DECISION SUPPORT SYSTEM (Sistem Pendukung Keputusan)

Arsitektur Sistem Pendukung Keputusan

Pendahuluan

Decision Support Systems (DSS) atau system pendukung keputusan adalah serangkaian kelas tertentu dari system informasi terkomputerisasi yang mendukung kegiatan pengambilan keputusan bisnis dan organisasi. Suatu DSS yang dirancang dengan benar adalah suatu system berbasis perangkat lunak interaktif yang dimaksudkan untuk membantu para pengambil keputusan mengkompilasi informasi yang berguna dari data mentah, dokumen, pengetahuan pribadi, dan/atau model bisnis untuk mengidentifikasikan dan memecahkan berbagai masalah dan mengambil keputusan.
System pendukung keputusan atau DSS digunakan untuk mengumpulkan data, menganalisa dan membentuk data yang dikoleksi, dan mengambil keputusan yang benar atau membangun strategi dari analisis, tidak pengaruh terhadap computer, basis data atau manusia penggunanya.
Informasi yang biasanya dikumpulkan dengan menggunakan aplikasi pendukung keputusan akan melakukan:

• Mengakses semua asset informasi terkini, termasuk data legasi dan relasional, kompulan data, gudang data, dan kumpulan jumlah besar data.
• Angka-angka penjualan antara satu periode dengan periode lainnya.
• Angka-angka pendapatan yang diperkirakan, berdasarkan pada asumsi penjualan produk baru.
• Konsekuensi pilihan-pilihan pengambilan keputusan yang berbeda, dengan pengalaman dalam suatu konteks yang dirinci ulang.

Sudah begitu banyak perusahaan di berbagai industri yang bergantung pada perangkat, teknik dan pemodelan pendukung keputusan, untuk membantu mereka menganalisa dan memecahkan beragam pertanyaan bisnis sehari-hari. System pendukung keputusan bersifat tergantung oleh data, sebagaimana keseluruhan proses mengambil seluruh kumpulan data yang tersedia, untuk dianalisa.
Perangkat-perangkat, proses, dan metodologi pelaporan berbasis Business Intelligence adalah contoh penggunaan penting dalam system pendukung keputusan manapun, dan memberikan analisis data, pelaporan serta monitoring data yang sangat terpercaya kepada pengguna.
Persyaratan yang biasa dimiliki dalam penerapan Sistem Pendukung Keputusan Tingkat Tinggi:

• Pengumpulan data dari beragam sumber (data penjualan, data inventori, data supplier, data riset pasar, dsb).
• Penformatan dan penggunaan data.
• Lokasi database yang sesuai serta pembangunan format untuk pembuatan laporan dan analisa berbasis pengambilan keputusan.
• Perangkat dan aplikasi yang serba bisa dan mampu memberikan pelaporan, monitoring dan analisa terhadap data.

DSS Design Approach (Structured)

Berbagai Tipe Sistem Pendukung Keputusan (DSS):

Penting untuk dicatat bahwa DSS tidak memiliki suatu model tertentu yang diterima atau dipakai di seluruh dunia. Banyak teori DSS yang diimplementasikan, sehingga terdapat banyak cara untuk mengklasifikasikan DSS.

1. DSS model pasif adalah model DSS yang hanya mengumpulkan data dan mengorganisirnya dengan efektif, biasanya tidak memberikan suatu keputusan yang khusus, dan hanya menampilkan datanya. Suatu DSS aktif pada kenyataannya benar-benar memproses data dan secara eksplisit menunjukkan beragam solusi berdasarkan pada data tersebut.
2. DSS model aktif sebaliknya memproses data dan secara eksplisit menunjukkan solusi berdasarkan pada data yang diperoleh, walau harus diingat bahwa intervensi manusia terhadap data tidak dapat dipungkiri lagi. Misalnya, data yang kotor atau data sampah, pasti akan menghasilkan keluaran yang kotor juga (garbage in garbage out).
3. Suatu DSS bersifat kooperatif jika data dikumpulkan, dianalisa dan lalu diberikan kepada manusia yang menolong system untuk merevisi atau memperbaikinya.
4. Model Driven DSS adalah tipe DSS dimana para pengambil keputusan menggunakan simulasi statistik atau model-model keuangan untuk menghasilkan suatu solusi atau strategi tanpa harus intensif mengumpulkan data.
5. Communication Driven DSS adalah suatu tipe DSS yang banyak digabungkan dengan metode atua aplikasi lain, untuk menghasilkan serangkaian keputusan, solusi atau strategi.
6. Data Driven DSS menekankan pada pengumpulan data yang kemudian dimanipulasi agar sesuai dengan kebutuhan pengambil keputusan, dapat berupa data internal atua eksternal dan memiliki beragam format. Sangat penting bahwa data dikumpulkan serta digolongkan secara sekuensial, contohnya data penjualan harian, anggaran operasional dari satu periode ke periode lainnya, inventori pada tahun sebelumnya, dsb.
7. Document Driven DSS menggunakan beragam dokumen dalam bermacam bentuk seperti dokumen teks, excel, dan rekaman basis data, untuk menghasilkan keputusan serta strategi dari manipulasi data.
8. Knowledge Driven DSS adalah tipe DSS yang menggunakan aturan-aturan tertentu yang disimpan dalam komputer, yang digunakan manusia untuk menentukan apakah keputusan harus diambil. Misalnya, batasan berhenti pada perdagangan bursa adalah suatu model knowledge driven DSS.

Implementasi DSS di Dunia Kerja

Konsep implementasi DSS di dunia kerja yang kali ini diambil oleh penulis adalah penerapan Business Intelligence dalam pengumpulan data serta presentasi data dalam suatu bentuk Dashboard. Bidang industri perusahaan yang dijadikan contoh adalah maskapai penerbangan atau airline industry.
Teknologi aplikasi yang digunakan adalah system aplikasi berbasis web dan dapat diakses pada suatu URL tertentu dari PC/laptop/tablet milik pengguna dengan kapasitas minimum, kapan saja dan dimana saja pengguna berada.
Metodologi, proses serta perangkat pelaporan Business Intelligence atau BI adalah komponen kunci yang memberikan analisa data, pelaporan dan monitoring yang kaya kepada pengguna sistem.
Secara garis besar, proses yang terjadi kurang lebih adalah seperti digambarkan dalam diagram dibawah ini, dimana;

• System akan mengumpulkan semua data baik data master dan juga data transaksi dari setiap aplikasi yang digunakan semua departemen dalam perusahaan, untuk kemudian dilakukan analisis What-if tergantung dari laporan apa yang diinginkan oleh pihak manajemen.
• Hasil analisis tersebut akan menentukan keputusan apa yang harus diambil oleh manajemen.
• Terlihat dibawah, berbagai departemen yang mengaksesnya antara lain Personalia (Human Resource/HRD), Keuangan (Accounting), Produksi/Operasional, Pemasaran/Marketing, Distribusi/Pengiriman, serta divisi lain, yang semuanya berada dibawah manajemen perusahaan.

Alur DSS untuk Sistem Informasi Akuntansi

Struktur Alur Data Dalam Aplikasi Business Intelligence

Pelaporan yang ingin dilihat oleh tingkat manager dalam manajemen perusahaan tersebut akan tampil dalam aplikasi Dashboard yang interaktif dan dapat dikustomisasi sesuai keinginan user/ pengguna aplikasi. Contoh dashboard tersebut adalah seperti dibawah ini.
Sebelumnya, perlu diingat bahwa aplikasi dashboard juga memiliki beragam kategori per divisi, dimana setiap divisi/departemen dalam suatu perusahaan biasanya menggunakan jenis data yang berbeda, serta mengakses data dalam cara yang berbeda pula. Laporan dan hasil analisis yang diperlukan juga otomatis berbeda, begitu pula bentuk pelaporan yang diperlukan tiap-tiap divisi tersebut, sebagaimana digambarkan dalam diagram dibawah.

Pembagian Kategori Dashboard Berdasarkan Penitikberatan Pengambilan Informasi Perusahaan

Manfaat Penggunaan Aplikasi Terapan DSS/Decision Support System dalam Bentuk Business Intelligence Dashboard;

1. Mempermudah dilakukannya analisa terhadap data master dan juga data transaksi perusahaan untuk kemudian menghasilkan berbagai laporan yang akan mendukung proses pengambilan keputusan oleh pihak manajemen perusahaan.
2. Memberikan tampilan yang lebih enak dilihat dan lebih professional yang disesuaikan dengan kultur serta bidang bisnis perusahaan yang menggunakan aplikasi ini.
3. Memberikan informasi terkini terhadap pergerakan angka-angka dalam perusahaan, atau bahkan bersifat real-time. Contohnya dalam hal ini; adalah pergerakan angka penjualan tiket pesawat setiap harinya, atau pergerakan angka kedatangan dan keberangkatan pesawat dari seluruh bandara di Indonesia (hasil kegiatan operasional perusahaan).

Contoh implementasi aplikasi Business Intelligence – Dashboard sebagai ajuan system pendukung keputusan/decision support system yang hendak diimplementasikan dalam perusahaan:

Prototipe Tampilan Dashboard untuk Pengaplikasian Business Intelligence bagi Sistem Pendukung Keputusan, Dibuat Menggunakan Tool Xcelcius Disambungkan ke Warehouse SAP-Business Intelligence

Elemen-elemen yang ditampilkan:

1. Grafik keseluruhan angka penjualan tiket yang dihasilkan tim Sales setiap harinya dimana manajemen dapat meilhat pergerakan terakhir yang terjadi satu jam sebelum pengaksesan dashboard.
2. Grafik keseluruhan angka penjualan tiket yang dihasilkan pada satu hari sebelum pengaksesan dashboard (H-1)
3. Grafik keseluruhan angka penjualan secara mingguan (pergerakan mingguan).
4. Grafik keseluruhan angka penjualan secara bulanan (pergerakan bulanan).
5. Grafik keseluruhan angka penjualan secara tahunan (pergerakan tahunan).
6. Grafik penjualan per staff sales untuk mengukur kinerja masing-masing personel.
7. Grafik pembelian dari setiap klien yang kategorinya adalah:
   1. Pembelian per klien Travel Agent
   2. Pembelian per perusahaan
   3. Pembelian per wilayah kota penjualan di Indonesia; semua kota yang memiliki bandara (missal Jakarta, Bandung, Surabaya, dan lainnya).

Pengertian Sistem Pendukung Keputusan

Sistem pendukung keputusan (SPK) adalah bagian dari sistem informasi berbasis komputer termasuk sistem berbasis  pengetahuan atau manajemen pengetahuan yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi terstruktur yang spesifik.

Menurut Moore dan Chang (Principle of Service Marketing : 1980) yang diterjemahkan oleh Masrun (Turban dkk : 1995) , sistem pendukung keputusan dapat digambarkan sebagai “sistem yang berkemampuan mendukung analisis ad hocdata, dan pemodelan keputusan, berorientasi keputusan, orientasi perencanaan masa depan dan digunakan pada saat-saat yang tidak biasa”.

         Sedangkan menurut Keen dan Scoot Morton, (Principles of Management : 1968) dalam (Turban dkk, 2005 : 137) sistem pendukung keputusan merupakan “penggabungan sumber-sumber kecerdasan individu dengan kemampuan komponen untuk memperbaiki kualitas keputusan. Sistem pendukung keputusan juga merupakan sistem informasi berbasis komputer untuk manajemen pengambilan keputusan yang menangani masalah-masalah semi struktur”.

         Dengan pengertian diatas, dapat diambil suatu kesimpulan bahwa sistem pendukung keputusan bukan merupakan alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan dengan melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.

         Menurut Azwar (Sistem Pendukung Keputusan : 1995), dari pengertian sistem pendukung keputusan maka dapat ditentukan karakteristik antara lain :

1.      Mendukung proses pengambilan keputusan, menitik beratkan pada management by perception.

2.      Adanya interface manusia atau mesin dimana manusia (user) tetap memegang kontrol proses pengambilan keputusan

3.      Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tidak terstruktur.

4.      Memiliki kapasistas dialog untuk memperoleh informasi sesuai dengan kebutuhan.

5.      Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa sehingga dapat berfungsi sebagai kesatuan item.

6.      Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.

Pengertian Sistem Pendukung Keputusan Dan Contoh Programnya

Sistem Pendukung Keputusan (S

Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001).

SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.

SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.

Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu (Sprague et.al, 1993):

1. Sistem yang berbasis komputer. 
2. Dipergunakan untuk membantu para pengambil keputusan 
3. Untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual 
4. Melalui cara simulasi yang interaktif 
5. Dimana data dan model analisis sebaai komponen utama.

Komponen Sistem Pendukung Keputusan

Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini.

Komponen Sistem Pendukung Keputusan (SPK)

a. Database Management

Merupakan subsistem data yang terorganisasi dalam suatu basis data. Data yang merupakan suatu sistem pendukung keputusan dapat berasal dari luar maupun dalam lingkungan. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.

b. Model Base

Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permaslahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.

c. User Interfase / Pengelolaan Dialog

Terkadang disebut sebagai subsistem dialog, merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.

Manfaat Sistem Pendukung Keputusan

SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :

1. SPK memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya. 
2. SPK membantu pengambil keputusan untuk memecahkan masalah terutama barbagai masalah yang sangat kompleks dan tidak terstruktur. 
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan. 
4. Walaupun suatu SPK mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya,karena mampu menyajikan berbagai alternatif pemecahan.

Contoh Program

PROGRAM SPK (SISTEM PENDUKUNG KEPUTUSAN) METODE SAW (SIMPLE ADDITIVE WEIGHTING) DENGAN VB 6

 

Dim pertama(6) As Currency, a As Currency
Dim kedua(6) As Currency, b As Currency
Dim ketiga(6) As Currency, c As Currency
Dim keempat(6) As Currency, d As Currency
Dim satu, dua, tiga, empat, lima, enam As Currency
Dim terakhir(6) As Currency, akhir As Currency
Private Sub cmdkeluar_Click()
Unload Me
End Sub
Private Sub cmdbersih_Click()
On Error Resume Next
c1a.SetFocus
c1a.Text = ""
c2a.Text = ""
c3a.Text = ""
c4a.Text = ""
c1b.Text = ""
c2b.Text = ""
c3b.Text = ""
c4b.Text = ""
c1c.Text = ""
c2c.Text = ""
c3c.Text = ""
c4c.Text = ""
c1d.Text = ""
c2d.Text = ""
c3d.Text = ""
c4d.Text = ""
c1e.Text = ""
c2e.Text = ""
c3e.Text = ""
c4e.Text = ""
c1f.Text = ""
c2f.Text = ""
c3f.Text = ""
c4f.Text = ""
p1.Text = ""
p2.Text = ""
p3.Text = ""
p4.Text = ""
r1a.Text = ""
r2a.Text = ""
r3a.Text = ""
r4a.Text = ""
r1b.Text = ""
r2b.Text = ""
r3b.Text = ""
r4b.Text = ""
r1c.Text = ""
r2c.Text = ""
r3c.Text = ""
r4c.Text = ""
r1d.Text = ""
r2d.Text = ""
r3d.Text = ""
r4d.Text = ""
r1e.Text = ""
r2e.Text = ""
r3e.Text = ""
r4e.Text = ""
r1f.Text = ""
r2f.Text = ""
r3f.Text = ""
r4f.Text = ""
rc1.Text = ""
rc2.Text = ""
rc3.Text = ""
rc4.Text = ""
h1.Text = ""
h2.Text = ""
h3.Text = ""
h4.Text = ""
h5.Text = ""
h6.Text = ""
nama1.Text = ""
nama2.Text = ""
nama3.Text = ""
nama4.Text = ""
nama5.Text = ""
nama6.Text = ""
nm1.Caption = ""
nm2.Caption = ""
nm3.Caption = ""
nm4.Caption = ""
nm5.Caption = ""
nm6.Caption = ""
hasilnilai.Text = ""
gambar.Visible = False
End Sub
Private Sub cmdproses_Click()

pertama(0) = Val(c1a.Text)
pertama(1) = Val(c1b.Text)
pertama(2) = Val(c1c.Text)
pertama(3) = Val(c1d.Text)
pertama(4) = Val(c1e.Text)
pertama(5) = Val(c1f.Text)


pertamamaks = pertama(1)
For a = 0 To 5
    If pertama(a) > pertamamaks Then pertamamaks = pertama(a)
Next
r1a.Text = Val(c1a.Text) / pertamamaks
r1b.Text = Val(c1b.Text) / pertamamaks
r1c.Text = Val(c1c.Text) / pertamamaks
r1d.Text = Val(c1d.Text) / pertamamaks
r1e.Text = Val(c1e.Text) / pertamamaks
r1f.Text = Val(c1f.Text) / pertamamaks

r1a.Text = Format((r1a.Text), "0.00")
r1b.Text = Format((r1b.Text), "0.00")
r1c.Text = Format((r1c.Text), "0.00")
r1d.Text = Format((r1d.Text), "0.00")
r1e.Text = Format((r1e.Text), "0.00")
r1f.Text = Format((r1f.Text), "0.00")

kedua(0) = Val(c2a.Text)
kedua(1) = Val(c2b.Text)
kedua(2) = Val(c2c.Text)
kedua(3) = Val(c2d.Text)
kedua(4) = Val(c2e.Text)
kedua(5) = Val(c2f.Text)
keduamaks = kedua(1)
For b = 0 To 5
    If kedua(b) > keduamaks Then keduamaks = kedua(b)
Next
r2a.Text = Val(c2a.Text) / keduamaks
r2b.Text = Val(c2b.Text) / keduamaks
r2c.Text = Val(c2c.Text) / keduamaks
r2d.Text = Val(c2d.Text) / keduamaks
r2e.Text = Val(c2e.Text) / keduamaks
r2f.Text = Val(c2f.Text) / keduamaks

r2a.Text = Format((r2a.Text), "0.00")
r2b.Text = Format((r2b.Text), "0.00")
r2c.Text = Format((r2c.Text), "0.00")
r2d.Text = Format((r2d.Text), "0.00")
r2e.Text = Format((r2e.Text), "0.00")
r2f.Text = Format((r2f.Text), "0.00")

ketiga(0) = Val(c3a.Text)
ketiga(1) = Val(c3b.Text)
ketiga(2) = Val(c3c.Text)
ketiga(3) = Val(c3d.Text)
ketiga(4) = Val(c3e.Text)
ketiga(5) = Val(c3f.Text)
ketigamaks = ketiga(1)
For c = 0 To 5
    If ketiga(c) > ketigamaks Then ketigamaks = ketiga(c)
Next
r3a.Text = Val(c3a.Text) / ketigamaks
r3b.Text = Val(c3b.Text) / ketigamaks
r3c.Text = Val(c3c.Text) / ketigamaks
r3d.Text = Val(c3d.Text) / ketigamaks
r3e.Text = Val(c3e.Text) / ketigamaks
r3f.Text = Val(c3f.Text) / ketigamaks

r3a.Text = Format((r3a.Text), "0.00")
r3b.Text = Format((r3b.Text), "0.00")
r3c.Text = Format((r3c.Text), "0.00")
r3d.Text = Format((r3d.Text), "0.00")
r3e.Text = Format((r3e.Text), "0.00")
r3f.Text = Format((r3f.Text), "0.00")

keempat(0) = Val(c4a.Text)
keempat(1) = Val(c4b.Text)
keempat(2) = Val(c4c.Text)
keempat(3) = Val(c4d.Text)
keempat(4) = Val(c4e.Text)
keempat(5) = Val(c4f.Text)
keempatmaks = keempat(1)
For d = 0 To 5
    If keempat(d) > keempatmaks Then keempatmaks = keempat(d)
Next
r4a.Text = Val(c4a.Text) / keempatmaks
r4b.Text = Val(c4b.Text) / keempatmaks
r4c.Text = Val(c4c.Text) / keempatmaks
r4d.Text = Val(c4d.Text) / keempatmaks
r4e.Text = Val(c4e.Text) / keempatmaks
r4f.Text = Val(c4f.Text) / keempatmaks

r4a.Text = Format((r4a.Text), "0.00")
r4b.Text = Format((r4b.Text), "0.00")
r4c.Text = Format((r4c.Text), "0.00")
r4d.Text = Format((r4d.Text), "0.00")
r4e.Text = Format((r4e.Text), "0.00")
r4f.Text = Format((r4f.Text), "0.00")

satu = (Val(r1a.Text) * Val(p1.Text)) + (Val(r2a.Text) * Val(p2.Text)) + (Val(r3a.Text) * Val(p3.Text)) + (Val(r4a.Text) * Val(p4.Text))
dua = (Val(r1b.Text) * Val(p1.Text)) + (Val(r2b.Text) * Val(p2.Text)) + (Val(r3b.Text) * Val(p3.Text)) + (Val(r4b.Text) * Val(p4.Text))
tiga = (Val(r1c.Text) * Val(p1.Text)) + (Val(r2c.Text) * Val(p2.Text)) + (Val(r3c.Text) * Val(p3.Text)) + (Val(r4c.Text) * Val(p4.Text))
empat = (Val(r1d.Text) * Val(p1.Text)) + (Val(r2d.Text) * Val(p2.Text)) + (Val(r3d.Text) * Val(p3.Text)) + (Val(r4d.Text) * Val(p4.Text))
lima = (Val(r1e.Text) * Val(p1.Text)) + (Val(r2e.Text) * Val(p2.Text)) + (Val(r3e.Text) * Val(p3.Text)) + (Val(r4e.Text) * Val(p4.Text))
enam = (Val(r1f.Text) * Val(p1.Text)) + (Val(r2f.Text) * Val(p2.Text)) + (Val(r3f.Text) * Val(p3.Text)) + (Val(r4f.Text) * Val(p4.Text))

h1.Text = satu
h2.Text = dua
h3.Text = tiga
h4.Text = empat
h5.Text = lima
h6.Text = enam

terakhir(0) = Val(h1.Text)
terakhir(1) = Val(h2.Text)
terakhir(2) = Val(h3.Text)
terakhir(3) = Val(h4.Text)
terakhir(4) = Val(h5.Text)
terakhir(5) = Val(h6.Text)

h1.Text = Format((h1.Text), "0.000")
h2.Text = Format((h2.Text), "0.000")
h3.Text = Format((h3.Text), "0.000")
h4.Text = Format((h4.Text), "0.000")
h5.Text = Format((h5.Text), "0.000")
h6.Text = Format((h6.Text), "0.000")

terakhirmaks = terakhir(1)
For akhir = 0 To 5
    If terakhir(akhir) > terakhirmaks Then terakhirmaks = terakhir(akhir)
Next
hasilnilai.Text = terakhirmaks
hasilnilai.Text = Format((hasilnilai.Text), "0.000")
gambar.Visible = True
End Sub

Private Sub Image1_Click()
makeTransparent Me.hWnd, 50
End Sub

Private Sub nama1_Change()
nm1.Caption = nama1.Text
End Sub

Private Sub nama1_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub nama2_Change()
nm2.Caption = nama2.Text
End Sub

Private Sub nama2_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub nama3_Change()
nm3.Caption = nama3.Text
End Sub

Private Sub nama3_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub nama4_Change()
nm4.Caption = nama4.Text
End Sub

Private Sub nama4_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub nama5_Change()
nm5.Caption = nama5.Text
End Sub

Private Sub nama5_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub nama6_Change()
nm6.Caption = nama6.Text
End Sub
Private Sub c1a_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2a_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3a_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4a_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub c1b_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2b_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3b_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4b_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub c1c_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2c_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3c_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4c_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub c1d_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2d_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3d_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4d_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub c1e_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2e_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3e_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4e_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub c1f_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c2f_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c3f_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub c4f_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub nama6_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

Private Sub p1_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub p2_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub p3_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub
Private Sub p4_KeyPress(KeyAscii As Integer)
If KeyAscii = 13 Then
SendKeys "{tab}"
End If
End Sub

SISTEM PENDUKUNG KEPUTUSAN PEMILIAN KARYAWAN BERPRESTASI BERDASARKAN KINERJA ( Studi kasus pada STMIK AMIKOM Yogyakarta )

Pendahuluan

                Perkembangan suatu Perguruan tinggi sangat dipengaruhi oleh jumlah mahasiswa yang masuk. Dari tahun ketahun STMIK AMIKOM Yogyakarta berkembang pesat dengan ditandainya jumlah mahasiswa baru. Dengan betambahnya jumlah mahasiswa maka bertambah pula jumlah karyawan yang bekerja, baik karyawan edukatif maupun karyawan non edukatif. Bertambahnya karyawan ini sangat berpengaruh pada pengambilan keputusan untuk menentukan karyawan berprestasi. Selain jumlah yang banyak, keheterogenan karyawan juga semakin komplek sehingga sangat sulit memilih karyawan yang berprestasi menurut lembaga dan sulitnya menentukan prioritasnya.

Metode Penelitian

            Penelitian ini dilakukan dengan langkah-langkah seperti berikut:

1. Alat dan bahan
• Nama Karyawan STMIK AMIKOM Yogyakarta
• Faktor-faktor yang menentukan pemilihan karyawan berprestasi
• Ms. Access
• Ms. Visual Basic 6.0
2. Langkah-langkah dan cara penelitian:
• Studi pustaka
• Pengumpulan data karyawan dan faktor-faktor yang menentukan pemilihan karyawan berprestasi diambil dari departemen PSDM STMIK AMIKOM Yogyakarta
• Analisis dan perencangan menggunakan AHP
• Implementasi perancangan ke dalam software Ms. Access dan Visual basic 6.0
• Pengujian untuk memilih karyawan berprestasi

Konsep Sistem Pendukung Keputusan

Konsep sistem pendukung keputusan diperlenalkan pertama kali oleh Michael S. Scoott Morton pada tahun 1970-an dengan istilah Management Decision System (Sprague,1982). SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif.

AHP (Analytic Hierarchy Process)

Untuk mengidentifikasi masalah yang dihadapi oleh Departemen Sumber Daya Manusia di STMIK AMIKOM Yogyakarta digunakan pendekatan AHP. Salah satu teknik pengambilan keputusan/ optimasi multivariate yang digunakan dalam analisis kebijaksanaan. Pada hakekatnya AHP merupakan suatu model pengambil keputusan yang komprehensif dengan memperhitungkan hal- hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan dengan AHP pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. AHP juga memungkinkan ke struktur suatu sistem dan lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem (Saaty,2001)

            Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Jadi perbedaan yang mencolok model AHP dengan model lainnya terletak pada jenis inputnya. Terdapat 4 aksioma-aksioma yang terkandung dalam model AHP

1.      Reciprocal Comparison artinya pengambilan keputusan harus dapat memuat perbandingan dan menyatakan preferensinya. Prefesensi tersebut harus memenuhi syarat resiprokal yaitu apabila A lebih disukai daripada B dengan skala x, maka B lebih disukai daripada A dengan skala 1/x

2.      Homogenity artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen- elemennya dapat dibandingkan satu sama lainnya. Kalau aksioma ini tidak dipenuhi maka elemen- elemen yang dibandingkan tersebut tidak homogen dan harus dibentuk cluster (kelompok elemen) yang baru

3.      Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh objektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam AHP adalah searah, maksudnya perbandingan antara elemen-elemen dalam satu tingkat dipengaruhi atau tergantung oleh elemen-elemen pada tingkat diatasnya

4.      Expectation artinya untuk tujuan pengambil keputusan. Struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka pengambil keputusan tidak memakai seluruh kriteria atau objectif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap

Selanjutnya Saaty (2001) menyatakan bahwa proses hirarki analitik (AHP) menyediakan kerangka yang memungkinkan untuk membuat suatu keputusan efektif atas isu kompleks dengan menyederhanakan dan mempercepat proses pendukung keputusan. Pada dasarnya AHP adalah suatu metode dalam merinci suatu situasi yang kompleks, yang terstruktur kedalam suatu komponen-komponennya. Artinya dengan menggunakan pendekatan AHP kita dapat memecahkan suatu masalah dalam pengambilan keputusan.

Prinsip Kerja AHP

Prinsip kerja AHP adalah penyederhanaan suatu persoalan kompleks yang tidak terstruktur, stratejik, dan dinamik menjadi bagian-bagiannya, serta menata dalam suatu hierarki. Kemudian tingkat kepentingan setiap variabel diberi nilai numerik secara subjektif tentang arti penting variabel tersebut secara relatif dibandingkan dengan variabel lain. Dari berbagai pertimbangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tinggi dan berperan untuk mempengaruhi hasil pada sistem tersebut (Marimin, 2004).

Prosedur AHP

Pada dasarnya langkah-langkah dalam metode AHP meliputi :

1.       Menyusun hirarki dari permasalahan yang dihadapi.

Persoalan yang akan diselesaikan, diuraikan menjadi unsur-unsurnya, yaitu kriteria dan alternatif, kemudian disusun menjadi struktur hierarki seperti Gambar 1. di bawah ini :

Gambar 1. Struktur Hierarki AHP

2.      Penilaian kriteria dan alternatif

Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada Tabel 1.

Tabel 1.   Skala Penilaian Perbandingan Berpasangan

Intensitas Kepentingan	Keterangan
1	Kedua elemen sama pentingnya
3	Elemen yang satu sedikit lebih penting daripada elemen yang lainnya
5	Elemen yang satu lebih penting daripada yang lainnya
7	Satu elemen jelas lebih mutlak penting daripada elemen lainnya
9	Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8	Nilai-nilai antara dua nilai pertimbangan-pertimbangan  yang berdekatan

Perbandingan dilakukan berdasarkan kebijakan pembuat keputusan dengan menilai tingkat kepentingan satu elemen terhadap elemen lainnya Proses perbandingan berpasangan, dimulai dari level hirarki paling atas yang ditujukan untuk memilih kriteria, misalnya A, kemudian diambil elemen yang akan dibandingkan, misal A1, A2, dan A3. Maka susunan elemen-elemen yang dibandingkan tersebut akan tampak seperti pada gambar matriks di bawah ini :

Tabel 2. Contoh matriks perbandingan berpasangan

	A1	A2	A3
A1	1
A2		1
A3			1

Untuk menentukan nilai kepentingan relatif antar elemen digunakan skala bilangan dari 1 sampai 9 seperti pada Tabel 1., Penilaian ini dilakukan oleh seorang pembuat keputusan yang ahli dalam bidang persoalan yang sedang dianalisa dan mempunyai kepentingan terhadapnya.

Apabila suatu elemen dibandingkan dengan dirinya sendiri maka diberi nilai 1. Jika elemen i dibandingkan dengan elemen j mendapatkan nilai tertentu, maka elemen j dibandingkan dengan elemen i merupakan kebalikannya.

Dalam AHP ini, penilaian alternatif dapat dilakukan dengan metode langsung (direct), yaitu metode yang digunakan untuk memasukkan data kuantitatif. Biasanya nilai-nilai ini berasal dari sebuah analisis sebelumnya atau dari pengalaman dan pengertian yang detail dari masalah keputusan tersebut. Jika si pengambil keputusan memiliki pengalaman atau pemahaman yang besar mengenai masalah keputusan yang dihadapi, maka dia dapat langsung memasukkan pembobotan dari setiap alternatif.

3.      Penentuan prioritas

Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan berpasangan (pairwise comparisons). Nilai-nilai perbandingan relatif kemudian diolah untuk menentukan peringkat alternatif dari seluruh alternatif.

Baik kriteria kualitatif, maupun kriteria kuantitatif, dapat dibandingkan sesuai dengan penilaian yang telah ditentukan untuk menghasilkan bobot dan proritas. Bobot atau prioritas dihitung dengan manipulasi matriks atau melalui penyelesaian persamaan matematik.

Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas melalui tahapan-tahapan berikut:

a.       Kuadratkan matriks hasil perbandingan berpasangan.

b.      Hitung jumlah nilai dari setiap baris, kemudian lakukan normalisasi matriks.

4.      Konsistensi Logis

Semua elemen dikelompokkan secara logis dan diperingatkan secara konsisten sesuai dengan suatu kriteria yang logis.

Matriks bobot yang diperoleh dari hasil perbandingan secara berpasangan tersebut harus mempunyai hubungan kardinal dan ordinal. Hubungan tersebut dapat ditunjukkan sebagai berikut (Suryadi & Ramdhani, 1998):

Hubungan kardinal            : a_ij . a­_jk = a_ik­

Hubungan ordinal              : A_i­ > A_j, A_j > A_k maka A_i > A_k

Hubungan diatas dapat dilihat dari dua hal sebagai berikut :

1. Dengan melihat preferensi multiplikatif, misalnya bila anggur lebih enak empat kali dari mangga dan mangga lebih enak dua kali dari pisang maka anggur lebih enak delapan kali dari pisang.
2. Dengan melihat preferensi transitif, misalnya anggur lebih enak dari mangga dan mangga lebih enak dari pisang maka anggur lebih enak dari pisang.

Pada keadaan sebenarnya akan terjadi beberapa penyimpangan dari hubungan tersebut, sehingga matriks tersebut tidak konsisten sempurna. Hal ini terjadi karena ketidakkonsistenan dalam preferensi seseorang.

Penghitungan konsistensi logis dilakukan dengan mengikuti langkah-langkah sebagai berikut :

a.       Mengalikan matriks dengan proritas bersesuaian.

b.      Menjumlahkan hasil perkalian per baris.

c.       Hasil penjumlahan tiap baris dibagi prioritas bersangkutan dan hasilnya dijumlahkan.

d.      Hasil c dibagi jumlah elemen, akan didapat λmaks.

e.       Indeks Konsistensi (CI) = (λmaks-n) / (n-1)

f.       Rasio Konsistensi = CI/ RI, di mana RI adalah indeks random konsistensi. Jika rasio konsistensi ≤ 0.1, hasil perhitungan data dapat dibenarkan.

Daftar RI dapat dilihat pada Tabel 3..

Tabel 3. Nilai Indeks Random

Ukuran Matriks	Nilai RI
1,2	0,00
3	0,58
4	0,90
5	1,12
6	1,24
7	1,32
8	1,41
9	1,45
10	1,49
11	1,51
12	1,48
13	1,56
14	1,57
15	1,59

Gambaran Umum Sistem

Sistem yang dikembangkan adalah sebuah sistem yang berupa perangkat lunak yang membantu pengambil keputusan yakni Departemen Sumber Daya Manusia untuk pemilihan karyawan berprestasi berdasarkan kinerjanya. Dari analisis dokumen penilaian kinerja yang diisi oleh seluruh karyawan dan kepala bagian dari tiap-tiap departemen lalu diproses melalui pemodelan menggunakan AHP. Satu karyawan menilai teman se departemennya, dan seorang kepala bagian menilai seluruh karyawan yang ada di STMIK AMIKOM Yogyakarta.

Setiap form isian dianalisis berdasarkan kriteria- kriteria penilaian. Analisis dokumen-dokumen penilaian ini menghasilkan keluaran berupa nilai prioritas karyawan. Kemudian setelah semua penilaian dianalisis, setiap penilaian diberi bobot, untuk selanjutnya dilakukan analisis pada setiap karyawan.

Pengambil keputusan dalam hal ini departemen SDM melakukan proses komunikasi dengan sistem lewat dialog (GUI) yang telah disediakan. Departemen SDM dapat melakukan pengolahan data dan memberi perintah pada sistem untuk mengolah data yang ada sesuai model yang digunakan dan meminta sistem memberikan alternatif solusi setelah dimasukkan beberapa kriteria dan bobot yang diperhitungkan. Keluaran informasi sistem bisa dijadikan pertimbangan untuk menentukan karyawan yang berprestasi berdasarkan prioritas.

Diagram  Alir (Flowchart) SPK

Untuk menggambarkan diagram alir algoritma semua proses yang dijalankan Sistem Pendukung Keputusan pemilihan karyawan berprestasi dapat dilihat pada diagram alir berikut:

Diagram Alir Utama

Dalam diagram alir utama ini digambarkan algoritma secara umum semua proses yang ada dalam Sistem Pendukung Keputusan. Proses diawali dengan pengisian form penilaian, kemudian proses selanjutnya adalah proses Sistem Pendukung pemilihan karyawan berprestasi. Algoritma utama ini dapat dilihat pada gambar 2.

Gambar 2.  Diagram Alir Sistem Pendukung Keputusan Utama

Diagram alir Sistem Pendukung Keputusan pemilihan karyawan berprestasi

Diagram alir yang digambarkan merupakan diagram alir Sistem Pendukung Keputusan pemilihan karyawan berprestasi. Proses AHP ini digunakan untuk menghitung  nilai intensitas kriteria dan karyawan. Proses yang terdapat dalam Sistem Pendukung Keputusan pemilihan karyawan berprestasi ini adalah proses AHP kriteria penilaian, proses AHP karyawan dan proses hasil analisis.

            

Gambar 3. Diagram Alir Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi

Diagram alir AHP kriteria

Diagram alir ini berfungsi untuk menggambarkan algoritma untuk proses AHP kriteria Penilaian. Gambaran umum algoritma pada proses AHP kriteria ini dapat dilihat pada Gambar 4. Proses yang terdapat dalam AHP kriteria ini adalah input kriteria penilaian, set skala perbandingan berpasangan, dan analisis kriteria Penilaian. Dalam AHP kriteria Penilaian ini, pengguna harus memasukkan kriteria-kriteria penilaian yang akan dipakai pada form penilaian karyawan.

 

Gambar 4. Diagram Alir AHP Kriteria Penilaian

Penghitungan nilai intensitas kriteria ini diawali dengan melakukan perbandingan berpasangan dari tiap-tiap kriteria. Gambar 5. menjelaskan algoritma umum dari proses set skala perbandingan.

Gambar 5. Diagram Alir Set Skala Perbandingan

Setelah perbandingan berpasangan dilakukan, kemudian proses selanjutnya adalah proses perhitungan nilai intensitas kriteria. Proses perhitungan nilai intensitas kriteria penilaian ini dimulai dengan melakukan pengkuadratan matriks yang dihasilkan pada saat perbandingan berpasangan, kemudian dilanjutkan proses normalisasi matriks kuadrat tersebut, dan penghitungan konsistensi rasio. Gambaran umum mengenai proses analisis kriteria penilaian ini dapat dilihat pada Gambar 6. 

Gambar 6. Diagram Alir Analisis Kriteria Penilaian

Hasil dari normalisasi matriks kuadrat ini adalah nilai intensitas kriteria penilaian. Sedangkan gambaran umum mengenai proses kuadrat matriks dan normalisasi matriks berturut-turut dapat dilihat pada Gambar 7. dan Gambar 8.

Gambar 7. Diagram Alir Kuadrat Matriks

Gambar 8.  Diagram Alir Normalisasi Matriks

Pada proses analisis kriteria ini juga terdapat proses untuk menghitung nilai konsistesi rasio dari perbandingan berpasangan yang telah dilakukan. Nilai konsistensi rasio ini bergantung pada banyaknya kriteria penilaian yang ada. Gambaran umum algoritma untuk menghitung nilai konsistensi rasio ini dapat dilihat pada Gambar 9.

Gambar 10. Diagram Alir Konsistensi Rasio

Diagram Alir AHP Karyawan

            Setelah nilai intensitas kriteria penilaian diketahui, maka proses selanjutnya adalah proses AHP karyawan. Gambaran umum algoritma AHP karyawan ini dapat dilihat melalui Gambar 10. Proses-proses yang terdapat dalam AHP karyawan ini adalah input bobot karyawan per kriteria dan hitung nilai intensitas karyawan per kriteria.

Gambar 10. Diagram Alir AHP Karyawan

           

Proses AHP karyawan ini dimulai dengan proses memasukkan nilai bobot karyawan tiap kriteria. Gambaran algoritma untuk input bobot karyawan ini dapat dilihat pada Gambar 11.

Gambar  11. Diagram Alir Input karyawan Per Kriteria

Setelah proses pemasukkan nilai bobot karyawan tiap kriteria disimpan, kemudian dilakukan proses penghitungan nilai intensitas akhir. Rumus penghitungan nilai intensitas karyawan per kriteria ini adalah dengan melakukan pembagian antara bobot karyawan per kriteria dengan jumlah bobot karyawan per kriteria yang telah dimasukkan tersebut. Gambaran algoritma hitung nilai intensitas program ini dapat dilihat pada Gambar 12.

Gambar 12. Diagram Alir Bobot Terhitung karyawan Per Kriteria

Diagram Alir Hasil Analisis

            Setelah semua karyawan diberi bobot untuk tiap kriteria, proses selanjutnya yaitu menghitung nilai intensitas total karyawan. Gambaran umum mengenai algoritma proses hasil analisis penilaian dapat dilihat pada Gambar 13.

Gambar 13.  Diagram Alir Hasil Analisis Penilaian karyawan

Subsistem Manajemen Model

Subsistem manajemen model merupakan metode yang digunakan dalam proses analisis SPK ini.

Subsistem Manajemen Model SPK Pemilihan Karyawan Berprestasi Berdasarkan Kinerja

Analisis pemilihan karyawan berprestasi berdasarkan kinerja dimodelkan oleh metode AHP. Tiap-tiap kriteria diperbandingkan berdasarkan metode AHP, selanjutnya masing-masing alternatif juga  dianalisis dengan metode AHP. Penentuan kriteria pada Sistem Pendukung Keputusan pemilihan karyawan berprestasi ini dapat dilakukan oleh Departemen SDM.

Penilaian alternatif pada Sistem Pendukung Keputusan pemilihan karyawan berprestasi ini dilakukan dengan metode langsung (direct), yaitu metode yang digunakan untuk memasukkan data kuantitatif. Biasanya nilai-nilai ini berasal dari sebuah analisis sebelumnya atau dari pengalaman dan pengertian yang detail dari masalah keputusan tersebut. Jika si pengambil keputusan memiliki pengalaman atau pemahaman yang besar mengenai masalah keputusan yang dihadapi, maka dia dapat langsung memasukkan pembobotan dari setiap alternatif.

Gambar 14.  Struktur Hirarki AHP pada Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi

Keterangan Gambar 14 :

1. Hirarki terbawah adalah nama-nama karyawan yang ada di STMIK AMIKOM Yogyakarta.
2. Hirarki kedua adalah kriteria-kriteria yang dipakai untuk menganalisis karyawan.
3. Hirarki ketiga adalah hirarki yang berisi karyawan dengan prioritas tertinggi. Karyawan inilah yang layak mendapatkan reward atau penghargaan.

Implementasi

            Pada gambar 15, merupakan cara menentukan perbandingan untuk tiap kriteria sesuai nilai perbandingannya.

Gambar 15. Form menghitung perbandingan tiap kriteria penilaian

            Pada gambar 16, merupakan form untuk menilai karyawan berdasarkan tiap-tiap kriterianya. Misalkan karyawan yang bernama armadyah, kriterianya adalah kualitas kerja, dan nilainya sangat bagus.

Gambar 16. Form pengisian kriteria tiap karyawan

Kesimpulan

Adapun kesimpulan-kesimpulan yang didapatkan dalam penulisan ini:

1.      Interval bobot yang dipakai dalam penilaian karyawan ini adalah 0-4, dimana  0 adalah buruk, 1 adalah kurang dari cukup, 2 adalah cukup, 3 adalah baik, dan 4 adalah sangat baik. Semakin tinggi nilai bobot penilaian dokumen maka semakin tinggi pula nilai intensitas total penilaian karyawan.

2.      Hasil perhitungan AHP yang diterapkan ini akan menghasilkan keluaran nilai intensitas prioritas karyawan tertinggi sehingga karyawan yang memiliki nilai tertinggi layak untuk mendapatkan reward atau penghargaan.