Disusun Oleh :
KIKI MAWADDAH
NIM. 1836019
2020
KATA PENGANTAR
Makalah ini di susun oleh penyusun dengan berbagai rintangan. Baik itu
yang datang dari diri penyusun maupun yang datang dari luar. Namun dengan
penuh kesabaran dan terutama pertolongan dari Tuhan akhirnya makalah ini dapat
terselesaikan.
Semoga makalah ini dapat memberikan wawasan yang lebih luas kepada
pembaca. Walaupun makalah ini memiliki kelebihan dan kekurangan. Penyusun
mohon untuk saran dan kritiknya.
KIKI MAWADDAH
ii
DAFTAR ISI
Halaman
ABSTRAK .......................................................................................................... v
iii
DAFTAR PUSTAKA ........................................................................................ 23
iv
ABSTRAK
Untuk menghasilkan sebuah keputusan, penggunaan metode dapat membuat
pengambilan keputusan menjadi lebih efesien dan lebih tepat, apalagi jika data
yang di perhitungkan berjumlah banyak. Salah satu contohnya adalah dalam
menyeleksi siswa terbaik dari seluruh pendaftar untuk dipilih dan diikutkan
lomba, hasil seleksi siswa dilakukan oleh panitia di bidang kompetisi. Dengan
menggunakan sebuah metode pada suatu sistem, akan menghasilkan sebuah
keputusan yang sesuai untuk penyeleksian data. Metode untuk menentukan hasil
seleksi untuk menentukan peserta lomba adalah metode Simple Additive
Weighting (SAW). Metode SAW adalah metode dengan penjumlahan terbobot.
Metode ini sering digunakan dan merupakan metode yang paling terkenal dalam
menghadapi situasi Multiple Attribute Decision Making (MADM). Dengan
menggunakan metode ini hasil seleksi diharapkan lebih akurat dan sesuai dengan
kriteria yang ditetapkan. Sistem mampu memberikan hasil rekomendasi keputusan
yang tepat berdasarkan persyaratan yang telah ditetapkan. Informasi hasil
perhitungan terhadap sejumlah data seleksi menunjukan pencapaian yang
diharapkan, dalam waktu yang cepat dengan tidak melibatkan banyak faktor.
Dengan demikian sistem ini dapat memberikan kemudahan pengelolaan untuk
pelaksanaan seleksi lomba kompetensi siswa sekolah menengah kejuruan.
v
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan kita sering mendapatkan keputusan dimana keputusan itu
dapat menentukan masadepan kita, ketika memilih sebuah keputusan kita
mempertimbangkan apakah keputusan tersebut berdampak untung atau tidak.
Dalam berbisnis sangat penting untuk menentukan keputusan yang tepat demi
kesuksesan dalam berbisnis, tidak hanya dalam berbisnis dalam edukasi,
pengadilan, dan perancangan sistem. Kita akan terus di hadapi dengan keputusan.
2. Sebagai salah satu syarat untuk memperoleh nilai TUGAS pada mata
kuliah Sistem Penunjang Keputusan
2
8
BAB II
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
9
{
Keterangan:
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cij
i=1,2,…,n. Nilai preferensi untuk setiap alternatif (Vi) di berikan sebagai:
Keterangan:
10
c. Membuat matriks keputusan berdasarkan kriteria (C1), kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut sehingga diperoleh matriks ternormalisasi R.
d. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari
perkalian matriks ternormalisasi R dengan bobot vektor sehingga diperoleh
nilai terbesar yang dipilih sebagai alternatif terbaik (A1) sebagai solusi.
11
BAB III
PEMBAHASAN
12
Gambar 3.1 Bilangan Fuzzy Untuk Bobot
Keterangan :
SR = Sangat Rendah;
R = Rendah;
C = Cukup;
T = Tinggi;
ST = Sangat Tinggi.
Rendah 0,25
Cukup 0,5
Tinggi 0,75
13
Berdasarkan setiap data yang akan diperhitungkan, yang memiliki nilai
kriteria dengan bobot yang berbeda berdasarkan ketentuan yang telah ditentukan.
Sehingga data-data tersebut akan mudah diperhitungkan dengan perhitungan
SAW, dengan begitu bisa ditentukan hasil dari nilai masing masing data, kriteria
dan ranting kecocokan setiap alternatif pada setiap kriteria yang telah ditentukan,
selanjutnya dilakukan penjabaran bobot setiap kriteria yang telah dikonversikan
dengan bilangan Simple Additive Weighting. Pengambilan keputusan berdasarkan
nilai terbesar dari urutan 1 sampai dengan 5 yang merupakan hasil keputusan
akhir peserta lomba.
Kode Kriteria
C1 Peringkat Rangking
14
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
a. Variabel Peringkat Rangking dikonversikan dengan bilangan fuzzy
dibawah ini.
Nilai Rata-rata
Pemerograman Visual Keterangan Bobot
Basic (C2)
15
c. Variabel Nilai Rata-rata Pemerograman Java dikonversikan dengan
bilangan fuzzy dibawah ini.
Nilai Rata-rata
Keterangan Bobot
Pemerograman Java (C3)
Nilai Rata-rata
Keterangan Bobot
Pemerograman WEB (C4)
16
e. Variabel Nilai Rata-rata Kepribadian dikonversikan dengan bilangan
fuzzy dibawah ini.
Contoh hasil pendataan dari calon peserta lomba. Dimana data-data yang
dimasukan sesuai dengan data yang sebenarnya dan sesuai dengan kriteria yang
sudah ditentukan melalui proses perhitungan.
17
Nama
NISN (C21) (C2) (C3) (C4) (C5)
Siswa
8273 Maulana 1 95 93 97 98
1402 Nana 2 93 90 95 74
3689 Fatimah 3 90 70 98 97
8837 Nurhayati 4 90 89 94 94
7383 Leha 5 75 87 92 91
Nama
NISN (C21) (C2) (C3) (C4) (C5)
Siswa
Berdasarkan pada tabel 3.8 diatas, dapat dibentuk matriks keputusan X dengan
data tersebut:
( )
18
Keterangan :
R11 = 1
R12 = 1
R13 = 1
R14 = 1
R15 = 1
19
b. Nilai Rata-rata Pemerograman Visual Basic (C2)
R21 = 1
R22 = 1
R23 = 1
R24 = 1
R25 = 0,75
R31 = 0,75
R32 = 1
R33 = 0,75
R34 = 1
R35 = 1
20
d. Nilai Rata-rata Pemerograman WEB (C4)
R41 = 0,75
R42 = 1
R43 = 1
R44 = 1
R45 = 1
R51 = 0,5
R52 = 0,75
R53 = 1
R54 = 1
R55 = 1
21
Hasil Normalisasi:
( )
3. Untuk mencari nilai prefensi dari setiap alternatif adalah dengan cara
menjumlahkan hasil kali antara matriks ternormalisasi dengan nilai
bobot. Berikut ini merupakan persamaan untuk mencari nilai preferensi
dari setiap alternatif yang telah ditentukan.
Keterangan:
22
Berikut ini merupakan perhitungan nilai preferensi dari setiap alternatif
yang telah ditentukan. Proses perangkingan dengan menggunakan bobot yang
telah diberikan oleh pengambil keputusan:
Bobot Kriteria
Maka:
= 2.5
= 2.4375
= 2,1875
23
V4 = (0.75 * 0.75) + (0.5 * 1) + (0.5 * 1) + (0.5 * 1) + (0.25 * 1)
= 2,3125
= 1,5
24
21
BAB IV
PENUTUP
1.1 Kesimpulan
Berdasarkan hasil analisis yang didapatkan, maka dapat diambil beberapa
kesimpulan diantaranya sebagai berikut:
1.2 Saran
Adapun saran yang dapat diberikan setelah menyusun makalah ini adalah
sebagai berikut:
22
DAFTAR PUSTAKA
[1] Fauziah Zainuddin, Norlin Mohd Ali, Roslina Mohd Sidek, Awanis Romli,
Nooryati Talib & Mohd. Izham Ibrahim (2009) “Conceptual Modeling for
Simulation: Steaming frozen Food Processing in Vending Machine” International
Conference on Computer Science and Information Technology, University
Malaysia Pahang, pp.145-149.
[4] Peter Minns & Ian Elliott, “FSM-based Digital Design using Verilog HDL”,
John Wiley & Sons Ltd 2008.
[5] Zhang Wen & Zhang Xin Long (2010) “Design and Implementation of
automatic vending machine Based on the short massage payment” International
Conference on Information and Communication technology in Electrical
Sciences, Neijiang, Sichuan, China.pp.978-981.
[7] M. Zhou, Q. Zhang & Z. Chen (2006), “What Can Be Done to Automate
Conceptual Simulation Modelling?” Proceedings of the 2006 Winter Simulation
Conference, pp. 809 – 814.
[8] Biplab Roy & Biswarup Mukherjee (2010) “Design of Coffee Vending
Machine using Single Electron Devices” Proceedings of 2010 International
Symposium on Electronic System Design. Pp 38-43.
[9] C. J Clement Singh, K Senthil Kumar, Jayanto Gope, Suman Basu & Subir
Kumar Sarkar (2007) “ Single Electron Device based Automatic Tea Vending
Machine” proceedings of International Conference on Information and
Communication Technology in Electrical Sciences (ICTES 2007) , pp
891-896.
[10] P. Smith (1997) “Automatic Hot-food Vending Machine,” Trends in Food
Science & Technology October 1997, Vol. 81, and pp. 349.
23
[11] M. Zhou, Y. J. Son, & Z. Chen, (2004), “Knowledge Representation for
Conceptual Simulation Modeling” Proceedings of the 2004 Winter Simulation
Conference, pp. 450 – 458.
[12] J.Komer (2004) “Digital logic and state machine design”, 2nd ed., Oxford.
[13] Muhammad Ali Qureshi, Abdul Aziz & Hafiz Faiz Rasool “Design and
Implementation of Automatic Ticket System using Verilog HDL” proceedings of
tnternational conference on Information Technology, pp- 707-712.
[14] Steve Kilts,” Advanced FPGA Design: Architecture, Implementation, and
optimization”, Wiley-IEEE press, 2007.
[15] Seyed Bahram Zahir Azami & Mohammad Tanabian “Automatic Mobile
Payment on a non- Connected Vending Machine” proceedings of Canadian
Conference on Electrical and Computer Engineering, 2004, pp- 731-734.
24
Jurnal Media Infotama Vol. 10 No. 2, September 2014 105
ABSTRACT
This writing aim to to make system supporter of decision of Election of majors at school use visual microsoft of basic
6.0. research done by Senior High School (SMA) Country 8 Seluma. Method weared in data collecting Observation,
interview, and Study Book. Lifted a case which searching best alternative pursuant to criterions which have been deter-
mined by using method of SAW (Simple Additif Weighting) to do calculation. From solution and result can be concluded
that by using computerization, system supporter of this decision can be exploited as one of consideration in intake a[n
decision by go to school in taking decision of student majors.
Keyword: System Supporter of Decision, SAW
INTISARI
Penulisan ini bertujuan untuk membuat suatu sistem pendukung keputusan Pemilihan jurusan pada sekolah menggunakan
microsoft visual basic 6.0. penelitian dilakukan pada Sekolah Menengah Atas (SMA) Negeri 8 Seluma. Metode yang
dipakai dalam pengumpulan data adalah Observasi, wawancara, dan Study Pustaka. Diangkat sebuah kasus yang mencari
alternatif terbaik berdasarkan kriteria-kriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additif
Weighting) untuk melakukan perhitungan. Dari hasil dan pembahasan dapat disimpulkan bahwa dengan menggunakan
komputerisasi, sistem pendukung keputusan ini bisa dimanfaatkan sebagai salah satu pertimbangan dalam pengambilan
suatu keputusan oleh pihak sekolah dalam mengambil keputusan jurusan siswa.
Kata Kunci: Sistem Pendukung Keputusan, SAW
B) Saran
Gambar 3. Tampilan Menu Input Data Adapun saran-saran yang ingin penulis
sampaikan dalam penerapan metode SAW dalam
Tampilan Menu Laporan Data sistem pendukung keputusan pemilihan jurusan
Menu ini merupakan menu yang paling penting, adalah sebagai berikut:
dimana pada menu ini terdapat sub menu untuk 1) Agar nantinya program yang telah dihasilkan
mengentrikan data jurusan,data siswa, data kriteria dapat dipergunakan dengan sebaik-baiknya
dan data penilaian. Tampilan menu laporan ditunjuk- untuk membantu kinerja, khususnya dalam
kan pada Gambar 4 membantu pengambilan suatu keputusan.
2) Program dapat dikembangkan lagi untuk
mendapatkan hasil yang lebih baik sesuai
dengan perkembangan ilmu teknologi.
DAFTAR PUSTAKA
Daryanto, Drs. 2003. Belajar Komputer Visual
Basic. Bandung. CV Yrama Widya Bandung.
175 Hal
Elistri, Melisa. 2013. Ssistem Administrasi Surat Puspitawati, Lilis, dkk. 2011. Sistem Informasi
Masuk dan Surat Keluar Pada Dinas Tenaga Akuntansi. Yogyakarta. Graha Ilmu. 325 Hal
Kerja Pemuda dan Olahraga Kota Bengkulu.
Universitas Dehasen (UNIVED) Bengkulu Supriyanto, Aji. 2005. Pengantar Teknologi
Informasi, Jakarta. Salemba Infotek
Hermawan, Julius. 2005. Membangun Decision
Support System. Yogyakarta. Andi Offset Suryadi, Kadarsah, Ir, dkk. 2000. Sistem
Pengambilan Keputusan. Bandung. PT.
http://rharajosephira.blogspot.com/2012/10/tek Remaja Rosdakarya. 108 Hal
nik-dokumentasi-sistem-data-flow.html
Yakub. 2012. Pengantar Sistem Informasi.
Kusumadewi, dkk. 2006. Fuzzy Multi-Attribute Yogyakarta. Graha Ilmu
Decision Making. Yogyakarta. Graha Ilmu.
361 Hal
Fifin Sonata
Sekolah Tinggi Ilmu Komputer (STIKOM) Medan
Jl. Iskandar Muda No.45 Medan, Sumatera Utara
fifinsonata2012@gmail.com
ABSTRAK
Peran dosen dalam sebuah Perguruan Tinggi sangat berpengaruh besar terhadap proses belajar
mengajar dan perkembangan Institusi. Untuk itu setiap institusi Perguruan Tinggi harus dapat
meminimalkan kesalahan dalam proses perekrutan dosen baru ataupun dosen yang sedang mengajar
pada proses belajar mengajar berjalan. Kinerja dosen harus dievaluasi penuh agar tercipta suasana
kondusif. Penilaian Kinerja dosen merupakan salah satu cara untuk melihat dan mengevaluasi kerja
dosen di kampus terutama dalam proses belajar mengajar. Metode Simple Additive Weighting (SAW)
yang digabungkan dengan logika fuzzi dalam pemberian bobot pada setiap kriteria merupakan salah
satu metode yang tepat untuk melakukan penilaian kinerja dosen. Nilai mentah dari setiap kriteria
akan mengalami proses fuzzifikasi dan normalisasi matriks yang pada akhirnya menghasilkan
pengurutan pada semua alternatif yang ada. Hasil dari pengurutan akan dapat membantu pihak
perguruan tinggi untuk mengevaluasi kinerja dosen pada setiap semester atau kurun waktu tertentu.
Kata Kunci: Alternatif, Fuzzifikasi, Kinerja, Kriteria, SAW
ABSTRACT
The role of a lecturer in a University has a great influence on the learning process and development of the
institution. Therefore , every universities should be able to minimize errors in the process of hiring new
lecturers and existing lecturers who are teaching in the process of teaching. The performance of lecturers
should be evaluated in order to create a conducive atmosphere. Lecturer performance assessment is one
of several method to observe and evaluate their works on Universities, particularly in the learning
process. The Simple Additive weighting method (SAW) method combined with Fuzzi logic in assigning
weights to each criteria is one appropriate method for assessing lecturer performance. Raw scores from
each criteria will go through fuzzification process and normalization matrix that ultimately lead sorting
at all alternatives. Results of sorting mechanism will help the university to evaluate the performance of
lecturers in each semester or a certain period of time.
Keywords: Alternative, fuzzification, Performance, Criteria, SAW
71
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
pendidikan untuk menjamin kualitas lulusan dan alternatif dari semua atribut. Metode SAW
proses belajar mengajar adalah dengan membutuhkan proses normalisasi matrik
meningkatkan kualitas kinerja dosen dalam keputusan (X) kesuatu skala yang dapat
proses belajar mengajar. Dosen adalah seseorang diperbandingkan dengan semua rating alternatif
yang berdasarkan pendidikan diangkat oleh yang ada [4].
Lembaga Perguruan Tinggi dengan tugas utama
Proses Belajar Mengajar
mengajar. Menurut Undang-undang Nomor 14
Hamalik, mengemukakan, mengajar dapat
Tahun 2005 tentang Guru dan Dosen, dosen
diartikan sebagai (1) menyampaikan
adalah pendidik profesional dari ilmuwan
pengetahuan kepada siswa, (2) mewariskan
dengan tugas utama menstransformasikan,
kebudayaan kepada generasi muda, (3) usaha
mengembangkan dan menyebarluaskan ilmu
mengorganisasi lingkungan sehingga
pengetahuan, teknologi, seni budaya melalui
menciptakan kondisi belajar bagi siswa, (4)
pendidikan, penelitian dan pengabdian
memberikan bimbingan belajar kepada murid,
masyarakat. Mengingat pentingnya peranan
(5) kegiatan mempersiapkan siswa untuk
dosen, maka keberadaannya dalam perguruan
menjadi warganegara yang baik, (6) suatu proses
tinggi harus mampu memotivasi dirinya dan
membantu siswa menghadapi kehidupan
mengembangkan dirinya untuk mendapatkan
masyarakat sehari-hari [5].
kinerja secara maksimal. Masukan yang bisa
diberikan untuk dapat menilai kinerja dosen itu Simple Additive Weighting (SAW)
dengan melakukan penelitian terhadap kinerja Metode Simple Additive Weighting
dosen itu sendiri dalam proses belajar mengajar. merupakan metode yang banyak digunakan
Salah satu metode yang bisa digunakan dalam dalam pengambilan keputusan yang memiliki
penelitian mengetahui kinerja dosen adalah banyak atribut. Metode SAW membutuhkan
metode Simple Additive Weighting (SAW). Dalam proses normalisasi matriks keputusan (X) ke
prosesnya metode SAW akan di kombinasikan suatu skala yang dapat diperbandingkan dengan
dengan logika fuzzy untuk memperoleh solusi semua rating alternatif yang ada [5].
yang lebih kompleks kepada pimpinan Metode SAW mengenal adanya 2 (dua)
perguruan tinggi. atribut yaitu kriteria keuntungan (benefit) dan
Pada penelitian ini akan mengolah data kriteria biaya (cost). Perbedaan mendasar dari
berupa sejumlah kriteria (multi kriteria) yang kedua kriteria ini adalah dalam pemilihan
digunakan untuk menilai kinerja dosen. Dalam kriteria ketika mengambil keputusan [5].
penelitiannya Eniyati [1] melakukan penelitian
tentang penerimaan beasiswa dengan metode
SAW. Savitha [2] menggunakan metode SAW
dikombinasikan dengan metode TOPSIS untuk
menyeleksi jaringan wireless heterogen tetapi
dalam proses pengerjaannya tidak dilakukan Keterangan :
proses fuzzifikasi. Dalam penelitiannya Subawa rij = nilai rating kinerja ternormalisasi
[3] melakukan pemilihan pegawai yang baik xij = nilai atribut yang dimiliki dari setiap kriteria
dengan metode SAW tetapi tidak dilakukannya Max xij = nilai terbesar dari setiap kriteria ᵢ
proses fuzzifikasi. Min xij = nilai terkecil dari setiap kriteria ᵢ
Metode SAW sering dikenal dengan benefit = jika nilai terbesar adalah terbaik
metode penjumlahan terbobot. Konsep dasar cost = jika nilai terkecil adalah terbaik
metode SAW adalah mencari penjumlahan dimana rij adalah rating kinerja ternormalisasi
terbobot dari rating kinerja pada setiap dari alternatif Ai pada atribut Cj; i=1,2,...,m dan
72
Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata
Mulai
Logika Fuzzi
Logika fuzzy dapat digunakan di berbagai
bidang, seperti pada diagnosis penyakit, Penerapan metode SAW dalam
perangkingan kinerja dosen
73
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
Data-data dalam tabel di atas akan yang digunakan untuk pengolahan data penilaian
digunakan untuk memodelkan system dan kerja dosen dengan proses fuzzifikasi.
diproses dengan menggunakan metode SAW
Kriteria dan Bobot
dengan proses fuzzifikasi. Manfaat dari proses
Dalam proses penilaian kinerja dosen
fuzzifikasi adalah agar dapat menghasilkan nilai
memerlukan kriteria-kriteria yang akan dijadikan
lebih valid dan akurat karena fuzzifikasi dapat
bahan pertimbangan dan perhitungan. Adapun
menentukan nilai yang tadinya Linguistik
kriteria-kriteria adalah sebagai berikut :
menjadi bentuk numeris atau angka pasti. Nilai
C1 = Kesetiaan
pasti pada fuzzifikasi sudah ditentukan pada atau
C2 = Prestasi Kerja
grafik bobot fuzzi di gambar 1. Misal jika ada nilai
C3 = Tanggung Jawab
dengan kategori Sangat Rendah sampai dengan
C4 = Ketaatan
Rendah maka pada fuzzi akan bernilai 0-0.25.
C5 = Kejujuran
Algoritma Penyelesaian C6 = Kerjasama
Langkah-langkah penyelesaikan C7 = Prakarsa
menggunakan metode SAW : C8 = Kepemimpinan
1. Memberi nilai setiap alternatif (Ai) pada setiap Dari kriteria di atas, maka dibuat satu
kriteria (Ci) yang sudah ditentukan, dimana tingkat kepentingan kriteria berdasarkan nilai
nilai i = 1,2,..m dan j=1,2,..n bobot yang telah ditentukan ke dalam tabel 2
2. Memberikan nilai bobot (w) yang di dapatkan Bobot diperoleh dari bobot fuzzi.
berdasarkan nilai crisp.
Tabel 2. Nilai Bobot Fuzzy
3. Melakukan normalisasi matriks dengan cara
Sangat Tinggi (ST) 91-100 1
menghitung nilai kinerja ternormalisasi (rij)
dari alternatif Ai pada atribut Cj berdasarkan Tinggi (T) 76-90 0.75
persamaan yang disesuaikan dengan jenis
Sedang (S) 61-75 0.5
atribut (atribut keuntungan/benefit =
maksimum atau atribut biaya/cost = Rendah (R) 51-60 0.25
74
Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata
D6 = Dosen 6 Alternatif
D7 = Dosen 7 /Kri C1 C2 C3 C4 C5 C6 C7 C8
teria
D8 = Dosen 8
D9 = Dosen 9 D1 ST T S T T T R S
D10 = Dosen 10 D2 ST T T S ST T S S
D4 75 80 80 95 75 85 75 75 0.7
D5 0.75 0.5 0.75 0.75 0.5 0.75 0.5
5
D5 85 70 77 80 75 80 75 80 0.7
D6 0.5 0.5 0.5 0.75 0.5 0.75 0.5
5
D6 75 70 67 80 75 85 75 78
0.7
D7 0.5 0.75 0.75 0.75 0.5 0.5 0.75
D7 75 80 88 80 75 75 85 88 5
0.7
D8 75 85 80 80 70 75 83 73 D8 0.5 0.75 0.75 0.75 0.5 0.5 0.75
5
D9 75 83 75 80 70 75 84 80 0.7
D9 0.5 0.75 0.5 0.75 0.5 0.5 0.75
5
D10 75 83 75 80 83 60 70 91 D10 0.5 0.75 0.5 0.75 0.75 0.25 0.5 1
Data pada tabel 4 merupakan data Nilai pada tabel 5 disebut nilai rating
penilaian awal kinerja dosen dengan kecocokan, dimana nilainya didapat dari skala
menggunakan nilai linguistik. pada tabel 2 setelah adanya nilai linguistik pada
Tabel 4. Data Penilaian Kinerja Dosen tabel 4. Rating kecocokan bernilai antara 0
75
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
sampai dengan 1. Misalnya nilai 1 pada kolom K1 juga. Tahapan yang dilakukan adalah
baris D1 diperoleh dari nilai ST (Sangat Tinggi) menentukan nilai r sebelum dipaparkan dalam
pada tabel 4 pada kolom K1 baris D1. Begitu juga bentuk matriks. Nilai r diperoleh dari rumus :
untuk semua nilai di tabel 5.
Dari tabel 5 setiap alternatif pada setiap
kriteria masing-masing penilaian diubah ke
dalam matriks keputusan X dengan data sebagai
berikut :
Adapun proses normalisasi matriks X menjadi r
adalah sebagai berikut :
1. Normalisasi terhadap C1 yang berpengaruh
kepada benefit.
r1.1 = = =1
76
Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata
r4.2= r6.4= =
= =1 = 0.75
r7.4=
r6.2= = 0.75
Pada point 4 nilai C4 semuanya berpengaruh
= = 0.67 kepada keuntungan pada proses belajar
mengajar.
r8.2= 5. Terhadap C5 yang berpengaruh kepada cost
r1.5 = = 0.67
= =1
r10.2=
r3.5 = =1
= =1
r5.5 = =1
Pada point 2 nilai C2 juga memberikan pengaruh
keuntungan kepada perguruan tinggi dalam
menilai kinerja dosen. r6.5 = =1
3. Normalisasi terhadap C3 yang berpengaruh r8.5 = =1
kepada cost
Pada point 5 semua komponen nilai C5 sangat
r2.3 = =1 berdampak terhadap proses pembiayaan di
r3.3= =1 perguruan tinggi.
6. Terhadap C6 yang berpengaruh kepada
r5.3= =1
benefit
r7.3= =0.67 r2.6= =
r9.3= =0.67 =1
r3.6 = =
r10.3= =1
Pada point 3 nilai C3 sangat mempengaruhi nilai =1
biaya pada perguruan tinggi karena apabila C3 r5.6= =
dalam hal ini adalah tanggung jawab dosen
=1
diabaikan atau bernilai sedikit atau minimum
maka perguruan tinggi akan dirugikan dalam segi r8.6= =
pembiayaan gaji atau honor dosen terutama = 0.67
tanggung jawab terhadap kelas yang diampu. Pada point 6 nilai C6 berdampak pada nilai
4. Normalisasi terhadap C4 yang berpengaruh keuntungan pada sistem proses belajar di
kepada benefit perguruan tinggi tanpa adanya pengaruh cost.
r1.4= = 7. Normalisasi terhadap C7 yang berpengaruh
kepada benefit
= 0.75
r1.7= = 0.33
r2.4= =0.5
r3.7= = 0.67
r4.4= =1 r5.7= =0.67
77
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
Dimana :
r4.8= = 0.5 = Rangking untuk setiap kriteria
= nilai bobot dari setiap kriteria
r5.8= = = nilai rating dosen ternormalisasi
Dari rumus diatas diperoleh nilai kinerja
=0.75
dosen setiap dosen sebagai berikut :
r7.8= V1 = (0.10x1)+(0.10x1)+(0.20x1)+(0.10x0.75)+
= 0.75 (0.15x0.67)+(0.10x1)+(0.15x0.33)+(0.10x0.5)
r8.8 = = =0.775
merupakan nilai kinerja dosen pertama atau
= 0.75
D1
r10.8= = =1 V2 = (0.10x1)+(0.10x1)+(0.20x1)+(0.10x0.5)+
Pada point 8 nilai C8 memberikan nilai (0.15x0.5)+(0.10x1)+(0.15x0.67)+(0.10x0.5)
keuntungan karena kriteria kepemimpinan dosen = 0.7755
yang bagus sangat berpengaruh besar dalam V2 merupakan nilai kinerja dosen kedua atau
memberikan kontribusi kepada program studi. D2
Dari perhitungan point 1 sampai dengan 8 V3=(0.10x0.75)+(0.10x1)+(0.20x1)+(0.10x0.5)
akan menghasilkan sebuah matriks +
ternormalisasi r sebagai berikut : (0.15x1)+(0.10x1)+(0.15x0.67)+(0.10x0.5)
r= =0.8255
V3 merupakan nilai kinerja dosen ketiga atau
D3
V3=(0.10x0.5)+(0.10x1)+(0.20x0.67)+(0.10x1)+
(0.15x1)+(0.10x1)+(0.20x0.67)+(0.10x0.5)
= 0.818
V4 merupakan nilai kinerja dosen keempat
atau D4
Proses Perangkingan V4 =(0.10x0.75)+(0.10x0.67)+(0.20x0.67)+
Tahap akhir dalam melakukan penilaian (0.10x0.75)+(0.15x1)+(0.10x1)+(0.20x0.67)
kinerja dosen adalah tahap perangkingan. Dari +(0.10x0.75)= 0.81
tahap ini akan diperolah siapa saja dosen yang V5 merupakan nilai kinerja dosen kelima atau
menduduki posisi rangking tertinggi sampai D5
terendah. Rangking kinerja dosen nantinya akan V5=(0.10x0.5)+(0.10x0.67)+(0.20x1)+
dapat memberikan solusi bagi pemimpin (0.10x0.75)+(0.15x1)+(0.10x1)+(0.20x0.067)+
perguruan tinggi dalam mengambil suatu (0.10x1) = 0.876
78
Implementasi Metode SAW Dengan Proses Fuzzifikasi Dalam Penilaian Kinerja Dosen….
Fifin Sonata
79
Jurnal Teknologi Informasi dan Komunikasi
Vol. 5 No.2, Desember 2016 : 71 - 80
80
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 223
Tua (0,3), Jumlah Tanggungan (0,2), Nilai Raport (0,2), berhubungan satu sama lain dan bekerja sama secara harmonis
Kepribadian (0,15) dan Prestasi (0,15). Pada hasil penelitian untuk mencapai satu tujuan tertentu [3]
didapatkan perankingan untuk calon penerima beasiswa BSM
C. Informasi
dimana yang menjadi prioritas pertama adalah Siswa Aulia
Azima M (0,80), prioritas kedua sampai kelima berturut-turut Informasi adalah data yang diolah menjadi bentuk yang
adalah Siswa M. Khoirul Umam (0,68), Amin Hidayat (0,63), lebih berguna bagi yang menerimanya [4].
Dewi Oktaviani (0,58), dan Heni Pratiwi (0,52). D. Sistem Informasi
Radias Sundoro (2014) melakukan penelitian tentang
Implementasi Metode Simple Additive Weighting (SAW) Pada Sistem Informasi adalah kumpulan elemen yang saling
Sistem Pendukung Keputusan Penentuan Jenis Pondasi berhubungan satu sama lain untuk membentuk suatu kesatuan
untuk mengintegrasi data, memproses dan menyimpan serta
Dengan Simulasi Alternatif Berbasis 3D. Tujuan dari
mendistribusikan informasi tersebut [5].
penelitian ini adalah menyediakan informasi mengenai jenis
pondasi dan penentuan jenis pondasi yang akan digunakan E. Sistem Pendukung keputusan
dalam proses pembangunan dengan sistem pendukung Sistem pendukung keputusan sebagai satu set model
keputusan disimulasikan dengan animasi 3D. Jenis pondasi berbasis prosedur untuk memproses data dan pertimbangan
yang dipilih adalah pondasi dangkal dan pondasi dalam untuk membantu manajer dalam pengambilan keputusan [6].
dimana Pondasi dangkal terdiri dari pondasi telapak, pondasi
menerus, dan pondasi rakit, sedangkan pondasi dalam terdiri F. Simple Additive Weighting (SAW)
dari pondasi tiang bor, pondasi tiang pancang, dan pondasi metode Simple Additive Weighting (SAW) sering juga
sumuran. Sedangkan Kriteria yang dipertimbangkan dalam dikenal dengan istilah metode penjumlahan terbobot. Konsep
menentukan jenis pondasi adalah kriteria tipe bangunan, jenis dasar Simple Additive Weighting adalah mencari penjumlahan
tanah, kedalaman tanah keras, pengadaan material, pengadaan terbobot dari kinerja alternatif pada semua atribut [7].
alat, keahlian tenaga kerja, gangguan lingkungan, biaya
material, biaya galian, biaya tenaga kerja, dan biaya G. Flowchart
pengadaan alat. Flowchart merupakan gambaran atau bagan yang
Tri Yani Akhirina (2016) melakukan penelitian tentang memperlihatkan urutan dan hubungan antar proses beserta
Komparasi Metode Simple Additive Weighting dan Profile pernyataannya. Gambaran ini dinyatakan dengan simbol dan
Matching pada Pemilihan Mitra Jasa Pengiriman Barang. dengan demikian setiap simbol menggambarkan proses
Penelitian sebelumnya telah di implementasikan metode SAW tertentu [8].
untuk mendukung keputusan pemilihan mitra jasa transportasi
H. Data Flow Diagram (DFD)
ini. Dalam pengembangannya penulis melakukan komparasi
dengan metode Profile Matching dalam menentukan mitra jasa Data Flow Diagram (DFD) merupakan alat yang
pengiriman barang, menggunakan data dan penilaian yang digunakan untuk menggambarkan suatu sistem yang telah ada
sama. Hasil komparasi dari kedua metode diatas adalah atau sistem baru yang akan dikembangkan secara logika tanpa
menghasilkan alternatif terpilih yang sama, sehingga kedua mempertimbangkan lingkungan fisik dimana data tersebut
metode tersebut dapat diterapkan untuk membantu mengalir ataupun lingkungan fisik dimana data tersebut akan
pengambilan keputusan pihak manajemen [1]. disimpan Simbol-simbol yang digunakan dalam DFD terdiri
dari 4 macam, yaitu proses, data flow, data store dan external
entity [9].
A. Jalan
I. Pengujian Black Box
Menurut Undang-Undang No. 38 Tahun 2004 dan
Metode yang akan digunakan untuk menguji aplikasi ini
Peraturan Pemerintah No.34 Tahun 2006 tentang jalan, jalan
adalah metode black box. Pengujian ini dilakukan dengan
adalah prasarana trasportasi darat yang meliputi segala bagian menjalankan program dengan maksud menemukan kesalahan
jalan, termasuk bangunan perlengkap dan perlengkapannya (Myers,1979) serta memeriksa apakah aplikasi dapat berjalan
yang diperuntukkan bagi lalu lintas, yang berada pada
dengan baik sesuai dengan yang direncanakan [10].
permukaan tanah, diatas permukaan tanah, dibawah
permukaan tanah dan air, serta diatas permukaan air, kecuali III. PERANCANGAN SISTEM
jalan kereta api, jalan lori, dan jalan kabel. Jalan, dalam
konteks jaringan, dapat diartikan sebagai suatu ruas yang A. Desain Arsitektur Sistem
menghubungkan antara simpul yang satu dengan simpul yang Berikut desain arsitektur sistem yang dirancang dapat
lain. Dalam konteks sistem transportasi, jalan adalah prasarana dilihat pada gambar 1.
yang difungsikan sebagai wadah dimana lalu lintas orang,
barang atau kendaraan dapat bergerak dari titik asal menuju
titik tujuan [2].
B. Sistem
Sistem adalah kumpulan/group dari sub
sistem/bagian/komponen apapun baik phisik yang saling
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 225
Keterangan :
Vi : Nilai Preferensi
wj : Nilai bobot dari setiap kriteria
Nilai Vi lebih besar mengindikasikan bahwa alternatif Ai lebih
terpilih
Dimana rij adalah rating kinerja ternormalisasi dari Gambar. 3. Diagram Overview
alternatif Ai, pada atribut Cj : i= 1,2,.....,m dan j =1,2,.....,n.
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 226
B. Hasil Pengujian Metode Simple Additive Weighting (SAW) adalah untuk menggambarkan dimensi tunggal bagi
Pengujian berikut dilakukan pada pengolahan data survei pertanyaan dan subjek yang diteliti. Hasil pengujian kuesioner
jalan dengan menghitung bobot secara manual. penggunaan aplikasi dapat dilihat pada tabel 4. Berdasarkan
pengujian yang telah dilakukan, analisis hasil pengujiannya
Tabel 1 Bobot Kriteria adalah sebagai berikut :
C1 C2 C3 C4 C5
Tabel 4 Hasil Pengujian Kuesioner Hak Akses Admin
0,1 Nilai Total
0,35 0,30 0,15 0,1 No Pertanyaan Error Respo
1 0
nden
Apakah Notifikasi Otomatis Sistem
Terdapat 4 contoh data jalan yang digunakan untuk
1 Kepada Pengguna Sesuai Dengan 2 0 0 2
simulasi ini berdasarkan data survei lapangan adalah jalan Hak Akses?
Ampera, jalan manunggal, Jalan Terentang Hilir, dan jalan Apakah Kinerja Proses Input Data
Cabang Kanan. 2 2 0 0 2
Sesuai Kebutuhan?
Sulitkan Anda Mengakses Fitur-
Tabel 2 Sampel Pengujian Data Survei 3 0 2 0 2
fitur Pada aplikasi ini?
X C1 C2 C3 C4 C5 Apakah Dalam Menyimpan Data
4 0 2 0 2
Pada sistem Terdapat kesulitan?
Rusak 4 Apakah Tampilan Antarmuka Pada
A 4 198.000.000 Beton 5 2 0 0 2
Ringan Aplikasi ini Sesuai Kebutuhan?
Rusak 4 Apakah Respon (Feedback)
B 2 158.000.000 Beton 6 Aplikasi Terhadap Input Yang 2 0 0 2
Ringan
Rusak Dilakukan Sudah Sesuai?
10 398.572.000 Aspal 5
C Apakah Fitur-fitur Yang Terdapat
Berat 7 1 1 1 2
Pada Aplikasi Sesuai Kebutuhan?
Rusak 3
D 8 418.000.000 Aspal Apakah Jenis dan Ukuran Huruf
Ringan 8 2 0 0 2
Yang Digunakan Mudah Dibaca?
Total 11 4 1 16
Keterangan:
Keterangan : 1 = Ya 0 = Tidak
C1 = Tingkat Kerusakan Jalan
C2 = Kebutuhan Lokasi (Fasilitas Umum Pada tabel tersebut dapat diketahui informasi bahwa
C3 = Biaya sebagian besar responden untuk hak akses sebagai admin
C4 = Konstruksi Jalan menilai aplikasi dengan baik dengan persentasi 93,75%
C5 = Masa Pemeliharaan berdasarkan dari kesesuian jawaban benar dan jumlah error
yakni :
Berdasarkan hasil perhitungan manual mengggunakan Berdasarkan kesesuian jawaban adalah ( 15/16 ) x 100%. =
metode SAW pada simulasi sistem, didapatkan hasil Spk, 93,75%.
diurutkan berdasarkan bobot tertinggi. Hasil Spk tersebut
dapat dilihat pada tabel 3 Tabel 5 Hasil Pengujian Kuesioner Hak Akses Karyawan
Nilai Total
Tabel 3 Sampel Pengujian Hasil Spk No Pertanyaan Error Respo
1 0
nden
Bobot Bobot Hasil
Apakah Notifikasi Otomatis
X Perhitungan Perhitungan Eksekusi
1 Sistem Kepada Pengguna Sesuai 3 0 0 3
manual Sistem
Dengan Hak Akses?
1 Berhasil
C 2
Apakah Kinerja Proses Input
3 0 0 3
Data Sesuai Kebutuhan?
0,65 Berhasil
D 3
Apakah Dalam Menyimpan Data
1 2 1 3
Pada sistem Terdapat kesulitan?
0,47 Berhasil Sulitkah Anda Dalam
A
4 Menggunakan Aplikasi Secara 0 3 0 3
0,35 Berhasil Keseluruhan?
B
Setujukah Anda Dengan
5 Tampilan Menu Pada Aplikasi 3 0 0 3
Ini?
C. Hasil Pengujian Kuesioner
Total 10 4 1 15
Skala Guttman dikembangkan oleh Louis Guttman (1944, Keterangan : 1 = Ya 0 = Tidak
1959) yang diterapkan pada sekumpulan jawaban atas
pertanyaan dikotomi yang dijawab terkait dengan beberapa Pada tabel tersebut dapat diketahui informasi bahwa
subjek pertanyaan. Tujuan dari analisis dengan skala Guttman sebagian besar responden untuk hak akses sebagai karyawan
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 4, (2017) 228
________________________________________________________________________________________________
Korespondensi : Mardheni Muhammad
37 Jurnal Pilar Nusa Mandiri Vol.XII, No. 1 Maret 2016
Frieyadie
Program Studi Manajemen Informatika
AMIK BSI Jakarta
Jl. RS. Fatmawati No. 24 Pondok Labu, Jakarta Selatan
frieyadie@bsi.ac.id
tingkat kinerja para karyawan pada perusahaan bertanggung jawab memproses masukan (input)
tersebut. Untuk itu diperlukan pengambilan sehingga menghasilkan keluaran (output).”
keputusan yang tepat dan cermat untuk Menurut Davis dalam Hartono (2013:120)
menentukan kenaikan pangkat para karyawan. mengemukakan bahwa Terdapat dua model
Pada umumnya promosi jabatan diberikan atas pengambilan keputusan, yaitu model sistem
rekomendasi atasan atau unit kerja masing- tertutup dan model sistem terbuka.
masing berdasarkan lama bekerja, penilaian a. Model Sistem Tertutup
kinerja dan penilaian perilaku seorang karyawan Model sistem tertutup dilandasi asumsi
dalam menjalankan tugasnya. Untuk itu maka bahwa keputusan dapat diambil tanpa campur
diperlukan pengolahan data penilaian karyawan tangan dari lingkungan (luar) sistem, karena
yang dapat membantu mempermudah seorang sistem pengambilan keputusan tidak dipengaruhi
atasan dan bagian HRD untuk mengambil sebuah oleh lingkungan. Dalam hal ini sistem
keputusan yang berkaitan dengan promosi pengambilan keputusan dianggap:
kenaikan jabatan seorang karyawan. Saat ini 1) Mengetahui semua alternatif tindakan
pengolahan data penilaian karyawan untuk menanggapi permasalahan dengan
diperusahaan tersebut masih dilakukan dengan segala konsekuensinya.
komputerisasi excel, sehingga besar 2) Memiliki metode untuk menyusun
kemungkinan terjadinya kesalahan penginputan alternatif-alternatif sesuai prioritasnya.
mengingat jumlah karyawan yang sangat banyak 3) Dapat memilih/menetapkan alternatif
dan dan dibutuhkan waktu yang relatif lama. yang paling menguntungkan, misalnya
Selain itu juga masih sering terjadi informasi dari segi laba, manfaat, dan lain-lain.
yang simpang siur mengenai pergerakan formasi b. Model Sistem Terbuka
karyawan. Metode yang digunakan dalam Model sistem terbuka dilandasi asumsi
menentukan promosi kenaikan jabatan ini adalah bahwa sistem pengambilan keputusan dan
Simple Additive Weight (SAW). Dimana metode lingkungan memiliki hubungan saling pengaruh.
ini merupakan metode pembilangan terbobot Keputusan yang diambil akan berdampak
atau metode yang memberikan kriteria-kriteria terhadap lingkungan dan sebaliknya lingkungan
tertentu yang memiliki bobot nilai masing masing juga berpengaruh terhadap sistem pengambilan
sehingga dari hasil penjumlahan bobot tersebut keputusan. Dalam hal ini sistem pengambilan
akan diperoleh hasil yang menjadi keputusan keputusan dianggap:
akhirnya. Penyelesaian masalah menggunakan 1) Hanya mengetahui sebagian saja dari
metode Simple Additive Weighting (SAW) untuk alternatif-alternatif untuk menangani
menjabarkan bobot-bobot yang sesuai dengan permasalahan dengan segala
kriteria yang pantas kenaikan Jabatan konsekuensinya.
menggunakan cara manual sehingga 2) Hanya dapat menyajikan sejumlah
membutuhkan banyak waktu untuk menentukan alternatif yang baik untuk menangani
dengan banyak bobot yang dibutuhkan dalam permasalahan, tetapi tidak dapat
penentuan karyawan yang berhak Kenaikan memilih/menetapkan alternatif yang
Jabatan sesuai dengan kemampuan dan bidang paling menguntungkan.
masing-masing karyawan (Silalahi, 2013). 3) Sekadar mempersilakan pemilihan
Adapun tujuan penulisan ilmiah ini, adalah: 1) alternatif terbaik untuk dilakukan oleh
Sebagai salah satu alternatif untuk membantu pijak diluar sisten sesuai dengan
seorang pimpinan dalam menentukan keputusan aspirasinya.
terkait promosi kenaikan jabatan seorang
karyawan untuk posisi tertentu sesuai dengan Metode Simple Additive Weight (SAW),
syarat dan kebutuhan perusahaan. 2) Melakukan Menurut Fishburn dan MacCrimmon dalam
penilaian dari setiap kriteria untuk pemilihan (Munthe, 2013) mengemukakan bahwa Metode
karyawan. 3) Merancang suatu Sistem Simple Additive Weight (SAW), sering juga dikenal
Pendukung Keputusan untuk Kenaikan Jabatan dengan istilah metode penjumlahan terbobot.
untuk mendapatkan karyawan yang memenuhi Konsep dasar metode Simple Additive Weight
syarat dan kriteria jabatan tertentu dengan cepat (SAW) adalah mencari penjumlahan terbobot
dan sesuai dengan kebutuhan perusahaan. dari rating kinerja pada setiap alternatif pada
semua atribut.
BAHAN DAN METODE Menurut (Asnawati dan Kanedi, 2012)
“Kriteria penilaian dapat ditentukan sendiri
Sistem Pendukung Keputusan sesuai dengan kebutuhan perusahaan.”
Menurut (Kusrini, 2007) “Sistem merupakan
kumpulan elemen yang saling berkaitan yang
Xij
Jika j adalah atribut keuntungan (benefit) terbesar yang dipilih sebagai alternatis
Max Xij terbaik (Ai) sebagi solusi.
Rij = …..… (1)
Min Xij HASIL DAN PEMBAHASAN
Xij
Jika j adalah atribut biaya (cost)
Masa Kerja Ѵ -
Penilaian Kinerja Ѵ - Maka R13, R23, R33, R43, dan R53 memiliki nilai R
yang sama sebab semua angka pada kolom
Perilaku Ѵ - tersebut memiliki nilai yang sama.
Sumber : Data olahan (2015) Jadi, R13=R23=R33=R43=R53=1
Dari perhitungan diatas diperoleh matriks R
Menentukan nilai R dengan rumus sebagai sebagai berikut:
berikut:
…………………………… (3)
V1 = (0,25*1)+(0,50*1)+(0,25*1) = 1 SDM
Olah Data Bagian
V2 = (0,25*0,6667)+(0,50*1)+(0,25*1)
= 0,916675
V3 = (0,25*0,3333)+(0,50*1)+(0,25*1)
Olah Data Jabatan
= 0,833325
V4 = (0,25*0,3333)+(0,50*1)+(0,25*1)
= 0,833325
Sumber : Data olahan (2015)
V5 = (0,25*0,3333)+(0,50*1)+(0,25*1)
= 0,833325
Gambar 2. Perancangan Use Case Diagram SDM
Dari hasil perhitungan nilai Vi dari setiap
b. Perancangan Use Case Diagram Ruang
karyawan yang akan mendapatkan promosi
Manager Bagian
kenaikan jabatan maka dapat dibuatkan tabel uc Use Case Diagram Manaj er
Persentase
No Nama Nilai Rangking «include»
Mengelola Data
Pertanyaan
(%)
«include»
Chairani Manaj er Bagian
1 1 100% 1
Syifa Mengelola Data
Kriteria
Rafida
2 0,916675 92% 2
Raudina
Menampilkan Profile
Teguh Manaj er Bagian
3 0,833325 83% 3
Purnomo
Wahyu Sumber : Data olahan (2015)
4 0,833325 83% 4
Guntoro
Siska Gambar 3. Perancangan Use Case Diagram Ruang
5 0,833325 83% 5
Febrina
Manager Bagian
Sumber : Data olahan (2015)
c. Perancangan Use Case Diagram Staff
Dari penentuan prioritas usulan promosi
kenaikan jabatan dengan menggunakan metode uc Use Case Diagram Karyaw an
8. Desain Database
Berikut desain database dengan
menggunakan Entity Relationship Diagram (ERD)
almt_kry no_telp
tgl_lhr username
tmp_lhr
password nik
nm_alt_kry
nm_kry
kdjab
no_alt_kry kdbag
nik
1 1 1 Alternatif
punya Karyawan pilih
Karyawan
1
1
1 1
idpenilaian
1
1 M
tglpenilaian
kdjab nmjab
Bagian Penilaian Tahun
penilaian
no_alt_kry
M
nm_kriteria no_kriteria
idpertanyaan
nmpertanyaan no_kriteria
a. Rancangan Login
BIODATA PENULIS