PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING...
Transcript of PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING...
PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING
DALAM PERANCANGAN PEMODELAN PENGAMBILAN KEPUTUSAN
PEREKRUTAN TEKNISI OTOMOTIF
(Studi Kasus: MD AUTOCARE, Sleman)
Naskah Publikasi
diajukan oleh:
Adhipta Abwa Rabbika
07.12.2480
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
AMIKOM YOGYAKRTA
2011
2
Application of Fuzzy Multi Attribute Decision Making for Modeling Design of Automotive Technisian Recruitment Decission
(Case Study : MD AUTOCARE, Sleman)
PENERAPAN FUZZY MULTI-ATTRIBUTE DECISION MAKING DALAM PERANCANGAN PEMODELAN PENGAMBILAN KEPUTUSAN PEREKRUTAN
TEKNISI OTOMOTIF (Studi Kasus: MD AUTOCARE, Sleman)
Adhipta Abwa Rabbika Jurusan Sistem Informasi
STMIK AMIKOM YOGYAKARTA
ABSTRACT
Human resources is one resource that most impact the performance of a
company. A company certainly in dire need of competent human resources and
professionals to help move the wheel of his efforts toward better. Recruitment of
labor that does not have a professional human resources must be correlated to the
declining performance of the company. Therefore, selection and good decision-
making in the recruitment of manpower is expected to meet company expectations
for quality human resources.
To simplify and speed up decision-making processes appropriate and
consistent in the recruitment of manpower, we need a system that can handle the
job. The system can be used to assist in solving these problems is the Decision
Support System (DSS) or Decision Support System (DSS), which aims to help
make decisions based on the alternative selection decision is the result of
processing the information.
The purpose of this thesis is how to apply the Fuzzy Multi-Attribute
Decision Making to design a system that can be used as a modeling decision-
making. Will be taken case studies recruitment automotive technician in MD
Autocare to simulate how these systems work and applied to a case in the real
world. Calculation of Fuzzy Multi-Attribute Decision Making by the methods of
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) will be
used to find the best alternative based on the criteria that qualified candidates
have been determined.
This method was chosen because it is able to select the best alternative
from a number of alternatives, in this case meant that alternative candidates
suitable technicians were recruited based on criteria that have been determined.
Research done by finding the weights for each attribute, then do the ranking that
will determine the optimal alternative, which is the best qualified candidates.
Keywords : DSS, FMADM, TOPSIS
3
1. Pendahuluan
Di era globalisasi, perkembangan teknologi sangat berpengaruh terhadap
perkembangan suatu perusahaan atau instansi. Cara-cara konvensional dalam
mengelola manajemen perusahaan kini sudah mulai tergantikan oleh peranan komputer
sebagai alat kerja bantu yang handal. Dengan mengaplikasikan sistem yang
terkomputerisasi dalam proses manajemen dan bisnis, diharapkan dapat menghasilkan
suatu kinerja yang lebih baik bagi perusahaan maupun instansi yang bersangkutan.
Salah satu contoh alat kerja bantu yang terkomputerisasi ialah Decision Support
Sistem (DSS) atau Sistem Pendukung Keputusan (SPK). DSS merupakan sistem
informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data.
Sistem tersebut dapat digunakan untuk membantu pengambilan keputusan dalam situasi
yang semiterstruktur maupun situasi yang tidak terstruktur, di mana tak seorangpun yang
tahu bagaimana keputusan seharusnya dibuat.
Salah satu contoh penerapan DSS yang masih berkaitan dengan perencanaan
Sumber Daya Manusia (SDM) dalam lingkup manajemen perusahaan ialah pada kasus
perekrutan/ pengadaan tenaga kerja. CV. Pillar/MD Autocare sebagai badan usaha
independen yang bergerak di bidang pelayanan jasa otomotif, yaitu service kendaraan
bermotor tidak bisa menghindari betapa pelik dan kompleksnya proses perekrutan
tenaga kerja profesional dan berkompeten di bidang otomotif seperti teknisi otomotif.
Proses penyeleksian calon teknisi otomotif itu sendiri menggunakan
beberapa kriteria yang disesuaikan dengan prosedur perusahaan, yaitu dengan cara
melakukan beberapa tes. Dalam proses perekrutan teknisi otomotif tersebut, pihak MD
Autocare kerap mengalami kendala yang disebabkan oleh buruknya kinerja dari sistem
yang sedang berjalan. Untuk membantu pemecahan masalah tersebut, akan dirancang
sebuah aplikasi yang dapat membantu dalam pemodelan pengambilan keputusan.
Aplikasi yang menerapkan Fuzzy Multi-Attribute Decision Making dengan metode
Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) ini dapat
digunakan sebagai Sistem Pendukung Keputusan untuk perekrutan teknisi otomotif yang
dilakukan secara terkomputerisasi sehingga proses perhitungan, perangkingan, dan
pengelolaan data dapat dilakukan dengan cepat, mudah, dan akurat.
2. Landasan Teori
2.1 Definisi Sistem Pendukung Keputusan (Decision Support System)
DSS (Decision Support System) merupakan sistem informasi interaktif yang
menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem itu digunakan
untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan situasi
4
yang tidak terstruktur, di mana tak seorang pun tahu secara pasti bagaimana keputusan
seharusnya dibuat (alter, 2002).1
Menurut Scout Merton dan Gorry (1970-an) berpendapat bahwa DSS merupakan
sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk
menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak
terstruktur (Turban, dkk 2005: 19).
2.2 Logika Fuzzy
Sebelum munculnya teori logika fuzzy, dikenal sebeuah logika tegas (Crisp
Logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya logika fuzzy
merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness)
antara benar dan salah. Dalam teori logika fuzzy, sebuah nilai bisa bernilai benar dan
salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai
tergantung kepada bobot keanggotaan yang dimilikinya.
2.3 Fuzzy Multi-Attribute Decision Making (FMADM)
Fuzzy Multi-Attribute Decision Making adalah suatu metode yang digunakan untuk
mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari
FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan
dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan.
Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan
subyektif, pendekatan obyektif, dan pendekatan integrasi antara subyektif dan obyektif.
2.4 Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
Sistem yang dikembangkan akan menerapkan Technique for Order Preference by
Similarity to Ideal Solution (TOPSIS) sebagai metode penyelesaian masalah. TOPSIS
didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak
terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal
negatif. Konsep ini banyak digunakan pada beberapa model MADM untuk menyelesaikan
masalah keputusan secara praktis. Hal ini disebabkan karena konsepnya sederhana dan
1 Kusrini. Konsep dan Aplikasi Sistem Pendukung Keputusan. Andi, 2007, hal 15.
5
mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja
relatif dari alternatif-alternatif keputusan dalam bentuk matematis yang sederhana.2
2.5 Prosedur Penyelesaian FMADM Menggunakan Metode TOPSIS
Secara umum, prosedur TOPSIS mengikuti langkah-langkah sebagai berikut :
1. Membuat matriks keputusan yang ternormalisasi.
2. Membuat matriks keputusan yang ternormalisasi terbobot.
3. Menentukan matriks solusi ideal positif dan matriks solusi ideal negatif.
4. Menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif
dan matriks solusi ideal negatif.
5. Menentukan nilai preferensi untuk setiap alternatif.
TOPSIS membutuhkan rating kerja setiap alternatif Ai pada setiap kriteria Cj yang
ternormalisasi, yaitu:
= ; dengan i=1, 2, … ,m; dan j=1, 2, …, n; (2.1)
Di mana,
: Nilai matriks keputusan eksperimen ke-i, respon ke-j.
: Nilai eksperimen ke-i, respon ke-j.
Solusi ideal positif dan solusi ideal negatif dapat ditentukan berdasarkan
rating bobot ternormalisasi sebagai:
= ; dengan i=1, 2, … ,m; dan j=1, 2, …, n;. (2.2)
= ( ); (2.3)
= ( ); (2.4)
Di mana,
: Nilai matriks terbobot eksperimen ke-i, respon ke-j.
2 Kusumadewi, Sri; Hartanti, Sri; Harjoko, Agus; Wardoyo, Retantyo. Fuzzy Multi-Attribute
Decision Making. Graha Ilmu, 2006, hal 88.
6
: Bobot respon ke-j.
Jarak antara alternatif Ai dengan solusi ideal positif dirumuskan sebagai berikut:
; (2.5)
Jarak antara alternatif Ai dengan solusi ideal negatif dirumuskan sebagai berikut:
(2.6)
Dimana,
: Ukuran pisah alternatif solusi ideal eksperimen ke-i.
: Ukuran pisah alternatif solusi negatif eksperimen ke-i.
Nilai preferensi untuk setiap alternatif ( ) diberikan sebagai :
(2.7)
Dimana,
Vi : Nilai kedekatan relatif eksperimen ke –i.
Nilai Vi yang lebih besar akan menunjukkan bahwa alternatif Ai lebih dipilih.
3. Analisis
3.1 Analisis Kebutuhan Data
. Dalam hal ini terdapat dua kriteria seleksi yang digunakan, yakni kriteria global dan
kriteria lokal. Kriteria global merupakan jenis kriteria yang digunakan dalam proses
seleksi, yaitu usia, pendidikan, tes wawancara, tes praktek, pengalaman kerja, dan
sertifikasi. Sedangkan kriteria lokal merupakan nilai dari masing-masing kriteria global,
misalnya sebagai berikut :
1. Usia
a. Cukup = 18 – 20 tahun
b. Baik = 21 – 23 tahun
c. Sangat Baik = 24 – 26 tahun
2. Pendidikan
a. Cukup = SMA
b. Baik = SMK/STM Mesin
c. Sangat Baik = Diploma/Sarjana
7
3. Tes Wawancara
a. Sangat Kurang = nilai < 51
b. Kurang = nilai 51 - 60
c. Cukup = nilai 61 - 70
d. Baik = nilai 71 - 80
e. Sangat Baik = nilai > 80
4. Tes Praktek
a. Sangat Kurang = nilai < 51
b. Kurang = nilai 51 - 60
c. Cukup = nilai 61 - 70
d. Baik = nilai 71 - 80
e. Sangat Baik = nilai > 80
5. Pengalaman Kerja
a. Cukup = 0 tahun
b. Baik = 1 – 2 tahun
c. Sangat Baik = > 2 tahun
6. Sertifikasi
a. Cukup = Tidak Punya
b. Baik = 1 – 2
c. Sangat Baik = > 2
Nilai-nilai di atas merepresentasikan properti setiap calon teknisi otomotif.
Faktor usia dan pendidikan menjadi kriteria-kriteria yang ikut dinilai karena pihak MD
Autocare memiliki standar minimal dan maksimal usia serta pendidikan bagi calon teknisi
otomotif yang hendak direkrut. Sedangkan tes wawancara, tes praktek, pengalaman
kerja merupakan parameter kemampuan/skill yang dimiliki setiap calon teknisi otomotif.
Semakin tinggi nilai tes wawancara dan tes praktek akan semakin baik. Semakin tinggi
nilai pengalaman kerja menandakan calon teknisi tersebut memiliki jam
terbang/pengalaman kerja yang lebih banyak di bidangnya. Memiliki sertifikasi di bidang
otomotif merupakan nilai tambah bagi para calon teknisi otomotif.
3.2 Metode Penilaian Untuk Seleksi Perekrutan Calon Teknisi Otomotif
Berdasarkan tipe data yang digunakan pada setiap kinerja alternatif-
alternatifnya, FMADM dapat dibagi menjadi 3 kelompok, yaitu semua data yang
digunakan adalah data fuzzy; semua data yang digunakan adalah data crisp; atau data
yang digunakan merupakan campuran antara data fuzzy dan crisp.
8
Dikarenakan setiap kriteria lokal yang diberikan masih berbentuk data dalam
bilangan fuzzy, maka data tersebut harus dikonversi terlebih dahulu ke bilangan crisp.
Untuk mengkonversi bilangan fuzzy ke bilangan crisp dilakukan dengan cara defuzzy
(penegasan) menggunakan metode Larges of Maximum (LOM). Pada metode LOM,
solusi crisp diperoleh dengan cara mengambil nilai domain terbesar pada suatu
himpunan fuzzy yang memiliki nilai keanggotaan maksimum.
9
3.3 Bagan Alir (Flowchart) Sistem Yang Diusulkan
Input Data Calon
Teknisi
Input Data Nilai
Kriteria Calon
Teknisi
Input Data Nilai
Bobot Preferensi
Pengolahan Data
Calon Teknisi
Pengolahan Data
Nilai Kriteria Calon
Teknisi
PengolahanData
Nilai Bobot
Preferensi
Calon
Teknisi
Proses
Perhitungan Nilai
Total dan
Perangkingan
Menyiapkan
Laporan
Laporan
Perhitungan Nilai
Total dan
Perangkingan
Laporan Data
Pribadi Calon
Teknisi
Menyiapkan
Laporan
Data Calon
Teknisi
Data Nilai Kriteria
Calon Teknisi
Data Nilai Bobot
Preferensi
Nilai Kriteria Nilai Bobot
Nilai Total
Menyiapkan
Laporan
Laporan Nilai
Kriteria Calon
Teknisi
Gambar 3.1 Bagan Alir (Flowchart) Sistem yang Diusulkan
10
3.4 Data Flow Diagram (DFD) Level 1
1.0
Pengolahan Data
Calon Teknisi
Bagian
Operasional
Input Data
Calon Teknisi
Calon Teknisi
Data Calon Teknisi
2.0
Pengolahan Nilai
Kriteria Calon Teknisi
Data Calon Teknisi
Input Nilai Kriteria
Calon Teknisi
Nilai Kriteria Calon Teknisi
Nilai Kriteria
4.0
Perhitungan Nilai
Total
Nilai Kriteria
Calon Teknisi
3.0
Merekam
Bobot Preferensi
Kriteria
Input Bobot
Preferensi Kriteria
5.0
Laporan Seleksi
Perekrutan Calon
Teknisi Otomotif
Data Bobot Preferensi
Kriteria
Nilai Bobot
Data Bobot Preferensi
Kriteria
Nilai Total
Hasil Perhitungan
Nilai Total
Pengambil
Keputusan
Laporan Seleksi Perekrutan
Calon Teknisi Otomotif
Data Pribadi Calon Teknisi Otomotif
Data Nilai Kriteria Calon
Teknisi Otomotif
Hasil Perhitungan
Nilai Total
Gambar 3.2 DFD Sistem yang Diusulkan
11
4. Hasil Penelitian dan Pembahasan
4.1 Testing Sistem
Pada form perhitungan nilai total ini berisi seluruh nilai kriteria dan nilai bobot yang
telah diinputkan sebelumnya. Pada form ini juga seluruh nilai kriteria yang telah
dimasukkan pada langkah-langkah sebelumnya akan dihitung untuk mencari nilai
totalnya.
Gambar 4.1 Form Perhitungan Nilai Total
Untuk memulai menghitung nilai total, tekan tombol proses yang terdapat pada
bagian pojok kanan bawah. Setelah itu sistem akan melakukan perhitungan nilai total.
Hasil perhitungan nilai total akan ditampilkan pada tab baru yang muncul secara otomatis
apabila proses perhitungan telah selesai dilakukan.
12
Gambar 4.11 Hasil Perhitungan Nilai Total
Gambar di atas merupakan tab hasil penilaian yang muncul secara otomatis
ketika proses perhitungan nilai total telah selesai dilakukan oleh sistem. Nilai total tertera
pada kolom nilai total yang ditandai dengan angka berwarna merah. Kemudian untuk
mencetak hasil perhitungan tersebut, klik tombol cetak. Secara otomatis sistem akan
membuatkan laporan hasil perhitungan nilai total.
5. Kesimpulan
Dengan selesainya seluruh kegiatan penelitian, analisis sistem, perancangan
sistem, hingga tahap implementasi yang telah penulis lakukan di CV. Pillar / MD
Autocare, maka dapat diambil kesimpulan sebagai berikut:
1. Dalam proses perhitungan nilai secara manual kerap terjadi beberapa kesalahan
yang disebabkan oleh human error. Selain itu, proses manual sangat memakan
begitu banyak waktu. Lamanya pembuatan laporan untuk proses pengambilan
keputusan juga merupakan masalah yang terjadi pada proses perekrutan teknisi
otomotif di CV. Pillar, sehingga perlu adanya suatu sistem baru yang dapat
mengatasi masalah-masalah tersebut.
13
2. Fuzzy Multi-Attribute Decision Making dan metode TOPSIS dapat diandalkan
untuk memecahkan permasalahan multikriteria.
3. Dengan adanya sistem baru ini, diharapkan akan meningkatkan keefisienan
dalam mengolah data, menghitung nilai total dengan metode yang ditawarkan
(TOPSIS), serta pembuatan laporan.
4. Setelah melakukan serangkaian pengujian, sistem yang dikembangkan penulis
sudah layak dipakai oleh CV. Pillar sebagai alat bantu pengambilan keputusan
perekrutan teknisi otomotif. Hal tersebut dikarenakan PROSPEKTIF mudah
digunakan, tidak memakan banyak memory pada saat dijalankan, pengolahan
data, proses pembuatan laporan, serta perhitungan nilai dengan metode TOPSIS
dapat dilakukan dengan mudah, cepat dan akurat.
14
DAFTAR PUSTAKA
Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit
Andi.
Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi. Yogyakarta: Penerbit
Andi.
Kusumadewi, Sri; Hartanti, Sri; Harjoko, Agus; Wardoyo, Retantyo. 2006. Fuzzy Multi-
Attribute Decision Making. Yogyakarta: Graha Ilmu.
Kurniawan, Agus. 2004. Pengenalan Bahasa C#. Jakarta: Project Otak.
Ariyanto. 2008. Net Enterprise Application Programming Using Pattern and Framework.
Bogor : INDC
Kusumo, Ario. 2006. Pemrograman Visual Basic 2005. Jakarta: Elex Media Komputindo.