PERANCANGAN DAN PEMBUATAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK DENGAN METODE SAW PADA PT ISS INDONESIA CABANG MEDAN

dokumen-dokumen yang mirip
Rudi Hartoyo ( )

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

SISTEM PENDUKUNG KEPUTUSAN DALAM PEMBERIAN BEASISWA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (Studi kasus: Universitas Sari Mutiara Indonesia)

Sistem Pendukung Keputusan Penentuan Lokasi Gudang di Perusahaan dengan Metode Weighted Product

BAB 2 LANDASAN TEORI

Sistem Pendukung Keputusan Dalam Menentukan Dosen Pembimbing Skripsi

SISTEM PENDUKUNG KEPUTUSAN UNTUK MAHASISWA BERPRESTASI DI STIKES MUHAMMADIYAH PRINGSEWU DENGAN METODE SAW

SISTEM PENDUKUNG KEPUTUSAN KELULUSAN UJIAN SARINGAN MASUK JALUR PMDK BERDASARKAN NILAI RATA-RATA MATEMATIKA DAN BAHASA INGGRIS

Kata Kunci: Guru, Decision support systems, MADM, SAW. 1. Pendahuluan

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS RAMBUT MANUSIA DENGAN MENERAPKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SISTEM PENDUKUNG KEPUTUSAN BEASISWA DIKLAT DENGAN FUZZY MADM

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA NEGERI 1 SINGKIL

PENENTUAN SISWA BERPRESTASI PADA SMK WIDYA YAHYA GADINGREJO DENGAN METODE SAW

PENENTUAN PRODUK KERAJINAN UNGGULAN DENGAN MENGGUNAKAN MADM-SAW. Fera Tri Wulandari 1*, Setiya Nugroho 1

Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009) ISSN: Yogyakarta, 20 Juni 2009

Bayu Erlangga 1, Elisabet Y.A 2

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM

Jurnal TIMES, Vol. IV No 2 : 24-30, 2015 ISSN : Harold Situmorang

Sistem Pendukung Keputusan Seleksi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting

SISTEM PENDUKUNG KEPUTUSAN REKRUTMEN GURU DENGAN METODE TOPSIS

Volume : II, Nomor : 1, Pebruari 2014 Informasi dan Teknologi Ilmiah (INTI) ISSN : X

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK LAPTOP MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEMBELIAN KENDARAAN BERMOTOR DENGAN METODE SAW

Kata Kunci : Fuzzy MADM, SAW, kriteria, beasiswa.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN BEASISWA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) STUDI KASUS PADA SMP DHARMA BHAKTI PUBIAN

DECISION SUPPORT SYSTEM FOR DETERMINING SCHOLARSHIP RECIPIENTS USING TOPSIS FMADM METHOD

ANALISIS PEMILIHAN CALON PESERTA OLIMPIADE SAINS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA DI SMA NEGERI 6 PANDEGLANG

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN PEMBERIAN BEASISWA TINGKAT SEKOLAH

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN INSENTIF BERDASARKAN PENILAIAN KINERJA KARYAWAN PADA PT. PRUDENTIAL LIFE ASSURANCE DENGAN METODE TOPSIS

SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN JUDUL SKRIPSI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Desi Reskika Sari ( )

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN SISWA BARU PADA SMA NEGERI 5 KUPANG DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BEASISWA MENGGUNAKAN METODE FMADM (STUDI KASUS: MAHASISWA FKIP UMN AL-WASHLIYAH MEDAN) ABSTRACT

SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMBERIAN KREDIT

Jl. RE. Martadinata No. 272A, Indihiang, Kota Tasikmalaya 1), 2),

Penerapan Metode Simple Additive Weighting (SAW) pada Sistem Pendukung Keputusan Pemilihan Lokasi untuk Cabang Baru Toko Pakan UD.

Program Studi Sistem Informasi, STMIK Widya Cipta Dharma

ISSN VOL 15, NO 2, OKTOBER 2014

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA TELADAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (STUDI KASUS : DI SMP NEGERI 3 TASIKMALAYA)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) STUDI KASUS PT. PERTAMINA RU II DUMAI

SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA PERGURUAN TINNGI NEGERI SINAR MAS DENGAN METODE TOPSIS (STUDI KASUS: SMK NEGERI 1 GALANG)

BAB II TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA. 2.1 Definisi Sistem, Keputusan dan Sistem Pendukung Keputusan

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN STAF PENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

BAB 2 LANDASAN TEORI

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PEGAWAI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING STUDI KASUS PT.SURYA ENERGI INDOTAMA (SEI)

BAB 2 LANDASAN TEORI. 2.1 Konsep Sistem Pendukung Keputusan (SPK)

BAB III METODOLOGI PENELITIAN

IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK REKOMENDASI PEMBERIAN BANTUAN PUPUK BAGI PETANI YANG KURANG MAMPU SKRIPSI

Penerapan Metode Simple Additive Weighting (SAW) Dalam Penentuan Remunerasi Karyawan

BAB II KAJIAN PUSTAKA

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TIM INTI BOLA VOLI SMK PGRI 3 KOTA KEDIRI

PENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT

RANCANGAN SISTEM PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PILIHAN PRODUK TABLET PC MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW)

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP)

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

SISTEM REKOMENDASI PEMBERHENTIAN HUBUNGAN KERJA MENGGUNAKAN FUZZY MULTIPLE ATTRIBUTE DECISION MAKING METODE SIMPLE ADDTIVE WEIGHTING (SAW) SKRIPSI

BAB II TINJAUAN PUSTAKA

SISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE TECHNIQUE FOR OTHERS REFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)

ANALISIS KOMPARASI SIMPLE ADDITIVE WEIGHTING DAN WEIGHTED PRODUCT DALAM PENENTUAN PENERIMA BEASISWA

BAB 2 LANDASAN TEORI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA SMA MUHAMMADIYAH 1 GISTING DENGAN METODE SAW (Simple Additive Weighting)

APLIKASI SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMBING POTONG MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING (SAW)

BAB II LANDASAN TEORI. Sistem berasal dari bahasa Latin (Systema) dan bahasa Yunani (Sustema) membentuk satu kesatuan untuk mencapai sebuah tujuan.

BAB III ANALISA DAN PERANCANGAN SISTEM

Jurnal Mantik Penusa Volume 18 No.2 Desember 2015 ISSN

PENGEMBANGAN SPK PENERIMAAN ANGGOTA BARU STUDI KASUS: ORGANISASI IMSI STMIK MIKROSKIL

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT REKENING KORAN PADA BANK JATIM

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN LOKASI USAHA BARU DENGAN METODE SIMPLE ADDTIVE WEIGTHING(SAW) Studi Kasus : TUPANG ENTERTAIMENT

SISTEM SELEKSI BEASISWA SMA NEGERI 2 BAE KUDUS DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ABSTRAK

Sistem Pendukung Keputusan Pengangkatan Karyawan Berdasarkan Hasil Evaluasi Masa Percobaan

Penerapan Metode Simple Additive Weighting Pada Aplikasi Penilaian Kinerja Dosen Fakultas Ilmu Komputer Unversitas Muslim Indonesia

BAB III ANALISA SISTEM

FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2016

Penentuan Karyawan Terbaik Dengan Metode Simple Additive Weighting (PDAM Tirta Silaupiasa)

BAB IV DESAIN DAN UJI COBA

BAB 2 LANDASAN TEORI

PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN PEMASOK NATA DE COCO DENGAN METODE SIMPLE ADDITIVE WEIGHTING

BAB I PENDAHULUAN. lama, negara Indonesia merupakan Negara berkembang. Sebagai akibat dari

BAB III ANALISIS DAN DESAIN SISTEM

BAB 2 TINJAUAN PUSTAKA

Metode Simple Additive Weighting Sebagai Sistem Pendukung Keputusan Penerima Beasiswa Murid Berprestasi

BAB I PENDAHULUAN. semakin ketat. Konsumen tidak hanya menginginkan produk yang berkualitas,

METODE FUZZY SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN KUALITAS KULIT ULAR UNTUK KERAJINAN TANGAN (STUDI KASUS : CV. ASIA EXOTICA MEDAN)

Jurnal Informasi Volume VII No.1 / Februari / 2015

SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Prodi Teknik Informatika OLEH :

Abstract. Keywords: Scholarship, Fuzzy MADM, SAW, Criteria.

Perancangan Sistem Pendukung Keputusan Pemberhentian Karyawan Harian Lepas (Studi Kasus di CV Mitra Abadi Jaya Tangerang)

Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting)

BAB II TINJAUAN PUSTAKA

PENENTUAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA PT. PATRA NUR ALASKA

Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013) ISBN

SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMAAN SISWA BARU MENGGUNAKAN METODE SIMPLE ADICTIVE WEIGHTING (SAW) STUDI KASUS PADA SMKN 1 RAWAJITU TIMUR

SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Sistem Informasi OLEH :

Seminar Nasional Inovasi dan Tren (SNIT) 2015

APLIKASI PEMBERIAN KREDIT MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS)

Transkripsi:

PERANCANGAN DAN PEMBUATAN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KARYAWAN TERBAIK DENGAN METODE SAW PADA PT ISS INDONESIA CABANG MEDAN Olven Manahan Program Studi Manajemen Informatika Politeknik Trijaya Krama Medan Jl. Iskandar Muda No. 1 Medan, Sumatera Utara 20154, Indonesia olvenmanahan@gmail.com Abstrak Pengelolaan Sumber Daya Manusia (SDM) dari suatu perusahaan sangat mempengaruhi banyak aspek penentu keberhasilan kerja dari perusahaan tersebut. Salah satu yang terpenting dalam manajemen sumber daya manusia (SDM) disuatu perusahaan adalah pemilihan karyawan terbaik secara periodik sehingga memacu semangat karyawan dalam meningkatkan kinerjanya. Namun pada kenyataannya PT ISS Indonesia Medan belum optimal dalam pelaksanaan pemilihan karyawan terbaik. Hal ini disebabkan belum tersedianya media yang dapat memproses penilaian karyawan dan memberikan rekomendasi dalam pemilihan karyawan terbaik. Penelitian ini bertujuan untuk mengetahui prosedur penilaian dan pemilihan karyawan terbaik pada PT ISS Indonesia Medan serta untuk menghasilkan sistem pendukung keputusan pemilihan karyawan terbaik berdasarkan kebutuhan PT ISS Indonesia trsebut. Dalam menentukan karyawan terbaik di PT ISS Indonesia Medan, sistem menggunakan metode Simple Additive Weighting (SAW) dengan menggunakan kriteriakriteria yang sudah digunakan di PT ISS Indonesia Medan tersebut, yaitu kehadiran, SOP, kedisiplinan, grooming. Sistem ini dirancang dengan menggunakan bahasa pemrograman visual basic 6.0 dan ms access sebagai database-nya. Output dalam sistem ini adalah nilai perhitungan pemilihan karyawan terbaik dengan metode Simple Additive Weighting (SAW) dan karyawan pilihan sebagai karyawan terbaik. Kata Kunci: Sistem Pendukung Keputusan, Simple Additive Weighting (SAW), Pemilihan Karyawan Terbaik. 1. Pendahuluan Salah satu elemen yang paling penting dalam perusahan adalah Sumber Daya Manusia (SDM). Pengelolaan SDM dari suatu perussahaan sangat mempengaruhi banyak aspek penentu keberhasilan kerja dari perusahaan tersebut. Jika SDM dapat di organisir dengan baik, maka diharapkan perusahaan dapat menjalankan semua proses usahanya dengan baik. PT ISS Indonesia cabang Medan sejak berdiri pada tahun 2006 telah banyak menjalin kerja sama dengan perusahaan-perusahaan di kota Medan, dimana PT ISS Indonesia cabang Medan tersebut bergerak di bidang Jasa (Pelayanan) seperti Cleaning Service, Parking Management, dan Security Service. Dengan semakin berkembangnya zaman saat ini, maka kota Medan semakin dipenuhi oleh bangunan-bangunan dan perusahaan baru, sehingga PT ISS Indonesia cabang Medan juga semakin berkembang pesat oleh karena para pemilik perusahaan memiliki kepercayaan tingi untuk bekerja sama. PT ISS Indonesia melakukan pemilihan karyawan terbaik guna memacu semangat karyawan dalam meningkatkan dedikasi dan kinerjanya. Pemilihan karyawan terbaik tersebut dilakukan secara periodik, yaitu dilakukan setiap periode 4 bulan akan tetapi pelaksanaannya belum optimal. PT ISS Indonesia memiliki kendala dalam memutuskan karyawan yang diprioritaskan. Kendala yang dihadapi adalah Manager SDM tidak memiliki metode yang dapat menangani permasalahan prioritas dengan banyak kriteria. Selain itu manager SDM juga sering kesulitan dalam memilih karyawan terbaik dikarenakan banyaknya karyawan yang di nilai.hal ini menjadi sebuah kekurangan untuk menentukan tepat atau tidaknya seseorang terpilih sebagai karyawan terbaik. Berdasarkan uraian latar belakang diatas, penulis memandang penting mengangkat kasus diatas kedalampenelitian ini dengan mengambil judul: Perancangan Dan Pembuatan Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Dengan Metode SAW Pada PT ISS Indonesia Cabang Medan.. 1.2 Perumusan Masalah Masalah yang terjadi adalah terlalu banyaknya karyawan yang ada pada perusahaan 44

membuat penilaian tersebut terkadang sangat sulit untuk dilakukan dan juga hasil pemilihan yang kurang tepat. 1.2.1 Rumusan Masalah Berdasarkan latar belakang masalah diatas, maka masalah dalam penelitian ini dapat dirumuskan sebagai berikut: 1. Bagaimana merancang sistem pendukung keputusan pemilihan karyawan terbaik dengan metode Simple Aditive Weighting (SAW) (studi kasus PT ISS Indonesia cabang Medan). 2. Bagaimana menerapkan metode Simple Aditive Weighting (SAW) sebagai salah satu metode dalam membuat sistem pendukung keputusan pemilihan karyawan terbaik. 1.2.2 Batasan Masalah Ruang lingkup yang akan dibahas dalam penelitian mengenai pemilihan karyawan terbaik pada PT ISS Indonesia cabang Medan akan dibatasi oleh beberapa kriteria yang biasanya digunakan untuk melakukan penilain-penilaian kinerja karyawan pada sustu perusahaan. Adapun ruang lingkup yang kami teliti antara lain: 1. Metode yang digunakan dalam perhitungan SPK adalah metode Simple Aditive Weighting (SAW) 2. Kriteria yang akan digunakan dalam penilaian karyawan adalah Kehadiran, SOP(Standard Operational Procedure), Kedisiplinan, dan Grooming. 3. Karyawan yang dinilai hanya karyawan dibidang Cleaning Service 4. Karyawan yang dimaksud adalah Cleaner 5. Karyawan yang akan dinilai dalam pemilihan karyawan terbaik ini adalah karyawan yang direkomendasikan oleh kepala bagian setiap divisi. 1.1 Tujuan Dan Manfaat Penelitian Dalam melakukan suatu penelitian sudah pasti mempunyai tujuan dan juga manfaat dari apa yang diteliti tersebut. 1.3.1 Tujuan Penelitian Adapun tujuan yang diharapkan dari penulisan ini adalah sebagai berikut: 1. Membangun dan merancang sebuah Sistem Pendukung Keputusan yang digunakan untuk melakukan penyeleksian karyawan terbaik dengan hasil penyeleksian yang tepat. 2. Menerapkan metode Simple Aditive Wheihting (SAW) sebagai salah satu metode pemecahan masalah dengan membuat Sistem Pendukung Keputusan berbasis model SAW tersebut. 1.3.2 Manfaat Penelitian Adapun manfaat yang diharapkan dalam penulisanpenelitian ini adalah sebagai berikut: 1. Dengan dibangunnya Sistem Pendukung Keputusan pemilihan karyawan terbaik ini dapat memberikan motivasi bagi karyawan untuk tetap bekerja keras dan terus menunjukkan kinerja terbaik mereka. 2. Memberikan rekomendasi dalam pengambilan keputusan untuk menentukan karyawan yang diseleksi secara objektif. Perusahaan semakin mudah dalam menentukan karyawan terbaik dengan hasil keputusan yang lebih tepat. 2. Landasan Teori 2.1 Perancangan Merujuk pada pernyataan Joseeph Mansueto, perancangan adalah satu proses untuk membuat keputusan tentang apa yang akan dilakukan oleh organisasi.(ahmad Shukri Mohd Nain, Amran Md Rasli, 2005: 5). Perancangan adalah suatu proses yang bertujuan untuk menganalisis, menilai memperbaiki dan menyusun suatu sistem, baik sistem fisik maupun non fisik yang optimum untuk waktu yang akan datang dengan memanfaatkan informasi yang ada. 2.2 Sistem Apa itu sistem? Sistem adalah suatu kesatuan usaha yang terdiri dari bagian bagian yang berkaitan satu sama lain yang berusaha mencapai suatu tujuan dalam suatu lingkungan kompleks.(prof. Dr. Ir Marimin,MSc : 1). Sistem menurut Gordon(1989) dipandang sebagai suatu ajregasi atau kumpulan objek objek yang terangkai dalam interaksi dan kesaling bergantungan yang teratur..(prof. Dr. Ir Marimin,MSc : 1). 2.3 Sistem Pendukung Keputusan Sistem Pendukung Keputusan adalah sistem yang berbasis komputer yang dapat membantu pengambilan keputusan untuk memecahkan masalah tertentu dengan memanfaatkan data dan model tertentu. Turban (1990) dan Turban & Aronson (2001) menyebutkan bahwa konsep sistem penunjang kaputusan (SPK) muncul pertama kali pada tahun 1970-an oleh Scott-Morton..(Prof. Dr. Ir Marimin,MSc : 1). Mereka mendefenisikan sistem sebagai suatu sistem interaktif berbasis komputer yang dapat membantu para pengambil keputusan dalam menggunakan data dan model untuk memecahkan masalah yang bersifat tdak terstruktur. Ada beberapa pengertian Sistem Pendukung Keputusan yang dikemukakan oleh para ahli dapat dijelaskan sebagai berikut: 1. Menurut Man dan Watson 45

Sistem pendukung keputusan merupakan suatu sistem interaktif yang membantu pengambil keputusan melalui penggunaan data dan model model keputusan untuk memecahkan masalah yang sifatnya terstruktur dan tidak terstruktur. 2. Menurut Maryan Alavi dan H. Albet Napier Sistem Pendukung Keputusan merupakan suatu kumpulan prosedur pemrosesan data dan informasi yang berorientasi pada penggunaan model untuk menghasilkan berbagai jawaban yang dapat membantu manajemen dalam pengambilan keputusan. Sistem ini harus, mudah, dan adaptif. 3. Menurut Litlle Sistem Pendukung Keputusan merupakan suatu system informasi berbasis computer yang menghasilkan berbagai alternative keputusan untuk membantu manajemen dalam menangani permasalahan yang sifatnya terstruktur ataupun tidak terstruktur dengan menggunakan data dan model. 4. Menurut Raymond McLeod, Jr Sistem Pendukung Keputusan merupakan system penghasil informasi spesifik yang diyujukan untuk memecahkan sustu masalah tertentu yang harus dipecahkan oleh manajer pada berbagai tingkatan. 2.3.1 Konsep Dasar Sistem Pendukung Keputusan Pengambilan keputusan adalah suatu pendekatan sitematis pada hakekat suatu masalah, fakta-fakta, penentuan yang matang dari alternatif yang diahadapi, dan pengambilan tindakan yang menurut perhitungan merupakan tindakan yang tepat. Pada sisi lain, pembuat keputusan seringkali dihadapkan pada kerumitan dan lingkup pengambilan keputusan dengan data yang begitu banyak. Konsep sistem pendukung keputusan pertamakali dikenalkan oleh Michael S. Scoott Morton pada tahun 1970-an dengan istilah Management Decision System. SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidenifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif. Sistem pendukung keputusan adalah suatu sistem informasi yang spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang bersifat semi terstruktur untuk meningkatkan pembuatan keputusan. Sistem Pendukung Keputusan dirancang untuk menghasilkan berbagai alternatif yang ditawarkan kepada para pengambil keputusan, karena sebagian besar proses pengambilan keputusan yaitu perumusan masalah, pencarian alternatif telah dikerjakan oleh sistem, maka diharapkan para pengambil keputusan akan lebih cepat dan akurat dalam menangani masalah yang dihadapinya. Secara umum dapat dikatakan bahwa Sistem Pendukung Keputusan memberikan manfaat bagi para pengambil keputusan dalam meningkatkan efektifitas dan efisiensi kerja terutama dalam pengambilan keputusan. 2.3.2 Komponen Sistem Pendukung Keputusan Adapun komponen daripada Sistem Pendukung Keputusan adalah sebagai berikut: 1. Manajemen Data Mencakup database yang mengandung data yang relevan dan diatur oleh sistem yang disebut Database Management Syistem (DBMS). 2. Manajemen Model Merupakan paket perangkat lunak yang memasukkan model-model financial, statistik, ilmu manajemen, atau model kuantitatif yang lain yang menyediakan kemampuan analisis sistem dan management software yang terkait. 3. Antar Muka Pengguna Merupakan media interaksi antara sistem dan pengguna, sehingga pengguna dapat berkomunikasi dan memberikan perintah pada SPK melalui subsistem ini. 4. Sub Sistem Berbasis Pengetahuan Subsistem yang dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri. Untuk dapat lebih jelas mengenal dan memahami model konseptual SPK, dapat dilihat gambar 2.1. Gambar 2.1 Model Konseptual SPK 2.4 Metode SAW Metode SAW merupakan metode yang paling dikenal dan banyak digunakan untuk menghadapi situasi MADM. Metode ini sering juga disebut sebagai metode penjumlahan terbobot..(dicky Nofriansyah, S.Kom,M.Kom, 2014 :11). Metode 46

ini mengharuskan pembuat keputusan menentukan bobot untuk setiap atribut Skor total untuk sebuah atribut diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating yang dapat dibandingkan lintas atribut. Rating setiap atribut telah melewati proses normalisasi sebelumnya. Metode SAW dikenal sebagai istilah penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada..(dicky Nofriansyah, S.Kom,M.Kom, 2014 :11). Keterangan: rij = nilai rating kinerja ternormalisasi xij = nilai atribut yang dimiliki dari setiap criteria Max xij Min xij benefit = nilai terbesar dari setiap criteria = nilai terkecil dari setiap criteria = jika nilai terbesar adalah terbaik cost = jika nilai terkecil adalah terbaik Flow Chart SAW terlihat pada gambar 2.2. C4 : Grooming Dalam menentukan karryawan terbaik, PT ISS Indonesia memberikan bobot untuk setiap kriteria berdasarkan tingkat kepentingannya, yaitu: 1. Tabel Alternatif dan Kriteria Dalam tabel alternatif dan kriteria ini, kita memasukkan nilai kepada karyawan berdasarkan kriteria yang sudah ditentukan. Kita membuat penilaian berdasarkan kinerja karyawan tersebut pada hari yang sudah lampau sebagai pedoman. Keterangan : C1= Kehadiran C2= SOP C3= Kedisiplinan C4= Grooming 2. Pembobotan Setiap Kriteria Dalam menentukan kriteria dilakakukan pembobotan dari setiap kriteria, pembobotan tersebut dapat dilihat di bawah ini. a. Kehadiran (C1) Adapun pembobotan Kehadiran dapat dilihat pada table 3.6 Gambar 2.2 Flow Chart Diagram SAW 3. Metode Penelitian 3.1. Analisis Permasalahan Kriteria-kriteria yang digunakan dalam penelitian ini adalah sebagai berikut: C1 : Kehadiran C2 : SOP (Standard Operational Procedure) C3 : Kedisiplinan b. SOP (C2) Adapun pembobotan untuk SOP terlihat pada tabel 3.7 47

c. Kedisiplinan (C3) Adapun pembobotan untuk kriteria Kedisiplinan terlihat pada tabel 3.8 4. Tranformasi Ke Matrix X. Dalam menentukan nilai transformasi ke dalam matriks X merupakan nilai dari hasil tabel rating kecocokan diatas dibuat menjadi bentuk matriks. 0.7 0.5 0.6 0.6 0.6 055 0.5 0.5 d. Grooming (C4) Adapun pembobotan untuk Kritria Grooming terlihat pada tabel 3.9 X= 0.75 0.7 0.7 0.6 0.85 0.75 0.7 0.6 65 0.65 0.7 0.55 3. Rating Kecocokan Dalam penentuan rating kecockan maka nilai dari masing-masing criteria di atas di masukkan ke dalam table rating kecocokan yang telah disesuaikan dengan nilai dari table criteria. Maka table rating kecocokan dapat di lihat pada tabel 3.10 Adapun rumus untuk menentukan rating kecockan adalah X 11 X 12 X 1j X =................... (Persamaan 1) X i1 X i2 X ij 5. Penentuan Bobot dari Kriteria (W) Nilai Prefrensi (W) : W = [ W 1 W 2 W 3 W j ]........... (Persamaan 2) C1 = 35% C2 = 25% C3 = 25% C4 = 15% Bobot ini ditentukan oleh pihak perusahaan, dimana sebesar berapa persen pihak perusahaan memberikan akumulasi ke setiap kriteria. 6. Tabel Normalisasi Adapun kinerja dari normalisasi ini adalah, terletak pada hasil dari kinerja tabel alternatif diatas. Dimana nilai yang di input diatas, bisa dikategorikan sebagai matriks. Sehingga kita bisa menyelesaikan hasil normalisasinya dengan berdsarkan kolom, dan berdasarkan baris. x ij max x ij min x ij x ij Dengan Rumus : Jika j adalah atribut keuntungan (benefit).. (Persamaan jika j adalah attribut biaya (cost) 3) 48

Tabel 3.11 Tabel Normalisasi dari Kriteria Normalisasi baris 1-5 pada kolom 1 Normalisasi baris 1-5 pada kolom 2 7. Tabel Hasil Normalisasi Penyelesaian hasil normalisasi ini, setelah mengetahui hasil dari normalisasi diatas. Dimana hasilnya digabungkan lagi dalam bentuk matrik kembali, untuk dapat dilanjutkan kedalam penghitungan bobot yang sudah ditentukan dari awal. Tabel 3.12 Tabel Hasil Normalisasi Normalisasi baris 1-5 pada kolom 3 8. Tabel Perkalian Bobot dengan Hasil Normalisasi Dalam perkalian bobot dan hasil normalisasi ini, penggabungan dari hasil normalisasi dan bobot. Sehingga penyelesaiannya akan lebih mudah untuk menentukan rating selanjutya. n V i = j =1 w j r ij................ (Persamaan 4) Tabel 3.13 Perkalian Dengan Bobot Normalisasi baris 1-5 pada kolom 4 9. Tabel Hasil Rating dari Setiap Kriteria Hasil rating ini merupakan hasil akhir dari semua proses, sehingga disini sudah tampil rating tertinggi dan terendah. Dengan demikian, sudah bisa mengambil kesimpulan, siapa karyawan yang layak menjadi karyawan terbaik. 49

Tabel 3.14 Hasil Rating Dari Kriteria alternatif antara lain : Kehadiran, SOP, Kedisiplinan, dan Grooming. Dari kriteria tersebut, SDM akan melakukan penilaian terhadap karyawan. 4. Hasil Dan Pembahasan 4.1. Halaman Depan Halaman depan muncul ketika pertama kali aplikasi dibuka. Halaman ini menampilkan menu menu yang akan di proses, akan tetapi user harus login terlebih dahulu untuk bisa melakukan proses selanjutnya. Tampilan halaman depan terlihat pada gambar 4.1. Gambar 4.3 Tampilan Halaman Input Alternatif 4.4. Halaman Rating Kecocokan Dalam penentuan rating kecocokan, maka nilai dari masing-masing kriteria diatas dimasukkan ke dalam rating kecocokan yang terlihat pada gambar 4.4. Gambar 4.1 Tampilan Halaman Depan 4.2. Halaman Input data Karyawan Halaman input data karyawan in memiliki fasilitas simpan karyawan yang telah di input, edit karyawan, dan hapus. Adapun tampilan halaman input data karyawan secara lengkap terlihat pada gambar 4.2. Gambar 4.4 Tampilan Halaman Rating Kecocokan 4.5. Halaman Normalisasi Pada rancangan form normalisasi akan dikerjakan berdasarkan metode SAW (Simple Additive Weighting), dimana nilai setiap karyawan akan dijumlahkan secara keseluruhan untuk mendapatkan bobot atau hasil nornalisasinya. Sehingga berdasarkan hasil dari normalisasi tersebut, SDM dapat melanjutkan kinerjanya tentu akan sesuai metode SAW (Simple Additive Weighting) sebagai pedoman dalam perancangan aplikasi ini. Gambar 4.2 Tampilan Halaman Input Data Karyawan 4.3. Halaman Input Alternatif Dalam form ini, akan dibahas dalam penentuan karyawn yang lebih menonjol atau lebih baik. Dimana karyawan terbaik dicari kriteria dan Gambar 4.5 50

Tampilan Halaman Normalisasi 4.6. Halaman Normalisasi Selanjutnya Normalisasi selanjutnya akan menampilkan normalisasi pada kriteria ketiga dan keempat setelah dilakukan pennginputan pada alternatif dan kriteria. Halaman normalisasi selanjutnya terlihat pada gambar 4.6 Gambar 4.8 Tampilan Hasil Setiap Alternatif dan Kriteria 4.9. Halaman Hasil Proses Dalam halaman ini akan ditampilkan hasil dari semua perhitungan yang diproses sehingga akan diketahui alternatif yang berhak menjadi karyawan terbaik dengan nilai tertinggi dari semua alternatif. Halaman hasil proses terlihat pada gambar 4.9. Gambar 4.6 Tampilan Halaman Normalisasi Selanjutnya 4.7. Halaman Hasil Normalisasi Untuk hasil normalisasi, form ini akan menampilkan hasil normalisasi karyawan dari setiap alterntif dan kriteria. Hasil dari setiap alternatif dan kriteria akan dikalikan dengan bobot yang sudah ditentukan oleh perusahaan tersebut. Hasil perkalian matriks dan bobot ini serta penjumlahannya adalah rumus yang ke-2 dari Simple Additive Weighting (SAW). Gambar 4.7 Tampilan Halaman Hasil Normalisasi 4.8. Halaman Hasil Setiap Alternatif dan Kriteria Pada hasil rating alternatif ini, akan menampilkan nama karyawan kembali. Dimana nama karywan tersebut sudah diinput sebelum melakukan perhitungan ini tentunya berdasarkan metode SAW (Simple Additive Weighting). Hasil rating dari setiap alternatif dan kriteria akan ditampilkan pada hasil rating alternatif ini. Sehingga ratingnya akan ditampilkan secara otomatis dan akan tampak rating tertinggi dan terendah. Halaman ini akan menampilkan hasil akhir dari setiap karyawan yang terbaik, dan rating tertinggi tersebut merupakan sebagai karyawan terbaik. Gambar 4.9 Tampilan Halaman Hasil Proses 5. Kesimpulan Dan Saran Sebagai penutup bab ini akan membahas kesimpulan berdasarkan penelitian dan saran yang nantinya akan digunakan oleh perusahaan dalam hal penentuan karyawan terbaik. 5.1. Kesimpulan Berdasarkan kegiatan yang telah dilakukan oleh penulis selama perancangan sampai dengan pembuatan sistem pendukung keputusan penentuan karyawan terbaik ini, maka dapat diambil beberapa kesimpulan sebagai berikut: Berdasarkan kegiatan yang telah dilakukan oleh penulis selama perancangan sampai dengan pembuatan sistem pendukung keputusan penentuan karyawan terbaik ini, maka dapat diambil beberapa kesimpulan sebagai berikut: 1. Aplikasi sistem pendukung keputusan pemilihan karyawan terbaik berhasil dibuat dengan metode Simple Additive Wheigting (SAW) pada PT ISS Indonesia dan perlu pemahaman dan ketelitian yang tinggi dalam penggunaannya. 2. Dalam penerapan metode Simple Additive Wheigting (SAW) pada PT ISS Indonesia Medan harus memenuhi empat kriteria yang diproses yaitu, kehadiran, SOP, Kedisiplinan, dan Grooming. Maka sistem berhasil menentukan karyawan terbaik sesuai dengan kriteria dan bobot yang ditentukan semula sebelum perhitungan. 51

5.2 Saran Setelah sistem selesai, sistem masih memiliki banyak kekurangan, maka penulis memberikan saran sebagai berikut: 1. Bagi para peneliti sebaiknya melakukan penelitian sistem pendukung keputusan dengan menggunakan metode pengambilan keputusan yang lain seperti dengan Analityc Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Wheigthing Product (WP). 2. Jika perusahaan menggunakan atau menerapkan sistem usulan ini, maka sebaiknya perangkat lunak yang digunakan dikembangkan lagi guna untuk mempercepat pengolahan data yang digunakan. 3. Perlu dilakukan pemeliharaan dan pengawasan dari pihak yang bertanggung jawab terhadap sistem. Referensi [1].Al Fatta, Hanif. 2007. Analisis & Perancangan Sistem Informasi. Yogyakarta : Andi [2].Anzizhan, Syafaruddin. 2004. SistemPengambilan Keputusan Pendidikan. Jakarta : Grasindo. [3].Basyaib, Fachmi. 2004. Teori Pembuatan Keputusan. Jakarta : Grasindo. [4].Hermawan. 2005. Perancangan Sistem Pendukung Keputusan. Jakarta : PT Elex Media Computindo [5].Ismail. 2010. ManajemenPerbankan. Jakarta : Prenada Media Group. [6].Jogianto. 2005. Analisis dan Desain. Yogyakarta : Andi [7].Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi [8].Kusrini. 2007. Strategi Perancangan dan Pengolahan Basis Data. Yogyakarta : ANDI [9].Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Bogor : Grasindo [10].Nofriansyah, Dicky. 2014. Konsep Data mining Sistem Pendukung Keputusan. Yogyakarta : CV Budi Utama. [11].Nugroho, Bunafit. 2005. Database RelasionalDengan MySQL. Yogyakarta :AndiOfset. [12].Pohan, H. I. 1997. Pengantar Perancangan Sistem. Jakarta : Erlangga [13].Putranta, H. D. 2004. Pengantar Sistem Dan Teknologi Informasi. Yogyakarta : AMUS [14].Solution, Winpec. 2007. Mudah Menguasai Microsoft Access 2007. Jakarta : PT Elex Media Computindo 52