PENILAIAN KINERJA KARYAWAN DI IFUN JAYA TEXTILE …

[Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012] 1

PENILAIAN KINERJA KARYAWAN DI IFUN JAYA TEXTILE

DENGAN METODE FUZZY SIMPLE ADDITIVE WEIGHTED

Much. Rifqi Maulana

Program Studi Teknik Informatika,STMIK Widya Pratama

Jl. Patriot 25 Pekalongan

Telp (0285)427816

email : [email protected]

ABSTRAK

Pengukuran kinerja suatu perusahaan sangat penting guna evaluasi dan perencanaan masa depan. Penilaian

prestasi karyawan mutlak harus dilakukan untuk mengetahui prestasi yang hendak dicapai setiap karyawan.

Untuk itu setiap perusahaan mempunyai cara yang berbeda dalam melakukan penilaian prestasi kerja

karyawan. Dalam praktiknya, kegiatan penilaian atas prestasi kerja para karyawan harus dilakukan dengan

metode yang baik dan tepat, sehingga tidak terjadi kesalahan dalam penilaian. Hasil penilaian yang dilakukan

harus dapat menjamin perlakuan yang adil serta memuaskan bagi para karyawan yang dinilai, sehingga pada

gilirannya menumbuhkan loyalitas dan semangat kerja. Ada beberapa alat bantu yang sudah umum digunakan

untuk melakukan penilaian prestasi kerja karyawan, yaitu dengan metode performance apparsial. Akan tetapi

metode ini memiliki beberapa masalah diantaranya adalah penilaian masih bersifat samar, terjadi efek halo,

kecenderungan terpusat, dipengaruhi umur, ras dan jenis kelamin. Sistem pendukung keputusan merupakan alat

bantu yang dapat digunakan untuk melakukan penilaian prestasi kerja karyawan dengan cara memperbaiki

metode penilaian dari performance apparsial. Metode Fuzzy Simple Additive Weighting dipilih untuk melakukan

penilaian dan perangkingan prestasi kerja karyawan. Dari hasil pengujian dapat disimpulkan bahwa aplikasi

ini dapat diimplementasikan untuk penilaian prestasi kerja karyawan kontrak di Ifun Jaya Textile.

Kata Kunci: Sistem Pendukung Keputusan, FSAW, Prestasi Kerja Karyawan

1. PENDAHULUAN

1.1 Latar Belakang

Pengukuran kinerja suatu perusahaan sangat penting guna evaluasi dan perencanaan masa depan.

Penilaian prestasi karyawan mutlak harus dilakukan untuk mengetahui prestasi yang hendak dicapai setiap

karyawan. Apakah prestasi yang dicapai setiap karyawan baik, sedang atau kurang. Penilaian prestasi penting

bagi perusahaan untuk menetapkan tindakan kebijaksanaan selanjutnya (1). Untuk itu setiap perusahaan

mempunyai cara yang berbeda dalam melakukan penilaian prestasi kerja karyawan. Penilaian ini tergantung

pada kebijakan perusahaan.

Ifun Jaya Textile merupakan sebuah perusahaan yang bergerak dibidang produksi kain tenun.

Perusahaan ini memiliki karyawan yang jumlahnya selalu meningkat, hal ini dikarenakan jumlah permintaan

produksi yang semakin bertambah. Kondisi saat ini, penilaian dilakukan dengan mengamati karyawan kemudian

data diolah secara manual, dimana masih banyak terjadinya kesalahan dalam penginputan data karyawan dan

penilaian prestasi kerja serta membutuhkan waktu yang relatif lebih lama.

Terdapat beberapa pendekatan untuk menyelesaikan permasalahan penilaian prestasi karyawan, antara

lain dengan menggunakan Multi Attribute Decision Making (MADM) dengan metode Simple Additive Weighting

(SAW), Weighted Product (WP), ELECTRE, TOPSIS, Analytic Hierarchy Process (AHP).

Menurut Afshari Alireza, Mojahed Majid dan Mohd Yusuff Rosnah dalam “Simple Additive Weighting

Approach to Personnel Selection Problem” keterbatasan dari makalah tersebut adalah adalah bahwa SAW

mengabaikan fuzziness of executivesselama proses pengambilan keputusan. Selain itu, beberapa kriteria dapat

memiliki struktur kualitatif atau memiliki struktur yang tidak pasti dan tidak dapat diukur dengan tepat (2).

Armadyah Amborowati pada jurnalnya yang berjudul “Sistem Pendukung Keputusan Penilaian

Karyawan Berprestasi berdasarkan Kinerja” membangun sebuah sistem pendukung keputusan yang mempunyai

kemampuan analisa pemilihan karyawan berprestasi dengan menggunakan metode Analytic Hierarchy Process

(AHP), dimana masing-masing kriteria dalam hal ini faktor- faktor penilaian dan alternatif dalam hal ini para

karyawan dibandingkan satu dengan yang lainnya sehingga memberikan output nilai intensitas prioritas yang

menghasilkan suatu sistem yang memberikan penilaian terhadap setiap karyawan.

Sistem pendukung keputusan ini membantu melakukan penilaian setiap karyawan, melakukan

perubahan kriteria,dan perubahan nilai bobot. Hal ini berguna untuk memudahkan pengambil keputusan yang

terkait dengan masalah pemilihan karyawan berprestasi, sehingga akan di dapatkan karyawan yang paling layak

diberi reward atau penghargaan (3).

2 [Jurnal Ilmiah ICTech Vol.x No.1 Januari 2012]

Tabel 1. Related Research

No Topik/Judul Penulis Metode Hasil/Kesimpulan

1 Simple Additive

Weighting Approach

to Personnel

Selection Problem

Afshari

Alireza,

Mojahed

Majid, and

Mohd Yusuff

Rosnah

Simple

Additive

Weighting

(SAW)

Metode SAW dapat meningkatkan efisiensi

dan kemudahan dalam melakukan penilaian

karyawan terbaik, namun SAW

mengabaikanfuzziness of executivesselama

proses pengambilan keputusan. Selain itu,

beberapa kriteria dapat memiliki struktur

kualitatif atau memiliki struktur yang tidak

pasti dan tidak dapat diukur dengan tepat (2).

2 Fuzzy Simple Additive

Weighting Method by

Preference Ratio

M. Modarres

and Sadi

Nezhad S.

Fuzzy

Simple

Additive

Weighting

(FSAW)

Dengan menerapkanrasiopreferensi,

menunjukkan bahwa metode FSAWbekerja

cepatdanberakhir dengannilai

crispuntuksetiap alternatif (4).

3 Rancang Bangun SPK

Penilaian Kinerja

Karyawan

Menggunakan

Metode Analytical

Hierarchi Process

(AHP)

Rohmat

Taufiq

Analytical

Hierarchi

Process

(AHP)

Sistem pendukung keputusan ini dapat

digunakan untuk semua proses penilaian

sementara menentukan kriteria dan sub

kriteria ini dapat berubah sesuai dengan

perjanjian manajemen (5).

4 Performance

Measurement in a

Public Sector

Passenger Bus

Transport Company

using Fuzzy Topsis,

Fuzzy AHP and

ANOVA

M. Vetrivel

Sezhian

Fuzzy

Topsis,

Fuzzy AHP

and Analysis

of Variance

(ANOVA)

Membantu perusahaan

dalammengukurkinerja secara

keseluruhandengan

memasukkanaspekproduktivitasbaik

sertadimensikualitas layanan, sehingga

memungkinkanmanajemen

untukmengidentifikasi kekuatan

dankelemahan,mendeteksitrenyang berlaku

danbenchmark terhadapyang terbaikdalam

bisnis (6).

Dari beberapa pendekatan yang memungkinkan, dipilih pendekatan Fuzzy Multi Attribute Decision

Making (FMADM) dengan metode Simple Additive Weighting (SAW). Metode ini dipilih karena metode ini

menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan

menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah yang berhak

menerima reward berdasarkan kriteria-kriteria yang ditentukan. Alasan lain penggunaan Fuzzy Multi Attribute

Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW) karena data penilaian yang

diinput tidak harus berupa data crips, berbeda dengan metode Multi Attribute Decision Making (MADM) klasik,

dimana input data penilaian harus berupa data crips.

Tujuan dari penelitian ini adalah bagaimana melakukan penilaian kinerja karyawan di Ifun Jaya Textile

dengan memanfaatkan metode Fuzzy Simple Additive Weighting (FSAW). Diharapkan penilaian kinerja

karyawan dengan metode FSAW di Ifun Jaya Textile dapat dilakukan dengan lebih baik dan cepat, sehingga bisa

membantu manajemen dalam mengambil sebuah keputusan.

1.2 Landasan Teori

1.2.1. Fuzzy Multi Attribute Decision Making (FMADM)

Pada dasarnya proses MADM dilakukan melalui 3 tahapan yaitu: penyusunan komponen-komponen situasi,

analisis dan sintesis informasi. Pada tahap penyusunan komponen, komponen situasi akan dibentuk tabel taksiran

yang berisi identifikasi alternatif dan spesifikasi tujuan, kriteria dan tribut. Salah satu cara untuk

menspesifikasikan tujuan situasi |Oi, i=1,...,t | adalah dengan cara mendaftar konsekuensi-konsekuensi yang

mungkin dari alternatif yang telah teridentifikasi | Ai, i=1,...,n|. Selain itu juga disusun atribut-atribut yang akan

digunakan |ak, k=1,...,n|.

Tahap analisis dilakukan melalui 2 langkah, yaitu:

a. Mendatangkan taksiran dari besaran yang potensial, kemungkinan dan ketidakpastian yang berhubungan

dengan dampak-dampak yang mungkin pada setiap alternatif.

b. Meliputi pemilihan dari preferensi pengambil keputusan untuk setiap nilai dan ketidakpedulian terhadap

resiko yang timbul.


Masalah Multi Attribute Decision Making (MADM) adalah mengevaluasi m alternatif Ai (i=1,2,...,m) terhadap

sekumpulan atribut atau kriteria Cj (j=1,2,...,n), dimana setiap atribut saling tidak bergantung satu dengan yang

lainnya. Matriks keputusan setiap alternatif terhadap setiap atribut X, diberikan sebagai:

[

]

Dimana Xij merupakan rating kinerja alternatif ke-i terhadap atribut ke-j. Nilai bobot yang menunjukkan tingkat

kepentingan relatif setiap atribut, sebagai W. W = {W1,W2,...,Wn}

Rating kinerja (X) dan nilai bobot (W) merupakan nilai utama yang merepresentasikan preferensi absolut dari

pengambil keputusan.

Metode MADM klasik memiliki beberapa kelemahan, antara lain :

a. Tidak cukup efisien untuk menyelesaikan masalah-masalah pengambilan keputusan yang melibatkan data-

data yang tidak tepat, tidak pasti dan tidak jelas.

b. Biasanya diasumsikan bahwa keputusan akhir terhadap alternative-alternatif diekspresikan dengan bilangan

riil, sehingga tahap perangkingan menjadi kurang mewakili beberapa permasalahn tertentu dan penyelesaian

masalah hanya terpusat pada tahap agregasi.

Salah satu cara yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah dengan menggunakan

Fuzzy Multi Attribute Decision Making (FMADM). Tahapan untuk penyelesaian masalah dengan FMADM :

a. Membuat rating pada setiap alternative berdasarkan agregasi derajat kecocokan pada semua kriteria.

b. Merangking semua alternative untuk mendapatkan alternative terbaik. Ada 2 (dua) cara yang digunakan,

yaitu defuzzy atau relasi preferensi fuzzy (7).

1.2.2. Simple Additive Weighting Method (SAW)

Metode ini sering dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode ini adalah mencari

penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (7). Metode ini membutuhkan

proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating

alternatif yang ada.

{

(1.1)

Dimana rij adalah rating kinerja ternormalisasi dari aloternatif Ai pada atribut Cj, i=1,2,...,m dan j=1,2,...,n. Nilai

preferensi untuk setiap alternatif (Vi) diberikan sebagai:

∑ (1.2)

Nilai Vi yang lebih besar mengidentifikasikan bahwa alternatif Ai lebih terpilih.

2. METODE PENELITIAN

2.1 Jenis Penelitian

Penelitian dilakukan di Ifun Jaya Textile dengan membandingkan antara penilaian kinerja karyawan

secara manual dengan penilaian kinerja karyawan dengan metode FSAW untuk mengetahui seberapa cepat,

akurat dan tepat proses perhitungan yang dilakukan. Untuk melakukan penelitian dilakukan observasi terlebih

dahulu di Ifun Jaya Textile dengan membagikan kuesioner dan melakukan wawancara kepada pemilik

perusahaan.

2.2 Populasi dan Sampel

Jumlah karyawan di Ifun Jaya Textile pada Desember tahun 2011 adalah 35 orang, adapun jumlah

detailnya adalah sebagai berikut :

Tabel 2. Jumlah karyawan Ifun Jaya Textile Tahun 2011

Tahun

2011

Bulan

1 2 3 4 5 6 7 8 9 10 11 12

20 20 24 24 24 24 30 30 35 35 35 35

Dengan jumlah populasi yang hanya 35 orang, maka seluruh populasi akan digunakan dalam penelitian.

2.3 Metode Pengumpulan Data

Pengumpulan data dilakukan dengan memberikan kuesioner kepada 4 (empat) orang yang terdiri dari

pemilik perusahaan, manager operasional, mandor dan bendahara perusahaan. Berikut pertanyaan yang

disampaikan pada pre test :

jika j adalah atribut keuntungan (benefit)

jika j adalah atribut biaya (cost)


1. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan informasi yang akurat?

2. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan hasil yang cepat?

3. Penilaian kinerja karyawan yang saat ini berjalan dapat membantu perusahaan dalam pengambilan

keputusan?

4. Proses yang saat ini berjalan dapat memudahkan dalam melakukan penilaian kinerja karyawan?

5. Proses yang saat ini berjalan sudah memberikan analisis yang tepat dan akurat terhadap penilaian kinerja

karyawan?

6. Penilaian kinerja karyawan yang saat ini berjalan menggunakan beberapa parameter/variabel?

7. Penilaian kinerja karyawan yang saat ini berjalan dapat memberikan keuntungan bagi perusahaan?

Hasil kuesioner tersebut diukur dengan skala Likert, yang merupakan bentuk skala penilaian antara 1

(satu) sampai 4 (empat) dengan deskripsi sebagai berikut :

Angka 1 (satu) menyatakan tidak setuju (TS)

Angka 2 (dua) menyatakan kurang setuju (KS)

Angka 3 (tiga) menyatakan setuju (S)

Angka 4 (empat) menyatakan sangat setuju (ST)

Tabel 3. Hasil Pre Test :

No Nama Karyawan Jabatan Pertanyaan

Total 1 2 3 4 5 6 7

1 H. Zabidin Pemilik Perusahaan 3 1 2 3 2 3 2 16

2 Saefun Naja Manager Operasional 3 2 2 2 3 2 3 17

3 M. Nizam Mandor 2 3 1 2 3 1 3 15

4 Talita Khusna Bendahara 2 2 2 3 1 3 2 15

Selain memberikan kuesioner, dilakukan pula wawancara terhadap pemilik perusahaan Ifun Jaya

Textile. Wawancara dilakukan untuk mengetahui apa yang menjadi kriteria penilaian kinerja karyawan dan

bagaimana pembobotan yang saat ini dilakukan. Dari hasil wawancara yang dilakukan, pemilik perusahaan

menetapkan beberapa kriteria dan bobot untuk penilaian kinerja karyawan, yaitu :

Tabel 4. Kriteria dan Bobot Penilaian Kinerja Karyawan di Ifun Jaya Textile

No Kriteria Penilaian Bobot Preferensi Keterangan

1 Kualitas dan

kuantitas kerja

Sangat Tinggi Menilai berapa jumlah dan bagaimana kualitas pekerjaan yang

telah diselesaikan karyawan

2 Ketaatan Tinggi Menilai tanggung jawab terhadap seluruh proses pelaksanaan

tugas dan ketaatan terhadap aturan perusahaan

3 Kerjasama Cukup Menilai tingkat kemampuan bekerjasama dengan atasan dan

rekan kerja dalam melaksanakan tugas

4 Semangat kerja Cukup Menilai motivasi secara terus menerus dalam pelaksanaan tugas

dan antusiasme untuk pengembangan dirinya

5 Disiplin kerja Tinggi Menilai ketepatan hadir di tempat kerja

2.4 Teknik Pengolahan dan Analisa Data

Setelah data diperoleh, selanjutnya adalah melakukan perhitungan dengan data tesebut dengan metode

FSAW. Untuk menganalisis data hasil angket dilakukan langkah-langkah sebagai berikut:

1. Melakukan identifikasi kriteria.

Identifikasi Kriteria

C1 = Kualitas dan Kuantitas Kerja

C2 = Ketaatan

C3 = Kerjasama

C4 = Semangat Kerja

C5 = Disiplin Kerja

Dari bilangan fuzzy bobot yang telah ditentukan dapat dikonversikan ke bilangan crips : Sangat Rendah (SR)

=0; Rendah (R)=0,25; Cukup (C)=0,5; Tinggi (T)=0,75; dan Sangat Tinggi (ST)=1;

Tabel 5. Rating kecocokan dari setiap alternatif pada setiap kriteria

NO Alternatif Nilai Kriteria

C1 C2 C3 C4 C5


1 Ahmad Sholeh Baik Baik Sangat Baik Cukup Baik

2 Eko Darmawanto Sangat Baik Baik Baik Baik Sangat Baik

3 Kiswandi Baik Sangat Baik Cukup Baik Baik

4 Ibnu Nugroho Cukup Baik Cukup Cukup Baik

5 Slamet Baik Baik Baik Baik Cukup

6 Lukman Hakim Baik Baik Cukup Cukup Cukup

7 Sudomo Baik Baik Baik Cukup Cukup

8 Kasmuri Kurang Baik Cukup Baik Baik

9 Carmun Kurang Cukup Baik Kurang Kurang

10 Setyadi Cukup Cukup Baik Cukup Cukup

11 Adi Kusumo Baik Cukup Cukup Cukup Kurang

12 Kurniawan Baik Sangat Baik Baik Baik Baik

13 Irham Baik Baik Cukup Cukup Cukup

14 Mulyono Baik Sangat Baik Baik Baik Baik

15 Condro Baik Cukup Cukup Baik Baik

16 Amat Ridho Baik Baik Baik Baik Sangat Baik

17 Miftahuddin Baik Cukup Baik Cukup Cukup

18 Mirza Cukup Baik Baik Cukup Cukup

19 Nurul Huda Baik Baik Sangat Baik Baik Baik

20 Zaenal Abidin Baik Cukup Cukup Baik Baik

21 Mustofa Baik Baik Cukup Baik Sangat Baik

22 Agus Salim Baik Sangat Baik Baik Baik Baik

23 Ahmad Dahlan Baik Cukup Cukup Baik Baik

24 Sobiyanto Baik Baik Sangat Baik Baik Sangat Baik

25 Sobirin Cukup Baik Kurang Baik Baik

26 Mustaqim Cukup Cukup Baik Kurang Kurang

27 Ismail Baik Cukup Baik Cukup Cukup

28 M. Zakaria Baik Cukup Cukup Cukup Kurang

29 Burhanuddin Cukup Baik Baik Cukup Cukup

30 Farid Sangat Baik Baik Baik Baik Baik

31 M. Taufiq Baik Cukup Cukup Baik Baik

32 Saefuddin Baik Baik Baik Baik Baik


C1 C2 C3 C4 C5

33 Ghufron Cukup Cukup Baik Kurang Kurang


34 Junaidi Baik Cukup Baik Cukup Cukup

35 Yusron Baik Cukup Baik Sangat Baik Sangat Baik

2. Melakukan konversi bilangan fuzzy ke bilangan crips.

Semua kriteria terbagi atas 5 (lima) bilangan fuzzy, yaitu sangat kurang (SK), kurang (K), cukup (C), baik

(B), sangat baik (SB). Bilangan-bilangan fuzzy tersebut dapat dikonversikan ke bilangan crips : SK=0;

K=0,25; C=0,5; B=0,75; dan SB=1;

Tabel 6. Hasil konversi bilangan fuzzy kebilangan crips dari setiap alternatif pada setiap kriteria


C1 C2 C3 C4 C5

1 Ahmad Sholeh 0.75 0.75 1 0.5 0.75

2 Eko Darmawanto 1 0.75 0.75 0.75 1

3 Kiswandi 0.75 1 0.5 0.75 0.75

4 Ibnu Nugroho 0.5 0.75 0.5 0.5 0.75

5 Slamet 0.75 0.75 0.75 0.75 0.5

6 Lukman Hakim 0.75 0.75 0.5 0.5 0.5

7 Sudomo 0.75 0.75 0.75 0.5 0.5

8 Kasmuri 0.25 0.75 0.5 0.75 0.75

9 Carmun 0.25 0.5 0.75 0.25 0.25

10 Setyadi 0.5 0.5 0.75 0.5 0.5

11 Adi Kusumo 0.75 0.5 0.5 0.5 0.25

12 Kurniawan 0.75 1 0.75 0.75 0.75

13 Irham 0.75 0.75 0.5 0.5 0.5

14 Mulyono 0.75 1 0.75 0.75 0.75

15 Condro 0.75 0.5 0.5 0.75 0.75

16 Amat Ridho 0.75 0.75 0.75 0.75 1

17 Miftahuddin 0.75 0.5 0.75 0.5 0.5

18 Mirza 0.5 0.75 0.75 0.5 0.5

19 Nurul Huda 0.75 0.75 1 0.75 0.75

20 Zaenal Abidin 0.75 0.5 0.5 0.75 0.75

21 Mustofa 0.75 0.75 0.5 0.75 1

22 Agus Salim 0.75 1 0.75 0.75 0.75

23 Ahmad Dahlan 0.75 0.5 0.5 0.75 0.75

24 Sobiyanto 0.75 0.75 1 0.75 1

25 Sobirin 0.5 0.75 0.25 0.75 0.75


C1 C2 C3 C4 C5

26 Mustaqim 0.5 0.5 0.75 0.25 0.25


27 Ismail 0.75 0.5 0.75 0.5 0.5

28 M. Zakaria 0.75 0.5 0.5 0.5 0.25

29 Burhanuddin 0.5 0.75 0.75 0.5 0.5

30 Farid 1 0.75 0.75 0.75 0.75

31 M. Taufiq 0.75 0.5 0.5 0.75 0.75

32 Saefuddin 0.75 0.75 0.75 0.75 0.75

33 Ghufron 0.5 0.5 0.75 0.25 0.25

34 Junaidi 0.75 0.5 0.75 0.5 0.5

35 Yusron 0.75 0.5 0.75 1 1

3. Membuat matriks keputusan.

Berdasarkan tabel rating kecocokan, dapat dibentuk matriks keputusan dibentuk sebagai berikut :

[

]

Dari matriks keputusan (X) tersebut kemudian dilakukan proses normalisasi ke suatu skala yang dapat

diperbandingkan dengan semua rating alternatif yang ada sesuai dengan persamaan 1.1 :

Tabel 7. Hasil normalisasi matriks keputusan :


C1 C2 C3 C4 C5

1 Ahmad Sholeh 0.75 0.75 1 0.5 0.75

2 Eko Darmawanto 1 0.75 0.75 0.75 1

3 Kiswandi 0.75 1 0.5 0.75 0.75

4 Ibnu Nugroho 0.5 0.75 0.5 0.5 0.75

5 Slamet 0.75 0.75 0.75 0.75 0.5

6 Lukman Hakim 0.75 0.75 0.5 0.5 0.5

7 Sudomo 0.75 0.75 0.75 0.5 0.5

8 Kasmuri 0.25 0.75 0.5 0.75 0.75

9 Carmun 0.25 0.5 0.75 0.25 0.25

10 Setyadi 0.5 0.5 0.75 0.5 0.5

11 Adi Kusumo 0.75 0.5 0.5 0.5 0.25

12 Kurniawan 0.75 1 0.75 0.75 0.75

13 Irham 0.75 0.75 0.5 0.5 0.5

14 Mulyono 0.75 1 0.75 0.75 0.75

15 Condro 0.75 0.5 0.5 0.75 0.75

16 Amat Ridho 0.75 0.75 0.75 0.75 1


C1 C2 C3 C4 C5

17 Miftahuddin 0.75 0.5 0.75 0.5 0.5

18 Mirza 0.5 0.75 0.75 0.5 0.5


19 Nurul Huda 0.75 0.75 1 0.75 0.75

20 Zaenal Abidin 0.75 0.5 0.5 0.75 0.75

21 Mustofa 0.75 0.75 0.5 0.75 1

22 Agus Salim 0.75 1 0.75 0.75 0.75

23 Ahmad Dahlan 0.75 0.5 0.5 0.75 0.75

24 Sobiyanto 0.75 0.75 1 0.75 1

25 Sobirin 0.5 0.75 0.25 0.75 0.75

26 Mustaqim 0.5 0.5 0.75 0.25 0.25

27 Ismail 0.75 0.5 0.75 0.5 0.5

28 M. Zakaria 0.75 0.5 0.5 0.5 0.25

29 Burhanuddin 0.5 0.75 0.75 0.5 0.5

30 Farid 1 0.75 0.75 0.75 0.75

31 M. Taufiq 0.75 0.5 0.5 0.75 0.75

32 Saefuddin 0.75 0.75 0.75 0.75 0.75

33 Ghufron 0.5 0.5 0.75 0.25 0.25

34 Junaidi 0.75 0.5 0.75 0.5 0.5

35 Yusron 0.75 0.5 0.75 1 1

4. Melakukan Perangkingan.

Setelah proses normalisasi, kemudian dihitung nilai preferensi untuk setiap alternatif (Vi) dengan vector

bobot W = [1; 0,75; 0,5; 0,5; 0,75] sesuai dengan persamaan 1.2 :

Tabel 8. Hasil perangkingan dengan FSAW :

Vi C1 C2 C3 C4 C5 Nilai V

Ahmad Sholeh 0.75 0.56 0.50 0.25 0.56 2.63

Eko Darmawanto 1.00 0.56 0.38 0.38 0.75 3.06

Kiswandi 0.75 0.75 0.25 0.38 0.56 2.69

Ibnu Nugroho 0.50 0.56 0.25 0.25 0.56 2.13

Slamet 0.75 0.56 0.38 0.38 0.38 2.44

Lukman Hakim 0.75 0.56 0.25 0.25 0.38 2.19

Sudomo 0.75 0.56 0.38 0.25 0.38 2.31

Kasmuri 0.25 0.56 0.25 0.38 0.56 2.00

Carmun 0.25 0.38 0.38 0.13 0.19 1.31

Setyadi 0.50 0.38 0.38 0.25 0.38 1.88

Adi Kusumo 0.75 0.38 0.25 0.25 0.19 1.81

Kurniawan 0.75 0.75 0.38 0.38 0.56 2.81

Irham 0.75 0.56 0.25 0.25 0.38 2.19

Mulyono 0.75 0.75 0.38 0.38 0.56 2.81

Condro 0.75 0.38 0.25 0.38 0.56 2.31

Amat Ridho 0.75 0.56 0.38 0.38 0.75 2.81

Miftahuddin 0.75 0.38 0.38 0.25 0.38 2.13

Mirza 0.50 0.56 0.38 0.25 0.38 2.06

Vi C1 C2 C3 C4 C5 Nilai V

Nurul Huda 0.75 0.56 0.50 0.38 0.56 2.75

Zaenal Abidin 0.75 0.38 0.25 0.38 0.56 2.31

Mustofa 0.75 0.56 0.25 0.38 0.75 2.69

Agus Salim 0.75 0.75 0.38 0.38 0.56 2.81

Ahmad Dahlan 0.75 0.38 0.25 0.38 0.56 2.31


Sobiyanto 0.75 0.56 0.50 0.38 0.75 2.94

Sobirin 0.50 0.56 0.13 0.38 0.56 2.13

Mustaqim 0.50 0.38 0.38 0.13 0.19 1.56

Ismail 0.75 0.38 0.38 0.25 0.38 2.13

M. Zakaria 0.75 0.38 0.25 0.25 0.19 1.81

Burhanuddin 0.50 0.56 0.38 0.25 0.38 2.06

Farid 1.00 0.56 0.38 0.38 0.56 2.88

M. Taufiq 0.75 0.38 0.25 0.38 0.56 2.31

Saefuddin 0.75 0.56 0.38 0.38 0.56 2.63

Ghufron 0.50 0.38 0.38 0.13 0.19 1.56

Junaidi 0.75 0.38 0.38 0.25 0.38 2.13

Yusron 0.75 0.38 0.38 0.50 0.75 2.75

3. HASIL DAN PEMBAHASAN

3.1 Hasil

Setelah penilaian kinerja karyawan dengan metode FSAW diimplementasikan di Ifun Jaya Textile, disebar

kuesioner tahap kedua dengan responden yang sama untuk mengukur dampak implementasi sistem dengan

pertanyaan dan hasil sebagai berikut :

1. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat memberikan

informasi yang lebih akurat?

2. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat lebih efektif

untuk menilai kinerja karyawan?

3. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat membantu

perusahaan dalam pengambilan keputusan?

4. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat digunakan

secara mudah dalam melakukan penilaian prestasi kerja karyawan?


analisis yang lebih tepat dan akurat?

6. Apakah sistem pendukung keputusan penilaian kinerja karyawan dengan metode FSAW dapat digunakan

untuk menilai kinerja karyawan dengan menggunakan beberapa parameter?


keuntungan bagi perusahaan?

Tabel 9. Hasil Post Test

No Nama Karyawan Jabatan Pertanyaan

Total 1 2 3 4 5 6 7

1 H. Zabidin Pemilik Perusahaan 3 3 4 3 3 4 3 23

2 Saefun Naja Manager Operasional 3 3 3 4 4 4 3 24

3 M. Nizam Mandor 3 3 3 3 3 4 3 22

4 Talita Khusna Bendahara 3 3 4 3 3 4 3 23

Dari hasil pre test dan post test tersebut, bisa dirangkum dalam table berikut :

Tabel 10. Hasil Pre Test dan Post Test

No Nama Karyawan Jabatan Pre Test Post Test

1 H. Zabidin Pemilik Perusahaan 16 23

2 Saefun Naja Manager Operasional 17 24

3 M. Nizam Mandor 15 22

4 Talita Khusna Bendahara 15 23

Apabila table hasil pre test dan post test tersebut digambarkan dalam bentuk grafik, akan tampak perbedaan yang

signifikan terhadap penggunaan sistem pendukung keputusan penilaian kinerja kerja karyawan dengan metode

FSAW.


Gambar 1. Grafik hasil pre test dan post test

3.2 Pembahasan

Sebelum adanya sistem pendukung keputusan penilaian prestasi kerja karyawan, penilaian dilakukan secara

manual. Setelah nilai direkap, kemudian dilakukan perhitungan dengan cara menjumlahkan nilai dari setiap

kriteria, sehingga didapatkan nilai total dari setiap karyawan. Adapun contoh penilaian karyawan kontrak yang

dilakukan secara manual adalah sebagai berikut :

Tabel 11. Hasil penilaian karyawan secara manual

Nama Karyawan Kualitas &

Kuantitas Kerja Ketaatan Kerjasama

Semangat

Kerja

Disiplin

Kerja

Nilai

Total

Ahmad Sholeh 8 8 9 7 8 40.00

Eko Darmawanto 8 7 7 7 8 37.00

Kiswandi 8 9 7 8 8 40.00

Ibnu Nugroho 6 7 6 6 7 32.00

Slamet 8 8 8 8 7 39.00

Lukman Hakim 7 7 6 6 6 32.00

Sudomo 8 8 8 7 7 38.00

Kasmuri 5 7 6 7 7 32.00

Carmun 6 7 8 6 6 33.00

Setyadi 6 6 7 6 6 31.00

Adi Kusumo 7 6 6 6 5 30.00

Kurniawan 7 8 7 7 7 36.00

Irham 8 8 7 7 7 37.00

Mulyono 7 8 7 7 7 36.00

Condro 7 6 6 7 7 33.00

Amat Ridho 7 7 7 7 8 36.00

Miftahuddin 7 6 7 6 6 32.00

Mirza 7 8 8 7 7 37.00

Nurul Huda 7 7 8 7 7 36.00

Zaenal Abidin 7 6 6 7 7 33.00

Mustofa 8 8 7 8 9 40.00

Agus Salim 7 8 7 7 7 36.00

Ahmad Dahlan 8 7 7 8 8 38.00

Sobiyanto 7 7 8 7 8 37.00

Sobirin 7 8 6 8 8 37.00

Mustaqim 6 6 7 5 5 29.00

Ismail 8 7 8 7 7 37.00

M. Zakaria 7 6 6 6 5 30.00

Burhanuddin 7 8 8 7 7 37.00

Farid 8 7 7 7 7 36.00

M. Taufiq 7 6 6 7 7 33.00

Saefuddin 8 8 8 8 8 40.00

Ghufron 6 6 7 5 5 29.00

Junaidi 8 7 8 7 7 37.00

Yusron 7 6 7 8 8 36.00

Dari hasil perhitungan secara manual dan dengan menggunakan sistem pendukung keputusan terdapat perbedaan

dalam hasil perangkingan yang dilakukan. Hal ini dikarenakan pada perhitungan manual nilai total didapat

0

5

10

15

20

25

30

Pemilik

Perusahaan

Manager

Perusahaan

Mandor Bandahara

Pre Test

Post Test


dengan menjumlahkan semua nilai pada setiap kriteria, sedangkan pada perhitungan dengan sistem pendukung

keputusan, dilakukan pembobotan terlebih dahulu untuk setiap kriteria, kemudian dilakukan penjumlahan nilai

dari setiap kriteria. Perbedaan perangkingan tersebut bisa dilihat pada table dibawah ini.

Tabel 12. Perbedaan perangkingan manual dengan perhitungan FSAW

Nama Karyawan Rangking Perhitungan Manual Rangking Perhitungan FSAW

Ahmad Sholeh 1 12

Eko Darmawanto 8 1

Kiswandi 2 10

Ibnu Nugroho 27 22

Slamet 5 14

Lukman Hakim 28 20

Sudomo 6 15

Kasmuri 29 29

Carmun 23 35

Setyadi 31 30

Adi Kusumo 32 31

Kurniawan 16 4

Irham 9 21

Mulyono 17 5

Condro 24 16

Amat Ridho 18 6

Miftahuddin 30 23

Mirza 10 27

Nurul Huda 19 8

Zaenal Abidin 25 17

Mustofa 3 11

Agus Salim 20 7

Ahmad Dahlan 7 18

Sobiyanto 11 2

Sobirin 12 24

Mustaqim 34 33

Ismail 13 25

M. Zakaria 33 32

Burhanuddin 14 28

Farid 21 3

M. Taufiq 26 19

Saefuddin 4 13

Ghufron 35 34

Junaidi 15 26

Yusron 22 9

Apabila tabel perbedaan perangkingan dengan perhitungan manual dan perangkingan dengan perhitungan Fuzzy

Simple Additive Weighting tersebut digambarkan dalam bentuk grafik, akan tampak hasil sebagai berikut :


Gambar 2. Perbedaan perangkingan manual dengan perhitungan FSAW

4. Kesimpulan

Penilaian prestasi kerja karyawan kontrak dengan parameter penilaian kualitas dan kuantitas kerja, ketaatan,

kerjasama, semangat kerja dan disiplin kerja menggunakan algoritma Fuzzy Simple Additive Weighting sudah

berjalan dengan baik dan dapat menghasilkan analisis dan informasi yang akurat dan cepat terlihat dibandingkan

dengam perhitungan manual sehingga Ifun Jaya Textile dapat mempergunakannya sebagai alat bantu untuk

pengambilan keputusan.

5. Daftar Pustaka

1. Malayu SH. Manajemen Sumber Daya Manusia Edisi Revisi Jakarta: Bumi Aksara; 2009.

2. Alireza A, Majid M, Rosnah MY. Simple Additive Weighting approach to Personnel Selection problem. 2010.

3. Amborowati A. Sistem Pendukung Keputusan Penilaian Karyawan Berprestasi berdasarkan Kinerja. 2007.

4. Modarres M, S. SN. Fuzzy Simple Additive Weighting Method by Preference Ratio. Intelligent Automation

and Soft Computing. 2005; 11: p. 235-244.

5. Taufiq R. Rancang Bangun Sistem Pendukung Keputusan Penilaian Kinerja Karyawan menggunakan Metode

Analytical Hierarchi Process. .

6. Sezhian MV. Performance Measurement in a Public Sector Passenger Bus Transport Company using Fuzzy

Topsis, Fuzzy AHP and ANOVA. IJEST. 2011 Feb; 3.

7. Kusumadewi S. Fuzzy Multi-Attribute Decision Making Yogyakarta: Graha Ilmu; 2006.

0

5

10

15

20

25

30

35

40A

hm

ad S

ho

leh

Eko

Dar

maw

anto

Kis

wan

di

Ibn

u N

ugr

oh

oSl

amet

Lukm

an H

akim

Sud

om

oK

asm

uri

Car

mu

nSe

tyad

iA

di K

usu

mo

Ku

rnia

wan

Irh

amM

uly

on

oC

on

dro

Am

at R

idh

oM

ifta

hu

dd

inM

irza

Nu

rul H

ud

aZa

enal

Ab

idin

Mu

sto

faA

gus

Salim

Ah

mad

Dah

lan

Sob

iyan

toSo

bir

inM

ust

aqim

Ism

ail

M. Z

akar

iaB

urh

anu

dd

inFa

rid

M. T

aufi

qSa

efu

dd

inG

hu

fro

nJu

nai

di

Yusr

on

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Perhitungan Manual Perhitungan FSAW

PENILAIAN KINERJA KARYAWAN DI IFUN JAYA TEXTILE …

Documents

PENILAIAN KINERJA KARYAWAN DI IFUN JAYA TEXTILE …