Post on 31-Jan-2023
EVALUASI KINERJA KARYAWAN MENGGUNAKAN METODE AHP DAN FUZZITAHANI SEBAGAI PENGOLAH DATANYA
Proposal Tugas Akhir
Diajukan Untuk Memenuhi
Persyaratan Guna Meraih Gelar Sarjana Strata I
Teknik Informatika Universita Muhammadiyah Malang
Nama
niM
JURUSAN TEKNIK INFORMATIKA
JUNI, 2012
1. Latar Belakang
Perguran tinggi membutuhkan informasi untuk membantu
kegiatannya. Informasi tersebut semakin banyak dan
berubah secara cepat setiap hari sehingga
pengelolaannya menjadi semakin sulit. Seiring dengan
meningkatnya sumber daya manusia, dibutuhkan suatu sistem
dalam bentuk perangkat lunak komputer yang dapat
mendukung dan mempermudah kegiatan dan pengelolaan
informasi terutama dalam mengevaluasi kemampuan karyawan.
Perkembangan teknologi yang semakin maju saat ini
sangat dibutuhkan dalam mendukung kegiatan di berbagai
bidang.
Kebutuhan informasi yang cepat dan akurat menjadi suatu
hal yang sangat diutamakan dalam penyampaiannya. Hal ini
menyebabkan perkembangan teknologi menjadi salah satu
andil yang sangat besar dalam hal yang berkaitan dengan
penyampaian informasi tersebut. Sistem pendukung
keputusan yang terancang dengan baik akan sangat
membantu Perusahaan dalam mendapatkan informasi yang akan
dijadikan acuan dalam menetukan keputusan. Informasi
kemampuan karyawan di Perusahaan atau instansi sangat
diperlukan sebagai pendukung pengambilan keputusan,
pengendalian, dan koordinasi bagi seorang pimpinan
dalam mengelola sumber daya manusia yang berperan di
dalam instansinya. Kemudahan, keakuratan, dan kecepatan
dalam memperoleh informasi akan mendukung pengelolaan
sumber daya secara optimal.
Selama ini dalam menilai kemampuan karyawan yang
dilakukan di Perusahaan masih terbatas pada sistem
yang sudah ada dan perangkat yang digunakan, untuk itu
perlu dibangun suatu sistem pnedukung keputusan
berbasis aplikasi bagi perusahaan yang mampu memberikan
informasi dukungan dalam mengevalauasi kemampuan karyawan
yang terintegrasi dengan sistem pendukung keputusan yang
terautomasi sehingga mampu mendatangkan manfaat yang
lebih bagi pengguna (user) dalam hal ini manajer
Perusahaan , kepala unit dan wakil direktur. Sistem
evaluasi kemampuan karyawan ini diharapkan dapat menjadi
sarana unggulan dalam menilai kemampuan karyawan
Perusahaan.
Sistem evaluasi kemampuan karyawan ini sangat
penting bagi pihak manajemen perusahaan dalam
mengevaluasi kemampuan karyawansehingga dapat menentukan
prestasi yang dapat dicapai juga untuk meningkatkan
kemampuan karyawan setiap tahunnya. Oleh karena itu perlu
adanya suatu sistem pendukung keputusan dalam mengevaluasi
kemampuan karyawan Perusahaan .
Data yang digunakan untuk Decision Support System (DSS)
atau sistem pendukung keputusan tersebut berasal dari
rekan kerjanya dan konsumen yang akan mengisi nilai-nilai
kiriteria pada aplikasi sistem pendukung keputusan yang
akan di olah oleh metode Analytical Hirarchi Process (AHP) dan
Fuzzy Tahani.
.
2. Rumusan Masalah
Dari uraian latar belakang di atas, penulis menemukan
rumusan masalah yaitu :
Bagaimana membangun sistem evaluasi kemampuan karyawan
dan mengimplementasikan metode Analytical Hirarchi Process (AHP)
dan Fuzzy Tahani sebagai pengolah datanya dalam evaluasi
kemampuan karyawan Perusahaan ?.
3. Batasan Masalah
Menghindari meluasnya masalah yang akan dibahas dalam
pembuatan program, maka ditetapkan batasan masalah sebagai
berikut:
1. Dalam penerapan metode yang dilakukan untuk
menyelesaikan masalah yang terdapat pada aplikasi
aplikasi, digunakan metode perhitungan Analytical Hirarchi
Process (AHP) dan Fuzzy Tahani dalam mengevaluasi kinerja
Perusahaan .
2. Sedangkan dalam hal pembuatan aplikasisite yang
dilakukan, bahasa pemrograman aplikasi yang dipakai
adalah bahasa pemrograman JAVA dengan menggunakan
database MySQL.
4. Tujuan Dan Manfaat
Adapun tujuan tugas Akhir ini adalah membuat rancang
bangun sistem pendukung keputusan evaluasi diri pada
Perusahaan . Dengan adanya ini nanti diharapkan sebagai
berikut :
1. Untuk mengevaluasi kemampuan karyawan pada
Perusahaan dengan mengimplementasikan metode
Analytical Hirarchi Process (AHP) dan Fuzzy Tahani.
2. Dengan sistem pendukung keputusan evaluasi kemampuan
karyawan ini diharapkan para pengambil keputusan
pada pihak manajemen Perusahaan dalam menganalisa
dan mengevaluasi kemampuan karyawan untuk
meningktkan kualitas kemampuan karyawan pada
Perusahaan .
Dan dengan adanya sistem pendukung keputusan evaluasi
pada Perusahaan . Diharapkan dapat bermanfaat sebagai
berikut :
1. Bagi Rekan kerjanya dan konsumen
Meningkatkan pengetahuan penulisan dalam menyusun
sebuah karya tulis yang benar dan sebagai sarana
pengembangan potensi dan kreatifitas yang dimiliki.
Dan Belajar menganalisa permasalahan dan kesalahan
dan menerapkanya ke dalam perancangan sistem. Serta
Membangun suatu perancangan suatu aplikasi software
yang sistematis dan terstruktur sehingga aplikasi
akan di buat bener-bener bagi yang berkepentingan.
2. Bagi pembaca
Memberikan pengetahuan dan penjelasan mengenai
langkah-langkah perancangan sistem evaluasi yang
benar dan singkat. Dan serta menberikan pengetahuan
bagaimana menyusun dan merancang suatu karya ilmiah.
5. Logika Fuzzy
Pernyataan-pernyataan “sangat fleksibel”, “lumayan
pendek”, “penyelesaian yang bagus” adalah pernyataan yang
ambigu. Pernyataan ambigu merupakan karakteristik manusia
berkomunikasi secara linguistik dan itu adalah bagian yang
terintegrasi dengan proses berfikir. Hal tersebut sangat
berbeda dari pemrograman komputer dengan logika boolean yang
hanya menyatakan benar dan salah. Logika Fuzzy dapat menjembatani
perbedaan boolean dengan hal yang ambigu. Logika Fuzzy
menyediakan suatu cara untuk merubah pernyataan linguistik
menjadi suatu numerik (Synaptic, 2006).
Logika Fuzzy adalah logika yang digunakan untuk menjelaskan
keambiguan. Logika Fuzzy adalah cabang teori dari himpunan Fuzzy,
himpunan yang menyesuaikan keambiguan (Vrusias, 2005).
Logika Fuzzy adalah suatu cara yang tepat untuk memetakan
suatu ruang input ke dalam suatu ruang output (Kusumadewi
dan Purnomo, 2004).
5.1 Himpunan Fuzzy (Fuzzy set)
Himpunan crisp A didefinisikan oleh elemen-elemen yang ada
pada himpunan itu. Jika a A maka a bernilai 1. Jika aA maka a
bernilai 0. Himpunan Fuzzy didasarkan pada gagasan untuk
memperluas jangkauan fungsi karakteristik pada himpunan crisp
sedemikian sehingga fungsi tersebut mencakup bilangan real
pada interval [0,1] (Yan, et al., 1994).
Menurut Zimmermann (1991) jika X adalah kumpulan objek
yang dinotasikan x maka himpunan Fuzzy A dalam X adalah
himpunan pasangan berurutan :
A={(x,μA (x ))|x∈X}
dengan μA(x) adalah derajat keanggotaan dari x.
Himpunan Fuzzy A dalam semesta pembicaraan K ialah kelas
kejadian (class of events) dengan fungsi keanggotaan μA (x ) kontinu
yang dihubungkan dengan setiap titik dalam K oleh bilangan
real dalam inteval [0,1] dengan nilai μA (x ) pada x menyatakan
derajat keanggotaan x dalam A (Pal dan Majmunder, 1986).
Semesta pembicaraan adalah keseluruhan nilai yang
diperbolehkan untuk dioperasikan dalam suatu variabel Fuzzy
(Kusumadewi dan Purnomo, 2004). Domain himpunan Fuzzy adalah
keseluruhan nilai yang diijinkan dalam semesta pembicaraan
dan boleh dioperasikan dalam suatu himpunan Fuzzy (Kusumadewi
dan Purnomo, 2004).
Himpunan Fuzzy memiliki dua atribut, yaitu linguistik dan
numerik. Linguistik merupakan penamaan suatu grup yang
mewakili suatu keadaan atau kondisi tertentu dengan
menggunakan bahasa alami, seperti tinggi, rendah, besar dan
bagus. Numerik adalah suatu nilai atau angka yang
menunjukkan ukuran dari suatu variabel, seperti 40, 120 dan
325 (Kusumadewi dan Purnomo, 2004).
Fuzzifikasi merupakan suatu proses untuk mengubah suatu
variabel input bentuk crisp menjadi variabel linguistik dalam
bentuk himpunan-himpunan Fuzzy dengan fungsi keanggotaannya
masing-masing (Wahyudi, 2005).
5.2 Fungsi Derajat Keanggotaan Fuzzy
Fungsi derajat keanggotaan (membership function) adalah
suatu kurva yang menunjukkan pemetaan titik-titik input data
ke dalam derajat keanggotaan yang memiliki interval antara 0
sampai 1 (Zimmermann, 1991).
Untuk mendapatkan derajat keanggotaan Fuzzy digunakan
pendekatan fungsi. Ada beberapa fungsi keanggotaan yang
dapat digunakan, seperti fungsi linier turun, fungsi linier
naik, fungsi segitiga, fungsi trapesium, fungsi-S, fungsi-Z
dan fungsi-π.
Menurut Kusumadewi dan Purnomo (2004) suatu fungsi
derajat keanggotaan Fuzzy disebut fungsi linier turun jika
mempunyai 2 parameter, yaitu a, b ϵR, dan dinyatakan dengan
aturan
Kurva fungsi linier turun diperlihatkan oleh Gambar 2.3
Gambar 2.3 Kurva fungsi linier turun
Sedangkan suatu fungsi derajat keanggotaan Fuzzy disebut
fungsi linier naik jika mempunyai 2 parameter, yaitu a,b ϵ R
, dan dinyatakan dengan aturan
Kurva fungsi linier naik diperlihatkan oleh Gambar
2.4
Gambar 2.4 Kurva fungsi linier naik
Menurut Susilo (2003) suatu fungsi derajat keanggotaan
Fuzzy disebut fungsi segitiga jika mempunyai tiga buah
parameter, yaitu p, q, r ϵ R dengan p < q < r , dan dinyatakan
dengan aturan
Kurva fungsi segitiga diperlihatkan oleh Gambar 2.5
Gambar 2.5 Kurva segitiga
Masih menurut Susilo (2003) suatu fungsi derajat
keanggotaan Fuzzy disebut fungsi trapesium jika mempunyai 4
buah parameter ( p, q, r, s ϵ R dengan p < q < r < s) dan dinyatakan
dengan aturan
Kurva fungsi trapesium diperlihatkan oleh Gambar 2.6
Gambar 2.6 Kurva trapesium
Suatu derajat keanggotaan Fuzzy disebut derajat
keanggotaan fungsi-S (Mandal et al., 2002) jika mempunyai 3
buah parameter yaitu a, b, c ϵ R dengan a adalah nilai
keanggotaan nol, b adalah titik tengah antara a dan c dengan
μ(b) = 0.5 ( titik infleksi) dan c adalah nilai keanggotaan
lengkap serta dinyatakan dengan aturan
Bentuk kurva fungsi-S diperlihatkan oleh Gambar 2.7
Gambar 2.7 Kurva fungsi-S
Suatu keanggotaan Fuzzy disebut fungsi keanggotaan
fungsi-Z (Kusumadewi, 2002) jika mempunyai 3 buah parameter
yaitu a, b, c ϵ R dengan a adalah nilai keanggotaan nol, b
adalah titik tengah antara a dan c dengan μ(b) = 0.5 ( titik
infleksi) dan c adalah nilai keanggotaan lengkap serta
dinyatakan dengan aturan
Kurva fungsi-Z diperlihatkan oleh Gambar 2.8
Gambar 2.8 Kurva fungsi-Z
Suatu keanggotaan Fuzzy disebut fungsi keanggotaan
fungsi-π (Kusumadewi, 2002) jika mempunyai 6 buah parameter
(a, b, c, d ,e, f ϵ R dengan b dan e adalah titik infleksi) dan
dinyatakan dengan aturan
Kurva fungsi-π diperlihatkan oleh Gambar 2.9
Gambar 2.9 Kurva fungsi-π
5.3 Operator Fuzzy
Jika G, H, A adalah himpunan Fuzzy maka menurut
Zimmermann (1991) operator dasar himpunan Fuzzy adalah
a. Operator AND
Hasil operator AND diperoleh dengan mengambil
keanggotaan minimum antar himpunan Fuzzy yang bersangkutan
dan direpresentasikan dengan
b. Operator OR
Hasil operator OR diperoleh dengan mengambil keanggotaan
maksimum antar himpunan Fuzzy yang bersangkutan dan
direpresentasikan dengan
6. AHP
AHP (Analitycal Hierarchy Process) adalah metode untuk memecahkan
suatu situasi yang komplek tidak terstruktur kedalam beberapa
komponen dalam susunan yang hirarki, dengan memberi nilai
subjektif tentang pentingnya setiap variabel secara relatif,
dan menetapkan variabel mana yang memiliki prioritas paling
tinggi guna mempengaruhi hasil pada situasi tersebut [2].
Proses pengambilan keputusan pada dasarnya adalah memilih
suatu alternatif yang terbaik. Seperti melakukan penstrukturan
persoalan, penentuan alternatif - alternatif, penenetapan
nilai kemungkinan untuk variabel aleatori, penetap nilai,
persyaratan preferensi terhadap waktu, dan spesifikasi atas
resiko. Betapapun melebarnya alternatif yang dapat ditetapkan
maupun terperincinya penjajagan nilai kemungkinan,
keterbatasan yang tetap melingkupi adalah dasar pembandingan
berbentuk suatu kriteria yang tunggal.
Peralatan utama Analitycal Hierarchy Process (AHP) adalah
memiliki sebuah hirarki fungsional dengan input utamanya
persepsi manusia. Dengan hirarki, suatu masalah kompleks dan
tidak terstruktur dipecahkan ke dalam kelomok - kelompoknya
dan diatur menjadi suatu bentuk hirarki.
6.1 Kelebihan Dan Kelemahan Analitycal Hierarchy Process
(AHP)
Kelebihan AHP dibandingkan dengan lainnya adalah :
1. Struktur yang berhirarki, sebagai konsekwensi dari
kriteria yang dipilih, sampai pada subkriteria yang
paling dalam.
2. Memperhitungkan validitas sampai dengan batas toleransi
inkosistensi berbagai kriteria dan alternatif yang
dipilih oleh para pengambil keputusan.
3. Memperhitungkan daya tahan atau ketahanan output
analisis sensitivitas pengambilan keputusan.
Kelemahan AHP dibandingkan dengan lainnya adalah :
1. Penggunaan metode pairwise, yang digunakan untuk
mengevaluasi alternatif - alternatif.
2. AHP sebagai prosedur untuk menilai alternatif cenderung
bersifat arbitrary atau subjektif pada ranking
alternatif yang dihasilkan.
3. Bukti empiris sebanyak apapun tidak bias benar-benar
mendukung sebuah teori dengan kontradiksi internal
seperti pada AHP. Tetapi, teori tersebut adalah dasar
yang baik untuk dikembangkan.
Selain itu, AHP mempunyai kemampuan untuk memecahkan
masalah yang multi obyektif dan multi - kriteria yang
berdasarkan pada perbandingan preferensi dari setiap elemen
dalam hirarki. Jadi, model ini merupakan suatu model
pengambilan keputusan yang komprehensif
6.2 Prinsip Dasar Pemikiran AHP
Dalam memecahkan persoalan dengan analisis logis
eksplisit, ada tiga prinsip yang mendasari pemikiran AHP,
yakni : prinsip menyusun hirarki, prinsip menetapkan
prioritas, dan prinsip konsistensi logis.
Prinsip Menyusun Hirarki
Prinsip menyusun hirarki adalah dengan menggambarkan dan
menguraikan secara hirarki, dengan cara memecahakan persoalan
menjadi unsur-unsur yang terpisah-pisah. Caranya dengan
memperincikan pengetahuan, pikiran kita yang kompleks ke dalam
bagian elemen pokoknya, lalu bagian ini ke dalam bagian-
bagiannya, dan seterusnya secara hirarkis. Penjabaran tujuan
hirarki yang lebih rendah pada dasarnya ditujukan agar
memperolah kriteria yang dapat diukur. Walaupun sebenarnya
tidaklah selalu demikian keadaannya. Dalam beberapa hal
tertentu, mungkin lebih menguntungkan bila menggunakan tujuan
pada hirarki yang lebih tinggi dalam proses analisis. Semakin
rendah dalam menjabarkan suatu tujuan, semakin mudah pula
penentuan ukuran obyektif dan kriteria - kriterianya. Akan
tetapi, ada kalanya dalam proses analisis pangambilan
keputusan tidak memerlukan penjabaran yang terlalu terperinci.
Maka salah satu cara untuk menyatakan ukuran pencapaiannya
adalah menggunakan skala subyektif.
Prinsip Menetapkan Prioritas Keputusan
Bagaimana peranan matriks dalam menentukan prioritas dan
bagaimana menetapkan konsistensi.
1. Menetapkan prioritas elemen dengan membuat perbandingan
berpasangan, dengan skala banding telah ditetapkan oleh
Saaty ( Yan O., 1995). Dapat dilihat skala saaty pada
tabel 2.1 dibawah ini.
Tabel 2.1 Tabel Skala SAATY
Intensit
as
Kepentin
gan
Keterangan Penjelasan
1
Kedua elemen sama
pentingnya
Dua elemen mempunyai
pengaruh yang sama besar
terhadap tujuan
3
Elemen yang satu
sedikit lebih
penting dari pada
elemen yang lainnya
Pengalaman dan penilaian
sedikit menyokong satu
elemen dibandingkan elemen
lainnya
5
Elemen yang satu
lebih penting dari
pada elemen yang
lainnya
Pengalaman dan penilaian
sangat kuat menyokong satu
elemen dibandingkan elemen
lainnya
7
Satu elemen jelas
lebih penting dari
pada elemen lainnya
Satu elemen yang kuat
dikosong san dominan
terlihat dalam praktek
9
Satu elemen mutlak
penting dari pada
elemen lainnya
Bukti yang mendukung
elemen yang satu terhadap
elemen lain memiliki
tingkat penegasan
tertinggi yang mungkin
menguatkan
2,4,6,8 Nilai-nilai antara
dua nilai
Nilai ini diberikan bila
ada dua kompromi diantara
pertimbangan yang
berdekatan
dua pilihan
Kebalika
n
Jika untuk aktivitas I mendapat satu angka
disbanding dengan aktivitas j, maka j
mempunyai nilai kebalikannya dibanding dengan
i
Perbandingan ini dilakukan dengan matriks. Misalkan untuk
memilih manajer, hasil pendapat para pakar atau sudah menjadi
aturan yang dasar (generic), managerial skill sedikit lebih penting
daripada pendidikan, teknikal skill sama pentingnya dengan
pendidikan serta personal skill berada diantara managerial dan
pendidikan.
6.3 Prinsisp Konsistensi Logika
Matriks bobot yang diperoleh dari hasil perbandingan
secara berpasangan tersebut, harus mempunyai hubungan kardinal
dan ordinal, sebagai berikut:
Hubungan kardinal : aij . ajk = ajk
Hubungan ordinal : Ai>Aj>Aj>Ak, maka Ai>Ak
Hubungan diatas dapat dilihat dari dua hal sebagai
berikut:
1. Dengan melihat preferensi multiplikatif, misalnya jika
apel lebih enak 4 kali dari jeruk dan jeruk lebih enak
2 kali dari melon, maka apel lebih enak 8 kali dari
melon
2. Dengan melihat preferensi transitif, misalnya apel
lebih enak dari jeruk, dan jeruk lebih enak dari melon,
maka apel lebih enak dari melon
Pada keadaan sebenarnya akan terjadi beberapa
penyimpangan dari hubungan tersebut, sehingga matriks tersebut
tidak konsisten sempurna. Hal ini terjadi karena
ketidakkonsistenan dalam preferensi seseorang
Untuk model AHP, matriks perbandingan dapat diterima jika
nilai rasio konsisten < 0.1. nilai CR < 0.1 merupakan nilai
yang tingkat konsistensinya baik dan dapat dipertanggung
jawabkan. Dengan demikian nilai CR merupakan ukuran bagi
konsistensi suatu komparasi berpasangan dalam matriks
pendapat. Jika indeks konsistensi cukup tinggi maka dapat
dilakukan revisi judgement, yaitu dengan dicari deviasi RMS
dari barisan (aij dan Wi / Wj ) dan merevisi judgment pada baris
yang mempunyai nilai prioritas terbesar
Memang sulit untuk mendapatkan konsisten sempurna, dalam
kehidupan misalnya dalam berbagai kehidupan khusus sering
mempengaruhi preferensi sehingga keadaan dapat berubah. Jika
buah apel lebih disuka dari pada jeruk dan jeruk lebih disukai
daripada pisang, tetapi orang yang sama dapat menyukai pisang
daripada apel, tergantung pada waktu, musim dan lain-lain.
Namun konsistensi sampai kadar tertentu dalam menetapkan
perioritas untuk setiap unsur adalah perlu sehingga memperoleh
hasil yang sahih dalam dunia nyata. Rasio ketidak konsistenan
maksimal yang dapat ditolerir 10 %.
7. Flowchart system
Gambar 3.1 Flowchart Sistem
Dari data inputan kriteria akan di inisialisasi
dalam proses AHP kemudian data nilai kriteria yang telah
di inputkan oleh rekan kerjanya dan konsumen disimpan
dalam database lalu data akan di olah dengan algoritma
AHP sehingga membentuk matrik sesuai persamaan AHP yang
kemudian diolah dalam Fuzzy Tahani.
8. Jadwal Kegiatan