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

Adapun jadwal kegiatan dari penyusunan tugas akhir adalah

sebagai berikut :

KegiatanBulan

Ke-1

Bulan

Ke-2

Bulan

Ke-3

Bulan

Ke-4Pengumpulan DataPembangunan ModelImplementasiPengujian dan

Analisa hasilPembuatan Laporan