Abstrak
Penilaian kinerja unit perusahaan bertujuan untuk memudahkan dalam melakukan evaluasi terhadap
kinerja setiap unit. Kinerja yang buruk akan berdampak pada kualitas perusahaan, sehingga harus segera
diperbaiki dan ditingkatkan. Namun penilaian kinerja unit perusahaan di PJT 1 Malang dirasa kurang
efisien dikarenakan tidak adanya sistem untuk mengolah data penilaian kinerja KPI Unit. Hal ini
berdampak pada banyaknya tenaga dan waktu yang dibutuhkan dalam penilaian kinerja unit perusahaan.
Untuk mengatasi masalah tersebut dibutuhkan suatu sistem komputer berupa sistem pendukung
keputusan kelompok (SPKK) untuk membantu dalam penilaian kinerja unit perusahaan. Salah satu
metode Multi Criteria Decision Making yaitu PROMETHEE II digunakan untuk pengambilan
keputusan setiap decision maker (DM). Sedangkan metode voting yang digunakan adalah Borda.
Penelitian ini menggunakan 72 data alternatif dan lima kriteria penilaian. Berdasarkan hasil analisis
pengujian bobot, akurasi terbaik diperoleh pada percobaan ke-3, ke-4 dan ke-5 pada tingkat kepentingan
bobot keempat sebesar 83,3333% dengan menggunakan range 1. Sedangkan berdasarkan hasil analisis
pengujian jumlah data diperoleh akurasi tertinggi sebesar 86,1111% pada saat menggunakan data uji
sebanyak 36 data.
Kata kunci: SPKK, MCDM, penilaian kinerja, PROMETHEE II, Borda
Abstract
Assessment of unit performance of the company aims to facilitate in evaluating the performance of each
unit. Poor performance will have an impact on the quality of the company, so it needs to be improved
and upgraded. However, the assessment of company unit performance in PJT 1 Malang is less efficient
due to the absence of a system to process KPI Unit assessment data. This has an impact on the amount
of manpower and required time in the assessment of the company’s unit performance. To overcome
these problems, it requires a computer system in the form of group decision support system (SPKK) to
assist in the assessment of the company’s unit performance. One method of Multi Criteria Decision
Making is PROMETHEE II, used for decision making in every decision maker (DM). While Borda is
used for the voting method. This study uses 72 alternative data and five assessment criteria. Based on
the results of the weight test analysis, the best accuracy was obtained in the 3rd, 4th, and 5th experiments
at the level of importance of the fourth weight with value of 83.3333% using the first range. And the
highest accuracy based on the results of the amount of data test analysis obtained of 86, 1111% when
using 36 data test.
Keywords: GDSS, MCDM, performance assessment, PROMETHEE II, Borda
d 1
0
Gambar 1. Preferensi biasa
b. Kriteria Quasi (U-shape criterion) d
0 p
Persamaan preferensi tipe kriteria quasi
atau U-shape ditunjukkan pada Persamaan (4). Gambar 3. Preferensi linier atau V-shape
0 jika 𝑑 ≤ 𝑞 Pada tipe ini terdapat dua jenis threshold
𝐻(𝑑) { (4)
1 jika 𝑑 > 𝑝 yaitu threshold Indifference (q) dan threshold
Dimana: preference (p).
H(d) = fungsi selisih kriteria antar alternatif d. Kriteria Level
d = selisih nilai kriteria {d = g(a)−g(b)}
q Fungsi preferensi level criterion digunakan
= nilai kecenderungan penolakan
apabila kriteria kualitatif menggunakan skala
(indifference) harus tetap
lebih dari lima tingkat (Giurca, et al., 2014).
Jika para decision maker (DM) ingin Persamaan preferensi tipe kriteria level
menggunakan quasi criterion, maka para DM ditunjukkan pada Persamaan (6).
hanya perlu menentukan nilai q (Brans, et al.,
0 𝑗𝑖𝑘𝑎 𝑑 ≤ 𝑞
1986). Grafik fungsi untuk kriteria quasi
𝐻(𝑑) = {0,5 𝑗𝑖𝑘𝑎 𝑞 < 𝑑 ≤ 𝑝 (6)
ditunjukkan pada Gambar 2.
1 𝑗𝑖𝑘𝑎 𝑑 > 𝑝
H(d) Dimana:
1 H(d) = fungsi selisih kriteria antar alternatif
d = selisih nilai kriteria {d = g(a)−g(b)}
q = nilai kecenderungan penolakan
(indifference) harus tetap
d p = nilai kecenderungan penerimaan
-q 0 q
(preference)
Gambar 2. Preferensi quasi atau U-shape Dalam hal ini, nilai threshold indifference
(q) dan nilai threshold indifference (p) secara
c. Kriteria linier (V-shape criterion)
bersamaan didefinisikan. Jika d terletak di antara
Fungsi preferensi linear criterion (V-shape) q dan p, maka terjadi situasi preferensi yang
umumnya digunakan dalam masalah kriteria lemah (H(d) = 1/2) (Brans, et al., 1986). Grafik
kuantitatif (Giurca, et al., 2014). Persamaan fungsi untuk kriteria level ditunjukkan pada
preferensi tipe kriteria linier atau V-shape Gambar 4.
ditunjukkan pada Persamaan (5).
Selesai
A
AKURASI (%)
Gambar 12. 80
100 70
90 60
AKURASI (%)
80
50
70 R1 R2 R3 R4 R5
60 RANGE
50 w1 w2 w3 w4 w5
40
R1 R2 R3 R4 R5
Gambar 14. Rata-rata akurasi tingkat kepentingan 5
RANGE 3.1.1.3. Pengujian Bobot 3
w1 w2 w3 w4 w5
Pada pengujian ini menggunakan tingkat
Gambar 12. Rata-rata akurasi tingkat kepentingan 3
kepentingan bobot pada masing-masing DM
yaitu C1 > C3 > C2 ≥ C4 > C5 untuk DM1, dan
3.1.1.2. Pengujian Bobot 2 tingkat kepentingan bobot pada DM2 adalah C1
Pada pengujian bobot 2 dibagi menjadi dua > C3 > C2 dan C4 = C5. Grafik pengujian bobot
tingkat kepentingan yaitu: pada tingkat kepentingan 6 ditunjukkan pada
a. Tingkat kepentingan 4 Gambar 15.
Pada pengujian ini menggunakan tingkat 100
kepentingan bobot pada masing-masing DM 90
yaitu C3 > C1 > C2 > C4 dan C4 = C5 untuk
AKURASI (%)
80
DM1, dan tingkat kepentingan bobot pada DM2
adalah C1 > C3 > C2 > C4 dan C4 = C5. Grafik 70
pengujian bobot pada tingkat kepentingan 4 60
ditunjukkan pada Gambar 13.
50
100 R1 R2 R3 R4 R5
90 RANGE
w1 w2 w3 w4 w5
AKURASI (%)
80
70 Gambar 15. Rata-rata akurasi tingkat kepentingan 6
60
Berdasarkan pengujian bobot pada tingkat
50 kepentingan ke-1 sampai ke-6 yang telah
40 dilakukan pada skenario pertama, dapat
R1 R2 R3 R4 R5
disimpulkan bahwa akurasi tertinggi dicapai
RANGE pada range 1. Semakin tinggi range yang
w1 w2 w3 w4 w5 digunakan maka akurasi yang didapat semakin
menurun. Akurasi terbaik yang diperoleh yaitu
Gambar 13. Rata-rata akurasi tingkat kepentingan 4 sebesar 83,3333% pada tingkat kepentingan 4.
b. Tingkat kepentingan 5 3.1.2. Skenario Uji Coba 2
Pada pengujian ini menggunakan tingkat Uji coba skenario kedua dilakukan dengan
kepentingan bobot pada masing-masing DM mengkombinasikan bobot DJA yang telah
yaitu C3 > C1 > C2 > C5 > C4 untuk DM1, dan ditetapkan pada setiap unit perusahaan.
tingkat kepentingan bobot pada DM2 adalah C1 Sehingga terdapat enam kombinasi bobot untuk
> C3 > C2 ≥ C4 > C5. Grafik pengujian bobot penentuan bobot pada DM1 dan DM2.
pada tingkat kepentingan 5 ditunjukkan pada a. DJA I dan DJA II-IV
Gambar 14. b. DJA I dan DJA V
c. DJA I dan DJA VI
d. DJA II-IV dan DJA V
e. DJA II-IV dan DJA VI
90 4. KESIMPULAN
AKURASI (%)