Penerapan Metode TOPSIS Pada Sistem Pendukung Keputusan Untuk Pemilihan Pegawai Teladan

(1)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 4, Agustus 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i4.4519

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom

Penerapan Metode TOPSIS Pada Sistem Pendukung Keputusan Untuk Pemilihan Pegawai Teladan

Fauziyah^1,*, Samuel Ramos²

Prodi Studi Sistem Informasi, Universitas Bung Karno, Jakarta, Indonesia Email: ^1,*fauziyah@ubk.ac.id,²samuel.pakpahan@ubk.ac.id

Email Penulis Korespondensi: fauziyah@ubk.ac.id Submitted 21-07-2022; Accepted 19-08-2022; Published 30-08-2022

Abstrak

Pegawai teladan adalah orang yang bekerja pada suatu lembaga kantor atau perusahaan dengan mendapatkan gaji upah, namun mempunyai sesuatu yang dapat ditiru atau baik untuk dicontoh perbuatan, kelakuan sifat dan sebagainya. Masalah yang di hadapi dalam penelitian ini ialah dalam proses pemilihan pegawai teladan. Kriteria yang digunakan penelitian dalam penelitian ini ialah kehadiran, Tanggung Jawab, kerjasama, kedisiplinan, dan inisiatif. Dalam memilih pegawai teladan diperlukan sebuah Sistem Pendukung Keputusan. Metode yang digunakan dalam penelitian ini adalah TOPSIS ini memperhitungkan segala kriteria yang mendukung pengambilan keputusan guna membantu mempercepat dan mempermudah proses pengambilan keputusan. Hasil penelitian ini akan menghasilkan urutan rangking dari beberapa kandidat yang ditunjuk sebagai calon pegawai teladan. Pegawai teladan yang tertinggi rangkingnya yaitu; Dermansyah alternate (V8), dengan nilai 0,6511.

Kata Kunci: Sistem Pendukung Keputusan; Pemilihan; Pegawai; Telada; Metode TOPSIS Abstract

An exemplary employee is a person who works in an office or company institution by getting a salary, but has something that can be imitated or good to emulate his actions, behavior, and so on. The problem faced in this study is in the process of selecting exemplary employees. The criteria used by the research in this study are presence, responsibility, cooperation, discipline, and initiative. In selecting exemplary employees, a Decision Support System is needed. The method used in this study is the Technicque For Order Preference By Similarity To Ideal Solution (TOPSIS) which takes into account all the criteria that support decision making to help speed up and simplify the decision-making process. The results of this study will produce a ranking order of several candidates who are appointed as exemplary employee candidates. The highest ranking exemplary employees are; Dermansyah alternate (V8), with a value of 0.6511.

Keywords: Decision Support System; Election; Employee; Telada; TOPSIS Method

1. PENDAHULUAN

Pegawai merupakan sumber daya manusia (SDM) yang memegang peranan sangat penting dalam mewujudkan visi dan misi perusahaan. Pegawai juga sangat berpengaruh dalam kemajuan perusahaan dan kelangsungan hidup perusahaan dalam persaingan bisnis. Sumber daya manusia merupakan modal dasar perkembangan suatu perusahaan, dan dengan modal dasar tersebut perusahaan dapat meningkatkan kualitas pegawainya.[1]

Adapun Masalah pada dalam pemilihan pegawai teladan, yakni minimnya metode, yang sebelumnya dilakukan dengan cara menghitung secara manual tanpa menggunakan sistem pencarian pegawai teladan. Perhitungan yang dilakukan berupa penetapan kelayakan sebagai pegawai teladan. Sejauh ini hanya menggunakan keputusan kepemimpinan langsung ketika memilih pegawai teladan. Pemimpin mungkin merasa sulit untuk memilih dari setiap pegawai karena kurangnya kriteria yang jelas untuk memilih pegawai. Sistem pendukung keputusan dapat membantu menentukan evaluasi kerja seorang pegawai untuk tujuan memilih pegawai teladan dengan menggunakan metode yang kriteria evaluasi yang digunakan adalah kehadiran, tanggung jawab, kerjasama, disiplin, dan inisiatif. [3]

Sistem pendukung keputusan ini diharapkan dapat mendukung pimpinan dalam mengambil keputusan yang tepat untuk memilih pegawai teladan. Pemilihan disesuaikan dengan kriteria tertentu. Hal ini juga diharapkan dapat membuat perbedaan dan memotivasi pegawai lain untuk memperhatikan perilaku kerja mereka dan meningkatkan kinerja masing- masing pegawai. Salah satu metode yang dapat digunakan untuk memecahkan masalah dalam sistem pendukung pengambilan keputusan adalah metode Technique for Others Preference by Similarity to Ideal Solution (TOPSIS).[4]

Metode yang digunakan pada penelitian ini yaitu metode Technicque For Order Preference By Similarity To Ideal Solution (TOPSIS) yang merupakan suatu metode yang memiliki konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal terpendek, namun juga memiliki jarak terpanjang dari solusi ideal negatif.

TOPSIS merupakan metode pengambilan keputusan multi kriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang pada tahun 1981.

Pada penelitian sebelumnya yang di lakukan oleh Siti Maryam Siregar pada tahun 2015 dengan judul “Sistem Pendukung Keputusan pemilihan guru teladan di SMA Era Utama Pancur Batu menggunakan metode TOPSIS”. Dengan menggunakan 6 kriteria, yaitu : Nilai Bahasa Asing, absensi, penilaian sejawat, penilaian siswa, kwalitas mengajar, nilai Psikotest.[5]

Marsono, Ahmad Fitri Boy, Wulan Dari pada tahun 2015 dengan judul “Sistem Pendukung Keputusan pemilihan menu makanan pada penderita Obesitas dengan menggunakan Metode TOPSIS”. Dengan menggunakan 5 kriteria, yaitu : kandungan karbohidrat, kandungan Protein, kandungan lemak, kandungan kalori, kandungan kolesterol.[6]

Pada penelitian terdahulu lain mengenai metode TOPSIS yang di lakukan oleh Hylenarti Hertyana pada tahun 2018 dengan judul “Sistem Pendukung Keputusan Penentuan Pegawai Terbaik Menggunakan Metode Technique for

(2)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Others Preference by Similarity to Ideal Solution (TOPSIS)” mengatakan bahwa metode TOPSIS dapat membantu dalam mengambil keputusan dalam menentukan pegawai terbaik, karena memenuhi tujuan yang diharapkan dan hasil perhitungannya bisa lebih cepat dan akurat sehingga informasi yang dihasilkan dapat digunakan sebagai pendukung keputusan.[8]

Berdasarkan permasalahan dan uraian di atas maka penulis ingin membantu kantor CV. Berkah Travel untuk membangun sebuah sistem Pendukung keputusan pemilihan pegawai teladan, yang memanfaatkan beberapa pilihan alternatif yang ada dan yang dibutuhkan berdasarkan kriteria yang ada dengan menggunakan metode TOPSIS (Tecnicque for Order Preference by Similarity to Ideal Solution). Yang diharapkan mampu memberikan hasil penilaian yang efektif dan manajer mampu menigkatkan kualitas pelayanan yang di harapkan perusahaan.

2. METODE PENELITIAN

2.1 Kerangka Kerja Penelitian

Kerangka kerja penelitian adalah desain penelitian yang dirancang dengan urutan–urutan yang jelas agar dapat menggambarkan alur penelitian yang akan dialakukan secara maksimal. Tujuan dari pembuatan kerangka kerja penelitian yaitu untuk mempermudah penulis dalam menyelesaikan proses penelitian sesuai dengan target yang ingin diproleh.

Gambar 1. Metodologi Penelitian 2.2 Sistem Pendukung Keputusan

Sistem pendukung keputusan merupakan sebuah sistem yang terhubung dengan komputer. Dimana sistem tersebut dipergunakan untuk membantu proses pengambilan keputusan bagi perusahaan. Sistem pendukung keputusan sendiri banyak digunakan oleh perusahaan dalam mendukung pengambilan keputusan didasari dengan pengolahan data pada sistem pendukung keputusan berdasarkan dengan data yang semi terstruktur dan memiliki jumlah alternatf serta kriteria yang banyak. Selain itu juga sistem pendukung keputusan dapat membantu bagi perusahaan mendapatkan hasil yang objektif.[9], [10]

2.3 Metode TOPSIS

TOPSIS merupakan bagian dari pada metode sistem pendukung keputusan yang berdasarkan dengan multi kriteria. Proses pada metode topsis berdasarkan dengan perhituang terhadap nilai jarak positif dan negatif yang ideal dari semua alternatif yang dimiliki[11]. Terdapat beberapa tahapan metode TOPSIS :

a. Membuat matriks keputusan yang ternormalisasi berdasarkan dengan jarak.

R_ij 𝑥ij

√∑𝑚 𝑥²ij

𝑖=1

(1)

b. Membentuk nilai bobot pada matrik keputusan :

𝑌_𝑖𝑗 = 𝑤_𝑖𝑟_𝑖𝑗 (2)

c. Mencari nilai positive ideal solution dan juga negative ideal solution, Positive ideal solution dapat dirumuskan sebagai berikut:

𝐴+ = ( 𝑦1+, 𝑦2+, 𝑦3+, … , 𝑦𝑛+) (3)

(3)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Negative ideal solution dapat dirumuskan sebagai berikut:

𝐴+ = ( 𝑦1+, 𝑦2+, 𝑦3+, … , 𝑦𝑛+) (4)

d. Mendapatkan nilai jarak dari setiap alternatif berdasarkan dengan niali ideal Jarak antara Ai dengan solusi ideal positif dirumuskan sebagai:

𝐷⁺ = √∑ 𝑛(𝑌⁺− 𝑌_𝑖𝑗)² (5)

Jarak antara Ai dengan solusi ideal positif dirumuskan sebagai:

𝐷⁻ = √∑ 𝑛(𝑌_𝑖𝑗− 𝑌⁻)² (6)

e. Menghitung nilai preferensi untuk masing-masing alternatif:

𝑉_𝑖= ^𝐷𝑖+

𝐷𝑖−+𝐷𝑖+ (7)

Nilai Vi yang lebih besar menunjukan bahwa alternatif Ai lebih dipilih atau hasil yang terbaik.

3. HASIL DAN PEMBAHASAN

3.1 Analisa Masalah

Analisis masalah adalah kajian sementara untuk menemukan penyebab masalah serta alternatif solusi untuk masalah tersebut. Proses pemecahan masalah dilakukan dengan mencari bukti masalah, membuat rumusan masalah, menganalisis dampak masalah, dan mencari penyebab masalah. Dalam menentukan pemilihan pegawai teladan, ada beberapa kriteria yang harus dipenuhi oleh seorang pegawai. Pemilihan pegawai teladan memerlukan sistem yang tepat dan tepat, maka dari itu digunakan sistem pendukung keputusan dengan menggunakan metode Technical Reference for Others by Similarity to Ideal Solution (TOPSIS), sehingga diperlukan kriteria dan bobot dalam melakukan perhitungan agar hasilnya adalah untuk mendapatkan alternatif terbaik

Tabel 1. Nilai Alternatif

No Nama C1 C2 C3 C4 C5

1 Susanto 5 4 1 5 3

2 Khairunisa 4 3 1 3 3

3 Melati 2 4 3 4 5

4 Rendi 3 5 1 3 4

5 Sandi 1 3 3 1 2

6 Indah 1 3 5 3 4

7 Syahputra 3 4 3 5 3

8 Dermansyah 3 4 4 5 5

9 Maulana 2 5 3 4 5

10 Rasyid 3 4 5 4 5

3.1.1 Penerapan Metode TOPSIS

TOPSIS didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Terdapat beberapa tahapan metode TOPSIS:

a. Menghitung matriks keputusan yang dinormalisasi

R_ij

𝑥ij

√∑𝑚 𝑥²ij 𝑖=1

|𝑋₁| = √5²+ 4²+ 2²+ 3²+ 1²+ 1²+ 3²+ 3²+ 2²+ 3²= 9,219 𝑟₁₁= 𝑥₁₁

𝑥₁ = 5

9,219= 0,5423 𝑟₂₁= 𝑥₂₁

𝑥₁ = 4

9,219= 0,4338 𝑟₃₁= 𝑥₃₁

𝑥₁ = 2

9,219= 0,2169 𝑟₄₁= 𝑥₄₁

𝑥₁ = 3

9,219= 0,3254 𝑟₅₁= 𝑥₅₁

𝑥₁ = 1

9,219= 0,1084

(4)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom 𝑟₆₁= 𝑥₆₁

𝑥₁ = 1

9,219= 0,1084 𝑟₇₁= 𝑥₇₁

𝑥₁ = 3

9,219= 0,3254 𝑟₈₁= 𝑥₈₁

𝑥₁ = 3

9,219= 0,3254 𝑟₉₁= 𝑥₉₁

𝑥₁ = 2

9,219= 0,2169 𝑟_10,1= 𝑥_10,1

𝑥₁ = 3

9,219= 0,3254

|𝑋₂| = √4²+ 3²+ 4²+ 5²+ 3²+ 3²+ 4²+ 4²+ 5²+ 5²= 12,884 𝑟₁₂= 4

12,884= 0,3104 𝑟₂₂= 3

12,884= 0,2328 𝑟₃₂= 4

12,884= 0,3104 𝑟₄₂= 5

12,884= 0,3880 𝑟₅₂= 3

12,884= 0,2328 𝑟₆₂= 3

12,884= 0,2328 𝑟₇₂= 4

12,884= 0,3104 𝑟₈₂= 4

12,884= 0,3104 𝑟₉₂= 5

12,884= 0,3880 𝑟_10,2= 5

12,884= 0,3880

|𝑋₃| = √1²+ 1²+ 3²+ 1²+ 3²+ 5²+ 3²+ 4²+ 3²+ 5²= 10,246 𝑟₁₃= 1

10,246= 0,0975 𝑟₂₃= 1

10,246= 0,0975 𝑟₃₃= 3

10,246= 0,2927 𝑟₄₃= 1

10,246= 0,0975 𝑟₅₃= 3

10,246= 0,2927 𝑟₆₃= 5

10,246= 0,4879 𝑟₇₃= 3

10,246= 0,2927 𝑟₈₃= 4

10,246= 0,3903 𝑟₉₃= 3

10,246= 0,2927 𝑟_10,3= 5

10,246= 0,4879

|𝑋₄| = √5²+ 3²+ 4²+ 3²+ 1²+ 3²+ 5²+ 5²+ 4²+ 4²= 12,288 𝑟₁₄= 5

12,288= 0,4069 𝑟₂₄= 3

12,288= 0,2441

(5)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom 𝑟₃₄= 4

12,288= 0,3255 𝑟₄₄= 3

12,288 = 0,2441 𝑟₅₄= 1

12,288= 0,0813 𝑟₆₄= 3

12,288= 0,2441 𝑟₇₄= 5

12,288= 0,4069 𝑟₈₄= 5

12,288= 0,4069 𝑟₉₄= 4

12,288= 0,3255 𝑟_10,4= 4

12,288= 0,3255

|𝑋₅| = √3²+ 3²+ 5²+ 4²+ 2²+ 4²+ 3²+ 5²+ 5²+ 5²= 12,767 𝑟₁₅= 3

12,767= 0,2349 𝑟₂₅= 3

12,767= 0,2349 𝑟₃₅= 5

12,767= 0,3916 𝑟₄₅= 4

12,767= 0,3133 𝑟₅₅= 2

12,767= 0,1566 𝑟₆₅= 4

12,767= 0,2985 𝑟₇₅= 3

12,767= 0,3133 𝑟₈₅= 5

12,767= 0,3916 𝑟₉₅= 5

12,767= 0,3916 𝑟_10,5= 5

12,767= 0,3916

Sehingga akan menghasilkan matriks R, seperti dibawah ini :

𝑅 =

0,5423 0,3104 0,0975 0,4069 0,2349 0,4338 0,2328 0,0975 0,2441 0,2349 0,2169 0,3104 0,2927 0,3255 0,3916 0,3254 0,3880 0,0975 0,2441 0,3133 0,1084 0,2328 0,2927 0,0813 0,1566 0,1084 0,2328 0,4879 0,2441 0,3133 0,3254 0,3104 0,2927 0,4069 0,2349 0,3254 0,3104 0,3903 0,4069 0,3916 0,2169 0,3880 0,2927 0,3255 0,3916 0,3254 0,3880 0,4879 0,3255 0,3916 b. Mencari nilai bobot pada matriks keputusan.

𝑌_𝑖𝑗 = 𝑤_𝑖𝑟_𝑖𝑗

Tabel 2. Bobot Kriteria

Kode Kriteria C1 C2 C3 C4 C5

Bobot 20% 25% 30% 15% 10%

𝑦11 = (20%)( 0,5423) = 0,10846 𝑦12 = (25%)(0,3104) = 0,0776

(6)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom 𝑦13 = (30%)(0,0975) = 0,02925

𝑦14 = (15%) (0,4069) = 0,06103 𝑦15 = (10%)(0,2349) = 0,02349 𝑦21 = (20%)( 0,4338) = 0,08676 𝑦22 = (25%)(0,2328) = 0,0582 𝑦23 = (30%)(0,0975) = 0,02925 𝑦24 = (15%)(0,2441) = 0,03661 𝑦25 = (10%)(0,2349) = 0,02349 𝑦31 = (20%)(0,2169) = 0,04338 𝑦32 = (25%)0,3104) = 0,0776 𝑦33 = (30%)(0,2927) = 0,08925 𝑦34 = (15%)(0,3255) = 0,04882 𝑦35 = (10%)( 0,3916) = 0,03916 𝑦41 = (20%)(0,3254) = 0,06508 𝑦42 = (25%)(0,3880) = 0,097 𝑦43 = (30%)(0,0975) = 0,02925 𝑦44 = (15%)(0,2441) = 0,03661 𝑦45 = (10%)(0,3133) = 0,03133 𝑦51 = (20%)(0,1084) = 0,02168 𝑦52 = (25%)(0,2328) = 0,0582 𝑦53 = (30%)(0,2927) = 0,08925 𝑦54 = (15%)(0,0813) = 0,02032 𝑦55 = (10%)(0,1566) = 0,01566 𝑦61 = (20%)(0,1084) = 0,02168 𝑦62 = (25%)(0,2328) = 0,0582 𝑦63 = (30%)(0,4879) = 0,14637 𝑦64 = (15%)(0,2441) = 0,03661 𝑦65 = (10%)(0,3133) = 0,03133 𝑦71 = (20%)(0,3254) = 0,06508 𝑦72 = (25%)(0,3104) = 0,0776 𝑦73 = (30%)(0,2927) = 0,08925 𝑦74 = (15%)(0,4069) = 0,06103 𝑦75 = (10%)(0,2349) = 0,02349 𝑦81 = (20%)(0,3254) = 0,06508 𝑦82 = (25%)(0,3104) = 0,0776 𝑦83 = (30%)(0,3903) = 0,11709 𝑦84 = (15%)(0,4069) = 0,06103 𝑦85 = (10%)(0,3916) = 0,03916 𝑦91 = (20%)(0,2169) = 0,04338 𝑦92 = (25%)(0,3880) = 0,097 𝑦93 = (30%)(0,2927) = 0,08925 𝑦94 = (15%)(0,3255) = 0,04882 𝑦95 = (10%)(0,3916) = 0,03916 𝑦10,1 = (20%)(0,3254) = 0,06508 𝑦10,2 = (25%)(0,3880) = 0,097 𝑦10,3 = (30%)(0,4879) = 0,14637 𝑦10,4 = (15%)(0,3255) = 0,04882 𝑦10,5 = (10%)(0,3916) = 0,0391

Menghasilkan matrik Y, seperti dibawah ini :

𝑌 =

0,10846 0,0776 0,02925 0,06103 0,02349 0,08676 0,0582 0,02925 0,03661 0,02349 0,04338 0,0776 0,08925 0,04882 0,03916 0,06508 0,097 0,02925 0,03661 0,03133 0,02168 0,0582 0,08925 0,02032 0,01566 0,02168 0,0582 0,14637 0,03661 0,03133 0,06508 0,0776 0,08925 0,06103 0,02349 0,06508 0,0776 0,14637 0,06103 0,03916 0,04338 0,097 0,08925 0,04882 0,03916 0,06508 0,097 0,14637 0,04882 0,03916

(7)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Mencari nilai matriks ideal positif dan negatif.

𝐴+ = 𝑀𝐴𝑋( 𝑦1+, 𝑦2+, 𝑦3+, … , 𝑦𝑛+)

A1⁺ = Max {0,10846; 0,08676; 0,04338; 0,06508; 0,02168;

0,02168; 0,06508; 0,06508; 0,04338; 0,06508} = 0,10846 A2⁺ = Max {0,0776; 0,0582; 0,0776; 0,097; 0,0582;

0,0582; 0,0776; 0,0776; 0,097; 0,097 } = 0,097 A3⁺ = Max { 0,02925; 0,02925; 0,08925; 0,02925; 0,08925;

0,14637; 0,08925; 0,14637; 0,08925; 0,14637 } = 0,14637 A4⁺ = Max {0,06103 ; 0,03661; 0,04882; 0,03661; 0,02032;

0,03661; 0,06103 ; 0,06103; 0,04882; 0,04882 } = 0,06103 A5⁺ = Max {0,02349; 0,02349; 0,03916; 0,03133; 0,01566;

0,03133; 0,02349; 0,03916; 0,03916; 0,03916} = 0,03133 𝐴+ = 𝑀𝑎𝑥 {0,10846; 0,097; 0,14637; 0,06103; 0,03133}

Negative ideal solution dapat dirumuskan sebagai berikut:

𝐴− = 𝑀𝐼𝑁( 𝑦1+, 𝑦2+, 𝑦3+, … , 𝑦𝑛+)

A1⁻ = Min {0,10846; 0,08676; 0,04338; 0,06508; 0,02168;

0,02168; 0,06508; 0,06508; 0,04338; 0,06508} = 0,02168 A2⁻ = Min {0,0776; 0,0582; 0,0776; 0,097; 0,0582;

0,0582; 0,0776; 0,0776; 0,097; 0,097 } = 0,0582 A3⁻ = Min { 0,02925; 0,02925; 0,08925; 0,02925; 0,08925;

0,14637; 0,08925; 0,14637; 0,08925; 0,14637 } = 0,02925 A4⁻ = Min {0,06103 ; 0,03661; 0,04882; 0,03661; 0,02032;

0,03661; 0,06103 ; 0,06103; 0,04882; 0,04882 } = 0,02032 A5⁻ = Min {0,02349; 0,02349; 0,03916; 0,03133; 0,01566;

0,03133; 0,02349; 0,03916; 0,03916; 0,03916} = 0,01566 𝐴− = 𝑀𝑖𝑛 {0,02168; 0,0582; 0,02925; 0,02032; 0,01566}

c. Mencari nilai jarak dari masing – masing alternatif berdasarkan nilai solusi ideal 𝐷⁺ = √∑ 𝑛(𝑌⁺− 𝑌_𝑖𝑗)²𝑙

𝐃𝟏⁺ = √(0,10846 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0776 − 𝟎, 𝟎𝟗𝟕)^𝟐+( 0,02925 − 0,14637)^𝟐+

(0,06103 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,02349 − 0,03133)^𝟐 = 𝟎, 𝟏𝟏𝟖𝟗

𝐃𝟐⁺ = √(0,08676 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0582 − 𝟎, 𝟎𝟗𝟕)^𝟐+( 0,02925 − 0,14637)^𝟐+

(0,03661 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,02349 − 0,03133)^𝟐 = 𝟎, 𝟏𝟐𝟕𝟖

𝐃𝟑⁺ = √(0,04338 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0776 − 𝟎, 𝟎𝟗𝟕)^𝟐+(0,08925 − 0,14637)^𝟐+

(0,04882 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03916 − 0,03133)^𝟐 = 𝟎, 𝟎𝟖𝟗𝟗

𝐃𝟒⁺= √(0,06508 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,097 − 𝟎, 𝟎𝟗𝟕)^𝟐+( 0,02925 − 0,14637)^𝟐+

(0,03661 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03133 − 0,03133)^𝟐 = 𝟎, 𝟏𝟖𝟐𝟓

𝐃𝟓⁺= √(0,02168 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0582 − 𝟎, 𝟎𝟗𝟕)^𝟐+(0,08925 − 0,14637)^𝟐+

(0,02032 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,01566 − 0,03133)^𝟐 = 𝟎, 𝟏𝟏𝟗𝟏 𝐃𝟔⁺ = √(0,02168 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0582 − 𝟎, 𝟎𝟗𝟕)^𝟐+( 0,14637 − 0,14637)^𝟐+

(0,03661 −𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03133 − 0,03133)^𝟐 = 𝟎, 𝟎𝟗𝟗𝟑 𝐃𝟕⁺ = √(0,06508 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0776 − 𝟎, 𝟎𝟗𝟕)^𝟐+(0,08925 − 0,14637)^𝟐+

(0,06103 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,02349 − 0,03133)^𝟐 = 𝟎, 𝟎𝟕𝟒𝟕

𝐃𝟖⁺ = √(0,06508 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,0776 − 𝟎, 𝟎𝟗𝟕)^𝟐+(0,14637 − 0,14637)^𝟐+

(0,06103 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03916 − 0,03133)^𝟐 = 𝟎, 𝟎𝟒𝟖𝟏

𝐃𝟗⁺ = √(0,04338 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,097 − 𝟎, 𝟎𝟗𝟕)^𝟐+( 0,08925 − 0,14637)^𝟐+

(0,04882 − 𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03916 − 0,03133)^𝟐 = 𝟎, 𝟎𝟖𝟕𝟕 𝐃𝟏𝟎⁺ = √(0,06508 − 𝟎, 𝟏𝟎𝟖𝟒𝟔)^𝟐+(0,097 − 𝟎, 𝟎𝟗𝟕)^𝟐+(0,14637 − 0,14637)^𝟐+

(0,04882 −𝟎, 𝟎𝟔𝟏𝟎𝟑)^𝟐+(0,03916 − 0,03133)^𝟐 = 𝟎, 𝟎𝟒𝟓𝟕

(8)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Jarak antara Ai dengan solusi ideal positif dirumuskan sebagai:

D⁺ = √∑ n(Y_ij− Y⁻)²

𝑫𝟏⁻ = √(0,10846 − 0,02168)²+ (0,0776 − 0,0582)²+ (0,02925 − 0,02925)²+

(0,06103 − 0,02032)²+ (0,02349 − 0,01566)² = 𝟎, 𝟎𝟗𝟖𝟏

𝐃𝟐⁻ = √(0,08676 − 0,02168)²+ (0,0582 − 0,0582)²+ ( 0,02925 − 0,02925)²+

(0,03661 − 0,02032)²+ (0,02349 − 0,01566)² = 0,0675

𝐃𝟑⁻ = √(0,04338 − 0,02168)²+ (0,0776 − 0,0582)²+ (0,08925 − 0,02925)²+

(0,04882 − 0,02032)²+ (0,03916 − 0,01566)² = 𝟎, 𝟎𝟕𝟔𝟐

𝐃𝟒⁻ = √(0,06508 − 0,021680)²+ (0,097 − 0,0582)²+ ( 0,02925 − 0,02925)²+

(0,03661 − 0,02032)²+ (0,03133 − 0,01566)² = 𝟎, 𝟎𝟔𝟐𝟒

𝐃𝟓⁻= √(0,02168 − 0,02168)²+ (0,0582 − 0,0582)²+ ( 0,08925 − 0,02925)²+

(0,02032 − 0,02032)²+ (0,01566 − 0,01566)² = 𝟎, 𝟎𝟔

𝐃𝟔⁻= √(0,02168 − 0,02168)²+ (0,0582 − 0,0582)²+ ( 0,14637 − 0,02925)²+

(0,03661 − 0,02032)²+ (0,03133 − 0,01566)² = 𝟎, 𝟏𝟏𝟗𝟐

𝐃𝟕⁻ = √(0,06508 − 0,02168)²+ (0,0776 − 0,0582)²+ (0,08925 − 0,02925)²+

(0,06103 − 0,02032)²+ (0,02349 − 0,01566)² = 𝟎, 𝟏𝟑𝟑𝟎

𝐃𝟖⁻= √(0,06508 − 0,02168)²+ (0,0776 − 0,0582)²+ (0,14637 − 0,02925)²+

(0,06103 − 0,02032)²+ (0,03916 − 0,01566)² = 𝟎, 𝟎𝟖𝟗𝟖

𝐃𝟗⁻ = √(0,04338 − 𝟎, 𝟎𝟐𝟏𝟔𝟖)^𝟐+ (0,097 − 𝟎, 𝟎𝟓𝟖𝟐)^𝟐+ ( 0,08925 − 𝟎, 𝟎𝟐𝟗𝟐𝟓)^𝟐+

(0,04882 − 𝟎, 𝟎𝟐𝟎𝟑𝟐)^𝟐+ (0,03916 − 𝟎, 𝟎𝟏𝟓𝟔𝟔)^𝟐 = 𝟎, 𝟎𝟖𝟑𝟑

𝐃𝟏𝟎⁻ = √(0,02168 − 0,02168)²+ (0,097 − 0,0582)²+ ( 0,14637 − 0,02925)²+

(0,04882 − 0,02032)²+ (0,03916 − 0,01566)² = 𝟎, 𝟏𝟐𝟖𝟖 d. Menghitung nilai preferensi seluruh alternatif dan jarak berdasarkan solusi ideal

V_i= ^Di−

Di−+Di+

V₁= 0,0981

0,0981 + 𝟎, 𝟏𝟏𝟖𝟗= 0,4520 V₂= 0,0675

0,0675 + 𝟎, 𝟏𝟐𝟕𝟖= 0,3456 V₃= 0,0762

0,0762 + 𝟎, 𝟎𝟖𝟗𝟗= 0,4587 V₄= 0,0624

0,0624 + 𝟎, 𝟏𝟖𝟐𝟓= 0,4097 V₅= 0,06

0,06 + 𝟎, 𝟏𝟏𝟗𝟏= 0,3350 V₆= 0,1192

0,1192 + 𝟎, 𝟎𝟗𝟗𝟑= 0,5455 V₇= 0,1330

0,1330 + 𝟎, 𝟎𝟕𝟒𝟕= 0,6403 V₈= 0,0898

0,0898 + 𝟎, 𝟎𝟒𝟖𝟏= 0,6511 V₉= 0,0833

0,0833 + 𝟎, 𝟎𝟖𝟕𝟕= 0,4871 V₁₀= 0,1288

0,1288 + 𝟎, 𝟎𝟒𝟓𝟕= 0,6174

Setelah mendapatkan nilai preferensi berikut ini adalah tabel rangking dari masing-masing alternatif :

(9)

Hal 857−865 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom

Tabel 3. Perangkingan

Vi Alternatif Nilai Rangking V8 Dermansyah 0,6511 1 V7 Syahputra 0,6403 2 V10 Rasyid 0,6174 3

V6 Indah 0,5455 4

V9 Maulana 0,4871 5

V3 Melati 0,4587 6

V1 Susanto 0,4520 7

V4 Rendi 0,4097 8

V2 Khairunisa 0,3456 9

V5 Sandi 0,3350 10

Dari tabel rangking diatas diperlihatkan bahwa 0,6511 memiliki nilai tertinggi, sehingga dapat disimpulkan bahwa alternatif V8 yang lebih dipilih yaitu Dermansyah sebagai pegawai teladan

4. KESIMPULAN

Dari hasil pembahasan dan pengamatan yang dilakukan maka dapat diambil kesimpulan Metode TOPSIS (Technicque for Order Preference by Similarity to Ideal Solution) dapat membantu dalam menentukan suatu keputusan penilaian kinerja pegawai. Proses penentuan kriteria-kriteria pemilihan pegawai teladan yang digunakan yaitu kehadiran, tagging jawab, kerja sama, kedisiplinan, inisiatif. Hasil dari penerapan metode TOPSIS pada penelitian ini meghasilkan nilai preferensi yang berupa rangking tertinggi yang terpilih menjadi pegawai teladan yaitu alternatif V8 (Dermansyah) dengan hasil 0,6511.

REFERENCES

[1] S. N. Amida and T. Kristiana, “Sistem Pendukung Keputusan Penilaian Kinerja Pegawai Dengan Menggunakan Metode Topsis,” JSAI (Journal Sci. Appl. Informatics), vol. 2, no. 3, pp. 193–201, 2019, doi: 10.36085/jsai.v2i3.415.

[2] M. R. Fajar and E. K. Suni, “Sistem Pendukung Keputusan Pegawai Teladan Menggunakan Algoritma SAW Pada PT Semesta Citra Media,” J. Inform., vol. 8, no. 2, pp. 131–141, 2021, doi: 10.31294/ji.v8i2.10624.

[3] D. Setiawan and R. Wicaksono, “Penerapan Sistem Pendukung Keputusan Pemilihan Pegawai Terbaik di CV . MABERTECH,” Bull. Appl. Ind. Eng. Theory, vol. 2, no. 1, pp. 49–54, 2021.

[4] A. Mubarok, H. D. Suherman, Y. Ramdhani, and S. Topiq, “Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Dengan Metode TOPSIS,” J. Inform., vol. 6, no. 1, pp. 37–46, 2019, doi: 10.31311/ji.v6i1.4739.

[5] S. M. Siregar, “Sistem Pendukung Keputusan Pemilihan Guru Teladan Di SMA Era Utama Pancur Batu Menggunakan Metode TOPSIS,” Pelita Inform. budi Darma, vol. IX, no. 2, pp. 76–84, 2015.

[6] W. D. Marsono, Ahmad Fitri Boy, “Sistem Pendukung Keputusan Pemilihan Menu Makanan pada Penderita Obesitas dengan menggunakan Metode Topsis,” Semin. Nas. Sains Teknol. Inf., pp. 135–140, 2018.

[7] S. Hidayat and R. Irviani, “Ma Al Mubarok Batu Raja Menggunakan Metode Topsis,” J. TAM (Technology Accept. Model. Vol.

6, Juli 2016, vol. 6, no. 2015, pp. 1–8, 2016.

[8] Hylenarti Hertyana, “Sistem pendukung keputusan penentuan pegawai terbaik menggunakan metode saw studi kasus amik mahaputra riau,” Intra-Tech, vol. 2, no. 1, pp. 74–82, 2018, [Online].Available:

https://www.journal.amikmahaputra.ac.id/index.php/JIT/article/view/27

[9] R. Yunitarini, “Sistem pendukung keputusan pemilihan penyiar radio terbaik,” J. Ilm. Mikrotek, vol. 1,no.1,pp.43–

52,2013,[Online].Available:https://eco-entrepreneur.trunojoyo.ac.id/jim/article/download/166/163

[10] R. Taufiq and A. A. Permana, Sistem Pendukung Keputusan Penerimaan Pegawai Menggunakan Simple Additive Weighting Studi Kasus PT. Trafoindo Prima Perkasa, vol. 4, no. 4. 2018. doi: 10.36722/sst.v4i4.309.

[11] D. Nababan and R. Rahim, “Sistem Pendukung Keputusan Reward Bonus Pegawai Dengan Metode Topsis,” Nababan, Darsono Rahim , Robbi, vol. 3, no. 1, pp. 2528–5114, 2018, [Online]. Available:

https://ejournal.medan.uph.edu/index.php/isd/article/view/185