You are on page 1of 20

PENERIMAAN PEGAWAI BARU DENGAN MENGGUNAKAN METODE

ELECTRE DAN TOPSIS (Studi Kasus: PT. Jagaraga Adika Kota Surabaya)
Aditya Bagus¹, Indriati², Marji³
¹²³Teknik Informatika Program Teknologi dan Ilmu Komputer, Universitas Brawijaya
Jl. Veteran No.8 Malang, Informatika Gedung A FILKOM - UB
Email: adityaabcd21@gmail.com¹, indriati.tif@ub.ac.id²,
ABSRTAK
Kualitas dari sumber daya manusia merupakan salah satu aspek yang dapat menunjukkan tingkat
kualitas sebuah perusahaan.Kesalahan dalam penerimaan pegawai yang tidak berkualitas menjadi sebuah
masalah yang sangat fatal, hal tersebut dikarenakan sulitnya menyeleksi calon pegawai baru yang masih
menggunakan sistem manual.Sebuah sistem yang bisa digunakan untuk penyeleksi penerimaan pegawai baru
dapat menjadi sebuah solusi bagi pengguna dalam proses pengambilan keputusan terkait seleksi penerimaan
pegawai baru . Penerimaan pegawai baru menerapkan metode Elimination Et Choix Tranduisant La Realité
(ELECTRE) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode tersebut
akan digunakan untuk mengolah data pegawai baru mulai dari seleksi awal, tes psikologi, wawancara pegawai
dan security training dalam menentukan pegawai baru yang diterima dan tidak diterima. Hasil pengujian
akurasi sistem antara perhitungan manual dengan metode Elimination Et Choix Tranduisant La Realité
(ELECTRE) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) memiliki tingkat
akurasi tertinggi sebesar 85.915% dan tingkat akurasi terendah sebesar 78,873%.
Kata Kunci: Elimination Et Choix Tranduisant La Realité (ELECTRE) dan Technique for Order Preference
by Similarity to Ideal Solution (TOPSIS), Penerimaan pegawai baru, SPK.
ABSTRACT
As a department of college that works to serve student in nonacademic field, STIKOM Surabaya’s Student
Affair often faces various of administration problems. Those problems are problems which related with
maintenance of achievement, maintenance of organization history, maintenance of interest, maintenance of
event, maintetnace of event participant, maintenance of SSKM, and maintenance of 0 SKS lecture. In relation
with event, student affair also faces difficulty in deciding student that is sent to the event because a lot of
student that has competency in that event. Because there is not decision support system, then so far sending
student to the event is still intuitive and subjective. Student Affair needs an application that can solve dan
Keyword: AHP, TOPSIS, Administration, Student Affair
1. PENDAHULUAN
1.1 Latar Belakang
Salah satu sumber daya yang sangat penting
dalam sebuah perusahaan adalah karyawan.
Sebagai salah satu elemen perusahaan,
manajemen SDM tidak dapat dipisahkan dari
bidang manajemen lainnya untuk mencapai tujuan
perusahaan. Dalam perencanaan dan usaha untuk
memenuhi kebutuhan SDM dilakukan seleksi
yang dikelola secara profesional sehingga dapat
menentukan mutu dan kesuksesan perusahaan[1].
Seleksi yang baik dan akurat dari perekrutan

karyawannya akan menghasilkan SDM yang
berkualitas bagi perusahaan sehingga dapat
meningkatkan kualitas perusahaan tersebut.
Multi Criteria Decision Making (MCDM)
berkaitan dengan pemilihan dari pilihan yang
optimal antara alternatif berdasarkan atribut atau
kriteria keputusan. Dengan banyaknya alternatif
yang ditetapkan oleh PT. Jagaraga Adika dalam
melakukan proses seleksi dan adanya kriteria yang
ditetapkan, maka kasus ini dapat dikategorikan
dalam MCDM. Banyak solusi yang bisa
digunakan dalam pemecahan dari MCDM yang

1

ditawarkan. Menurut Janko dan Bernoider salah
satunya adalah menggunakan metode Elimination
and Choice Expressing Reality (ELECTRE),
karena metode electre sangat cocok dengan kasus
pada PT. Jagaraga Adika di mana banyak
alternatif dan sedikit atribut/kriteria yang
menempel pada alternatif-alternatif tersebut.
[2janko] Selanjutnya juga bisa dlanjutkan dengan
menggunakan metode Topsis untuk mendapatkan
urutan nama calon pegawai mulai dari yang
direkomendasikan.
Dari beberapa penelitian yang dilakukan
sebelumnya, seperti yang dilakukan oleh Asti Dwi
dengan judul “Sistem Pendukung Keputusan
Untuk Pemilihan Bahan Dasar Obat Alternatif
Dengan Metode Electre Dan Topsis”. Penelitian
itu sendiri menjelaskan bagaimana metode
Elimination Et Choix Traduisant la Realité
(ELECTRE) dan Technique for Order Preference
by Similarity of Ideal Solution (TOPSIS) dimana
metode ELECTRE digunakan untuk mendapatkan
nama dari tanaman obat yang direkomendasikan
dan
metode
TOPSIS
digunakan
untuk
perangkingan terhadap tanaman yang telah di
rekomendasikan oleh metode ELECTRE.[3astri]
Penelitian selanjutnya adalah dengan judul
“Sistem Pendukung Keputusan Penerimaan Siswa
Baru
SMP Brawijaya
SMART School
Menggunakan Metode ELECTRE dan TOPSIS”
yang dilakukan oleh Arinta Asesant. Penelitian
tersebut berisi bagaimana Proses ELECTRE
melakukan perhitungan untuk mendapatkan hasil
pengelompokan terhadap siswa yang diterima dan
tidak diterima, lalu metode TOPSIS digunakan
untuk mencari perangkingan terhadap siswa yang
tidak diterima pada metode ELECTRE dan
menghasilkan rekomendasi siswa yang diterima.
[4arinta]
Berdasarkan
permasalahan yang telah
dipaparkan, maka penulis mengusulkan judul
“Penentuan
Penerimaan
Pegawai
Baru
Menggunakan Metode ELECTRE dan TOPSIS
(studi kasus PT. Jagaraga Adika)”. Penulis
menggunakan
metode
ELECTRE
untuk
melakukan pengelompokan pegawai dan metode
TOPSIS untuk melakukan perangkingan. Metode
ELECTRE dilakukan dengan membagi pegawai
baru menjadi pegawai diterima dan tidak diterima
dan selanjutnya pada pegawai yang tidak diterima
akan dihitung kembali menggunakan metode
TOPSIS dengan hasil berupa prangkingan
pegawai terbaik.

2. METODOLOGI
Penelitian ini dilakukan dengan melakukan
pengembangan
penerimaan pegawai
baru
menggunakan metode ELECTRE dan TOPSIS.
Tahapan tahapan yang dilakukan dalam penelitian
ini sebagai berikut :
2.1 Studi Literatur
Studi literatur bertujuan untuk mencari
literatur-literatur yang berasal dari buku referensi,
jurnal, dan dokumentasi internet yang berkaitan
dengan penelitian-peneitian sebelumnya mengenai
sistem pendukung keputusan, penggunaan metode
ELECTRE dan metode TOPSIS dalam pemecahan
masalah, seleksi penerimaan peserta didik, dan
hal-hal yang berkaitan dengan pembuatan sistem
aplikasi.
2.2 Pengumpulan Data
Penelitian dilakukan di PT. Jagaraga Adika
Kota Surabaya. Data penelitian ini menggunakan
data penerimaan pegawai baru PT. Jagaraga Adika
tahun 2015/2016 yang telah diverifikasi sebanyak
200 data. Pengumpulan data ini menggunakan
data sekunder yang didapatkan dari pihak PT.
Jagaraga Adika. Data tersebut akan dipergunakan
untuk menghitung tingkat akurasi sistem yang
akan dibangun.
2.3 Analisa Kebutuhan
Tahapan identifikasi pengguna ini bertujuan
untuk mengidentifikasi siapa saja aktor yang akan
berinteraksi dengan sistem. Berikut adalah
pengguna sistem :

2

dan jarak pandang dari calon pegawai baru.2. yaitu :. • Hasil Security Training Nilai kriteria ini di dapatkan dari hasil dari nilai setiap calon pegawai baru yang telah melakukan security training. Dan dilakukan juga penarikan nilai bobot preferensi dari hasil wawancara tersebut. dan hasil security training (ST). Beberapa proses model perancangan sistem. 3 . Perhitungan komputasi dilakukan dengan menggunakan kriteria yang diambil dari hasil wawancara pada pihak PT.3 Perancangan Sistem Model perancangan sistem menjelaskan cara kerja sistem secara terstruktur mulai dari input atau masukan yang dimasukkan gingga mendapatkan output atau hasil. • Hasil Seleksi Awal (SA) Nilai tes ini didapatkan dari melakukan perhitungan rata rata nilai dari nilai usia. • Wawancara pegawai baru Nilai wawancara calon pegawai baru yang telah dikonversi oleh bagian HRD. hasil wawancara calon pegawai (WP). hasil tes psikologi (TP). • Hasil tes psikologi Nilai kriteria ini di dapatkan dari nilai hasil tes psikologi calon pegawai baru yang dikonversi oleh pihak HRD PT. Pada tahapan ini dilakukan model komputasi menggunakan metode ELECTRE dan TOPSIS. Jagaraga Adika. Jagaraga Adika seperti : hasil seleksi Awal (SA). tinggi. berat.

3. Jagaraga adika tahun 2015/2016. Pembobotan dilakukan dengan menggunakan bobot secara presentase yang dapat dilihat pada gambar dibawah ini : 2.1 Metode ELECTRE Langkah langkah metode ELECTRE akan digambarkan melalui diagram alir berikut ini : Tahapan model komputasi menggunakan metode ELECTRE dan metode TOPSIS. yaitu C1 sampai C4. Metode ELECTRE berfungsi untuk mengeliminasi alternatif dengan hasil berupa beberapa kelompok klasifikasi alternatif yaitu kelompok yang diterima dan tidak diterima. Data pembobotan ini dilakukan untuk kriteria-kriteria yang akan digunakan dalam proses perhitungan nantinya. Tahapan model komputasi secara umum ditunjukkan oleh gambar dibawah berikut : 1. Data alternatif yang diambil merupakan 5 data calon pegawai baru yang diambil dari 200 sampel data penerimaan pegawai PT.Data pembobotan dalam sistem meruapakan pembobotan yang telah ditentukan oleh pihak PI. Metode TOPSIS digunakan untuk menentukan rekomendasi calon pegawai baru yang tidak diterima pada proses perhitungan ELECTRE dengan cara melakukan prangkingan calon pegawai baru. Data tersebut diubah dalam bentuk matrik keputusan pada tabel dibawah ini. Jagaraga Adika. Alt Nama SA TP WP ST 1 2 3 3 3 Rifai 2 3 3 4 3 Sutrisno 3 3 4 3 4 Sampurno 4 4 2 3 3 Mirza 5 2 3 2 3 Ulfa 4 . Ambil data alternatif Dengan mengambil 5 data alternatif keputusan sebagai input.

Pada perhitungan ini terdapat 5 alternatif sehingga akan menghasilkan 25 kombinasi antar alternatif seperti A1-A1. Sehingga diperoleh matriks ternormalisasi sebagai berikut : 5.2 Hasil Wawancara (WP) w3 = 30/100 = 0. Nilai matriks normalisasi terbobot pada alternatif I kriteria ( merupakan hasil kali dari nilai matriks 3. Sehinnga perhitungannya adalah bobot kriteria j ( ) dengan ). dan seterusnya hinnga A5-A5. A1-A4. jika nilai amtriks normalisasi k kriteria j ≥ nilai matriks normalisasi terbobot alternatif I kriteria j.2. Menentukan himpunan concordance dan discordance Perhitungan himpunan concordance akan menggunakan nilai normalisasi terbobot dengan rumus persamaan [2-4)[5] : Nilai matriks normalisasi terbobot setiap alternatif k akan dibandingkan dengan nilai matriks normalisasi terbobot alternatif I pada setiap kriteria j. Sehingga diperoleh matriks ternormalisasi R seperti dibawah ini.3 demikian dan seterusnya. Menghitung matriks normalisasi Perhitungan matriks normalisasi menggunakan persamaan (2-1)[5Triantaphyllou]. Pembobotan matriks normalisasi Perhitungan matriks normalisasi menggunakan rumus persamaan (2-3)[5].3 Hasil Security Training (ST) w4 = 30/100 = 0. maka kriteria j termasuk dalam himpunan concordance Untuk skenario perbandingan akan dilakukan pada seluruh kombinasi alternatif yang ada kecuali antara alternatif yang sama. Kombinasi yang memiliki alternatif yang sama 5 . Ambil nilai Bobot Bobot yang digunakan dalam perhitungan adalah nilai bobot yang telah ditentukan sesuai dengan wawancara awal dengan pihak PT. 4. Sehingga perhitungannya adalah Demikian dan seterusnya. Jagaraga Adika dengan masing masing nilai sebagai berikut : Kriteria Nilai Bobot Kriteria (w) Hasil Seleksi Awal (HA) w1 = 20/100 = 0. A1-A3. A1A2. Nilai matriks normalisasi alternatif I kriteria j normalisasi pada alternatif I kriteria j nilai ( ) merupakan hasil pembagian dari nilai matriks keputusan alternatif I kriteria j dengan nilai akar jumlah nilai kuadrat seluruh alternatif pada kriteria j.2 Tes Psikologi (TP) w2 = 20/100 = 0.

A2-A2. Perhitungannya sebagai berikut : . A5-A5 tidak akan dihitung. dengan ketentuan jika kriteria 3 termasuk dalam himpunan concordance untuk alternatif 1 terhadap alternatif 2. Selanjutnya perhitungan diatas dilakukan pada seluruh kombinasi alternatif yang ada mulai dari alternatif 1 hingga alternatif 5 pada kriteria 1 hingga kriteria 4. • Untuk alternatif 1 terhadap alternatif 2 pada kriteria 4 Melakukan perbandingan nilai V pada alternatif 1 kriteria 4 dengan nilai V alternatif 2 kriteria 4 6 . Pada perhitungan ini terdapat 5 alternatif sehingga akan menghasilkan 25 kombinasi antar alternatif seperti A1-A1. A1A2. maka kriteria 1 termasuk dalam himpunan concordance untuk alternatif 1 terhadap alternatif 2. dengan ketentuan jika maka kriteria 3 termasuk dalam himpunan concordance untuk alternatif 1 terhadap alternatif 2. Karena kurang dari maka kriteria 3 tidak termasuk ke dalam himpunan concordance untuk alternatif 1 terdahap alternatif 2. dengan nilai V alternatif 2 kriteria 1 . Kombinasi yang memiliki alternatif yang sama dengan nilai V alternatif 2 kriteria 3 . dan seterusnya hinnga A5-A5. A1-A4. Karena sama dengan termasuk ke dalam himpunan concordance untuk alternatif 1 terdahap alternatif 2. • Untuk setiap alternatif 1 terhadap alternatif 2 pada kriteria 2 Melakukan perbandingan nilai V pada alternatif 1 kriteria 2 dengan nilai V alternatif 2 kriteria 2 . • Untuk setiap alternatif 1 terhadap alternatif 2 pada kriteria 1 Melakukan perbandingan nilai V pada alternatif 1 kriteria 1 Karena kurang dari maka kriteria 4 Sesuai perhitungan diatas maka kriteria 2 dan 4 termasuk dalam himpunan concordance untuk alternatif 1 terhadap alternatif 2. jika nilai amtriks normalisasi k kriteria j < nilai matriks normalisasi terbobot alternatif I kriteria j.seperti A1-A1. dengan ketentuan jika maka kriteria 2 termasuk dalam himpunan concordance untuk alternatif 1 terhadap alternatif 2. A4-A4. dengan ketentuan jika maka maka kriteria 1 tidak termasuk ke dalam himpunan concordance untuk alternatif 1 terdahap alternatif 2. • Untuk alternatif 1 terhadap alternatif 2 pada kriteria 3 Melakukan perbandingan nilai V pada alternatif 1 kriteria 3 Perhitungan himpunan concordance akan menggunakan nilai normalisasi terbobot dengan rumus persamaan [2-5)[5] : Nilai matriks normalisasi terbobot setiap alternatif k akan dibandingkan dengan nilai matriks normalisasi terbobot alternatif I pada setiap kriteria j. A1-A3. Karena sama dengan maka kriteria 2 termasuk ke dalam himpunan concordance untuk alternatif 1 terdahap alternatif 2. maka kriteria j termasuk dalam himpunan concordance Untuk skenario perbandingan akan dilakukan pada seluruh kombinasi alternatif yang ada kecuali antara alternatif yang sama. A3-A3.

A4-A4. dan 0. Nilai bobot kriteria yang digunakan adalah nilai bobot preferensi (w) yaitu 0. dengan ketentuan jika maka kriteria 3 6. dengan ketentuan jika maka kriteria 2 termasuk dalam himpunan discordance untuk alternatif 1 terhadap alternatif 2.2. dengan ketentuan jika maka kriteria 1 Karena sama dengan tidak termasuk ke dalam himpunan discordance untuk alternatif 1 terdahap alternatif 2. 0. A3-A3. Karena sama dengan maka kriteria 2 tidak termasuk ke dalam himpunan discorance untuk alternatif 1 terdahap alternatif 2 • Untuk alternatif 1 terhadap alternatif 2 pada kriteria 3 Melakukan perbandingan nilai V pada alternatif 1 kriteria 3 dengan nilai V alternatif 2 kriteria 3 .3. Karena kurang dari maka kriteria 3 termasuk ke dalam himpunan discordance untuk alternatif 1 terdahap alternatif 2. Hasil dari seluruh himpunan discordance adalah sebagai berikut : • Untuk setiap alternatif 1 terhadap alternatif 2 pada kriteria 2 Melakukan perbandingan nilai V pada alternatif 1 kriteria 2 maka kriteria 4 Sesuai perhitungan diatas maka kriteria 1 dan 3 termasuk dalam himpunan discordance untuk alternatif 1 terhadap alternatif 2.seperti A1-A1. termasuk dalam himpunan discordance untuk alternatif 1 terhadap alternatif 2. A2-A2. kurang dari maka kriteria 1 termasuk ke dalam himpunan discorance untuk alternatif 1 terdahap alternatif 2. Untuk matriks concordance baris 1 kolom 2 himpunan yang digunakan adalah himpunan concordance untuk alternatif 1 terhadap alternatif 2. . Perhitungannya sebagai berikut : • Untuk setiap alternatif 1 terhadap alternatif 2 pada kriteria 1 Melakukan perbandingan nilai V pada alternatif 1 kriteria 1 termasuk dalam himpunan discordance untuk alternatif 1 terhadap alternatif 2. nilai matriks concordance pada baris k kolom I merupakan penjumlahan dari nilai bobot kriteria yang termasuk dalam himpunan concordance. Karena dengan nilai V alternatif 2 kriteria 1 termasuk dalam himpunan discordance untuk alternatif 1 terhadap alternatif 2. Selanjutnya perhitungan diatas dilakukan pada seluruh kombinasi alternatif yang ada mulai dari alternatif 1 hingga alternatif 5 pada kriteria 1 hingga kriteria 4.3. dengan ketentuan jika maka kriteria 3 7 . dengan nilai V alternatif 2 kriteria 2 . Menentukan matriks concordance dan discordance Matriks concordance dihitung dengan menggunakan persamaan (2-6)[5].2. maka nilai yang dijumlahkan untuk menjadi matriks concordance adalah nilai bobot preferensi kriteria 2 dan 4. 0. A5-A5 tidak akan dihitung. • Untuk alternatif 1 terhadap alternatif 2 pada kriteria 4 Melakukan perbandingan nilai V pada alternatif 1 kriteria 4 dengan nilai V alternatif 2 kriteria 4 . Pada perhitungan matriks concordance.

2 + 0.3 Untuk matriks concordance baris 2 kolom 1 dapat dihitung menggunakan himpunan concordance ( yang didapatkan dari selisih antara nilai amtriks = 0.3+ 0.3 = 1  ).Scenario perhitungan ditentukan sesuai dengan baris dan kolom dari masing-masing himpunan concordance kecuali pada baris dan kolom yang sama. sehingga matriks concordance seluruhnya adalah sebagai berikut :  Matriks discordance untuk baris 1 kolom 3. dan perhitungannya sebagai berikut : = 0.2 + 0. Perhitungan matriks discordance dilakukan dengan melihat baris dan kolom yang dimiliki oleh himpunan discordance kecuali pada baris dan kolom yang sama. dan . Matriks concordance dihitung dengan melihat anggota himpunan concordance sebelumnya sehingga perhitungannya sebagai berikut :  Untuk matriks concordance baris 1 kolom 2 dapat dihitung menggunakan himpunan concordance  dimana kriteria J adalah anggota himpunan dari himpunan discordance untuk alternatif k terhadap alternatif l dengan : nilai amtriks alternatif l kriteria j normalisasi terbobot untuk seluruh kriteria yang ada. Nilai Y merupakan nilai normalisasi terbobot alternatif k kriteria j = 0. Nilai matriks discordance pada barik k kolom l merupakan hasul bagi dari nilai X maksimal dengan nilai Y maksimal.2 + 0.5 Untuk matriks concordance baris 1 kolom 3 dapat dihitung menggunakan himpunan concordance  normalisasi terbobot alternatif l kriteria j Untuk matriks concordance baris 3 kolom 1 dapat dihitung menggunakan himpunan concordance : = 0.2 + 0.3 = 0.2 + 0.3+ 0. Nilai X didapatkan dari selisih antara nilai matriks normalisasi terbobot alternatif k kriteria j dengan nilai matriks 8 . himpunan yang digunakan adalah perhitungannya sebagai berikut : Matriks discordance dihitung dengan menggunakan persamaan (2-7)[5]. himpunan yang digunakan : : adalah . Perhitungannya sebagai berikut :  Untuk perhitungan matriks discordance pada baris 1 kolom 2. Nilai matriks normalisasi terbobot sebelumnya akan digunakan dalam mencari matriks discordance.3 = 1 Demikian dan seterusnya.

Menentukan matriks dominan concordance dan discordance Untuk menentukan matriks dominan concordance. dengan menggunakan persamaan (2-10)[5].69) Karena kurang dari c maka nilai elemen matriks dominan concordance atau baris 1 kolom 2 adalah 0 7.Melakukan perbandingan nilai C baris 1 kolom 2 ( ) dengan nilai threshold c. Perhitungan matriks dominan concordance pada baris k kolom l merupakan hasil dari pembandingan dari nilai matriks concordance pada baris k kolom l dengan nilai threshold c. dimana nilai threshold merupakan hasil bagi dari hasil penjumlahan setiap elemen matriks concordance pada barik k kolom l dengan hasil kali dari jumlah alternatif (m) dikali dengan jumlah alternatif dikurangi 1 (m-1). ika nilai matriks concordance pada baris k kolom l < threshold c. Perhitungan dilakukan pada seluruh baris dan kolom yang dimiliki oleh matriks concordance kecuali pada baris dan kolom yang sama  Matriks dominan concordance baris 1 kolom 2: untuk mencari nilai matriks dominan discordance kita harus mencari threshold d terlebih dahulu. dengan ketentuan jika c maka nilai dan sebaliknya .5 < 0.maka nilai matriks concordance pada baris k kolom l adalah 0. Sebaliknya . hingga didapatkan matriks discordance sebagai berikut : jika c maka nilai dan sebaliknya . dengan ketentuan Demikian dan seterusnya. dibanding c = (0.69) Karena c kurang dari c maka nilai elemen matriks dominan concordance atau baris 1 kolom 3 adalah 0 Demikian dan seterusnya. dimana nilai threshold merupakan hasil bagi dari hasil penjumlahan setiap elemen matriks discordance pada barik k kolom l dengan hasil kali dari jumlah alternatif (m) dikali dengan jumlah alternatif dikurangi 1 (m-1). sebelumnya kita harus mencari nilai threshold c dengan persamaan (2-8)[5}. Sehingga perhitungannya sebagai berikut d 9 . Sehingga perhitungannya sebagai berikut :  Matriks dominan concordance baris 1 kolom 3: Melakukan perbandingan nilai C baris 1 kolom 3 ( ) dengan nilai threshold c. Selanjutnya menentukan matriks dominan concordance sesuai dengan persamaan (2-9)[5].3 < 0. dibanding c = (0. jika nilai matriks concordance pada baris k kolom l ≥ threshold c.69 Setelah menghitung nilai Threshold. sehingga didapatkan nilai matriks dominan concordance sebagai berikut : = 0. maka pada baris k kolom l nilai matriks dominannya adalah 1.

d maka nilai Maka nilai elemen matrik dominan aggregate (E) baris 1 kolom 4 adalah 1. Sehingga perhitungannya sebagai berikut :  Matriks dominan aggregate (E) baris 1 kolom 2 ) dengan nilai threshold d. = 0. d maka nilai dan dibanding d = (1 > 0.667080666) Karena Maka nilai elemen matrik dominan aggregate (E) baris 1 kolom 2 adalah 0. Nilai matriks aggregate (E) pada baris k kolom l dihasilkan dari perkalian antara nilai matriks concordance pada baris k kolom l dengan nilai matriks discordance pada baris k kolom l. Setelah mengetahui matriks dominan concordance dan discordance selanjutnya kita mencari nilai matriks dominan aggregate. Nilai matriks dominan discordance (G) pada baris k kolom l merupakan hasil dari pembandingan dari nilai matriks discordance pada baris k kolom l dengan nilai threshold c.Karena lebih dari d maka nilai elemen matriks dominan discordanceg atau baris 1 kolom 3 adalah 1. maka pada baris k kolom l nilai matriks dominannya adalah 1. jika nilai matriks discordance pada baris k kolom l < threshold d.maka nilai matriks concordance pada baris k kolom l adalah 0. dengan ketentuan jika sebaliknya.  Matriks dominan aggregate (E) baris 1 kolom 3 lebih dari d maka nilai elemen matriks dominan discordanceg dominan atau baris 1 kolom 2 adalah 1 Maka nilai elemen matrik dominan aggregate (E) baris 1 kolom 3 adalah 0  Matriks dominan aggregate (E) baris 2 kolom 1 Maka nilai elemen matrik dominan aggregate (E) baris 2 kolom 1 adalah 0  Matriks dominan aggregate (E) baris 1 kolom 4  Matriks dominan concordance baris 1 kolom 3: Melakukan perbandingan nilai D baris 1 kolom 3 ( ) dengan nilai threshold d. jika nilai matriks discordance pada baris k kolom l ≥ threshold d. rumus yang digunakan adalah persamaan (2-12) [5]. sehingga didapatkan matriks dominan aggregatenya sebagai berikut : dan dibanding d = (1 > 0. Sebaliknya .  Matriks dominan concordance baris 1 kolom 2: Melakukan perbandingan nilai D baris 1 kolom 2 ( 8. Selanjutnya kita dapat mencari nilai matriks dominan concordance. dengan ketentuan jika sebaliknya. Menentukan matriks aggregate dominan Untuk menghitung matriks aggregate dominan.667080666 Sehingga di dapatkan matriks discordance sebagai berikut : Setelah menghitung nilai Threshold d. Perhitungan dilakukan pada seluruh baris dan kolom yang dimiliki oleh matriks discordance kecuali pada baris dan kolom yang sama.667080666) 10 . Demikian dan seterusnya.

Berdasarkan nilai matriks dominan aggregate (E) Dari nilai E yang telah di dapatkan maka dapat disimpulkan bahwa A2. Sementara A1. Data alternatif yang digunakan dapat dilihat pada tabel berikut : 9. A3. Untuk A2.2. A4 masuk ke dalam kelompok yang tidak diterima dan akan dihitung kembali dalam metode TOPSIS. Eliminasi alternatif less favourable Setelah mendapatkan nilai matriks dominan aggregate maka selanjutnya kita dapat mengeliminasi alternatif yang less favourable. Ambil Data Alternatif Data alternatif yang digunakan pada perhitungan TOPSIS ini adalah data kelompok pegawai baru yang tidak diterima dalam metode ELECTRE. A5 akan dinyatakan sebagai pegawai yang diterima.2 .9. Hasilnya dapat dilihat pada tabel berikut : Alternatif Klasifikasi Pegawai A1 Diterima A2 Belum diterima A3 Diterima A4 Belum diterima A5 Diterima Alt 1 2 Nama Sutrisno Mirza SA 3 4 TP 3 2 WP 4 3 ST 3 3 2. 1. A4 dapat di eliminasi karena tidak mempunyai elemen bernilai 1 atau mempunyai nilai elemen bernilai 1 lebih sedikit dari alternatif lainnya. yaitu pegawai baru yang diterima dan tidak diterima. Ambil Nilai Bobot Kriteria Bobot yang digunakan dalam perhitungan adalah nilai bobot yang telah ditentukan sesuai dengan wawancara awal dengan pihak PT.3. didapatkan hasil berupa pengelompokan pegawai baru. Langkah terakhir pada metode ELECTRE adalah mengeliminasi alternatif yang less favourable. Jagaraga Adika dengan masing masing nilai sebagai berikut : 2. Metode TOPSIS Langkah langkah metode ELECTRE akan digambarkan melalui diagram alir berikut ini : Kriteria Hasil Seleksi Awal (HA) 11 Nilai Bobot Kriteria (w) w1 = 20/100 = 0. Pengambilan Keputusan Dari hasil perhitungan ELECTRE sebelumnya.

Nilai normalisasi terbobot yang digunakan adalah nilai normalisasi terbobot pada langkah sebelumnya. Sehingga diperoleh matriks ternormalisasi sebagai berikut : Demikian seterusnya.Tes Psikologi (TP) Hasil Wawancara (WP) Hasil Security Training (ST) w2 = 20/100 = 0. sehingga perhitungannya sebagai berikut :  Nilai maksimal matriks normalisasi terbobot pada kriteria 1 Nilai maksimal matriks normalisasi terbobot pada kriteria 2  Nilai maksimal matriks normalisasi terbobot pada kriteria 3 Demikian dan seterusnya. Nilai matriks normalisasi pada alternatif I kriteria j ( ) Demikian dan seterusnya. Sehingga perhitungannya adalah 3. Sehingga diperoleh matriks ternormalisasi sebagai berikut : merupakan hasil pembagian dari nilai matriks keputusan alternatif I kriteria j dengan nilai akar jumlah nilai kuadrat seluruh alternatif pada kriteria j.2 w3 = 30/100 = 0. Nilai matriks normalisasi terbobot pada alternatif I kriteria ( merupakan hasil kali dari nilai matriks normalisasi alternatif I kriteria j  ) dengan 12 . sehingga perhitungannya sebagai berikut :  Nilai minimal matriks normalisasi terbobot pada kriteria 1 4. Soulusi ideal negatif (A-) adalah hasil nilai minimal matriks normalisasi terbobot pada setiap kriteria j. Pembobotan amtriks normalisasi TOPSIS Perhitungan matriks normalisasi menggunakan rumus persamaan (2-14)[5].3 nilai bobot kriteria j ( ). Menghitung matriks normalisasi Perhitungan matriks normalisasi menggunakan persamaan (2-13)[5Triantaphyllou]. Nilai normalisasi terbobot yang digunakan adalah nilai normalisasi terbobot pada langkah sebelumnya.3 w4 = 30/100 = 0. sehingga diperoleh amtriks ternormalisasi R sebagai berikut : Perhitungan nilai solusi ideal positif menggunakan persamaan (2-16)[5]. Sehinnga perhitungannya adalah 5. Menentukan solusi ideal positif dan solusi ideal negatif Perhitungan nilai solusi ideal positif menggunakan persamaan (2-15)[5]. Soulusi ideal positif (A+) adalah hasil nilai maksimal matriks normalisasi terbobot pada setiap kriteria j.

Sehingga diperoleh matriks ternormalisasi sebagai berikut : 6. Menghitunga separation measure Perhitungan nilai separation measure terhadap solusi ideal positif menggunakan rumus persamaan (2-16)[5].  Nilai minimal matriks normalisasi terbobot pada kriteria 2 Perhitungan nilai separation measure terhadap solusi ideal negatif menggunakan rumus persamaan (2-17)[5]. Perhitungan separation measure solusi ideal negatif ini akan dilakukan sesuai dengan jumlah alternatif yang ada. Separation measure alternatif I terhadap solusi ideal positif (A+) nerupakan hasil akar kuadrat dari jumlah seluruh nilai selisih kuadrat dari matriks normalisasi terbobot alternatif I kriteria j n (y i 1   y ij ) 2   y ij ) 2 i dengan solusi ideal positif pada setiap n kriteria j (y Perhitungan separation measure i 1 solusi ideal positif ini akan dilakukan sesuai dengan jumlah alternatif yang ada. Nilai preferensi alternatif ke-I merupakan hasil bagi dari separation measure alternatif I terhadap  y ij ) 2 solusi ideal negatif dengan separation measure alternatif i terhadap solusi ideal negatif yang ditambah dengan nilai separation Sehingga diperoleh separation measure setiap alternatif terhadap solusi ideal positif sebagai berikut : measure alternatif I terhadap solusi ideal positif . Sehingga perhitungannya sebagai berikut : 13 . Separation measure alternatif I terhadap solusi ideal negatif (A-) nerupakan hasil akar kuadrat dari jumlah seluruh nilai selisih kuadrat dari matriks normalisasi terbobot alternatif I kriteria j (y_ij) dengan solusi ideal negatif pada setiap kriteria j (y_j^-). Sehingga perhitungannya sebagai berikut : Nilai minimal matriks normalisasi terbobot pada kriteria 3 Demikian dan seterusnya. Menghitung Kedekatan relatif dengan solusi ideal n (y i 1  i Perhitungan nilai preferensi menggunakan rumus persamaan (2-18)[5]. Sehingga perhitungannya sebagai berikut : n (y i 1  i i  yij ) 2 Sehingga diperoleh separation measure setiap alternatif terhadap solusi ideal positif sebagai berikut : 6.

..6 yang telah didepatkan maka yang akan diterima adalah yang memiliki nilai 0. W2. Hasil Akhir Dari hasil perhitungan ELECTRE dan TOPSIS maka dapat disimpulkan hasil sebagai berikut : Alternatif ELECTRE TOPSIS Status Telah Diterima Rifai Diterima Technique For Order Preference By Similarity To Ideal Solution Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan oleh Yonn dan Hwang pada tahun 1981. Dengan melakukan perbandingan pada keduanya. Wn).. Setiap normalisasi dari nilai r ij dapat dilakukan dengan perhitungan sebagai berikut: …(3) 2.. . sehingga weighted normalised matrix V dapat dihasilkan sebagai berikut: . Hasil perangkingan TOPSIS dapat dilihat pada tabel berikut : Alternatif Nilai TOPSIS Ranking 2 2 4 1 2. Ide dasar dari metode ini adalah bahwa alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal dan yang terjauh dari solusi ideal negatif.. dimana xij adalah pengukuran pilihan dari alternatif ke-i dalam hubungannya dengan kriteria ke-j  X 11  X 21 C=      X m1 Diterima Sutrisno Dihitung Kembali Tidak Diterima (Rank2 ) Tidak Diterima Sampurno Diterima Telah Diterima Diterima Mirza Dihitung Kembali Diterima (Rank 1) Diterima Ulfa Diterima Telah Diterima Diterima X 12 X 22 X 13 X 23 .. urutan pilihan dapat ditentukan. TOPSIS memperhatikan jarak ke solusi ideal maupun jarak ke solusi ideal negatif dengan mengambil hubungan kedekatan menuju solusi ideal.. Normalisasi matriks keputusan Setiap elemen pada matriks C dinormalisasi untuk mendapatkan matriks normalisasi R.. 14 Dimana: rij = matriks ternormalisasi [i][j] xij = matriks keputusan [i][j] Pembobotan pada matriks yang telah dinormalisasi Diberikan bobot W = (W1.9 yaitu alternatif 4.4.. X mn  Langkah-langkah yang dilakukan dalam penyelesaian masalah menggunakan metode TOPSIS adalah sebagai berikut: 1. Berikut ini adalah matriks keputusan C yang memiliki m alternatif dengan n kriteria. sedangkan alternatif 2 tidak diterima.Dengan nilai minimal diterima adalah 0.. X 1n  X 2 n   X m2 X m3  .

.....={(min Vij| j Є J)..... Perhitungan matematisnya adalah sebagai berikut: a..... Rumus pengukuran jarak dari suatu alternatif ke solusi ideal positif n Si+ =  (v j 1  ij  v j )2 ... 3......... V2-......... Vn+} .... (7) Dimana: Si+ = jarak alternatif Ai dengan sokusi ideal positif Vij = matriks normalisasi terbobot[i][j] Vj+ = solusi ideal positif [j] b.. dapat dilihat dibawah ini: A+={(max Vij| j Є J).(min Vij| j Є J’)...(5) A..(4) Dimana: vi.........= solusi ideal negatif [j] Menghitung kedekatan relatif dengan solusi ideal Kedekatan relatif dari alternatif Ai dengan solusi ideal positif A+ direpresentasikan dengan: Gambar 3 Blok Diagram Proses Metode AHP dan TOPSIS.. i=1.. 2... Menghitung Separation Measure Separation measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif dan solusi ideal negatif. V2+.... 2... Dengan kata lain. ..j = matriks normalisasi terbobot [i][j] wj = vektor bobot [j] rij = matriks ternormalisasi [i][j] Menentukan solusi ideal positif dan solusi ideal negatif Solusi ideal positif dinotasikan dengan A+ dan solusi ideal negatif dinotasikan dengan A-........... weighted normalised matrix ini dapat diperoleh dengan rumus berikut ini: Vij = Wj .= jarak alternatif Ai dengan sokusi ideal negatif Dikatakan alternatif Ai dekat dengan solusi ideal positif apabila Ci+ mendekati 1.. ...= solusi ideal negatif [j] Pembangunan A+ dan A.......... Si   Si  Si  . Jadi Ci+ =1 jika Ai = A+ dan Ci-=0 jika Ai = A6. untuk i=1.......m Dimana:  i j  v j )2 .= jarak alternatif Ai dengan sokusi ideal negatif Vij = matriks normalisasi terbobot[i][j] Vj.. 4.. Secara matematis.... rij .2...3. n dan j berhubungan dengan benefit criteria} J’= {1... proses yang akan dilakukan oleh sistem untuk menangani masalah tersebut dapat dilihat pada blok diagram seperti Gambar 3..(max Vij| j Є J’)...... . Untuk lebih jelasnya. 5... dimana 0 < Ci+ < 1 dan i = 1.....2........... dalam menangani masalah penentuan mahasiswa berprestasi yang akan dikirim ke suatu event....m}={V1-..(6) Dimana: J = {1. m . ......3.. proses untuk metode AHP dapat digambarkan seperti yang tampak pada Gambar 4..... sistem ini menggunakan metode AHP dan TOPSIS... Secara lebih detail.3. i=1..... Rumus pengukuran jarak dari suatu alternatif ke solusi ideal negatif Si- Si. 2... Mengurutkan pilihan Pilihan akan diurutkan berdasarkan pada nilai Ci+ sehingga alternatif yang memiliki jarak terpendek dengan solusi ideal positif adalah alternatif yang terbaik.adalah untuk mewakili alternatif yang most preferable ke solusi ideal dan yang least preferable secara berurutan.. (9) Dimana: Ci+ = kedekatan tiap alternatif terhadap solusi ideal positif Si+ = jarak alternatif Ai dengan sokusi ideal positif Si... Vn-} ... n dan j berhubungan dengan cost criteria} Vj+ = solusi ideal positif [j] Vj..3.3......m ..2.... + i C = n =  (v j 1 i=1.2.. . Jadi. (8) 15 . untuk ............m}={V1+.... alternatif yang memiliki nilai Ci+ yang lebih besar itulah yang lebih dipilih...... Secara garis besar..

Gambar 6 Bagan Alir Proses Uji/Cek Konsistensi Pada Metode AHP.Gambar 5 Bagan Alir Proses Mencari Vektor Eigen Pada Metode AHP. Untuk proses cek/uji konsistensi pada metode AHP dapat digambarkan seperti yang tampak pada Gambar 6. 16 . Gambar 4 Bagan Alir Proses Metode AHP Untuk proses mencari vektor eigen pada metode AHP dapat digambarkan seperti yang tampak pada Gambar 5.

maintenance peserta event. Untuk masalah administrasi lainnya. dan delete terhadap basis data Oracle. 17 . update. maintenance SSKM. Dari hasil analisis yang telah dilakukan. maintenance histori organisasi mahasiswa. insert. Gambar 7 Bagan Alir Proses Autokoreksi Pada Metode AHP. Setelah proses metode AHP dilakukan. dan maintenance kuliah 0 SKS diselesaikan dengan melakukan query select. maka secara umum sistem yang dibuat ini dapat digambatkan seperti yang tampak pada Gambar 9.Untuk proses autokoreksi pada metode AHP dapat digambarkan seperti yang tampak pada Gambar 7. maintenance event. hasil dari proses metode AHP yaitu vektor eigen yang konsisten akan dijadikan input pada proses metode TOPSIS. seperti: maintenance prestasi mahasiswa. Untuk proses metode TOPSIS lebih detail dapat dilihat pada Gambar 8. maintenance minat mahasiswa. Gambar 8 Bagan Alir Proses Metode TOPSIS.

Sementara itu. dribble dengan bobot 3. Info Jadwal Ke KY Data Rekap Data Presensi Data Fakultas Data Semester Data Kul Upd Data Karyawan Data KRS Upd PSDM + Data Rekap Upd Data Presensi Upd Data Nilai Akhir Info Presensi Ke KS Info Jadwal Ke KS Info SSKM Ke KS Data Nilai Kolega Senior Info Nilai Ke KS Gambar 9. Penilaian alternatif pada kriteria shooting dapat dilihat pada Gambar 12. Gambaran Umum Sistem HASIL DAN PEMBAHASAN Data kriteria yang diambil pada percobaan ini sebanyak 3.Penilaian alternatif pada kriteria dribble dapat dilihat pada Gambar 11. yaitu: Julianto Lemantara. dan shooting dengan bobot 4. Johan Agus Susanto. Setelah penilaian alternatif selesai dilakukan. Berikut ini adalah daftar penilaian alternatif untuk masing-masing kriteria. yaitu: teamwork dengan bobot 5. Lebih jelasnya dapat dilihat pada Gambar 13. Penilaian alternatif pada kriteria teamwork dapat dilihat pada Gambar 10. dan Eric Wijaya. Gambar 12 Penilaian Alternatif Pada Kriteria Shooting. data alternatif (calon peserta event) yang diambil juga sebanyak 3. maka aplikasi akan berlanjut ke proses TOPSIS dan menghasilkan urutan/prioritas alternatif. Gambar 10 Penilaian Alternatif Pada Kriteria Teamwork. Penyelenggara Event Bukti Prestasi Event PE Data Persyaratan Tervalidasi Data Event Surat Rekomendasi Peserta Form Bakat Terisi 0 Data Kebijakan Kriteria Bukti Prestasi Event Mhs Data Persyaratan Event Data Kebijakan Nilai Kupon Presensi Terisi Data Kebijakan Materi Data Yang Dinilai Data Kebijakan Bakmi Form Pengajuan SSKM Mahasiswa Laporan Pengalaman Organisasi Form Bakat Kosong Data Event ACC Laporan Rekomendasi Hasil Peserta Event Laporan Nilai 0 SKS Info Nilai Mhs Laporan Prestasi Info Presensi Mhs Laporan Rekap Event Info Jadwal Ke Mhs Laporan Presensi 0 SKS Info SSKM Mhs Kupon Presensi Kosong Data Mhs Sistem Pengolahan Administrasi Pada Kemahasiswaan STIKOM Surabaya Laporan SSKM Laporan Peminat UKM Data His Mhs Data Kurikulum Info Nilai Ke KY Data Kuliah Info Presensi Ke KY Data KRS Kolega Yunior Info SSKM Ke KY Data Grade AAK Pimpinan Gambar 11 Penilaian Alternatif Pada Kriteria Dribble. 18 .

terutama untuk 19 . Sistem yang dibuat ini sudah dapat menangani proses pengolahan administrasi kemahasiswaan. laporan nilai 0 SKS. laporan prestasi mahasiswa. Selain itu. Tampilan web untuk sistem yang dibuat ini masih sederhana sehingga perlu ditingkatkan lagi kualitasnya. Masalah ini dapat diselesaikan dengan menggunakan metode genetika algoritma. Dengan kata lain. koloni semut. 2. proses nilai dan presensi kuliah 0 SKS. tetapi melalui web. 3. 2. dan laporan SSKM kepada pimpinan secara cepat dan akurat. proses cetak pengumuman dapat dihilangkan dan otomatis dapat menghemat biaya cetak. Sebelumnya. khususnya proses SSKM. 6. dan maintenance event. 4. dan KY secara cepat melalui web sehingga hal ini memudahkan proses monitoring KS dan KY terhadap mahasiswa binaannya mengenai kuliah 0 SKS. 4. nilai 0 SKS. KS. maintenance histori organisasi. pihak yang membutuhkan informasi tidak harus melihat informasi di papan pengumuman lagi. Sistem ini juga dapat memberikan informasi SSKM. 3. tidak hanya melihat pada daftar tabel yang tersedia. laporan minat mahasiswa. Aplikasi mendatang harus bisa menangani kriteria dan alternatif yang berjumlah lebih dari 15 untuk proses AHP. Aplikasi mendatang sebaiknya dapat menangani perkuliahan 0 SKS apabila diselenggarakan pada waktu semester pendek (SP) dan perkuliahan 0 SKS tersebut wajib diikuti oleh mahasiswa yang tidak lulus kuliah pada semester reguler sebelumnya. serta prosesproses yang berkaitan dengan maintenance peserta event. 6. laporan rekomendasi peserta event. Hasil SPK. Sistem ini sudah dapat memberikan laporan histori organisasi mahasiswa. Sistem ini sudah berbasis web sehingga proses memasukkan nilai SSKM dan prosesproses lainnya dapat dilakukan oleh pegawai kemahasiswan di semua tempat asalkan mempunyai koneksi atau akses internet. maintenance prestasi mahasiswa. Aplikasi mendatang sebaiknya menggunakan enkripsi data atau teknologi lainnya untuk keamanan data di internet. Dengan adanya sistem pendukung keputusan ini. Oleh karena itu. bagian kemahasiswaan dapat memilih mahasiswa yang dikirim ke suatu event dengan lebih objektif. Sistem juga dapat dikembangkan ke arah aplikasi berbasis mobile. presensi 0 SKS. maintenance kriteria dan detail kriteria.5. laporan presensi 0 SKS. atau metode sistem pakar lainnya. peneliti berikutnya harus mencari referensi untuk mendapatkan nilai indeks random. Sistem ini juga sudah mampu memberikan saran kepada bagian kemahasiswaan untuk pemilihan mahasiswa berprestasi yang akan dikirim ke suatu event berdasarkan bakat minat menggunakan metode AHP dan TOPSIS. Proses pembagian kelompok untuk mahasiswa baru seharusnya dapat dilakukan secara otomatis tanpa memasukkan data mahasiswa satu per satu. bagian kemahasiswaan membutuhkan waktu yang lama atau bahkan tidak dapat menghasilkan laporan-laporan tersebut. SARAN Adapun beberapa saran yang dapat diberikan kepada peneliti berikutnya apabila ingin mengembangkan sistem yang telah dibuat ini agar menjadi lebih baik adalah sebagai berikut: 1. maintenance bakat minat. laporan rekapitulasi event. proses pembentukan regu/patma. Sistem ini sudah memperbaharui struktur tabel aplikasi SSKM terdahulu yang belum mampu menangani perubahan target SSKM dan perubahan prosentase materi/bidang SSKM pada setiap tahun angkatan. SIMPULAN Dari makalah ini dapat ditarik kesimpulan sebagai berikut: 1. 5. Gambar 13. dan jadwal 0 SKS kepada mahasiswa.

Jakarta: Pustaka Binama Pressindo.com/doc/2908406/Modul-6-AnalyticHierarchy-Process diakses tanggal 25 Agustus 2008 20 . Kualitas PT.pdf diakses tanggal 22 Agustus 2008.id/kualitas-ptkualitas-soft-skills-nya. nilai kuliah 0 SKS. 2007. www.web.itssby. http://rumahpengetahuan. RUJUKAN Abdurachman. Sistem selanjutnya sebaiknya sudah dapat mengisi nilai perbandingan antar alternatif secara otomatis berdasarkan data-data yang ada sehingga bagian kemahasiswan tidak perlu mencari lagi data-data yang berkaitan dengan kriteria yang menjadi dasar pertimbangan pengiriman mahasiswa. jadwal kuliah 0 SKS.edu/subjects/dss/Buku_Panduan_SPK.scribd. dan presensi kuliah 0 SKS. Thomas.html diakses tanggal 20 Agustus 2009. Kualitas Soft Skills-nya. is. Saaty.7. Pengambilan Keputusan Bagi Para Pemimpin. Proses Hirarki Analitik untuk Pengambilan Keputusan dalam Situasi yang Kompleks. informasi SSKM. 1993.