul Skripsi Berbasis Android,” J. Invotek Polbeng - Seri Inform., vol. 5, no. 2, pp. 297–307, 2020.
[2] T. Aryati and L. Pangaribuan, “Analisis Pengaruh Implementasi E-Procurement Dan Kompetensi Pegawai Terhadap Kinerja Pengadaan,” J. Penelit. dan Karya Ilm. Lemb. Penelit. Univ. Trisakti, vol. 4, no. 1, p. 19, 2019.
[3] D. P. Tarigan, A. Wantoro, and Setiawansyah, “Sistem Pendukung Keputusan Pemberian Kredit Mobil Dengan Fuzzy Tsukamoto (Studi KasuS: PT CLIPAN FINANCE),” TELEFORTECH J. Telemat. Inf. Technol., vol. 1, no. 1, 2020.
[4] A. Aris Widodo and M. Misdram, “Sistem Pendukung Keputusan Kenaikan Jabatan Menggunakan Metode Profile Matching,” J.
Mnemon., vol. 2, no. 2, pp. 18–23, 2019.
[5] H. Hermanto and N. Izzah, “Sistem Pendukung Keputusan Pemilihan Motor Dengan Metode Simple Additive Weighting (SAW),”
Mat. Dan Pembelajaran, vol. 6, no. 2, p. 184, 2018.
[6] R. I. Borman, D. A. Megawaty, and A. Attohiroh, “Implementasi Metode TOPSIS Pada Sistem Pendukung Keputusan Pemilihan Biji Kopi Robusta Yang Bernilai Mutu Ekspor ( Studi Kasus : PT . Indo Cafco Fajar Bulan Lampung ),” Fountain Informatics J., vol. 5, no. 1, pp. 14–20, 2020.
[7] N. Shodik, N. Neneng, and I. Ahmad, “Sistem Rekomendasi Pemilihan Smartphone Snapdragon 636 Menggunakan Metode Simple Multi Attribute Rating Technique (SMART),” J. Nas. Pendidik. Tek. Inform., vol. 7, no. 3, pp. 219–228, 2018.
[8] R. I. Borman, M. Mayangsari, and M. Muslihudin, “Sistem Pendukung Keputusan Menentukan Lokasi Perumahan Di Pringsewu Selatan Menggunakan Fuzzy Multiple Attribute Decision Making,” Jtksi, vol. 01, no. 01, pp. 5–9, 2018.
[9] N. C. Resti, “Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD. Indo Multi Fish,” Intensif, vol. 1, no. 2, p. 102, 2017.
[10] R. Rusliyawati, D. Damayanti, and S. N. Prawira, “IMPLEMENTASI METODE SAW DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MODEL SOCIAL CUSTOMER RELATIONSHIP MANAGEMENT,” Edutic-Scientific J.
Informatics Educ., vol. 7, no. 1, 2020.
[11] R. I. Borman and H. Fauzi, “Penerapan Metode Perbandingan Eksponensial (MPE) Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa Siswa Berprestasi Pada SMK XYZ,” CESS J. Comput. Eng. Syst. Sci., vol. 3, no. 1, pp. 17–22, 2018.
[12] R. D. Gunawan, R. Napianto, R. I. Borman, and I. Hanifah, “Penerapan Pengembangan Sistem Extreme Programming Pada Aplikasi Pencarian Dokter Spesialis di Bandar lampung Berbasis Android,” J. Format, vol. 8, no. 2, pp. 148–157, 2019.
[13] M. Melinda, R. I. Borman, and E. R. Susanto, “Rancang Bangun Sistem Informasi Publik Berbasis Web (Studi Kasus : Desa Durian Kecamatan Padang Cermin Kabupaten Pesawaran),” J. Tekno Kompak, vol. 11, no. 1, p. 1, 2018.
[14] T. Monica and R. I. Borman, “Implementasi Konsep Media Sosial Dalam Sistem Informasi Kegiatan Kesiswaan (Studi Kasus : SMK XYZ),” J. Tekno Kompak, vol. 11, no. 2, pp. 33–37, 2017.
[15] R. I. Borman, A. T. Priandika, and A. R. Edison, “Implementasi Metode Pengembangan Sistem Extreme Programming (XP) pada Aplikasi Investasi Peternakan,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 8, no. 3, pp. 272–277, 2020.
