Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
NASKAH PUBLIKASI
PERBANDINGAN METODE SAW DAN ELECTRE PADA SISTEM
PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI INFORMATION
COMMUNICATION TECHNOLOGI
(STUDI KASUS UNIVERSITAS MERCU BUANA YOGYAKARTA)
Disusun Oleh
Nama : David Nugroho
Nomor Mahasiswa : 12100882
Program Studi : Teknik Informatika
Jenjang : Strata 1
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN ILMU KOMPUTER
EL RAHMA
YOGYAKARTA
2018
PERBANDINGAN METODE SAW DAN ELECTRE PADA SISTEM
PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI INFORMATION
COMMUNICATION TECHNOLOGI
(STUDI KASUS UNIVERSITAS MERCU BUANA YOGYAKARTA)
DAVID NUGROHO
Jurusan Teknik Informatika, STMIK EL RAHMA, Yogyakarta
ABSTRACT
The use of the current decision support system when needed by educational institutions,
especially in the employee selection process so that it is in accordance with what is needed,
in the selection process can be used to help processing data that has been using the system
manually. The number of methods used in decision support systems can be an alternative
choice for use.
Decision Support System is made using two methods, namely Simple Additive Weighting
Method (SAW) and the Elimination Method and Reality Translation Choice (ELECTRE)
with the PHP programming language and using a MySQL database. The results of the
method are processed again by calculating the RSD (Relative Standard Deviation).
The system test results show the difference in results with the SAW and ELECTRE methods.
In the SAW calculation. The comparison results show that the Electre method is more
suitable for use because it has a greater percentage value.
Keywords: Recruitment of Employees, SPK, SAW, ELECTRE
PENDAHULUAN
Salah satu kunci utama dalam menciptakan Sumber Daya Manusia (SDM) yang
profesional adalah terletak pada proses Rekrutmen, Seleksi, Training and Development
calon tenaga kerja. Mencari tenaga kerja yang profesional dan berkualitas tidaklah
gampang. Merupakan sebuah kewajiban dalam sebuah organisasi dan perusahaan-
perusahan harus melakukan penyaringan untuk anggota atau para pekerja yang baru.
Untuk itulah rekrutmen tenaga kerja dibutuhkan untuk menyaring para pelamar yang
ingin melamar. Dalam organisasi, rekrutmen ini menjadi salah satu proses yang penting
dalam menentukan baik tidaknya pelamar yang akan melamar pada organisasi tersebut.
Proses perekrutan karyawan pada umumnya masih menggunakan sistem manual.
Pada sistem ini banyak kelemahan, diantaranya membutuhkan waktu yang lama,
penempatan yang tidak sesuai dengan bidang keahlian. Dengan permasalahan tersebut
maka dibutuhkannya sebuah sistem yang dapat mempermudah dalam proses perekrutan
dan dapat dijadikan sebagai bahan pertimbangan keputusan.
Ada banyak metode pendukung keputusan yang diimplementasikan terhadap
proses pemilihan pegawai, setelah dilakukan pencarian di internet dan studi pustakan,
didapatlah beberapa jurnal penelitian tentang penerimaan pegawai dengan metode
Simple Additive Weight (SAW) dan Electre. Berdasarkan masalah diatas maka peneliti
merancang sistem yang digunakan untuk membandingkan kedua metode tersebut.
METODE PENELITIAN
Penelitian yang ini menggunakan data didapatkan dengan cara :
a. Wawancara
Wawancara ini dilakukan untuk mendapatkan data yang berhubungan dengan
perhitungan untuk menentukan kriteria dalam rekrutmen pegawai dengan cara
mewancarai bagian SDM dan Direktorat ICT UMB Yogyakarta untuk mengetahui
bagaimana cara rekrutmen pegawai.
b. Studi Kepustakaan
Studi kepustakaan adalah kegiatan untuk menghimpun informasi yang relevan dengan
topik atau masalah yang menjadi objek penelitian. Informasi tersebut dapat diperoleh
dari buku-buku, karya ilmiah, tesis, disertasi, ensiklopedia, internet, dan sumber-sumber
lain. Dengan melakukan studi kepustakaan, peneliti dapat memanfaatkan semua
informasi dan pemikiran-pemikiran yang relevan dengan penelitiannya.
TINJAUAN TEORI
Metode SAW sering dikenal dengan istilah metode penjumlahan terbobot.
Konsep dasar metode SAW (Simple Additive Weighting) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW
membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada.
r
{
(1)
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; I = 1,
2, …….,m dan j = 1, 2, ………,n.
(2)
Keterangan :
Vi = rangking untk setiap alternatif
Wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih
terpilih.
Metode ELECTRE (Elimination and Choice Translation Reality) didasarkan
pada konsep perangkingan melalui perbandingan berpasangan antar alternatif pada
kriteria yang sesuai. Suatu alternatif dikatakan mendominasi alternatif yang lainya jika
satu atau lebih kriterianya melebihi (dibandingkan dengan kriteria dari alternatif yang
lain) dan sama dengan kriteria lain yang tersisa. ELECTRE dimulai dari membentuk
perbandingan berpasangan setiap alternatif di setiap kriteria(xij). Nilai X ini harus
dinormalisasikan ke dalam suatu skala yang dapat dibandingkan (rij).
√∑
(3)
Dimana i=1,2,...,m; dan j=1,2,...,n; dalam hal ini n adalah jumlah alternatif dan
m adalah jumlah kriteria. Selanjutnya pengambil keputusan harus memberikan faktor
kepentingan (bobot) pada setiap kriteria yang mengekspresikan kepentingan relatifnya
(wj).
( , … ) (4)
Bobot ini selanjutnya dikalikan dengan matriks perbandingan berpasangan
membentuk matriks V.
(5)
Pembentukan concordance index dan discordance index untuk setiap pasangan
alternatif dilakukan melalui taksiran terhadap relasi perankingan.Untuk setiap padangan
alternatif Ak dan Al (k,l=1,2,...,m; dan k1l), matriks keputusan untuk kriteria j, terbagi
menjadi 2 himpunan bagian. Pertama, himpunan concordance index {Ckl} menunjukkan
penjumlahan bobot-bobot kriteria yang mana alternatif Ak lebih baik daripada alternatif
Al, dengan j=1,2,...,n.
{ } (6)
Kedua, himpunan discordance index {Dkl} dengan j=1,2,...,n.
{ } (7)
Matriks Concordance (C) berisi elemen-elemen yang dihitung dari concordance
index , dan berhubungan dengan bobot atribut.
∑
(8)
Demikian pula dengan matriks Discordance (D) berisi elemen-elemen yang
dihitung dari discordance index
{| |}
{| |}
(9)
Matriks-matriks tersebut dapat dibangun dengan bantuan suatu nilai ambang
(threshold), c.
c = ∑ ∑
(10)
Alternatif Ak dapat memiliki kesempatan untuk dominasi Al, jika concordance
index ckl melebihi threshold c.
≥c (11)
Menentukan elemen-elemen dari matriks concordance dominan F
(12)
Hal yang sama juga berlaku untuk matriks discordance dominan G dengan
threshold d.
d = ∑ ∑
(13)
Menetukan elemen-elemen dari matriks discordance domian G
(14)
Agregasi dari matriks dominan (E) yang menunjukkan urutan preferensi parsial
dari alternatif-alternatif.
(15)
Jika ekl=1; maka hal tersebut mengindikasikan bahwa alternatif Ak lebih dipilih
daripada alternatif Al. Setelah memperoleh hasil perangkingan dengan SAW dan
Electrre maka untuk membandingkannya menggunakan rumus standar deviasi relatif.
(16)
Dimana RSD = nilai standar deviasi relatif
S = nilai standar deviasi
= nilai rata-rata
HASIL DAN PEMBAHASAN
Penelitian ini bertujuan untuk membuat sistem perangkat lunak menggunakan
metode Simple Additive Weighting (SAW) dan Metode Elimination and Choice
Translation Reality (ELECTRE) untuk membantu pengambilan keputusan dalam proses
rekrutmen pegawai. Beberapa definisi terkait dengan beberapa istilah yang akan
digunakan dalam penyelesaian perhitungan, antara lain seperti :
1. Alternatif, merupakan daftar calon pegawai yang dijadikan sebagai pilihan
2. Kriteria, merupakan poin-poin yang dijadikan sebagai tolak ukur penilaian calon
pegawai.
3. Bobot Kriteria (W), merupakan bobot yang diasumsikan oleh pengambil
keputusan.
Tabel 1. Jenis kriteria
No Kode Jenis Kriteria Sifat Kriteria
1 C1 Usia Benefit (Keuntungan)
2 C2 Pendidikan Benefit (Keuntungan)
3 C3 Pengalaman Benefit (Keuntungan)
4 C4 Kompetensi Benefit (Keuntungan)
5 C5 Jenis Kelamin Benefit (Keuntungan)
Tabel 2. Standar kriteria
Kepentingan
SK K C B SB
C1 Usia > 26 Tahun
dan <= 27
Tahun
Usia > 25
Tahun dan <=
26 Tahun
Usia > 24
Tahun dan
<= 25 Tahun
Usia > 23 Tahun
dan <= 24 Tahun
Usia <= 23
Tahun
C2 Pendidikan
Terakhir SMK
Sederajat
Pendidikan
Terakhir D3
Pendidikan
Terakhir S1
Pendidikan
Terakhir S2
C3 Belum Ada
Pengalaman
Kerja (Fresh)
Pengalaman
Kerja <= 1
Tahun
Pengalaman
Kerja > 1
Tahun dan
<= 2 Tahun
Pengalaman Kerja
> 2 Tahun dan <= 3
Tahun
Pengalaman
Kerja > 3
Tahun
C4 Nilai tes
kompetensi <=
60
Nilai tes
kompetensi >
60 dan <= 70
Nilai tes
kompetensi >
70 dan <= 80
Nilai tes
kompetensi > 80
dan <= 90
Nilai tes
kompetensi >
90
C5 Perempuan Laki-Laki
Tabel 3. Pengelompokan data berdasarkan kriteria
No Nama Usia Pendidikan Pengalaman Kompetensi Jenis
Kelamin
1 Achmad Siddik
Fathoni
23 S1 >= 4 Tahun Nilai tes kompetensi > 80 dan <= 90 L
2 Ahzan Mustofa 26 S1 <= 1 Tahun Nilai tes kompetensi > 80 dan <= 90 L
3 Aris Sukinda 26 S1 >= 4 Tahun Nilai tes kompetensi > 70 dan <= 80 L
4 Saras Nur Y 26 S1 <= 1 Tahun Nilai tes kompetensi > 80 dan <= 90 P
5 Ilham
Wuryatmaja
26 S1 Fresh Nilai tes kompetensi <= 60 L
6 Pramono 29 S1 <= 1 Tahun Nilai tes kompetensi <= 60 L
7 Ahmad
Fathurrahman
24 S1 >= 4 Tahun Nilai tes kompetensi > 80 dan <= 90 L
8 Bambang
Iswanto
28 S1 <= 2 Tahun Nilai tes kompetensi > 60 dan <= 70 L
Tabel 4. Keputusan X yang sudah dikonversi
Alternatif Attribut
C1 C2 C3 C4 C5
A1 4 3 5 4 2
A2 1 3 2 4 2
A3 1 3 5 3 2
A4 1 3 2 4 1
A5 1 3 1 1 2
A6 2 3 2 1 2
A7 3 3 5 4 2
A8 2 3 3 2 2
Pengambil keputusan memberikan bobot, berdasarkan tingkat kepentingan masing-
masing kriteria yang dibutuhkan sebagai vektor Bobot: W = [4 3 3 4 1].
Perhitungan Metode SAW
Perhitungan dengan metode SAW dilakukan melalui tahap-tahap sebagai
berikut:
1. Melakukan normalisasi matriks X untuk menghitung nilai masing-masing
kriteria, dengan melakukan perhitungan menggunakan atribut
keuntungan(benefit).
Maka di peroleh hasil normalisasi matrix R
Gambar 1. Matriks ternormalisasi (R)
2. Hasil akhir perolehan dari proses perangkingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan vektor bobot (W*R)
V1 = (4)(1) + (3)(1) + (3)(1) + (4)(1) + (1)(1) =15
V2 = (4)(0.25) + (3)(1) + (3)(0.40) + (4)(1) + (1)(1) =10,20
V3 = (4)(0.25) + (3)(1) + (3)(1) + (4)(0.75) + (1)(1) =11
V4 = (4)(0.25) + (3)(1) + (3)(0.40) + (4)(1) + (1)(0.5) =9,7
V5 = (4)(0.25) + (3)(1) + (3)(0.20) + (4)(0.25) + (1)(1) =6,60
V6 = (4)(0.50) + (3)(1) + (3)(0.40) + (4)(0.25) + (1)(1) =8,20
V7 = (4)(0.75) + (3)(1) + (3)(1) + (4)(1) + (1)(1) =14
V8 = (4)(0.50) + (3)(1) + (3)(0.60) + (4)(0.50) + (1)(1) =9,8
Berdasarkan hasil perangkingan (V), diperoleh Nilai V1 = 15 untuk A1, V2 =
10,20 untuk A2, V3 = 11 untuk A3, V4 = 9,7 untuk A4, V5 = 6,60 untuk A5, V6
= 8,20 untuk A6, V7 = 14 untuk A7, dan V8 = 9,8 untuk A8, sehingga
alternatif terbaik adalah A1.
Perhitungan Metode Electre
1. Mencari matriks ternormalisasi R berdasarkan matriks X dengan menggunakan
Persamaan 3.3. Agar lebih mudah langkah pertama cari terlebih dahulu nilai akar
dari masing-masing kriteria :
C1= √ = √ = 6,0827
C2= √ = √ = 8,4852
C3 = √ = √ = 9,8488
C4= √ = √ = 8,8888
C5= √ = √ = 5,3851
2. Mencari nilai matrix ternormalisasi
r11 =
=
= 0,6575 r51 =
=
= 0,1644
r12 =
=
= 0,3535 r52 =
=
= 0,3535
r13 =
=
= 0,5076 r53 =
=
= 0,1015
r14 =
=
= 0,4500 r54 =
=
= 0,1125
r15 =
=
= 0,3714 r55 =
=
= 0,3714
Gambar 2. Matriks ternormalisasi (R)
3. Mencari matriks V dengan mengalikan matriks ternormalisasi R dengan bobot W
00 00
Gambar 3. Matriks perangkingan (V)
4. Mencari concordance index dan discordance index
Gambar 4. Concordance index dan Discordance index
5. Mencari Matriks Concordance (C)
Gambar 5 Matriks Concordance (C)
6. Mencari Matriks Discordance (D)
Gambar 6. Matriks discordance (D)
7. Mencari nilai threshold c untuk menetukan nilai matriks concordance dominan F
c
[
]
[
]
8. Mencari nilai threshold d untuk menetukan nilai matriks discordance dominan G
d
[
]
[
]
Berdasarkan matriks berpasangan concordance dominan F dan discordance
dominan G) di atas, selanjutnya dicari matriks agregasi dominan E dengan
menggunakan Persamaan 3.16, seperti berikut.
[
]
[
]
[
]
Berdasarkan matriks agregasi dominan E tersebut, dengan menghitung jumlah
nilai 1 pada masing-masing baris (alternatif) diperoleh A1 = 0, A2 = 1, A3 = 2, A4 = 2,
A5 = 0, A6 = 2, A7 = 1 dan A8 = 2, sehingga sehingga diperoleh alternatif sebagai
berikut A8, A3, A6 dan A4.
Metode Relative Standart Deviation
Tabel 5. Perhitungan standart deviasi SAW
o. Alternative Nama x x-rata (x-rata-rata) 2
1 A1 Achmad Siddik Fathoni
15 4.4375 19.69140625
2 A7 Ahmad Fathurrahman 14 3.4375 11.81640625
3 A3 Aris Sukinda 11 0.4375 0.19140625
4 A2 Ahzan Mustofa 10.2 -0.3625 0.13140625
5 A8 Bambang Iswanto 9.8 -0.7625 0.58140625
6 A4 Saras Nur Yanti 9.7 -0.8625 0.74390625
7 A6 Pramono 8.2 -2.3625 5.58140625
8 A5 Ilham Wuryatmaja 6.6 -3.9625 15.70140625
Rata-rata (x) = 10.5625
Jumlah (x-rata-rata)2 = 54.43875
Varian = 6.80484375
Standar Deviasi = 2.608609543
Relatif Standar Deviasi= 24.69689509
Tabel 6. Perhitungan standart deviasi Electre
No. Alternative Nama
x x-rata2 (x-rata2) pangkat
1 A3 Aris Sukinda 2 0.75 0.5625
2 A6 Pramono 2 0.75 0.5625
3 A4 Saras Nur Yanti 2 0.75 0.5625
4 A8 Bambang Iswanto 2 0.75 0.5625
5 A7 Ahmad Fathurrahman 1 -0.25 0.0625
6 A2 Ahzan Mustofa 1 -0.25 0.0625
7 A1 Achmad Siddik F 0 -1.25 1.5625
8 A5 Ilham Wuryatmaja 0 -1.25 1.5625
Rata-rata (x) = 1.25
Jumlah (x-rata-rata)2 = 5.5
Varian = 0.6875
Standar Deviasi = 0.829156198
Relatif Standar Deviasi= 66.33249581
KESIMPULAN DAN SARAN Kesimpulan
Berdasarkan hasil penelitian maka dapat disimpulkan:
1. Sistem dapat digunakan sebagai media pembelajaran metode sistem
pendukung keputusan.
2. Untuk mengetahui prsentase maka hasil perhitungan kemudian di olah
dengan RSD (Relative Standard Deviation), dari perhitungan tersebut di
peroleh kesimpulan metode yang paling cocok untuk digunakan adalah
metode ELECTRE, karena nilai prosentase RSD ELECTRE (66.3325) lebih
besar dari SAW (24.6969).
Saran
Saran untuk pengembanganlebih lanjut terhadap penelitian ini adalah.
1. Dapat dikembangkan dengan penambahan ke protype aplikasi berbentuk
mobile sehingga bisa diunduh dan dijadikan sarana pembelajaran SPK. 2. Memeperbanyak metode yang dibandingkan.
DAFTAR PUSTAKA
Djamain, Y., & Christin, H. D,2015, Sistem Pendukung Keputusan Penerimaan Pegawai
Baru PT. PLN (PERSERO) Kantor Pusat Dengan Menggunakan Metode Simple
Additive Weighting (SAW), Jurnal Teknik Informatika, Vol. 8, No. 1, 39-47.
Kadir, A, 2006, Pengenalan Sistem Informasi. Yogyakarta, Andi, Yogyakarta
Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta
Kusumadewi, S., Hartati, S., Harjoko, A. dan Wardoyo, R., 2006, Fuzzy Multi- Atribute
Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta
Prastowo, Y., Priyatna, A. dan Nugraha, Y. E, 2011, Buku Pintar Menghitung Pajak
Profesi, Badan Usaha, dan Peristiwa Khusus (Vol. I), Raih Asa Sukses, Jakarta
Primahudi, A. B., Suciono, F. A., & Widodo, A. A, 2016, Sistem Pendukung Keputusan
Untuk Pemilihan Karyawan Dengan Metode Simple Additive Weighting Di PT.
Herba Penawar Al Wahida Indonesia. Jurnal Informatika Merdeka Pasuruan,
Vol.2, No.1, ISSN : 2503-1945, 57-80.
Sirait, J, T, 2006, Memahami Aspek-Aspek Pengelolaan Sumber Daya Manusia Dalam
Organisasi, PT. Grasindo, Raih Asa Sukses, Jakarta.
Subekti, W., 2016, Retrieved from Pengertian Pegawai: www.wibowopajak.com/
2012/02/pengertian-pegawai.html
Sundari, S. S., & Taufik, Y. F., 2014, Sistem Pendukung Keputusan Penerimaan
Pegawai Baru Dengan Menggunakan Metode Simple Additive Weighting
(SAW). Jurnal Ilmiah SISFOTENIKA, Vol. 4, No. 2, 140-151.
Triantapyllou, E, 2000, Multi-criteria Decision Making Methods: A Comparative Study.
Springer.
Trisnawan, Y., Suratman, & Miftachurohmah, N., 2017, Sistem Pendukung Keputusan
Pemilihan Karwayan Berprestasi Untuk Kenaikan Jabatan Menggunakan
Metode Electre (Elemination And Translition Of Reality). Kediri: Universitas
Nusantara PGRI. Retrieved Desember 2017, 11, from
http://tracerstudy.unpkediri.ac.id/mahasiswa/file_artikel/2017/12.1.03.03.0369.p
df
Basuki, Ari dan Cahyani, Andriani, 2016, Sistem Pendukung Keputusan, Deepublish,
Yogyakarta
Pratiwi, Heny, 2016, Buku Ajar Sistem Pendukung Keputusan, Deepublish, Yogyakarta
Septyan, Ervan, 2017, Analisis perbandingan metode AHP dan SAW dalam penilaian
kinerja karyawan (studi kasus di Pt. Grafindo Media Pratama Bandung), from
http://pa.lpkia.ac.id/uploads/journals/187.pdf
Djamain, 2017, Sistem Pendukung Keputusan Penerimaan Pegawai Baru PT.PLN
(PERSERO) Kantor Pusat Dengan Menggunakan Metode Simple Additive
Weighting (SAW), from http://www.journal.uinjkt.ac.id/index.php/ti/
article/viewFile/1935/1505