Implementasi Metode AHP Pada Sistem Pendukung Keputusan Gaji Bonus Karyawan di PT Sadhana Adiwidya Bhuana
on
Jurnal Elektronik Ilmu Komputer Udayana p-ISSN: 2301-5373
Volume 12, No 3. Februari 2024 e-ISSN: 2654-5101
Implementasi Metode AHP Pada Sistem Pendukung Keputusan Gaji Bonus Karyawan di PT Sadhana Adiwidya Bhuana
I Made Rian Wijayaa1, I Gusti Ngurah Anom Cahyadi Putraa2
aProgram Studi Informatika
Universitas Udayana
Kuta Selatan, Badung, Bali, Indonesia 1[email protected] 2[email protected]
Abstract
PT Sadhana Adiwidya Bhuana is a company engaged in business and management consulting services which still applies manual methods in giving employee salary bonuses. Writer develop a Decision Support System (DSS) to assist in the provision of employee bonus salaries, using the Analytical Hierarchy Process (AHP) method to determine the weight criteria. There are eight criteria used in employee assessment, including Key Performance Indicators (KPI), Data Analysis, Critical Thinking, Creative and Innovative, Communication, Cooperation, Attitude, and Attendance. Then the award is given in four forms, namely less, sufficient, good, and very good, with scores of 1, 2, 3, and 4. The results of the weighting of the criteria with the AHP method obtained key performance indicators (KPI) scores 0.330, data analysis score 0.183, critical thinking score 0.125, creative and innovative score 0.119, communication score 0.063, cooperation score 0.063, attitude score 0.034, and attendance score 0.031. The weight will be a reference in calculating the performance score of the employee who will determine the bonus salary. This system has been tested using blackbox testing, with the test results being appropriate.
Keywords: decision support system, analytical hierarchy process, bonus salary, weighting, performance score
Perusahaan adalah organisasi atau kelompok yang didirikan oleh orang perseorangan atau kelompok orang untuk melakukan kegiatan produktif yang melibatkan unsur manusia, alam, dan modal. Dalam suatu perusahaan terdapat karyawan yang menjadi penggerak perusahaan dan pemain utama sistem produksi perusahaan. Karyawan adalah salah satu aset perusahaan yang paling penting dan kekuatan pendorong di belakang produktivitas perusahaan, pengembangan perusahaan, persaingan, dan keberlanjutan laba. [1]. Dalam perusahaan karyawan berhak untuk mendapatkan gaji dari hasil kerja seorang pegawai atau karyawan. Perhitungan gaji pada suatu perusahaan biasanya berbeda-beda sesuai denga ketentuan perusahaan. Secara umum perusahaan memiliki dua jenis gaji yaitu gaji pokok dan gaji bonus. Gaji pokok merupakan gaji yang akan diterima oleh seorang karyawan sesaui kontrak kerja yang sudah disepakati. Kemudian gaji bonus merupakan gaji yang diberikan kepada karyawan sebagai bentuk apresiasi terhadap hasil kerjanya yang biasanya dirancang berdasarkan performa karyawan dalam suatu periode tertentu. Untuk menentukan bonus gaji karyawan dilakukan penilaian berdasarkan kriteria-kriteria tertentu kemudian dari hasil penilaian tersebut akan dilakukan perhitungan untuk mendapatkan bonus gaji karyawan [2]. Dalam penentuan bonus gaji dapat dilakukan secara manual akan tetapi jumlah karyawan yang banyak tentu diperlukan otomasi dalam perhitungannya sehingga dapat menggunakan Sistem Pendukung Keputusan (SPK).
PT Sadhana Adiwidya Bhuana merupakan perusahaan yang berkonsentrasi pada bidang jasa konsultansi bisnis dan management yang berkomitmen penuh dalam memberikan dukungan ilmu pengetahuan dan metodologi, melalui konsultasi manajemen, assessment & recruitment, business coaching, training & development, jasa akuntansi dan audit, serta business development. Perusahaan ini memiliki jumlah karyawan yang lumayan banyak yaitu lebih dari 30 karyawan. PT Sadhana Adiwidya Bhuana menerapkan juga sistem gaji bonus yang diberikan kepada karyawannya dalam periode tahunan. Gaji bonus diberikan kepada karyawan setiap tahunnya jika laba yang diperoleh sudah melebihi target perusahaan. Dalam penentuan gaji bonus untuk setiap karyawan PT Sadhana Adiwidya
Bhuana masih memberlakukan sistem secara manual dalam menentukan karyawan yang memiliki potensi untuk mendapatkan gaji bonus tersebut.
Solusi yang penulis berikan disini adalah sebuah sistem pendukung keputusan yang mampu mendukung dalam menentukan gaji bonus karyawan PT Sadhana Adiwidya Bhuana yang dimana sistem ini tidak serta merta menggantikan peran HRD dalam pengambilan keputusan, tetapi sistem ini dapat membantu mendukung seorang HRD dalam pengambilan keputusan terhadap pemberian hak gaji bonus karyawan. Metode yang diimplementasikan dalam percobaan ini adalah metode Analytical Hierarchy Process (AHP) dalam menentukan bobot dari setiap kriteria. Kemudian dari penilaian yang diberikan berdasarkan kriteria dilakukan perhitungan untuk setiap karyawan untuk mendapatkan performance score dari setiap karyawan yang akan menjadi acuan dalam pemberian gaji bonus.
Metode penelitian yang digunakan yaitu melakukan simulasi penerapan metode AHP dan implementasi sistem. Flow dari penelitian dapat dilihat pada gambar 1.
-
Gambar 1. Diagram alur penelitian
Sistem Pendukung Keputusan (SPK) adalah sebuah konsep atau metode yang dibuat untuk menghasilkan hasil atau keputusan dalam kondisi tertentu. SPK juga dapat digunakan sebagai alat bagi pengambil keputusan untuk merekomendasikan keputusan yang tepat berdasarkan studi metode tertentu, sehingga mengungkapkan keputusan alternatif yang lebih beragam dan relevan [3]. Salah satu metode yang dapat diimplementasikan dalam SPK metode Analytical Hierarchy Process (AHP). Metode Analytical Hierarchy Process (AHP) merupakan metode yang bertujuan untuk membantu dalam pengambil keputusan dengan menerapkan konsep perbandingan berpasang yang menggabungkan faktor kualitatif dan kuantitatif dalam masalah yang kompleks. Metode AHP dapat memberikan solusi atau hasil dari berbagai kondisi yang saling berlawanan, karena hal tersebut penggunaan AHP di berbagai bidang meningkat pesat dan menjadi populer. Dalam prosesnya AHP menggunakan analisis hierarki dalam tahapnya untuk menyelesaikan masalah meliputi dekomposisi, evaluasi komparatif, sintesis prioritas, dan konsistensi logis [4].
Dalam penelitian ini penulis menggunakan data latih dan data uji dalam pengimplementasian dan pengujian metode AHP dalam SPK. Pengumpulan data dilakukan dengan metode wawancara dengan narasumbernya yaitu HRD dari PT Sadhana Adiwidya Bhuana.
Nilai perbandingan berpasangan dari matriks yang dibuat dari hasil wawancara akan diubah sesuai dengan Skala Saaty. Skala Saaty ditunjukkan pada Tabel 1.
Tabel 1. Skala Saaty
|
Skala |
Keterangan |
|
1 |
Sama penting |
|
3 |
Cukup penting |
|
5 |
Lebih penting |
|
7 |
Sangat penting |
|
9 |
Mutlak penting |
|
2, 4, 6, 8 |
Nilai-nilai antar dua nilai yang berdekatan |
Pada bagian ini termasuk dalam analisa data yang akan melakukan perhitungan data-data yang kemudian hasilnya akan digunakan dalam metode AHP untuk menentukan bobot kriteria dari masing-masing alternatif. Berikut merupakan langkah-langkahnya:
1.
2.
3.
Menentukan rencana atau tujuan dari analisa kemudian mendefinisikannya menjadi penyelesaian masalah.
Menentukan klasifikasi elemen perbandingan pasangan dengan membandingkan elemen sesuai dengan kriteria yang diberikan. Kemudian menentukan matriks perbandingan berpasangan dengan memberikan elemen berdasarkan skala Saaty.
Menormalisasi matriks perbandingan berpasangan dengan rumus (1).
-Ik= ‘lk---
∑=ι ^lk
(1)
4.
5.
Keterangan:
Hik Uk aik m
= Nilai matriks normalisasi
= Nilai elemen
= Nilai masing-masing elemen dalam satu kriteria
= Banyak kriteria
Nilai-nilai pada setiap baris dijumlahkan dan dibagi dengan berapa banyak kriteria yang kemudian mendapatkan nilai bobot kriteria, nilai tersebut dapat diperoleh dengan menggunakan rumus (2).
∑m k=ι alk
Wi — ------- m
Keterangan:
Wi m
Hik m
= Nilai bobot prioritas
= Jumlah kriteria
= Nilai matriks normalisasi
= Banyak kriteria
(2)
Pengujian tingkat konsistensi terhadap nilai-nilai yang diberikan dalam matriks perbandingan berpasangan menggunakan perhitungan berikut:
CI — (λmaχ-n)∕(n-1)
Keterangan:
(3)
CI
n
7max
= Indeks konsistensi
= Ukuran matriks
= Nilai eigen maksimum
Nilai eigen dari tiap kriteria dapat ditentukan dengan rumus (4) m
_ ∑l=1 alk
Wk
Selanjutnya menentukan rasio konsistensi dengan menggunakan rumus (5).
CR — -
RI
(4)
Keterangan:
CR = Rasio konsistensi
CI = Indeks konsistensi
RI = Random indeks
Random Indeks yang digunakan penulis adalah Alonso-Lamata RI Values dapat dilihat pada tabel 2.
Tabel 2. Alonso-Lamata RI Values
|
Nilai Matriks |
Alonso-Lamata RI Values |
|
3 |
0,5245 |
|
4 |
0,8815 |
|
5 |
1,1086 |
|
6 |
1,2479 |
|
7 |
1,3417 |
|
8 |
1,4056 |
-
6. Nilai matriks akan
dinilai berdasarkan konsistensi nya jika nilai CR kurang dari 10% atau kurang dari 0,1. Jika lebih dari 0,1 maka dinyatakan tidak konsisten dan diperlukan pembuatan ulang matriks.
Setelah mendapatkan hasil bobot dari tiap-tiap kriteria selanjutnya menentukan performance score dari setiap karyawan. Terlebih dahulu adalah menentukan range penilaian tiap kriteria dengan range nilai yang disepakati bisa disebut (Ni). Kemudian tiap nilai kriteria harus di normalisasi dengan membagi nilai dengan nilai maksimal dalam range tersebut atau (max (Ni)) sehingga nilai yang sudah dinormalisasi bisa dituliskan dengan Ni = ———. Selanjutnya Ni dari setiap kriteria dikalikan dengan 1 max (—) -i
bobot dari kriterianya, yang selanjutnya hasilnya akan dijumlahkan semuanya dari tiap kriteria yang hasil penjumlahannya merupakan nilai dari performance score satu karyawan.
Desain sistem diilustrasikan dalam bentuk flowchart pada gambar 2.
Gambar 2. Flowchart alur sistem
Dalam sistem ini admin atau HRD diperlukan untuk mengisi data karyawan yang akan dinilai. Kemudian admin memasukkan penilaian terhadap tiap karyawan berdasarkan kriteria-kriteria penilaian. Hasil tersebut disimpan ke dalam sebuah database dengan rancangan database atau ERD dapat dilihat pada gambar 3. Untuk memperoleh karyawan yang memiliki potensi mendapatkan gaji bonus disini menggunakan metode AHP dengan datanya diambil dari database.
Gambar 3. Desain database (ERD)
Pengujian sistem dilakukan dengan metode blackbox testing. Blackbox testing atau pengujian kotak hitam adalah pengujian yang dilakukan untuk mengamati kesesuaian fungsional dari masukan dan luaran suatu sistem. Dengan blackbox testing nantinya akan mendeteksi masalah sistem seperti kesalahan fungsional, kesalahan antarmuka, dan kesalahan deklarasi [5]. Blackbox testing yang dilakukan adalah dengan membuat pertanyaan atau pernyataan mengenai fungsional atau ekspektasi terhadap suatu proses dalam sistem yang hasil penilaiannya dibedakan menjadi dua yaitu sesuai dan tidak sesuai.
Data yang diperlukan disini adalah data mengenai apa saja kriteria yang digunakan PT Sadhana Adiwidya Bhuana dalam melakukan penilaian terhadap karyawannya, yang akan menjadi tolak ukur dalam mendapatkan referensi untuk menentukan keputusan. Hasilnya terlihat pada tabel 3 merupakan data kriteria yang sudah disepakati dalam penelitian ini.
Tabel 3. Kriteria
|
Kode |
Nama Kriteria |
|
K1 |
Key Performance Indicator (KPI) |
|
K2 |
Analisis data |
|
K3 |
Berpikir kritis |
|
K4 |
Kreatif dan inovatif |
|
K5 |
Komunikasi |
|
K6 |
Kerjasama |
|
K7 |
Sikap |
|
K8 |
Absensi |
Selanjutnya adalah data nilai prioritas kriteria yang sudah disepakati dapat dilihat di tabel 4 berikut.
Tabel 4. Nilai prioritas perbandingan berpasang
|
Kriteri a |
K1 |
K2 |
K3 |
K4 |
K5 |
K6 |
K7 |
K8 |
|
K1 |
1 |
3 |
3 |
3 |
5 |
5 |
6 |
6 |
|
K2 |
1/3 |
1 |
2 |
2 |
3 |
3 |
4 |
5 |
|
K3 |
1/3 |
1/2 |
1 |
1 |
1/2 |
4 |
4 |
5 |
|
K4 |
1/3 |
1/2 |
1 |
1 |
1 |
3 |
4 |
4 |
|
K5 |
1/5 |
1/3 |
2 |
1 |
1 |
2 |
3 |
4 |
|
K6 |
1/5 |
1/3 |
1/4 |
1/3 |
1/2 |
1 |
3 |
3 |
|
K7 |
1/6 |
1/4 |
1/4 |
1/4 |
1/3 |
1/3 |
1 |
1 |
|
K8 |
1/6 |
1/5 |
1/5 |
1/4 |
1/4 |
1/3 |
1 |
1 |
Dari data yang sudah didapatkan selanjutnya adalah melakukan langkah-langkah dalam pengimplementasian metode AHP dapat dilihat sebagai berikut.
-
a. Menormalisasi matriks perbandingan berpasangan.
|
Tabel 5 |
. Matriks Perbandingan |
Berpasang |
an | ||||||
|
Kriteri |
K1 |
K2 |
K3 |
K4 |
K5 |
K6 |
K7 |
K8 | |
|
a | |||||||||
|
K1 |
1 |
3 |
3 |
3 |
5 |
5 |
6 |
6 | |
|
K2 |
0,33 |
1 |
2 |
2 |
3 |
3 |
4 |
5 | |
|
3 | |||||||||
|
K3 |
0,33 |
0,5 |
1 |
1 |
0,5 |
4 |
4 |
5 | |
|
K4 |
3 |
0,5 |
1 |
1 |
1 |
3 |
4 |
4 | |
|
K5 |
0,33 |
0,333 |
2 |
1 |
1 |
2 |
3 |
4 | |
|
K6 |
3 |
0,333 |
0,2 |
0,33 |
0,5 |
1 |
3 |
3 | |
|
K7 |
0,2 |
0,25 |
5 |
3 |
0,333 |
0,333 |
1 |
1 | |
|
0,2 |
0,2 |
0,25 | |||||||
|
0,16 |
5 |
Untuk | |||||||
|
6 | |||||||||
|
K8 |
0,16 |
0,2 |
0,2 |
0,25 |
0,25 |
0,333 |
1 |
1 | |
|
6 | |||||||||
|
sum |
2,73 |
6,116 |
9,7 |
8,83 |
11,58 |
18,66 |
26 |
29 | |
|
3 |
3 |
3 |
6 | ||||||
|
mendapatk |
an nilai matriks no |
rmalisa |
si menggunakan |
rumus (1). | |||||
∑^1 aik= sum - tabel 5
«14 —
£15 —
£16 —
8,833 5
11,583 5
18,666
Ap — —
—17 26
_ 8
£1 R —
—18 29
0,365 0,490 0,309 0,339 0,431
0,267 0,230 0,206
Dari perhitungan diatas diperoleh nilai matriks normalisasi pada baris 1. Kemudian dilakukan perulangan pada baris selanjutnya sehingga menghasilkan matriks normalisasi perbandingan berpasangan yang hasilnya pada tabel 6.
Tabel 6. Hasil Normalisasi Matriks Perbandingan Berpasangan
|
Kriteri |
K1 |
K2 |
K3 |
K4 |
K5 |
K6 |
K7 |
K8 |
sum |
|
a | |||||||||
|
K1 |
0,36 |
0,490 |
0,30 |
0,33 |
0,431 |
0,267 |
0,23 |
0,206 |
2,642 |
|
5 |
9 |
9 |
0 | ||||||
|
K2 |
0,12 |
0,163 |
0,20 |
0,22 |
0,258 |
0,160 |
0,15 |
0,172 |
1,464 |
|
1 |
6 |
6 |
3 | ||||||
|
K3 |
0,12 |
0,081 |
0,10 |
0,11 |
0,043 |
0,214 |
0,15 |
0,172 |
1,003 |
|
K4 |
1 |
0,081 |
3 |
3 |
0,086 |
0,160 |
3 |
0,137 |
0,958 |
|
K5 |
0,12 |
0,054 |
0,10 |
0,11 |
0,086 |
0,107 |
0,15 |
0,137 |
0,893 |
|
K6 |
1 |
0,054 |
3 |
3 |
0,043 |
0,053 |
3 |
0,103 |
0,506 |
|
K7 |
0,07 |
0,040 |
0,20 |
0,11 |
0,028 |
0,017 |
0,11 |
0,034 |
0,275 |
|
3 |
6 |
3 |
5 | ||||||
|
0,07 |
0,02 |
0,03 |
0,11 | ||||||
|
3 |
5 |
7 |
5 | ||||||
|
0,06 |
0,02 |
0,02 |
0,03 | ||||||
|
0 |
5 |
8 |
8 | ||||||
|
K8 |
0,06 |
0,032 |
0,20 |
0,02 |
0,021 |
0,017 |
0,03 |
0,034 |
0,254 |
|
0 |
6 |
8 |
8 |
-
b. Menentukan Bobot Kriteria
Setelah menentukan matriks normalisasi dari tabel perbandingan berpasang selanjutnya menentukan bobot tiap kriteria dengan menggunakan rumus (2)
∑⅛l=1 ⅛fc = sum - tabe∣ 6
W1 — 2,642— 0,330
1,003
0,958 n 1
W4 = — = 0,119
0-893
Wq = --- = 0,111
0,254
-
Tabel 7. Bobot Kriteria
Kode Kriteria
Bobot (wk) Nama Kriteria
Q1
0,330 Key Performance Indicator (KPI)
Q2
Q3
0,183 Analisis data
0,125 Berpikir kritis
Q4
Q5
0,119 Kreatif dan inovatif
0,111 Komunikasi
Q6
Q7
0,063 Kerjasama
0,034 Sikap
Q8
0,031 Absensi
s
c. Melakukan Pengujian Untuk melakukan pen Untuk menentukan ind kriteria dengan meng
Konsistensi Matriks Perbandingan Berpasangan
gujian konsistensi terlebih dahulu harus menentukan indeks konsistensi. eks konsistensi terlebih dahulu harus menentukan nilai eigen dari setiap gunakan rumus (4).
∑∣=1 atk = sumk
— tabel 5
λ1 = 2733 = 0,902
-
1 0,330
λ2 = 6116 = 1,119
-
2 0,183
λ3 = — = 1,216
-
3 0,125
λ4 = 8833 = 1,058
-
4 0,119
λ = ιι,583 = 1,294
-
5 0,111
λ = 18,666 = 1,182
-
6 0,063
λ7 = — = 0,895
-
7 0,034
29
-
λ 8 = 0,031 = 0,924
m
λmax = ∑ λZ = 8,495
1 = 1
-
Kemudian masukkan nilai eigen maksimum dalam rumus (3) untuk mendapatkan indeks konsistensi.
(8,495-8)
C (8-1)
= 0,084
Kemudian selanjutnya kita dapat menentukan rasio konsistensi dengan rumus (5)
RI = nilai dari tabel 2 dengan nilai pada nilai matriks 8 (banyak kriteria)
CR =
0,084
1,4056
= 0,060
Diperoleh rasio konsistensi (CR) dari matriks perbandingan berpasangan adalah 0,06. Dari hasil tersebut dapat menunjukkan bahwa perhitungan metode AHP dianggap konsisten karena sudah memenuhi syarat pengujian yaitu CR < 0,1.
-
d. Menentukan Performance Score Karyawan
Setelah mendapatkan nilai bobot setiap kriteria selanjutnya adalah menentukan nilai performance score dari setiap karyawan berdasarkan penilaian yang diberikan dalam setiap kriteria. Penilaian dilakukan dengan menggunakan data uji 5 karyawan dengan rentang nilai 1 (kurang), 2 (cukup), 3 (baik), dan 4 (sangat baik). Hasil penilaian dapat dilihat dalam tabel 8.
|
Tabel 8. Penilaian Karyawan | |
|
Nama Karyawan |
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q 8 |
|
Nyoman Ardiani Komang Merta Putu Tarmika |
4 4 3 4 3 4 4 3 3 3 2 3 3 2 4 3 3 4 3 2 3 3 3 4 |
|
Made Suryanto Gede Wisnaya |
4 2 3 3 4 2 3 4 2 3 3 4 3 4 1 4 |
Karena hanya menggunakan satu range nilai yang sapa pada tiap-tiap kriteria maka normalisasi nilai dengan membagi setiap nilai dengan maksimum rentang nilai tersebut. Hasilnya terlihat pada tabel 9.
|
Tabel 9. Hasil Normalisasi Data | |
|
Inisial |
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 |
|
C1 |
1 1 0,75 1 0,75 1 1 0,7 5 |
|
C2 |
0,7 0,75 0,5 0,75 0,75 0,5 1 0,7 5 5 |
|
C3 |
0,7 1 0,75 0,5 0,75 0,75 0,75 1 |
|
C4 |
5 0,5 0,75 0,75 1 0,5 0,75 1 |
|
C5 |
1 0,75 0,75 1 0,75 1 0,25 1 0,5 |
Selanjutnya adalah menentukan penilaian berdasarkan pembobotan tiap kriteria dari tabel 6. Hasilnya terlihat pada tabel 10.
|
Tabel 10. Hasil Nilai Berdasarkan Bobot Kriteria | |
|
Inisial |
Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 |
|
C1 |
0,33 0,18 0,09 0,11 0,083 0,06 0,034 0,02 0 3 3 9 3 3 |
|
C2 |
0,24 |
0,13 |
0,06 |
0,08 |
0,083 |
0,03 |
0,034 |
0,02 |
|
7 |
7 |
2 |
9 |
1 |
3 | |||
|
C3 |
0,24 |
0,18 |
0,09 |
0,05 |
0,083 |
0,04 |
0,025 |
0,03 |
|
C4 |
7 |
3 |
3 |
9 |
0,111 |
7 |
0,025 |
1 |
|
C5 |
0,33 |
0,09 |
0,09 |
0,08 |
0,083 |
0,03 |
0,008 |
0,03 |
|
0 |
1 |
3 |
9 |
1 |
1 | |||
|
0,16 |
0,13 |
0,09 |
0,11 |
0,06 |
0,03 | |||
|
5 |
7 |
3 |
9 |
3 |
1 |
Terakhir performance score dapat ditentukan dengan PSn = ∑jrL1 Qn hasilnya dapat dilihat
pada tabel 11.
|
Tabel 11. |
Performance Score |
|
Inisial C1 C2 C3 C4 Dari performance score C5 |
PS 0,92 8 0,70 6 0,76 8 0,80 tersebut dapat menjadi nilai |
|
sebagai tolak ukur dalam |
memberikan gaji bonus terhadap Berdasarkan kesepakatan 0,69 Adiwidya Bhuana minimal |
|
seorang karyawan. dengan PT Sadhana | |
|
performance score yang |
dibutuhkan agar dapat menerima |
|
gaji bonus adalah > 0,7 |
dengan total gaji bonus yang |
akan diterima adalah (Anggarangaji bonus perkaryawan × Performance score). Sehingga
karyawan dengan inisial C5 tidak mendapatkan gaji bonus karena performance scorenya yang kurang dari 0,7.
Dalam pengimplementasiannya sistem ini saya rancang dalam bentuk web dengan menggunakan framework python yaitu streamlit. Kemudian untuk menyimpan data saya menggunakan MySQL sebagai database managementnya, dan masih dalam scope localhost. Berikut merupakan hasil implementasi dan hasil testing dengan menggunakan balckbox testing.
-
a. Login
Gambar 4. Login
Tabel 12. Pengujian Login
Skenario Pengujian
Hasil Yang diharapkan
Keteranga
n
User memasukkan
Jika nama pengguna dan kata sesuai
username dan sandi valid maka dapat masuk
password. ke dalam sistem dan dibawa ke
home page, jika tidak sesuai user diminta mengulang.
Gambar 5. Home Page
-
b. Input Data Karyawan
Gambar 6. Input Data Karyawan
Tabel 13. Pengujian Input Karyawan
|
Skenario Pengujian |
Hasil Yang diharapkan |
Keteranga n |
|
User memasukkan nama karyawan dan kode karyawan |
Jika sudah mengisi nama dan kode dan menekan tombol tambah maka data akan disimpan. Jika nama dan kode kosong maka data tidak disimpan dan muncul alert. |
sesuai |
c. Cek Data Karyawan
Gambar 7. Data Karyawan
Tabel 14. Pengujian Tampilan Data Karyawan
|
Skenario Pengujian |
Hasil Yang diharapkan |
Keteranga n |
|
User memilih menu karyawan |
Menampilkan data karyawan yang sesuai. Tombol delete dapat berfungsi dengan baik. |
sesuai |
d. Penilaian Karyawan
Gambar 8. Menu Penilaian
Gambar 9. Kriteria Penilaian
Tabel 15. Pengujian Penilaian Karyawan
|
Skenario Pengujian |
Hasil Yang diharapkan Keteranga n |
|
User memasukkan tahun |
Jika karyawan pada tahun sesuai |
|
penilaian dan karyawan yang dinilai kemudian memberikan nilai |
yang dipilih belum dinilai maka data dapat disimpan jika sudah dinilai maka muncul alert. |
e. Daftar Nilai karyawan
Gambar 10. Hasil Penilaian Karyawan
Tabel 16. Pengujian Menu Hasil Penilaian
|
Skenario Pengujian |
Hasil Yang diharapkan |
Keteranga n |
|
User memilih menu penilaian dan memasukkan tahun penilaian. |
Menampilkan data yang sesuai. Jika tahun yang dipilih penilaian karyawan belum lengkap atau belum ada penilaian maka muncul alert |
sesuai |
f. Gaji Bonus Karyawan
Gambar 11 Hasil Penentuan Gaji Bonus
|
Tabel 17. Pengujian Penentuan Gaji Bonus |
\ | ||
|
Skenario Pengujian |
Hasil Yang diharapkan |
Keteranga n | |
|
User memasukkan tahun dan gaji bonus yang sudah dianggarkan di tahun tersebut. |
Menampilkan nilai gaji yang relevan sesuai dengan penilaian karyawan. Jika performance kurang dari 0.7 maka karyawan tidak mendapatkan gaji bonus. Jika nilai gaji kosong atau belum ada karyawan di tahun yang |
sesuai | |
dipilih maka muncul alert.
Implementasi Analytical Hierarchy Process (AHP) dalam penentuan bobot kriteria pendukung keputusan mendapatkan hasil yang baik. Terdapat delapan kriteria yang telah disepakati dengan masing-masing bobot yang diperoleh dari metode AHP adalah key performance indicator (KPI) dengan bobot 0.330, analisis data dengan bobot 0.183, berpikir kritis dengan bobot 0.125, kreatif dan inovatif dengan bobot 0.119, komunikasi dengan bobot 0.111, kerjasama dengan bobot 0.063, sikap dengan bobot 0.034, dan absensi dengan bobot 0.031. Dari hasil pembobotan tersebut kemudian diimplementasikan dalam bentuk aplikasi berbasis website. Hasil pengujian menunjukkan fungsional aplikasi dapat berjalan dengan baik dan sesuai ekspektasi. Sistem dapat memberikan daftar karyawan yang berhak mendapatkan gaji dengan nominal yang berdasarkan dengan performance score yang diperoleh dari penilaian karyawan.
Daftar Pustaka
-
[1] D. Witasari and Y. Jumaryadi, “Aplikasi Pemilihan Karyawan Terbaik Dengan Metode Simple Additive Weighting (Saw) (Studi Kasus Citra Widya Teknik),” JUST IT J. Sist. Informasi, Teknol. Inf. dan Komput., vol. 10, no. 2, p. 115, 2020, doi: 10.24853/justit.10.2.115-122.
-
[2] D. Nababan and R. Rahim, “Sistem Pendukung Keputusan Reward Bonus Karyawan Dengan Metode Topsis,” Nababan, Darsono Rahim , Robbi, vol. 3, no. 1, pp. 2528–5114, 2018, [Online]. Available: https://ejournal.medan.uph.edu/index.php/isd/article/view/185
-
[3] M. Yanto, “Sistem Penunjang Keputusan Dengan Menggunakan Metode Ahp Dalam Seleksi Produk,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 3, no. 1, pp. 167–174, 2021, doi:
10.47233/jteksis.v3i1.161.
-
[4] N. Sari, “Implementation of the AHP-SAW Method in the Decision Support System for Selecting the Best Tourism Village,” J. Tek. Inform. CIT Medicom, vol. 13, no. 1, pp. 23–32, 2021, [Online]. Available: https://www.medikom.iocspublisher.org/index.php/JTI/article/view/51
-
[5] S. R. Yulistina, T. Nurmala, R. M. A. T. Supriawan, S. H. I. Juni, and A. Saifudin, “Penerapan Teknik Boundary Value Analysis untuk Pengujian Aplikasi Penjualan Menggunakan Metode Black Box Testing,” J. Inform. Univ. Pamulang, vol. 5, no. 2, p. 129, 2020, doi:
10.32493/informatika.v5i2.5366.
This page is intentionally left blank.
536
Discussion and feedback