Abstrak Pada penelitian Angkasa (2016) dilakukan Nilai akhir yang didapat dari metode Profile Matching,
perankingan dengan metode Profile Matching pada penentuan merupakan nilai pasti yang tegas, karena nilai tersebut
kelayakan pemberian kredit ekonomi untuk Kelompok merupakan anggota himpunan tegas (cripset). Di dalam
Swadaya Masyarakat (KSM). Hasil dari penelitian ini adalah himpunan tegas, keanggotaan dinyatakan secara tegas. Jika
perankingan berupa bilangan crips yang tegas yaitu nilai dikaitkan dengan proses penentuan kelayakan pegawai yang
antara 4.8667 sampai 4.3583. dipromosikan dalam menempati jabatan baru, hal ini akan
Atas dasar nilai akhir tersebut diatas, pembuat keputusan menghasilkan kekakuan bagi PDAM Tirtanadi Sumut dalam
sulit menentukan layak tidaknya anggota KSM menerima promosi jabatan. Sedangkan, pada proses promosi jabatan
kredit, karena jarak nilai satu dengan lainnya sangat dekat. dituntut untuk lebih adil dan bijaksana (Thorat, D., Salvi, A.,
Jadi diperlukan sebuah perhitungan yang dapat menghitung Shingade, P. & Gholap, S. 2016).
secara adil untuk menentukan layak atau tidak seorang Pada penelitian Angkasa, S (2016) dilakukan
anggota KSM menerima kredit. perankingan dengan metode Profile Matching pada penentuan
kelayakan pemberian kredit ekonomi untuk Kelompok
Kata kunci: Sistem Pendukung Keputusan, algoritma Profile Swadaya Masyarakat (KSM). Hasil dari penelitian ini berupa
Matching, perankingan, nilai Gap. perankingan untuk didanai bagi pihak pengambil keputusan
untuk menentukan KSM yang layak untuk menerima kredit
1. Pendahuluan dengan nilai akhir antara 4.8667 sampai 4.3583.
1.1 Latar Belakang Atas dasar nilai akhir tersebut diatas, pembuat keputusan
Proses perhitungan pada metode Profile Matching,
sulit menentukan layak tidaknya anggota KSM menerima
diawali dengan pendefinisian nilai minimum untuk setiap kredit, karena jarak nilai satu dengan lainnya sangat dekat.
variabel-variabel penilaian. Selisih setiap nilai data testing Jadi diperlukan sebuah perhitungan yang dapat menghitung
terhadap nilai minimum masing-masing variabel, merupakan secara adil untuk menentukan layak atau tidak seorang
Gap yang kemudian diberi bobot. Bobot setiap variabel akan anggota KSM menerima kredit.
dihitung berdasarkan nilai rata-rata berdasarkan kelompok
variabel Core Factor (CF) dan Secondary Factor (SF).
1.2 Tujuan Penelitian
Komposisi CF ditambah SF adalah 100%, tergantung dari Tujuan penelitian yang ingin dicapai oleh penulis adalah
kepentingan dari pengguna metode ini. Tahap terakhir dari menggunakan logika Fuzzy untuk menghasilkan nilai Gap
metode ini, adalah proses akumulasi nilai CF dan SF yang sesuai untuk penentuan layak atau tidak seorang pegawai
berdasarkan nilai-nilai variabel data testing.
dipromosikan dalam menempati jabatan baru
Pembobotan pada metode Profile Matching, merupakan
nilai pasti yang tegas pada nilai tertentu karena nilai-nilai yang
1.3 Manfaat Penelitian
ada merupakan anggota himpunan tegas (crisp set). Di dalam Manfaat yang diperoleh dalam penelitian ini adalah
himpunan tegas, keanggotaan suatu unsur di dalam himpunan sebagai berikut:
dinyatakan secara tegas, apakah objek tersebut anggota 1. Sebagai informasi perbandingan untuk peneliti yang
himpunan atau bukan dengan menggunakan fungsi fokus pada disiplin ilmu Machine Learning dengan
karakteristik. Jika hal ini tidak dilakukan pada proses bidang Knowledge Management.
penentuan kelayakan, akan menghasilkan klasifikasi yang 2. Mengetahui perbedaan klasifikasi promosi jabatan
tidak fleksibel dan kaku (Joshi, A. & Amity, J. S. S. 2013). dengan metode Profile Matching dan Fuzzy.
3. Memperoleh sebuah nilai Gap dengan Fuzzy untuk
klasifikasi penempatan jabatan.
2. Tinjauan Pustaka 2. Memberikan dukungan atas pertimbangan manajer dan
Logika fuzzy adalah cabang dari sistem kecerdasan bukannya dimaksudkan untuk menggantikan fungsi
buatan (Artificial Inteligent) yang mengemulasi kemampuan manajer.
manusia dalam berfikir ke dalam bentuk algoritma yang 3. Meningkatkan efektivitas keputusan yang diambil manajer
kemudian dijalankan oleh mesin. Algoritma ini digunakan lebih dari pada perbaikan efisiensinya.
dalam berbagai aplikasi pemrosesan data yang tidak dapat 4. Kecepatan komputasi. Komputer memungkinkan para
direpresentasikan dalam bentuk biner. Logika fuzzy pengambil keputusan untuk melakukan banyak komputasi
menginterpretasikan statemen yang samar menjadi sebuah secara cepat dengan biaya yang rendah.
pengertian yang logis (Purba, S. & Sudiarso A. 2013). 5. Peningkatan produktivitas. Membangun satu kelompok
Logika fuzzy merupakan salah satu cabang dari ilmu pengambil keputusan, terutama para pakar, bisa sangat
komputer yang mempelajari tentang nilai kebenaran yang mahal. Pendukung terkomputerisasi bisa mengurangi
bernilai banyak. Berbeda dengan nilai kebenaran pada logika ukuran kelompok dan memungkinkan para anggotanya
klasik yang bernilai 0 (salah) atau 1 (benar). Logika fuzzy untuk berada diberbagai lokasi yang berbeda-beda
mempunyai nilai kebenaran real dalam selang [0,1]. Logika (menghemat biaya perjalanan). Selain itu, produktivitas
fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh seorang staf pendukung (misalnya analisis keuangan dan hukum)
ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas bisa ditingkatkan.
California di Berkeley. Meskipun demikian, logika fuzzy lebih 6. Produktivitas juga bisa ditingkatkan menggunakan
banyak dikembangkan oleh praktisi Jepang (Li, Y., Zhuang, peralatan optimalisasi yang menentukan cara terbaik untuk
Y., Lan, H., Niu, X., & Sheimy N.E. 2016). menjalankan sebuah bisnis.
Dalam teori himpunan Fuzzy, keanggotaan suatu elemen 7. Dukungan kualitas. Komputer bisa meningkatkan kualitas
di dalam himpunan dinyatakan dengan derajat keanggotaan keputusan yang dibuat. Sebagai contoh, semakin banyak
(membership values) yang nilainya terletak diselang [0,1]. data yang diakses makin banyak juga alternatif yang bisa
Logika Fuzzy pada penelitian ini digunakan pada proses dievaluasi. Analisis risiko bisa dilakukan dengan cepat dan
pembobotan variabel-variabel penilaian kelayakan seorang pandangan dari para pakar (beberapa dari mereka berada
pegawai dipromosikan pada jabatan tertentu. Hal ini dilakukan dilokasi yang jauh) bisa dikumpulkan dengan cepat dan
dengan harapan pengakumulasian nilai-nilai data testing pada dengan biaya yang lebih rendah. Keahlian bahkan bisa
proses penilaian kelayakan ini akan terkelompokkan dengan diambil langsung dari sebuah sistem komputer melalui
predikat kurang, cukup dan baik. Sehingga manajemen metode kecerdasan tiruan. Dengan komputer, para
perusahaan dapat menerapkan kebijakan dalam menentukan pengambil keputusan bisa melakukan simulasi yang
kelayakan seseorang pegawai menempati jabatan. Predikat kompleks, memeriksa banyak skenario yang
pengelompokkan ini, berdasarkan pada logika Fuzzy yang memungkinkan, dan menilai bebagai pengaruh secara
mampu menjembatani bahasa mesin yang tegas dengan bahasa cepat dan ekonomis. Semua kapabilitas tersebut mengarah
manusia yang menekankan pada makna berdasarkan bahasa kepada keputusan yang lebih baik.
alami. 8. Berdaya saing. Manajemen dan pemberdayaan sumber
Sistem Pendukung Keputusan (Decision Support System) daya perusahaan. Tekanan persaingan menyebabkan tugas
disingkat DSS yaitu sistem yang di peruntukkan bagi pengambil keputusan menjadi sulit. Persaingan didasarkan
manajerial untuk mendukung mengambil keputusan semi tidak hanya pada harga, tetapi juga pada kualitas,
terstruktur. Herbert. A. Simon menentukan pengambilan kecepatan, kustomasi produk, dan dukungan pelanggan.
keputusan dalam tiga tahap yaitu Inteligency, Design Choise, Organisasi harus mampu secara sering dan cepat
Implementation. Menurut Whitten (2004) Sistem pendukung mengubah mode operasi, merekayasa ulang proses dan
keputusan (Decision Support System/DSS) dapat didefinisikan struktur, memberdayakan karyawan, serta berinovasi.
sebagai suatu sistem informasi yang membantu Teknologi pengambilan keputusan bisa menciptakan
mengidentifikasi kesempatan membuat keputusan atau pemberdayaan signifikan dengan cara memperbolehkan
menyediakan informasi untuk membantu pembuatan seseorang untuk membuat keputusan yang baik secara
keputusan. Dengan berbagai karakter khusus seperti cepat, bahkan jika mereka memiliki pengetahuan yang
dikemukakan di atas, sistem pendukung keputusan dapat kurang.
memberikan keuntungan atau nilai guna bagi pemakainya. 9. Mengatasi keterbatasan kognitif dalam pemrosesan dan
Pada awal tahun 1970-an, Scott Morton pertama kali penyimpanan. Menurut Simon (1977), otak manusia
mengartikulasikan konsep penting sistem pendukung memiliki kemampuan yang terbatas untuk memroses dan
keputusan. Ia mendefinisikan sistem pendukung keputusan menyimpan informasi. Orang-orang kadang sulit
sebagai sistem berbasis komputer interaktif, yang membantu mengingat dan menggunakan sebuah informasi dengan
para pengambil keputusan untuk menggunakan data dan cara yang bebas dari kesalahan.
berbagai model untuk memecahkan masalah-masalah tidak Profile Matching adalah sebuah mekanisme pengambilan
terstruktur. Definisi klasik lainnya yaitu Sistem pendukung keputusan dengan mengasumsikan bahwa terdapat profil ideal
keputusan memadukan sumber daya intelektual dari individu yang harus dimiliki sebuah obyek, profil tersebut berfungsi
dengan kapabilitas komputer untuk meningkatkan kualitas sebagai variabel prediktor, bukan sebagai standar minimal
keputusan (Indriantoro, S.C. & Utami, A.W. 2016). yang harus dipenuhi atau dilewati, artinya profil ideal tersebut
Tujuan dari sistem pendukung keputusan adalah: dijadikan sebagai patokan dalam menentukan kecocokan
1. Membantu manajer dalam pengambilan keputusan atas profil (Sopianti, L. & Bahtiar, N. 2015).
masalah semi terstruktur.
Metode Profile Matching adalah sebuah mekanisme 3. Metode analisis
pengambilan keputusan dengan mengasumsikan bahwa Tujuan dari penelitian ini, yaitu dapat melakukan proses
terdapat tingkat variabel prediktor yang ideal yang harus klasifikasi promosi jabatan pada pegawai Perusahaan Daerah
dipenuhi oleh subyek yang diteliti, bukannya tingkat minimal Air Minum (PDAM) Tirtanadi Sumatera Utara. Pada
yang harus dipenuhi atau dilewati. Sebagai contoh penelitian ini proses penilaian untuk promosi jabatan
penerapannya untuk evaluasi kinerja karyawan untuk promosi dilakukan dengan metode Profile Matching standar dan
jabatan, manajemen football player, penerima beasiswa yang dengan metode Fuzzy Profile Matching. Pada metode Profile
layak dan lainnya. Konsep dari metode ini adalah mencari Matching, dikenal adanya tingkat perbedaan antara nilai data
orang yang memiliki profil sedekat mungkin dengan jabatan uji dengan nilai minimal yang disebut Gap. Pada proses
yang sedang kosong (Jumadi, 2015). penilaian menggunakan metode Profile Matching standar,
Proses perhitungan pada metode Profile Matching, nilai Gap telah ditentukan oleh pengambil keputusan.
diawali dengan pendefinisian nilai minimum untuk setiap Pada metode Fuzzy Profile Matching, proses klasifikasi
variabel-variabel penilaian. Selisih setiap nilai data testing pegawai untuk promosi jabatan, pembobotan nilai Gap
terhadap nilai minimum masing-masing variabel, merupakan menggunakan logika Fuzzy dimana nilai Gap ini diberi bobot,
Gap yang kemudian diberi bobot. sehingga dapat ditentukan nilai rata-rata dari komposisi nilai
Secara harfiah Gap adalah kesenjangan. Gap analisys perbandingan tersebut. Dengan metode Fuzzy Profile
atau analisis kesenjangan mengidentifikasikan adanya Matching, diharapkan promosi jabatan yang dinilai dapat
perbedaan (disparity) atau kesenjangan antara satu hal dengan dikategorikan bukan hanya layak dan tidak layak saja, tetapi
hal lainnya. Gap merupakan salah satu alat yang dapat dapat dikategorikan secara detail bahwa kategori kurang
digunakan untuk mengukur karakter ataupun kualitas manusia. adalah tidak layak dan kategori cukup dan baik dianggap
Gap Analisys sering digunakan di bidang manajemen dan layak.
menjadi salah satu alat yang digunakan untuk mengukur Langkah-langkah metode Profile Matching adalah:
kualitas pelayanan (quality of service), bahkan di Amerika, 1. Menentukan variabel data-data yang dibutuhkan.
Gap Analisys ini sering digunakan untuk memonitor kualitas 2. Menentukan aspek-aspek yang digunakan untuk
pelayanan (Joshi, A. & Amity, J. S. S. 2013). Model yang penilaian.
dikembangkan oleh Parasuraman, Zeithalm dan Berry (1995) 3. Pemetaan Gap profil.
ini memiliki lima gap (kesenjangan) yaitu: Gap Profile Matching = (Profil Minimal Profil datates)
1. Gap Persepsi Manajemen, yaitu adanya perbedaan antara Gap Fuzzy Profile Matching dihitung dengan
penilaian pelayanan menurut pengguna jasa dan persepsi pendekatan Fuzzy Logic.
manajemen mengenai harapan pengguna jasa. 4. Setelah diperoleh nilai Gap selanjutnya diberikan bobot
2. Gap Spesifikasi kualitas yaitu kesenjangan antara persepsi untuk masing-masing nilai Gap.
manajemen mengenai harapan pengguna jasa dan 5. Perhitungan dan pengelompokan Core Factor dan
spesifikasi kualitas jasa. Secondary Factor.
3. Gap penyampaian pelayanan, yaitu kesenjangan spesifikasi 6. Setelah menentukan bobot nilai Gap, kemudian
kualitas jasa dan penyampaian jasa (service delivery) dikelompokkan menjadi 2 kelompok yaitu Core
4. Gap komunikasi dan pemasaran, yaitu kesenjangan antara Factor (faktor utama) dan Secondary Factor (faktor
penyampaian jasa dan komunikasi eksternal. Ekspektasi pendukung).
pelanggan mengenai kualitas pelayanan dipengaruhi oleh 7. Perhitungan Nilai Total.
pernyataan yang dibuat oleh perusahaan melalui Perhitungan penentuan ranking dimana hasil akhir dari
komunikasi eksternal pemasaran. proses Profile Matching adalah ranking yang dapat dibuat
5. Gap dalam pelayanan yang dirasakan, yaitu perbedaan nilai threshold-nya pada klasifikasi pada promasi jabatan
persepsi antara jasa yang dirasakan dan yang diharapkan pegawai.
oleh pelanggan jika keduanya terbukti sama maka Bobot pada nilai yang diberikan pada masing masing
perusahaan akan memperoleh citra dan dampak positif. kriteria.
Model Matematika Gap menghasilkan informasi sebagai Tabel 3.1
hasil dari simulasi yang melibatkan satu atau beberapa Bobot Penilaian
komponen dari sistem fisik, atau berbagai aspek operasinya. Nilai Bobot
Model Matematika Gap adalah proses pengambilan keputusan
dengan memilih suatu alternatif dengan menghitung jumlah 0 - 39 1 = sangat tidak baik
nilai perbedaan beberapa aspek kriteria atau dengan 40 - 59 2 = tidak baik
menghitung kecocokan nilai kiriteria. Maksud dari
pencocokan kriteria adalah sebuah mekanisme pengambilan 60 - 69 3 = kurang baik
keputusan dengan mengasumsikan bahwa terdapat tingkat 70 - 89 4 = baik
variabel prediktor yang ideal yang harus dimiliki oleh suatu
90 - 100 5 = sangat baik
obyek yang akan dibandingkan. Dalam model GAP, dilakukan
identifikasi terhadap obyek yang baik maupun buruk
(Sopianti, L. & Bahtiar, N. 2015).
Gap = Profil Pegawai Profil Institusi
Perhitungan nilai dengan Metode Profile Matching Tabel 3.6 Hasil Perankingan
a. Tabel Nilai yang diperoleh pegawai sesuai bobot penilaian. Metode Profile Matching
Tabel 3.2 Hasil
No Id_pegawai
Nilai Aspek Sikap Kerja Perankingan
No id_pegawai 1 2 3 4 5 6 7 8 9 10 1 K003 3,70
1 K001 3 4 4 4 4 4 4 4 4 4 2 K004 3,69
2 K002 4 4 4 5 5 5 5 5 5 5 3 K001 3,68
3 K003 4 4 4 4 4 4 4 4 4 4 4 K002 3,62
4 K004 4 4 4 4 4 4 4 4 3 3 5 K005 3,22
5 K005 5 5 5 5 5 4 5 5 4 5
Perhitungan nilai dengan Metode Fuzzy Profile Matching
Tabel inteval kategori kelayakan promosi jabatan dengan
Tabel 3.3 metode Fuzzy Profile Matching seperti pada Tabel 3.7 berikut:
Nilai Aspek Kecerdasan
Tabel 3.7 Interval Nilai Kategori Kelayakan Promosi
No id_pegawai 1 2 3 4 5 6 7 8 Jabatan
1 K001 4 4 4 4 4 4 4 4
No Z* Kategori Hasil Akhir
2 K002 5 5 5 5 5 5 5 5
1 Z2 Kurang Tidak Layak
3 K003 4 4 4 4 4 4 4 4 2 2.1 Z 3.5 Kurang Layak
4 K004 4 4 4 4 4 4 4 4 3 2.5 Z 4.5 Cukup Layak
4 3.6 Z 4.99 Baik Layak
5 K005 5 5 5 5 5 5 5 5 5 Z5 Baik Layak
Tabel 3.4 Hasil penentuan promosi jabatan dengan metode Fuzzy
Nilai Aspek Kompetensi Profile Matching sebagai berikut:
no id_pegawai 1 2 3 4 5 6 7 8
1 K001 4 4 4 4 4 4 4 4 Tabel 3.8 Hasil Metode Fuzzy Profile Matching
Hasil
2 K002 5 5 5 5 5 5 5 5 No Id_pegawai Hasil Z*
Akhir
3 K003 4 4 4 4 4 4 4 4 1 K003 3.25 Layak
4 K004 4 4 4 4 4 4 4 4 2 K001 3.55 Layak
5 K005 5 5 5 5 5 5 5 5 3 K004 2.45 Layak