citisee 2018 simple additive weighting berulang untuk...

Simple Additive Weighting Berulang untuk Seleksi

Kelayakan Administrasi Calon Tenaga Kerja

Indonesia pada PT. Xyz Banyumas Chayatul Farikhoh

Teknik Informatika

Amikom Purwokerto

Banyumas, Indonesia

[email protected]

Andik Wijanarko

Teknik Informartika

Amikom Purwokerto

Banyumas, Indonesia

[email protected]

Abstrak—PT.Xyz merupakan perusahaan penyalur calon

tenaga kerja Indonesia (CTKI) yang bekerjasama dengan

berbagai perusahaan tujuan di Malaysia. PT Xyz sering

kesulitan dalam melakukan seleksi administrasi, selain

karena jumlah pendaftar yang banyak, juga karena tiap-tiap

perusahaan memiliki persyaratan yang berbeda. Penelitian

ini membuat sistem pendukung keputusan yang

menghasilkan ranking sekaligus informasi kelayakan CTKI.

Metode yang dipergunakan adalah metode SAW yang

berulang untuk tiap-tiap perusahaan tujuan. Hasil penelitian

ini adalah terbangunnya aplikasi berbasis web sistem

pendukung keputusan seleksi CTKI untuk multiple

perusahaan tujuan.

Kata Kunci —SPK, SAW, Calon Tenaga Kerja Indonesia.

Abstract—PT. Xyz is a channeling company for

prospective Indonesian workers (CTKI) in collaboration with

various destination companies in Malaysia. PT Xyz often has

difficulty in conducting administrative selection, in addition

to the large number of registrants, also because each company

has different requirements. This research makes a decision

support system that results in a ranking as well as CTKI

feasibility information. The method used is the recurrent

SAW method for each destination company. The results of

this study are the establishment of a web-based application of

the decision support system for CTKI selection for multiple

destination companies.

Keywords—SPK, SAW, prospective Indonesian Worker.

I. PENDAHULUAN

Jumlah Tenaga Kerja Indonesia (TKI) yang bekerja di luar negeri cukup banyak, pada tahun 2016 jumlah TKI sebanyak 234.451 orang yang mana 53% bekerja di sektor formal dan 47% bekerja di sektor informal [1]. PT. Xyz merupakan salah satu Pelaksana Penempatan Tenaga Kerja Indonesia Swasta (PPTKIS) di kabupaten Banyumas yang fokus menyalurkan tenaga kerja sektor formal ke Malaysia. Oleh karena itu PT. Xyz bekerja sama dengan beberapa perusahaan besar yang beroperasi di Malaysia seperti Lumileds, Epson, Panasonic, Osram Optosemiconductor dan yang lainnya, total terdapat 14 perusahaan.

Setiap tahun perusahaan-perusahaan tersebut memerlukan ribuan tenaga kerja dari Indonesia untuk ditempatkan sebagai operator produksi. Misalnya pada tahun 2016 permintaan dari pihak Malaysia Sebanyak 4.235 orang yaitu dengan permintaan untuk laki – laki sebanyak 119 orang dan perempuan sebanyak 4.116 orang. yang dapat dipenuhi oleh PT.Xyz adalah sebanyak 796 orang, yang mana proses perekrutan laki – laki sebanyak 13 orang dan perempuan 783 orang, jauh dari target yang diminta.

Salah satu penyebab sulit terpenuhinya permintaan adalah sistem pendaftaran dan seleksi administrasi.

Proses seleksi CTKI pada PT.Xyz dimulai dari pendaftaran untuk menjadi CTKI melalui PT.Xyz yang dilakukan dengan cara para pendaftar mendatangi kantor PT.Xyz untuk mendaftar dengan mengisi formulir dan melengkapi berkas. Pendaftaran juga bisa dilakukan melalui sekolah-sekolah yang bekerjasama dengan PT.Xyz. formulir yang terkumpul didata untuk dan diseleksi berdasarkan persyaratan-persyaratan pada perusahaan-perusahaan yang berkerjasama dengan PT.Xyz. Hasil seleksi berupa kelayakakan atau ketidaklayakan para pendaftar CTKI pada perusahaan-perusahan tersebut, yang mana seorang pendaftar tidak layak untuk perusahaan satu tetapi layak untuk perusahaan lainnya, maka pendaftar tersebut direkomendasikan untuk bekerja pada perusahaan yang layak sesuai dengan profil pendaftar tersebut.

Cara tersebut dirasa kurang efektif, terutama pada proses selesinya, yang mana rata-rata memerlukan waktu 3 hari setelah penutupan pendaftaran, bahkan jika pendaftar dan perusahaan tujuan banyak, maka proses seleksi bisa memerlukan waktu satu minggu setelah tanggal penutupan pendaftaran. Selain itu, cara tersebut juga tidak dapat menjangkau calon pendaftar yang lebih luas.

Oleh karena itu perlu dilakukan cara lain yang lebih mudah dan lebih dapat menjangkau masyarakat luas salah satunya adalah teknologi web site, karena web site dapat menjangkau masyarakat luas yang terkoneksi internet [2][3]. Selain berbasis web, perlu juga dibuat sistem seleksi administrasi yang lebih cepat, misalnya dengan sistem pendukung keputusan (SPK) yang menyajikan informasi kelayakan CTKI secara on-line.

Penggunaan SPK dikarenakan sistem ini menggunakan pendekatan secara sistematis dengan mengumpulkan faktor-faktor [4], baik secara terstruktur maupun semi struktur yang mana tidak seorangpun tahu bagaimana keputusan dibuat secara pasti [5][6][7].

Terdapat beberapa penelitan tentang SPK, terutama dalam sistem rekrutmen. Diantaranya adalah penelitian marfu’ah dkk [8] yang menggunakan metode Technique For Order Preference by Similary To Deal Solution untuk seleksi rekutmen pada PT. Eska Indojaya. Penelitian lain dilakukan oleh Mardiana [9] yang menggabungkan metode AHP dan TOPSIS untuk penerimaan asisten laboratorium.

Metode yang digunakan dalam pembuatan SPK adalah Simple Additive Weighting (SAW). Metode SAW sebagai metode dalam rekrutmen telah banyak diteliti, mulai dari untuk rekomendasi lowongan pekerjaan [10] sampai pada rekrutmen karyawan seperti rekrutmen karyawan pada PT. Nusantara Sakti Ciptadana Finance Kota Bengkulu [11].

CITISEE 2018

65

ISBN: 978-602-60280-1-3

SAW sering digunakan dalam pembobotan suatu kriteria [12]. Dalam hal ini pembobotan dilakukan terhadap syarat-syarat CTKI dari tiap-tiap perusahaan. Penelitian ini dibatasi tiga perusahaan yang selalu bekerjasama dengan PT.Xyz dari tahun ke tahun yaitu Lumilen, EPSON dan VS Industry. Ketiga perusahaan tersebut memiliki syarat-sayat yang berbeda-beda. Syarat-syarat pada masing-masing perusahaan diberi bobot sebagai acuan dari syarat-syarat yang dimasukkan oleh pendaftar CTKI melalui web site. Syarat-syarat dari pendaftar CTKI dihitung bobotnya pada satu perusahan, dilanjutkan dengan penghitungan bobot pada perusahaan kedua dan dilakukan lagi penghitungan bobot pada perusaan ketiga. Oleh karena itulah penelitian ini disebut SAW berulang.

Hasil dari penelitian ini adalah sistem pendukung keputusan untuk menseleksi syarat administrasi para CTKI yang telah mendaftar melalui web site. Hasil pengolahan bobot-bobot tersebut selanjutnya ditampilkan di web site yang dapat dilihat oleh para pendaftar CTKI tersebut. Dengan demikian out come yang diharapkan adalah semakin mudah, cepat dan luasnya pendaftaran sehingga pada akhirnya dapat meningkatkan jumlah CTKI yang mendaftar dan memenuhi syarat sehingga permintaan ternaga kerja dapat terpenuhi.

SAW merupakan salah satu jenis SPK yang menggunakan metode Multiple Attribute Decision Making (MADM), yaitu metode untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu [13]. Konsep metode SAW adalah mencari penjumlahan terbobot dari rating kinerja untuk tiap-tiap alternatif pada semua atribut. Metode SAW memerlukan normalisasi matriks keputusan (x) ke skala yang diperbandingkan dengan semua rating alternatif [14]. Matrik keputusan (X) dibentuk dari tabel rating kecocokan di setiap alternatif untuk tiap-tiap kriteria. Nilai X tiap-tiap alternatif (Ai) pada pada tiap-tiap kriteria (Cj) yang sudah ditentukan, yang mana, i=1,2,...m dan j=1,2,...n, [15] . Skema matriks keputusan adalah sebagai berikut.

X = [

𝑥11 𝑥12 … 𝑥𝑖𝑗

⋮ ⋱ ⋮𝑥𝑖1

𝑥𝑖2 … 𝑥𝑖𝑗

] (1)

Nilai rating dapat dirumuskan dalam model matematika berikut ini

𝑟𝑖𝑗 {

𝑥𝑖𝑗

𝑚𝑎𝑥𝑖𝑥𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛

𝑚𝑖𝑛𝑖𝑥𝑖𝑗

𝑥𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎

(2)

Keterangan :

rij = nilai rating kinerja ternomalisasi

xij = nilai atribut yang dimikili dari setiap kriteria

max xij = nilai terbesar dari setiap kriteria

max xij = nilai terkecil dari setiap kriteria

benefit = jika nilai terbesar adalah terbaik

cost = jika nilai terkecil adalah terbaik

yang mana rij adalah rating kinerja ternomalisasi dari

alternatif Ai pada atribut Cj: i = 1,2,.....m dan j = 1,2,.......n.

Sedangkan rumus untuk mencari Nilai preferensi untuk

setiap alternatif (Vi) dirumuskan berikut dalam model

berikut ini

𝑉𝑖 = ∑ 𝑤𝑗𝑟𝑖𝑗𝑛𝑗=1 (3)

Keterangan:

Vi = rangking untuk setiap alternatif

Wj = nilai bobot dari setiap kriteria

rij = nilai rating kinerja ternormalisasi

yang mana nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

Langkah-langkah penyelesaian SPK menggunakan metode SAW adalah sebagai berikut [16]. 1. Menentukan kriteria yang dijadikan acuan dalam

pengambilan keputusan (Ci). 2. Menentukan rating kecocokan tiap-tiap alternatif pada

tiap-tiap kriteria 3. Membuat matriks keputusan berdasarkan kriteria(Ci),

selanjutnya melakukan normalisasi matriks berdasarkan persamaan yang sesuai dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi (R).

4. Hasil akhir didapat dari perankingan yaitu penjumlahan perkalian matriks ternormalisasi R dengan vektor bobot sehingga didapatkan nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

II. METODE PENELITIAN

Terdapat tiga tahap dalam penelitian ini yaitu, pengumpulan data, penerapan SPK metode SAW terhadap data-data yang terkumpul dan pembuatan perangkat lunak. Skema alur penelitian dapat dilihat pada gambar 1 berikut ini.

Gambar 1. Skema Alur penelitian

Penjelasan dari gambar 1 tersebut adalah sebagai berikut.

1. Pengumpulan data

Hasil dari pengumpulan data ini dijadikan dasar/bahan untuk tahap-tahap selanjutnya, yaitu tahap penerapan SAW dan pembuatan aplikasi Pengumpulan data dilakukan dengan cara :

CITISEE 2018

66

ISBN: 978-602-60280-1-3

a. Wawancara

Wawancara dilakukan dengan karyawan, pimpinan PT.Xyz dan para pendaftar CTKI. Metode ini digunakan untuk mendapatkan data-data pendaftar, persyaratan dan proses bisnis rekrutmen pada PT.Xyz.

b. Observasi

Observasi dilakukan dengan pengamatan secara langsung sistem kerja perekrutan dan juga proses yang ada di PT Xyz diantaranya data jumlah staf/karyawan, peralatan IT penunjang aktifitas yang digunakan, sistem kerja dan permasalahan yang timbul pada proses pendaftaran Calon Tenaga Kerja Indonesia (CTKI).

c. Kajian Pustaka

Metode dilakukan dengan mengumpulkan data-data yang ada di PT Xyz antara lain buku keluar/masuk surat, buku induk CTKI, Surat ijin Pengerahan (SIP) dari , Rekomendasi Perekrutan dari Dinas Tenaga Kerja Povinsi Jawa Tengah, data yang dihasilkan yaitu data pengiriman CTKI dan lain sebagainya.

2. Penerapan Metode SAW Berdasarkan data-data yang didapat dari metode pengumpulan data. Selanjutnya adalah melakukan perhitungan data-data secara manual. Langkah-langkah yang dilakukan adalah sebagai berikut. a. Menentukan alternatif, yaitu pendaftar CTKI.

Diambil 20 alternatif. b. Menentukan kriteria dan bobot. Terdapat 5 kriteria. c. Memberikan nilai rating kecocokan alternatif pada

setiap kriteria (Nilai Crisp). Diambil tiga perusahaan yang setiap tahun membuka lowongan pekerjaan yang kriteria saling berbeda yaitu Lumileds (M) Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd, VS Industry (M)Sdn. Bhd

d. Membuat matrik keputusan X berdasarkan kriteria, kemudian melakukan normalisi matriks berdasarkan persamaan yang disesuaikan jenis atribut sehingga diperoleh matriks ternormalisasi.

e. Melakukan proses perangkingan. Hasil akhir diperoleh dari proses perangkingan dengan melalui penjumlahan dari perkalian matriks ternomalisasi (r) dengan nilai bobot setiap kriteria (w) sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik.

3. Pembuatan Aplikasi Pembuatan aplikasi dilakukan dengan metode waterfall, metode ini dipilih karena lebih terstruktur dan mudah untuk dilaksanakan. Tahapan dalam pembuatan aplikasi adalah sebagai berikut. a. Analisa Sistem. Menganalisa kebutuhan fungsional

dan non fungsional. b. Desain. Desain aliran data, desain database dan

desain antarmuka. c. Pengkodean. Melakukan pengkodean pada desain

yang telah dibuat. d. Pengujian. Pengujian menggunakan jenis Black

box testing e. Implementasi. Memasukkan data-data real dalam

aplikasi.

III. HASIL DAN PEMBAHASAN

A. Pengumpulan Data

Hasil dari tahap Pengumpulan Data, berupa data dan

informasi terkait dengan rekrutmen CTKI pada PT.Xyz.

data yang dimaksud adalah, data pendaftar dan data

persyaratan, sedangkan informasi yang diperoleh adalah

adalah alur pendaftaran CTKI.

B. Penerapan metode SAW

Proses penghitungan terhadap data menggunakan

metode SAW adalah sebagai berikut.

1. Menentukan Alternatif

Data alternatif merupakan data pelamar CTKI. Sebagai

sample diambil 20 Alternatif seperti pada tabel berikut

ini, Nama disamarkan dan diganti untuk privasi.

TABEL 1. Data Alternatif

No Nama Simbol

1 Okta Vindi Lestari A1

2 Nurjanah A2

3 Retno Windi Septiyaningsih A3

4 Akmal Maulida Firdaus A4

5 Devi Nadewi A5

6 Cahyati Budiarti A6

7 Indah Mawarni A7

8 Daryatun A8

9 Anggun Wijayanti Permana A9

10 Julia Gusti Bestari A10

11 Laeli Hikmawati A11

12 Yuni Dapratiwi A12

13 Dewi Agustina A13

14 Safriliatun Khasanah A14

15 Siska Triana A15

16 Wahyu Indriyanti A16

17 Apriani A17

18 Dewi Larasati A18

19 Erni Dwi Astuti A19

20 Neni Kuspriyanti A20

2. Menentukan Kriteria (Cj)

TABEL 2. Data Kriteria

No Data Kriteria Pelamar Simbol Bobot

1 Usia C1 35

2 Pendidikan C2 20

3 Tinggi Badan C3 20

4 Pengalaman Kerja ke Luar

Negeri C4 15

5 Berat Badan C5 10

CITISEE 2018

67

ISBN: 978-602-60280-1-3

3. Memberikan nilai rating kecocokan alternatif pada

setiap kriteria (Nilai Crisp)

Terdapat 3 perusahaan yang memiliki kriteria yang

berbeda-beda yaitu Lumileds (M) Sdn. Bhd, Epson

Toyocom (M) Sdn. Bhd, VS Industry (M) Sdn.

Kriteria-kriteria tersebut adalah sebagai berikut.

TABEL 3. Kriteria Lumileds (M) Sdn. Bhd

Usia 18 – 25

Pendidikan minimal SMK sederajat

Tinggi Badan minimal 153 cm

TABEL 4. Kriteria Epson Toyocom (M) Sdn. Bhd

Usia 18 – 30 tahun

Pendidikan minimal SMK sederajat

Tinggi badan minimal 150 cm

TABEL 5. Kriteria VS Industry (M) Sdn. Bhd

Usia 18 – 35 tahun

Pendidikan minimal SMP sederajat

Tinggi Badan minimal 145 cm

Tiap-tiap kriteria di tiap-tiap perusahaan dibuat sub kriteria

a. Usia

Muda usia, maka nilai untuk mengikuti seleksi semakin

tinggi

TABEL 6. Usia Lumileds (M) Sdn. Bhd

Sub Kriteria Nilai

18 – 20 100

21 – 23 75

24 – 26 50

27 – 30 0

TABEL 7. Usia Epson Toyocom (M) Sdn. Bhd dan

VS Industry (M) Sdn. Bhd

Sub Kriteria Nilai

18 – 20 100

21 – 23 75

24 – 26 50

27 – 30 25

>31 0

b. Pendidikan

semakin tinggi pendidikan, maka nilai yang akan di

dapat semakin tinggi nilai yang dihasilkan

TABEL 8. Pendidikan Lumileds (M) Sdn. Bhd dan Epson

Toyocom (M) Sdn. Bhd

Sub Kriteria Nilai

SMK/Sederajat 100

SMP/Sederajat 75

SD/Sederajat 0

TABEL 9. Pendidikan VS Industry (M) Sdn. Bhd

Sub Kriteria Nilai

SMK/Sederajat 100

SMP/Sederajat 75

SD/Sederajat 25

b. Tinggi Badan

Semakin badan pelamar tinggi, maka nilai yang di

hasilkan semakin tinggi.

TABEL 10. Tinggi Badan Lumileds (M)Sdn. Bhd dan

Epson Toyocom (M)

Sdn. Bhd

Sub Kriteria Nilai

158 - 165 cm 100

152 - 157 cm 75

148-151 cm 50

< 147 cm 0

TABEL 11. Tinggi Badan VS Industry (M)Sdn. Bhd

Sub Kriteria Nilai

158 - 165 cm 100

152 - 157 cm 75

148-151 cm 50

< 147 cm 25

c. Pengalaman Bekerja ke Luar Negeri (LN)

Apabila pelamar tidak punya pengalaman bekerja ke

LN, maka nilai yang dihasilkan akan semakin tinggi.

TABEL 13. Pengalaman Bekerja ke LN Lumileds (M)

Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd dan VS

Industry (M)

Sub Kriteria Nilai

0 thn 100

10 thn 75

6 - 8 thn 50

2 - 5 thn 25

1 thn 0

d. Berat Badan

Apabila pelamar mempunyai berat badan terlalu tinggi,

maka nilai yang dihasilkan akan rendah, begitu pula

sebaliknya

TABEL 14. Berat Badan Lumileds (M) Sdn. Bhd,

Epson Toyocom (M) Sdn. Bhd dan VS Industry (M)

Sdn. Bhd

Sub Kriteria Nilai

45 - 50 kg 100

51 - 55 kg 75

CITISEE 2018

68

ISBN: 978-602-60280-1-3

56 - 60 kg 50

61 - 65 kg 25

> 66 kg 0

4. Normalisasi Matriks

Normalisi matriks berdasarkan persamaan yang

disesuaikan jenis atribut sehingga diperoleh matriks

ternormali. Langkah-langkah normaliasi adalah sebagai

berikut.

a. Menentukan bobot alternatif dari masing-masing

alternative.

Data yang akan diseleksi dihasilkan dari nilai rating

kecocokan alternatif pada setiap kriteria (Nilai Crisp).

Berikut nilai bobot alternatif dari masing-masing

Alternatif :

1) Alternatif Okta Vindi Lestari (A1)

TABEL 15. Alternatif Okta Vindi Lestari Lumileds

(M) Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd dan

VS Industry (M) Sdn. Bhd

Kriteria (C) Keterangan Nilai

Usia 26 thn 50

Pendidikan SMK/Sederajat 100

Tinggi Badan 155 cm 75

Pengalaman Kerja ke LN 0 thn 100

Berat Badan 46 kg 100

2) Alternatif Nurjanah (A2)

TABEL 16. Alternatif Nurjanah Lumileds (M) Sdn. Bhd

Kriteria C1 Keterangan Nilai

Usia 29 thn 0





TABEL 17. Alternatif Nurjanah Epson Totocom (M) Sdn.

Bhd dan VS Industry (M) Sdn. Bhd


Usia 29 thn 25





3) Alternatif Retno Windi Septiyaningsih (A3)

TABEL 17. Alternatif Retno Windi Septiyaningsih

Lumileds (M) Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd

dan VS Industry (M) Sdn. Bhd


Usia 23 thn 75





4) Alternatif Akmal Maulida Firdaus (A4)

TABEL 18. Alternatif Akmal Maulida Firdaus Lumileds

(M) Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd dan VS

Industry (M) Sdn. Bhd


Usia 18 thn 100





5) Alternatif Devi Nadewi (A5)

TABEL 19. Alternatif Devi Nadewi Lumileds (M) Sdn.

Bhd, Epson Toyocom (M) Sdn. Bhd dan VS Industry (M)

Sdn. Bhd


Usia 18 thn 100





6) Alternatif Cahyati Budiarti (A6)

TABEL 20. Alternatif Cahyati Budiarti Lumileds (M)


Industry (M) Sdn. Bhd


Usia 22 thn 75





1. 7) Alternatif Indah Mawarni (A7)

TABEL 21. Alternatif Indah Mawarni Lumileds (M) Sdn.

Bhd dan Epson Toyocom (M) Sdn. Bhd


Usia 21 thn 75





TABEL 22. Alternatif Indah Mawarni VS Industry (M)

Sdn. Bhd

CITISEE 2018

69

ISBN: 978-602-60280-1-3


Usia 21 thn 75



Tinggi Badan 147 25


8) Alternatif Daryatun (A8)

TABEL 41. Alternatif Daryatun Lumileds (M) Sdn. Bhd,

Epson Toyocom (M) Sdn. Bhd dan VS Industry (M) Sdn.

Bhd


Usia 26 thn 50





9) Alternatif Anggun Wijayanti Permata (A9)

TABEL 42. Alternatif Anggun Wijayanti Permata

Lumileds (M) Sdn. Bhd, Epson Toyocom (M) Sdn. Bhd

dan VS Industry (M) Sdn


Usia 31 thn 0





10) Alternatif Julia Gusti Bestari (A10)

TABEL 43. Alternatif Julia Gusti Bestari Lumileds (M)


Industry (M) Sdn


Usia 23 thn 75





11) Alternatif Laeli Hikmawati (A11)

TABEL 44. Alternatif Laeli Hikmawati Lumileds (M)


Industry (M) Sdn


Usia 18 thn 100





12) Alternatif Yunida Pratiwi (A12)

TABEL 45. Alternatif Yunida Pratiwi Lumileds (M) Sdn.


Sdn


Usia 21 thn 75



Pengalaman Kerja

ke LN 2 thn 25


2. 13) Alternatif Dewi Agustin (A13)

TABEL 46. Alternatif Dewi Agustin Lumileds (M) Sdn.


Sdn


Usia 18 thn 100





3. 14) Alternatif Safriliatun Khasanah (A14)

TABEL 47. Alternatif Safriliatun Khasanah Lumileds (M)


Industry (M) Sdn


Usia 19 thn 100





4. 15) Alternatif Siska Triana (A15)

TABEL 48. Aternatif Siska Triana Lumileds (M) Sdn.


Sdn


Usia 18 thn 100





CITISEE 2018

70

ISBN: 978-602-60280-1-3

5. 16) Alternatif Wahyu Indriyanti (A16)

TABEL 49 Alternatif Wahyu Indriyanti Lumileds (M)


Industry (M) Sdn


Usia 18 thn 100





17) Alternatif Apriani (A17)

TABEL 50. Alternatif Apriani Lumileds (M) Sdn. Bhd,

Epson Toyocom (M) Sdn. Bhd dan VS Industry (M) Sdn


Usia 20 thn 100





18) Alternatif Dewi Larasati (A18)

TABEL 51. Alteratif Dewi Larasati Lumileds (M) Sdn.


Sdn


Usia 20 thn 100





19) Alternatif Erni Dwi Astuti (A19)

TABEL 52. Alternatif Erni Dwi Astuti Lumileds (M)


Industry (M) Sdn


Usia 21 thn 75

Pendidikan SMK/sederajat 100

Tinggi Badan 152 kg 75



20) Alternatif Neni Kuspriyani (A20)

TABEL 53. Alternatif Neni Kuspriyani Lumileds (M)


Industry (M) Sdn


Usia 22 thn 75





b. Membuat matriks X

Berdasarkan bobot nilai dari masing-masing

alternative yang telah dihitung di atas, maka dapat

dibuat matriks. Matriks x dapat dilihat pada gambar

berikut ini.

Gambar 2. Matrix X Lumileds (M) Sdn.Bhd

Gambar 3. Matrix X Epson Toyocom (M) Sdn.Bhd

CITISEE 2018

71

ISBN: 978-602-60280-1-3

Gambar 4. Matrix X VS Industry (M) Sdn.Bhd

c. Normalisasi matriks X menjadi matriks R

Normalisai matriks X menggunakan rumus Benefit akan dihasilkan nilai yang terbesar adalah yang terbaik. Proses normalisasi adalah sebagai berikut

Gambar 5. Proses Perhitungan Normalisasi Matrik X Lumileds (M) Sdn. Bhd

Gambar 6. Proses Perhitungan Normalisasi Matrik X Epson Toyocom (M) Sdn. Bhd

CITISEE 2018

72

ISBN: 978-602-60280-1-3

Gambar 7. Proses Perhitungan Normalisasi Matrik X VS Industry (M) Sdn. Bhd

Melalui proses tersebut sehingga diperoleh matriks R sebagai berikut

Gambar 8. Hasil Matrik R Lumileds (M) Sdn. Bhd

Gambar 9. Hasil Matrik R Epson Toyocom (M) Sdn. Bhd

Gambar 10. Hasil Matrik R VS Industry (M) Sdn. Bhd

d. Melakukan Perangkingan

Sebelum menentukan rangking, terlebih dahulu menentukan kelayakan untuk menginformasikan kelayakan pendaftar CTKI. Tabel kelayakan adalah sebagai berikut.

100 - 80 Sangat Layak

79 - 70 layak

< 69 Tidak Layak


75 - 60 layak

<59 Tidak Layak


69 - 50 layak

< 49 Tidak Layak

LUMILEDS (M) SDN. BHD

EPSON TOYOCOM (M) SDN.BHD

VS INDUSTRY (M) SDN. BHD

Gambar 11. Tabel kelayakan

Proses perangkingan dilakukan dengan menjumlahkan

perkalian matriks ternormalisasi (r) dengan bobot setiap

kriteria (w) sehingga diperoleh nilai terbesar yang terpilih

sebagai alternatif terbaik. Hasil perangkingan tiap-tiap

alternatif dapat dilihat pada table-tabel berikut ini.

CITISEE 2018

73

ISBN: 978-602-60280-1-3

TABEL 54. Hasil akhir perangkingan Lumileds (M) Sdn.

Bhd Nama Alternatif Total Rangking Keterangan

Dewi Larasati 95,00 1 Sangat Layak

Wahyu Indriyati 95,00 2 Sangat Layak

Apriani 95,00 3 Sangat Layak

Siska Triana 95,00 4 Sangat Layak

Dewi Agustina 95,00 5 Sangat Layak

Laeli Hikmawati 92,50 6 Sangat Layak

Julia Gusti Bestari 91,25 7 Sangat Layak

Safriliatun Khasanah 90,00 8 Sangat Layak

Devi Nadewi 87,50 9 Sangat Layak

Akmal Maulida Firdaus 87,50 10 Sangat Layak

Erni Dwi Astuti 86,25 11 Sangat Layak

Cahya Budiarti 86,25 12 Sangat Layak

Daryatun 77,50 13 Layak

Okta Vindi Lestari 77,50 14 Layak

Retno Windi Septiyaningsih 75,00 15 Layak

Indah Mawarni 71,25 16 Layak

Yuni Dapratiwi 70,00 17 Layak

Neni Kuspriyanti 60,00 18 Tidak Layak

Nurjanah 57,50 19 Tidak Layak

Anggun Wijayanti Permata 53,75 20 Tidak Layak

Tabel 55. Hasil akhir perangkingan Epson Toyocom (M) Sdn. Bhd

Nama Alternatif Total Rangking Keterangan













Daryatun 77,50 13 Sangat Layak

Okta Vindi Lestari 77,50 14 Sangat Layak

Retno Windi

Septiyaningsih

75,00 15 Sangat Layak

Indah Mawarni 71,25 16 Layak

Yuni Dapratiwi 70,00 17 Layak

Nurjanah 66,25 18 Layak

Neni Kuspriyanti 60,00 19 Layak

Anggun Wijayanti Permata 53,75 20 Tidak Layak

Tabel 56. Hasil akhir perangkingan VS Industry (M) Sdn. Bhd

Nama Alternatif Total Rangking Keterangan













Daryatun 77,50 13 Sangat Layak

Okta Vindi Lestari 77,50 14 Sangat Layak

Indah Mawarni 76,25 15 Sangat Layak

Retno Windi Septiyaningsih 75,00 16 Sangat Layak

Yuni Dapratiwi 70,00 17 Sangat Layak

Nurjanah 66,25 18 Layak

Neni Kuspriyanti 65,00 19 Layak

Anggun Wijayanti Permata 57,25 20 Layak

C. Pembuatan Perangkat Lunak

1. Data Flow Diagram (DFD)

DFD level 0 dapat dilihat pada gambar berikut

ini.

Sistem E-RekrutmentCTKI Admin

List Loker

Hasi Kelulusan

Konfirmasi Akun

Verifikasi Akunl

Data Registrasi CTKI

Informasi Kelayakan CTKI

Data CTKI

Data Admin

Data Loker

Gambar 11. DFD level 0 Perangkat lunak rekrutmen CTKI

DFD level 1 dapat dilihat pada gambar berikut ini.

Registrasi AkunCTKI

ADMIN

Pendaftaran Olah Data Loker

Perhitungan Kelayakan

Hasil

Sub Kriteria

Bobot

Kriteria

User Pendaftaran Loker

Info Loker

Data CTKI

Hasil Kelayakan CTKI

Info Loker

21 3

4

Verifikasi Akun

Registrasi

Gambar 11. DFD level 1 Perangkat lunak rekrutmen CTKI

2. Entity Relationship Diagram (ERD)

PendaftarSubKriteria

Id_Pendaftaran

nama

Tgl_Lahir

Tempat_Lahir

Pendidikan

Alamat

No_Tlp

Tinggi_Badan

Berat_Badan

Jml_Saudara

Nama_Ayah

Pekerjaan_ayah

Nama_Ibu

Pekerjaan_ibu

Foto Ijazah

Foto_Akta

Id_Loker

Id_User

File_Perjanjian

Isi

Mendaftar

PendaftarBobot

Id_Pendaftaran

nama

Tgl_Lahir

Tempat_Lahir

Pendidikan

Alamat

No_Tlp

Tinggi_Badan

Berat_Badan

Jml_Saudara

Nama_Ayah

Pekerjaan_ayah

Nama_Ibu

Pekerjaan_ibu

Alamat

No_Telp

Keterangan

Pengalaman

Status

Foto_KTPFoto Ijazah

Foto_Akta

Id_Loker

Id_User

Foto_Loker

Judul

Id_Loker

Nilai

Id_Loker

Id_SubKriteria

Id_Kriteria

Nama_Sub

Id_Bobot

Id_Loker Id_Kriteria

Nilai_Bobot

1

SPK

M

Memiliki1 KriteriaM

Id_Kriteria

Nm_Kriteria

Atribut

Memiliki

1

M

1 Memiliki 1

Menilai

SPK

Id_Subkriteria

Skor

Id_Pendaftaran

Gambar 12. ERD Perangkat lunak rekrutmen CTKI

3. Relasi antar table

Gambar 13. Relasi Tabel Perangkat lunak rekrutmen CTKI

CITISEE 2018

74

ISBN: 978-602-60280-1-3

4.Tampilan Aplikasi a. Halaman Login Admin berfungsi untuk masuk sebagai admin. Halaman login admin dapat dilihat pada gambar berikut.

Gambar 14. Halaman login admin

b. Halaman Olah data kriteria berfungsi untuk mengolah data kriteria-kriteria. Tampilan halaman kriteria dapat dilihat pada gambar berikjut ini.

Gambar 15. Halaman Olah Data Kriteria

c. c. Halaman olah data bobot Halaman ini digunakan untuk mengolah data bobot.

Tampilan dapat dilihat pada gambar 16 berikut ini

Gambar 16. Halaman Olah Data bobot

d. d. Halaman Data Altertanif Halaman ini untuk melihat data profil alternative yang

dimasukkan oleh pendaftar CTKI melalui web site. Tampilan Halaman Data Alternatif adalah sebagai berikut

Gambar 17. Halaman Data Alternatif

e. Halaman Perhitungan

Halaman ini berfungsi untuk proses penghitungan tiap-tiap alternatif sehingga terbentuk ranking dan kelayakan berdasarkan kriteria tiap-tiap perusahaan

yang dipilih, hasilnya akan disimpan dalam tabel tb_hasil.

Gambar 18. Halaman perhitungan untuk memilih perusahaan

Gambar 19. Halaman hasil perhitungan

f. Halaman Hasil Kelayakan

Halaman ini merupakan halaman hasil dari perhitungan menggunakan SAW yang tersimpan dari tabel tb_hasil

Gambar 20. Hasil kelayakan

Data hasil kelayakan juga dapat dilihat berdasarkan perusahan dan tanggal seleksi. Seperti pada gambar 21 berikut ini

Gambar 21. Filter Hasil Kelayakan

IV KESIMPULAN

Metode Simple Additive Weighting (SAW) dapat dilakukan secara berulang pada alternatif yang sama untuk kriteria-kriteria yang berbeda dari masing-masing perusahaan dengan cara menyelesaikan proses penghitungan untuk satu perusahaan dan menyimpan hasilnya pada tabel database, selanjutnya dilakukan lagi

CITISEE 2018

75

ISBN: 978-602-60280-1-3

proses perhitungannya untuk perusahaan kedua dan menyimpannya lagi ke dalam tabel database, begitu seterusnya sampai semua perusahaan telah diproses.

DAFTAR PUSTAKA

[1] BNP2TKI, “Data Penempatan dan Perlindungan

Tenaga Kerja Indonesia Tahun 2016 (Data on the

Placement and Protetion of Indonesian Overseas

Workers 2016),” 2016.

[2] S. G. Handoko, B. E. Purnama, and Sukadi,

“Pembuatan Website Pada UPT Pusat Kesehatan

Masyarakat Desa Kalak,” J. Evolusi, vol. 4, no. 2, pp.

83–90, 2016.

[3] B. Yulianto, L. C. Dewi, and O. Wijaya, “Peran

Website Restoran Terhadap Daya Tarik Konsumen

Online,” ComTech, vol. 5, no. 2, pp. 1096–1109,

2014.

[4] A. Rikki, M. Marbun, J. R. Siregar, and K. Kunci,

“Sistem Pendukung Keputusan Penerimaan

Karyawan Dengan Metode Saw Pada Pt . Karya

Sahata Medan,” J. Informatics Pelita Nusant., vol. 1,

no. 1, pp. 38–46, 2016.

[5] E. Ningsih, “Usaha Makanan Yang Tepat

Menggunakan Weighted,” vol. 9, pp. 244–254, 2017.

[6] N. C. Resti, “Penerapan Metode Simple Additive

Weighting (SAW) pada Sistem Pendukung

Keputusan Pemilihan Lokasi untuk Cabang Baru

Toko Pakan UD. Indo Multi Fish,” Intensif, vol. 1, no.

2, pp. 102–107, 2017.

[7] R. M. Simanjorang, H. D. Hutahaean, and H. T.

Sihotang, “Sistem Pendukung Keputusan Penentuan

Penerima Bahan Pangan Bersubsidi Untuk Keluarga

Miskin Dengan Metode AHP Pada Kantor Kelurahan

Mangga,” J. Inform. Pelita Nusant., vol. 2, no. 1, pp.

22–31, 2017.

[8] S. Marfu’ah, M. Hasbi, and S. Tomo, “Sistem

Pendukung Keputusan Penerimaan Karyawan

Dengan Metode Technique for Order Preference By

Similary To Deal Solution Di Pt . Eska Indo Jaya,”

pp. 14–22.

[9] Tati Mardiana, “Sistem Pendukung Keputusan

Penerimaan Asisten Laboratorium Komputer

Menggunakan Metode Ahp-Topsis,” J. Ilmu

Pengetah. Dan Teknol. Komput., vol. 3, no. 2, pp.

159–166, 2018.

[10] S. Rekomendasi and L. Kerja, “GLASSDOOR API

DAN METODE SIMPLE ADDITIVE WEIGHTING

JOB VACANCY RECOMMENDATION SYSTEM

USING GLASSDOOR API AND SIMPLE

ADDITIVE WEIGHTING,” J. Tek. dan Ilmu

Komput., vol. 7, no. 26, pp. 201–211, 2018.

[11] S. P. Sari, “Sistem Pendukung Keputusan

Penerimaan Karyawan Menggunakan Metode SAW (

Studi Kasus di PT . Nusantara Sakti Ciptadana

Finance Kota Bengkulu ),” J. Media Infotama, vol.

13, no. 2, pp. 55–66, 2017.

[12] Y. K. Sari, “Implementasi Algoritma Saw ( Simple

Additive Weighting ) Dempster Shafer Pada

Diagnosa Awal Postpartum Depression,” vol. 3, no.

1, pp. 1–6, 2018.

[13] P. Ud and I. Multi, “Penerapan Metode Simple

Additive Weighting ( SAW ) pada Sistem Pendukung

Keputusan Pemilihan Lokasi untuk Cabang Baru

Toko,” vol. 1, no. 2, pp. 102–107, 2017.

[14] Imam Tahyudin, Sistem Pendukung Keputusan (SPK)

Konsep Dasar dan Penerapannya dan Data Mining.

Purwokerto: Zahira Media Publisher, 2015.

[15] V. Sahfitri and M. Nasir, “IMPLEMENTASI

METODE FUZZY DALAM PERANCANGAN

SISTEM PENDUKUNG KEPUTUSAN

PENDISTRIBUSIAN BERAS BERSUBSIDI,” J.

SIMETRIS, vol. 9, no. 1, pp. 299–312, 2018.

[16] N. Santiara, H. C. N. Alam, and C. Slamet,

“Penerapan Metode SAW ( Simple Additive

Weighting ) Pada Manajemen Proyek Untuk

Menentukan Pegawai Dalam Pengerjaan Suatu

Proyek ( Studi Kasus PT . Deliman Integra Teknologi

),” Insight, vol. 1, no. 1, pp. 109–114, 2017.

CITISEE 2018

76

ISBN: 978-602-60280-1-3

citisee 2018 simple additive weighting berulang untuk...

Documents