Top Banner
DECISION SUPPORT SYSTEM (DSS) UNTUK PEMILIHAN DAN PENEMPATAN JABATAN KAUR MENGGUNAKAN METODE GROUP TECHNOLOGY DAN DECISION TABLE TESIS TEKNIK ELEKTRO KONSENTRASI SISTEM KOMUNIKASI DAN INFORMATIKA Diajukan untuk memenuhi persyaratan Memperoleh gelar Magister Teknik RETNO DAMAYANTI NIM 136060300111029 UNIVERSITAS BRAWIJAYA FAKULTAS TEKNIK MALANG 2017
67

Tesis - Retno Damayanti - 136060300111029repository.ub.ac.id/10407/1/RETNO DAMAYANTI .pdf · Retno Damayanti, Situbondo, 4 Oktober 1989, anak dari Bapak Syaiful Bakhri dan Ibu Nur

Oct 24, 2020

Download

Documents

dariahiddleston
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
  • DECISION SUPPORT SYSTEM (DSS) UNTUK PEMILIHAN DAN

    PENEMPATAN JABATAN KAUR MENGGUNAKAN METODE

    GROUP TECHNOLOGY DAN DECISION TABLE

    TESIS

    TEKNIK ELEKTRO KONSENTRASI SISTEM KOMUNIKASI DAN INFORMATIKA

    Diajukan untuk memenuhi persyaratan

    Memperoleh gelar Magister Teknik

    RETNO DAMAYANTI

    NIM 136060300111029

    UNIVERSITAS BRAWIJAYA

    FAKULTAS TEKNIK

    MALANG

    2017

  • ii

    DECISION SUPPORT SYSTEM (DSS) UNTUK PEMILIHAN DAN PENEMPATAN JABATAN KAUR MENGGUNAKAN METODE GROUP TECHNOLOGY DAN

    DECISION TABLE

    TESIS

    Oleh:

    Nama : RETNO DAMAYANTI NIM : 136060300111029 Program Magister : Teknik Elektro Minat : Sistem Komunikasi dan Informatika

    Naskah seminar hasil tesis ini telah direvisi dan disetujui oleh dosen pembimbing Pada tanggal _________________

    Ketua,

    Rahmadwati, S.T., M.T., Ph.D. NIP. 19771102 200604 2 003

    Anggota,

    Dr. Ir. Harry Soekotjo Dachlan, M.Sc. NIP. 19490309 198602 1 001

    Mengetahui, Ketua Program Studi Magister Teknik Elektro

    Dr. Eng. Panca Mudjirahardjo, ST., MT. NIP. 19700329 200012 1 001

    JURUSAN TEKNIK ELEKTRO

    FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA

    MALANG 2017

  • iii

    IDENTITAS TIM PENGUJI TESIS

    JUDUL TESIS : Decision Support System (DSS) Untuk Pemilihan Dan Penempatan

    Jabatan Kaur Menggunakan Metode Group Technology Dan

    Decision Table

    Nama Mahasiswa : Retno Damayanti

    NIM : 136060300111029

    Program Studi : Magister Teknik Elektro

    Minat : Sistem Komunikasi dan Informatika

    KOMISI PEMBIMBING

    Ketua : Rahmadwati, S.T., M.T., Ph.D.

    Anggota : Dr. Ir. Harry Soekotjo Dachlan, M.Sc.

    TIM DOSEN PENGUJI

    Dosen Penguji 1 : Ir. Purnomo Budi Santoso, M.Sc., Ph.D.

    Dosen Penguji 2 : Dr. Ir. Muhammad Aswin, M.T.

    Tanggal Ujian : 21 Desember 2017

    SK Penguji :

  • iv

    PERNYATAAN ORISINALITAS PENELITIAN TESIS

    Saya menyatakan dengan sebenar-benarnya bahwa sepanjang pengetahuan saya dan berdasarkan hasil penelusuran berbagai karya ilmiah, gagasan dan masalah ilmiah yang diteliti dan diulas di dalam Naskah Tesis ini adalah asli dari pemikiran saya. Tidak terdapat karya ilmiah yang pernah diajukan oleh orang lain untuk memperoleh gelar akademik di suatu Perguruan Tinggi, dan tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis dikutip dalam naskah ini dan disebutkan dalam sumber kutipan dan daftar pustaka.

    Apabila ternyata di dalam naskah Tesis ini dapat dibuktikan terdapat unsur-unsur jiplakan, saya bersedia Tesis dibatalkan, serta diproses sesuai dengan peraturan perundang-undangan yang berlaku (UU No. 20 Tahun 2003, pasal 25 ayat 2 dan pasal 70).

    Malang, Desember 2017

    Mahasiswa,

    RETNO DAMAYANTI

    NIM. 136060300111029

  • v

    RIWAYAT HIDUP

    Retno Damayanti, Situbondo, 4 Oktober 1989, anak dari Bapak Syaiful Bakhri dan Ibu Nur Hasanah, SD Negeri Kauman 1 Malang, SMP Negeri 1 Malang, dan SMA Negeri 7 Malang lulus tahun 2007. Studi S1 Pendidikan Teknik Informatika Universitas Negeri Malang lulus pada tahun 2011. Pengalaman kerja sebagai staff pengajar pada Politeknik Negeri Malang sampai sekarang. Melanjutkan studi program Magister (S2) di Program Magister Teknik Elektro Jurusan Elektro Fakultas Teknik Universitas Brawijaya pada tahun 2013-2017.

    Malang, Desember 2017

    Penulis

  • vi

    UCAPAN TERIMA KASIH

    Keberhasilan penulis dalam menyelesaikan penelitian tesis ini tak lepas dari bantuan dan dukungan berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada berbagai pihak yang telah membantu dalam penyusunan skripsi ini, diantaranya:

    1. Ibu Rahmadwati, ST., MT., Ph.D. selaku dosen pembimbing I yang telah membimbing, mengarahkan, dan memberikan saran dengan penuh kesabaran sehingga memudahkan penulis dalam menyelesaikan tesis.

    2. Bapak Dr. Ir. Harry Soekotjo Dachlan, M.Sc. selaku dosen pembimbing II yang selalu aktif memberikan masukan-masukan teknis sehingga esensi penelitian tesis ini benar-benar muncul ke permukaan.

    3. Bapak Dr.Eng. Panca Mudjirahardjo, ST., MT. selaku Ketua Program Magister Teknik Elektro.

    4. Seluruh Dosen program Magister Teknik Elektro khususnya dosen program studi Magister Sistem Komunikasi dan Informtika.

    5. Ayahanda Drs. Syaiful Bakhri, Ibunda Nur Hasanah, SST., serta adik saya Hanifan Meiskandar atas segala dukungan dan doanya.

    6. Suami tercinta Kurniawan Hadinata atas cinta kasih, dukungan, dan doanya.

    7. Teman-teman Program Magister Sistem Komunikasi dan Informatika angkatan 2013.

    8. Rekan-rekan Dosen Jurusan Teknologi Informasi Politeknik Negeri Malang.

    9. Kepada semua pihak yang telah membantu yang tidak dapat penulis sebutkan satu persatu.

    Semoga amal baiknya mendapat balasan yang setimpal dari Allah SWT. Semoga apa yang terkandung di dalamnya dapat bermanfaat bagi dunia Teknologi Informasi pada umumnya, dan berguna bagi penulis khususnya serta sebagai bahan perbandingan untuk penulisan tesis yang lebih baik.

    Malang, Desember 2017

    Penulis

  • vii

    RINGKASAN

    Retno Damayanti, Jurusan Teknik Elektro, Fakultas Teknik Universitas Brawijaya, Desember 2017, Decision Support System (DSS) untuk Pemilihan dan Penempatan Jabatan Kaur Menggunakan Metode Group Technology dan Decision Table, Dosen Pembimbing: Rahmadwati dan Harry Soekotjo Dachlan.

    Bintaldam V Brawijaya merupakan salah satu institusi di bawah naungan TNI (Tentara Nasional Indonesia), sebagai institusi pembinaan mental komando daerah militer. Pada institusi ini sering terjadi penggantian jabatan Kaur (Kepala Urusan). Hanya saja kebanyakan dari jabatan Kaur tersebut diisi oleh pegawai yang tidak sesuai dengan kompetensi yang dibutuhkan. Keadaan ini terjadi karena kebutuhan jabatan Kaur yang harus diisi, ditambah lagi dalam pengusulan calon oleh Kepala Seksi (Kasi), data isian banyak yang tidak sesuai dengan fakta di lapangan, karena dalam memilih calon tersebut masih memperhitungkan unsur subyektifitas. Proses pemilihan Kaur dimulai dari calon yang dikirim dari masing-masing kepala bagian administrasi. Calon tersebut kemudian harus memenuhi tiga unsur penilaian, yaitu faktor kepribadian, faktor kecakapan, dan faktor potensi. Calon tersebut akan diseleksi oleh Kabintal sebagai pimpinan tertinggi di Bintaldam V Brawijaya. Namun Kabintal seringkali menemui kesulitan untuk menentukan calon mana yang harus dipromosikan, karena tidak ada sistem proporsional untuk mendukung proses pengambilan keputusan. Sebuah metode sistem pendukung keputusan (DSS) diperlukan untuk membuat penempatan calon Kaur yang lebih akurat dan untuk mendapatkan hasil kepemimpinan yang lebih baik. Penelitian ini mendayagunakan group technology (GT) sebagai representasi struktur data hirarkis elemen penilaian dan decision table (DT) sebagai mesin evaluasi aturan untuk membentuk DSS agar proses pemilihan Kaur menjadi lebih mudah dan akurat.

    Kata kunci : group technology, decision table, sistem penunjang keputusan, kantor pembinaan mental, tentara nasional indonesia, penilaian aspek evaluasi

  • viii

    SUMMARY

    Retno Damayanti, Department of Electrical Engineering, Faculty of Engineering, Unversity of Brawijaya, Desember 2017, Decision Support System Implementation for Candidate Selection of the Head of Affairs in Bintaldam V Brawijaya using Group Technology and Decision Table, Academic Supervisor: Rahmadwati and Harry Soekotjo Dachlan.

    One of agency under the subdivision of The Indonesian National Army is Bintaldam V Brawijaya, acts as the mental founding agency. The head of affairs position replacement is often occurred in this agency, but the positions currently have a large number of incompetence person in charge. Subjection in the election process leads to the inaccurate placement, resulting in poor leadership. The process of head of affairs assignment starts from candidates dispatching from each head of administrative section. Those candidates must then meet the three elements of assessment, i.e. the personality element, qualification element, and potential element. The candidates will be selected by head of agency as the top leader in the agency. The head of agency, however, poses difficulties to determine which candidate to put into position, frequently because of no proportional system exists to provide assistance in decision making process. A method is needed to make more accurate placement for better leadership result. This research utilize group technology as the assessment elements hierarchical data structure and decision table as the rule evaluation engine to form a decision support system for making the replacement process of the heads of affairs easier and more accurate.

    Keywords : group technology, decision table, decision support system, mental founding agency, indonesian national army, evaluation aspect

  • ix

    KATA PENGANTAR

    Puji syukur Alhamdulillah penulis haturkan kehadirat Allah SWT atas nikmat, rahmat dan hidayah-Nya, shalawat serta salam tetap tercurahkan kepada Nabi Muhammad SAW,

    Decision Support System (DSS) Untuk Pemilihan dan Penempatan Jabatan Kaur Menggunakan Metode Group Technology dan Decision Tablemiliki.

    Penyusunan tesis ini dimaksudkan untuk memenuhi salah satu syarat dalam menyelesaikan program Magister Teknik (M.T.) dalam bidang keahlian Teknik Elektro pada program studi Sistem Komunikasi dan Informatika Universitas Brawijaya.

    Dengan keterbatasan pengalaman, ilmu maupun pustaka yang ditinjau, penulis menyadari bahwa tesis ini masih banyak kekurangan dan pengembangan lanjut agar benar-benar bermanfaat. Oleh sebab itu, penulis sangat mengharapkan kritik dan saran agar tesis ini lebih sempurna, serta sebagai masukan bagi penulis untuk penelitian dan penulisan karya ilmiah di masa yang akan datang.

    Akhir kata, penulis berharap tesis ini memberikan manfaat bagi kita semua terutama untuk pengembangan ilmu pengetahuan teknologi informasi.

    Malang, Desember 2017

    Penulis

  • x

    DAFTAR ISI

    Halaman

    PERNYATAAN ORISINALITAS PENELITIAN TESIS .............................................. iii

    RIWAYAT HIDUP ............................................................................................................. v

    UCAPAN TERIMA KASIH .............................................................................................. vi

    RINGKASAN ................................................................................................................. vii

    SUMMARY ................................................................................................................ viii

    KATA PENGANTAR ........................................................................................................ ix

    DAFTAR ISI ................................................................................................................... x

    DAFTAR TABEL .............................................................................................................. xii

    DAFTAR GAMBAR ........................................................................................................ xiii

    PENDAHULUAN ................................................................................................................ 1 1.1. Latar Belakang ............................................................................................... 1 1.2. Rumusan Masalah .......................................................................................... 3 1.3. Tujuan Penelitian ........................................................................................... 4 1.4. Batasan Masalah ............................................................................................ 4 1.5. Manfaat Penelitian ......................................................................................... 4

    TINJAUAN PUSTAKA ...................................................................................................... 7 2.1. Hasil Penelitian Terkait.................................................................................. 7 2.2. Dasar Teori..................................................................................................... 9 2.2.1. Decision Support System (DSS)..................................................................... 9 2.2.1.1. Konsep Dasar Decision Support System ........................................................ 9 2.2.1.2. Karakteristik Decision Support System ........................................................ 10 2.2.1.3. Komponen Decision Support System ........................................................... 11 2.2.2. Group Technology (GT) .............................................................................. 11 2.2.3. Decision Table (DT) .................................................................................... 14

    KERANGKA KONSEP PENELITIAN .......................................................................... 15 3.1. Kerangka Penelitian ..................................................................................... 15 3.2. Rancangan Proses dan Algoritma ................................................................ 16 3.2.1. Rancangan pada Group Technology (GT) ................................................... 16 3.2.2. Rancangan pada Decision Table (DT) ......................................................... 20 3.3. Variabel Penelitian ....................................................................................... 24 3.3.1. Variabel dalam Group Technology (GT) ..................................................... 24 3.3.2. Variabel dalam Decision Table (DT) ........................................................... 25

    METODE PENELITIAN ................................................................................................. 27 4.1. Metodologi Pengambilan dan Pengolahan Data .......................................... 27 4.1.1. Analisis Kebutuhan ...................................................................................... 28 4.1.2. Perancangan Sistem ..................................................................................... 29 4.1.3. Perancangan Database ................................................................................. 31 4.1.4. Pengkodean .................................................................................................. 32 4.1.5. Pengujian...................................................................................................... 32

  • xi

    4.1.6. Pengoperasian .............................................................................................. 33

    HASIL PENELITIAN DAN PEMBAHASAN ................................................................ 35 5.1. Rancangan Sistem ........................................................................................ 35 5.2. Rancangan Database .................................................................................... 37 5.3. Desain Antarmuka Perangkat Lunak ........................................................... 39 5.4. Pengkodean Perangkat Lunak ...................................................................... 46 5.5. Pengkodean Database .................................................................................. 47 5.6. Pengujian Sistem .......................................................................................... 48 5.7. Implementasi ke Bintaldam V Brawijaya .................................................... 49

    KESIMPULAN DAN SARAN .......................................................................................... 53 6.1. Kesimpulan .................................................................................................. 53 6.2. Saran ............................................................................................................ 53

    DAFTAR PUSTAKA

    LAMPIRAN

  • xii

    DAFTAR TABEL

    No. Judul Halaman

    Tabel 5.1 Hasil Pengujian dengan Data Volume Tinggi. ........................................ 49

  • xiii

    DAFTAR GAMBAR

    No. Judul Halaman

    Gambar 2.1 SkemaISusunan PengkodeanImodeIHirarki. ........................................... 12

    Gambar 2.2 SkemaISusunan PengkodeanImodeIAtribut (Polycode). ........................ 13

    Gambar 2.3 Skema Susunan Pengkodean Hybrid. ..................................................... 13

    Gambar 2.4 Susunan Decision Table. ......................................................................... 14

    Gambar 3.1 Kerangka Berfikir Penelitian. .................................................................. 15

    Gambar 3.2 Flowchart dari pemasukan data kriteria pada GT. .................................. 17

    Gambar 3.3 Flowchart dari pengambilan data kriteria pada GT. ............................... 18

    Gambar 3.4 Struktur hirarki yang terbentuk pada GT. ............................................... 19

    Gambar 3.5 Representasi struktur data GT pada database. ........................................ 20

    Gambar 3.6 Flowchart dari pemasukan data aturan (rule) pada DT. ......................... 21

    Gambar 3.7 Flowchart dari pengambilan keputusan sesuai dengan pengujian kondisi pada DT. .................................................................................................. 22

    Gambar 3.8 Struktur relasional yang terbentuk pada DT. .......................................... 23

    Gambar 3.9 Representasi struktur data DT pada database. ........................................ 24

    Gambar 4.1 System Development Life Cycle (SDLC) model Waterfall. .................... 28

    Gambar 4.2 Flowchart Desain Sistem. ....................................................................... 29

    Gambar 4.3 Rencana awal rancangan database. ......................................................... 31

    Gambar 5.1 Diagram Konteks dari DSS Pemilihan Kaur. .......................................... 36

    Gambar 5.2 Rancangan Database DSS Pemilihan Kaur. ............................................ 37

    Gambar 5.3 Desain halaman dan menu utama. ........................................................... 39

    Gambar 5.4 Tampilan form daftar kondisi, menampilkan grup Kecakapan. .............. 40

    Gambar 5.5 Tampilan form daftar kondisi, menampilkan grup Kepribadian. ............ 41

    Gambar 5.6 Tampilan form daftar kondisi, menampilkan grup Potensi. .................... 42

    Gambar 5.7 Tampilan form daftar Kaur. .................................................................... 43

    Gambar 5.8 Tampilan form daftar aturan (decision table). ........................................ 44

    Gambar 5.9 Tampilan form daftar calon kandidat dan penilaiannya. ......................... 45

    Gambar 5.10 Tampilan form pengambilan keputusan. ................................................. 46

    Gambar 5.11 Hasil laporan penunjang keputusan dari aplikasi. ................................... 50

  • 1

    BAB I

    PENDAHULUAN

    1.1. Latar Belakang

    KualitasISumber DayaIManusiaI(SDM) merupakan salah satu faktor yangIberpengaruh

    dalamImeningkatkanIproduktifitas kinerjaIsuatuIinstansi. Menurut Lyle M. Spencer dan

    Signe M. Spencer (1993), kompetensiImerupakanIbagian dalamIdan selamanyaIadaIpada

    kepribadianIseseorangIdan dapatImemprediksikanItingkah laku danIperformansiIsecara

    luasIpadaIsemua situasiIdan jobItasks. OlehIkarenaIitu diperlukanISDMIyangImempunyai

    kompetensiItinggiIkarena akan dapatImendukungIpeningkatanIpenilaianIkinerja pegawai.

    Penilaian tersebut selanjutnya digunakan untuk penentuan dan penempatan jabatan pegawai.

    MasalahIsubyektifitasIdalam penilaianIkinerjaIpegawai merupakanIhalIyangIhampir tidak

    dapatIdihindari. IPenilaianIsecara kuantitatifIsering dianggap mengecewakanIkarena

    sulitnyaImengukurIparameter-parameter yangIada. DiIlainIpihak, pimpinanIdanIpegawai

    membutuhkanIproses penilaian kinerjaIyangIcepat sehinggaIdapat memberikanIumpan

    balikIdanIperbaikanIyangIcepat diIlingkunganIkerja.

    Salah satu instansi yang mengalami kendala subyektifitas yaitu instansi Pembinaan

    Mental Komando Daerah Militer (Bintaldam) V Brawijaya yang berada di bawah naungan

    Tentara Nasional Indonesia (TNI) khususnya Angkatan Darat (AD). Di dalam instansi

    Bintaldam V Brawijaya sering terjadi pergantian jabatan terutama jabatan Kepala Urusan

    (Kaur). Dalam pengusulan calon oleh Kepala Seksi (Kasi), data isian banyakIyangItidak

    sesuaiIdenganIfaktaIdiIlapangan, karena dalam memilih calon tersebut masih menggunakan

    koreksi manual yang memiliki potensi untuk terjadinya kesalahan. Hal ini disebabkan oleh

    banyaknya daftar isian yang harus dipertimbangkan, sementara calon yang diusulkan juga

    sangat banyak, serta waktu diselenggarakannya proses pemilihan sering terjadi. Secara

    berkala proses ini dilakukan setiap tiga bulan sekali dan untuk kasus surat mutasi yang turun

    secara mendadak dari pusat harus dilakukan sesegera mungkin.

    Proses pemilihan Kaur dimulai dari pengiriman calon dari tiap-tiap Kasi. Calon yang

    diusulkan harus memenuhi 3 (tiga) faktor evaluasi yang tertuang dalam Petunjuk

    Pelaksanaan Pengisian Daftar Penilaian (DAPEN) Perwira TNI Angkatan Darat no.

  • 2

    Perkasad/57/IX/2009. Faktor evaluasi tersebut meliputi (1) faktor kepribadian, (2) faktor

    kecakapan, dan (3) faktor potensi yang dimiliki para calon Kaur. Calon Kaur tersebut akan

    diseleksi oleh Kabintal selaku Pimpinan tertinggi di Bintaldam V Brawijaya. Kabintal sering

    mengalami kendala dalam menentukan hasil akhir Kaur yang terpilih. Hal ini disebabkan

    karenaIbelumIadanyaIsistemIyangIdapatImembantuIKabintal dalam mengambil keputusan.

    Selama ini, isian data usulan dari Kasi dibandingkan secara manual, sehingga dalam proses

    pembobotan, setiap faktor tersebut masih banyak unsur subyektifitas. Kabintal

    menginginkan data dari tiap Kasi merupakan data yang obyektif, sehingga dapat diolah

    dengan benar.

    Dalam pengambilan keputusan pemilihan dan penempatan jabatan untuk

    mengoptimalkan pemilihan pegawai yang akan direkomendasikan untuk mendapatkan

    promosi jabatan, maka dibutuhan sebuah Decision Support System (DSS) yang

    terkomputerisasi. DSS sebagaiIsekumpulan tools komputerIyang terintegrasiIyang

    mengijinkanIseorangIdecisionImakerIuntuk berinteraksiIlangsungIdenganIkomputer, untuk

    menciptakanIinformasiIyang berguna dalamImembuatIkeputusan semiIterstrukturIdan

    keputusanItakIterstrukturIyangIdapatIterantisipasi.

    PengambilanIkeputusan dihadapkan denganIbeberapa pilihan yang beragamIdan

    berbagaiImacam pertimbanganIpenilaian dalam memutuskan pilihan. Pertimbangan tersebut

    antaraIlainIberagamIkriteria yangIadaIuntukIjabatanItertentu dan spesifikasiIpegawaiIyang

    akanIdiposisikan. PertimbanganItersebut cukupIsulitIuntuk pimpinanIdalamImengambil

    keputusan. PengambilanIkeputusanIyangItidakItepatIsering mengakibatkanIpegawaiIyang

    terpilihItidakImemenuhiIspesifikasi jabatanIdanIkerjanyaIkurangIbaik, sedangkanIpegawai

    yangItidakIterpilihIjustru memenuhi spesifikasi jabatanIyang ditawarkanIdanImemiliki

    kinerjaIyangIbaik.

    Untuk itu, perlu dibuat sebuah DSS dalam pemilihan dan penempatan jabatan Kaur di

    instansi Bintaldam V Brawijaya. Dengan adanya sistem ini, diharapkan dapat membantu

    Kabintal selaku pengambil keputusan dalam memilih calon Kaur yang sesuai dengan kriteria

    yang dibutukan oleh instansi. Banyak metode dalam DSS diantaranya SimpleIAdditive

    Weighting (SAW), Technique forIOther ReferenceIby Similarity toIIdealISolution

    (TOPSIS), Group Technology (GT), Decision Table (DT), dan lain-lain. Dari sekian banyak

    metode dalam DSS, dalam penelitian ini dipilih metode Group Technology (GT) dan

    Decision Table (DT) untuk menyelesaikan kasus pemilihan dan penempatan jabatan Kaur di

    Bintaldam V Brawijaya.

  • 3

    Group Technology (GT) merupakan suatu filosofi yang diterapkan pada beberapa

    masalah yang memiliki kesamaan, masalahIyangIsamaItersebutIdikelompokan laluIdibuat

    sebuahIpemecahanItunggal untuk mengatasi hal tersebut sehingga menghemat waktu dan

    tenaga (Amelia, 2007). Penggunaan GT ditujukan untuk representasi yang sederhana pada

    penyimpanan data dan kodifikasi data evaluasi, karena menggunakan struktur hirarki yang

    diimplementasikan pada klasifikasi dan kodefikasi. Dalam hal ini GT akan digunakan untuk

    klasifikasi dan kodefikasi 3 faktor evaluasi sebagai parameter. Sedangkan Decision Table

    (DT) adalah suatuItabelIyangImenggambarkan suatuIkondisiIyang komplek yangIdapat

    digunakanIsebagaiIalatIbantu dalamIpengambilanIkeputusan. Pemilihan DT ditujukan

    untuk mendapatkan kemudahan implementasi struktur IF-THEN yang bisa ditentukan oleh

    pengguna sistem dengan kombinasi yang tidak berhingga. DT ini digunakan untuk

    menentukan aspek evaluasi dari 3 parameter yang telah ditentukan serta pengelompokan

    hasil kodefikasinya.

    Penggunaan GT dilakukan pada penelitian ini karena merupakan model yang tepat

    untuk menggambarkan struktur hirarki dalam penggolongan aspek evaluasi. Dalam

    penggunaan GT, ditekankan struktur tersebut menggunakan sistem pengkodean monocode

    karena strukturnya yang sederhana dan bisa dibuat dalam tiga level yang sama. Sedangkan

    pemilihan DT pada penelitian ini didasarkan pada kemampuannya menyimpan daftar aturan

    yang dinamik, dalam artian daftar aturan tersebut tidak harus diubah dalam pemrograman,

    namun bisa dengan mudah diubah pada level database.

    Berdasarkan uraian di atas, perlu dirancang suatu Decision Support System (DSS) yang

    dapat membantu Kabintal V Brawijaya dalam memilih dan menentukan calon Kaur sehingga

    dapat diambil suatu pendukung keputusan. Oleh karena itu judul penelitian tesis yang

    Decision Support System (DSS) untuk Pemilihan dan Penempatan Jabatan

    Kaur Menggunakan Metode Group Technology dan Decision Table

    1.2. Rumusan Masalah

    BerdasarkanIuraianIdariIlatarIbelakang, maka dapatIdirumuskanIsuatuIpermasalahan

    sebagaiIberikut:

    a. Bagaimana menerapkan metode Group Technology dan Decision Table pada DSS

    Untuk Pemilihan dan Penempatan Jabatan Kaur di kantor Pembinaan Mental

    Komando Daerah Militer (Bintaldam) V Brawijaya.

  • 4

    b. Bagaimana membuat suatu DSS Untuk Pemilihan dan Penempatan Jabatan Kaur di

    kantor Pembinaan Mental Komando Daerah Militer (Bintaldam) V Brawijaya

    dengan database profil pegawai dan profil jabatan yang terorganisir.

    1.3. Tujuan Penelitian

    TujuanIyangIinginIdicapaiIdiIdalamIpenelitianIiniIadalah:

    a. Menerapkan metode Group Technology (GT) dan Decision Table (DT) guna

    mengurangi subyektifitas dalam penilaian kinerja pegawai.

    b. Terwujudnya DSS yang dapat membantu Kepala Pembinaan Mental (Kabintal) V

    Brawijaya dalam mengambil keputusan untuk memilih personil yang akan

    dipromosikan untuk menempati jabatan Kaur secara cepat dan akurat.

    1.4. Batasan Masalah

    UntukImencegah pembahasan yang menyimpangImakaIpenulis membatasi hanya pada:

    1. Group Technology digunakan untuk mengelompokkan kriteria-kriteria yang sama

    dari tiap calon Kaur, sedangkan Decision Table digunakan sebagai seperangkat

    aturan untuk menentukan calon terbaik.

    2. Data penelitian yang digunakan adalah data dari kantor Pembinaan Mental

    Komando Daerah Militer (Bintaldam) V Brawijaya.

    3. Aplikasi yang dibangun berbasis desktop menggunakan server dan jaringan lokal

    agar bagian personalia dapat melakukan proses input data, dan aplikasi DSS dapat

    diakses oleh Kabintal, serta data dapat terorganisir secara real time.

    1.5. Manfaat Penelitian

    HasilIpenelitianIiniIdiharapkan:

    1. Dapat membantu Kepala Pembinaan Mental (Kabintal) V Brawijaya dalam

    memilih Kaur yang tepat, serta bagian Personalia kantor Pembinaan Mental

    Komando Daerah Militer (Bintaldam) V Brawijaya dalam mendapatkan data

    personil yang akan dipromosikan dalam penempatan jabatan tertentu secara cepat

    dan akurat sehingga nantinya personil tersebut dapat melaksanakan tugas pokok

    dan fungsi pada jabatan yang diduduki secara produktif dan professional.

  • 5

    2. Untuk perkembangan IPTEK, penelitian ini diharapkan dapat menjadi media

    pemanfaatan metode Group Technology (GT) dan Decision Table (DT) untuk

    aplikasi Decision Support System (DSS).

  • 6

  • 7

    BAB II

    TINJAUAN PUSTAKA

    2.1. Hasil Penelitian Terkait

    BerikutIini adalah beberapa hasil penilitianIyang terkait denganIDecision Support

    System (DSS) dengan menggunakan metode Group Technology dan Decision Table.

    Fauzia (2008), meneliti tentang AplikasiIGroupITechnologyIDalam Perancangan Ulang

    TataILetakIFasilitasIProduksi Pada PembuatanIMesinIPlastik. Perusahaan Dimasari Tehnik

    memproduksi mesin plastic beserta komponennya. Kondisi layout fasilitas produksi (layout

    mesin) perusahaan terlihat kurang teratur. Penempatan hasil produksi kurang sistematis

    sesuai dengan langkah produksi sehingga menghasilkan tempuhan yang panjang, aliran yang

    tidak sempurna seperti adanya aliran berpotongan dan gerakan bolak-balik pada aktivitas

    produksi maupun pemindahan material. Hal tersebut dapat mengganggu kelancaran aliran

    produksi serta meningkatkan aktivitas pemindahan material sehingga perlu dilakukan

    perancangan ulangItata letakIfasilitas produksiI(layout mesin)IdenganImenggunakan

    aplikasiIGroupITechnology. Metode yang digunakan dalam Group Technology adalah

    metode Production Flow Analysis, Rank Order Clustering, dan Metode Hollier. Penelitian

    tersebut mendapatkan 3 macam layout usulan Group Technology yang mana menghasilkan

    alternatif ke-3 menjadi layout terpilih. Layout usulan Group Technology alternatif ke-3

    memiliki aliran pemindahan material yang teratur dan performansi yang lebih baik dibanding

    alternatif 1 dan 2, baik dari segi jarak material handling sebesar 1944,63 meter per bulan

    (penghematan sebesar 48% dari layout awal), maupun waktu material handling sebesar

    5982,88 detik per bulan (penghematan sebesar 48% dari layout awal). Biaya investasi

    relayout pada alternatif ke-3 sebesar Rp 24.708.900,- dengan pay back period selama ± 1

    bulan.

    Renaissance of Group Technology: Reducing

    Variability to Match Lean Production Prerequisites Group

    Technology diciptakan untuk mentransfer manfaat skala ekonomi ke jobshop Produksi

    selama tahun 1960an, metodologi dasarnya masih relevan untuk produksi modern, yang

    mengikuti paradigma produksi ramping. Makalah ini membahas bagaimana Group

  • 8

    Technology telah berkembang menjadi alat penting dalam rekayasa industri dalam dekade

    terakhir dan bagaimana penerapannya dalam konteks Lean Production. Selain itu, penulis

    menyajikan dua contoh penelitian terkini di bidang Group Technology dan Lean Production:

    Meratakan volume rendah, produksi campuran tinggi dan model campuran Penyeimbangan

    jalur perakitan.

    Shahdi- Group Technology-based model

    and cuckoo optimization algorithm for resource allocation in cloud computing

    bahwa kontrol biaya operasional merupakan salah satu tujuan utama masalah pengelolaan

    sumber daya dalam Cloud Computing (CC). Makalah ini menyajikan model matematika

    baru berdasarkan Group Technology (GT) untuk memetakan virtual machines (VMs) ke alur

    kerja untuk mengendalikan beberapa biaya (misalnya biaya transfer, biaya penalti dan biaya

    server) saat VM dijalankan. GT adalah teknik manufaktur yang terkenal di lingkungan

    industri yang dapat mengendalikan beberapa tindakan (misalnya pergerakan bagian,

    pemanfaatan sumber daya). Dalam masalah skala besar diusulkan Cuckoo Optimization

    Algorithm (COA) untuk menguji keefektifan pendekatan ini. Penulis menghasilkan

    serangkaian masalah secara acak dan kemudian membandingkan model dan COA dengan

    algoritma yang terkenal dalam literatur yang disebut Round Robin (RR). Analisis hasil

    perhitungan membuktikan bahwa pendekatan ini memberikan kinerja yang lebih baik

    daripada RR.

    Dana (2012), meneliti tentang SistemIPendukungIKeputusan PengobatanIPenderita

    DiabetesIMenggunakan IntegrasiIDecisionITable dan AlgoritmaIGenetika. Manajemen

    penyakit ini memerlukan pengaturan diet yang berhubungan dengan ramuan bahan masakan.

    Guna mendapatkan ramuan masakan yang sesuai dengan jenis diabetes disertai kandungan

    gizinya, maka dibutuhkan gabungan dari dua metode yaituIDecisionITable (DT) dan

    AlgoritmaIGenetika (AG)Iyang berfungsi beda namun menghasilkanIoutput sesuai

    kebutuhan. DataImasukanIdari penderita akan diolah menggunakan DT sesuai dengan

    knowledge base agar didapatkan tipe diabetes penderita. Kemudian dari hasil prosesnya, data

    gizi beserta data masukan diolah menggunakan AG sehingga mendapatkan ramuan masakan

    yang disesuaikan dengan penderita. Ada 200 data ramuan masakan yang digunakan sebagai

    masukan yang diperoleh dari sumber ahli dan para ahli gizi. Dari data yang ada maka dapat

    dipola format populasi dengan jumlahan yang beragam di masing-masing kromosomnya

    yang terdiri dari 10 gen, tiap gen merepresentasikan indeks ramuan masakan dalam

    database. Nilai peluang crossover ditentukan dengan cara membangkitkan nilai random

  • 9

    guna menghasilkan gabungan yang memiliki nilai fitness terbaik. Keluaran yang dihasilkan

    merupakan gabungan ramuan masakan sesuai gizi dan jenis diabetes. Hasil analisis adalah

    jumlah kalori yang dibutuhkan per orang, beratIbadanIideal, dan yang merupakanIhasilIdari

    DT. HasilIdari DT adalahIkebutuhan gizi setiap orang dan hasil dari AGIadalah ramuan

    masakan wajib dan ramuan masakan pantangan.

    2.2. Dasar Teori

    2.2.1. Decision Support System (DSS)

    Decision Support System (DSS) merupakan sistem berbasis pengolah dataIinteraktif,

    yangImembantuIparaIpengambilIkeputusanIuntuk memakai dataIdan bermacam-macam

    modelIuntukImemecahkanIproblem-problem tidak tersusun (ScottIMorton, 1971, dalam

    Turban, et. al., 2005). Menurut Keen, sistemIpenyanggaIkeputusan (DSS) memadukan

    sumberIdaya intelektual dari individu dengan kemampuan pengolah dataIuntuk

    meningkatkanImutuIkeputusan. DSS merupakanIsistemIpenyanggaIberbasis pengolah data

    teruntukkan paraIpengambil keputusanImanajemen yangImenanganiIproblem-problem

    tidakItersusun.

    MenurutIAzhar (1995), dari pengertianIsistem penyangga keputusan (DSS) maka bisa

    ditentukan karakteristiknya antara lain:

    2.2.1.1. Konsep Dasar Decision Support System

    DecisionISupportISystem (DSS) mulaiIdikembangkan dalam tahunI1960-an, tetapi

    istilahIsistemIpenyangga keputusan ituIsendiri baruImuncul dalamItahun 1971, yang

    dikreasikan oleh G. AnthonyIGorry dan Micheal S.ScottIMorton, keduanyaImerupakan

    profesorIdi MIT. HalIitu merekaIlakukanIdenganItujuan untukImengkreasikanIkerangka

    kerja untuk mengarahkan aplikasi pengolah data kepada pengambilan

    keputusanImanajemen.

    SementaraIitu, perintisIsistem penyanggaIkeputusanIyangIlainIdariIMIT, yakni Peter

    G.W. KeenIyangIbekerjaIsamaIdengan ScottIMorton telah mendefenisikan tigaItujuan yang

    wajibIdicapaiIolehIsistemIpenyanggaIkeputusan, yakni:

    1. SistemIwajib bisa manajer dalamImembuat keputusanIuntuk memecahkan problem

    semiItersusun.

  • 10

    2. SistemIwajib bisa mendukungImanajer, tidak mencobaImenggantikannya.

    3. SistemIwajib bisaImeningkatkanIefektivitas pengambilanIkeputusanImanajer.

    Tujuan-tujuanItersebut mereferensi dalamItiga prinsipIdasar sistemIpenyangga

    keputusan (Kadarsah, 1998), yakni:

    1. Susunan problem: untukIproblemIyangItersusun, penyelesaianIbisaIdilakukan

    denganImemakaiIrumus-rumusIyangIsesuai, tetapi untukIproblemItersusunItidak

    bisaIdikomputerisasi, sedangkan sistem penyangga keputusanIdikembangkan

    khususnyaIuntukImenyelesaikanIproblem yang semiItersusun.

    2. DukunganIkeputusan: sistemIpenyangga keputusan tidak dimaksudkanIuntuk

    menggantikanImanajer, karena pengolah dataIberada diIbagian tersusun, sementara

    manajerIberadaIdibagian takItersusun untukImemberikanIpenilaian dan melakukan

    analisis. ManajerIdan pengolah dataIbekerjaIsamaIsebagaiIsebuah timIpemecah

    problemIsemiItersusun.

    3. EfektivitasIkeputusan: tujuanIutamaIdariIsistem penyangga keputusanIbukanlah

    mempersingkatIwaktu pengambilan keputusan, tetapiIagar keputusanIyang

    dihasilkanImenjadiIlebihIbaik.

    2.2.1.2. Karakteristik Decision Support System

    Sistem penyangga keputusanIdirancangIsecaraIterutama untukImendukungIseseorang

    yangIwajib mengambil keputusan-keputusan tertentu. MenurutIKusrini (2007), ada

    beberapaIkarakteristikIsistem penyanggaIkeputusan, yakni:

    1. Interaktif

    DSS mempunyai userIinterface yang komunikatifIsehingga pemakaiIbisa

    melakukanIaksesIsecara cepat ke database danImemperoleh informasiIyang

    dibutuhkan.

    2. Fleksibel

    DSS mempunyai sebanyakImungkin variabelImasukan, kemampuanIuntuk

    mengolah dan memberikan keluaranIyang menyajikan alternatif-alternatif

    keputusanIkepadaIpemakai.

    3. Data mutu

  • 11

    DSS mempunyaiIkemampuan menerimaIdata mutu yangIdikuantitaskanIdan

    sifatnyaIsubyektifIdariIpemakainya, sebagaiIdataImasukan untuk pengolahan data.

    Misalnya: penilaianIterhadapIkecantikanIyangIbersifat mutu, bisaIdikuantitaskan

    denganIpemberianIbobotInilaiIsepertiI75 atau 90.

    4. ProsedurIPakar

    DSS mengandungIsuatuIprosedur yangIdirancang berdasarkanIrumusan formal

    atauIjuga beberapa prosedur kepakaran seseorangIatau kelompokIdalam

    menyelesaikanIsuatuIbidangIproblemIdenganIfenomenaItertentu.

    2.2.1.3. Komponen Decision Support System

    MenurutISubakti (2002), komponen-komponenIdari DSS merupakan sebagaiIberikut:

    1. DataIManagement

    TermasukIdatabase, yangImengandungIdata-data relevan yang bergunaIuntuk

    bermacam-macam situasi danIdiatur olehIsoftware yang disebut Database

    ManagementISystem (DBMS).

    2. ModelIManagement

    MelibatkanImodelIfinansial, statistikal, managementIof science, atauIbermacam-

    macam modelIkualitatifIlainnya, sehingga bisa memberikan ke sistemIsuatu

    kemampuanIanalitis, danImanajemenIsoftware yangIdibutuhkan.

    3. Communication

    UserIbisa berkomunikasiIdanImemberikan perintahIdalam DSSImelaluiIsubsistem

    ini. HalIiniIberartiImenyediakan komunikasiIantarmuka.

    4. KnowledgeIManagement

    SubsistemIoptionalIini bisa mendukungIsubsistemIlain atau bertindakIsebagai

    komponenIyangIberdiriIsendiri.

    2.2.2. Group Technology (GT)

    GroupITechnology atau GT merupakanIsuatuIteknikIdan filosofiImanufakturing yang

    dipakaiIuntukImengefisiensikan produksiIberdasarkanIkesamaan dariIkomponen, bentuk,

    dimensi, ruteIprosesImaupun kesamaanIlainnya. Group Technology diterapkanIdalam

  • 12

    problem yangImempunyaiIbanyak kesamaanIdanImengelompokkannyaIberdasarkan dalam

    persamaanItersebut dan menemukanIsolusi untuk tiap kelompok persamaanIsehingga

    menghematIwaktuIdanIusaha. (Amelia, 2007)

    MenurutIChang (2005), dilihat dari sisi susunan pengelompokan data, GT mempunyai

    tiga susunan utama, yakni Monocode, Polycode, dan Hybrid.

    Dalam susunan Monocode, kodeIdalam masing-masingIdigitImemperkuat informasi

    dariIdigit sebelumnya. Tiap-tiapIdigit (posisi) dalamIcode direpresentasikanIdalam

    fitur/subgroup. DigitIpertama mewakiliIseluruh group. DigitIselanjutnya mewakili

    kelompokIsub-fitur, danIseterusnya. Code iniIsulit dibangunIkarenaImembutuhkanIanalisa

    yangImendalamIdanIbiasanyaIbersifat permanen.

    Gambar 2.1 SkemaISusunan PengkodeanImodeIHirarki.

    Dalam Gambar 2.1 menunjukan tipe pengkodean dengan mode hierarchical structure.

    Kelebihan susunan ini antara lain :

    Dengan hanya sedikit digit, namun informasiIyang diberikanIbanyak.

    Susunan hirarkiImengijinkan beberapaIbagianIkode dipakaiIuntukIinformasi yang

    takIsama.

    KekuranganIsusunan ini antara lain:

    Susunan hirarkiItidakIbaik dipakai untukIgroup/fitur yangIbanyak.

    Dalam susunan polycode, masing-masingIdigit tidakItergantungIdalam digitIyang

    lainnyaIsehingga bisa mengakomodasi setiapIperubahan. Susunan Polycode bisa

    digambarkanIdalam Gambar 2.2.

    End Product(Final Assembly)

    Complex Parts(Sub Assemblies)

    Pieces Parts (Units)

    Forepieces(Row Materials)

    PurchasedParts

  • 13

    Gambar 2.2 SkemaISusunan PengkodeanImodeIAtribut (Polycode).

    Kelebihan susunan ini terdapat pada kemudahannya dalam perumusan, sedangkan

    kekurangannya yaitu:

    HanyaIsedikit informasi yang didapatIdalam digit, sehinggaIinformasi yang

    didapatIkurang.

    PerbandinganIkode-kodeIbagian (untuk memeriksa kesamaan) membutuhkan lebih

    banyakIpekerjaan.

    Susunan MixedIcode, merupakanIpencampuranIantara monocode dan polycode,

    beberapaIdigitIbisa berbentukImonocodeItapi secaraIkeseluruhanImerupakan polycode.

    Gambar 2.3 Skema Susunan Pengkodean Hybrid.

    MenurutIKusiak (2005) teknikIpengklasifikasian dalamIgroup teknologiIdibedakan

    menjadiIdua cara, yakni:

    1. TeknikIVisual

    Dalam teknikIvisual pengelompokan part/komponenIberdasarkanIkemiripan dari

    bentukIgeometri. PengelompokanIpart/komponen denganImemakaiIteknikIvisual

    iniIsangat tergantung dalam pilihanIyang dimiliki olehIpengambil keputusan. Oleh

    sebabIituIteknik ini bisa dipakaiIdalam kasusIdimana jumlahIkomponen yang

    diamatiIberjumlahIsedikit.

    2. TeknikICoding

  • 14

    Pengelompokan part dalam teknik ini berdasarkan dalam geometri, dimensi, jenis

    material, bentuk bahan baku, dan akurasi yang diinginkan dari finished part.

    Dengan memakai sistem pengkodean ini, maka setiap komponen akan diberi kode

    berupa angaka dan huruf, yang setiap digitnya mewakili atribut dari part tersebut.

    2.2.3. Decision Table (DT)

    TabelIkeputusan (Decision Table) merupakanIsuatuItabel yangImenggambarkanIsuatu

    kondisiIyangIkomplek yangIbisaIdipakaiIsebagai alatIbantuIdalam pengambilan keputusan.

    SusunanItabelIkeputusan terdiriIdari empatIbagianIutama yakni ConditionIStub, Condition

    Entry, ActionIStub dan ActionIEntry. ConditionIstubImerupakan bagianIyangIberisiIkondisi

    yangIakan diseleksiIsedangkan conditionIentry merupakan bagianIyang berisi kemungkinan

    dariIkondisiIyangIdiseleksi. KondisiIyang diseleksiImempunyai duaIkemungkinanIyakni

    terpenuhi (diberiI ItidakIterpenuhi (diberiI Iterdapat x

    kondisiIyangIdiseleksi makaIakanIterdapat 2x kemungkinanIkejadian. DalamIbagian action

    stub akanIberisiIpernyataan-pernyataan yangIakanIdikerjakanIbaikIkondisi yangIdiseleksi

    terpenuhiImaupunItidak terpenuhiIsedangkan dalamItahap action entry dipakaiIuntuk

    memberiItandaItindakan manaIyang akan dilakukanIdan mana yangItidak dilakukan. Untuk

    lebihIjelasnya bisaIdiIgambarkan sepertiIGambar 2.4.

    Gambar 2.4 Susunan Decision Table.

  • 15

    BAB III

    KERANGKA KONSEP PENELITIAN

    KerangkaIkonsepIpenelitian adalahIsuatuIhubunganIantara konsep satuIdenganIkonsep

    yangIlainnyaIdari permasalahanIyang inginIditeliti. SehinggaIkerangka konsepIberguna

    untukImenghubungkan secaraIterinciItentang suatuItopikIyangIdibahas.

    3.1. Kerangka Penelitian

    KerangkaIkonsepIpenelitianIadalah kerangkaIhubunganIantara konsep-konsep yang

    inginIdiamati danIdiukur melaluiIpenelitian yangIakanIdilakukan (Notoatmojo, 2010).

    Penyusunan kerangka konsepIpenelitian diharapkan dapat membantu dalam membuat

    hipotesis, dan memberikan gambaran rencana penelitian yang akan dilakukan. Dalam bagian

    ini, akan dibahas tentang penjelasan mengenai kerangka konsep penelitian dan hipotesis

    tentang proses Group Technology dan Decision Table untuk menghasilkan alternatif

    keputusan dalam pemilihan dan penempatan jabatan Kaur.

    Gambar 3.1 Kerangka Berfikir Penelitian.

  • 16

    KonsepIyangIdigunakan untukIpengembangan sistem pendukung keputusanItergambar

    padaIGambar 3.1. Sebagian besar data pegawai yang menjadi persyaratan perlu disimpan ke

    dalam database instansi meliputi data pegawai, data keluarga, Buku Catatan Personil,

    absensi harian, absensi kegiatan umum, absensi kegiatan keagamaan, absensi kegiatan

    Persatuan Istri Tentara (Persit), laporan kegiatan, tes psikologi periodik, tes kesehatan dari

    Kesdam & Jasdam, serta penilaian atasan yang tertera dalam Daftar Penilaian (Dapen),

    sehinggaIdapatIlangsung diolahIdanIdipadukan dengan form pengajuan calon jabatan Kaur

    untuk dilakukan pengambilan keputusan. Penentuan klasifikasi calon Kaur menggunakan

    metode Group Technology, dan untuk penentuan penilaiannya menggunakan metode tabel

    keputusan. Klasifikasi penentu penilaian pengajuan calon Kaur dikategorikan sebagai

    berikut: (1) faktor kepribadian yang segi evaluasinya meliputi moral, disiplin, dedikasi,

    kejujuran, tanggu jawab, keuletan, kestabilan jiwa, loyalitas, penyesuaian diri, dan

    kemampuan untuk maju, (2) faktor kecakapan yang segi evaluasinya meliputi

    kepemimpinan, kerjasama, kreativitas, daya tanggap, kemampuan merencanakan,

    kemampuan mengarahkan, kemampuan menyatakan pendapat, kemampuan memutuskan,

    kemampuan mengawasi/mengendalikan, dan kemampuan melaksanakan tugas, dan (3)

    faktor potensi yang segi evaluasinya meliputi bidang penugasan dan kemungkinan promosi.

    3.2. Rancangan Proses dan Algoritma

    3.2.1. Rancangan pada Group Technology (GT)

    Pada Group Technology (GT) terdapat struktur hirarki untuk mengisikan kriteria sesuai

    dengan kode-kode digit yang telah didefinisikan. Definisi kode digit ini sifatnya beruntun,

    sehingga pada level setelah level utama, digit dari kode level sebelumnya akan dipakai

    sebagai prefiks. Terdapat tiga level pada rancangan ini, yaitu level pertama (faktor evaluasi),

    level kedua (segi evaluasi), dan level ketiga (aspek evaluasi).

    Pada Gambar 3.2 ditunjukkan algoritma untuk melakukan pengisian (definisi) dari

    sebuah kriteria dengan masukan level, kode digit, dan data GT.

  • 17

    Gambar 3.2 Flowchart dari pemasukan data kriteria pada GT.

    Dari flowchart pada Gambar 3.2 terlihat bahwa pemakai memasukkan level (1 sampai

    3) kemudian memasukkan kode dan data GT. Proses akan dimulai dengan memberi nilai

    variabel Current_Level dengan 0, kemudian mulai dicari prefiks sesuai dengan kode digit

    yang dimasukkan. Jika prefiks sesuai maka Current_Level akan ditambah dengan 1, dan

    dilakukan pemeriksaan apakah Current_Level sudah sama dengan level yang diisikan. Jika

    Mulai

    Masukkan Level

    Masukkan Kode dan Data GT

    Current_Level = 0

    Cari Prefiks Kode GT

    Prefiks Sesuai? Y Current_Level = Current_Level + 1

    Current_Level = Level?

    Y

    Isikan Data

    N

    Selesai

    N

  • 18

    Current_Level sudah mencapai nilai sama dengan level, maka data bisa langsung diisikan,

    tetapi bila belum, maka proses akan diulang lagi pada pencarian prefiks pada level

    berikutnya. Khusus jika prefiks tidak ditemukan maka akan ditampilkan pesan kesalahan

    bahwa prefiks tidak ada, dan proses kembali ke bagian memasukkan level dan kode kembali.

    Gambar 3.3 Flowchart dari pengambilan data kriteria pada GT.

    Mulai

    Masukkan Kode Digit Lengkap

    Current_Level = 1

    Cari Kode pada Database Level (Current_Level)

    Kode Ketemu? Y Current_Level = Current_Level + 1

    Current_Level = 3?

    N

    Y

    Tampilkan Data GT

    Selesai

    NTampilkan

  • 19

    Pada Gambar 3.3, ditunjukkan algoritma dari pengambilan data kriteria pada GT.

    Sebagaimana ditampilkan pada flowchart tersebut, pemakai mengisikan kode digit lengkap

    (dari level pertama, kedua, dan ketiga), yaitu dikodekan dengan template faktor.segi.aspek.

    Pencarian dilakukan berdasarkan urutan kode digit yang diberikan tersebut, dan dilakukan

    secara beruntun (maksimal tiga kali karena level yang dituju adalah level ketiga, yaitu aspek

    evaluasi). Bila dalam salah satu pencarian tidak menemukan kode digitnya, maka proses

    dihentikan dan ditampilkan pesan kesalahan bahwa kode digit yang dimasukkan salah, serta

    proses dialihkan lagi ke pemakai untuk mengisikan kembali kode digit yang sesuai. Setiap

    perulangan, nilai Current_Level ditambah dengan satu, dan kali ini nilai Current_Level

    diinisialisasi dengan nilai 1, bukannya 0 seperti pada algoritma pengisian. Proses akan

    berhenti pada Current_Level yang bernilai 3, dan data terakhir akan ditampilkan pada

    pemakai.

    Gambar 3.4 Struktur hirarki yang terbentuk pada GT.

    Struktur hirarki yang terbentuk pada GT ini ditunjukkan seperti pada Gambar 3.4, di

    mana terdapat tiga level yang dimulai dari level pertama (faktor evaluasi), turun menjadi

    level kedua (segi evaluasi), dan berakhir di level ketiga (aspek evaluasi). Pada level pertama,

    terdapat tiga faktor yang tetap pada penelitian ini, yaitu kepribadian, kecakapan, dan potensi.

    Sedangkan pada level kedua maupun ketiga, kriteria yang diberikan bisa bervariasi sesuai

    dengan kebutuhan di lapangan.

    Sedangkan representasi di dalam database, atau struktur data, dari GT yang terbentuk

    adalah menggunakan satu entitas untuk satu level. Hal ini disebabkan karena banyaknya

    level adalah tetap. Gambar 3.5 menunjukkan representasi struktur data GT dalam database.

    ROOT

    KECAKAPANKEPRIBADIAN POTENSI FAKTOR EVALUASI

    SEGI EVALUASI

    ASPEK EVALUASI

  • 20

    Gambar 3.5 Representasi struktur data GT pada database.

    Sesuai dengan Gambar 3.5, representasi struktur data GT ini menggunakan tiga entitas,

    yang dinamakan sesuai dengan levelnya. Secara fisik, representasi ini akan ditunjukkan

    dalam Gambar 4.3 sesuai dengan penerapannya dalam RDBMS MySQL. Level ketiga dari

    struktur ini berisi aspek evaluasi yang akan dipakai sebagai kondisi pada Decision Table

    (DT).

    3.2.2. Rancangan pada Decision Table (DT)

    Pada Decision Table (DT), terdapat struktur relasi untuk mengisikan daftar kondisi (IFs)

    sesuai dengan kode digit aspek evaluasi yang ada pada GT, dan daftar keputusan (THENs)

    yang akan digunakan sebagai keluaran (hasil) penunjang keputusan. Gambar 3.6

    menunjukkan algoritma untuk melakukan pemasukan data kondisi dan keputusan yang

    dikompilasi dalam satu aturan (Rule ID).

    Level 1 Level 2 Level 3

    NodeCode1PK

    NodeName

    NodeDescription

    NodeCode2PK

    NodeCode1FK

    NodeName

    NodeDescription

    NodeCode3PK

    NodeCode2FK

    NodeName

    NodeDescription

  • 21

    Gambar 3.6 Flowchart dari pemasukan data aturan (rule) pada DT.

    Dari flowchart pada Gambar 3.6 ditunjukkan bahwa pengisian dimulai dari Rule ID

    yang diisikan oleh pemakai. Bila Rule ID sudah ada, maka pemakai harus memasukkan

    Rule ID baru. Setelah Rule ID sudah masuk, maka pemakai bisa memasukkan array dari

    kondisi, yaitu bisa lebih dari satu kondisi untuk menguji syarat dari aturan yang

    bersangkutan. Setelah pemasukan kondisi selesai, sistem akan memasukkan array kondisi

    tersebut pada condition stub dari DT. Kemudian pemakai akan memasukkan daftar

    Mulai

    Masukkan ID Rule

    ID Rule sudah ada? YTampilkan

    N

    Masukkan Kondisi dari Digit Aspek

    Evaluasi

    Masukan Kondisi selesai?

    N

    Y Array Kondisi masuk ke Condition Stub

    Masukkan Keputusan

    Masukan Keputusan selesai?

    N

    Y

    Array Keputusan masuk ke Decision

    Stub

    Selesai

  • 22

    keputusan yang bisa lebih dari satu seperti pada daftar kondisi. Setelah pemasukan keputusan

    selesai, maka sistem akan memasukkan array keputusan tersebut pada decision stub dari DT.

    Setiap kali proses pemasukan tersebut merupakan satu aturan yang diidentifikasi dengan

    menggunakan Rule ID yang unik.

    Gambar 3.7 Flowchart dari pengambilan keputusan sesuai dengan pengujian kondisi pada DT.

    Mulai

    Masukkan Kondisi

    Pemasukan Kondisi selesai?

    N

    Y

    Entitas Rule menuju ke data pertama

    Fetch Entitas Rule

    Condition Stub sama dengan Array Kondisi?

    Menuju data Entitas Rule berikutnya

    N Akhir dari Entitas Rule?

    N

    YJalankan Keputusan

    Y

    Tampilkan

    tidak memenuhi

    Tampilkan Daftar

    Keputusan

    Selesai

  • 23

    Sesuai dengan Gambar 3.7, algoritma untuk melakukan ekstraksi kondisi pada entitas

    aturan dimulai dari pemasukan data kondisi dari pemakai. Kondisi yang dimasukkan bisa

    lebih dari satu, dan kemudian sistem akan mencari aturan yang memiliki condition stub

    sesuai dengan daftar kondisi yang dimasukkan oleh pemakai. Proses pencarian dilakukan

    dari data pertama pada entitas Rule, dan dilakukan fetching satu-per-satu kemudian

    dilakukan pencocokan dengan daftar kondisi dari pemakai. Bila masih belum sesuai, mka

    proses akan dimulai pada data berikutnya, begitu seterusnya. Jika sampai data terakhir

    ternyata belum menemukan kesesuaian, maka akan ditampilkan pesan kesalahan bahwa

    aturan untuk kondisi tersebut belum ada. Sebaliknya bila telah menemukan kesesuaian

    pertama pada aturan, maka akan ditampilkan daftar keputusan (decision stub) pada aturan

    yang bersangkutan tersebut.

    Gambar 3.8 Struktur relasional yang terbentuk pada DT.

    Pada Gambar 3.8 ditunjukkan struktur relasional yang terbentuk pada DT. Pada struktur

    tersebut, terlihat bahwa setiap aturan dikompilasi atas tiga entitas berbeda, yaitu Rule ID,

    condition stub, dan decision stub. Untuk setiap condition stub akan berisi satu atau lebih

    aspek evaluasi dari GT. Sedangkan untuk setiap decision stub akan berisi satu atau lebih

    definisi dari jabatan kaur.

    RULE ID

    CONDITION STUB

    DECISION STUB

    01

    LIST OF CONDITI

    ONS

    LIST OF DECISIO

    NS

    02

    LIST OF CONDITI

    ONS

    LIST OF DECISIO

    NS

    03

    LIST OF CONDITI

    ONS

    LIST OF DECISIO

    NS

    N

    LIST OF CONDITI

    ONS

    LIST OF DECISIO

    NS

    ...

    ...

    ...

  • 24

    Gambar 3.9 Representasi struktur data DT pada database.

    Sedangkan untuk struktur data yang terbentuk pada database untuk DT ditunjukkan

    pada Gambar 3.9. Secara fisik, representasi ini akan ditunjukkan dalam Gambar 4.3 sesuai

    dengan penerapannya dalam RDBMS MySQL. Pada condition stub, yang dipakai sebagai

    kunci data adalah sesuai dengan aspek evaluasi dari GT, sedangkan pada decision stub, yang

    dipakai sebagai kunci data adalah sesuai dengan definisi pada daftar Kaur.

    3.3. Variabel Penelitian

    Variabel penelitian yang digunakan dibagi dalam 2 (dua) kelompok yaitu variabel dalam

    Group Technology dan variabel dalam Decision Table.

    3.3.1. Variabel dalam Group Technology (GT)

    Setelah data didapatkan dari hasil observasi dan wawancara awal, dilakukan penentuan

    digit-digit yang digunakan. Digit ini didapatkan dari 3 faktor evaluasi yang terdapat di dalam

    Petunjuk Pelaksanaan Pengisian Daftar Penilaian (DAPEN) Perwira TNI Angkatan Darat

    No. Perkasad/57/IX/2009. Faktor evaluasi tersebut meliputi:

    1. Faktor Kepribadian, meliputi segi evaluasi moral, disiplin, dedikasi, kejujuran,

    tanggu jawab, keuletan, kestabilan jiwa, loyalitas, penyesuaian diri, dan

    kemampuan untuk maju.

    2. Faktor Kecakapan, meliputi segi evaluasi kepemimpinan, kerjasama, kreativitas,

    daya tanggap, kemampuan merencanakan, kemampuan mengarahkan, kemampuan

    Rules ConditionStubs

    DecisionStubs

    Level 3

    Kaurs

    RuleIDPK

    RuleName

    RuleDescription

    RuleCondIDPK

    RuleIDFK

    NodeCode3FK

    RuleKaurIDPK

    RuleIDFK

    KaurCodeFK

    NodeCode3PK

    NodeCode2FK

    NodeName

    NodeDescription

    KaurCodePK

    KaurName

    KaurDescription

  • 25

    menyatakan pendapat, kemampuan memutuskan, kemampuan mengawasi atau

    mengendalikan, dan kemampuan melaksanakan tugas.

    3. Faktor Potensi, meliputi segi evaluasi bidang penugasan.

    Dalam Petunjuk Pelaksanaan DAPEN tersebut sudah terlihat pengelompokan segi

    evaluasi yang dilakukan oleh Kabintal V Brawijaya. Penentuan digit dalam GT dapat

    mengadopsi ketiga faktor tersebut, karena tiap faktor memiliki kesamaan segi evaluasi.

    Sehingga digit yang digunakan dalam GT meliputi:

    1. Digit Kepribadian

    2. Digit Kecakapan

    3. Digit Potensi

    Setelah menentukan digit yang digunakan dalam Group Technology perlu dilakukan

    penggalian kriteria non-numerik di tiap digitnya. Penggalian kriteria non-numerik tersebut

    selanjutnya akan disebut sebagai aspek evaluasi.

    Langkah selanjutnya adalah membuat tabel semua kemungkingan dari kriteria-kriteria

    tersebut muncul.

    3.3.2. Variabel dalam Decision Table (DT)

    Dalam Decision Table, kriteria yang digunakan merupakan aturan (rule) dari kondisi

    yang didapat melalui proses Group Technology. Kombinasi semua kriteria tersebut

    selanjutnya disaring sesuai dengan kebutuhan pemilihan calon Kaur. Aturan-aturan tersebut

    berdasarkan ketetapan dari Kabintal V Brawijaya. Contohnya, calon Kaur harus memiliki

    kriteria penilaian kepribadian yang baik, kecakapan yang baik, dan memiliki potensi untuk

    berkembang. Selain kriteria tersebut, maka calon Kaur dianggap tidak layak untuk

    dipromosikan menjadi Kaur.

  • 26

  • 27

    BAB IV

    METODE PENELITIAN

    Untuk menyelesaikanIrumusan masalah dan merealisasikanItujuan penelitianIyang

    terdapatIdi bab pendahuluan makaIdiperlukan adanya metodeIuntuk menyelesaikan masalah

    tersebut. MetodeIyangIdigunakanIdiuraikanIsebagai berikut.

    4.1. Metodologi Pengambilan dan Pengolahan Data

    Data merupakan fakta empirik yangIdikumpulkan olehIpeneliti untukIkepentingan

    memecahkanImasalahIatau menjawabIpertanyaanIpenelitian. Pengambilan data merupakan

    tahapan awal untuk menyelesaikan penelitian ini untuk mendapatkan data yang diperlukan.

    Terdapat duaImacamIdata yaituIdataIprimer danIdata sekunder. DataIprimer adalahIdata

    yang didapat dari proses pengukuran secaraIlangsung di lapangan. SedangkanIdata sekunder

    merupakanIdata yang diperoleh dari studi literatur yang bersumber dari jurnal, buku

    referensi, skripsi dan internet.

    Pembangunan DSS iniIakanImelakukan tahapan-tahapan SystemIDevelopmentILife

    Cycle (SDLC) denganImodel Waterfall. Dalam model Waterfall setiapItahapIharus

    diselesaikanIterlebihIdahulu secaraIpenuhIsebelum diteruskanIke tahapIberikutnya untuk

    menghindariIterjadinyaIpengulangan tahapan. ModelIWaterfall dapatIdilihatIpada Gambar

    4.1.

  • 28

    Gambar 4.1 System Development Life Cycle (SDLC) model Waterfall.

    4.1.1. Analisis Kebutuhan

    LangkahIiniImerupakan analisaIterhadapIkebutuhan sistem. Untuk memperoleh data

    dapat dilakukanIdengan berbagaiIcara antaraIlainIsebagai berikut:

    1. PengamatanIatau observasi, yaituImelakukan kegiatan pengamatan aktivitas

    tertentuIyangIberhubungan denganIhal yangIsedang diteliti. Dalam penelitian ini

    observasi dilakukan di instansi Pembinaan Mental Komando Daerah Militer

    (Bintaldam) V Brawijaya. Kegiatan ini untuk menggali data pegawai, data keluarga,

    buku catatan personil, absensi harian, absensi kegiatan, laporan kegiatan, tes

    psikologi periodik, tes kesehatan, dan penilaian atasan.

    2. Penelusuran literatur yaitu, mengumpulkanIdataIyangIberasal dariIhasil penelitian

    sebelumnya dalamIbentukIberbagai media. Data yang dicari adalah cara

    pembentukan Group Technology (GT) dan Decision Table (DT). GT meliputi

    penentuan digit dan kriteria kualitatif, sedangkan DT meliputi penentuan rule.

    3. Wawancara, yaituIinteraksiIantaraIpeneliti dengan narasumber baikIlangsung

    maupunItidakIlangsung. Wawancara dilakukan pada bagian personalia, Kepala

    Seksi (Kasi), dan Kepala Pembinaan Mental (Kabintal) V Brawijaya. Kegiatan ini

    bertujuan untuk mengetahui proses yang sedang berjalan saat ini dan siapa saja yang

    berhubungan dengan pemilihan calon Kaur.

  • 29

    4.1.2. Perancangan Sistem

    Langkah awal dalam perancangan adalah desainIsistem. DesainIsistem merupakan

    tahap setelahIanalisisIsistem dari siklusIpengembanganIsistem yangImendefinisikanIdari

    kebutuhan-kebutuhan fungsional, persiapan untuk rancangIbangun implementasi,

    menggambarkanIbagaimanaIsuatu sistem dibentuk. Desain sistem dilakukan dengan

    menggunakan data flow diagram. DalamIpenelitianIini desain sistem digambarkanIdalam

    bentuk flowchart seperti padaIGambar 4.2.

    Gambar 4.2 Flowchart Desain Sistem.

    Mulai

    Selesai

    Entry datapersonalia

    Cek ValiditasData

    Engine GroupTechnology

    Data OlahMetode 1

    Engine DecisionTable

    Decision

    Ya

    Tidak

  • 30

    Desain sistem dari aplikasi yang akan dibuat, ditunjukkan pada Gambar 4.1. Pada

    gambar tersebut, sistem akan diawali dengan proses pengolahan data input terkait faktor-

    faktor evaluasi calon Kaur di Bintaldam V Brawijaya.

    Selanjutnya data entry akan diproses dan dibobotkan menggunakan engine Group

    Technology. Pada proses ini, dilakukan penggolongan atau klasifikasi dari setiap aspek

    evaluasi berdasarkan faktor evaluasi dan segi evaluasi. Karena sistem penilaian yang

    dilakukan adalah aspek evaluasi, maka dalam setiap segi evaluasi tidak lagi dilakukan

    penghitungan nilai numerik. Sebagai penggantinya, dilakukan penilaian berdasarkan mana

    saja aspek evaluasi yang masuk dalam kriteria calon Kaur. Perlakuan hirarki di dalam

    struktur group technology yang digunakan menggunakan pengkodean monocode, di mana

    pengkodean yang sudah dipakai dalam level pertama (faktor evaluasi) tidak boleh digunakan

    lagi di dalam pengkodean level lainnya (segi evaluasi dan aspek evaluasi). Hal yang sama

    juga berlaku untuk level kedua (segi evaluasi) dan level ketiga (aspek evaluasi). Penggunaan

    group technology di sini menunjukkan struktur berjenjang atau sering disebut struktur

    hirarki.

    Hasil dari klasifikasi tersebut kemudian diproses lebih lanjut menggunakan engine

    Decision Table sehingga membentuk keputusan. Di dalam decision table, aspek evaluasi

    digunakan pada bagian kondisi dari setiap aturan. Untuk setiap aturan di dalam decision

    table dibuat dengan menggabungkan kondisi (yang bisa lebih dari satu, setiap kondisi

    berkorelasi dengan kondisi lainnya menggunakan operator AND) dengan keputusan.

    Keputusan bisa berupa keputusan tunggal yang berisi jabatan Kaur yang dipilih, tetapi bisa

    juga berupa keputusan jamak berupa rekomendasi beberapa jabatan Kaur yang bisa saling

    menggantikan dalam pengambilan keputusan.

    Dari evaluasi setiap aturan pada decision table tersebut, maka sistem dapat mengambil

    keputusan tentang kandidat untuk diangkat menempati jabatan Kaur sesuai dengan kriteria

    aspek evaluasi sebagai kondisi aturan tersebut. Hasil keputusan tersebut menjadi nilai

    keluaran sistem yang dilaporkan kepada Kabintal.

    Keputusan yang dihasilkan oleh aplikasi tidak bersifat mutlak, namun dapat dijadikan

    rekomendasi oleh Kabintal untuk menentukan layak atau tidaknya peralihan jabatan kepada

    pegawai. Hasil tersebut hendaknya dibandingkan dengan penilaian secara konvensional, hal

    ini dilakukan untuk mengukur tingkat validitas dari rekomendasi yang dihasilkan oleh

    sistem.

  • 31

    Pengembangan lebih lanjut, dapat menerapkan sistem tes psikologi yang hasilnya dapat

    diintegrasikan dengan sistem yang ada. Sehingga untuk mendukung data olah yang sudah

    diterapkan, dapat ditambahkan rekomendasi secara kepribadian melalui tes psikologi.

    Sehingga hasil yang didapatkan merupakan representasi dari faktor internal kepribadian dan

    ekternal kehidupan dari pegawai yang dinilai.

    4.1.3. Perancangan Database

    Langkah berikutnya dalam perancangan adalah desain database. Desain database

    dilakukan dengan menggunakan Entity Relationship Diagram.

    Desain database yang direncanakan adalah seperti yangIdiperlihatkan padaIGambar

    4.3.

    Gambar 4.3 Rencana awal rancangan database.

    Dalam desain database, direncanakan terdapat 4 bagian dalam kluster tabel, yaitu:

    1. Kluster Tabel Group Technology

    Kluster ini merupakan daftar kondisi yang ada dan dibentuk menggunakan kaidah

    GT monocode. Di dalam kluster ini terdapat tabel-tabel yang membentuk tiga level

    struktur monocode pada group technology, dan masing-masing berisi level pertama

  • 32

    (faktor evaluasi), level kedua (segi evaluasi), dan level ketiga (aspek evaluasi).

    Tabel yang terbentuk antara lain: t_cond_level_1, t_cond_level_2, dan

    t_cond_level_3. Masing-masing ketiga tabel tersebut digunakan untuk menyimpan

    data faktor evaluasi, data segi evaluasi, dan data aspek evaluasi.

    2. Kluster Tabel Daftar Kaur

    Kluster ini beranggotakan t_kaurs, yang merupakan data master dari daftar Kaur

    yang ada. Semua data jabatan atau posisi Kaur disimpan pada kluster ini.

    3. Kluster Tabel Decision Table

    Kluster ini merupakan representasi dari DT, yang terdiri dari pembentukan rule dan

    direlasikan dengan condition dan decision. Di dalam kluster ini, decision table

    direpresentasikan dalam struktur banyak aturan, kemudian di dalam setiap aturan

    terdapat korelasi antara banyak kondisi (yang berupa aspek evaluasi dari GT)

    dengan banyak keputusan (yang berupa jabatan Kaur yang dikompetisikan). Tabel

    yang terbentuk antara lain: t_rules, t_ruleconditions, dan t_rulekaurs. Ketiga tabel

    tersebut masing-masing berisi data aturan, data kondisi, dan data keputusan.

    4. Kluster Tabel Calon Kandidat

    Kluster ini merupakan informasi dari calon kandidat dan penilaiannya, yaitu

    berbentuk tabel: t_calonkandidat dan t_kandidatcond. Pada tabel yang pertama

    tersebut diisikan biodata dan data pribadi dari calon kandidat. Sedangkan pada tabel

    yang kedua diisikan aspek evaluasi dari masing-masing calon kandidat, yang

    diisikan oleh masing-masing Kasi.

    4.1.4. Pengkodean

    Pada tahap ini, dilakukan pengkodean menggunakan Borland Delphi 7 sebagai compiler

    dan MySQL 5.1 sebagai RDBMS. Pengkodean dilakukan berdasarkan hasil dari tahap

    perancangan, baik yang berupa rancangan sistem maupun rancangan database.

    4.1.5. Pengujian

    Tahap berikutnya adalah tahap pengujian, yaitu melakukan entry semua data kondisi

    (GT), data rules (DT), dan relasinya. Kemudian data calon kandidat diisi dengan minimal

    1000 record secara acak beserta penilaiainnya secara acak pula untuk melihat kemampuan

  • 33

    dari calon kandidat apakah masuk sebagai kandidat atau tidak, yang diteruskan dengan

    seleksi kandidat sebagai Kaur tertentu.

    4.1.6. Pengoperasian

    Tahap pengoperasian adalah tahap di mana program DSS ini diberikan pada klien untuk

    dilakukan pengoperasian. Tahap ini tidak dibahas dalam penelitian ini karena tahap ini

    memerlukan waktu yang sangat panjang (1 periode yang bisa sampai 5 tahun) untuk melihat

    hasilnya.

  • 34

  • 35

    BAB V

    HASIL PENELITIAN DAN PEMBAHASAN

    Hasil dariIpenelitian ini adalah hasilIperhitungan yang didapatkan pada pengembangan

    perangkat lunak DSS, disertai dengan hasil eksekusi dan uji perangkat lunak DSS dalam hal

    validasi data, penentuan validasi calon Kaur, dan hasil penempatan DSS yang sesuai untuk

    semua Kaur sesuai dengan aturan pada DT.

    5.1. Rancangan Sistem

    Sesuai dengan metode waterfall pada SDLC, tahap perancangan terdiri dari keseluruhan

    rancangan, termasuk perancangan sistem dan basis data. Perancangan sistem berfokus pada

    data yang dibutuhkan dan dikumpulkan dari pengguna, yaitu calon, pembuat aturan, penilai,

    dan Kabintal. Sistem ini juga memiliki proses utama untuk membuat perhitungan logis

    berdasarkan tabel aturan yang ada pada DT. Jika faktor evaluasi (kondisi) tidak saling

    overlap dalam beberapa keputusan (jabatan Kaur) di DT, maka keputusan untuk setiap posisi

    departemen bisa muncul satu orang. Namun, jika unsur-unsurnya saling tumpang tindih,

    akan ada kemungkinan bagi DSS ini memutuskan lebih dari satu orang untuk satu jabatan

    Kaur. Bila hal ini terjadi, sistem akan menghitung ulang berapa banyak kondisi satu calon

    dibandingkan dengan calon yang lain terjadi pada faktor evaluasi pada DT dari beberapa

    kelompok aturan.

  • 36

    Gambar 5.1 Diagram Konteks dari DSS Pemilihan Kaur.

    Diagram pada Gambar 5.1 menunjukkan gambaran umum tentang DSS ini. Dimulai

    dengan tindakan pembuat aturan, yang harus memberikan daftar lengkap Kaur yang tersedia

    di Bintaldam V Brawijaya pada sistem. Saat ini, ada sebanyak 21 posisi Kaur di institusi

    tersebut, namun ke depan dimungkinkan untuk mengubah, menambah, atau menghapusnya.

    Untuk elemen penilaian, pembuat aturan kemudian bisa mengisi daftar di dalam GT dengan

    format data monocode. Ada tiga tingkat faktor evaluasi yang dibutuhkan dalam data GT, dan

    hanya tingkat terakhir yang dapat diberikan untuk membuat aspek evaluasi pada daftar

    keputusan dalam aturan DT. Aturan DT dapat didefinisikan oleh pembuat aturan dengan

    memasukkan beberapa kondisi dengan satu atau beberapa keputusan. Kondisi yang masuk

    adalah unsur non-numerik penilaian, yaitu aspek evaluasi, sedangkan keputusannya adalah

    Kaur untuk hasil akhir.

    Para calon sendiri memiliki tanggung jawab untuk mengisi data pribadi mereka, seperti

    nama, nomor registrasi, alamat, jenis kelamin, dan lain sebagainya. Begitu masa penggantian

    Kaur terjadi, para asesor mengisi formulir aspek evaluasi untuk setiap calon dan

    mengunggahnya ke sistem. DSS ini kemudian melakukan proses untuk menghitung setiap

    kemungkinan calon untuk bersaing dalam jabatan Kaur berdasarkan aspek evaluasi yang

    SPK Pemilihan KaurKasi

    Kabintal

    Calon

    Administrator

    Data PersonilPenilaian

    ElemenGroup

    Technology

    DaftarDepartemen

    Kaur

    AturanDecisionTable

    HasilAkhirSPK

  • 37

    diberikan oleh asesor dan memeriksa ulang peraturan di DT yang dibuat oleh pembuat

    aturan. Sistem mengevaluasi satu per satu aturan yang ada pada DT, yang kemudian untuk

    setiap aturan tersebut dilakukan evaluasi kondisi setiap kandidat untuk menetapkan aturan

    yang memenuhi syarat bagi kandidat. Dari setiap aturan yang memenuhi syarat bagi kandidat

    akan dilakukan aksi berupa keputusan penempatan jabatan Kaur bagi kandidat yang

    bersangkutan. Hasil akhirnya dikirim ke Kabintal dalam bentuk laporan.

    5.2. Rancangan Database

    Perancangan basis data pada penelitian ini berfokus pada bagaimana data dapat

    direpresentasikan dalam RDBMS. Beberapa tabel data dibuat menjadi anggota kluster,

    sehingga diagram bisa dipahami dengan mudah. Gambar 5.2 menunjukkan desain basis data

    yang dibuat pada MySQL.

    Gambar 5.2 Rancangan Database DSS Pemilihan Kaur.

  • 38

    Pada kluster pertama, faktor evaluasi non-numerik dimasukkan ke dalam tiga tabel.

    Tabel ini adalah t_cond_level_1, t_cond_level_2, dan t_cond_level_3. Semua tabel

    mewakili struktur GT. Struktur ini menggunakan model hirarkis (monocode) dengan tiga

    tingkat terbatas, yaitu tingkat kepribadian, tingkat kecakapan, dan tingkat potensi. Hanya

    tingkat ketiga yang digunakan dalam kondisi atau aspek evaluasi untuk para calon,

    sementara dua lainnya digunakan untuk klasifikasi faktir penilaian. Kluster pertama diberi

    nama kluster Group Technology. Kluster ini merupakan daftar kondisi yang ada dan

    dibentuk menggunakan kaidah GT monocode. Di dalam kluster ini terdapat tabel-tabel yang

    membentuk tiga level struktur monocode pada group technology, dan masing-masing berisi

    level pertama (faktor evaluasi), level kedua (segi evaluasi), dan level ketiga (aspek evaluasi).

    Tabel yang terbentuk antara lain: t_cond_level_1, t_cond_level_2, dan t_cond_level_3.

    Masing-masing ketiga tabel tersebut digunakan untuk menyimpan data faktor evaluasi, data

    segi evaluasi, dan data aspek evaluasi.

    Kluster kedua disebut Daftar Kaur, yang hanya terdiri dari satu tabel, yaitu t_kaurs.

    Kluster ini digunakan untuk menentukan Kaur yang tersedia di agensi. Hal ini juga

    digunakan untuk mengisi keputusan DT sebagai nilai tunggal atau jamak dalam setiap

    aturan. Semua data jabatan atau posisi Kaur disimpan pada kluster ini.

    Kluster ketiga adalah kluster Decision Table, yang merupakan kluster untuk

    menentukan aturan dari DT. Kluster ini memiliki tiga tabel, yaitu t_rules, t_ruleconditions,

    dan t_rulekaurs. Di dalam kluster ini, decision table direpresentasikan dalam struktur

    banyak aturan, kemudian di dalam setiap aturan terdapat korelasi antara banyak kondisi

    (yang berupa aspek evaluasi dari GT) dengan banyak keputusan (yang berupa jabatan Kaur

    yang dikompetisikan). Ketiga tabel tersebut masing-masing berisi data aturan, data kondisi,

    dan data keputusan.

    Kluster akhir adalah kluster Calon, yang terdiri dari dua tabel, yaitu t_calonkandidat

    dan t_kandidatcond. Kluster ini Ini digunakan untuk menyimpan data untuk calon dan

    aspek evaluasi dari tingkat ketiga struktur GT. Pada tabel yang pertama tersebut diisikan

    biodata dan data pribadi dari calon kandidat. Sedangkan pada tabel yang kedua diisikan

    aspek evaluasi dari masing-masing calon kandidat, yang diisikan oleh masing-masing Kasi.

  • 39

    5.3. Desain Antarmuka Perangkat Lunak

    Perangkat lunak yang telah dibuat menggunakan Borland Delphi 7 disusun berdasarkan

    struktur menu sederhana satu level. Perangkat lunak ini memerlukan koneksi ke database

    yang sudah dikembangkan pada Sub Bab 5.2, dan tidak akan berjalan bila database tersebut

    belum ada atau tidak sesuai dengan versi yang divalidasi oleh perangkat lunak. Oleh karena

    itu, RDBMS berupa MySQL 5.0 harus dalam posisi ter-install dan terdapat database sesuai

    yang telah diberikan pada Sub Bab 5.2.

    Gambar 5.3 Desain halaman dan menu utama.

    Pada Gambar 5.3 ditunjukkan menu utama dari program aplikasi, yang terdapat pada

    panah kanan yang berada di bagian bawah. Di bagian bawah tengah ditampilkan nama menu

    atau halaman yang sedang aktif. Klik pada tanda panah kiri akan membawa menuju ke

    halaman sebelumnya, atau kembali ke halaman terakhir jika sedang berada pada posisi

    halaman pertama. Klik pada tanda panah kanan akan membawa menuju ke halaman

    berikutnya, atau kembali ke halaman pertama jika sedang berada di halaman terakhir.

  • 40

    Sebelum bisa mengoperasikan aplikasi ini, perlu untuk dikoneksikan ke database

    terlebih dahulu. Untuk itu, pengguna harus melakukan klik pada tombol CONNECT supaya

    terhubung dengan database. Untuk memutuskan hubungan dengan database ketika posisi

    tersambung, bisa dilakukan klik pada tombol DISCONNECT.

    Gambar 5.4 Tampilan form daftar kondisi, menampilkan grup Kecakapan.

    Pada halaman ini, pengguna mengisikan daftar kondisi yang berupa data faktor evaluasi non-

    numerik dan diisikan dalam bentuk tree. Data ini diisikan pada tiga level sebagai Group

    Technology, yang terdiri dari:

    1. Faktor evaluasi, yang berada pada Grup #1.

    2. Segi evaluasi, yang berada pada Grup #2.

    3. Aspek evaluasi, yang berada pada Grup #3.

    Masing-masing dari level tersebut diisikan secara bertingkat, dan harus diisikan dari

    awal. Pengisian dilakukan dari Faktor evaluasi, dengan menggunakan satu digit kode.

    Sewaktu Faktor evaluasi sedang berada pada satu rekaman yang aktif, maka Grup #2 (Segi

  • 41

    evaluasi) hanya akan menampilkan segi evaluasi yang berada dalam Grup #1 yang aktif

    tersebut. Begitu pula Grup #3 (Aspek evaluasi) hanya akan menampilkan aspek evaluasi

    yang berada dalam Grup #2 yang aktif tersebut. Hal ini juga berlaku ketika pengguna

    menambahkan rekaman ke dalam Grup #2 maupun Grup #3.

    Gambar 5.5 Tampilan form daftar kondisi, menampilkan grup Kepribadian.

    Contoh pada Gambar 5.4 adalah tampilan ketika Grup #1 berada pada posisi rekaman

    contoh pada Gambar 5.5 adalah tampilan ketika Grup #1 berada pada posisi rekaman

  • 42

    Gambar 5.6 Tampilan form daftar kondisi, menampilkan grup Potensi.

    Berikutnya contoh pada Gambar 5.6 adalah tampilan ketika Grup #1 berada pada posisi

  • 43

    Gambar 5.7 Tampilan form daftar Kaur.

    Gambar 5.7 menunjukkan aplikasi sedang

    aplikasi ini bisa digunakan.

  • 44

    Gambar 5.8 Tampilan form daftar aturan (decision table).

    Tampilan pada halaman berikutnya adal

    daftar aturan di dalam Decision Table. Di dalam struktur DT ini, disebutkan ID dan nama

    aturan, yang menjadi sentral pendukung keputusan. Di bagian kanan atas, pengguna bisa

    memasukkan daftar kondisi yang diperhitungkan dalam aturan yang sedang aktif. Bagian ini

    mewakili logika IF di dalam aturan yang bisa lebih dari satu kondisi (multiple condition).

    Hubungan logika antar kondisi yang ada dalam satu aturan tersebut adalah hubungan AND.

    Semua kondisi yang diisikan adalah aspek evaluasi dari Grup #3. Sedangkan di bagian kanan

    bawah terdapat daftar aksi aturan, yang dapat diisikan oleh pengguna bila kondisi-kondisi di

    atas memenuhi syarat semuanya. Daftar aksi aturan diisikan pengguna dari daftar Kaur yang

    telah diisikan sebelumnya. Pengguna dapat mengisikan satu aksi, namun juga dapat

    mengisikan lebih dari satu kondisi.

    berisi daftar kandidat yang diajukan oleh Kasi, dan sekaligus Kasi memberikan aspek

    evaluasi pada setiap kandidat. Halaman ini adalah halaman yang ditujukan pada Kasi yang

    melakukan penilaian kepada kandidat. Pada halaman ini, terdapat daftar kandidat yang

  • 45

    berada di bagian atas, dan bisa langsung diubah, ditambah, atau dihapus. Sedangkan bagian

    kanan bawah terdapat form pengisian penilaian (Hasil Evaluasi).

    Gambar 5.9 Tampilan form daftar calon kandidat dan penilaiannya.

    Pengisian hasil evaluasi dilakukan dengan cara mengaktifkan calon yang akan dinilai

    pada daftar calon kandidat, kemudian memilih faktor evaluasi, segi evaluasi, dan aspek

    g

    menunjukkan tampilan form tersebut.

    Halaman terakhir ditunjukkan pada Gambar 5.10

    Halaman ini akan muncul hanya jika semua data telah terisi. Pada halaman ini muncul hasil

    pendukung keputusan sesuai dengan aspek evaluasi yang telah diberikan, setelah dilakukan

    .

  • 46

    Gambar 5.10 Tampilan form pengambilan keputusan.

    5.4. Pengkodean Perangkat Lunak

    Pengkodean perangkat lunak yang dipakai menggunakan Borland Delphi 7, yang terdiri

    dari satu project, satu form, dan satu data module. Nama-nama dari masing-masing file kode

    program antara lain:

    1. Project Code dengan nama PrjGTDT.dpr.

    2. Form #1 Code dengan nama MainUnit.pas.

    3. Data Module #1 Code dengan nama MainDM.pas.

    Potongan kode program pada project yang ada ditunjukkan pada Lampiran 3. Kemudian

    untuk potongan program dari form utama yang ada ditunjukkan pada Lampiran 4. Sedangkan

    potongan program dari data module utama yang ada ditunjukkan pada Lampiran 5.

    Sebagaimana pada proses utama, yaitu Pelolosan, maka berikut ini ditunjukkan cara

    evaluasi pada DT sehingga menghasilkan pendukung keputusan seperti pada Gambar 5.10.

    1. Langkah awal adalah menghapus buffer yang ada pada tabel temporary (yang

    menunjukkan hasil pendukung keputusan).

  • 47

    2. Langkah berikutnya dibagi menjadi beberapa level perulangan.

    3. Perulangan level pertama yaitu perulangan yang berada pada bagian terluar, yang

    melakukan perulangan untuk setiap data calon kandidat.

    4. Perulangan level ke dua yaitu perulangan di dalam setiap calon kandidat, yang

    melakukan evaluasi terhadap setiap aturan (rules).

    5. Untuk setiap aturan yang dievaluasi, terdapat perulangan level ke tiga, yaitu

    evaluasi setiap kondisi apakah sesuai dengan aspek evaluasi kandidat. Bila setiap

    kondisi ada pada aspek evaluasi kandidat, maka kondidat tersebut akan

    ditambahkan pada buffer tabel temporary, beserta daftar keputusan yang hadir pada

    aturan tersebut.

    Proses tersebut di atas adalah proses evaluasi aturan pada DT. Hasil dari proses tersebut

    di atas ditampilkan pada halaman pendukung keputusan seperti pada Gambar 5.10.

    5.5. Pengkodean Database

    Database yang digunakan pada penelitian ini adalah MySQL 5.0, dan dibantu dengan

    tools untuk mengakses database secara visual. Database diunggah ke server lokal dan

    diproteksi dengan username dan password. Kode program dari pengkodean database

    ditunjukkan pada Lampiran 6.

    Pada pengkodean yang ada tersebut, dibuat tabel-tabel sebagai berikut:

    1. t_cond_level_1

    2. t_cond_level_2

    3. t_cond_level_3

    4. t_kaurs

    5. t_rules

    6. t_ruleconditions

    7. t_rulekaurs

    8. t_calonkandidat

    9. t_kandidatcond

  • 48

    Pada pengkodean tersebut, yang ditunjukkan adalah kode program data definition

    language (DDL), yaitu yang berkenaan dengan membuat struktur data. Sedangkan kode data

    manipulation language (DML) tidak ditunjukkan di sini. Kode untuk DML sudah

    ditunjukkan pada Lampiran 5, yaitu proses yang berkenaan dengan data module untuk

    menyimpan, menghapus, dan melakukan pencarian data di sisi program (klien).

    5.6. Pengujian Sistem

    Akurasi dan pengujian kinerja dilakukan untuk mengetahui hasil DSS ini. Jumlah data

    yang cukup banyak dihasilkan oleh generator pseudo-random untuk meniru situasi dunia

    nyata dengan spesifikasi yang jauh lebih tinggi. Meskipun jumlah Kaur saat ini hanya

    memiliki 21 rekaman, aspek evaluasi hanya sebanyak 36 rekaman, jumlah calon sebanyak

    400 orang, dan kompleksitas peraturan berkisar antara 30 sampai 50 rekaman, sistem masih

    perlu diuji melampaui spesifikasi saat ini. Tabel 5.1 menunjukkan waktu yang dibutuhkan

    agar DSS ini melakukan perhitungan sampai hasil akhirnya ditampilkan ke Kabintal.

  • 49

    Tabel 5.1 Hasil Pengujian dengan Data Volume Tinggi.

    No. Jumlah Kaur Jumlah Aspek evaluasi Jumlah Calon Jumlah Aturan pada DT Akurasi (%)

    Waktu Pengujian (s)

    1 21 36 400 50 100 0.02

    2 100 500 1500 200 100 0.93

    3 200 1000 3000 300 100 2.60

    4 250 1500 4500 400 100 5.62

    5 300 2000 6000 500 100 15.73

    6 350 2200 8000 600 100 23.44

    7 400 2400 9000 700 100 48.02

    8 500 2600 10000 1000 100 127.38

    Seperti ditunjukkan pada Tabel 5.1, DSS ini masih memiliki kinerja yang sangat baik

    untuk menangani sejumlah data yang masuk akal, dan mampu dikalkulasi dalam waktu

    kurang dari satu detik. Bila data bertambah hingga volume yang hampir tidak mungkin

    terjadi pada situasi dunia nyata, misalkan pada tes nomor 8, waktu yang dibutuhkan masih

    jauh lebih pendek daripada jika penilaian dilakukan secara manual.

    Pada bagian akurasi, terdapat nilai 100% yang menunjukkan bahwa semua hasil

    keputusan sesuai dengan aturan. Validitas akurasi dari semua hasil pengujian tersebut

    didapatkan dari pembandingan data dari Kabintal, dengan cara menelusuri satu persatu hasil

    DSS terhadap masing-masing aturan yang berlaku, seperti tertera pada Lampiran II. Dari uji

    akurasi tersebut didapatkan nilai yang pasti sama karena sifat DT yang memberikan hasil

    keputusan sama persis seperti aturan yang berlaku.

    5.7. Implementasi ke Bintaldam V Brawijaya

    Penyerahan perangkat lunak DSS segera dilakukan setelah pengujian, dan saat ini telah

    diimplementasikan pada Bintaldam V Brawijaya. Kinerja perangkat lunak DSS ini

    mendapatkan waktu kalkulasi hingga mendapatkan keputusan hanya dalam waktu seketika

    dikarenakan kompleksitas data hanya sebagian kecil dari kemampuan sistem.

  • 50

    Gambar 5.11 Hasil laporan penunjang keputusan dari aplikasi.

    Pada Gambar 5.11 ditunjukkan hasil laporan penunjang keputusan dari aplikasi untuk

    pemilihan jabatan Kaur pada periode April 2017. Hasil laporan tersebut merupakan print-

  • 51

    out dari aplikasi berdasarkan penilaian kandidat yang telah diisikan datanya ke dalam

    database aplikasi.

    Diharapkan bahwa dalam waktu dekat kinerja perangkat lunak DSS ini tetap bisa

    diandalkan, karena kompleksitas data hampir tidak akan pernah sampai pada spesifikasi

    pengujian di atas.

  • 52

  • 53

    BAB VI

    KESIMPULAN DAN SARAN

    6.1. Kesimpulan

    Berdasarkan hasil pengujian dapat disimpulkan sebagai berikut:

    1. Pada penelitian ini telah berhasil diterapkan metode group technology dan decision

    table pada DSS berupa program aplikasi yang bisa diakses oleh Kabintal, Kasi,

    Administrator, dan Calon Kaur sebagai alat untuk penunjang keputusan pemilihan

    calon untuk penempatan jabatan Kaur di Bintaldam V Brawijaya. Masukan aspek

    evaluasi bisa dilakukan pada group technology dan masukan seperangkat aturan

    dinamik bisa dilakukan pada decision table. Penunjang keputusan yang dihasilkan

    juga bisa dibandingkan dengan hasil perhitungan manual dari Kabintal, yang

    ditunjukkan pada Lampiran 7.

    2. Pembuatan struktur hirarki group technology berhasil dilakukan dengan tiga level

    untuk menyimpan dan menentukan aspek evaluasi. Sedangkan pembuatan

    perangkat aturan berhasil dilakukan menggunakan struktur decision table. Dari

    kedua struktur tersebut, telah berhasil dibuat juga aspek evaluasi kandidat dengan