Sistem Pendukung Keputusan Tenaga Kesehatan Terbaik Menggunakan Metode Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) (Studi Kasus Puskesmas Oesap.
DECISION SUPPORT SYSTEM FOR SELECTING THE BEST HEALTH
WORKERS USING ANALYTIC HIERARCHY PROCESS (AHP) AND SIMPLE
ADDITIVE WEIGHTING (SAW) METHODS (CASE STUDY OF OESAPA
HEALTH CENTER)
Fransisco R.
Lehot.
Tiwuk Widiastut*,.
Dony M.
Sihotang*,.
1,2,.
Program Studi Ilmu Komputer.
Fakultas Sains dan Teknik.
Universitas Nusa Cendana Jl.
Adi Sucipto Penfui.
Kupang- NTT.
Indonesia Riwayat: Copyright A2024.
JITU.
Submitted: 31 Juli 2024.
Revised: 29 September 2024.
Accepted: 29 September 2024.
Published: 30 September 2024 DOI: 10.
32938/jitu.
Abstract - Puskesmas Oesapa plays a crucial role in providing high-quality healthcare services.
enhance service quality, especially in delivering optimal individual care, selecting the best healthcare personnel is essential.
This study developed a Decision Support System (DSS) using the Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) methods to address the issues in the manual selection process previously done using Microsoft Excel.
AHP
was used to determine the weights of eight evaluation criteria, while SAW was used to rank healthcare personnel based on these weights.
The system implementation assists the head of Puskesmas in making more accurate and objective decisions.
The results show that the system can identify the best healthcare personnel, with Roselkrans achieving the highest score of 0.
User Acceptance Test (UAT) results indicate high user satisfaction, with functionality rated at 94.
33%, usability at 92.
reliability at 92%, and efficiency at 92.
5%, and blackbox testing results at 100%.
This system is expected to improve objectivity and fairness in the evaluation of healthcare personnel at Puskesmas Oesapa.
Keywords - Analytical Hierarchy Process (AHP).
healthcare personnel.
Simple Additive Weighting (SAW).
Decision Support System (DSS) Abstrak - Puskesmas Oesapa memiliki peran penting dalam menyediakan pelayanan kesehatan berkualitas.
Untuk meningkatkan kualitas layanan, terutama dalam memberikan pelayanan individu yang optimal, pemilihan tenaga kesehatan terbaik sangat penting.
Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) dengan metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) untuk mengatasi masalah pemilihan tenaga kesehatan yang sebelumnya dilakukan secara manual.
Metode AHP digunakan untuk menentukan bobot delapan kriteria penilaian, dan metode SAW untuk merangking tenaga kesehatan berdasarkan bobot Implementasi sistem ini membantu kepala Puskesmas dalam mengambil keputusan yang lebih akurat dan objektif.
Hasilnya, sistem mampu mengidentifikasi tenaga kesehatan terbaik, dengan Roselkrans sebagai penerima nilai tertinggi 0,913.
Pengujian User Acceptance Test (UAT) menunjukkan tingkat kepuasan pengguna yang tinggi, dengan nilai fungsionalitas 94,33%, kegunaan 92,5%, keandalan 92%, dan efisiensi 92,5%, serta hasil pengujian blackbox mencapai 100%.
Sistem ini diharapkan dapat meningkatkan objektivitas dan keadilan dalam penilaian tenaga kesehatan di Puskesmas Oesapa.
Kata kunci - Analytical Hierarchy Process (AHP).
Tenaga Kesehatan.
Simple Additive Weighting (SAW).
Sistem Pendukung Keputusan (SPK) PENDAHULUAN Puskesmas Oesapa memainkan peran strategis dalam memenuhi kebutuhan kesehatan masyarakat.
Di era modern, tuntuna mutu pelayanan kesehtan yang berkualitas semakin tinggi seiring dengan perubahan pola penyakit dan kompleksitas masalah kesehatan.
Mutu pelayanan tidak hanya terkait dengan penyelesaian penyakit, tetapi juga melibatkan individu yang berkualitas.
Pelayanan individu yang baik akan meningkatkan kepercayaan masyarakat dan kenyaman Fransisco R.
Lehot Email: ronaldlehot@gmail.
JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU)
mereka dalam mendapatkan perawatan kesehatan di Puskesmas Oesapa.
Tenaga Kesehatan yang kompeten di Puskesmas Oesapa harus memegang teguh etika profesional, berintegritas, menghormati kerahasiaan pasien, dan menempatkan kepentingan pasien sebagai prioritas.
Mereka harus mampu berkomunikasi dengan jelas dan efektif, mendengarkan, memberikan informasi medis yang mudah dipahami, dan menjawab pertanyaan dengan ramah dan sopan.
Pemilihan tenaga kesehatan terbaik di Puskesmas Oesapa menjadi penting untuk memastikan kendala seperti keterbatasan informasi, kurangnya alat bantu pengambilan keputusan yang objektif dan terstruktur, serta sistem penilaian manual yang menggunakan Microsoft Excel.
Penilaian manual rentan terhadap subjektivitas yang dapat mengakibatkan ketidakadilan, mempengaruhi kepuasan dan motivasi kerja, serta kualitas pelayanan.
Untuk mengatasi masalah ini, diperlukan metode pengambilan keputusan yang lebih akurat, objektif, dan Metode Analytical Hierarchy Process (AHP) da Simple Additive Weighting (SAW) dapat digunakan untuk menentukan tenaga kesehatan terbaik dengan lebih baik.
AHP memungkinkan pembobotan yang kompleks dan berhierarki, sedangkan SAW efektif dalam menilai alternatif berdasarkan bobot kriteria yang ditentukan .
Penerapan metode ini diharapkan dapat meningkatkan objektivitas dan struktur dalam proses evaluasi dan pemilihan tenaga kesehatan.
Dalam penelitian .
dilakukan pemodelan Sistem Pendukung Keputusan (SPK) berbasis desktop yang mengimplementasikan metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW).
AHP digunakan untuk menentukan bobot kriteria yang digunakan dalam penilaian guru terbaik, sementara SAW digunakan untuk merangking guru.
Aplikasi ini dikembangkan menggunakan Microsoft Visual Studio 2008 dengan basis data MySQL.
Tujuan utama penelitian tersebut adalah menerapkan AHP dan SAW pada aplikasi SPK untuk memberikan rekomendasi kepada kepala sekolah dalam proses pemilihan guru terbaik di SMA YP-BDN.
Penelitian ini bertujuan untuk mengembagkan sistem pendukung keputusan yang menerapkan metode AHP dan SAW dalam pemilihan tenaga kesehatan terbaik di Puskesmas Oesapa.
Hasil dari penilitian ini diharapkan dapat memberikan panduan dan rekomendasi bagi manajemen Puskesmas dalam pengambilan keputusan strategis terkait pengembangan sumber daya manusia, sehingga Puskesmas Oesapa dapat terus berkontribusi dalam meningkatkan kesehatan bagi masyarakat.
II.
METODE PENELITIAN
pengambil keputusan tidak dapat diabaikan.
SPK
membantu dalam memanfaatkan data dan model untuk menyelesaikan permasalahan yang tidak terstruktur proses pengambilan keputusan, sesuai dengan pemaparan .
Menurut .
, .
, .
juga menyoroti bahwa sistem pendukung keputusan didesain untuk memberikan dukungan dalam menghadapi situasi keputusan yang semi-terstruktur, yang memiliki relevansi dalam proses pemilihan tenaga kesehatan terbaik di puskesmas.
Oleh karena itu, pemanfaatan SPK menjadi strategi krusial dalam memandu pengambilan keputusan yang lebih efektif dan efisien dalam manajemen sumber daya manusia di puskesmas.
Tahapan Sistem Pendukung Keputusan Menurut penelitian yang dilakukan oleh .
, terdapat empat tahap yang saling berkaitan dan berurutan dalam pengambilan keputusan.
Keempat proses tersebut Tahap Kecerdasan (Intelligenc.
Kecerdasan dapat didefinisikan dalam berbagai konteks, seperti logika, pemahaman diri, pembelajaran, pengetahuan emosional, penalaran, perencanaan, kreativitas, pemikiran kritis, dan kemampuan dalam memecahkan masalah.
Secara umum, ini mencakup Tahap Perancangan (Desig.
Perancangan adalah rencana yang berisi spesifikasi untuk membangun objek atau sistem, yang akan mengimplementasikan suatu kegiatan atau proses.
Ini juga bisa berupa hasil dari rencana atau spesifikasi tersebut dalam bentuk prototipe, produk, atau proses.
Proses perancangan ini mencakup pengembangan suatu Tahap Pemilihan (Choic.
Tahap ini digunakan untuk memilih suatu pilihan dari berbagai aspek pencarian, evaluasi, dan solusi yang telah dibuat sesuai dengan model yang telah dirancang.
Pemilihan ini dilakukan dengan menerapkan model yang telah disusun, dan hasilnya adalah nilai spesifik dari alternatif yang terpilih.
Tahap Implementasi (Implementatio.
Implementasi diterapkan pada teknologi untuk menggambarkan interaksi unsur-unsur dalam bahasa Ini juga digunakan untuk mengenali dan menggunakan elemen kode atau sumber daya pemrograman yang telah ditulis ke dalam program.
Model Simon menjelaskan alur sistem dengan memanfaatkan informasi yang ada, dan penerapan model sistem pendukung keputusan adalah salah satu contoh implementasi dari model ini.
Adapun model Sistem Pendukung Keputusan Dalam proses pemilihan tenaga kesehatan terbaik di puskesmas, pentingnya memanfaatkan konsep Sistem Pendukung Keputusan (SPK) yang mengoperasikan sistem komputer untuk berinteraksi dengan para JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU) penerapan Gambar Tenaga Kesehatan Tenaga mendedikasikan dirinya dalam sektor kesehatan, serta memiliki pengetahuan dan/atau keterampilan yang diperoleh melalui pendidikan di bidang kesehatan, di mana untuk jenis tertentu, diperlukan kewenangan khusus untuk melaksanakan tindakan kesehatan .
Metode AHP Gambar 1.
Tahapan Sistem Pendukung Keputusan Komponen Sistem Pendukung Keputusan Sistem pendukung keputusan terdiri atas tiga komponen utama yaitu .
Database Management Manajemen basis data merupakan sub sistem dalam data yang terorganisir pada sebuah database.
Untuk kepentingan SPK sendiri, diperlukan data yang relevan dengan permasalahan yang hendak diselesaikan melalui sistem berbasis simulasi.
User Interface Tampilan antarmuka atau pengelolaan dialog adalah proses penggabungan antara dua komponen, yaitu database management dan model base yang nantinya akan bergabung dengan user interface.
Nantinya user interface akan menampilkan output atau hasil bagi pengguna perangkat lunak.
Model Base Komponen model merepresentasikan terkait permasalahan ke dalam format data kuantitatif, yang di dalamnya terdiri dari tujuan permasalahan, komponen, batasan .
, dan hal terkait lainnya.
Model base sangat permasalahan secara utuh dan mengembangkannya menjadi solusi yang terbaik.
AHP adalah sebuah sistem pendukung keputusan yang memecah masalah multifaktor yang kompleks menjadi sebuah hierarki, di mana setiap levelnya terdiri dari elemen-elemen yang spesifik .
, .
Prinsip-prinsip dasar AHP meliputi:
Hierarki Pembuatan Sistem yang kompleks dapat dipahami dengan cara memecahnya menjadi elemen-elemen pendukung dan mengatur elemen-elemen tersebut secara hierarkis.
Penilaian Kriteria dan Alternatif Penilaian kriteria dan alternatif dilakukan melalui perbandingan berpasangan.
Skala 1 hingga 9 sering digunakan untuk mengungkapkan preferensi pada berbagai isu.
Penetapan Prioritas Nilai perbandingan relatif antara semua alternatif dan kriteria dapat diolah melalui penilaian subjektif untuk menghasilkan bobot dan prioritas.
Konsistensi Logis Tingkat hubungan antara objek-objek berdasarkan kriteria tertentu harus mematuhi prinsip logika.
Tabel 1.
Skala Penilaian Perbandingan Bobot Artinya Kedua elemen sama penting Elemen yang satu sedikit lebih penting daripada elemen lainnya Elemen yang satu lebih penting daripada elemen lainnya Elemen yang satu jelas lebih mutlak penting daripada elemen lainnya Gambar 2.
Komponen Sistem Pendukung Keputusan Puskesmas Pusat Kesehatan Masyarakat (Puskesma.
adalah salah satu sarana penting dalam penyelenggaraan pelayanan kesehatan masyarakat di Indonesia.
Sebagai unit pelaksana teknis dinas kabupaten/kota.
Puskesmas memiliki tanggung jawab untuk menyelenggarakan pembangunan kesehatan di suatu wilayah kerja .
Dalam menjalankan perannya.
Puskesmas harus mampu memberikan pelayanan kesehatan yang berkualitas dan memadai sesuai dengan standar yang ditetapkan, serta mencakup seluruh lapisan masyarakatnya .
JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU)
Satu elemen mutlak pertimbangan daripada elemen lainnya 2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan Kebaikan Jika aktivitas i mendapat satu angka dibandingkan dengan aktivitas j maka j memiliki nilai kebalikannya dibandingkan Perhitungan metode AHP dibagi sebagai beberapa langkah, yaitu :
Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu menyusun Menentukan prioritas elemen:
A Membuat perbandingan berpasangan.
Ukuran Matriks Nilai IR
0,00
0,58
0,90
1,12
1,24
1,32
1,41
1,45
1,49
1,51
1,48
1,56
1,57
1,59
A Matriks perbandingan berpasangan diisi merepresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang lainnya.
Sintesis :
A Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
A Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh normalisasi matriks.
A Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rata-rata.
Mengukur konsistensi :
A Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua, dan seterusnya.
A Jumlahkan setiap baris.
A Hasil penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan.
A Jumlahkan hasil bagi di atas dengan banyaknya elemen yang ada.
Hasilnya disebut maks.
Hitung Consistency Index (CI) Rumus:
yaya = .
uIycoycaycoyc Oe yc.
/ycu Oe 1 .
Dimana :
yuIycoycaycoyc = Nilai eigen terbsesar dari matriks berordo ycu ycu = Banyaknya elemen Hitung Rasio Konsistensi (Consistency Rati.
Rumus:
yaycI = yaya .
yaycI Dimana :
yaya = yaycuycuycycnycycyceycuycayc yaycuyccyceycu yaycI = yaycuycuycycnycycyceycuycayc ycIycaycycnycu ycIya = ycIycaycuyccycuyco yaycuyccyceycoyc ycu = Banyaknya elemen Memeriksa konsistensi hierarki Jika nilai CR kurang atau sama dengan 0.
maka hasil perhitungan bisa dinyatakan JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU) Tabel 2.
Daftar Indeks Random Konsistensi Metode SAW Metode Simple Additive Weighting (SAW), yang juga dikenal sebagai metode penjumlahan terbobot, didefinisikan salah satu metode yang digunakan untuk menyelesaikan masalah pengambilan keputusan dengan berbagai atribut .
Untuk menerapkan metode SAW, pertama-tama, kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan harus ditentukan.
Selanjutnya, rating kecocokan setiap alternatif terhadap setiap kriteria juga harus ditentukan.
Proses selanjutnya melibatkan pembuatan matriks keputusan berdasarkan kriteria dan normalisasi matriks tersebut menggunakan persamaan yang disesuaikan dengan jenis atribut .
tribut keuntungan atau atribut Hal ini menghasilkan matriks ternormalisasi R.
Hasil akhir dari metode SAW adalah proses perangkingan, di mana penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot Nilai terbesar yang dihasilkan dari perhitungan ini dipilih sebagai alternatif terbaik atau Metode SAW memiliki kelebihan dibandingkan dengan model keputusan lainnya karena kemampuannya untuk memberikan penilaian yang lebih tepat, berdasarkan pada nilai kriteria dan bobot preferensi yang telah ditentukan.
Selain itu.
SAW dapat efektif menyeleksi alternatif terbaik dari sekumpulan alternatif yang ada, karena melibatkan proses perangkingan setelah menentukan bobot untuk setiap atribut .
Langkah-langkah penyelesaian adalah sebagai Identifikasi kriteria-kriteria .
yang akan digunakan sebagai acuan dalam pengambilan keputusan.
Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
Buat matriks keputusan berdasarkan kriteria .
dan mempertimbangkan jenis atribut .
tribut keuntungan atau atribut biay.
Hasilnya adalah matriks ternormalisasi .
cI).
Peringkat perangkingan, di mana hasilnya merupakan penjumlahan dari perkalian matriks ternormalisasi .
cI) dengan vektor bobot.
Nilai terbesar dari perhitungan ini dipilih sebagai alternatif terbaik .
yang menjadi solusi.
Formula yang digunakan untuk melakukan normalisasi merujuk ke persamaan 2.
ycuycnyc ycAycaycuycnyc .
ycuycnyc ycycnyc = { ycAycnycuycnyc .
ycuycnyc ycuycnyc .
aAyceycuyceyceycny.
Keterangan :
ycycnyc = rating kinerja ternormalisasi ycAycaycuycnyc = nilai maksimum dari setiap baris dan ycAycnycuycnyc = nilai minimum dari setiap baris dan C6 = Kerjasama Tim
C7 = Fokus Pada Kualitas Kriteria
Jumlah Eigen
0,384
0,656
0,342
0,329
0,324
0,255
0,228
0,227
2,749
0,343
0,076
0,131
0,342
0,263
0,243
0,212
0,228
0,181
1,681
0,21
0,128
0,043
0,114
0,197
0,162
0,17
0,171
0,136
1,124
0,14
0,076
0,032
0,038
0,065
0,081
0,127
0,114
0,136
0,673
0,084
0,096
0,043
0,057
0,065
0,081
0,127
0,114
0,09
0,676
0,084
0,064
0,026
0,028
0,021
0,027
0,042
0,057
0,09
0,358
0,044
0,096
0,032
0,038
0,032
0,04
0,042
0,057
0,09
0,431
0,053
C88
0,076
0,032
0,038
0,021
0,04
0,021
0,028
0,045
0,305
0,038
C8 = Kemauan mengembangkan diri ycuycnyc = baris dan kolom dari matriks Benefit = jika nilai terbesar adalah terbaik Langkah perhitungan menggunakan metode AHP Cost = jika nilai terkecil adalah terbaik 6 Dengan menggunakan ycycnyc sebagai penilaian kinerja adalah sebagai berikut:
yang telah dinormalisasi untuk alternatif yaycn pada atribut yaya , di mana i = 1,2,Am dan j = 1,2,A,n.
Penilaian preferensi untuk masing-masing alternatif .
cOya ) dapat dihitung menggunakan persamaan 2.
ycOycn = Ocycuyc=1 ycyc ycycnyc .
Keterangan :
Tabel 5.
Matriks Nilai Kriteria ycycn = Nilai akhir dari alternatif Perbandingan Matriks ycyc = Bobot yang telah ditentukan Berpasangan ycycnyc = Normalisasi matriks Berdasarkan nilai perbandingan pada Tabel 1.
Nilai ycycn yang lebih besar mengindikasikan bahwa lakukan perbandingan kriteria lebih lanjut alternatif yaycn lebih terpilih.
sehingga menghasilkan matriks nilai yang terlihat pada Tabel 3.
HASIL DAN PEMBAHASAN
Tabel 3.
Perbandingan Matriks Berpasangan Metode Analytical Hierarchy Process dipilih karena membantu menentukan prioritas kriteria melalui analisis perbandingan berpasangan dari setiap kriteria.
Sedangkan metode Simple Additive Weighting digunakan untuk menghitung nilai akhir alternatif, yang bertujuan untuk menentukan tenaga kesehatan terbaik.
Tujuan utama adalah memilih tenaga kesehatan terbaik di Puskesmas Oesapa.
Berdasarkan kriteria yang telah ditetapkan, dibuat perbandingan berpasangan antara elemen-elemen tersebut untuk mendapatkan bobot dari setiap kriteria dengan menggunakan metode Analytical Hierarchy Process.
Selanjutnya, dilakukan perhitungan nilai antar alternatif untuk setiap kriteria menggunakan metode Simple Additive Weighting.
Penerapan Metode AHP
Kriteria yang digunakan dalam pemilihan tenaga
kesehatan terbaik di Puskesmas Oesapa adalah sebagai C1 = Ketidakhadiran C2 = Komitmen
C3 = Aman C4 = Inisiatif
C5 = Sigap
JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU)
Kriteria
C6 C7 C8
1/2 1/2 1
Penyederhaan Matriks Kedalam Bentuk Decimal Tabel 4 memperlihatkan penyederhanaan dari Tabel 3 , disederhanakan dari yang sebelumnya pecahan menjadi desimal.
Seperti nilai Au0,2Ay pada kolom ketidakhadiran baris komitmen dihasil dari Au1/5Ay kolom ketidakhadiran baris komitmen pada Tabel 3 dan nilai pada kolom baris lainnya dihasilkan dengan cara yang sama.
Setelah diubah ke desimal, lalu setiap kolom dijumlahkan Tabel 4.
Perbandingan Matriks dalam Bentuk Decimal Kriteria
C3 C4
C5 C6 C7 C8
0,333 0,333 1
0,2 0,25 0,333 1
0,25 0,333 0,5 1
0,1667 0,2 0,5 0,333 0,333 1 1
0,25 0,25 0,333 0,5 0,5 1 1
0,25 0,333 0,333 0,5 0,5 0,5
Matriks Nilai Kriteria Setelah matriks perbandingan berpasangan dihitung, langkah selanjutnya adalah melakukan perhitungan matriks nilai kriteria.
Hasil matriks nilai kriteria ditampilkan pada Tabel 5.
Menghitung Rasio Konsistensi Dalam kasus Puskesmas Oesapa, terdapat delapan kriteria yang diperhatikan, yaitu Ketidakhadiran.
Komitmen.
Aman.
Inisiatif.
Sigap.
Kerjasama Tim.
Fokus pada Kualitas.
Kemauan untuk Mengembangkan Diri.
Sesuai dengan panduan Tabel Random Index (RI), ketika terdapat delapan kriteria, nilai Random Indexnya adalah 1,41.
0,333 0,333 1
0,25 0,333 1
0,25
0,333 0,5
0,1667 0,2
0,5 0,333 0,333 1 1
0,25
0,25 0,333 0,5
0,25 0,333 0,333 0,5 0,5 0,5
Kemudian mencari nilai yoyeayeCyeUyei atau total :
3,250
3,250
1,202
0,693
0,713
0,365
yc = O( 0,444 0,053 0,343 0,326 0,210 0,140 0,084 0,084 0,044 Penerapan Metode SAW Metode ini digunakan untuk menjumlahkan bobot dan mencari nilai alternatif pada atribut.
SAW memiliki beberapa tahapan sebagai berikut :
Menentukan matriks keputusan berdasarkan nilai alternatif untuk setiap kriteria pada Tabel 6.
Tabel 6.
Nilai Alternatif Roselkrans Maria Eni Atris Diogo Setelah mendapatkan nilai eigen/prioritas untuk kriteria, langkah selanjutnya adalah mencari yoyeayeCyeUyei atau total dengan cara melakukan perkalian matriks perbandingan berpasangan pada Tabel 4 dengan nilai eigen vector, yang dapat dihitung dengan setiap kolom kriteria dikalikan dengan setiap nilai eigen.
0,343
0,210
0,140
0,084
0,084
0,044
0,053
0,038
Tabel 7.
Atrbut Kriteria Kriteria Ketidakhadiran (C.
Komitmen (C.
Aman (C.
Inisiatif (C.
Sigap (C.
Kerjasam Tim (C.
Fokus Pada Kualitas (C.
Kemauan Untuk (C.
Mengembangkan Diri Selanjutnya, setelah mendapatkan nilai total, hitung nilai CI dengan menggunakan persamaan 2.
1, dengan n = 8 .
arena banyak kriterianya ada .
8,575 Oe 8 yaya = = 0,0822 8Oe1 Setelah dapat nilai CI , kemudian hitung nilai CR dengan menggunakan persamaan 2.
Dalam tabel 2.
nilai RI untuk n= 8 adalah 1.
41, sehingga yaycI = JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU) 3,250 1,883 1,202 0,693 0,713 0,365 0,444 0,326 Diketahui atribut dari kriteria yang digunakan dapat dilihat pada Tabel 7.
= 8,575
0,0822
= 0,05831
1,41
Apabila nilai CR Ou 0.
1, maka dianggap tidak konsisten atau tidak memenuhi persyaratan, sehingga matriks perbandingan akan diulang hingga nilai CR
sesuai dengan syarat yang telah ditetapkan C1 C2 C3 C4 C5 C6 C7 C8
4 4 4 3 4 4 3 3
5 4 3 2 4 4 3 2
5 4 3 4 2 4 3 4
4 4 4 3 2 2 4 2
5 5 4 2 3 4 3 2
Atribut Cost Benefit Benefit Benefit Benefit Benefit Benefit Benefit Menghitung normalisasi matriks X menjadi matriks ternomalisasi R yang dapat ditunjukan pada Tabel Tabel 8.
Matriks Hasil Normalisasi Mencari nilai preferensi (V.
dengan menggunakan Perhitungan preferensi dapat dilihat dibawah ini :
C1={.
*0,.
,8*0,.
*0,.
,75*0,0
*0,.
*0,.
,75*0,.
,75*00
}=0,913
C1 C2 C3 C4 C5 C6 C7 C8
Roselkrans 0,8 1
0,75 1 1 0,75 0,75
Maria
0,8 0,8 0,75 0,5
1 1 0,75 0,5
Eni
Atris
Diogo
0,8 0,8 0,75 1
0,5 1 0,75 1
0,8 1 0,75 0,5 0,5 1 0,5
0,8 1 1
0,5 0,75 1 0,75 0,5
Pada halaman ini, menu utama adalah tampilan awal dari sistem pendukung Menu ini hanya dapat diakses setelah masuk ke tampilan dasbor.
Tampilan Beranda ditunjukkan pada Gambar 3.
C2={.
,8*0,.
,8*0,.
,75*0,.
,5*
*0,.
*0,.
,75*0,.
,5*0
}=0,853
C3={.
,8*0,.
,8*0,.
,75*0,.
*0,
,5*0,.
*0,.
,75*0,.
*0,
}=0,835
C4={.
,8*0,.
*0,.
,75*0,
,5*0,.
,5*0,.
*0,.
,5*0,
}=0,798
C5={.
,8*0,.
*0,210 ) .
* 0,.
,5*
,75*0,.
*0,.
,75*0,.
5*0,.
}=0,779
Gambar 3.
Tampilan Beranda Tabel 9.
Hasil Rangking Nama Roselkrans Maria Eni Atris Diogo Hasil Perhitungan 0,913 0,779 0,798 0,853 0,835 Rangking Interface Menu Kriteria Di tampilan kriteria.
Anda dapat melihat daftar kriteria yang telah ditambahkan sesuai dengan kebutuhan sistem.
Tampilan menu kriteria ditunjukkan pada gambar 4.
Implementasi Hasil Langkah ini adalah proses perubahan dari analisis dan perancangan yang telah dibuat menjadi desain yang siap digunakan.
Interface Login Halaman login digunakan untuk akses awal ke dalam sistem.
Pada halaman ini, pengguna harus memasukkan nama pengguna dan kata Halaman login ini ditunjukkan pada Gambar 4.
Menu Kriteria Interface Perbandingan Kriteria AHP Tampilan perbandingan kriteria digunakan untuk mengumpulkan preferensi dan bobot relatif antara kriteria yang diberikan dengan menggunakan metode Analytic Hierarchy Process (AHP).
Tampilan perbandingan kriteria dapat dilihat pada Gambar 5.
Gambar 2.
Tampilan Login Interface Menu Utama JOURNAL OF INFORMATION AND TECHNOLOGY UNIMOR (JITU) Gambar 5.
Perbandingan Kriteria Interface Analisa Alternatif Tampilan analisa alternatif berfungsi untuk melakukan perhitungan penilaian nakes menggunakan metode Simple Additive Weighting (SAW) yang akan dikombinasi menggunakan metode Analytic Hierarchy Sistem keputusan yang telah dibangun dapat membantu kepala puskesmas Oesapa untuk mengambil keputusan dalam menentukan tenaga kesehatan terbaik dengan menggunakan 8 kriteria .
etidakhadiran, komitmen, aman, inisiatif, sigap, kerjasama tim, fokus pada kualitas, kemauan mengembangkan dir.
dan memenuhi tujuan dari penelitian ini .
Hasil perhitungan kombinasi metode AHP dan SAW di dapat tenaga kesehatan terbaik yakni Roselkrans dengan hasil akhir yakni 0,913.
Berdasarkan pengujian black box dan pengujian UAT didapatkan hasil untuk pengujian blackbox adalah 100% sistem sudah berfungsi sesuai dengan Pada pengujian UAT tingkat kepuasan untuk fungsionalitas 94,33%, kegunaan 92,5%, kehandalan 92% dan efisiensi 92,5% .
DAFTAR PUSTAKA