Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020

Vol. 2, (2020), pp. 138-146

Implementasi Metode Topsis Untuk Pemilihan Karyawan Terbaik

Nezard Dafian Nugraha, Arief Wibowo
Program Studi Teknik Informatika,
Universitas Budi Luhur
1611500420@student.budiluhur.ac.id, arief.wibowo@budiluhur.ac.id

Abstract
Kemajuan teknologi informasi dan komunikasi terus berkembang. Perkembangan akan
selalu hadir untuk memudahkan manusia dalam berbagai pekerjaan dan kegiatan sehari-
hari. Tidak terkecuali dalam hal pengambilan keputusan. Pengambilan keputusan
bukanlah hal yang sulit namun selalu ada tanggung jawab yang besar dalam sebuah
keputusan. Sistem pendukung keputusan pemilihan karyawan terbaik ini diharapkan
dapat membantu suatu perusahaan dalam proses pemilihan karyawan terbaik dalam
setiap keputusan yang diambil. Proses ini dilakukan dengan berbagai tujuan, yaitu
meningkatkan semangat kerja karyawan dalam perkerjaan-nya agar terus termotivasi
untuk maju. agar setiap karyawan terus berlomba untuk menjadi karyawan terbaik
diperusahaan.

Keywords: Sistem Pendukung Keputusan, metode topsis (Technique For Order

Preference By Similiarity To Ideal Solution), Pemilihan Karyawan Terbaik.

1. Pendahuluan
Kualitas karyawan pada sebagian besar perusahaan merupakan suatu permasalahan
yang sangat penting. Dengan adanya karyawan - karyawan yang berkualitas membuat
suatu perusahaan dapat berdiri dengan kokoh, tumbuh dan berkembang dengan pesat serta
kompetitif. Kinerja karyawan cukup berpengaruh dalam usaha pengembangan perusahaan
dan secara tidak langsung juga mempengaruhi kesejahteraan karyawan. Untuk memacu
kinerja karyawan, maka suatu perusahaan melakukan pemilihan karyawan berprestasi
setiap periodenya dengan memberikan bonus atau kenaikan gaji pada setiap karyawan
yang telah terpilih. Salah satu metode yang digunakan dalam pengambilan keputusan
karyawan terbaik ini adalah TOPSIS (Technique for Order Preference by Similarity
to Ideal Solution). Dalam hal ini di karenakan metode TOPSIS mampu melakukan
perangkingan terhadap alternatif terpilih. Menurut Nofriansyah (2014:54) Metode
TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) dapat
digunakan sebagai cara untuk menyelesaikan permasalahan multi criteria decision
making (MCDM). Selain itu metode TOPSIS mempunyai konsep yang sederhana
dan mudah dipahami, komputasinya efisien dan mempunyai kemampuan untuk
mengukur kinerja relatif dari alternatif-alternatif keputusan.
Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)
sering dipakai dalam pembuatan sistem pendukung keputusan. Metode Technique for
Order Preference by Similarity to Ideal Solution (TOPSIS) merupakan suatu bentuk
metode pendukung keputusan yang di dasarkan pada konsep bahwa alternatif yang terbaik
tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak
terpanjang dari solusi ideal negatif yang dalam hal ini akan memberikan rekomendasi
kepala departemen yang sesuai dengan yang diharapkan. Kelebihan dari metode ini adalah
memiliki konsep yang sederhana, mudah dipahami, dan komputasinya sederhana serta
mampu mengambil solusi paling ideal [1]. Penelitian dilakukan untuk membangun model
penilaian karyawan menggunakan metode TOPSIS yang diharapkan memiliki hasil yang
akurat dan dapat dipertanggung jawabkan serta dapat diimplementasikan dalam bentuk
aplikasi pemilihan karyawan terbaik.

ISSN: 2686-0260
Copyright ⓒ SENARIS 2020
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

2. Landasan Teori
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah
sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun
kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak
terstruktur [2]. Sistem ini digunakan untuk membantu pengambilan keputusan dalam
situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu
secara pasti bagaimana keputusan seharusnya dibuat. Setiap orang sering dihadapkan pada
suatu keadaan dimana orang tersebut harus memutuskan untuk memilih satu dari beberapa
pilihan yang ada. Suatu masalah dalam kehidupan dapat diselesaikan dengan berbagai
cara yang mungkin saja memberikan pemecahan masalah secara langsung atau
memberikan beberapa alternatif solusi untuk pemecahan masalah [3]. Sistem pendukung
keputusan adalah sistem informasi berbasis komputer yang interaktif, dengan cara
mengolah data dengan berbagai model untuk memecahkan masalah-masalah yang tidak
terstruktur sehingga dapat memberikan informasi yang bisa digunakan oleh para
pengambil keputusan dalam membuat sebuah keputusan [4]. Konsep sistem pendukung
keputusan (SPK)/ Decision Support System (DSS) adalah suatu sistem berbasis komputer
yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan
model tertentu untuk memecahkan berbagai pesoalan yang bersifat semi terstruktur [5].
Peneliti lain menyatakan bahwa Sistem Penunjang Keputusan adalah suatu sistem
yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dalam
memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang
bersifat semi terstruktur [6]. Dengan berbagai karakter khusus, SPK dapat memberikan
berbagai manfaat atau keuntungan bagi pemakai, seperti dapat menunjang pembuatan
keputusan manajemen dalam menangani masalah semi terstruktur dan tidak terstruktur,
bahkan Sistem pendukung keputusan dapat melakukan adaptasi setiap saat yang bersifat
fleksibel [7].

Langkah Penerapan TOPSIS

Membuat matriks normalisasi
Persamaan yang digunakan untuk mentransformasikan setiap elemen xij adalah:
, (i = 1,2, ... ,n; j=1,2, … ,m) (1)
√∑

Menentukan matriks keputusan yang terbobot (y)

y=[ ] untuk yij (2)

Menentukan matriks solusi ideal positif dan negative

A+ = (y1 + y2 + …. ,+ yj+)
A- = (y1 – y2 + …. , + yj-)
Dengan

Yj+ = {

(3)

Yj-- = {

139
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Menentukan jarak solusi ideal positif dan negative

di+ = √∑ ( )2 (4)
keterangan :
yi+ = adalah elemen dari matriks solusi ideal positif (+)

di- = √∑ ( )2 (5)
keterangan :
Adalah elemen dari matriks solusi ideal negative (-)

3. Metodologi Penelitian
Langkah-langkah yang dilakukan dalam penelitian ini terlihat pada Gambar 1.

Pengumpulan Analisa Dan

Identifikasi Masalah
Data Perancangan Sistem

Pengujian Sistem Pembuatan Sistem

Gambar 1. Langkah – Langkah Penelitian

Terlihat pada Gambar 1, tahap penelitian dimulai dari identifikasi masalah. Pada
tahapan ini dilakukan identifikasi masalah yang ada pada objek penelitian, identifikasi
masalah dilakukan observasi secara langsung ke lapangan oleh kepala , prosesnya sendiri
dilakukan melalui wawancara dengan puskesmas desa terkait.
Tahap kedua adalah Pengumpulan data. Proses pengumpulan data dilakukan di
perusahaan yang dituju dan berupa form penilaian. Tahap berikutnya adalah Analisa dan
perancangan sistem. Dalam tahapan ini peneliti mencoba menganalisa dan merancang
sistem yang akan digunakan untuk menentukan karyawan terbaik.
Tahap berikutnya adalah pembuatan sistem.Pada tahap ini adalah proses pembuatan
sistem yang mengacu dari hasil analisa dan perancangan sistem, serta perhitungan
TOPSIS akan di impelementasikan kedalam sistem, untuk pembuatan sistem
menggunakan bahasa pemrograman php dan database MySQL.
Tahap akhir adalah pengujian sistem. Pengujian sistem adalah elemen kritis dari jaminan
kualitas perangkat lunak dan mempresentasikan kajian pokok dari spesifikasi, desain, dan
pengkodean [8]. Tujuan dari pengujian ini adalah diharapkan dengan minimal tenaga dan
waktu untuk menemukan berbagai potensi kesalahan dan cacat.Harus didasarkan pada
kebutuhan berbagai tahap pengembangan, desain dan dokumen lain atau program yang
dirancang untuk menguji struktur internal, dan menggunakan contoh-contoh ini untuk
menjalankan program untuk mendeteksi kesalahan.

4. Hasil dan Pembahasan

Penelitian ini dilakukan di salah satu perusahaan distributor elektronik di Jakarta
dengan jumlah karyawan 10 orang, dalam penelitian ini menggunakan 5 kriteria yang
telah ditetapkan oleh perusahaan sebagaimana terlihat pada Tabel 1.

140
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Tabel 1. Kriteria
Kode Nama Kriteria
KR1 Kejujuran
KR2 Loyalitas
KR3 Kedisiplinan
KR4 Komitmen
KR5 Kerjasama

Pada Tabel 1 terlihat data kriteria sebagai dasar penilaian untuk alternatif. Status
kriteria bisa berupa cost atau benefit. Benefit berarti semakin besar nilai bobotnya
semakin bagus, sedangkan jika cost semakin kecil nilai bobotnya semakin bagus. Bobot
kriteria terlihat pada Tabel 2.

Tabel 2. Presentase Bobot Kriteria

Kode Kriteria Nama Kriteria Bobot Status
KR1 Kejujuran 5 Benefit
KR2 Loyalitas 4 Benefit
KR3 Kedisiplinan 3 Benefit
KR4 Komitmen 2 Benefit
KR5 Kerjasama 1 Benefit

Untuk nilai target kriteria menggunakan Skala Likert yaitu nilainya dari satu
sampai 5 (lima), dimana range nilai kriteria ini akan digunakan untuk tabel nilai alternatif
(Arief Novianto, 2019), sebagaimana terlihat pada Tabel 3.

Tabel 3. Range Nilai

No Range Nilai Kriteria Nilai Target
1 <60 1
2 61 - 74 2
3 75 - 80 3
4 81 - 89 4
5 90 - 100 5

Dari Tabel 3 terlihat ada lima nilai targer diantaranya <60 dengan nilai target 1,
kemudian 61 – 74 dengan nilai target 2, dan 75 – 80 dengan nilai target 3. Untuk nilai 81
– 89 memiliki nilai target 4 dan nilai kriteria 90 – 100 memiliki nilai target 5. Data Nilai
Karyawan merupakan data sebelum dilakukan normalisasi. Adapun data nilai karyawan
terlihat pada Tabel 4.

Tabel 4. Data Nilai Karyawan

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
1. Aditya Bagus 80 80 85 85 80
Suwito
2. Aditya Fahrozi 80 75 85 85 80
3.. Agung Putro 80 80 80 85 80
4. Aap paijo 81 80 85 90 85
5. Cindy pracelia 82 80 90 88 85
6. Eveline Putri 80 80 85 82 85
Saswita
7. Dzaki Justin 80 80 85 83 81
8. Fahri Ramadhan 80 75 94 86 82
9. Mabrur Khalid 78 70 85 90 83

141
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
10. Mevia Putri 80 80 94 90 88

Pada tahap selanjutnya memproses Data Nilai Karyawan Sesuai Range Nilai. Tahap
ini merupakan pemrosesan data karyawan yang sudah di ubah dari puluhan ke data nilai
range yang diatas, seperti terlihat pada Tabel 5.

Tabel 5. Nilai Karyawan Sesuai Range Nilai

Kriteria
No Nama Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasa
ma
1. Aditya Bagus 3 3 4 4 3
Suwito
2. Aditya Fahrozi 3 3 4 4 3
3.. Agung Putro 3 3 3 4 3
4. Aap paijo 4 3 4 5 4
5. Cindy pracelia 4 3 5 4 4
6. Eveline Putri 3 3 4 4 4
Saswita
7. Dzaki Justin 3 3 4 4 4
8. Fahri 3 3 5 4 4
Ramadhan
9. Mabrur Khalid 3 2 4 5 4
10. Mevia Putri 3 3 5 5 4
Jumlah 104 85 180 187 139

Pada tahap berikutnya, yaitu menghitung normalisasi kuadrat dari Tabel 5, ilustrasi
perhitungannya adalah sebagai contoh untuk nilai kejujuran sebesar 3, maka jika
dikuadratkan menjadi 32 = 9, hasil normalisasi kuadrat terlihat pada Tabel 6.

Tabel 6. Nilai Normalisasi Kuadrat

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
1. Aditya 9 9 16 16 9
Bagus
Suwito
2. Aditya 9 9 16 16 9
Fahrozi
3.. Agung 9 9 9 16 9
Putro
4. Aap paijo 16 9 16 25 16
5. Cindy 16 9 25 16 16
pracelia
6. Eveline 9 9 16 16 16
Putri
Saswita
7. Dzaki 9 9 16 16 16
Justin
8. Fahri 9 9 25 16 16
Ramadha
n
9. Mabrur 9 4 16 25 16
Khalid
10. Mevia 9 9 25 25 16

142
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
Putri
Jumlah 104 85 180 187 139

Pada tahap berikutnya, dilakukan penjumlahan pada kolom data nilai normalisasi
kuadrat misalnya untuk faktor nilai kejujuran yaitu 9+9+9+16+16+9+9+9+9+9 sehingga
didapatkan jumlah sebesar 104, selanjutnya total dari kolom kejujuran tersebut di akarkan
menjadi √104=10.198039 , dengan demikian maka hasil normalisasi akhir diperoleh
dengan membagi nilai kriteria dengan akar dari normalisasi kuadrat, yaitu 3/10.198039 =
0.2942. Hasil normalisasi akhir terlihat pada Tabel 7.

Tabel 7. Hasil Normalisasi

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
1. Aditya 0.2942 0.3254 0.2981 0.2925 0.2545
Bagus
Suwito
2. Aditya 0.2942 0.3254 0.2981 0.2925 0.2545
Fahrozi
3.. Agung 0.2942 0.3254 0.2236 0.2925 0.2545
Putro
4. Aap 0.3922 0.3254 0.2981 0.3656 0.3393
paijo
5. Cindy 0.3922 0.3254 0.3727 0.2925 0.3393
pracelia
6. Eveline 0.2942 0.3254 0.2981 0.2925 0.3393
Putri
Saswita
7. Dzaki 0.2942 0.3254 0.2981 0.2925 0.3393
Justin
8. Fahri 0.2942 0.3254 0.3727 0.2925 0.3393
Ramadh
an
9. Mabrur 0.2942 0.2169 0.2981 0.3656 0.3393
Khalid
10 Mevia 0.2942 0.3254 0.3727 0.3656 0.3393
. Putri

Pada tahap berikutnya, yaitu nilai kejujuran yang sudah didapatkan sebelumnya
dihitung untuk menjadi nilai normalisasi terbobot, sebagai contoh yaitu nilai bobot
kejujuran 5 dan nilai normalisasi kejujuran 0.2942, maka hasil perhitungan menjadi
0.2942 x 5 = 1.471. Hasil lengkap normasliasi terbobot terlihat pada Tabel 8.

Tabel 8. Hasil Normalisasi Terbobot

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
1. Aditya 1.471 1.3016 0.8943 0.585 0.2545
Bagus
Suwito
2. Aditya 1.471 1.3016 0.8943 0.585 0.2545
Fahrozi
3.. Agung 1.471 1.3016 0.6708 0.585 0.2545
Putro
4. Aap 1.961 1.3016 0.8943 0.7312 0.3393

143
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Kriteria
No Nama
Kejujuran Loyalitas Kedisiplinan Komitmen Kerjasama
paijo
5. Cindy 1.961 1.3016 1.1181 0.585 0.3393
pracelia
6. Eveline 1.471 1.3016 0.8943 0.585 0.3393
Putri
Saswita
7. Dzaki 1.471 1.3016 0.8943 0.585 0.3393
Justin
8. Fahri 1.471 1.3016 1.1181 0.585 0.3393
Ramadh
an
9. Mabrur 1.471 0.8676 0.8943 0.7312 0.3393
Khalid
10. Mevia 1.471 1.3016 1.1181 0.7312 0.3393
Putri

Tahap akhir dari penelitian ini adalah implementasi sistem perhitungan dan penentuan
karyawan terbaik ke dalam aplikasi program. Hasil tampilan layar awal program berupa
login terlihat pada Gamar 2.

Gambar 2. Tampilan Login

Gambar 3 menunjukkan tampilan dashboard sekaligus beberapa fitur yang tersedia

diantaranya ada data master, hitung nilai dan laporan.

Gambar 3. Tampilan Dashboard

Gambar 4 menunjukkan tampilan perhitungan nilai dengan metode TOPSIS untuk

menentukan karyawan terbaik.

144
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

Gambar 4. Hasil Penghitungan dengan Metode TOPSIS

Gambar 5 menunjukkan hasil penghitungan dengan metode topsis dalam bentuk

matriks normalisasi dan normalisasi terbobot.

Gambar 5. Hasil Penghitungan Dengan Metode TOPSIS

Gambar 6 menunjukkan output dari hasil proses penghitungan berupa keputusan.

Gambar 6. Hasil Keputusan

Dari seluruh fitur-fitur yang dikembangkan, seluruh fungsi yang tersedia pada program
aplikasi penentuan karyawan terbaik telah bisa dijalankan dengan baik. Hasil perhitungan

145
 Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020
Vol. 2, (2020), pp. 138-146

yang diberikan adalah akurat, setelah dibandingkan dengan metode perhitungan secara
manual.

5. Kesimpulan
Berdasarkan hasil penelitian diatas dapat ditarik kesimpulan bahwa dengan penerapan
metode TOPSIS berhasil mendapatkan keputusan tentang karyawan terbaik. Pada contoh
pengujian yang dilakukan, diperoleh kandidat karyawan terbaik dari alternatif ke-5 atas
nama Cindy Pracelia.dengan nilai 0.8450. Hasil perhitungan sistem telah divalidasi
dengan perhitungan manual didapatkan hasil yang sama, dan dapat dikatakan bahwa
sistem yang telah menerapkan metode TOPSIS untuk menentukan karyawan terbaik telah
berjalan dengan baik dan sesuai.

Daftar Pustaka
[1] F. Riandari, P. M. Hasugian, dan I. Taufik, “Sistem Pendukung Keputusan Menggunakan Metode
TOPSIS Dalam Memilih Kepala Departemen Pada Kantor Balai Wilayah Sungai Sumatera II
Medan,” Journal Of Informatic Pelita Nusantara, vol. Vol. 2, no. 1, hal. 6–13, 2017.
[2] H. T. Sigit dan D. A. Permana, “Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik
Menggunakan Simple Additive Weighting,” Jurnal Sistem Informasi, vol. 4, no. 1, hal. 1–17, 2017.
[3] D. Gustina dan D. Mutiara, “Sistem Penunjang Keputusan Pemilihan Router Mikrotik Dengan
Menggunakan Metode AHP (Analitycal Hierarchy Process),” Jurnal Ilmiah FIFO, vol. 9, no. 1, hal.
68, 2017.
[4] A. A. Chamid, “Penerapan Metode Topsis Untuk Menentukan Prioritas Kondisi Rumah,” Simetris :
Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 7, no. 2, hal. 537, 2016.
[5] A. Munthafa dan H. Mubarok, “Penerapan Metode Analytical Hierarchy Process Dalam Sistem
Pendukung Keputusan Penentuan Mahasiswa Berprestasi,” Jurnal Siliwangi, vol. 3, no. 2, hal. 192–
201, 2017.
[6] Salmon, “Penerapan Metode Analytical Hierarcy Process ( Ahp ) Pada Pemilihan Staf Laboratorium
Komputer Stmik Widya Cipta,” Sistem Informasi, hal. 22–29, 2011.
[7] Basri, “Metode Weightd Product (Wp) Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa
Prestasi,” Jurnal INSYPRO (Information System and Processing), vol. 2, no. 1, hal. 1–6, 2017.
[8] R. Ishak, “Sistem Pendukung Keputusan Pemilihan Penyuluh Lapangan Keluarga Berencana Teladan
Dengan Metode Weighted Product,” Jurnal Ilmiah Ilkom, vol. 8, no. Desember, hal. 160–166, 2016.

146