�ݺ�ߣ

Cover
Volume : 1, September 2016|
ISSN: 2541-3023

PROSIDING Vol 1-Sep 2016
1th
Celscitech-UMRI 2016 ISSN: 2541-3023
LP2M-UMRI ii
Prosiding CELSciTech
Communication, Economic, Education, Law, Science, and Technology
Volume 1 – September 2016
“Riset Dan Teknologi Berbasis Keunggulan Lokal Dalam Menjalani
Masyarakat Ekonomi ASEAN”
ISSN: 2541-3023
PENERBIT:
Lembaga Penelitian dan Pengabdian Kepada Masyarakat
Universitas Muhammadiyah Riau
Alamat Redaksi:
Lembaga Penelitian dan Pengabdian Kepada Masyarakat
Universitas Muhammadiyah Riau
Jl. KH Ahmad Dahlan No 88, Sukajadi Pekanbaru-Riau
Telp: +62-761-35005 ; 20497
Email: lp2m@umri.ac.id
Web: http://lp2m.umri.ac.id

1th
LP2M-UMRI iii
CELSciTech
Communication, Economic, Education, Law, Science, and Technology
Volume 1 – September 2016
SCI - 1-73 + ECO - 1-106 + EDU - 1-25 + TECH – 1-152 + COM - 1-27 hal + viii
Editor:
Yeeri Badrun, Israwati Harahap, Yulia Fitri, Evi Marlina, Desliana Dwita, Abrar Ridwan, Doni Winarso,
Ahmad Kafrawi Nasution, Sri Fitria Retnawaty
Desain sampul: Hafiz Novianas & Martha Dewa
Penerbit: Lembaga Penelitian dan Pengabdian Masyarakat Universitas Muhammadiyah Riau
©2016. Hak cipta pada Lembaga Penelitian dan Pengabdian Masyarakat Universitas Muhammadiyah
Riau. Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi prosiding ini dalam bentuk
apapun, baik secara elektronis maupun mekanis, termasuk fotokopi, memindai atau dengan sistem
penyimpanan lainnya tanpa izin dari penerbit.
ISSN: 2541-3023

1th
LP2M-UMRI TECH - 0
TECHNOLOGY

1th
LP2M-UMRI TECH - 1
Sistem Pendukung Keputusan Penerimaan Karyawan
Dengan Metode Simple Additive Weighting (SAW)
Edi Ismanto, Noverta Effendi
Pendidikan Informatika, Universitas Muhammadiyah Riau
edi.ismanto@umri.ac.id
Abstrak—Universitas Muhammadiyah Riau sangat membutuhkan dukungan teknologi informasi dengan tujuan untuk
mempermudah kegiatan kerjanya. Pada saat ini biasanya masih ada ditemukan suatu kasus adanya kesalahan dalam
proses penerimaan karyawan pada sebuah instansi dan tidak tertutup kemungkinan pada Universitas Muhammadiyah
Riau. Hal tersebut sebenarnya kembali lagi pada pihak-pihak instansi, yang akan melakukan atau memutuskan sendiri
penerimaan karyawannya. Tentunya proses penyeleksian karyawan tersebut sesuai dengan kemampuan intelektual secara
kuantitas dan juga kemampuan diri dalam bekerja secara berkualitas sesuai dengan bidang yang dikuasai. Dalam proses
pengambilan keputusan penerimaan karyawan pada Universitas Muhammadiyah Riau terdapat beberapa kriteria yang
menjadi penilaian. Penilaian ini berdasarkan kriteria pendidikan, pengalaman kerja, penampilan, test, wawancara, usia,
status, dan alamat. Adapun tujuan yang akan dicapai adalah untuk membuat suatu sistem yang dapat membantu para
pembuat keputusan untuk menentukan proses penerimaan karyawan dan secara optimal dengan menggunakan Metode
SAW (Simple Additive Weighting). Hasil penelitian ini adalah dibangunnya sistem pendukung keputusan penerimaan
karyawan dari pengolahan kriteria yang dipilih, sehingga dapat dijadikan sebagai pendukung atau pertimbangan dalam
mengambil sebuah keputusan untuk penerimaan karyawan baru.
Kata Kunci: Metode Simple Additive Weighting (SAW), Sistem Pendukung Keputusan
I. PENDAHULUAN
Sumber Daya Manusia merupakan salah satu bagian terpenting di dalam suatu Perguruan Tinggi. Peran
Biro Sumber Daya Manusia pada Universitas Muhammadiyah Riau tidak dapat dipisahkan dari bidang
manajemen lainnya dalam pencapaian tujuan universitas. Proses penerimaan sumber daya manusia
memerlukan cara yang professional dan akurat agar menghasilkan sumber daya manusia yang dapat
mendukung mutu dan kesuksesan sebuah perguruan tinggi. Dalam proses perjalanannya, sumber daya
manusia menjadi sebuah investasi bagi sebuah perguruan tinggi untuk dapat tumbuh dan berkembang sesuai
dengan visi dan misi Universitas Muhammadiyah Riau. Oleh karenanya obyektivitas sangat diperlukan
untuk dapat menunjang setiap keputusan agar mendapatkan sumber daya manusia yang baik untuk jangka
waktu yang panjang. Namun, hal ini sangatlah kontradiktif dengan yang diimplementasikan di lapangan.
Seringnya penilaian yang berdasarkan subyektivitas dan nepotisme merupakan salah satu contoh dari
kegagalan pengambilan keputusan dalam proses penerimaan. Bila dibiarkan dalam waktu yang panjang hal
tersebut dapat mempengaruhi kinerja sebuah organisasi sehingga berakibat pada gagalnya sebuah
organisasi dalam mencapai tujuan.
Pada dasarnya, tujuan seleksi dalam penerimaan karyawan di Universitas Muhammadiyah Riau adalah
untuk mendapatkan orang yang tepat bagi suatu jabatan tertentu, sehingga orang tersebut mampu bekerja
secara optimal dan dapat bertahan di organisasi untuk waktu yang lama. Meskipun tujuannya terdengar
sangat sederhan, namun, proses tersebut ternyata sangat kompleks, memakan waktu cukup lama dan biaya
yang tidak sedikit dan sangat terbuka peluang untuk melakukan kesalahan dalam menentukan orang yang
tepat. Terlebih bila seorang calon karyawan memiliki kemampuan yang tidak jauh berbeda dengan calon
yang lain, maka dalam penentuannya terkadang sangat subyektif. Tak dapat dipungkiri perkembangan
teknologi informasi yang pesat membuat sebagian instansi pendidikan turut mengimplementasikannya agar
lebih efisien dan efektif. Dengan teknologi informasi sebuah instansi pendidiakan dapat melakukan seluruh
aktifitasnya tanpa terkendala oleh waktu dan birokrasi yang berbelit-belit. Dengan pemanfaatan yang baik,
teknologi informasi dapat mengoptimalkan seluruh pekerjaan yang ada di instansi pendidikan.
II. METODE PENELITIAN
Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW
adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.
Metode SAW membutuhkan proses normalisasi matriks keputusan (x) ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada.

1th
LP2M-UMRI TECH - 2
Adapun langkah penyelesaian dalam menggunakannya adalah:
1. Menentukan alternatif, yaitu Ai.
2. Menentukan kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Cj.
3. Memberikan nilai rating kecocokan setiap alternatif pada setiap kriteria.
4. Menentukan bobot preferensi atau tingkat kepentingan (W) setiap kriteria.
5. W = [ W1, W2, W3, …, WJ]
(1)
6. Membuat tabel rating kecocokan dari setiap alternatif pada setiap kriteria.
7. Membuat matrik keputusan (X) yang dibentuk dari tabel rating kecocokan dari setiap alternatif
pada setiap kriteria. Nilai X setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan,
dimana, i=1, 2, …m dan j=1, 2, …n.
(2)
7. Melakukan normalisasi matrik keputusan dengan cara menghitung nilai rating kinerja ternomalisasi
(rij) dari alternatif Ai pada kriteria Cj.
(3)
Dimana:
Ri j = nilai rating kinerja ternormalisasi
Xi = nilai atribut yang dimiliki dari setiap kriteria
Max xij = nilai terbesar dari setiap kriteria i
Min xij = nilai terkecil dari setiap kriteria i
Benefit = jika nilai terbesar adalah terbaik
Cost = jika nilai terkecil adalah terbaik
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i=1, 2, ..., m dan j=1, 2,
..., n.
8. Hasil dari nilai rating kinerja ternomalisasi (rij) membentuk matrik ternormalisasi (R)
(2.4)
9. Hasil akhir nilai preferensi (Vi) diperoleh dari penjumlahan dari perkalian elemen baris matrik
ternormalisasi (R) dengan bobot preferensi (W) yang bersesuaian eleman kolom matrik (W).
(2.5)
Di mana:
Vi = rangking untuk setiap alternatif
wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Hasil perhitungan nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai merupakan alternatif
terbaik (Kusumadewi, 2006).
Metode yang penulis gunakan dalam penelitian ini, yaitu metode kualitatif. Metode kualitatif adalah
penelitian yang menekankan pada quality atau hal yang terpenting dari sifat suatu barang / jasa. Hal
terpenting dari suatu barang atau jasa berupa kejadian / fenomena / gejala sosial adalah makna dibalik

1th
LP2M-UMRI TECH - 3
kejadian tersebut yang dapat dijadikan pelajaran berharga bagi suatu pengembangan konsep teori. Suatu
penelitian kualitatif dieksplorasi dan diperdalam dari suatu fenomena sosial atau suatu lingkungan sosial
yang terdiri atas perilaku, kejadian, tempat, dan waktu.
Penulis ingin mengembangkan sistem pendukung keputusan penerimaan karyawan di Universitas
Muhammadiyah Riau dengan menggunakan metode Simple Additive Weighting (SAW) dan kriteria yang
digunakan adalah Pendidikan, Pengalaman Kerja, Penampilan, Test, Wawancara, Usia, Status, dan
Alamat.
III. HASIL DAN PEMBAHASAN
Pemecahan Masalah dengan Metode Simple Additive Weighting (SAW)
Pada penelitian ini penulis menggunakan metode Simple Additive Weighting (SAW) dalam
penyeleksian penerimaan pegawai baru. Metode ini memerlukan kriteria-kriteria dan bobot untuk
melakukan perhitungannya sehingga akan didapat alternatif terbaik.
Kriteria dan Bobot
Dalam metode Simple Additive Weighting (SAW) terdapat kriteria yang dibutuhkan untuk
menentukan siapa yang akan terseleksi sebagai karyawan baru di Universitas Muhammadiyah Riau.
Adapun kriterianya adalah sebagai berikut:
TABEL 1. KETERANGAN KRITERIA YANG DIGUNAKAN
No Kriteria Keterangan Jenis Kriteria
1 C1 Pendidikan Benefit
2 C2 Pengalaman Kerja Benefit
3 C3 Penampilan Benefit
4 C4 Test Benefit
5 C5 Wawancara Benefit
6 C6 Usia Benefit
7 C7 Status Cost
8 C8 Alamat Cost
Perhitungan Seleksi Penerimaan Karyawan Baru di Universitas Muhammadiyah Riau
Berdasarkan langkah-langkah penyeleksian untuk menentukan penerimaan karyawan baru dengan
menggunakan metode Simple Additive Weighting (SAW), maka langkah yang harus dilakukan yaitu:
Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan.
Pembobotan pada kriteria Pendidikan
TABEL 2. PEMBOBOTAN C1 = PENDIDIKAN
Pendidikan Kategori Nilai
SLTA Sederajat Cukup 0.6
Diploma 3 (D3) Memenuhi 0.8
Strata 1 (S1) Sangat Memenuhi 1
Pembobotan pada kriteria Pengalaman Kerja
TABEL 3. PEMBOBOTAN C2 = PENGALAMAN KERJA
Pengalaman Kerja Kategori Nilai
0 Tahun Kurang 0.2
1 Tahun Cukup 0.8
>= 2 Tahun Memenuhi 1

1th
LP2M-UMRI TECH - 4
Pembobotan pada kriteria Penampilan
TABEL 4. PEMBOBOTAN C3 = PENAMPILAN
Penampilan Kategori Nilai
1 Sangat Buruk 0.2
2 Buruk 0.4
3 Cukup 0.6
4 Baik 0.8
5 Sangat Baik 1
Pembobotan pada kriteria Test
TABEL 5. PEMBOBOTAN C4 = TEST
Hasil Test Kategori Nilai
1 Sangat Buruk 0.2
2 Buruk 0.4
3 Cukup 0.6
4 Baik 0.8
5 Sangat Baik 1
Pembobotan pada kriteria Wawancara
TABEL 6. PEMBOBOTAN C5 = WAWANCARA
Hasil Test Kategori Nilai
1 Sangat Buruk 0.2
2 Buruk 0.4
3 Cukup 0.6
4 Baik 0.8
5 Sangat Baik 1
Pembobotan pada kriteria Usia
TABEL 7. PEMBOBOTAN C6 = USIA
Usia Kategori Nilai
16 – 19 Tahun Muda 0.6
20 – 25 Tahun Sedang 1
26 – 30 Tahun Tua/Dewasa 0.8
Pembobotan pada kriteria Status
TABEL 8: PEMBOBOTAN C7 = STATUS
Status Kategori Nilai
Menikah Cukup 0.6
Single Sangat Baik 1
Pembobotan pada kriteria Alamat
TABEL 9. PEMBOBOTAN C8 = ALAMAT
Alamat Kategori Nilai
Jauh Tidak Baik 0.6
Sedang Cukup 0.8
Dekat Sangat Baik 1
Kita akan mengambil 5 (lima) contoh data pelamar karyawan baru di Universitas Muhammadiyah
Riau, yang akan kita hitung dengan metode Simple Additive Weighting (SAW). Dimana karyawan baru ini
akan menempati posisi pada UPT Promosi di Universitas Muhammadiyah Riau.
Memberikan nilai bobot (W)
Pada metode Simple Additive Weighting (SAW), kita harus memberikan nilai bobot (w). Nilai bobot
yang di dapat pada UPT Promosi Universitas Muhammadiyah Riau dibentuk dalam tabel dibawah ini:

1th
LP2M-UMRI TECH - 5
TABEL 10. BOBOT UNTUK UPT PROMOSI
No Kriteria Bobot Keterangan
1 C1 0.8 Memenuhi
2 C2 0.8 Cukup
3 C3 1 Sangat Baik
4 C4 0.6 Cukup
5 C5 1 Sangat Baik
6 C6 1 Sedang
7 C7 1 Sangat Baik
8 C8 08 Cukup
Dari nilai bobot yang diberi UPT Promosi, untuk bisa diterima menduduki posisi promosi maka nilai
kriteria pelamar minimal harus bisa mendekati nilai bobot yang telah diberikan atau bahkan nilai bobot
kriteria pelamar lebih tinggi itu lebih bagus. Dari tabel 3.10 maka diperoleh nilai bobot (w) sebagai berikut:
W =
Tabel dibawah ini menunjukan data 5 (lima) penilaian pelamar untuk UPT Promosi di Universitas
Muhammadiyah Riau dan ranting kecocokan dari setiap alternatif (Ai) pada setiap kriteria (Cj).
TABEL 11: DATA PENILAIAN
Alternatif
Kriteria
C1 C2 C3 C4 C5 C6 C7 C8
A1 1 2 3 3 4 3 1 2
A2 3 1 4 4 3 2 1 1
A3 1 1 3 4 3 1 2 1
A4 2 2 4 4 4 2 2 3
A5 3 3 5 4 3 2 2 3
TABEL 12. RATING KECOCOKAN
Alternatif
Kriteria
C1 C2 C3 C4 C5 C6 C7 C8
A1 0.6 0.8 0.6 0.6 0.8 0.8 0.6 0.8
A2 1 0.2 0.8 0.8 0.6 1 0.6 0.6
A3 0.6 0.2 0.6 0.8 0.6 0.6 1 0.6
A4 0.8 0.8 0.8 0.8 0.8 1 1 1
A5 1 1 1 0.8 0.6 1 1 1
Berdasarkan Tabel 12 diatas, dapat dibentuk matriks keputusan X sebagai berikut:
0.6 0.8 0.6 0.6 0.8 0.8 0.6 0.8
1 0.2 0.8 0.8 0.6 1 0.6 0.6
X = 0.6 0.2 0.6 0.8 0.6 0.6 1 0.6
0.8 0.8 0.8 0.8 0.8 1 1 1
1 1 1 0.8 0.6 1 1 1
Menormalisasikan matriks X menjadi Matriks R
Menormalisasikan matriks X menjadi Matriks R berdasarkan persamaan di Metode SAW yaitu.
0
PS

1th
LP2M-UMRI TECH - 6
Dimana:
Ri j = nilai rating kinerja ternormalisasi
Xi = nilai atribut yang dimiliki dari setiap kriteria
Max Xij = nilai terbesar dari setiap kriteria i
Min Xij = nilai terkecil dari setiap kriteria i
Benefit = jika nilai terbesar adalah terbaik
Cost = jika nilai terkecil adalah terbaik
Kriteria Pendidikan, termasuk atribut keuntungan (benefit)
1.1
0.6
0.6; 1; 0.6; 0.8; 1
0.6
1
0.6
2.1
1
0.6; 1; 0.6; 0.8; 1
1
1
1
3.1
0.6
0.6; 1; 0.6; 0.8; 1
0.6
1
0.6
4.1
0.8
0.6; 1; 0.6; 0.8; 1
0.8
1
0.8
5.1
1
0.6; 1; 0.6; 0.8; 1
1
1
1
Kriteria Pengalaman Kerja, termasuk atribut keuntungan (benefit)
1.2
0.8
0.8; 0.2; 0.2; 0.8; 1
0.8
1
0.8
2.2
0.2
0.8; 0.2; 0.2; 0.8; 1
0.2
1
0.2
3.2
0.2
0.8; 0.2; 0.2; 0.8; 1
0.2
1
0.2
4.2
0.8
0.8; 0.2; 0.2; 0.8; 1
0.8
1
0.8
5.2
1
0.8; 0.2; 0.2; 0.8; 1
1
1
1
Kriteria Penampilan, termasuk atribut keuntungan (benefit)
1.3
0.6
0.6; 0.8; 0.6; 0.8; 1
0.6
1
0.6

1th
LP2M-UMRI TECH - 7
2.3
0.8
0.6; 0.8; 0.6; 0.8; 1
0.8
1
0.8
3.3
0.6
0.6; 0.8; 0.6; 0.8; 1
0.6
1
0.6
4.3
0.8
0.6; 0.8; 0.6; 0.8; 1
0.8
1
0.8
5.3
1
0.6; 0.8; 0.6; 0.8; 1
1
1
1
Kriteria Test, termasuk atribut keuntungan (benefit)
1.4
0.6
0.6; 0.8; 0.8; 0.8; 0.8
0.6
0.8
0.75
2.4
0.8
0.6; 0.8; 0.8; 0.8; 0.8
0.8
0.8
1
3.4
0.8
0.6; 0.8; 0.8; 0.8; 0.8
0.8
0.8
1
4.4
0.8
0.6; 0.8; 0.8; 0.8; 0.8
0.8
0.8
1
5.4
0.8
0.6; 0.8; 0.8; 0.8; 0.8
0.8
0.8
1
Kriteria Wawancara, termasuk atribut keuntungan (benefit)
1.5
0.8
0.8; 0.6; 0.6; 0.8; 0.6
0.8
0.8
1
2.5
0.6
0.8; 0.6; 0.6; 0.8; 0.6
0.6
0.8
0.75
3.5
0.6
0.8; 0.6; 0.6; 0.8; 0.6
0.6
0.8
0.75
4.5
0.8
0.8; 0.6; 0.6; 0.8; 0.6
0.8
0.8
1
5.5
0.6
0.8; 0.6; 0.6; 0.8; 0.6
0.6
0.8
0.75
Kriteria Usia, termasuk atribut keuntungan (benefit)
1.6
0.8
0.8; 1; 0.6; 1; 1
0.8
1
0.8
2.6
1
0.8; 1; 0.6; 1; 1
1
1
1
3.6
0.6
0.8; 1; 0.6; 1; 1
0.6
1
0.6

1th
LP2M-UMRI TECH - 8
4.6
1
0.8; 1; 0.6; 1; 1
1
1
1
5.6
1
0.8; 1; 0.6; 1; 1
1
1
1
Kriteria Status, termasuk atribut biaya (Cost)
1.7
0.6; 0.6; 1; 1; 1
0.6
0.6
0.6
1
2.7
0.6; 0.6; 1; 1; 1
0.6
0.6
0.6
1
3.7
0.6; 0.6; 1; 1; 1
1
0.6
1
0.6
4.7
0.6; 0.6; 1; 1; 1
1
0.6
1
0.6
5.7
0.6; 0.6; 1; 1; 1
1
0.6
1
0.6
Kriteria Alamat, termasuk atribut biaya (Cost)
1.8
0.8; 0.6; 0.6; 1; 1
0.8
0.6
0.8
0.75
2.8
0.8; 0.6; 0.6; 1; 1
0.6
0.6
0.6
1
3.8
0.8; 0.6; 0.6; 1; 1
0.6
0.6
0.6
1
4.8
0.8; 0.6; 0.6; 1; 1
1
0.6
1
0.6
5.8
0.8; 0.6; 0.6; 1; 1
1
0.6
1
0.6
Dari persamaan normalisasi matriks X diperoleh matriks R sebagai berikut:
0.6 0.8 0.6 0.75 1 0.8 1 0.75
1 0.2 0.8 1 0.75 1 1 1
R = 0.6 0.2 0.6 1 0.75 0.6 0.6 1
0.8 0.8 0.8 1 1 1 0.6 0.6
1 1 1 1 0.75 1 0.6 0.6
Melakukan Proses Perangkingan
Melakukan proses perangkingan dengan menggunakan persamaan sebagai berikut.
Di mana:
Vi = rangking untuk setiap alternatif

1th
LP2M-UMRI TECH - 9
wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Bobot W yang telah diberikan yaitu: W = 0.8, 0.8, 1, 0.6, 1, 1, 1, 0.8
V1 = (0.8)(0.6) + (0.8)(0.8) + (1)(0.6) + (0.6)(0.75) + (1)(1) + (1)(0.8) + (1)(1) + (0.8)(0.75)
= 0.48 + 0.64 + 0.6 + 0.45 + 1 + 0.8 + 1 + 0.6
= 5.57
V2 = (0.8)(1) + (0.8)(0.2) + (1)(0.8) + (1)(0.6) + (1)(0.75) + (1)(1) + (1)(1) + (0.8)(1)
= 0.8 + 0.16 + 0.8 + 0.6 + 0.75 + 1 + 1 + 0.8
= 5.91
V3 = (0.8)(0.6) + (0.8)(0.2) + (1)(0.6) + (0.6)(1) + (1)(0.75) + (1)(0.6) + (1)(0.6) + (1)(1)
= 0.48 + 0.16 + 0.6 + 0.6 + 0.75+ 0.6 + 0.6 + 1
= 4.79
V4 = (0.8)(0.8) + (0.8)(0.8) + (1)(0.8) + (0.6)(1) + (1)(1) + (1)(1) + (1)(0.6) + (0.8)(0.6)
= 0.64 + 0.64 + 0.8 + 0.6 + 1 + 1 + 0.6 + 0.48
= 5.76
V5 = (0.8)(1) + (0.8)(1) + (1)(1) + (1)(0.6) + (1)(0.75) + (1)(1) + (1)(0.6) + (0.8)(0.6)
= 0.8 + 0.8 + 1 + 0.6 + 0.75 + 1 + 0.6 + 0.48
= 6.03
Dari proses perhitungan nilai akhir maka didapatkan nilai pada tabel 13:
TABEL 13. HASIL PERANGKINGAN ALTERNATIF
Alternatif Nilai
A1 5.57
A2 5.91
A3 4.79
A4 5.76
A5 6.03
Maka Alternatif yang memiliki nilai tertinggi dan bisa dipilih adalah alternatif A5 (Calon Karyawan)
dengan nilai 6.03 untuk dipilih menjadi karyawan pada UPT Promosi Universitas Muhammadiyah Riau.
Perancangan Entity Relational Data (ERD) untuk Database SPK-SAW
Di bawah ini merupakan Rancanga Struktur Relational Database Sistem Pendukung Keputusan
Penerimaan Karyawan di Universitas Muhammadiyah Riau dengan Metode Simple Additive Weighting
(SAW).
GAMBAR 1. RANCANGAN STRUKTUR RELATIONAL DATA

1th
LP2M-UMRI TECH - 10
Layout Hasil Rancangan Aplikasi Sistem Pendukung Keputusan Penerimaan Karyawan Dengan
Menerapkan Metode Simple Additive Weighting (SAW).
Halaman Login Aplikasi
GAMBAR 2. TAMPILAN FORM LOGIN SISTEM
Halaman Utama Aplikasi setelah Login
GAMBAR 3. FORM MENU UTAMA SISTEM
Halaman Rating Kecocokan Data Alternatif pada Sistem
GAMBAR 4. DATA RATING KECOCOKAN ALTERNATIF PELAMAR
Halaman melakukan normalisasi data kriteria data yang telah masuk
GAMBAR 5. NORMALISASI DATA KRITERIA PELAMAR

1th
LP2M-UMRI TECH - 11
Halaman melakukan perangkingan data kriteria yang telah ternomalisasi
GAMBAR 6. HASIL PERANGKINGAN DATA KRITERIA PELAMAR
Berdasarkan hasil pengujian pada sistem aplikasi terkomputerisasi, maka Alternatif yang memiliki
nilai tertinggi dan bisa dipilih adalah alternatif A5 (Calon Karyawan) dengan nilai 6.03 untuk dipilih
menjadi karyawan pada UPT Promosi Universitas Muhammadiyah Riau.
IV. SIMPULAN DAN SARAN
Berdasarkan hasil penelitian dari perancangan dan pembangunan aplikasi sistem pendukung keputusan
penerimaan karyawan baru di Universitas Muhammadiyah Riau dengan menggunakan metode Simple
Additive Weighting (SAW), maka dapat ditarik kesimpulan sebagai berikut:
1. Metode Simple Additive Weighting (SAW) mampu menyelesaikan persoalan suatu pemilihan
dengan model menggunakan nilai prioritas atau bobot yang ditentukan setiap kebutuhan.
2. Semakin banyak alternatif (calon karyawan baru) dan penggunaan kriteria yang lebih spesifik,
maka sistem akan menghasilkan nilai dari proses penyeleksian yang lebih akurat.
3. Metode Simple Additive Weighting (SAW) mampu mendukung keputusan penerimaan karyawan
dengan memberikan perangkingan alternatif.
Saran-saran untuk untuk penelitian lebih lanjut yang bisa penulis sampaikan diantaranya:
1. Metode Simple Additive Weighting (SAW) mungkin bisa dikolaborasikan dengan metode-metode
lain yang ingin menyelesaikan kasus penelitian tetang multi kriteria atau alternatif yang studi kasus
permasalahannya sangat kompleks.
2. Metode Simple Additive Weighting (SAW) bisa digunakan untuk menyelesaikan berbagai kasus
yang bersifat pemilihan.
DAFTAR PUSTAKA
[1]. Abwa Rabbika Adhipta. (2011). “Penerapan Fuzzy Multi-Attribute Decision Making Dalam Perancangan Pemodelan
Pengambilan Keputusan Perekrutan Teknisi Otomotif”. Jurnal STMIK AMIKOM Yogyakarta.
[2]. Afriska Serly, Puspitorini Sukma. (2011). “Sistem Pendukung Keputusan untuk Menentukan Pilihan Minat Perguruan Tinggi di
Kota Jambi dengan Menggunakan Fuzzy Multi Criteria Decision Making”. Jurnal STMIK Jambi.
[3]. Agus Diartono Dwi. (2006). “Sistem Pendukung Keputusan Sebagai Alat Bantu Manager”. Jurnal Universitas Stikubank
Semarang.
[4]. Andi, Kurnia, Riska, Henry. (2009). “Sistem Pendukung Keputusan untuk Menentukan Penerimaan Beasiswa Bank BRI
Menggunakan FMADM”. Jurnal Universitas Islam Indonesia Yogyakarta.
[5]. Andreswari Desi, Yuniarti. (2010). “Sistem Pendukung Keputusan Penyeleksian Calon Mahasiswa Melalui Jalur Seleksi
Penerimaan Mahasiswa Baru Unib (SPMU)”. Jurnal Universitas Bengkulu.
[6]. Atmaja I Nyoman Giri Sasmita. (2010). “Sistem Pendukung Keputusan Pemilihan Paket Wisata dan Reservasi Travel Dengan
Metode AHP dan TOPSIS Berbasis Web”. Jurnal STMIK Surabaya.
[7]. Faghih Alireza, Reza Fathi Mohammad, Safari Hossein. (2011). “Fuzzy Multi-Criteria Decision Making Methode for Facility
Location Selection”. African Journal of Business Management. 6 (1). 206-212.
[8]. Ferdian Ferry.(2011). “Rancang Bangun Sistem Informasi Penjualan Berbasis Web pada UD. Rukun Makmur”. Jurnal STMIK
Surabaya.
[9]. Guswaludin Idham. (2005). “Fuzzy Multi-Criteria Decision Making”. Jurnal Universitas Islam Indonesia Yogyakarta.
[10]. Hung Chih Chih, Yang Taho. (2007). “Multiple-Attribute Decision Making Methods for Plant Layout Design Problem”.Robotics
and Computer-Integrated Manufacturing. 23. 126-137.
[11]. Kusumadewi Sri, Hartati Sri, Harjoko Agus, Wardoyo Retantyo.(2006). “Fuzzy Multi-Attribute Decision Making (Fuzzy
MADM)”. Yogyakarta: Graha Ilmu.

Sistem Pendukung Keputusan Penerimaan Karyawan Dengan Metode Simple Additive Weighting (SAW)

�ݺ�ߣ

Sistem Pendukung Keputusan Penerimaan Karyawan Dengan Metode Simple Additive Weighting (SAW)

More Related Content

Sistem Pendukung Keputusan Penerimaan Karyawan Dengan Metode Simple Additive Weighting (SAW)