SISTEM PENDUKUNG KEPUTUSAN SELEKSI CALON KARYAWAN PADA PT BPR CHRISTA JAYA KUPANG DENGAN METODE ANALITICAL HIERARCHY

J-ICON, Vol. 2 No. 1, Maret 2014, pp. 73~83 73 SISTEM PENDUKUNG KEPUTUSAN SELEKSI CALON KARYAWAN PADA PT BPR CHRISTA JAYA KUPANG DENGAN METODE ANALITICAL HIERARCHY PROCESS (AHP) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) Yuneldi Keffi 1, Dony M Sihotang 2, dan Bertha S Djahi 3 1,2,3 Jurusan Ilmu Komputer, Fakultas Sains dan Teknik, Universitas Nusa Cendana ABSTRAK Perseroan Terbatas (PT) Bank Perkreditan Rakyat (BPR) Christa Jaya Kupang, telah melakukan kegiatan penyeleksian calon karyawan sejak awal berdiri sampai saat ini. Penyeleksian dilakukan berdasarkan kriteria yang telah ditetapkan antaralain, kepribadian, pendidikan, wawancara awal, tes psikologi, domisili, dan wawancara akhir. Saat penyeleksian berlangsung manajer akan memberikan penilaian pada setiap calon karyawan untuk memutuskan apakah dapat diterima bekerja atau tidak. Untuk membantu manajer memutuskan calon karyawan yang akan diterima, maka dilakukan penelitian yang hasilnya berupa perangkingan calon karyawan. Penelitian ini menggunakan metode AHP untuk menentukan bobot prioritas dari enam kriteria yang ada. Setelah bobot prioritas diperoleh dilanjutkan dengan memasukan penilaian dari manajer untuk masingmasing alternatif terhadap setiap kriteria, kemudian dianalisis menggunakan metode TOPSIS. Hasil dari penelitian ini adalah aplikasi sistem pendukung keputusan seleksi calon karyawan dengan perangkingan dari beberapa alternatif (calon karyawan), yang dapat menjadi rekomendasi manajer untuk pengambilan keputusan. Setelah dilakukan pengujian terhadap 7 data uji, dengan masukan nilai kepentingan yang sama untuk setiap kriteria, maka didapat presentasi kesesuaian perangkingan sistem dan keputusan perangkingan manajer sebesar 71%, dimana terdapat 2 hasil perangkingan yang berbeda dengan keputusan manajer. Kata Kunci : Sistem Pendukung Keputusan, AHP (Analytical Hierarchy Process), TOPSIS (Technique For Order Preference By Similarity To Ideal Solution). ABSTRACT Perseroan Terbatas (PT) Bank Perkreditan Rakyat (BPR) Christa Jaya Kupang, has engaged in selecting prospective employees since its establishment until today. Selection is done based on predefined criterias. They are, personality, education, initial interviews, psychological tests, domicile, and the final interview. When selecting is done, managers will provide an assessment on every prospective employee to decide whether she/he is acceptable to work. To help managers decide which candidates to be accepted, the result of research conducted in the form of ranking the candidates. This study uses AHP method to determine the priority of the six criterias. After the weight of each criterion is obtained, the phase is continued by assessment of managers for each alternative against each criterion, and then analyzed using TOPSIS method. The final results of this study is a Decision Support System application to select candidates, which produces the rank of the alternatives candidates. This can be a recommendation to managers for a decision making in the process of selecting candidates. After testing the 7-test data with the same input criteria, the result shows 71% out of 100%. 2 test data are different from the real decision made by manager. Keywords : Decision Support Systems, AHP Method (Analytical Hierarchy Process), TOPSIS (Technique For Order Preference By Similarity To Ideal Solution). ISSN 2337-7631

74 ISSN 2337-7631 I. PENDAHULUAN Salah satu faktor pendukung perkembangan instansi atau perusahaan adalah sumber daya manusia (SDM) yang berkualitas sehingga faktor SDM menjadi hal yang penting dalam penyeleksian calon karyawan secara tepat sesuai kebutuhan perusahaan. Dalam mendapatkan SDM yang berkualitas sesuai dengan kebutuhan, perusahaan membutuhkan proses yang cukup lama mulai dari penentuan kriteria yang tepat hingga pengadaan serangkaian tes sebagai acuan dalam pengambilan keputusan dalam proses seleksi calon karyawan. Saat suatu perusahaan membuka lowongan pekerjaan, maka dalam waktu yang singkat biasanya akan dipenuhi oleh berkas-berkas dari para pencari kerja. Perseroan Terbatas (PT) Bank Perkreditan Rakyat (BPR) Christa Jaya Kupang, berdiri sejak tahun 2010, sampai saat ini telah melakukan kegiatan penerimaan karyawan melalui serangkaian tes yang diadakan. Hal tersulit dalam membuat pilihan adalah upaya menghilangkan faktor subjektifitas dari manajer sehingga setiap pilihan yang dibuat bersifat objektif berdasarkan kriteria-kriteria yang ditetapkan oleh perusahaan. Untuk menghindari subjektifitas keputusan yang dihasilkan diperlukan suatu sistem pendukung keputusan (SPK) yang dapat membantu manajer dalam memutuskan pelamar yang akan diterima. SPK ini merupakan sebuah sistem yang mendukung kerja seorang manajer maupun sekelompok manajer dalam memecahkan masalah semi-terstruktur dengan cara memberikan informasi ataupun usulan menuju pada keputusan tertentu. Untuk membuat sistem tersebut digunakan metode AHP (Analytical Hierarchy Process) dalam menentukan bobot preferensi kriteria, dan untuk menghasilkan perangkingan calon karyawan digunakan metode Technique For Order Preference By Similarity To Ideal Solution (TOPSIS). Dengan penerapan kedua metode tersebut, diharapkan keputusan yang diambil bisa lebih obyektif dan dapat meminimalisir masalah subyektifitas juga dapat memberikan rekomendasi kepada manajer untuk pengambilan keputusan dalam menyeleksi calon karyawan. II. METODE PENELITIAN 2.1 Definisi Sistem Pendukung Keputusan Sistem pendukung keputusan atau Decision Support System (DSS) merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dan tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat [2]. Sistem pendukung keputusan tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan tetapi memberikan perangkat interaktif yang memungkinkan pengambil keputusan untuk melakukan berbagai analisis menggunakan model-model yang tersedia, sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan. 2.2 Fase-Fase Proses Pengambilan Keputusan Pembuatan keputusan melibatkan empat fase yaitu [3] : a. Fase Intelligensi Fase intelligensi merupakan Fase dilakukannya identifikasi masalah dan kepemilikan masalah, pengumpulan data, pengklasifikasian masalah serta pernyataan masalah. b. Fase Desain Fase desain adalah Fase dilakukannya formulasi sebuah model, menentukan kriteria serta mencari alternatif, memprediksi serta mengukur hasil akhir. c. Fase Pilihan Fase pilihan adalah Fase untuk menerapkan model hingga memperoleh solusi, melakukan analisis sensitivitas, pemilihan alternatif terbaik serta rencana implementasi. d. Fase Implementasi J-ICON, Vol. 2 No. 1, Maret 2014 : 73~83

J-ICON ISSN 2337-7631 75 Fase implementasi merupakan fase pelaksanaan dari keputusan yang telah diambil. Fase-fase proses pengambilan keputusan dapat dilihat pada gambar 1. Realitas Simplifikasi Asumsi Fase Intelegensi Sasaran organisasional Prosedur pemindaian dan penelitian Pengumpulan data Identifikasi masalah Kepemilikan masalah Klasifikasi masalah Pernyataan masalah Pernyataan masalah Validasi model Fase Desain Formulasi sebuah model Menentukan kriteria untuk dipilih Mencari alternatif Memprediksi dan mengukur hasil akhir Alternatif Sukses Verifikasi, menguji solusi yang diusulkan Implementasi solusi Fase Pilihan Solusi untuk model Analisis sensitifitas Memilih alternatif terbaik Rencana implementasi Solusi kegagalan Gambar 1. Fase-Fase Proses Pengambilan Keputusan / Proses Pemodelan [3] 2.3 AHP (Analytical Hierarchy Process) AHP adalah metode yang dikembangkan oleh Thomas L. Saaty pada tahun 1970-an. AHP adalah sebuah metode memecah permasalahan yang kompleks atau tidak terstruktur menjadi bagian-bagian, menata bagian-bagian ke dalam suatu susunan hirarki, kemudian memberikan penilaian secara subyektif terhadap kepentingan relatif dari setiap kriteria dan melakukan sintesis penilaian hingga memperoleh kriteria yang memiliki prioritas tertinggi. AHP menggabungkan pertimbangan dan penilaian pribadi dengan cara yang logis dan dipengaruhi imajinasi serta pengetahuan untuk menyusun hirarki dari suatu masalah yang berdasarkan logika, intuisi juga pengalaman untuk memberikan pertimbangan [2]. 2.4 Prosedur AHP Pada dasarnya prosedur atau langkah AHP meliputi [2] : a. Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun hirarki dari permasalahan yang dihadapi. b. Menetukan prioritas elemen Langkah pertama dalam menentukan prioritas elemen adalah membuat perbandingan pasangan, yaitu membandingkan elemen secara berpasangan sesuai dengan kriteria yang diberikan. Matriks perbandingan berpasangan diisi menggunakan bilangan untuk mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya. Nilai dan defenisi pendapat kualitatif dari skala perbandingan Saaty bisa diukur menggunakan tabel analisis seperti ditunjukkan pada tabel 1. Tabel 1. Skala Penilaian Perbandingan Berpasangan Intensitas Keterangan Kepentingan 1 Kedua elemen sama pentingnya 3 Elemen yang satu sedikit lebih daripada elemen yang lainnya 5 Elemen yang satu lebih penting daripada elemen lainnya 7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya 9 Satu elemen mutlak penting daripada elemen lainnya 2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan Kebalikan Jika aktifitas i mendapat satu angka dibandingkan dengan aktifitas j, maka j memiliki nilai kebalikannya dibandingkan dengan i Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt Bpr Christa Jaya Kupang Dengan Metode Analitical Hierarchy Process (Ahp) Dan Technique For Order Preference By Similarity To Ideal Solution (Topsis) (Yuneldi Keffi)

76 ISSN 2337-7631 c. Sintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini adalah : 1. Menjumlahkan nilai-nilai dari setiap kolom pada matriks. 2. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks. 3. Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata. d. Mengukur konsistensi Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik konsistensi yang ada karena kita tidak menginginkan keputusan berdasarkan pertimbangan dengan konsistensi yang rendah. Hal yang dilakukan dalam langkah ini adalah : 1. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua dan seterusnya. 2. Jumlahkan setiap baris. 3. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan. 4. Jumlahkan hasil bagi diatas dengan banyaknya elemen yang ada, hasil tersebut disebut λ maks. 5. Hitung Consistency indeks (CI) dengan rumus : max imum n CI... Persamaan (1) n 1 n = banyaknya elemen. 6. Hitung Consistency rasio (CR) dengan rumus : CI CR... Persamaan (2) IR CR = Consistency rasio CI = Consistency indeks IR = Indeks Random Consistency 7. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 0,1 maka penilaian data judgment harus diperbaiki. Namun jika Rasio Consistency (CI/IR) kurang atau sama dengan 0,1, maka hasil perhitungan bisa dinyatakan benar. Daftar Indeks Random Consistency (IR) dapat dilihat dalam tabel 2. Tabel 2. Daftar Indeks Random Consistency (IR) Ukuran Matriks Nilai IR Ukuran Matriks Nilai IR 1,2 0,00 9 1,45 3 0,58 10 1,49 4 0,90 11 1,51 5 1,12 12 1,48 6 1,24 13 1,56 7 1,32 14 1,57 8 1,41 15 1,59 2.5 TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yoon dan Hwang (1981). Ide dasarnya adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif [1]. Secara umum prosedur TOPSIS mengikuti langkah-langkah sebagai berikut: a. Membuat matriks keputusan yang ternormalisasi Setiap elemen pada matriks D dinormalisasikan untuk mendapatkan matriks normalisasi R. Setiap normalisasi dari nilai rij dapat dilakukan dengan perhitungan sebagai berikut: J-ICON, Vol. 2 No. 1, Maret 2014 : 73~83

J-ICON ISSN 2337-7631 77 r ij = x ij m 2 i=1 x ij.persamaan (3) dengan i=1,2,,,m; dan j=1,2, n b. Membuat matriks keputusan yang ternormalisasi terbobot Y ij = w i r ij...persamaan (4) dimana w = faktor kepentingan (bobot) dari setiap kriteria, i = 1,2, m; dan j=1,2, n c. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif Solusi ideal positif dinotasikan dengan A + dan solusi ideal negatif dinotasikan dengan A -, sebagi berikut: A + = Y + 1, Y + + 2,.. Y n...persamaan (5) A = Y 1, Y 2,.. Y n...persamaan (6) Dengan max y i ij ; jika j adalah atribut keuntungan y + j = (7) min y ij ; jika j adalah atribut biaya i min y i ij ; jika j adalah atribut keuntungan y j = (8) max y ij ; jika j adalah atribut biaya i j= 1,2,.,n. d. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan solusi ideal negatif (separation measure). Separation measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. Perhitungan matematisnya adalah sebagai berikut: Separation measure untuk solusi ideal positif: D + n + i = y ij y 2 j =1 j..persamaan (9) dengan i=1,2,3 n Separation measure untuk solusi ideal negatif: D n i = y ij y 2 j =1 j,...persamaan (10) dengan i=1,2,3,..n e. Menentukan nilai preferensi untuk setiap alternatif. Nilai preferensi atau kedekatan relatif dari alternatif A+ dengan solusi ideal A- direpresentasikan dengan: D i V i = D +...Persamaan (11) i +D i dengan i= 1,2,3...,m f. Mengurutkan Pilihan. Alternatif dapat dirangking berdasarkan urutan V i Maka dari itu, alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi ideal dan berjarak terjauh dengan solusi ideal negatif. Alur kerja sistem menggunakan kedua metode tersebut dapat dilihat pada gambar berikut Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt Bpr Christa Jaya Kupang Dengan Metode Analitical Hierarchy Process (Ahp) Dan Technique For Order Preference By Similarity To Ideal Solution (Topsis) (Yuneldi Keffi)

78 ISSN 2337-7631 Metode AHP Membuat matriks perbandingan berpasangan Membuat matriks nilai kriteria Membuat matriks penjumlahan setiap baris Menghitung rasio konsistensi Bobot dari tiap kriteria Metode TOPSIS Bobot dari tiap kriteria Menentukan solusi ideal positif dan solusi ideal negatif Membuat matriks keputusan ternormalisasi terbobot Membuat matriks keputusan ternormalisasi Membuat matriks awal penilaian calonn karyawan terhadap kriteria Menentukan separation measure Menentukan nilai preferensi untuk tiap calon karyawan Mengurutkan nilai preferensi tiap calon karyawan Gambar 2. Alur Kerja Sistem menggunakan metode AHP dan TOPSIS Terdapat 2 tahap utama dalam pembuatan SPK seleksi calon karyawan yaitu tahap 1 menentukan bobot prioritas menggunakan metode AHP dan tahap 2 yaitu menentukan perangkingan calon karyawan menggunakan metode TOPSIS. 3.1 Perhitungan bobot prioritas kriteria menggunakan metode AHP Perhitungan matriks kriteria ini menggunakan metode AHP (Analytical Hierarchy Process). Terdapat enam kriteria yang digunakan yaitu kepribadian, pendidikan, wawancara awal, tes psikologi, domisili dan wawancara akhir. Langkah awal prosedur AHP adalah menyusun Hirarki yang terlihat pada gambar 3. Seleksi penerimaan karyawan Kepribadian pendidikan awal Tes psikologi Domisili akhir Calonkaryawan ke-1 Calonkaryawan ke-2 Calonkaryawan ke-3.. Calonkaryawan ke-n Gambar 3. Hirarki seleksi calon karyawan Melakukan perbandingan berpasangan terhadap keenam kriteria. Terlihat pada tabel 3. Tabel 3. Matriks Perbandingan Berpasangan Kriteria Kepribadian Pendidikan Tes Domisili awal psikologi Akhir Kepribadian 1 4 3 3 5 5 Pendidikan 1/4 1 3 2 3 5 awal 1/3 1/3 1 2 5 2 Tes psikologi 1/3 1/2 ½ 1 5 3 Domisili 1/5 1/3 1/5 1/5 1 2 akhir 1/5 1/5 ½ 1/3 1/2 1 Jumlah 2.32 6.37 8.33 8.67 19.5 18 Tahap berikutnya adalah menghitung normalisasi matriks. Terlihat pada tabel 4. J-ICON, Vol. 2 No. 1, Maret 2014 : 73~83

J-ICON ISSN 2337-7631 79 Tabel 4. Normalisasi Matriks Perbandingan Berpasangan Kepri- Pendi- Tes Domisili badian dikan awal psikologi akhir Jumlah Prioritas Kepribadian 0.43165 0.62827 0.36585 0.35156 0.25641 0.27778 2.31153 0.38526 Pendidikan 0.10791 0.15707 0.36585 0.23438 0.15385 0.27778 1.29683 0.21614 awal 0.14388 0.05236 0.12195 0.23438 0.25641 0.11111 0.92009 0.15335 Tes psikologi 0.14388 0.07853 0.06098 0.11719 0.25641 0.16667 0.82366 0.13728 Domisili 0.08633 0.05236 0.02439 0.02344 0.05128 0.11111 0.34891 0.05815 akhir 0.08633 0.03141 0.06098 0.03906 0.02564 0.05556 0.29898 0.04983 jumlah 1 1 1 1 1 1 6 1 Kemudian menghitung matriks penjumlahan setiap baris. Terlihat pada tabel 5. Tabel 5. Matriks Penjumlahan Setiap Baris Kepribadian Pendidikan Tes Domisili Jumlah awal psikologi Akhir Kepribadian 0.38526 0.86456 0.46004 0.41183 0.29076 0.24915 2.66159 Pendidikan 0.09631 0.21614 0.46004 0.27455 0.17445 0.24915 1.47065 awal 0.12842 0.07205 0.15335 0.27455 0.29076 0.09966 1.01878 Tes psikologi 0.12842 0.10807 0.07667 0.13728 0.29076 0.14949 0.89068 Domisili 0.07705 0.07205 0.03067 0.02746 0.05815 0.09966 0.36503 akhir 0.07705 0.04323 0.07667 0.04576 0.02908 0.04983 0.32162 Kemudian melakukan perhitungan kekonsistenan rasio. Terlihat pada tabel 6. Tabel 6. Perhitungan Rasio Konsistensi jumlah per baris prioritas Hasil Kepribadian 2.66159 0.38526 3.04685 Pendidikan 1.47065 0.21614 1.68679 awal 1.01878 0.15335 1.17213 Tes psikologi 0.89068 0.13728 1.02796 Domisili 0.36503 0.05815 0.42318 akhir 0.32162 0.04983 0.37145 Jumlah 7.72836 Jumlah (jumlah dari nilai-nilai hasil) = 7,72836 n (jumlah kriteria) = 6 λ maks (jumlah / n) = 7,72836/6 = 1,29 CI ((λ maks n)/n) = ((1,29-6)/6) = -0,78532 IR untuk ukuran matriks 6 = 1.24 CR (CI/IR(Tabel 2.2)) = -0,78532/1,24 = -0,63333 Oleh karena CR = -0,63333 < 0,1 maka rasio konsistensi dari perhitungan tersebut bisa diterima sehingga dapat dilanjutkan ke perhitungan selanjutnya. 3.2 Perangkingan calon karyawan (Alternatif) menggunakan metode TOPSIS Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt Bpr Christa Jaya Kupang Dengan Metode Analitical Hierarchy Process (Ahp) Dan Technique For Order Preference By Similarity To Ideal Solution (Topsis) (Yuneldi Keffi)

80 ISSN 2337-7631 Setelah bobot prioritas dari setiap kriteria diperoleh, dilanjutkan dengan penentuan rangking dari calon karyawan dengan metode TOPSIS.Tahapan awal dalam merangking calon karyawan adalah dengan membuat matriks awal penilaian calon karyawan terhadap 6 kriteria yang ada. Contoh proses perangkingan seleksi calon karyawan apabila diasumsikan terdapat 3 alternatif calon karyawan (A, B dan C) yang telah mendapat penilaian dari manajer untuk setiap kriteria. Penilaian untuk masing-masing calon karyawan terhadap setiap kriteria dinilai dengan angka 1 sampai 5 yaitu, 1 = sangat rendah, 2 = rendah, 3 = cukup, 4 = tinggi, dan 5 = sangat tinggi. Berikut tabel contoh penilaian calon karyawan terhadap tiap kriteria. Tabel 8. Contoh matriks awal penilaian calon karyawan Kepribadian Pendidikan awal Tes psikologi Domisili Akhir A 80 85 75 80 70 75 B 80 80 75 80 70 80 C 75 85 75 75 75 75 Setelah matriks awal penilaian calon karyawan terbentuk maka dilanjutkan dengan membentuk matriks keputusan ternormalisasi menggunakan persamaan (3) dan matriks keputusan ternormalisasi terbobot menggunakan persamaan (4). Matriks keputusan ternormalisasi dibentuk menggunakan bobot prioritas tiap kriteria yang merupakan hasil perhitungan menggunakan metode AHP (Tabel 4). Hasil dapat dilihat pada tabel 9 dan tabel 10. Tabel 9 matriks keputusan ternormalisasi Tes Kepribadian Pendidikan awal psikologi Domisili Akhir A 0.58937 0.58866 0.57735 0.58937 0.56362 0.56453 B 0.58937 0.55403 0.57735 0.58937 0.56362 0.60217 C 0.55253 0.58866 0.57735 0.55253 0.60388 0.56453 Tabel 10 matriks keputusan ternormalisasi terbobot Tes Kepribadian Pendidikan Domisili awal psikologi Akhir A 0.22706 0.12723 0.08854 0.08091 0.03278 0.02813 B 0.22706 0.11975 0.08854 0.08091 0.03278 0.03001 C 0.21287 0.12723 0.08854 0.07585 0.03512 0.02813 Dari hasil matriks normalisasi pada tabel 10 dapat ditentukan matriks solusi ideal positif dan matriks solusi ideal negatif mengunakan persamaan (5) dan persamaan (6). A + = {0.22706, 0.12723, 0.08854, 0.08091, 0.03512, 0.03001} A - = {0.21287, 0.11975, 0.08854, 0.07585, 0.03278, 0.02813} Kemudian dihitung Jarak antara nilai terbobot setiap alternatif terhadap solusi ideal positif D A + dihitung dengan persamaan (9), sedangkan jarak antara nilai terbobot setiap alternatif terhadap solusi ideal negatif D A dihitung dengan persamaan (10). Hasil dapat dilihat pada tabel 11 dan tabel 12. Tabel 11 solusi ideal positif Tabel 12 solusi ideal negatif Alternatif Jarak Antara Alternatif dengan Jarak Antara Alternatif dengan Alternatif Solusi ideal positif Solusi ideal positif + D A 0.00300 - D A 0.01682 + D B 0.00784 - D B 0.01518 + D C 0.01518 - D C 0.00784 J-ICON, Vol. 2 No. 1, Maret 2014 : 73~83

J-ICON ISSN 2337-7631 81 Dilanjutkan dengan menghitung nilai kedekatan setiap alternatif terhadap solusi ideal dengan persamaan (11). Berikut nilai kedekatan setiap alternatif terhadap solusi ideal. Tabel 13 Nilai kedekatan setiap alternatif terhadap solusi ideal Alternatif Nilai Kedekatan setiap Alternatif terhadap Solusi Ideal V A 0.84867 V B 0.65939 V C 0.34061 Dari hasil perhitungan di atas telah didapat hasil perangkingan nilai kedekatan setiap alternatif (calon karyawan), dapat dilihat bahwa calon karyawan ke 1 (V A ) memiliki nilai kedekatan terbesar, sehingga dapat di pertimbangkan oleh manajer untuk diterima bekerja. III. HASIL DAN PEMBAHASAN 3.1 Hasil Hasil yang diperoleh berupa sebuah Sistem Pendukung Keputusan seleksi Calon karyawan Menggunakan Metode AHP (Analytical Hierarchy Process) dan TOPSIS (Technique For Order Preference By Similarity To Ideal Solution). Keluaran dari sistem ini dapat diimplementasikan untuk membantu manajer mengambil keputusan berdasarkan hasil perangkingan. 3.2 Pembahasan Evaluasi dari Sistem Pendukung Keputusan seleksi calon karyawan Menggunakan Metode AHP (Analytical Hierarchy Process) untuk perhitungan bobot kriteria diuji berdasarkan penilaian terhadap perbandingan antara setiap kriteria dengan nilai dari rasio konsistensi. Tabel 14. Pengujian Nilai Rasio Consistency Penentuan Prioritas Nilai Rasio Consistency Pengujian Keterangan Kriteria -0,63333 Kurang dari 0,1 Diterima Setelah dilakukan pengujian perhitungan secara manual sebanyak 3 kali untuk 10, 20, dan 30 data calon karyawan didapatkan hasil yang sama dengan hasil perhitungan oleh sistem pendukung keputusan seleksi calon karyawan. Dengan demikian pengambilan keputusan untuk menyeleksi calon karyawan dapat menggunakan sistem yang dibuat. Dalam perangkingan calon karyawan diperoleh 7 data uji dari hasil analisis manajer pembuat keputusan untuk periode penerimaan bulan juli-oktober 2012 (tabel 16). Setiap kriteria mempunyai nilai kepentingan yang sama. 7 data uji ini telah melalui proses penilaian yang dilakukan oleh manajer (tabel 15). Tabel 15. Penilaian Manajer untuk calon Karyawan untuk setiap kriteria Kriteria No Nama karyawan Pendi- Tes Kepribadian dikan awal psikologi Domisili 1 Aldrin Aliandu 80 85 75 80 70 75 2 Rizal Mangara 80 80 75 80 70 80 3 Chris A Ndolu 75 85 75 75 75 75 4 Heince M. Moata 80 80 80 75 80 80 5 Linda Raja Pono 70 85 70 80 75 80 6 Agustinus Gawi 80 70 70 75 75 80 7 Ivone Boelan 80 70 80 75 75 80 akhir Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt Bpr Christa Jaya Kupang Dengan Metode Analitical Hierarchy Process (Ahp) Dan Technique For Order Preference By Similarity To Ideal Solution (Topsis) (Yuneldi Keffi)

82 ISSN 2337-7631 Tabel 16. Keputusan Manajer Dalam seleksi calon Karyawan Rangking Ke- Nama karyawan Hasil 1 Heince M. Moata 475 2 Aldrin Aliandru 465 3 Rizal Mangara 465 4 Chris A Ndolu 460 5 Linda raja pono 460 6 Ivone Boelan 460 7 Agustinus Gawi 450 Penilaian dari manajer kemudian dimasukan ke dalam sistem dengan nilai kepentingan yang sama untuk setiap kriteria. Didapat hasil perangkingan yang sama juga dengan hasil perangkingan dari manajer untuk rangking ke 1, 2, 5, 6, dan 7. Hasil perangkingan sistem dapat dilihat pada tabel 17. Tabel 17. Hasil Perangkingan Menggunakan SPK seleksi Calon karyawan dengan nilai kepentingan yang sama untuk tiap kriteria Rangking ke- Nama karyawan Hasil 1 Heince M. Moata 0.74844 2 Aldrin Aliandru 0.60177 3 Chris A Ndolu 0.60171 4 Rizal Mangara 0.56578 5 Linda raja pono 0.52772 6 Ivone Boelan 0.49561 7 Agustinus Gawi 0.38847 Kesesuaian sistem dan keputusan dari manajer dilakukan dengan menghitung rata-rata sebagai berikut: Sistem sesuai keputusan manajer 5 x 100 % = 0,71 = 71% 7 Sistem tidak sesuai keputusan manajer 2 x 100 % = 0,29 = 29 % 7 Dengan demikian, presentasi kesesuaian sistem pendukung keputusan ini, dengan 7 data uji adalah 0,71 atau 71%. Data penilaian yang sama terhadap setiap calon karyawan dari manajer juga dianalisis dengan SPK Seleksi Calon karyawan. Namun, nilai kepentingan dari tiap kriteria tidak lagi sama tetapi merupakan hasil penilaian dari manajer menggunakan skala perbandingan berpasangan, nilai prioritas tiap kriteria dapat dilihat pada tabel 6. Hasil dari analisis menggunakan SPK seleksi calon karyawan dapat dilihat pada tabel 18. Tabel 18 Hasil Perangkingan Menggunakan SPK seleksi Calon karyawan Rangking ke- Nama karyawan Hasil Rangking ke- Nama karyawan Hasil 1 Aldrin Aliandru 0.83175 5 Linda raja pono 0.56174 2 Rizal Mangara 0.78859 6 Agustinus Gawi 0.51591 3 Chris A Ndolu 0.75639 4 Heince M. Moata 0.63080 7 Ivone Boelan 0.43938 Hasil perangkingan yang didapat dari manajer dan hasil perangkingan yang didapat dari hasil analisis sistem terdapat perbedaan. Salah satu penyebabnya karena hasil perangkingan dari manajer, J-ICON, Vol. 2 No. 1, Maret 2014 : 73~83

J-ICON ISSN 2337-7631 83 setiap kriteria memiliki nilai kepentingan yang sama, sedangkan analisis yang dilakukan oleh sistem telah dilakukan pembobotan terhadap setiap kriteria berdasarkan skala perbandingan berpasangan. Dengan demikian, hasil yang diperoleh setiap karyawan tidak saja berdasarkan penilaian yang diberikan manajer, tetapi dipengaruhi juga oleh bobot dari tiap kriteria IV. KESIMPULAN DAN SARAN 4.1 Kesimpulan Berdasarkan hasil pembahasan laporan dan program yang telah dibuat maka dapat disimpulkan sebagai berikut: a. Sistem pendukung keputusan yang telah dibuat dapat membantu manajer untuk mengambil keputusan dalam menyeleksi calon karyawan dengan menggunakan 6 kriteria yaitu kepribadian, pendidikan, wawancara awal, tes psikologi, domisili, dan wawancara akhir. b. Penerapan metode AHP dan TOPSIS dalam aplikasi sistem pendukung keputusan untuk menyeleksi calon karyawan dengan keluaran berupa hasil perangkingan calon karyawan dapat dijadikan alat bantu untuk manajer dalam mengambil keputusan. c. Sistem pendukung keputusan yang telah diuji dengan 7 data calon karyawan, yang merupakan data uji dari pihak BPR Christa Jaya Kupang dengan masukan nilai kepentingan yang sama untuk setiap kriteria, menghasilkan presentasi kesesuaian perangkingan sistem dan perangkingan manajer sebesar 71%. 4.2 Saran Setelah mengevaluasi keseluruhan tugas akhir ini, beberapa saran dapat diberikan untuk pengembangan sistem pendukung keputusan kedepannya: a. Peneliti selanjutnya dapat mengembangkan sistem ini dengan menambahkan data lain yang mendukung penyeleksian calon karyawan, misalnya penambahan kriteria. b. Dalam memecahkan masalah multikriteria metode AHP dan TOPSIS bukan satu-satunya penggabungan metode pengambilan keputusan yang dapat digunakan, untuk itu dapat dicoba untuk menggunakan metode penggabungan yang lain untuk mendukung pengambilan keputusan. DAFTAR PUSTAKA [ 1 ] Kusumadewi, S., dkk., 2006, Fuzzy Multi Atribute Decision Making (FMADM), Graha Ilmu, Yogyakarta. [ 2 ] Kusrini., 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, ANDI, Yogyakarta. [ 3 ] Turban, E., dkk., 2005, Decision Support System and Intelegent System, Andi, Yogyakarta. Sistem Pendukung Keputusan Seleksi Calon Karyawan Pada Pt Bpr Christa Jaya Kupang Dengan Metode Analitical Hierarchy Process (Ahp) Dan Technique For Order Preference By Similarity To Ideal Solution (Topsis) (Yuneldi Keffi)