BAB 2 TINJAUAN PUSTAKA. Manurung (2010) menerapkan sistem pendukung keputusan seleksi

Transkripsi

1 BAB 2 TINJAUAN PUSTAKA 2.1. Tnjauan Pustaka Manurung (2010) menerapkan sstem pendukung keputusan seleks penerma beasswa dengan metode Analtcal Herarcy Process (AHP) dan Technque Order Preference by Smlarty To Ideal Soluton (TOPSIS), dalam peneltan n dangkat suatu kasus yatu mencar alternatf terbak berdasarkan krtera-krtera yang telah dtentukan dengan mengggunakan metode AHP kemudan mencar solus dengan metode TOPSIS. Peneltan dlakukan dengan mencar nla bobot untuk setap atrbut, kemudan dlakukan proses pengurutan berdasarkan bobot yang dperoleh. Enyat (2011) menerapkan Metode SAW (Smple Addtve Weghtng) dalam Sstem Pendukung Pengamblan Keputusan untuk Penermaan Beasswa, pada peneltan n Enyat mengangkat suatu kasus yatu mencar alternatve terbak bedasarkan krtera-krtera yang telah dtentukan dengan menggunakan metode SAW (Smple Addtve Weghtng). Peneltan dlakukan dengan mencar nla bobot untuk setap atrbut, kemudan dlakukan proses perankngan yang akan menentukan alternatf yang optmal, yatu sswa terbak. Chen (2009) melakukan peneltan untuk menngkatkan proses regrutmen dan mengurang proses kontrol tngkat ndvdu dengan logka fuzzy dan metode AHP. Chen mencoba mengdentfkaskan cr-cr keprbadan dengan ketramplan yang tepat dan profesonal melalu nformas statstk dan analss 7

2 AHP sehngga pelaksanaan proses rekrutmen menjad lebh layak. Hasl peneltan menunjukan bahwa beberapa krtera yang dterapkan menggunakan model fuzzy dan AHP dapat mengatas kekurangan proses rekrutmen dalam perusahaan yang ada, dan menyedakan lebh banyak nformas untuk pengamblan keputusan. Strn dan Grošelj (2010) menympulkan bahwa keputusan yang dambl bsa berkatan dengan kehdupan banyak orang atau kepentngan publk atau suatu organsas. Keputusan yang dambl berdasarkan hasl dar proses SPK berupa proses penlaan skala prortas. Lestar (2011) menerapkan metode TOPSIS dalam seleks penermaan calon karyawan, dalam peneltan n Lestar menyatakan bahwa Metode TOPSIS lebh tepat untuk menyelesakan permasalahan mult dmens sepert pada seleks penermaan calon karyawan, dengan banyak krtera sebaga komponen penlaan untuk setap alternatf (calon karyawan). Implementas metode TOPSIS dalam seleks penermaan calon karyawan memlk kelemahan yatu tdak bsa dgunakan untuk melakukan penlaan jka yang dnla hanya satu calon karyawan. Faktor yang mempengaruh hasl perhtungan dengan menggunakan metode TOPSIS adalah bobot krtera atau subkrtera, bobot preferens, dan sfat (type) dar krtera atau subkrtera. Torf dan Rashd (2011) menggunakan AHP dan fuzyy TOPSIS untuk pemlhan manajer proyek pada perusahaan kontruks. Dalam peneltan n AHP dgunakan untuk menentukan bobot relatve dar krtera evaluas, dan FTOPSIS dgunakan untuk menentukan perngkat kanddat. Cnar (2010) Metode FAHP dan TOPSIS dgunakan dalam bass aturan sebuah SPK guna menentukan pengamblan keputusan pemlhan lokas berdasarkan demograf, sosal-ekonom, 8

3 sektoral pekerjaan, perbankan dan perdagangan potens dan dua puluh satu subkrtera yang mewakl ms bank dan strateg. Amr (2010) menyatakan bahwa Metode AHP dan Fazzy TOPSIS cocok untuk menentukan pemlhan alternatf proyek terbak dengan menggunakan pendekatan mult-krtera yang menggunakan preferens lngustk sangat berguna untuk stuas tdak past. AHP dgunakan untuk menganalss struktur dar masalah pemlhan proyek dan untuk menentukan bobot dar krtera, dan metode fuzzy TOPSIS dgunakan untuk memperoleh perngkat akhr. Rana, et.al, (2012) Pendekatan Fuzzy AHP-TOPSIS lebh realsts dar pada AHP TOPSIS sebaga metode pangamblan keputusan untuk menentukan perguruan tngg terbak d nda. Hasl peneltan menunjukkan bahwa model yang dusulkan menghaslkan cara yang lebh realsts untuk memlh lembaga terbak dan dapat memecahkan kekurangan dalam sstem seleks perguruan tngg terbak yang ada d nda. SPK sudah sangat banyak dkembangkan untuk membantu manusa dalam memutuskan sesuatu dengan cepat, dan akurat. Pada peneltan n akan dbuat sstem pendukung pengamblan keputusan sebaga solus dalam proses penermaan dosen pada STIKOM ARTHA BUANA KUPANG dengan menggabungkan metode SAW dan metode TOPSIS. 9

4 2.2. Landasan Teor Sstem Pendukung Keputusan Sstem Pendukung Keputusan (SPK) merupakan sstem nformas nteraktf yang menyedakan nformas, pemodelan, dan pemanpulasan data. Sstem n dgunakan untuk membantu pengamblan keputusan dalam stuas yang semterstruktur dan stuas yang tdak terstruktur, dmana tak seorang pun tahu secara past bagamana keputusan seharusnya dbuat (Kusrn, 2007). SPK mendayagunakan resources ndvdu-ndvdu secara ntelek dengan kemampuan komputer untuk menngkatkan kualtas keputusan (Turban, et.al, 2005). SPK adalah sstem cerdas yang mengkutsertakan sstem berbass pengetahuan untuk mendukung aktftas pembuatan keputusan dengan cepat dan tepat (Holznger, 2011). SPK menggunakan data, menyedakan antarmuka yang mudah dgunakan, dan memungknkan pembuat keputusan untuk menggunakan wawasan sendr (Tarq dan Raf, 2012). SPK tdak dmaksudkan untuk mengotomatsaskan pengamblan keputusan, tetap memberkan perangkat nteraktf yang memungknkan pengamblan keputusan untuk melakukan berbaga analss menggunakan model-model yang terseda (Kusrn, 2007). Struktur karakterstk dan kapabltas kunc yang dharapkan ada pada SPK menurut Turban, et.al, (2005) dtunjukan pada gambar 2.1 berkut : 10

5 14 Standalone, Integras dan berbass web 1 Masalah semterstruktur dan tdak terstruktur 2 Mendukung Manajer d semua level 13 Akses Data 3 Mendukung ndvdu dan kelompok 12 Pemodelan dan Analss S P K 4 Keputusan yang salng tergantung atau Sekuensal 11 Kemudahan pengembangan oleh pengguna akhr 5 Mendukung Intelgens, desan plhan dan mplementas 10 Manusa mengontrol Mesn 6 Mendukung berbaga proses dan gaya keputusan 9 Keefektfan bukan efsens 8 Kemudahan penggunaan nteraktf 7 Dapat dadaptas dan fleksbel Gambar 2.1 Karatekterstk dan Kapabltas Kunc dar SPK (Turban, et.al, 2005) Tujuan dar SPK menurut (Turban, et.al, 2005) adalah : 1. Membantu manajer dalam pengamblan keputusan atas masalah semterstruktur. 2. Memberkan dukungan atas pertmbangan manajer dan bukannya dmaksudkan untuk mengantkan fungs manajer. 3. Menngkatkan efektvtas keputusan yang dambl manajer lebh dar pada perbakan efsensnya. 4. Menngkatkan kecepatan komputas. komputer memungknkan para pengambl keputusan untuk melakukan banyak komputas secara cepat dengan baya yang rendah. 11

6 5. Penngkatan produktvtas. Produktvtas bsa dtngkatkan menggunakan peralatan optmalsas yang menentukan cara terbak untuk menjalankan sebuah bsns. 6. Member dukungan kualtas. Komputer bsa menngkatkan kualtas keputusan yang dbuat. Dengan komputer, para pengambl keputusan bsa melakukan smulas yang kompleks, memerksa banyak skenaro yang memungknkan, dan menla berbaga pengaruh secara cepat dan ekonoms. 7. Menngkatkan daya sang. Teknolog pengamblan keputusan bsa mencptakan pemberdayaan yang sgnfkan dengan cara memperbolehkan seseorang untuk membuat keputusan yang bak secara cepat, bahkan jka mereka memlk pengetahuan yang kurang. 8. Mengatas keterbatasan kogntf dalam pemrosesan dan penympanan. Menurut Turban, et.al, (2005) dalam penerapan SPK ada beberapa komponen subsstem yang dgunakan yakn: 1. Subsstem manajemen data Subsstem manajemen data merupakan subsstem yang memasukan satu database yang bers data yang relevan dan dkelola oleh perangkat lunak, yang dsebut dengan Databese Management System (DBMS). Dapat dkonekskan dengan data warehouse perusahaan yang relevan untuk pengamblan keputusan. 12

7 2. Subsstem Manajemen Model Subsstem manajemen model merupakan peket perangkat lunak yang memasukan model keuangan, statstk, lmu manajemen atau model kuanttatf lannya yang memberkan kapabltas analtk dan manajemen perangkat lunak yang tepat. Perangkat lunak n serng dsebut sebaga sstem manajemen bass model (MBMS). Dapat dkonekskan ke penympanan ekternal yang ada pada model. 3. Subsstem Antarmuka Pengguna Subsstem Antarmuka Pengguna merupakan subsstem yang dpaka oleh pengguna untuk berkomunkas dan memerntahkan SPK untuk menjalankan fungsnya atau nteraks antara sstem komputer dengan pembuat keputusan. Pengguna adalah bagan yang dpertmbangkan dar sstem. 4. Subsstem Manajemen Knowledge atau Manajemen Berbass pengetahuan. Subsstem n dapat mendukung subsstem lan dan bertndak sebaga suatu komponen ndependen. Subsstem n dapat memberkan ntelegens untuk memperbesar pengetahuan s pengambl keputusan. Skematk dar SPK dan komponennya dtunjukan pada gambar

8 Sstem lannya yang berbass komputer Internet, Intranet, Ekstranet Data eksternal & Internal Manajemen Data Manajemen Model Model Eksternal Subsstem Berbass Pengetahuan Antarmuka Pengguna Bass Pengetahuan Organsasonal Manajer (Pengguna) Gambar 2.2. Skematk SPK dan Komponennya (Turban, et.al, 2005) Metode SAW (Smple Addtve Weghtng ) dan Metode TOPSIS (Technque Order Preference by Smlarty To Ideal Soluton) Metode SAW dan Metode TOPSIS memlk kesamaan yakn : a. Kedua metode n tergabung dalam model MADM (Mult-Attrbute Decson Makng) b. Kedua metode n memerlukan matrks keputusan setap alternatf terhadap setap atrbut X, dberkan sebaga: X m m2 1n 2n mn... (1.1) dengan j merupakan ratng knerja alternatf ke- terhadap atrbut ke-j. c. Kedua memlk nla bobot yang menunjukkan tngkat kepentngan relatf setap atrbut, dberkan sebaga, W: W = {w 1, w 2,..., w n }... (1.2) 14

9 Ratng knerja (X), dan nla bobot (W) merupakan nla utama yang merepresentaskan preferens absolute dar pengambl keputusan Metode SAW Metode SAW serng juga dkenal stlah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencar penjumlahan terbobot dar ratng knerja pada setap alternatf dar semua atrbut. Metode SAW membutuhkan proses normalsas matrks keputusan (X) ke suatu skala yang dapat dperbandngkan dengan semua ratng alternatf yang ada. (Kusumadew, et.al, 2006). r j j Ma Mn j j j jka j adalah atrbut keuntungan (beneft)...(1.3) jka j adalah atrbut baya (cost) dmana r j adalah ratng knerja ternormalsas dar alternatf A pada atrbut C j ; =1,2,...,m dan j=1,2,...,n. Nla preferens untuk setap alternatf (V ) dberkan sebaga: V n j1 w r j j... (1.4) Nla V yang lebh besar mengndkaskan bahwa alternatf A lebh terplh. Kusumadew, et.al, (2006). Menurut Kusumadew (2006) Adapun langkah-langkah dalam menyelesakan sebuah kasus MADM dengan metode SAW sebaga berkut: 15

10 1. Menentukan krtera-krtera yang akan djadkan acuan dalam pengamblan keputusan, yatu C. 2. Menentukan ratng kecocokan setap alternatf pada setap krtera. 3. Membuat matrks keputusan berdasarkan krtera (C), kemudan melakukan normalsas matrks berdasarkan persamaan yang dsesuakan dengan jens atrbut (atrbut keuntungan maupun atrbut baya) sehngga dperoleh matrks ternormalsas R. Hasl akhr dperoleh dar setap proses perankngan yatu penjumlahan dar perkalan matrks ternormalsas R dengan vector bobot sehngga dperoleh nla terbesar yang dplh sebaga alternatf terbak (A) sebaga solus Metode TOPSIS TOPSIS adalah salah satu metode pengamblan keputusan multkrtera yang pertama kal dperkenalkan oleh Yoon dan Hwang (1981). Dkatakan TOPSIS menggunakan prnsp bahwa alternatf yang terplh harus mempunya jarak terdekat dar solus deal postf dan terjauh dar solus deal negatf dar sudut pandang geometrs dengan menggunakan jarak Eucldean untuk menentukan kedekatan relatf dar suatu alternatf dengan solus optmal. Solus deal postf ddefnskan sebaga jumlah dar seluruh nla terbak yang dapat dcapa untuk setap atrbut, sedangkan solus negatf deal terdr dar seluruh nla terburuk yang dcapa untuk setap atrbut. Menurut Kusumadew, et.al, (2006) adapun langkah-langkah dalam menyelesakan sebuah kasus MADM dengan TOPSIS : 16

11 a) Membuat matrks keputusan yang ternormalsas b) Membuat matrks keputusan yang ternormalsas terbobot c) Menentukan matrks solus deal postf & matrks solus deal negatf. d) Menentukan jarak antara nla setap alternatf dengan matrks solus deal postf & matrks solus deal negatf. e) Menentukan nla preferens untuk setap alternatf. Kusumadew, et.al, (2006) TOPSIS membutuhkan ratng knerja setap alternatf A pada setap krtera C j yang ternormalsas, yatu:. r j 1 Untuk =1,2,3,,m; j=1,2,3,,n. m j 2 j... (2.1) Solus deal postf A + dan solus deal negatf A - dapat dtentukan berdasarkan ratng bobot ternormalsas (y j ) sebaga : yj w rj A y1, y2,, yn ; A y y,, y ; Dengan : 1, 2 n... (2.2)... (2.3)... (2.4) y j ma yj; mn yj; jka j adalah atrbut keuntungan jka j adalah atrbut baya 17

12 y j mn yj; ma yj; jka j adalah atrbut keuntungan jka j adalah atrbut baya Jarak antara alternatf A dengan solus deal postf drumuskan sebaga: D n 2 y yj ; j1... (2.5) dengan I = 1,2,3,..,n Jarak antara alternatf A dengan solus deal negatf drumuskan sebaga: D n 2 yj y ; j1... (2.6) dengan I = 1,2,3,.,n. Nla preferens untuk setap alternatf (V ) dberkan sebaga: V D D D ;... (2.7) dengan 0 < V < 1 dan =1,2,3,,m Alternatf dapat drankng berdasarkan urutan V. Maka dar tu, alternatf terbak adalah salah satu yang berjarak terpendek terhadap solus deal dan berjarak terjauh dengan solus deal negatf Seleks Penermaan Dosen Seleks Penermaan Dosen merupakan serangkaan kegatan yang dmula ketka sebuah nstans atau nsttus perguruan tngg memerlukan tenaga kerja 18

13 atau tenaga pengajar (dosen) kemudan dlakukan proses perekrutan dan pemlhan sesua dengan kwalfkas yang dbutuhkan. 19

14 20