BAB I

PENDAHULUAN
1.1 Latar Belakang
Cleaning Service merupakan sebuah jasa pelayanan kebersihan, kerapian serta
higienis pada sebuah instansi atau perusahaan maupun bangunan lain yang lebih
baik untuk area dalam ruangan atau luar ruangan, sehingga tercipta suasana
nyaman yang semuanya itu demi meningkatkan produktifitas karyawan dalam
sebuah instansi atau perusahaan. Cleaning Service di sebuah instansi merupakan
suatu keharusan yang di butuhkan untuk menciptakan situasi kerja kantor atau
ruangan agar bersih dan nyaman. Indicator kebersihan pada suatu organisasi dapat
dilihat pada kebersihan lingkungan, sehingga terciptanya kenyamanan bagi para
karyawan atau pekerja.
Dalam suatu instansi atau perusahaan sering dilakukan penilaian Cleaning
Service berdasarkan kecermatan dan tingkat kebersihan disetiap unitnya. Seperti
pada penelitian yang akan dilakukan oleh penulis pada PT Multiclean Jaya
Lestari ini setiap sebulan sekali akan dilakukan penilaian kinerja kerja pada
Cleaning service.
Penilaian kinerja Cleaning Service merupakan evaluasi sistematis yang
dilakukan oleh Manager terhadap kinerja karyawan untuk memahami kemampuan
karyawan dan mengetahui tingkat keberhasisalan kinerja setiap karyawan pada
setiap unit kerjanya, penilaian ini dilakukan untuk menilai dan mengevaluasi
ketarampilan, kemampuan, pencapaian, serta pertumbuhan seorang karyawan.
Untuk meminimalkan masalah dalam proses pengambilan keputusan untuk
menentukan kinerja para karyawan terutama apabila terdapat kinerja kerja yang
tidak jauh berbeda antaran karyawan, sering terdapat kesulitan dalam penilaian
yang berakhir pada hasil yang mengecewakan, karena kesulitan dalam mengukur
kinerja para karyawan yang masih secara manual atau masih menggunakan
Microsoft excel .

1
 Oleh karena itu di zaman sekarang kemajuan teknologi sangat berkembang
pesat dan dengan mudah dapat membuat suatu sistem pendukung keputusan
yang bisa menganalisa beberapa pegawai teladan yang sesuai dengan kinerjanya
dan mendapat hasil yang sesuai. Dalam penelitian yang dilakukan oleh penulis
untuk menyelesaiakan permasalahan tersebut perlu dibuatkanya sebuah sistem
yang dapat membantu dalam penilaian kinerja Cleaning Service.
Motode yang digunakan dalam sistem pendukung keputusan ini adalah
Profile Matching, karena mempunyai beberapa kelebihan diantaranya proses
perangkingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif dan
penilaian akan lebih tepat karena didasarkan pada proses membandingkan
kompotensi individu dengan nilai suatu profil.
Dengan metode perangkingan tersebut, diharapkan penilaian akan lebih tepat
karena sudah didasarkan pada kriteria dan bobot yang sudah ditetapkan sehingga
akan mendapatkan hasil yang lebih akurat terhadap siapa yang berhak menjadi
karyawan teladan.
2.1 Rumusan Masalah
Berdasarkan latar belakang masalah yang telah dijelaskan di atas maka
rumusan masalah dalam penelitian ini adalah Bagaimana membuat sistem
penilaiyan karyawan teladan dengan Metode Profile Matching agar proses
penilaian dapat dilakukan secara obyektif dan efisiensi.
3.1 Batasan Masalah
Agar penelitian lebih terarah maka peneliti membuat batasan-batasan masalah
sebagai berikut:
1. Metode mengevaluasi kinerja Cleaning service teladan hanya
menggunakkan Metode Profile Matching.

2. Sistem pemilihan Cleaning service ini berbasis web, menggunakan bahasa

pemograman PHP dan Mysql sebagai databasenya.

2
4.1 Tujuan
Adapun tujuan yang ingin dicapai penelitian ini adalah membuat sebuah
sistem penilaiyan Cleaning service teladan dengan Metode Profile Matching,
untuk mambantu proses pengambilan keputusan dalam memilih Cleaning Service
teladan terbaik.

5.1 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat bagi pihak-pihak yang
berkaitan dengan penulisan skripsi ini, diantaranya:
1. Bagi penulis
a. Sebagai syarat kelulusan jenjang serjana pada Jurusan Ilmu
Komputer, Fakultas Sains dan Teknik, Universitas Nusa
Cendana.
b. Mampu menerapkan ilmu yang telah di peroleh di Jurusan
Ilmu Komputer.
2. Bagi (tempat penelitian)
Sebagai alat bantu dalam penilaiyan Cleaning Service teladan.
6.1 Tinjuan Pustaka
Penelitian pada tahun 2019 oleh Fajar faizurrosyid dengan judul Analis
Metode Case Based Reasoning dan Profile Matching dalam Penentuan Modal
Usaha Mikro Berbasis Web. Pembahasan mengenai penentuan modal usaha
mikro dan perhitungan analisis menggunakan Hamming Distance menunjukan
bahwa akurasi dengan presentase sebesar 90%, dengan masing-masing metode
yaitu Case Based Reasoning sebesar 100%, dan Profile Matching sebesar 80%,
(Fajar Faizurrosyid, 2019)
Penelitian pada tahun 2018 oleh Raden Ajeng Yosua Ariane Amos Wiseso
dan Setiawan, dengan judul Sistem Pendukung Keputusan dalam Penentuan
Penerimaan Beasiswa PT BFI Finance Indonesia Tbk Menggunakan Metode
Profile Matching. Pembahasan mengenai seleksi penerimaan beasiswa
berdasarkan kriteria dan syarat yang telah di tentukan. Dan perhitungan
didapatkan presentase mencapai 98,4%, untuk tingkat akurasi dari perhitungan
confungsion matrix, maka data penerimaan beasiswa menggunakan metode
profile metching dinyatakan akurat.(Raden Ajeng Yosua Ariane Amos Wiseso &
Setiawan, 2018)

3
 Penelitian pada tahun 2017 oleh Dimas Totok Adianto dengan judul Sistem
Pendukung Keputusan Penerimaan Calon Siswa Baru Menggunakan Metode
Profile Matching. Pembahasan mengenai penyeleksian siswa baru dan pengujian
terhadap metode profile matching menyatakan bahwa hasil perhitungan metode
profile metching pada sistem dan hasil perhitungan manual hasilnya 100%, sama.
(Adianto, 2017)
Penelitian pada tahun 2016 oleh Ari Suhartanto, Kusrini dan Henderi dengan
judul Decision Support System Untuk Penilaian Kinerja Guru Dengan Metode
Profile Matching. Pembahasan mengenai penilaian kinerja Guru untuk
kompetensi pedagogic dengan metode profile matching yang telah diterapkan
memiliki tingkatan akurasi hasil nilai sebesar 95,67%,(Suhartanto, 2016)
Penelitian pada tahun 2021 oleh Boy Diego Lumwartono, Firza Prima
Aditiawan, Agung Mustika Riziki dengan judul Sitem Pendukung Keputusan
Penempatan Posisi Pemain Sepak Bola Menggunakan Metode Profile Matching.
Pembahasan mengenai penentuan posisi pemain yaitu pelatih menilai setiap
pemain dengan nilai 0 – 100 pada semua kriteria yang sudah ditentukan dan hasil
pengujiana yang telah di lakukan menggunakan 35 data pemain sepak bola,
tingkat akurasi antara posisi rekomendasi sistem dengan menggunakan Metode
Profile Matching sebesar 94,28%, (Lumwartono et al., 2021)
Penelitian pada tahun 2021 oleh Boni Oktaviana Sembiring dan Yunita Sari
Siregar dengan judul Analisis Penentuan Kelayakan Judul Skripsi Mahasiswa
Dengan Metode Profile Matching dan TOPSIS. Pembahasan mengenai kelayakan
judul skripsi mahasiswa dan pengujian menggunakan Metode TOPSIS
menghasilkan akurasi sebesar 80%, sedangkan pengujian data dengan Metode
Profile Matching berdasarkan 5 kriteria yang telah ditentukan menghasilkan nilai
akurasi sebesar 60%,(Sembiring & Siregar, 2021)

4
No Nama penelitian Tahun Judul penelitian, metode dan tahun Metode Hasil

1 Fajar faizurrosyid 2019 Analis Metode Case Based Case Based Akurasi dengan presentase sebesar 90% dengan
Reasoning dan Profile Matching Reasoning masing-masing metode yaitu Case Based Reasoning
dalam Penentuan Modal Usaha dan Profile sebesar 100%, dan Profile Matching sebesar 80%
Mikro Berbasis Web Matching
2 Raden Ajeng Yosua 2018 Sistem Pendukung Keputusan Profile Perhitungan didapatkan presentase mencapai 98,4%,
Ariane Amos dalam Penentuan Penerimaan Matching untuk tingkat akurasi dari perhitungan confungsion
Wiseso dan Beasiswa PT BFI Finance matrix, maka data penerimaan beasiswa
Setiawan Indonesia Tbk Menggunakan menggunakan metode profile metching dinyatakan
Metode Profile Matching akurat
3 Dimas Totok 2017 Sistem Pendukung Keputusan Profile Hasil perhitungan metode profile metching pada
Adianto Penerimaan Calon Siswa Baru Matching sistem dan hasil perhitungan manual hasilnya 100%,
Menggunakan Metode Profile sama
Matching
4 Ari Suhartanto 2016 Decision Support System Untuk Metode Metode profile matching yang telah diterapkan
Penilaian Kinerja Guru Dengan Profile memiliki tingkatan akurasi hasil nilai sebesar 95,67%
Metode Profile Matching Matching
5 Boy Diego 2021 Sitem Pendukung Keputusan Profile Tingkat akurasi antara posisi rekomendasi sistem
Lumwartono, Firza Penempatan Posisi Pemain Sepak Matching dengan menggunakan Metode Profile Matching
Prima Aditiawan, Bola Menggunakan Metode Profile sebesar 94,28%
Agung Mustika Matching
Riziki
6 Boni Oktaviana 2021 Analisis Penentuan Kelayakan Metode pengujian menggunakan Metode TOPSIS
Sembiring dan Judul Skripsi Mahasiswa Dengan Profile menghasilkan akurasi sebesar 80%, sedangkan
Yunita Sari Siregar Metode Profile Matching dan Matching dan pengujian data dengan Metode Profile Matching
TOPSIS TOPSIS berdasarkan 5 kriteria yang telah ditentukan
menghasilkan nilai akurasi sebesar 60%

Tabel 1.1 Tabel Perbandingan

5
6
7.1 Hipotesis
Hipotesis dalam penelitian ini :
H0 : sistem pendukung keputusan dengan profile metching akurat jika akurasi sistem ≥
90%.
H1 : sistem pendukung keputusan dengan profile metching tidak akurat jika akurasi
sistem < 90%.

7
 BAB II
LANDASAN TEORI
2.1 Pengertia Sistem
Beberpa penegrtian atau definisi mengenai sistem yang diberikan oleh parah ahli sebagai
bahan perbandingan antara lain sebagai berikut:
a. Sistem adalah satu kesatuan komponen yang saling terhubung dengan batasan yang
jelas bekerja bersama-sama untuk mencapai seperangkat tujuan (O’Brien dan
Marakas 2009).
b. Pengertian sistem menurut Kadir (2003:54) sistem adalah sekumpulan elemen yang
saling terkait atau terpadu yang dimaksudkan untuk mencapai tujuan.
c. Ackof dalam Effendy (1989:51) mengatakan bahwa sistem adalah setiap kesatuan
secara konseptual atau fisik, yeng terdiri bagian-bagian dalam keadaan saling
tergantung satu sama lain.
d. Menurut Jogiyanto (2005) sistem adalah kumpulan dari elemen-elemen yang berinteraksi
untuk mencapai suatu tujuan tertentu.
e. Dalam Kamus Besar Bahasa Indonesia (1995:950) disebutkan bahwa sistem
mempunyai dua pengertian; (a) Seperangkat unsur yang secara teratur saling
berkaitan sehingga membentuk suatu totalitas; dan (b) Susunan yang teratur dari
pandangan, teori, asas, dan sebagainya.
Dari definisi-definisi di atas, terlihat bahwa masing-masing menekan bahwa
sistem merupakan sekumpulan elemen-elemen yang saling berhubungan sehingga
membentuk satu kesatuan yang utuh.

2.2 Sistem Pendukung Keputusan

Sistem pendukung keputusan merupakan (SPK) adalah sistem
informasi berbasis komputer yang menghasilkan berbagai alternatif untuk
membantu menejemen dalam menangani permasalahan yang struktur dan
tidak terstruktur dengan menggunakan model dan data. Keberadaaan sistem
pendukung keputusan pada suatu organisasi atau perusahaan bukan untuk
menggantikan tugas pengambilan keputusan, tetapi sarana yang membantu
dalam proses pengengambilan keputusan. Dengan menggunakan data yang
diolah menjadi menjadi informasi untuk mengambil keputusan dari masalah-
masalah semi terstruktur. Dalam penerapan SPK, hasil keputusan dari sistem
bukan lah hal yang menjadi patokan, pengambilan keputusan tetap berada
pada pengambilan keputusan. Sistem hanya menghasilkan keluaran yang
menghitung data sebagaimana pertimbangan seorang pengambilan keputusan
sehingga kerja pengambil keputusan dalam mempertimbangkan keputusan
dapat dimudahkan (Wibowo, 2011).
8
2.2.1 Model Sistem Pendukung keputusan
Sistem pengambilan adalah merupakan suatu sistem informasi yang diharapkan dapat
membantu menejemen dalam proses pengambilan keputusan. Hal yang perlu ditekankan
adalah bahwa keberadaan sistem pendukung keputusan bukan untuk menggantikan tugas-
tugas manager, tetapi unntuk menjadi sarana penunjang bagi manager (Yakub, 2012).
Terdapat jenis-jenis model (Haryanto, 2018) sebagai berikut:
1. Model Strategis, digunakan oleh menejemen puncak, data yang dibutuhkan sebagian
besar data eksternal dan subyektif, model ini bersifat deterministik dan deskriptif.
2. Model Taktis, diterapkan oleh manajemen menengah untuk membantu dan
mengalokasi dan mengontrol pengelolaan sumber daya organisasi, data yang
dibutuhkan sebagian besar data internal dan beberapa data eksternal serta subyektif,
model ini bersifat deterministik.
3. Model Oprasional, diterapkan untuk mendukung pembuatan keputusan jangka
pendek yang sering dijumpai pada tingkat organisasi bawah, model ini bersifat
deterministik.
4. Block dan Subroutine Bagunan Model, meliputi rangkaian waktu, analisis regresi
dan prosedur sampling Monte Carlo, dapat digunakan secara bersama untuk
mendukung keputusan atau digunakan secara bersama untuk merekontruksi dan
memelihara model yang lebih komprehensif.

2.2.2 Fase-Fase Proses Pengembilan Keputusan

Menurut Hebert A. Simon (1977) (dalam Turban dkk, 2015), pembuatan, keputusan
melibatkan empat fase yaitu:
1. Fase Inteligensi
Fase inteligensi adalah fase dilakukannya identifikasi masalah dan kepemilikan
masalah, pengumpulan data, klarifikasi masalah serta pernyataan masalah.
2. Fase Desain
Fase desain adalah fase dilakukannya formulasi sebuah model, mencari alternatif,
menentukan kriteria, memprediksi serta mengukur hasil akhir.
3. Fase Pilihan
Fase pilihan adalah fase untuk menerapkan model hingga memperoleh
solusi,melakukan analisis sensivitas, pemilihan alternatif terbaik serta rencana
implementasi.
4. Fase Implementasi
Fase implementasi adalah fase pelaksanaan dari keputusan yang diambil.

9
2.2.3 Karakteristik dan Kemampuan Sistem Pendukung Keputusan
Menurut Turban (2005), mempunyai beberapa karakteristik dari sistem pendukung
keputusan, diantaranya adalah sebagai berikut:
1) Mendukung sekuruh kegiatan organisasi.
2) Mendukung beberapa keputusan yang saling berinteraksi.
3) Dapat digunakan berulang kali dan bersifat konstan.
4) Terdapat dua komponen utama yaitu model dan data.
5) Menggunakan baik data internal maupun eksternal
6) Memiliki kemampuan what –if analysis dan goal seeking analysis.
7) Menggunakan beberapa model kuantitatif
Menurut Turban (2005), kemampuan yang harus dimiliki oleh sebuah sebuah sistem
pendukung keputusan, diantaranya adalah sebagai berikut:
1) Menunjang pembuatan keputusan manajemen dalam menangani maslah semi
terstruktur.
2) Mulai dari manajemen tingkat atas sampai manajemen tingkat bawah dan tidak
terstruktur.
3) Membantu menejer pada bebagai tingkat bawah.
4) Menunjang pembuatan keputusan secara kelompok dan perorangan.
5) Menunjang pembuatan keputusan yang saling bergantungan dan berurutan.
6) Menunjang tahap-tahap pembuatan keputusan antara lain design, intelegence,
choice dan implementation.
7) Menunjang bebagai bentuk proses pembuatan keputusan dan jenis keputusan.
8) Kemampuan untuk melakukan adaptasi setiap saat dan bersifat fleksibel.
9) Kemudahan melakukan interaksi sistem.
10) Meningkatkan efektivitas dalam pembuatan keputusan dari pada efisiensi.
11) Mudah dikembangkan oleh pemakai akhir.
12) Kemampuan pemodelan dan analisis dalam pembuatan keputusan.
13) Kemudahan melakukan pengaksesan berbagai sumber dan format data.

2.2.4 Kelebihan dan Kekurangan Sistem Pendukung Keputusan

Dalam penggunaan sisten pendukung keputusan memiliki kelebihan diantaranya
sebagai berikut:
1. Sistem pendukung keputusan keputusan memperluas pengambilan keputusan dalam
memproses atau informasi bagai pemakainya.
2. Sistem pendukung keputusan keputusan membantu pengambilan keputusan dalam
hal penghematan waktu yang dibutuhkan dalam memecahkan maslah terutama
masalah yang sangat kompleks dan tidak terstruktur.
3. Sistem pendukung keputusan keputusan dapat menghasilkan solusi dengan lebih
cepat sert hasilnya dapat diandalkan.

10
 4. Mampu memberikan berbagai alternatif dalam pengambilan keputusan, walaupun
sistem pendukung keputusan tidak mampu memecahkan masalah yang dihadapi oleh
pengambil keputusan, tetapi dapat digunakan sebagai stimulan dalam memahami
persoalan.
5. Memperkuat keyakinan pengambilan keputusan terhadap keputusan yang
diambilnya.
6. Memberikan keuntungan kompetitif bagi organisasi secara keseluruhan dengan
penghematn waktu, tenaga dan biaya.

Walaupun dirancang dengan sangat teliti dan mempertimbangkan keseluruhan faktor

yang ada, sistem pendukung keputusan juga mempunyai kekurangan atau keterbatasan
diantaranya sebagai berikut:
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan
persoalan sebenarnya.
2. Sistem pendukung keputusan keputusan terbatas untuk memberikan alternativ dari
pengetahuan yang diberikan kepadanya (pengetahuan dasar serta model dasar) pada
waktu perancangan program tersebut.
3. Proses yang dalam sistem pendukung keputusan biasanya tergantung juga pada
kemampuan perangkat lunak yang digunakan.
4. Harus selalalu diadakan perubahan secara kontinyu untuk menyesuaikan dengan
keadaan lingkungan yang berubah agar sistem selalu up to date.
5. Harus diingatkan bahwa Sistem pendukung keputusan keputusan dirancang untuk
membantu atau mendukung pengambilan keputusan dengan mengelolah informasi
dan data yang diperlukan dan buku untuk mengambil alih pengambilan keputusan
(Vebry Exa, 2015)

2.2.5 Komponen-Komponen Sistem Pendukung Keputusan

Menurut Turban dkk. (2005), Sistem pendukung keputusan keputusant terdiri dari
empat subsistem yaitu:
1. Subsistem manejemen data. Subsistem manajemen data memasukan suatu basis data
yang berisi data relevan untuk situasi dan dikelola oleh sistem manajemen basis data
(Database Management Systems (DBMS)). Subsistem manajemen data terdiri dari
elemen-elemen sebagai berikut:
a. Basis data, adalah kumpulan data yang saling berkaitan yang diorganisasi
untuk memenuhi kebutuhan sebuah organisasi dan dapat lebih dari satu
orang untuk lebih dari satu aplikasi.
b. Sistem manajemen basis data, pada DBMS ini, basis data dapat dibuat,
diakses dan diperbarui. Kebanyakan Sistem pendukung keputusan keputusan
dibuat dengan sebuah DBMS rasional komersial standar yang memberikan
berbagai kapasitas.
11
 c. Direktori data, merupakan sebuah katlog dari sumua data dalam basis data.
Direktori berisi definisi data dan fungsi untamnya untuk menjawab
pertanyaan mengenai ketersedian item-item sumbernya dan makna eksak dari
data.
d. Query facality, bertugas untuk menerima permintaan untuk data dari
komponen Sistem pendukung keputusan keputusan lain, menentukan
bagaimana permintaan dapat dipenuhi, memformulasikan permintaan dengan
detail dan mengembalikan hasilnya kepada pemberi permintaan, karna itu
tugas query facality tersebut memperlakukan akses, manipulasi dan qury data
dalam membangun data dan menggunakan sistem pendukung keputusan
keputusan.
2. Subsistem manajemen modal. Paket perangkat lunak yang memasukan modal
keuangan, statistik, ilmu manajemen atu data kuantitatif yang memberikan kapasitas
analitik dan manajemen perangkat lunak yang tepat.
3. Subsistem antarmuka pengguna. Subsistem ini pengguna berkomunikasi dengan
memerintahkan sistem pendukung keputusan keputusan. Pengguna adalah yang
dipertimbangkan dari sistem. Para peneliti menegaskan bahwa beberapa kontribusi
unik dari sistem pendukung keputusan keputusan berasal dari interaksi yang itensif
antara komputer dan pembuat keputusan.
4. Subsistem manajemen berbasis-pengetahuan. Subsistem ini dapat mendukung semua
subsistem lain atau bertindak sebagai komponen independen. Subsistem ini juga
memberikan inteligensi untuk memperbesar pengetahuan dalam pengambil
keputusan.

2.3 Profile Matching

Menurut Kusrini (2007) metode profile matching atau pencocokan profile adalah
metode yang sering digunakan sebagai mekanisme dalam pengambilan keputusan
dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang
harus dipenuhi oleh subjek yang diteliti, bukannya tingkat minimal yang harus
dipenuhi atau dilewati.
Profile matching secara garis besar merupakan proses membandingkan antara nilai
aktual dari suatu profile yang akan dinilai dengan nilai profil yang diharapkan,
sehingga dapat diketahui hasil dari selisih kebutuhan kompetensi yang dibutukan,
selisih dari kompetensi tersebut disebut gap, dimana gap yang semakin kecil memiliki
nilai yang semakin tinggi yang artinya peluang diterima semakin besar.

12
 Berikut adalah beberapa tahapan dan perumusan perhitungan dengan metode
Profile Matching:
1) Menentukan variabel data yang dibutuhkan
2) Menentukan aspek-aspek yang digunakan untuk penilaian.
3) Pemetaan Gap profil.

Gap = Profil target - Profil data tes (2.1)

Ada beberapa hal yang diketahui tantang analisis GAP, salah satu diantaranya
adalah tabel bobot nilai GAP. Analisis GAP disini berasal dari konsep skala
perioritas, karena di dalam pembuatan bobot dengan range 0-5 berdasarkan prioritas
setiap kriteria. Berikut ini adalah table bobot nilai GAP.

13
 Tabel 2.1. table bobot nilai GAP
No Selisih Bobot Nilai Keterangan
(1) (2) (3) (4)
1 0 6 Tidak ada selisih, kompetensi sesuai dengan yang
dibutuhkan
2 1 5,5 Kompetensi individu kelebihan 1 tingkat /level
3 -1 5 Kompetensi individu kekurangan 1 tingkat /level
4 2 4,5 Kompetensi individu kelebihan 2 tingkat /level
5 -2 4 Kompetensi individu kekurangan 2 tingkat /level
6 3 3,5 Kompetensi individu kelebihan 3 tingkat /level
7 -3 3 Kompetensi individu kekurangan 3 tingkat /level
8 4 2,5 Kompetensi individu kelebihan 3 tingkat /level
9 -4 2 Kompetensi individu kekurangan 3 tingkat /level
10 5 1,5 Kompetensi individu kelebihan 4 tingkat /level
11 -5 1 Kompetensi individu kekurangan 4 tingkat /level
(Sumber : Nofriansyah dkk,2007)

4) Pembobotan
Pada tahap ini, akan ditentukan bobot nilai masing-masing kriteria dengan
menggunakan bobot nilai yang telah ditentukan bagi masing-masing kriteria.
5) Pengelompokan Core Factor dan Secondary Factor
Setelah menentuhkan bobot nilai gap kreteria, kemudian tiap kriteria
dikelompokkan menjadi dua yaitu core factor dan secondary factor.

a. Core Factor (Faktor Utama)

Core factor merupakan aspek yang menonjol atau paling dibutuhkan. Untuk
menghitung core factor digunakan rumus (Krusrini, 2007).

NC
NCF=
IC
(2.2)
Keterangan.

NCF = Nilai rata-rata core factor NC = Jumlah

total core factor IC= Jumlah item core factor

14
 b. Secondary Factor(Faktor Pendukung)
Secondary factor adalah item-item selain aspek yang ada pada core factor.
Untuk menghitung secondary factor digunakan rumus (Kusrini, 2007).

𝜮𝑵𝑺 (2.3)
𝑵𝑺𝑭 =
𝜮𝑰𝑺

Keterangan.

NSF = Nilai rata-rata secondary factor

NS = Jumlah total nilai secondary factor
IS = Jumlah item secondary factor

6) Perhitungan Nilai Total

Dari perhitungan core factor dan secondary factor dari tiap-tiap aspek kemudian
dihitung nilai total tiap-tiap aspek. Untuk menghitung nilai total dari masing-
masing aspek, digunakan rumus (Kusrini, 2007).

𝑵 = (𝑿)%𝑵𝑪𝑭 + (𝑿)%𝑵𝑺𝑭
(2.4)

Keterangan.

N = Nilai total kriteria

NCF = Nilai total core factor

NSF = Nilai total secondary factor

(X) % = Nilai persentase yang diinputkan

15
7) Perankingan
Hasil akhir dari proses profile matching adalah ranking. Penentuan mengacu
ranking pada hasil perhitungan yang ditunjukkan oleh rumus (Kusrini, 2007).

(2.5)
Rangking = (X) % N1 + (X)% Nn

Keterangan.

(X)% = Nilai persen yang diinputkan

N = Nilai total kriteria

2.4

2.5

16