Final Project

Penerapan Profile Matching untuk Penilaian Kinerja

Pegawai Negeri Sipil (PNS)

Oleh :
Dodik Adhitama 1441180032
Marizka Dwianti P. 1441180153
Rifki Firmansyah T.P. 1441180147

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI
POLITEKNIK NEGERI MALANG
2017
 Penerapan Profile Matching untuk Penilaian Kinerja
Pegawai Negeri Sipil (PNS)

1. Link Jurnal:
http://ejournal.nusamandiri.ac.id/ejurnal/index.php/pilar/article/view/149/132

2. Permasalahan :
Perlu diadakan penilaian terhadap kinerja Pegawai Negeri Sipil (PNS) yang berprestasi

3. Tujuan :
Untuk mempermudah melakukan penilaian dan penghargaan terhadap kinerja Pegawai
Negeri Sipil yang berprestasi

4. Data :

Abdi Karya Utama Abdi Karya Pratama Abdi Karya Muda

Kriteria
No.
Penilaian
Kriteria Bobot Kriteria Bobot Kriteria Bobot

1 Disiplin 20% 20% 20%

2 Integritas 5% 5% 5%

3 Komitmen 5% 5% 5%

Kepemimpina
4 n 10% - -

5 Kerja sama 5% 10% 10%

6 Prestasi kerja 50% 50% 50%

Orientasi pada
7 pelayanan 5% 10% 10%

Jumlah 100% 100% 100%

 5. Metode yang Digunakan :
Profile Matching: sebuah mekanisme pengambilan keputusan dengan mengasumsikan
bahwa terdapat tingkat variabel prediktor yang ideal yang harus dimiliki oleh pelamar,
bukannya tingkat minimal yang harus dipenuhi atau dilewati.

6. Perhitungan :
Bobot Alternatif
Kriteria
Harga Jumlah Jumlah Jam Ling
Alternatif Lokasi Tanah Bangun Jumlah Fasili
(Rp. kamar kamar keaman kun Sekolah
(m) (m2) an (m2) lantai tas
Juta) tidur mandi an (jam) gan
Perum Candi
300 575 127 90 4 2 24 1 4 3 3
Baru
Naso Residence 150 800 120 185 6 3 24 2 4 3 3
Griya Adipura 2 500 462 115 41 2 1 24 1 4 3 3
Fajar Mutiara 2 400 401 112 60 2 1 24 1 4 3 3
Tower Hills 300 490 100 50 2 1 24 1 4 3 3
Taman Fajar
300 1000 105 150 3 2 24 3 4 3 3
Indah
Bobot 5 5 2 2 1 1 3 1 4 3 3

Perbaikan Bobot
Rumus:

Bobot per kriteria / total semua bobot

Bobot per kriteria / 30

Kriteria Bobot Relatif

Lokasi 0,166666667
Harga 0,166666667
Tanah 0,066666667
Bangunan 0,066666667
Kamar Tidur 0,033333333
Kamar Mandi 0,033333333
Keamanan 0,1
Jumlah Lantai 0,033333333
Lingkungan 0,133333333
Fasilitas 0,1
 Sekolah 0,1
Perhitungan Vektor
Rumus:

=
=

(Nilai normalisasi tiap kriteria nilai bobot tiap kriteria )*( Nilai normalisasi tiap kriteria nilai bobot tiap
kriteria
)..........m

Alternatif Hasil Perhitungan Vektor

Perum Candi Baru 30,70136174
Naso Residence
31,76024642
Griya Adipura 2
29,01272247
Fajar Mutiara 2
27,9541561
Tower Hills
27,01294472
Taman Fajar Indah
35,33740905
Total 181,7788405

Perhitungan Preverensi
Rumus:

=1
=
=1( )

Hasil perhitungan vektor tiap kriteria * total dari hasil vektor

Nilai V Hasil Perhitungan Peverensi

v1 0,168894034
v2 0,174719161
v3 0,159604508
v4 0,153781133
v5 0,14860335
v6 0,194397813
 Ranking
Nilai tertinggi hingga terendah dari hasil perhitungan preverensi

Alternatif Nilai V Ranking

Perum Candi Baru 0,168894034 3
Naso Residence 0,174719161 2
Griya Adipura 2 0,159604508 4
Fajar Mutiara 2 0,153781133 5
Tower Hills 0,14860335 6
Taman Fajar Indah 0,194397813 1

7. Kesimpulan
Ranking
Berdasar hasil perhitungan menggunakan metode WP nilai tertinggi diperoleh Perumahan
Taman Fajar Indah dengan nilai 0,194397813 dan nilai terendah diperoleh oleh perumahan
Tower Hills dengan nilai 0,14860335. Jadi rumah tinggal yang harusnya dipilih oleh
masyarakat adalah perumahan Taman Fajar Indah.
Alasan Menggunakan Metode WP (Weighted Product)
Metode WP (Weighted Product) merupakan himpunan berhingga dari alternatif keputusan
yang dijelaskan dalam beberapa hal kriteria keputusan. Jadi metode ini tidak perlu
dinormalisasikan dan metode ini menggunakan perkalian untuk menghubungkan rating
atribut, dimana rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang
bersangkutan.