SISTEM PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA DEALER MOTOR

Transkripsi

1 SISTEM PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA DEALER MOTOR Aris Rakhmadi 1*, Bambang Efirianto 2 1,2 Prodi Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Jl A. Yani Tromol Pos 1 Pabelan Kartasura Surakarta Jawa Tengah * aris.rakhmadi@ums.ac.id Abstrak Salah satu aspek keberhasilan sebuah perusahaan adalah pengelolaan sumber daya manusia. Penilaian karyawan dapat memotivasi semangat kerja untuk meningkatkan dedikasi dan kinerjanya. Penggunaan sistem informasi menawarkan alternatif solusi untuk mengatasi permasalahan penilaian karyawan secara konvensional. Tujuan penelitian ini adalah mendesain sebuah sistem penilaian karyawan berbasis web. Penelitian ini menggunakan metode Simple Additive Weighting (SAW). Perhitungan metode ini menggunakan hasil dari nilai terbesar yang akan terpilih sebagai alternatif terbaik. Kriteria yang digunakan adalah hasil, waktu, upah, perilaku, efisiensi, dan absensi kerja. Sistem penilaian karyawan terbaik menggunakan bahasa pemrograman PHP (Hypertext Processor File), dan basisdata MySQL sebagai database server. Hasil penelitian ini menunjukkan bahwa ranking karyawan terbaik dengan nilai tertinggi 0.79 dan nilai terendah Kata kunci: penilaian, karyawan, SAW PENDAHULUAN Sistem penilaian karyawan menggunakan salah satu metode dalam Sistem Pendukung Keputusan (SPK) yaitu Simple Addictive Weighting. SPK merupakan bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dalam sebuah instansi. SPK terbentuk dari penggabungan sumber-sumber kecerdasan individu untuk memperbaiki kualitas keputusan serta berkembang menjadi sistem informasi berbasis komputer untuk manajemen pengambilan keputusan dalam penanganan masalah-masalah semi struktur (Marcomini, A. 2008). Metode Simple Addictive Weighting (SAW) sering juga disebut sebagai metode penjumlahan terbobot. Kelebihan metode SAW dibanding dengan model lainnya terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat berdasarkan nilai kriteria dan bobot preferensi yang telah ditentukan. SAW menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perangkingan setelah menentukan bobot untuk setiap atribut. Beberapa kelemahan yang dimiliki diantaranya, data yang dimasukkan harus benar dan tepat. Hal ini dapat menyebabkan kesalahan dalam pembobotan dan perankingan kriteria. Selain itu keakuratan hasil kurang, karena kriteria yang ditentukan juga harus dinamis dan lebih luas cakupannya (Kusumadewi, 2006). Dealer Kondang Motor adalah salah satu perusahaan yang bergerak dalam bidang otomotif sepada motor yang meliputi penjualan, suku cadang dan layanan sepeda motor. Perusahaan ini mempunyai kendala dalam mengatur pengolahan data mengenai kepegawaian mulai dari penerimaan karyawan, data absensi, penggajian, pengajuan cuti, perpindahan, penilaian kinerja karyawan sampai dengan pemutusan kerja. Permasalahan yang dibahas adalah tentang pemilihan karyawan terbaik pada Dealer Kondang Motor. Pemilihan karyawan terbaik akan memicu setiap karyawan untuk bekerja secara maksimal. Tujuan penelitian adalah untuk merancang sistem informasi penilaian karyawan pada Dealer Kondang Motor menggunakan metode SAW. Sistem penilaian menawarkan alternatif pengukuran performa karyawan berbasis komputer. METODE PENELITIAN Observasi diterapkan untuk mengetahui secara langsung tentang prosedur yang berjalan dan permasalahan yang sering muncul berkaitan dengan skema manajemen SDM. Hal yang diamati antara lain mengenai sistem yang diterapkan, alur proses bisnis yang berjalan, dan sumber daya yang 291

2 ada. Tempat observasi ini adalah Dealer Kondang Motor. Hasil observasi memperoleh data yang digunakan dalam perhitungan SAW, yaitu kriteria penilaian. Tabel 1. Kriteria Penilaian Karyawan Nama Kriteria Bobot % Cost/Benefit Hasil Kerja 20 % Benefit Waktu Kerja 20 % Benefit Upah Kerja 20 % Cost Prilaku Kerja 15 % Benefit Efisiensi Kerja 15 % Cost Absensi Kerja 10 % Cost Hasil kerja merupakan laporan mengenai jumlah produksi yang diperoleh karyawan. Sebagai contoh, seorang mekanik mampu menyelesaikan layanan sepuluh sampai duapuluh motor dalam sehari atau sales mampu menjual 30 unit sepeda motor dalam seminggu. Waktu kerja adalah jumlah waktu karyawan bekerja dalam satu tahun. Karyawan seharusnya memenuhi 2400 jam kerja dalam satu tahun. Upah adalah uang yang diberikan kepada karyawan dalam satu kali masa gaji. Perilaku kerja merupakan cara pengambilan keputusan, apakah menguntungkan perusahaan atau tidak. Efisiensi adalah ukuran cara menggunakan peralatan kantor, misalnya penggunaan alat mudah rusak atau tidak. Absensi kerja adalah ketidakhadiran atau keterlambatan masuk kerja. Langkah metode SAW adalah penentuan kriteria yang dijadikan acuan dalam pengambilan keputusan, dalam hal ini Ci, penentuan rating kecocokan alternatif untuk setiap kriteria, pembuatan matriks keputusan yang didasarkan pada kriteria (Ci), kemudian melakukan normalisasi matriks yang didasarkan pada persamaan yang disesuaikan dengan jenis atribut (atribut benefit/keuntungan ataupun atribut cost/biaya) sehingga diperoleh matriks ternormalisasi R. Hasil akhir adalah proses perankingan, penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga didapat nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusinya. Formula untuk melakukan normalisasi adalah Keterangan : X ij = nilai atribut yang dimiliki setiap kriteria Max ij = nilai terbesar dari setiap criteria Min ij = nilai terkecil dari setiap criteria Perancangan sistem penilaian karyawan ini menggunakan model UML (United Modeling Language). UML merupakan bahasa nyata dan/atau grafis untuk mengilustrasikan, menetapkan, membangun, dan mendokumentasikan sesuatu secara intensif pada sistem perangkat lunak. Use-case diagram dan Activity diagram adalah kedua diagram grafis UML untuk membuat model. Diagram aktifitas (activity) menggambarkan beragam alur aktifitas di dalam sistem yang direncanakan, bagian masing-masing alur berawal, keputusan (decision) yang kemungkinan terjadi, dan bagaimana aktifitas berakhir. Gambar 1 menunjukkan bahwa admin dapat melakukan input data alternatif kemudian dilanjutkan pada proses input dan tersimpan ke dalam basisdata alternatif. Data yang telah tersimpan dalam basisdata alternatif masih dapat diedit dan dihapus oleh admin. 292

3 Gambar 1. Diagram aktivitas data alternatif Gambar 2 menunjukkan bahwa admin dapat melakukan input data kriteria, kemudian lanjut ke proses input dan tersimpan dalam basisdata kriteria. Admin juga dapat edit data kriteria dan delete data kriteria meskipun telah tersimpan dalam basisdata kriteria. Gambar 2. Diagram aktivitas data kriteria Gambar 3 menunjukkan bahwa admin dapat melakukan input data penilaian dengan memilih data alternatif yang diinput sebelumnya, kemudian memilih kriteria dan subkriteria yang sesuai dengan alternatif yang telah dipilih, dan dilanjutkan pada proses input dan tersimpan dalam basisdata. Data yang sudah tersimpan dalam basisdata masih dapat diedit dan delete. Data kemudian diproses menggunakan normalisasi pada metode SAW dan hasilnya disimpan dalam basisdata. Gambar 3. Diagram aktivitas data penilaian karyawan HASIL DAN PEMBAHASAN Halaman utama terdiri dari beberapa menu yang terdiri dari main page, alternatif, kriteria, sub kriteria, data spk, normalisasi, hasil, admin settings. Tampilan halaman utama dapat dilihat pada gambar

4 Gambar 4. Halaman utama sistem penilaian karyawan Data alternatif berisi informasi mengenai karyawan berkenaan dengan kolom Nomor Induk Karyawan, Nama, Jabatan, Umur, Status, dan Alamat. Gambar 5 menunjukkan tampilan dari data alternatif. Gambar 5. Data alternatif mengenai karyawan Data kriteria berisikan kriteria yang menentukan sebagai faktor penilaian karyawan. Kriteria didapat dari observasi yang telah dilakukan. Hasil observasi menentukan beberapa kriteria yaitu waktu, efisiensi, perilaku, upah, hasil, dan absensi. Gambar 6 menunjukkan tampilan dari kriteria yang telah ditentukan sebagai cost atau benefit pada penilaian karyawan. Sedangkan Sub kriteria berisikan penilaian atau range penilaian pada masing-masing kriteria. Gambar 6. Kriteria dalam penilaian karyawan Data yang digunakan untuk penilaian karyawan menggunakan metode SAW dari penggabungan data alternatif, data kriteria, dan data sub kriteria. Data tersebut mengandung nilai yang dapat digunakan sebagai penilaian menggunakan metode SAW. Gambar 7 merupakan tampilan data yang telah dimasukkan untuk penilaian karyawan. 294

5 Gambar 7. Data masukan sistem penilaian karyawan Header Tabel merupakan berkesesuaian dengan kriteria. Data yang telah dimasukkan dirubah selanjutnya dalam bentuk matriks ternormalisasi yang ditunjukkan pada gambar 8. Gambar 8. Data ternormalisasi dan perkalian dengan bobot. Hasil perkalian dengan bobot kemudian menjadi acuan untuk menentukan penilaian karyawan terbaik. Hasil perkalian tersebut terlebih dahulu disimpan dalam basisdata. Menu hasil menampilkan hasil akhir perhitungan yang telah diurutkan sesuai dengan nilai tertinggi. Kondisi ini ditunjukkan pada gambar 9. Gambar 9. Hasil penilaian karyawan dengan SAW 295

6 Berdasarkan hasil analisis penilaian karyawan dengan SAW, Informasi menunjukkan bahwa Wulan sari dengan nilai 0.79 merupakan karyawan terbaik, sedangkan Hafid dengan nilai 0.58 merupakan karyawan dengan performa yang paling buruk. PENUTUP Sistem penilaian karyawan dapat menerapkan metode SAW. Metode SAW memerlukan beberapa kriteria yang digolongkan menjadi dua, benefit dan cost. Kriteria dalam penilaian karyawan melibatkan aspek upah, waktu, absensi, efisiensi, hasil dan perilaku kerja. Sistem penilaian karyawan menggunakan SAW dapat diterapkan pada industri yang lebih besar atau perusahan skala nasional atau universitas dengan penyesuaian pada kriteria yang digunakan. Penambahan kriteria sangat memungkinkan apabila aspek penilaian lebih kompleks dan melibatkan skala yang lebih luas. DAFTAR PUSTAKA Kusumadewi, Sri., Hartati, S., Harjoko, A., dan Wardoyo, R., 2006, Fuzzy Multi-Attribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu. Antonio Marcomini, dan Andrea Critto, 2008, Sistem Pendukung Keputusan untuk Manajemen Risiko Berbasis Web, Springer Science & Business Media Haviluddin Memahami menggunakan UML (Unified Modelling Language). Jurnal Informatika Mulawarman, 6(1), Supriyanto, Aji Pengantar Teknologi Informasi. Jakarta : Salemba Infotek. 296