SISTEM PENDUKUNG KEPUTUSAN UNTUK PENENTUAN CALON PELAMAR KERJA DAN PERUSAHAAN DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING

[postlink]http://eriirawan78.blogspot.com/2014/06/sistem-pendukung-keputusan-untuk.html[/postlink]

 

METODE

Multi Attribute Decision Making (MADM)

Pada dasarnya, proses Multi Attribute Decision Making (MADM) dilakukan melalui 3 (tiga) tahap, yaitu penyusunan komponen-komponen situasi, analisis, dan sintesis informasi. Pada tahap penyusunan komponen-komponen situasi akan dibentuk tabel taksiran yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan atribut. Salah satu cara menspesifikasikan tujuan situasi  O_i, i=l,…, t  adalah dengan cara mendaftar konsekuensi-konsekuensi yang mungkin telah teridentifikasi  O_i, i=l,…, n. selain itu mulai disusun atribut-atribut yang akan digunakan  a_k , k = l, …, m  .

Tahap analisis dilakukan melalui 2 (dua) langkah. Pertama mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan dengan dampak-dampak yang mungkin pada setiap alternatif. Kedua, meliputi pemilihan dari pereferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap resiko yang timbul. Pada langkah pertama, beberapa metode menggunakan fungsi distribusi p_j(x)  yang menyatakan probalitas kumpulan atribut  a_k   terhadap setiap alternatif  a_l . Konsekuen juuga dapat ditentukan secara langsung dari agregasi sederhana yang dilakukan pada informasi terbaik yang tersedia. Demikian pula, ada beberapa cara untuk menentukan preferensi pengambil keputusan pada setiap konsekuen yang dapat dilakukan pada langkah kedua. Metode yang paling sederhana untuk menurunkan bobot atribut dan kriteria adalah dengan fungsi utilitas dan pejumlahan terbobot.

Secara umum, model multi attribute decision making dapat didefinisikan sebagai berikut (Kusumadewi, 2006):

Misalkan A = {a_j  i = l, … , n } adalah himpunan alternatif keputusan

C = {c_j  j = l, … , m} adalah himpunan tujuan yang diharapkan maka akan ditentukan alternatif x^o yang memiliki derajat harapan tertinggi terhadap tujuan-tujuan relevan c_j.

Sebagian besar pendekatan MADM dilakukan 2 (dua) langkah, yaitu: pertama, melakukan agregasi terhadap keputusan-keputusan yang tanggap terhadap semua tujuan pada setiap alternatif dan kedua, melakukan perengkingan alternatif-alternatif keputusan tersebut berdasarkan hasil agregasi keputusan.

Dengan demikian, dapat dikatakan bahwa masalah MADM adalah mengevaluasi m alternatif A_i { i = 1, 2, … , m} terhadap sekumpulan atrbut atau kriteria C_j { j = 1, 2, … , n} dimana setiap atribut saling tidak bergantung satu dengan yang lainnya. Matriks keputusan alternatif terhadap setiap atribut X, diberikan sebagai berikut:

            Dimana x_ij merupakan rating kinerja alternatif ke – i terhadap atribut ke – j. Nilai bobot yang menujukan tingkat kepentingan relative setiap atribut, diberikan sebagai W:

W = {w_j , w_j, …., w_n}

Rating kinerja (x) dan nilai bobot (w) merupakan nilai utamam yang merepresentasikan preferensi absolute dari pengambil keputusan. Masalah MADM diahkiri dengan proses perankingan untuk mendapatkan alternatif terbaik yang diperoleh berdasarkan nilai keseluruhan yang diberikan.

Menurut Kusumadewi (2206 : 74) salah satu metode untuk menyelesaikan masalah MADM adalah dengan Simple Additive Weighting (SAW).

Simple Additive Weighting (SAW)

Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar SAW adalah  mencari penjumlahan terbobot dari kinerja setiap alternatif pada semua atribut (Kusumadewi, 2006). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada.

Jika j adalah atribut keuntungan (benefit)

jika j adalah attribute biaya (cost)

Dimana r_ij adalah rating  kinerja ternormalisasi dari alternatif A_i pada atribut C_j : i = 1, 2, …, m dan j = 1, 2, …, n. Nilai preferensi untuk setiap alternatif (V_i) diberikan sebagai berikut:

Nilai V_i lebih besar mengindikasikan bahwa alternatif A_i lebih terpilih.

Analisis Dan Perancangan Sistem

                   Permasalahan yang saat ini dihadapi oleh STIKOM Career Center (SCC) adalah tidak memiliki record kompetensi yang dimiliki oleh alumni dan data perusahaan, tidak adanya sarana untuk melakuan penyaringan alumni berdasarkan kompetensi yang dimiliki untuk mengetahui lowongan  yang sesuai sehingga SCC tidak memiliki informasi-informasi mengenai kompetensi alumni dan jumlah kompetensi yang dibutuhkan oleh perusahaan.

Berdasarkan permasalahan tersebut maka dibutuhkan suatu sistem informasi lowongan pekerjaan berbasis web yang memiliki fungsi sebagai sarana untuk menampung data alumni beserta kompetensi yang dimilikinya dan data perusahaan beserta lowongan pekerjaan yang akan ditawarkan, juga dapat  melakukan penyaringan kompetensi alumni berdasarkan perhitungan dengan metode Simple Additive Weighting (Saw) dimana setiap kompetensi akan memiliki bobot dan dapat menghasilkan laporan mengenai  jumlah kompetensi yang dibutuhkan oleh perusahaan.

Gambar 1. Use Case Diagram  Website SCC

Diagram use case bisnis menunjukkan interaksi antara use case bisnis dan aktor bisnis. Use case bisnis mempresentasikan proses bisnis yang dilakukan, sedangkan aktor bisnis mempresentasikan peranan (roles) yang dimainkan pada aktivitas bisnis. Peranan yang dilakukan oleh sesorang atau sesuatu di dalam ruang lingkup bisnis disebut pekerja bisnis (Sholiq, 2010:20).

Terdapat satu pekerja bisnis yaitu pihak SCC dan dua aktor bisnis yaitu perusahaan dan alumni karena berada di luar organisasi. Pihak SCC berperan untuk mencetak laporan, mengapprove lowongan yang masuk, mengakses halaman perhitungan SAW dan memanage master.Untuk perusahaan memiliki peran untuk melakukan pendaftaran, mengisi lowongan perkerjaan dan mengapprove surat lamaran. Peran alumni adalah mengaujukan surat lamaran dan mengakses informasi pemberitahuan surat lamaran.

Flow Of Events Use Case Mengakses Hala-man Perhitungan Saw

Halaman perhitungan SAW ini mengumpulkan data dari semua lowongan yang suda diterima oleh SCC. Dari lowongan tersebut dapat dilakukan perhitungan SAW.

Tabel 1.  Flow of Events Mengakses Halaman Perhitungan SAW

Nama Use Case	Login
Kebutuhan terkait	Data-data lowongan beserta surat lamaran yang sudah diajukan oleh alumni akan dikelola menjadi sebuah laporan.
Tujuan	Memperoleh daftar alumni yang paling sesuai dengan lowongan yang ada.
Prasyarat	Tidak ada.
Kondisi akhir Sukses	Memperoleh daftar alumni yang sesuai dengan kebutuhan lowongan.
Kondisi akhir gagal	-
Aktor utama	SCC
Aktor sekunder	Tidak Ada
Pemicu	SCC menekan tautan perhitungan SAW.
Alur utama	Langkah	Aksi
	1	Membuka halaman khusus admin SCC.
	2	Menekan tautan daftar lowongan.
	3	Menekan tautan daftar perhitungan SAW.
	4	Melakukan koneksi ke database.
	5	Mengambil data kebutuhan lowongan dan kompetensi alumni.
	6	Melakukan perhitungan SAW
	7	Menampilkan hasil perhitungan SAW
	8	Use case berakhir.
Alur perluasan	Langkah	Aksi Percabangan
	3.1	Menekan tautan view lowongan.
	7.1	Menekan view CV

Perhitungan SAW

            Dalam perhitungan SAW setiap kategori meiliki bobot tersendiri untuk softskill dan minat kerja memiliki nilai 1(satu) untuk setiap kecocokan yang dimiliki alumni dengan kebutuhan lowongan. Sedangkan hardskill memiliki penilaian yang berbeda untuk setiap pilihan. Untuk  sangat mengusai bernilai 3 (tiga), menguasai 2 (dua), dan sedikit menguasai bernilai 1 (satu). Dari data mentah di atas dapat dilakukan perhitungan rata-rata sebagai berikut ini:

Tabel 2. Tabel rating kecocokan dari setiap

       alternative pada setiap kriteria

Alumni	KOMPETENSI
	Hardskill	Softskill	Minat Pekerjaan
08.51016.0023	6	3	2
06.51016.0091	4	3	0
02.39010.0007	0	1	0
06.41010.0235	4	1	0

               

Karena setiap nilai yang diberikan pada setiap alumni di setiap kompetensi merupakan nilai kecocokan (nilai teresar adalah terbaik), maka semua kompetensi yang diberikan diasumsikan sebagai kriteria keuntungan.

Matriks yang dibentuk dari tabel kecocokan adalah sebagai berikut :

Pertama-tama dilakukan normalisasi matriks z berdasarkan persamaan berikut :

(Jika  merupakan angka 0 maka  akan dianggap 0 juga)

 

Tabel 3 Tabel normalisasi matriks z

Alumni	KOMPETENSI
	Hardskill	Softskill	Minat Pekerjaan
08.51016.0023
06.51016.0091			0
02.39010.0007	0		0
06.41010.0235			0

Sehingga diperoleh matriks ternormalisasi R sebagai berikut :

Proses perankingan diperoleh berdasarkan rumus :

Tabel 4. Tabel pembobotan

Alumni	KOMPETENSI			TOT
	Hardskill	Softskill	Minat Pekerjaan
08.51016.0023	6*1	3*1	2*1	11
06.51016.0091	4*0.6	3*1	0*0	5.6
02.39010.0007	0*0	1*0.3	0*0	0.3
06.41010.0235	4*0.6	1*1	0*0	3.6

                Dengan menggunakan SAW diperoleh hasil bahwa 08.51016.0023 merupakan alumni yang paling sesuai dengan lowongan tersebut.

HASIL DAN PEMBAHASAN

Hasil yang dibahas adalah hasil perhitungan SAW dengan menggunakan website ini akan menampilkan daftar alumni sesuai dengan kompetensinya.

Gambar 1. merupakan tampilan halaman daftar lowongan yang akan digunakan oleh pihak SCC dalam menentukan lowongan yang akan menggunakan metode SAW dalam pencarian calon karyawan yang sesuai.

Dari halaman daftar lowongan pihak SCC menekan tautan perhitungan SAW. Setelah itu maka halaman daftar alumni beserta tingkat kecocokan terhadap lowongan tersebut akan ditampilkan seperti gambar 2.

Gambar 1. Halaman Daftar Lowongan

Gambar 2. Halaman Hasil Perhitungan SAW

Uji coba kasus yang digunakan adalah mencocokan hasil perhitungan SAW secara manual dibandingan dengan menggunakan website ini apakah sudah sesuai atau tidak.

Hasil perhitungan manual dapat dilihat pada tabel . Sedangkan hasil perhitungan dengan menggunakan website dapat dilihat pada gambar

Gambar 3. Halaman Hasil Perhitungan SAW

Dengan demikian hasil inputan dari perusahaan berupa kebutuhan lowongan dan inputani alumni berupa kompetensi yang dimilikinya dapat menghasilkan daftar alumni sesuai dengan kompetensi yang dimilikinya dengan menggunakan metode SAW. Dan hasil yang didapat dari website sesuai dengan perhitungan SAW secara manual.

Sedangkan laporan yang dihasilkan merupakan informasi mengenai jumlah kompetensi yang butuhkan oleh perusahaan dalam setiap lowongan sehingga admin dapat mengetahui jumlah kompetensi setiap lowongan yang ada.

Gambar 4. Laporan kompetensi dari

    setiap lowongan