IMPLEMENTASI ALGORITMA SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PENILAIAN KINERJA PEGAWAI Wendi Wirasta 1, Alfi Muhamad Rinaldi 2 2 Program Studi Teknik Informatika, STMIK LPKIA Bandung 3 Jln. Soekarno Hatta No. 456 Bandung 40266, Telp. +62 22 75642823, Fax. +62 22 7564282 1 wirasta1330@gmail.com, 2 alfimuhamad@fellow.lpkia.ac.id Abstrak Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasi data. Sistem ini digunakan untuk membantu mengambil keputusan dalam situasi yang semi terstruktur dan tidak terstruktur, dimana tidak seorang pun tahu secara umum bagaimana keputusan tersebut dibuat. Sistem pendukung keputusan ini, dapat menentukan nilai perhitungan terhadap semua kriteria. Sistem ini menggunakan metode Simple AdditiveWeighting (SAW). Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode prototype adalah bagian dari produk yang mengekspresikan logika maupun fisik antarmuka ekternal yang ditampilkan. Dengan menggunakan metode penelitian prototype dan metode pengembangan yaitu algoritma Simple Additive Weighting diharapkan bisa membantu perusahaan dalam memberikan penilaian kepada pegawai serta bisa melakukan evaluasi untuk memajukan perusahaan menjadi lebih baik. Kata kunci : SPK, SAW, Prototype 1. Pendahuluan Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanupulasi data. Sistem ini digunakan untuk membantu mengambil keputusan dalam situasi yang semi terstruktur dan tidak terstruktur, dimana tidak seorangpun tahu secara umum bagaimana keputusan tersebut dibuat[1]. Salah satu cara untuk mengolah sistem pendukung keputusan ini adalah dengan metode Simple Additive Weighting (SAW). Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua kriteria. Agar permasalahan yang terjadi dapat ditangani dengan baik dan terarah maka perlu adanya batasan masalah. Adapun beberapa batasan masalah yaitu Penghitungan penilaian kinerja pegawai berfokus menggunakan algoritma simple additive weighting (SAW), Kriteria penilaian pegawai yang digunakan adalah berdasarkan kriteria yang ditetapkan. Tujuan yang ingin dicapai dari adalah Aplikasi yang dirancang dapat menghasilkan data dan informasi penilaian kinerja pegawai yang objektif, akurat dan adil serta menghilangkan terjadinya keluhan kritik mengenai penilaian kinerja yang didapat oleh pegawai dan Dengan dibuatkan sistem penilaian kinerja pegawai yang baru dengan menggunakan metode Simple Additive Weighting (SAW) berupa aplikasi dapat mempermudah proses penilaian sehingga akan mempercepat proses penilaian. Penilaian Kinerja merupakan suatu proses untuk penetapan pemahaman bersama tentang apa yang akan dicapai, dan suatu pendekatan untuk mengelola dan mengembangkan orang dengan cara peningkatan dimana peningkatan tersebut itu akan dicapai didalam waktu yang singkat ataupun lama. Peningkatan ini tidak terjadi hanya karena sistem yang yang dikemudikan oleh manajemen untuk mengatur kinerja dari pegawai mereka, tapi juga melalui suatu pendekatan kearah mengelola dan mengembangkan orang yang memungkinkan mereka untuk mengatur pengembangan dan kinerja mereka sendiri dalam kerangka sasaran yang jelas dan standar yang telah disetujui dengan para penyelia mereka[7]. Untuk meningkatkan kinerja pegawai sebaiknya dilihat dari penilaian prestasi kinerja pegawai selama bekerja di perusahaan tersebut. Setiap pegawai harus diketahui hasil pekerjaan selama bekerja di perusahaan tersebut, apakah hasil kerja pegawai terbilang bagus, sedang ataupun kurang. Penilaian kinerja harus dilakukan secara adil, realistis, dan relevan dengan pekerjaan yang dikerjakan. 2. Dasar Teori 2.1. Sistem Pendukung Keputusan Sistem Pendukung Keputusan (Decision Support System) adalah sebuah sistem informasi yang menggunakan model keputusan, sebuah database dan sebuah wawasan dari pembuat keputusan dalam sebuah proses pemodelan yang ad hoc dan interaktif untuk mencapai sebuah keputusan yang spesifik oleh seorang pembuat keputusan yang spesifik. DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas
kapabilitas mereka. DSS ditujukan untuk keutusankeputusan yang memerlukan penilaian atau pada keputusan-keputusan yang tidak terstruktur. Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasi data. Sistem ini digunakan untuk membantu mengambil keputusan dalam situasi yang semi terstruktur dan tidak terstruktur, dimana tidak seorang pun tahu secara umum bagaimana keputusan tersebut dibuat. [1]. 2.2. Metode Extreme Programming Untuk mencapai komunikasi yang efektif yang seharusnya terjadi antara rekayasawan perangkat lunak dan para pemangku kepentingan lainnya (misalnya, untuk membangun fitur dan fungsi yang diperlukan untuk perangkat lunak), XP menekankan kolaborasi informal (namun bersifat lisan) antara pelanggan dan pengembang perangkat lunak, menekan pentingnya pembentukan metafora yang efektif untuk mengkomunikasikan konsep penting, Umpan balik terus menerus, dan menekankan pentingnya dokumentasi yang produktif sebagai media komunikasi. Untuk mencapai kesederhanaan. XP membatasi pengembang perangkat lunak melakukan perancangan hanya untuk kebutuhan-kebutuhan yang sifatnya mendesak alih-alih melakukan perancangan kebutuhan-kebutuhan yang diperlukan di masa depan. Tujuannya adalah untuk menciptakan rancangan yang sederhana yang dapat dengan mudah diimplementasikan dalam bentuk kode-kode program secara cepat. Jika rancangan tersebut selanjutnya harus ditingkatkan, rancangan yang bersangkutan dapat di-refaktorisasi di waktu yang lain. 2.3. Algoritma SAW Metode SAW merupakan salah satu metode penyelesaian masalah Multi Attribute Decision Making (MADM) yang paling sederhana dan paling banyak digunakan. Selain itu, metode ini juga merupakan metode yang paling mudah diaplikasikan, karena mempunyai algoritma yang tidak terlalu rumit. Metode SAW (Simple Additive Weighting) sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatuskala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Dimana rij adalah rating kinerja ternormalisasi dari alternatif A1 pada atribut Cj; I = 1,2,,m dan j = 1,2,,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai : Keterangan : Vi : nilai akhir dari alternative Wi : bobot yang telah ditentukan Rij : normalisasi matriks Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih. Langkah-langkah metode dalam metode SAW yaitu membuat matriks keputusan Z berukuran m x n, dimana m = alternatif yang akan dipilih dan n = kriteria lalu memberikan nilai x setiap alternatif (i) pada setiap kriteria (j) yang sudah ditentukan,dimana,i=1,2, m dan j = 1, 2, n pada matriks keputusan Z Memberikan nilai bobot preferensi (W) oleh pengambil keputusan untuk masing-masing kriteria yang sudah ditentukan. Melakukan normalisasi matriks keputusan Z dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Ai pada atribut Cj. Dengan ketentuan dikatakan atribut keuntungan apabila atribut banyak memberikan keuntungan bagi pengambil keputusan, sedangkan atribut biaya merupakan atribut yang banyak memberikan pengeluaran jika nilainya semakin besar bagi pengambil keputusan. Apabila berupa atribut keuntungan maka nilai (xij) dari setiap kolom atribut dibagi dengan nilai (MAX xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai (MIN xij) dari tiap kolom atribut dibagi dengan nilai (xij) setiap kolom.
Hasil dari nilai rating kinerja ternormalisasi (rij) membentuk matriks ternormalisasi (N) Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (N) dengan nilai bobot preferensi (W). Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (N) dengan nilai bobot preferensi(w). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif terbaik. 2.4. UML Menurut Adi Nugroho dalam bukunya yang berjudul Rekayasa Perangkat Lunak Berorientasi Objek, UML (Unified Modelling Language) adalah bahasa pemodelan untuk sistem atau perangkat lunak yang berparadigma berorientasi objek pemodelan (modeling) sesungguhnya digunakan untuk penyederhanaan permasalahan-permasalahan yang kompleks sedemikiann rupa sehingga lebih mudah dipelajari dan dipahami. Dalam pemodelan perangkat lunak (software modeling) bekerja dengan cara yang cukup serupa layaknya seorang arsitek atau insinyur teknik sipil yang akan membuat sebuah bangunan atau gedung yang berskala besar. [2] UML terdiri dari usecase diagram, activity diagram, class diagram, sequence diagram, component diagram dan deployment diagram. [3] 2.5. Fungsional dan Non Fungsional Requirement Kebutuhan Fungsional adalah kebutuhan yang berisi proses-proses apa saja / layanan apa saja yang nantinya harus disediakan oleh sistem, mencackup bagaimana sistem harus bereaksi pada input tertentu dan bagaimana perilaku sistem pada situasi tertentu. Sedangkan Kebutuhan Non Fungsional adalah kebutuhan yang menitikberatkan pada properti prilaku yang dimiliki oleh sistem. kebutuhan fungsional juga sering disebut sebagai batasan layanan atau fungsi yang ditawarkan sistem seperti batasan waktu, batasan pengembangan proses, standarisasi dan lain lain. Secara umum kebutuhan non fungsional suatu perangkat lunak terdiri dari empat macam, yaitu Usability, Portability, Reliability dan Supportability.. 3. Analisis Dan Perancangan Perangkat Lunak Agar dapat melakukan implementasi algoritma SAW maka dapat dilihat berdasarkan model generik pada Gambar 3(a). A. Identifikasi Permasalahan Untuk mengetahui permasalahan maka pada tahap ni dilakukan wawancara dengan stakeholder hingga mencapai tujuan yang ingin dicapai, dan setelah itu mulai mengumpulkan data. B. Analisa Dan Implementasi Perangkat Lunak Tahap ini berbagai analisa dilakukan, seperti menganalisa kebutuhan fungsional dan non fungsional, menganalisa metode perangkat lunak yaitu algoritma SAW dan menerapkannya pada perangkat lunak yang sedang dibangun. a. Analisa Kebutuhan Analisa kebutuhan terbagi menjadi 2 yaitu kebutuhan fungsional dan kebutuhan nonfungsional. Dimana pada tahap ini peneliti menganalisa berbagai kebutuhan yang harus ada Gambar 3(a) Generic Diagram
berdasarkan hasil wawancara maupun observasi saat praktik kerja lapangan di perusahaan. b. Analisa Metode Pengembangan Perangkat Lunak Analisa pada tahap ini peneliti mulai mencari ndan menentukan metode pengembangan apa yang cocok sesuai dengan kebutuhan fungsional dan non fungsional yang sebelumnya di analisis. c. Implementasi Desain dan Coding Perangkat Lunak Pada tahap ini mulai dibangun perangkat lunak dan menerapkan algoritma pada pengkodean yang sedang dibangun tersebut. Untuk menopang tahap utama pada analisa dan implementasi perangkat lunak, maka dibantu dengan tahap metode penyelesaian masalah dengan algoritma simple additive weighting. Pada tahap ini dibagi lagi menjadi 2 pokok penting yaitu penentuan kriteria bobot dan proses penginputan nilai serta perhitungan normalisasi dan perangkingan nilai. Perangkingan merupakan hasil akhir dari metode dengan algoritma naïve bayes, dimana rangking tertinggi merupakan hasil yang terbaik. C. Pengujian Tahap terakhir yaitu pengujian, dimana pengujian terbagi menjadi 2 cara, yaitu secara blackbox atau whitebox. 3.1. Perancangan Sistem Berdasarkan model generik, pada tahap desain sistem maka peneliti menggunakan konsep Object Oriented dengan pemodelan UML yang kebutuhan sistemnya akan digambarkan menggunakan usecase diagram dan class diagram. Gambar 3(b). Use Case Diagram A. Use Case Diagram Dalam menanggapi kebutuhan dari pengguna sistem, maka dilakukan analisa kegiatan yang dapat dapat dilakukan oleh sistem, seperti yang tergambar pada Gambar 3(b). Dimana sistem tersebut memiliki 2 aktor yaitu kepala HRD dan staff HRD. Serta didalam use case tersebut terdapat 9 usecase yang menggambarkan kegiatan yang dapat dilakukan oleh sistem.. B. Class Diagram Berdasarkan desain sistem pada generic diagram untuk membangun sistem diperlukan rancangan kelas-kelas yang saling terhubung. Pada Gambar 3(c). menunjukan kelas diagram yang memiliki 2 kelas utama, yaitu class variabeldatul dan DataDatul dimana kelas tersebut dihubungkan menggunakan class yang sudah ada dari bawaan framework php. Framework yang digunakan adalah YII framework. Gambar 3(c). Class Diagram
Tabel 4(a). Kriteria dan Bobot Kriteria (Ci) Bobot Kepemimpinan 25 Skill Berkomunikasi 20 Kehadiran 20 Kerjasama Tim 15 Penyelesaian Masalah 10 Inisiatif 10 Tabel 4(b). Himpunan Data Kriteria Nama Keterangan Nilai SB Sangat Buruk 5 B Buruk 25 C Cukup 50 BA Baik 75 SBA Sangat Baik 100 4. Implementasi 4.1 Implementasi Studi Kasus Untuk menentukan penilaian kinerja pegawai dengan algoritma SAW maka langkah yang harus dilakukan adalah membuat kriteria dan bobot seperti pada Tabel 4(a). sesuai dengan ketetapan penilaian dari Dapen Telkom. Setelah membuat kriteria dan bobot maka dilanjutkan untuk membuat tabel himpunan data kriteria seperti pada Tabel 4(b). 4.2 Hasil Implementasi Dalam perhitungan ini, dikarenakan semakin tinggi nilainya semakin baik, maka setiap kriteria dihitung menggunakan atribut benefit dari metode SAW. Untuk contoh perhitungan ini digunakan 4 sampel pegawai seperti pada Tabel 4(c). yang telah diberi nilai. Dari nilai tersebut, selanjutnya dilakukan proses normalisasi matriks dengan atribut benefit menggunakan rumus di bawah ini : Hasil dari normalisasi tersebut selanjutnya dikalikan dengan bobot kriteria sesuai dengan Tabel 4(a). Setelah proses normalisasi, selanjutnya dihitung nilai preferensi untuk setiap alternatif dengan cara menjumlahkan hasil kali matriks ternormalisasi dengan bobot(w) dengan rumus : Langkah terakhir adalah proses perangkingan berdasarkan nilai V terbesar. Hasil perangkingan tersebut dapat dilihat menggunakan visualisasi data seperti pada Gambar 4(a). Tabel 4(c). Data Penilaian Pegawai Nomor NIP Nama C1 C2 C3 C4 C5 C6 1 6313195 Alfi Muhamad Rinaldi C C C SBA C BA 2 6313196 Dudung Sulaeman B SB C C BA B 3 6313197 Iis Suginah SB SB SB BA SB BA 4 6313198 Ani Suganda SB BA BA SB SBA SBA Gambar 4(a). Visualisasi Data Penilaian Pegawai
5. Kesimpulan dan Saran 5.1 Kesimpulan Setelah melakukan penelitian terhadap perangkat lunak yang dibuat dan mengimplementasikan serta pengujian yang dilakukan, berikut ini adalah hasil kesimpulan yang dapat dijabarkan: 1. Dapat melakukan proses penilaian terhadap pegawai dengan kriteria yang telah ditentukan, kepemimpinan, skill berkomunikasi, kehadiran, kerjasama tim dan penyelesaian masalah. 2. Dengan menggunakan metode Simple Additive Weighting (SAW) dapat membuat aplikasi untuk melakukan penilaian kinerja. 5.2 Saran Adapun saran-saran untuk pengembangan perangkat lunak penilaian kinerja pegawai berbasis web localhost di DAPEN TELKOM untuk kedepannya adalah : 1. SPK penilaian kinerja pegawai dapat dikembangkan lagi ke dalam Sistem Informasi Kepegawaian yang lebih mencakup kepegawaian secara keseluruhan. 2. Dapat dikembangkan lebih baik lagi dengan penambahan fitur, terkoneksi dengan kantorkantor cabang sehingga perangkat lunak ini bisa dipantau dan diimplementasikan pada setiap cabang di seluruh indonesia. 4. Bibliography [1] Kusrini, Konsep Dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta: Andi Offset, 2007, p. 4. [2] A. Nugroho, Rekayasa Perangkat Lunak Berbasis Objek dengan Metode USDP, Yogyakarta: Andi Publisher, 2010. [3] R. S. Pressman, Rekayasa Perangkat Lunak, Yogyakarta: Andi Publisher, 2012. [4] B. Sidik, Pemograman Web Dengan PHP Edisi Revisi, Bandung: INFORMATIKA, 2012. [5] A. Nugroho, Rekayasa Perangkat Lunak Berorientasi Objek, Yogyakarta: ANDI, 2010. [6] Diktat Pemograman Web, 20 agustus 2015. [Online]. Available: http://repo.unnes.ac.id/dokumen/pemrogramanweb/pw2_pertemuan10.pdf. [7] Rivai, Manajemen Sumber Daya Manusia, Jakarta: Raja Grafindo, 2005. [8] M. d. J. Human Resource Management, Jakarta: Salemba Empat, 2009.