SPK Pemberian Reward

Kepada Guru Berprestasi di SMP Negeri 2 Jepara Dengan Menggunakan Metode SAW

Disusun Oleh :

Nama               : Eni Ramadhaniati

NIM                 : 201353025

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS MURIA KUDUS

2015

BAB I

PENDAHULUAN

1.1.Latar Belakang

Dalam suatu Instansi pendidikan memiliki guru, staf pengajar, yang profesional merupakan sebuah keharusan bagi sekolah baik SD, SMP maupun SMA dalam melaksanakan proses pendidikan yang bermutu, demikian halnya dengan SMP Negeri 2 Jepara. Untuk itu, sekolah selalu mendorong peningkatan profesionalitas guru dan meningkatkan kualitas sistem manajemen tenaga kependidikan. Untuk mengetahui tingkat profesionalitas seorang guru, dilakukan penilaian terhadap kemampuan guru dalam melaksanakan proses pendidikan dan pengajaran. Penilaian dilakukan dengan mengukur kinerja masing-masing guru dalam melaksanakan tugas dan kewajibannya yang sesuai dengan standar kompetensi yang ada.

Kompetensi guru dapat dimaknai sebagai kebulatan pengetahuan, keterampilan dan sikap yang berwujud tindakan cerdas dan penuh tanggung jawab dalam melaksanakan tugas sebagai agen pembelajaran. Dari uraian masalah di atas, maka perlu adanya sebuah sistem pendukung keputusan yang dapat membantu proses pengambilan keputusan suatu masalah sehingga keputusan yang diberikan atau dihasilkan diharapkan dapat memenuhi batasan yang ditentukan.

Metode yang digunakan pada makalah kali ini adalah metode Simple Additive Weighting (SAW). Metode SAW ini dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan denga proses perankingan yang akan menyeleksi alternatif terbaik dari sejumlah alternatif yang ada. (Wibowo & dkk, 2009). Dalam hal ini alternatif yang dimaksud adalah guru yang memiliki Penilaian Kinerja Guru (PKG) tertinggi berdasarkan kriteria-kriteria yang telah ditentukan.

Dengan metode perankingan tersebut, diharapkan penilaian akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan,sehingga akan mendapatkan hasil yang akurat terhadap siapa yang akan menerima reward tersebut.

1.2.Rumusan Masalah

Berdasarkan latar belaklang masalah diatas, rumusan masalah dari makalah ini adalah

1.      Bagaimanakah merancang sistem pendukung keputusan kinerja guru di SMP Negeri 2 Jepara  dengan Metode Simple Adtivite Weighting (SAW)

2.      Bagaimanakah menerapkan metode Simple Adtivite Weighting (SAW) sebagai salah satu metode dalam membuat sistem pembuat keputusan kinerja guru di SMP Negeri 2 Jepara

1.3.Batasan Masalah            

Batasan masalah yang dapat diuraikan agar makalah ini tidak meluas adalah sebagai berikut

1.      Metode yang dibuat merupakan pendukung keputusan saja sehingga keputusan yang diambil tetap berada pada Kepala Sekolah

2.      Kriteria yang digunkana dalam metode menyesuaikan dengan Internal SMP Neeri 2 Jepara

BAB II

PEMBAHASAN

2.1. Metode Simple Additive Weighting (SAW)

Pengertian Metode Simple Additive Weighting (SAW) Metode Simple Additive Weighting (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.  

Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM itu sendiri merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Metode SAW ini mengharuskan pembuat keputusan menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan lintas atribut) dan bobot tiap atribut. Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati proses normalisasi

matriks sebelumnya.

2.2. LangkahPenyelesaian dengan Metode SAW

Langkah Penyelesaian SAW sebagai berikut :

1.      Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci.

2.      Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

3.      Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R.

4.      Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi.

Formula untuk melakukan normalisasi tersebut adalah :

                        Dimana :

                        Rij       = rating kinerja ternormalisasi

                        Maxij   = nilai maksimum dari setiap baris dan kolom

                        Minij    = nilai minimum dari setiap baris dan kolom

                        Xij       = baris dan kolom dari matriks

                        Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut                       Cj; i =1,2,…m dan j = 1,2,…,n.

                        Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai :

                               

                        Dimana :

                        Vi  = Nilai akhir dari alternatif

                        wj  = Bobot yang telah ditentukan

                        rij   = Normalisasi matriks Nilai Vi yang lebih besar mengindikasikan bahwa                                              alternatifAi lebih terpilih

STUDI KASUS

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN REWARD

SMP Negeri 2 Jepara akan melakukan penilaian terhadap kinerja 6 guru  dengan metode SAW. Penilaian ini dimaksudkan untuk memilih siapa guru yang layak untuk mendapatkan Reward, Penilaian berdasarkan 6 kriteria yaitu kesetiaan, tanggung jawab, prestasi kerja, ketaatan, kejujuran dan kerjasama.

Dengan adanya penilaian ini diharapkan akan membantu dalam pengambilan keputusan siapa yang berhak mendapatkan Reward dari Kepala Sekolahdan mengetahui seberapa baik kinerja guru di SMP Negeri 2 Jepara.

Nama Guru yang akan diseleksi  :

1.      Aini Sulistyowati S.Pd    (X1)

2.      Imdatul Sofiah S.Pd        (X2)

3.      Nur Hadiyoso S.Pd          (X3)

4.      Sri Hartati S.Pd                (X4)

5.      Ridho Mahmud S.Pd       (X5)

6.      Margdalena Suryati S.Pd (X6)

Kriteria benefit-nya adalah

1.      Kesetiaan ( Y1)

2.      Prestasi Kerja (Y2)

3.      Tanggung Jawab (Y3)

Sedangkan kriteria cost-nya adalah

1.      Ketaatan (Y4)

2.      Kejujuran (Y5)

3.      Kerjasama (Y6)

Kriteria dan Pembobotan

Teknik pembobotan pada kriteria dapat dilakukan dengan beragai macam cara dan metode. Fase ini dikenal dengan istilah pra-proses. Namun bisa juga dengan cara secara sederhana dengan memberikan nilai pada masing-masing secara langsung berdasarkan persentasi nilai bobotnya. Sedangkan untuk yang lebih lebih baik bisa digunakan fuzzy logic. Penggunaan Fuzzy logic, sangat dianjurkan bila kritieria yang dipilih mempunyai sifat yang relative, misal Umur, Panas, Tinggi, Baik atau sifat lainnya.

Di tahap ini kita mengisi bobot nilai dari suatu alternatif dengan kriteria yang telah dijabarkan tadi. Perlu diketahui nilai maksimal dari pembobotan ini adalah ‘1’

Tabel Kriteria

Guru	Kriteria
	Y1	Y2	Y3	Y4	Y5	Y6
X1	0,5	1	0,7	0,6	0,7	0,8
X2	0,8	0,3	1	0,8	0,9	0,7
X3	1	0,4	0,5	0,7	1	0,3
X4	0,7	0,1	0,4	0,6	0,8	0,4
X5	0,3	0,6	0,5	0,8	1	0,9
X6	0,1	0,5	0,1	0,1	0,5	0,1

Pembobotan (w)

Kriteria	Bobot
Y1	0,4
Y2	0,2
Y3	0,1
Y4	0,1
Y5	0,1
Y6	0,1
Total	1

Matrik

0,5	1	0,7	0,6	0,7	0,8
0,8	0,3	1	0,8	0,9	0,7
1	0,4	0,5	0,7	1	0,3
0,7	0,1	0,4	0,6	0,8	0,4
0,3	0,6	0,5	0,8	1	0,9
0,1	0,5	0,1	0,1	0,5	0,1

Kriteria benefitnya yaitu (Y1, Y2 dan Y3).

Untuk normalisai nilai, jika faktor kriteria benefit digunakanan rumusan

R_ii = ( X_ij / max{X_ij})

Dari kolom Y1 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom Y1 dibagi oleh nilai maksimal kolom Y1

R11 = 0,5 / 1 = 0,5

R21 = 0,8 / 1 = 0,8

R31 = 1 / 1    = 1

R41 = 0,7 / 1 = 0,7

R51 = 0,3 / 1 = 0,3

R61 = 0,1 / 1 = 0,1

Dari kolom Y2 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom Y2 dibagi oleh nilai maksimal kolom Y1

R12 = 1 / 1 = 1

R22 = 0,3 / 1 = 0,3

R32 = 0,4 / 1 = 0,4

R42 = 0,1 / 1 = 0,1

R52 = 0,6 / 1 = 0,6

R62 = 0,5 / 1 = 0,5

Dari kolom Y3 nilai maksimalnya adalah ‘1’ , maka tiap baris dari kolom Y3 dibagi oleh nilai maksimal kolom Y3

R13 = 0,7 / 1 = 0,7      

R23 = 1 / 1 = 1

R33 = 0,5 / 1 = 0,5

R43 = 0,4 / 1 = 0,4

R53 = 0,5 / 1 = 0,5

R63 = 0,1 / 1 = 0,1

Kriteria costnya yaitu (Y4, Y5 serta Y6). Untuk normalisai nilai, jika faktor kriteria cost digunakanan rumusan

R_ii = (min{X_ij} /X_ij)

Dari kolom Y4 nilai minimalnya adalah ‘0,1’ , maka tiap baris dari kolom Y4 menjadi penyebut  dari  nilai maksimal kolom Y4

R14 = 0,1 / 0,6 = 0,17

R24 = 0,1 / 0,8 = 0,125

R34 = 0,1 / 0,7 = 0,14

R44 = 0,1 / 0,6 = 0,17

R54 = 0,1 / 0,8 = 0,125

R64 = 0,1 / 0,1 = 1

Dari kolom Y5 nilai minimalnya adalah ‘0,5’ , maka tiap baris dari kolom Y4 menjadi penyebut  dari  nilai maksimal kolom Y5

R15 = 0,5 / 0,7 = 0,71

R25 = 0,5 / 0,9 = 0,55

R35 = 0,5 / 1 = 0,5

R45 = 0,5 / 0,8 = 0,625

R55 = 0,5 / 1 = 0,5

R65 = 0,5 / 0,5 = 1

Dari kolom Y6 nilai minimalnya adalah ‘0,1’ , maka tiap baris dari kolom Y6 menjadi penyebut  dari  nilai maksimal kolom Y6

R16 = 0,1 / 0,8 = 0,125

R26 = 0,1 / 0,7 = 0,142

R36 = 0,1 / 0,3 = 0,33

R46 = 0,1 / 0,4 = 0,25

R56 = 0,1 / 0,9 = 0,14

R66 = 0,1 / 0,1 = 1

Masukan semua hasil penghitungan tersebut kedalam tabel yang kali ini disebut tabel faktor ternormalisasi

0,5	0,8	1	0,7	0,3	0,1
1	0,3	0,4	0,1	0,6	0,5
0,7	1	0,5	0,4	0,5	0,1
0,17	0,125	0,14	0,17	0,125	1
0,71	0,55	0,5	0,625	0,5	1
0,125	0,142	0,33	0,25	0,14	1

Perangkingan

 X1      =  (0,5*0,4) + (0,8*0,2) + (1*0,1) + (0,7*0,1) + (0,3*0,1) + (0,1*0,1) = 0,57

 X2      =  (1*0,4) + (0,3*0,2) + (0,4*0,1) + (0,1*0,1) + (0,6*0,1) + (0,5*0,1) = 0,62

 X3      =  (0,7*0,4) + (1*0,2) +(0,5*0,1) + (0,4*0,1) +  (0,5*0,1) + (0,1*0,1) = 0,63

 X4      = (0,17*0,4) +(0,125*0,2)+(0,14*0,1)+(0,17*0,1)+(0,125*0,1)+(1*0,1) = 0,2365

 X5      = (0,71*0,4)+(0,55*0,2) + (0,5*0,1) + (0,625*0,1) + (0,5*0,1) + (1*0,1) = 0,6565

 X6      = (0,125*0,4) + (0,142*0,2)+(0,33*0,1)+(0,25*0,1)+(0,14*0,1) + (1*0,1) = 0,2504

 Dari hasil perangkingan di atas maka dapat disimpulkan :

 X1      = 0,57

 X2      = 0,62

 X3      = 0,63

 X4      = 0,2365

 X5      = 0,6565

X6       = 0,2504

Dari hasil perhitungan di atas nilai tertinggi di peroleh oleh (X1) dengan nilai 0,57, maka dapat direkomendasikan sebagai guru yang layak mendapatkan reward adalah Aini Sulistyowati S.Pd

BAB III

PENUTUP

 Kesimpulan

1.      Dari studi kasus di atas maka dapat disimpulkan bahwa Sistem Pendukung Keputusan sangat membantu dalam pengambilan keputusan dalam suatu masalah, dengan objektif dan adil.

2.      Dengan adanya sistem pendukung keputusan untuk menentukan penilaian kinerja guru pada SMP Negeri 2 Jepara akan membantu dalam mengevaluasi kinerja guru yang ada di sekolah tersebut dalam pencapaian standar kompetensi yang ada.

3.      Dengan adanya sistem pendukung keputusan ini membuktikan bahwa metode Simple Additive Weighting berhasil di implementasikan kedalam sistem dan telah dibuktikan pada saat pengujian penelitian.

4.      Perhitungan diatas menghasilkan keputusan siapa yang bekan rhak dan layak mendapatkan reward guru berprestasi

Saran

Karena ketebatasan waktu, penulis hanya membatasi pada 6 kriteria yang dinilai, yaitu Kesetiaan, Prestasi Kerja, Tanggung Jawab, Ketaatan, Kejujuran dan Kerjasama. Untuk pengembangan sistem dapat ditambah variabel lain yang dapat memperkuat dalam pengambilan keputusan.