Premium Insurance Business Journal p-ISSN: 2086-8588 | e-ISSN: 2746-3427 Vol.
12 No.
1 Tahun 2025 Sistem Pendukung Keputusan Penentuan Karyawan Tetap Menggunakan Metode Simpel Additive Weight (SAW) Pada PT.
Expektasi Global Indonesia Hesti Astuti*1.
Rizki Nur Amelia2 Haryati2 1,2,3STMIK WIT Cirebon 1,2Program Studi Teknik Informatika, 3Program Studi S1 Manajemen.
STMIK WIT Cirebon email: hesti.
wit@gmail.
com1, rizkiamel181818@gmail.
com2, haryati.
thio@gmail.
ABSTRAK
Menjadi karyawan tetap merupakan dambaan setiap karyawan yang bekerja di suatu perusahaan atau instansi.
Namun, permasalahan di lapangan adalah lamanya waktu yang dibutuhkan untuk menilai kinerja calon karyawan tetap karena perhitungannya dilakukan secara manual, sulitnya mengambil keputusan akibat ambiguitas indikator yang digunakan dalam penilaian, dan keputusan yang seringkali dibuat secara subjektif.
Penggunaan metode Simple Additive Weight (SAW) menawarkan kemudahan dalam proses pengambilan keputusan, sehingga implementasi algoritmanya menjadi lebih sederhana.
Proses perhitungan dalam SAW relatif lebih sederhana dan tidak memakan waktu yang lama.
Sistem Pendukung Keputusan menggunakan SAW dirancang untuk menentukan nilai bobot pada setiap atribut, dilanjutkan dengan proses perangkingan yang mengidentifikasi alternatif optimal bagi setiap calon karyawan tetap.
Hal ini memastikan bahwa pemilihan karyawan tetap dilakukan secara objektif dan Kata kunci: Sistem Pendukung Keputusan.
SAW.
Karyawan Tetap ABSTRACT Becoming a permanent employee is the desire of every employee working in a company or institution.
However, the problem in the field is the length of time it takes to assess the performance of prospective permanent employees because the calculations are done manually, the difficulty in making decisions due to the ambiguity of the indicators used in the assessment, and decisions are often made subjectively.
The use of the Simple Additive Weight (SAW) method offers ease in the decision-making process, making the implementation of the algorithm less complex.
The calculation process in SAW is relatively simpler and does not take a long time.
The Decision Support System using SAW is designed to determine the weight values for each attribute, followed by a ranking process that identifies the optimal alternative for each prospective permanent employee.
This ensures that the selection of permanent employees is conducted objectively and Keywords: Decision Support System.
SAW.
Permanent Employee PENDAHULUAN Keinginan dari setiap karyawan yang bekerja pada perusahaan atau instansi adalah menjadi yang terbaik dalam bidang pekerjaannya.
Oleh karena itu, penilaian harus dilakukan untuk mengetahui kinerja yang telah dicapai setiap karyawan yang nantinya akan membantu dalam pengambilan keputusan.
Dalam pengambilan keputusan yang tidak tepat dapat menimbulkan dampak buruk bagi suatu perusahaan sehingga dapat menurunkan tingkat kinerja para karyawan.
Namun kenyataannya pada saat dilapangan berbeda dan tidak sesuai, dikarenakan ketidakjelasan kriteria dalam melakukan penilaian dan sering terjadinya penilaian yang subjektif.
Salah satu cara menilai kinerja karyawan adalah berdasarkan kriteria-kriteria Heti Astuti et al.
PIBJ Vol.
12 No.
1 Tahun 2025 yang telah ditentukan adalah dengan menggunakan metode Simple Additive Weighting (SAW).
(Beti, 2.
Simple Additive Weighting (SAW) merupakan salah satu metode dari Sistem Pendukung Keputusan (SPK) yang banyak digunakan dalam penyelesaian sebuah kasus dalam pengambilan suatu keputusan, penggunaan metode SAW memiliki kemudahan dalam proses pencariannya sehingga penerapan algoritmanya tidak terlalu rumit, dalam proses perhitungan metode SAW relatif lebih mudah dan tidak memakan waktu yang lama.
(Subagio dkk, 2.
Permasalahan yang dihadapi saat ini adalah penilaian masih menggunakan seleksi manual terhadap seluruh karyawan sesuai dengan divisi masing-masing.
Belum adanya standar kriteria pasti yang menjadi alat ukur objektif, lamanya waktu dalam melakukan perhitungan manual sehingga menimbulkan kemungkinan dalam pengambilan keputusan secara subjektif.
Penelitian Ila Yati Beti .
menerapkan Metode Simple Additive Weighting untuk Pemilihan Karyawan Terbaik dengan sample 25 karyawan yang telah memenuhi persyaratan pemilihan kayawan terbaik.
Penilaian berdasarkan 5 .
kriteria yaitu kriteria loyalitas, tanggung jawab, etika, kerjasama dan kehadiran.
Dari hasil perhitungan terhadap metode SAW ini diperoleh rangking 10 besar, rangking ke 1 ditempati oleh karyawan yang bernama Ir.
Jusuf Wahyudi.
Kom dengan perolehan nilai rata-rata 5, sedangkan rangking 10 ditempati oleh karyawan yang bernama Aukma Dewi.
SE dengan perolehan nilai rata-rata 4,6.
Hal ini disebebkan bahwa Loyalitas kerja karyawan sangat berpengaruh terhadap hasil perhitungan dengan bobot 30% dari bobot Keseluruhan.
Penelitian ini bertujuan untuk membantu perusahaan dalam membuat keputusan untuk penentuan karyawan tetap dengan merancang sistem pendukung keputusan menggunakan Metode Simple Additive Weighting (SAW) dengan indikator kriteria target omset, perolehan konsumen, kehadiran dan disiplin waktu sehingga penilaian dapat dilakukan secara objektif dan juga terukur, dengan demikian penilaian akan lebih tepat dan akurat, serta pengambilan keputusan yang ditetapkan menjadi lebih adil.
METODE PENELITIAN
Metode Simple Additive Weighting dapat di artikan sebagai metode pembobotan sederhana atau penjumlahan terbobot pada penyelesaian masalah dalam sebuah sistem pendukung Konsep metode ini adalah dengan mencari rating kinerja .
kala priorita.
pada setiap alternatif disemua atribut.
(Nofriansyah et al, 2.
Langkah 1 : Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian masalah.
Langkah 2 : Menormalisasi setiap niai alternatif pada setiap atribut dengan cara menghitung nilai rating kinerja.
Langkah 3 : Menghitung nilai bobot preferensi pada setiap alternatif.
Langkah 4 : Melakukan Perangkingan.
Menormalisasikan setiap alternating .
enghitung nilai rating kinerj.
ycUycnyc ycIycnyc = ycAycaycuycUycnyc { ycAycnycuycUycnyc } Jika j adalah atribut keuntungan .
Jika j adalah atribut biaya .
ycUycnyc Premium Insurance Business Journal p-ISSN: 2086-8588 | e-ISSN: 2746-3427 Vol.
12 No.
1 Tahun 2025 Menghitung nilai bobot preferensi pada setiap alternatif ycOycn = Ocycuyc=1 ycOyc ycIycnyc Keterangan :
Vi = Nilai Bobot Preferensi dari setiap alternatif Wj = Nilai Bobot Kriteria Rij = Nilai Rating Kinerja HASIL DAN PEMBAHASAN Langkah-langkah dalam metode Simple Additive Wieghting (SAW) adalah sebagai berikut:
Langkah 1: Mendefinisikan terlebih dahulu kriteria-kriteria yang akan di jadikan sebagai tolak ukur penyelesaian masalah.
Kriteria dalam menentukan karyawan training menjadi karyawan tetap yaitu target omset, perolehan konsumen, kehadiran dan disiplin waktu.
Tabel 1.
Kriteria dan Bobot Karyawan Tetap Kode Nama Kriteria Bobot Nilai Target Omset Perolehan Konsumen Kehadiran Disiplin Waktu Adapun tabel 2 menampilkan nilai Bobot untuk setiap kriteria:
Tabel 2.
Kriteria Penentuan Karyawan Tetap Kode Nama Kriteria Bobot Pencapaian target omset 125 juta Tidak capai target omset 125 juta Tidak peroleh omset sama sekali Peroleh konsumen lebih dari 50 orang Peroleh konsumen dibawah 50 orang Tidak peroleh konsumen Kehadiran penuh Pernah tidak hadir 1-3 kali Pernah tidak hadir lebih dari 3 kali Tepat Waktu Terlambat 1-3 kali Terlambat lebih dari 3 kali Dalam penelitian ini terdapat 4 .
sampel karyawan training yang dapat dilihat pada tabel 3 berikut:
Tabel 3.
Data Karyawan Training Kode Nama Angga Gumilang Anila Fuji Pratiwi Rendi Ramadhan Siti Maysaroh Dari ke 4 .
karyawan training tersebut, dilakukan penilaian atas kriteria yang terdapat pada tabel 2 sehingga menghasilkan Data Penilaian Kriteria Karyawan yang dapat dilihat pada tabel 4 berikut ini:
Heti Astuti et al.
PIBJ Vol.
12 No.
1 Tahun 2025 Kode Tabel 4.
Data Penilaian Kriteria Karyawan Nama Kriteria Penilaian Target Omset Tidak capai target omset 125 juta Perolehan Konsumen Peroleh konsumen dibawah 50 orang Kehadiran Kehadiran penuh Disiplin Waktu Terlambat lebih dari 3 kali Target Omset Tidak capai target omset 125 juta Perolehan Konsumen Peroleh konsumen lebih dari 50 orang Kehadiran Pernah tidak hadir 1-3 kali Disiplin Waktu Terlambat 1-3 kali Target Omset Pencapaian target omset 125 juta Perolehan Konsumen Peroleh konsumen lebih dari 50 orang Kehadiran Kehadiran penuh Disiplin Waktu Terlambat 1-3 kali Target Omset Tidak capai target omset 125 juta Perolehan Konsumen Peroleh konsumen lebih dari 50 orang Kehadiran Kehadiran penuh Disiplin Waktu Terlambat lebih dari 3 kali Nilai Langkah 2: Menormalisasi setiap niai alternatif pada setiap atribut dengan cara menghitung nilai rating kinerja.
Setelah penilaian tiap kriteria karyawan, maka menghitung rumus metode SAW sebagai R ij = { Xij MaxXij Max.
:30:70:.
R2 =
Max.
:70:70:.
R3 =
Max.
:30:70:.
R4 =
Max.
:30:30:.
R5 =
Max.
:30:70:.
R6 =
Max.
:70:70:.
R7 =
Max.
:30:70:.
R8 =
Max.
:30:30:.
R1 =
Max.
:30:70:.
R10 =
Max.
:70:70:.
R11 =
Max.
:30:70:.
R12 =
Max.
:30:70:.
R13 =
Max.
:30:70:.
R14 =
Max.
:70:70:.
R15 =
Max.
:30:70:.
R16 =
Max.
:30:70:.
R9 =
Kemudian nilai dari data perhitungan tiap baris dan kolom metriks dibagi dengan nilai maksimum dari tiap baris dapat dilihat pada tabel 5.
Tabel 5.
Hasil Perhitungan bobot prefensi
Kode
Nama Angga Gumilang
0,43
0,43
Anila Fuji Pratiwi 0,43 0,43 0,43 Rendi Ramadhan 0,43 Siti Maysaroh
0,43
Perhitungan kriteria dapat dilihat pada tabel 6.
Tabel 6.
Perhitungan Kriteria
Kode
Nama Angga Gumilang
0,43*35 0,43*30
1*20
0*15
Anila Fuji Pratiwi 0,43*35 1*30 0,43*20 0,43*15 Premium Insurance Business Journal p-ISSN: 2086-8588 | e-ISSN: 2746-3427 Kode Nama Rendi Ramadhan Siti Maysaroh Vol.
12 No.
1 Tahun 2025
1*35
0,43*35
1*30
1*30
1*20
1*20
0,43*15
0*15
Dan hasil perhitunngan Bobot Kriteria dapat dilihat pada tabel 7 berikut ini:
Tabel 7.
Hasil Perhitungan Bobot Kriteria
Kode
Nama C2 C3 C4
Angga Gumilang
15,05 12,9 20
Anila Fuji Pratiwi 15,05 30 8,6 6,45 Rendi Ramadhan 30 20 6,45 Siti Maysaroh
15,05 30 20
Langkah 3 : Menghitung nilai bobot preferensi pada setiap alternatif.
Untuk menghitung nilai bobot preferensi pada setiap alternatif menggunakan rumus sebagai berikut:
ycOycn = Ocycuyc=1 ycOyc ycIycnyc V1 = .
,05 12,9 20 .
= 47,95
V2 = .
,05 30 8,6 6,.
= 60,1
V3 = .
30 20 6,.
= 91,45
V4 = .
,05 30 20 .
= 65,05
Tabel 8.
Perhitungan nilai bobot preferensi pada setiap alternatif.
Kode
Nama Hasil
Nilai Angga Gumilang
15,05 12,9 20 0
47,95
Anila Fuji Pratiwi 15,05 30 8,6 6,45 Rendi Ramadhan 35 30 20 15
91,45
Siti Maysaroh
15,05 30 20 0
65,05
Langkah 4 : Melakukan Perangkingan Dari hasil perhitungan diatas dihasilkan perangkingan untuk ke 4 .
karyawan training yang ditampilkan pada tabel 9 berikut:
Tabel 9.
Rekap Hasil Perhitungan Kode
Nama Nilai Rendi Ramadhan 91,45 Siti Maysaroh
65,05
Anila Fuji Pratiwi 60,10 Angga Gumilang
47,95
Berdasarkan pada tabel 10 rekap hasil perhitungan maka yang terpilih menjadi salah satu Karyawan Tetap di perusahaan PT.
Exspektasi Global Indonesia yaitu bernama : Rendi Ramadhan dengan skor nilai tebaik 91,45.
Hasil dari langkah 1 sampai 4 diimplementasikan ke dalam aplikasi sistem pakar yang ditampilkan pada gambar berikut ini:
Heti Astuti et al.
PIBJ Vol.
12 No.
1 Tahun 2025 Gambar 1.
Form Input Penilaian Kriteria Gambar 2.
Input Data Karyawan Training Gambar 3.
Input Penilaian Karyawan Training Premium Insurance Business Journal p-ISSN: 2086-8588 | e-ISSN: 2746-3427 Vol.
12 No.
1 Tahun 2025 Gambar 4.
Perangkingan Menggunakan Metode SAW
KESIMPULAN
Berdasarkan hasil pembahasan, metode Simple Additive Weighting (SAW) merupakan metode yang digunakan untuk mencari mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Aplikasi berbasis Web ini diintegrasikan menggunakan metode SAW untuk pengambilan keputusan yang objektif dalam pengangkatan karyawan tetap pada PT.
Expektasi Global Indonesia berdasarkan kriteria yaitu target omset, perolehan konsumen, kehadiran, dan disiplin waktu.
DAFTAR PUSTAKA