819
Yusuf pascal Ramadhan, Rasiban
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK
MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING PADA
WAREHOUSE
Yusuf pascal Ramadhan
1
, Rasiban
2
STIKOM Cipta Karya Informatika, Jakarta
Email : pascalyusuf0@gmail.com, rasiban.stikom@yahoo.com
Abstrak
PT. Global Jet Commerce merupakan salah satu perusahaan dibidang E-Commerce yang mempunyai
karyawan kurang lebih 500 orang. Jet Commerce sendiri memiliki permasalah dalam menentukan
karyawan terbaik yang akan diberikan bonus yang biasanya diberikan setiap 1 tahun sekali. Penentuan
karyawan terbaik di Jet Commerce selama ini masih dilakukan dengan prosedur baku yang berarti kurang
efisien, cepat dan akurat seperti salah satunya penilaian masih dilakukan secara manual serta indikator
penilaian yang masih berdasarkan faktor kedekatan. Selama ini proses seleksi karyawan terbaik dilakukan
pemilihan dari kriteria yang sudah ditentukan hasil pemilihan tersebut dibandingkan dengan karyawan
yang satu dengan lainnya untuk menentukan karyawan terbaik. Akibat semakin banyak karyawan, maka
semakin lama proses seleksi karyawan dalam hal membandingkan nilai kriteria karyawan. Dalam hal ini
model yang digunakan untuk membangun sebuah sistem penunjang keputusan adalah Simple Additive
Weighting. Metode SAW digunakan karena metode ini memiliki keunggulan diantaranya mudah di
mengerti, lebih fleksibel, dapat memecahkan persoalan yang kompleks dan melakukan pembelajaran
berdasarkan pengetahuan dan pengalaman manusia dalam memecahkan suatu masalah.metode penelitian
yang digunakan dalam penelitian in adalah metode simple additive weighting (SAW).
Keywords: Sistem Pendukung Keputusan, Penilaian kinerja karyawan, Simple Additive Weighting
(SAW)
Abstract
Pt. Global Jet Commerce is one of the companies in the field of E-Commerce that has approximately 500
employees. Jet Commerce itself has problems in determining the best employees who will be given bonuses
which are usually given once every 1 year. The determination of the best employee at Jet Commerce so
far is still carried out with standard procedures which means it is less efficient, fast and accurate, one of
which is that the assessment is still carried out manually and the assessment indicators are still based on
proximity factors. So far, the selection process for the best employees has been selected from the criteria
that have been determined by the results of the selection compared to one employee to another to
determine the best employee. As a result of the more employees, the longer the employee selection process
in terms of comparing the value of employee criteria. In this case, the model used to build a decision
support system is Simple Additive Weighting. The SAW method is used because this method has
advantages including being easy to understand, more flexible, being able to solve complex problems and
conducting learning based on human knowledge and experience in solving a problem.the research method
used in this research is the simple additive weighting (SAW) method.
Keywords: Decision Support System, Employee Performance Assessment, Simple Additive Weighting
(SAW)
PENDAHULUAN
PT. Global Jet Commerce merupakan salah satu perusahaan dibidang E-Commerce yang
mempunyai karyawan kurang lebih 500 orang. Jet Commerce sendiri memiliki permasalah dalam
menentukan karyawan terbaik yang akan diberikan bonus yang biasa nya diberikan setiap 1 tahun sekali.
Penentuan karyawan terbaik di Jet Commerce selama ini masih dilakukan dengan prosedur baku yang
berarti kurang efisien, cepat dan akurat seperti salah satunya penilaian masih dilakukan secara manual
Jurnal Sosial dan Teknologi (SOSTECH)
Volume 2, Number 9, September 2022
p-ISSN 2774-5147 ; e-ISSN 2774-5155
820
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
serta indikator penilaian yang masih berdasarkan faktor kedekatan. Selama ini proses seleksi karyawan
terbaik dilakukan pemilihan dari kriteria yang sudah ditentukan hasil pemilihan tersebut dibandingkan
dengan karyawan yang satu dengan lainnya untuk menentukan karyawan terbaik (Rehatalanit &
Gardenia, 2022). Akibat semakin banyak karyawan, maka semakin lama proses seleksi karyawan dalam
hal membandingkan nilai kriteria karyawan (Garaika & Margahana, 2019).
Dalam menentukan karyawan terbaik diperlukan sistem program yang bisa mempermudah dalam
proses pemilihan karyawan terbaik di Jet Commerce. Tanggung jawab seorang HRD di Jet Commerce
ini adalah meningkatkan kinerja serta semangat para karyawannya (Hamka, 2022). Hal ini dinilai sangat
berpengaruh dalam membangun citra sebuah perusahaan dimata pelanggannya dalam memberikan
pelayanan yang maksimal agar customer yang membeli suatu produk akan kembali di lain waktu
(Fatimah et al., 2022).
Untuk terus membangun semangat serta meningkatkan kinerja karyawan, manajer memerlukan
suatu pemicu supaya tujuan tersebut tercapai (Adhari, 2021). Dalam pencapaian tujuan itu manajer
memberikan bonus pada karyawan yang paling baik kinerjanya. Seringkali terjadi kebingungan dalam
mementukan siapakah karyawan yang layak menerima bonus pada periode kali ini seperti yang telah
dipaparkan diatas (Dipang, 2013).
Menurut (Limbong et al., 2020) Sistem pendukung keputusan merupakan salah satu solusi yang
dirasa mampu menangani permasalahan yang ada di Jet Commerce tersebut. Adapun beberapa metode
yang dapat digunakan untuk mendukung pengambilan keputusan. Salah satunya adalah metode Metode
Simple Additive Weighting (Napitupulu et al., 2021). Metode Simple Additive Weighting sering juga
dikenal sebagai metode penjumlahan terbobot dengan konsep dasar mencari penjumlahan terbobot dari
rating kinerja pada setiap alternatif pada semua atribut (Sianturi & Sitorus, 2019).
Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada. Menurut (Eniyati, 2011). Metode SAW
sesuai untuk proses pengambilan keputusan karena dapat menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi aternatif terbaik. (Darmastuti,
2013) menyatakan bahwa total perubahan nilai yang dihasilkan oleh metode SAW lebih banyak
sehingga metode SAW sangat relevan untuk menyelesaikan masalah pengambilan keputusan.
Dalam hal ini model yang digunakan untuk membangun sebuah sistem penunjang keputusan
adalah Simple Additive Weighting (Chintyari & Prihatin, 2018). Metode SAW digunakan karena metode
ini memiliki keunggulan diantaranya mudah di mengerti, lebih fleksibel, dapat memecahkan persoalan
yang kompleks dan melakukan pembelajaran berdasarkan pengetahuan dan pengalaman manusia dalam
memecahkan suatu masalah.
METODE PENELITIAN
Metode Simple Additive Weighting (SAW) sering juga dikenal dengan istilah metode
penjumlahan terbobot. Konsep dasar dari Simple Additive Weighting adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Setiaji, 2012). Metode Simple
Additive Weighting membutuhkan proses normalisasi matriks keputusan (X) kesuatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada. Adapun langkah penyelesaian suatu masalah
menggunakan metode Simple Additive Weighting yaitu :
1. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan yaitu Cj.
2. Memberikan nilai bobot untuk masing- masing kriteria sebagai W.
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria
4. Membuat matriks keputusan berdasarkan kriteria (Cj), kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut
biaya) sehingga diperolah matriks ternormalisasi R. Jika j adalah atribut keuntungan (benefit) Jika j
adalah atribut biaya (cost) Keterangan :
Rij =Nilai rating kinerja ternormalisasi.
Xij = Nilai atribut yang dimiliki dari setiap kriteria.
Max Xij = Nilai terbesar dari setiap kriteria.
821
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
Min Xij = Nilai terkecil dari setiap kriteria.
Benefit = Jika nilai terbesar adalah terbaik.
5. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dan perkalian matriks
ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai
alternative yang baik (Ai) sebagai solusi (Mukhlasin, 2018).
Keterangan :
Vi = Rangking untuk setiap alternatif
Wj = Nilai bobot dari setiap kriteria.
rij = Nilai rating kinerja ternormalisasi
HASIL DAN PEMBAHASAN
Metode Simple Additive Weighting (SAW) ini untuk melakukan perhitungannya diperlukan
kriteria-kriteria dan bobot agar nanti didapat nilai yang terbaik. Dalam hal ini manajer mengisi kriteria-
kriteria yang telah ditentukan yaitu tanggung jawab, sikap kerja, kedisiplinan, prestasi kerja dan
kerjasama. Lima kriteria ini dijadikan sebagai dasar didalam menentukan karyawan terbaik oleh
manajer. Langkah-langkah untuk menentukan karyawan terbaik menggunakan metode Simple Additive
Weighting (SAW) (Nuraeni, 2018).
A. Menentukan kriteria dan bobot untuk menjadi acuan dalam pengambilan keputusan yaitu Cj. Nilai
untuk masing-masing kriteria dibagi menjadi 4 bilangan, yaitu:
C1 = Kualitas kerja : 0 - 100
C2 = Ketelitian kerja : 0 - 100
C3 = Inisiatif : 0 - 100
C4 = Profesionalisme : 0 - 100
C5 = Tanggung Jawab : 0 - 100
C6 = Perilaku : 0 – 100
Gambar 1 terbobot
B. Data alternatif calon karyawan terbaik PT.Global Jet commerce yang akan digunakan dalam
perhitungan
822
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
Gambar 2 data alternatif
Selanjutnya membuat matriks keputusan (X) yang dibentuk dari rating tabel kecocokan setiap
alternatif pada setiap kriteria
Gambar 3 normalisasi
Selanjutnya melakukan normalisasi matriks keputusan (X) menjadi matriks ternormalisasi (R)
dengan cara nilai atribut yang dimiliki dari setiap kriteria (Xij) dibagi dengan nilai terbesar dari
setiap kriteria (Max Xij).
1. Kriteria Kualitas Kerja
Ca11
=
69
=
69
=
0,7841
Max {69;40;87;88;69}
88
Ca12 =
40
=
40
=
0,4545
Max {69;40;87;88;69}
88
Ca13 =
87
=
87
=
0,9886
Max {69;40;87;88;69}
88
Ca14 =
88
=
88
=
1
Max {69;40;87;88;69}
88
Ca15 =
69
=
69
=
0,7841
Max {69;40;87;88;69}
88
2. Kriteria Ketelitian Kerja
Ca21
=
77
=
77
=
0,8556
Max {77;78;58;67;90}
90
Ca22 =
78
=
78
=
0,8667
Max {77;78;58;67;90}
90
Ca23 =
58
=
58
=
0,6444
823
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
Max {77;78;58;67;90}
90
Ca24 =
67
=
67
=
0,7444
Max {77;78;58;67;90}
90
Ca25 =
90
=
90
=
1
Max {77;78;58;67;90}
90
3. Kriteria Tanggung Jawab
Ca31
=
87
=
87
=
0,956
Max {87;55;91;85;66}
91
Ca32 =
55
=
55
=
0,6044
Max {87;55;91;85;66}
91
Ca33 =
91
=
91
=
1
Max {87;55;91;85;66}
91
Ca34 =
85
=
85
=
0,9341
Max {87;55;91;85;66}
91
Ca35 =
66
=
66
=
0,7253
Max {87;55;91;85;66}
91
4. Kriteria Profesionalisme
Ca41
=
97
=
97
=
1
Max {97;89;86;92;44}
97
Ca42 =
89
=
89
=
0,9175
Max {97;89;86;92;44}
97
Ca43 =
86
=
86
=
0,8866
Max {97;89;86;92;44}
97
Ca44 =
92
=
92
=
0,9485
Max {97;89;86;92;44}
97
Ca45 =
44
=
44
=
0,4536
Max {97;89;86;92;44}
97
5. Kriteria Inisiatif
Ca51
=
67
=
67
=
0,6837
Max {67;98;79;90;44}
98
Ca52 =
98
=
98
=
1
Max {67;98;79;90;44}
98
Ca53 =
79
=
79
=
0,8061
Max {67;98;79;90;44}
98
Ca54 =
90
=
90
=
0,9184
Max {67;98;79;90;44}
98
Ca55 =
44
=
44
=
0,449
824
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
Max {67;98;79;90;44}
98
6. Kriteria Perilaku
Ca61
=
32
=
32
=
0,381
Max {32;78;84;58;76}
84
Ca62 =
78
=
78
=
0,9286
Max {32;78;84;58;76}
84
Ca63 =
84
=
84
=
1
Max {32;78;84;58;76}
84
Ca64 =
58
=
58
=
0,6905
Max {32;78;84;58;76}
84
Ca65 =
76
=
76
=
0,9048
Max {32;78;84;58;76}
84
C. Dari hasil perhitungan diatas maka didapatkan matriks ternormalisasi R sebagai berikut
Gambar 4. matriks ternormalisasi R
Dari hasil perhitungan dengan metode SAW dihasilkan alternatif perangkingan
Gambar 5 alternatif perangkingan
KESIMPULAN
Berdasarkan hasil penelitian, maka dapat disimpulkan bahwa kriteria yang dihasilkan untuk
pemilihan karyawan terbaik pada PT. Global Jet Commerce adalah tanggung jawab, prestasi kerja,
kedisiplinan, prestasi kerja dan kerjasama. Metode yang digunakan dalam pemilihan karyawan terbaik
adalah metode Simple Additive Wighting (SAW) dan hasil dari perangkingan terpilih alternatif (sinta)
dengan nilai 0,8929 sebagai karyawan terbaik.
825
Nama Penulis Cambria 11 Pt
Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan
Metode Simple Additive Weighting Pada Warehouse
e-ISSN 2774-5155
p-ISSN
2774-5147
DAFTAR PUSTAKA
Adhari, I. Z. (2021). Optimalisasi Kinerja Karyawan Menggunakan Pendekatan Knowledge
Management & Motivasi Kerja.
Chintyari, Y. E., & Prihatin, T. (2018). Implementasi Metode Simple Additive Weighting Untuk
Pemilihan Guru Berprestasi Pada Smp Islam Pondok Duta. Jitk (Jurnal Ilmu Pengetahuan Dan
Teknologi Komputer), 3(2), 233–238.
Darmastuti, D. (2013). Implementasi Metode Simple Additive Weighting (Saw) Dalam Sistem
Informasi Lowongan Kerja Berbasis Web Untuk Rekomendasi Pencari Kerja Terbaik. Justin
(Jurnal Sistem Dan Teknologi Informasi), 1(2), 114–119.
Dipang, L. (2013). Pengembangan Sumber Daya Manusia Dalam Peningkatan Kinerja Karyawan Pada
Pt. Hasjrat Abadi Manado. Jurnal Emba: Jurnal Riset Ekonomi, Manajemen, Bisnis Dan
Akuntansi, 1(3).
Eniyati, S. (2011). Perancangan Sistem Pendukung Pengambilan Keputusan Untuk Penerimaan
Beasiswa Dengan Metode Saw (Simple Additive Weighting). Dinamik, 16(2).
Fatimah, F., Drajat, D. Y., Angliawati, R. Y., & Sandini, D. (2022). Pengaruh Service Excellent
Terhadap Citra Perusahaan Dan Loyalitas Pelanggan: Theoretical Review. Jurnal Sain
Manajemen, 4(1), 8–17.
Garaika, G., & Margahana, H. (2019). Peran Seleksi (Selection) Tenaga Kerja Yang Tepat Terhadap
Tercapainya Tujuan Organisasi. Jurnal Aktual, 17(2), 133–141.
Hamka, A. A. (2022). Peran Human Resouces Develodmen (Hrd) Dalam Meningkatkan Competitif
Advantage Karyawan Btn Syariah Kcps Parepare. Iain Parepare.
Limbong, T., Muttaqin, M., Iskandar, A., Windarto, A. P., Simarmata, J., Mesran, M., Sulaiman, O. K.,
Siregar, D., Nofriansyah, D., & Napitupulu, D. (2020). Sistem Pendukung Keputusan: Metode &
Implementasi. Yayasan Kita Menulis.
Mukhlasin, A. (2018). Sistem Pendukung Keputusan Pemilihan Smartphone Menggunakan Metode
Simple Additive Weighting (Saw) Berbasis Web. Prosiding Sisfotek, 2(1), 46–52.
Napitupulu, R. H. M., Handayani, C., & Haryati, H. (2021). Metode Simple Additive Weighting (Saw)
Untuk Menentukan Karyawan Outsourching Terbaik Di Pt Bank Bni Cabang Cirebon. Bina
Insani Ict Journal, 8(2), 166–175.
Nuraeni, N. (2018). Penerapan Metode Simple Additive Weighting (Saw) Dalam Seleksi Calon
Karyawan. Swabumi, 6(1), 63–71.
Rehatalanit, Y. L. R., & Gardenia, Y. (2022). Analisis Perbandingan Metode Electre Dan Profile
Matching Dalam Menentukan Karyawan Terbaik. Jsi (Jurnal Sistem Informasi) Universitas
Suryadarma, 9(2), 137–144.
Setiaji, P. (2012). Sistem Pendukung Keputusan Dengan Metode Simple Additive Weighting. Simetris:
Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 1(1), 59–67.
Sianturi, F. A., & Sitorus, M. (2019). Kombinasi Metodesimpleadditiveweighting (Saw)
Denganalgoritma Nearest Neighbor Untuk Rekruitmen Karyawan. Jurnal Mantik Penusa, 3(2,
Des).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International
License
