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

1

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.