Dokumen ini membahas pengembangan sistem pendukung keputusan (DSS) menggunakan metode Analytical Hierarchy Process (AHP) untuk menilai kinerja karyawan dalam pemberian bonus. AHP digunakan untuk menguraikan masalah kompleks menjadi hirarki, membandingkan kriteria seperti prestasi kerja dan kejujuran, serta menghasilkan prioritas dari alternatif yang ada. Tujuan akhir dari projek ini adalah untuk menyusun alat pengambilan keputusan yang lebih efektif dalam menentukan karyawan yang berhak menerima bonus.

1. LAPORAN PROJEK UAS KECERDASAN BUATAN
“SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN
METODE ANALYTICAL HIERARCY PROCESS UNTUK
PEMBERIAN BONUS KARYAWAN”
Dosen pengampu
Laili Cahyani S. Kom., M. Kom
Oleh
1. Ubaydah Ulhaque 140631100048
2. Triya Ari Novianti 140631100062
3. R.B. Bani Rahman H. 140631100055
4. Lukman Hakim 140631100072
5. Qiroatul Maghviroh 140631100073
PROGRAM STUDI PENDIDIKAN INFORMATIKA
FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS TRUNOJOYO MADURA
2017

2. BAB I
PENDAHULUAN
1.1 Latar Belakang
Pada suatu perusahaan terdapat departemen HRD yang bertanggung
jawab atas kinerja karyawan. Permasalahan yang timbul adalah kesulitan
pada proses penilaian kinerja karyawan. Hal ini sangat penting dilakukan
untuk menentukan karyawan yang akan diberi bonus. Penilaian dilakukan
berdasarkan kriteria – kriteria yang telah ditentukan oleh perusahaan antara
lain prestasi kerja, kejujuran, absensi, jarak rumah, usia dan masa kerja.
Penilaian prestasi kerja adalah proses mengevaluasi atau menilai prestasi
kerja karyawan. Kegiatan ini dapat memperbaiki keputusan – keputusan
personalia dan memberikan umpan balik kepada karyawan tentang
pelaksanaan kerja mereka.
Pada project ini dilakukan pembuatan sistem pendukung keputusan atau
DSS yang menggunakan metode AHP. Decision Support System (DSS)
adalah sistem berbasis komputer yang menyajikan dan memproses informasi
yang memungkinkan pembuatan keputusan menjadi lebih produktif, dinamis
dan inovatif. DSS dengan metode Analytical Hierarchy Process (AHP) dapat
menjadi solusi dalam melakukan penilaian terhadap kinerja karyawan.
Peralatan utama AHP adalah sebuah hirarki fungsional dengan input
utamanya persepsi manusia. Keberadaan hirarki memungkinkan dipecahnya
masalah kompleks atau tidak terstruktur dalam sub – sub masalah, lalu
menyusunnya menjadi suatu bentuk hirarki. Salah satu keunggulan AHP
adalah dapat digambarkan secara grafis sehingga mudah dipahami oleh semua
pihak yang terlibat dalam pengambilan keputusan.
1.2 Tujuan
Tujuan dari projek ini adalah untuk merancang sistem pendukung
keputusan dengan metode Analytic Hierarchy Process (AHP) yang mampu
menganalisa kinerja karyawan yang akan diberi bonus.

3. BAB II
DASAR TEORI
2.1 Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) / Decision Support Sistem
(DSS) pertama kali diungkapkanp ada awal tahun 1970-an oleh Michael S.
Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut
adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu
pengambil keputusan dengan memanfaatkan data dan model tertentu untuk
memecahkan berbagai persoalan yang tidak terstruktur. Istilah SPK mengacu
pada suatu sistem yang memanfaatkan dukungan komputer dalam proses
pengambilan keputusan. Beberapa Definisi Lain dari Sistem Penunjang
Keputusan
a. Little (1970)
Sistem pendukung keputusan adalah sebuah himpunan/kumpulan prosedur
berbasis model untuk memproses data dan pertimbangan untuk membantu
manajemen dalam pembuatan keputusannya.
b. Hick (1993)
Sistem pendukung keputusan sebagai sekumpulan tools komputer yang
terintegrasi yang mengijinkan seorang decision maker untuk berinteraksi
langsung dengan komputer untuk menciptakan informasi yang berguna
dalam membuat keputusan semi terstruktur dan keputusan tak terstruktur
yang tidak terantisipasi.
Macam – Macam Metode Sisem Penunjang Keputusan :
1. Metode Sistem pakar
2. Metode Regresi linier
3. Metode B/C Ratio
4. Metode AHP
5. Metode IRR
6. Metode NPV
7. Metode FMADM
8. Metode SAW

4. Keuntungan yang akan diperoleh dari penggunaan sistem pendukung
keputusan antara lain:
1. Mampu mendukung pencarian solusi dari masalah yang kompleks
2. Respon cepat pada situasi yang diharapkan dalam kondisi yang berubah-
ubah
3. Mampu untuk menerapkan berbagai strategi yang berbeda pada
konfigurasi yang berbeda
4. Pandangan dan pembelajaran baru
5. Memfasilitasi komunikasi
6. Meningkatkan kontrol menejemen dan kinerja
7. Menghemat biaya
8. Keputusan yang lebih tepat
2.2 Metode AHP (Analytical Hierarchy Process)
AHP merupakan suatu model pendukung keputusan yang dikembangkan
oleh Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan
masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki,
menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari
sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana
level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria,
dan seterusnya ke bawah hingga level terakhir dari alternatif. Dalam
menyelesaikan permasalahan dengan AHP ada beberapa prinsip dasar yang
harus dipahami, di antaranya adalah :
1. Menyusun hirarki
Penyusunan hirarki dilakukan dengan menentukan tujuan yang
merupakan sasaran sistem secara keseluruhan pada level teratas. Level
berikutnya terdiri dari kriteria-kriteria untuk menilai atau
mempertimbangkan alternatif-alternatif yang ada dan menentukan
alternatif-alternatif tersebut. Setiap kriteria dapat memiliki subkriteria
dibawahnya dan setiap kriteria dapat memiliki nilai intensitas masing-
masing.

5. 2. Penilaian kriteria dan alternatif
Dilakukan dengan menggunakan perbandingan berpasangan. Untuk
berbagai persoalan, skala 1 sampai 9 adalah skala terbaik untuk
mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari
skala perbandingan Saaty bisa diukur menggunakan tabel analisis seperti
ditunjukkan pada tabel 1 dibawah ini.
Tabel 1 Skala dasar perbandingan berpasangan
Tingkat
Kepentingan
Definisi Keterangan
1 Sama
Pentingnya
Kedua elemen mempunyai pengaruh
yang sama
3 Sedikit lebih
penting
Pengalaman dan penilaian sangat
memihak satu elemen dibandingkan
dengan pasangannya
5 Lebih
Penting
Satu elemen sangat disukai dan secara
praktis dominasinya sangat nyata,
dibandingkan dengan elemen
pasangannya.
7 Sangat
Penting
Satu elemen terbukti sangat disukai
dan secara praktis dominasinya
sangat nyata, dibandingkan dengan
elemen pasangannya.
9 Mutlak lebih
penting
Satu elemen terbukti mutlak lebih
disukai dibandingkan dengan
pasangannya, pada keyakinan
tertinggi.
2,4,6,8 Nilai Tengah Diberikan bila terdapat keraguan
penilaian di antara dua tingkat
kepentingan yang berdekatan.

6. 3. Synthesis of priority (menentukan prioritas)
Untuk setiap kriteria dan alternatif, perlu dilakukan perbandingan
berpasangan (pairwise comparisons). Nilai – nilai perbandingan relatif
dari seluruh alternatif kriteria bisa disesuaikan dengan judgement yang
telah ditentukan untuk menghasilkan bobot dan prioritas. Bobot dan
prioritas dihitung dengan matriks atau melalui penyelesaian persamaan
matematika.
4. Logical Consistency (konsistensi logis)
Konsistensi memiliki dua makna. Pertama, objek – objek yang serupa bisa
dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua,
menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria
tertentu.
Prosedur yang digunakan dalam menentukan DSS:
 Mendefinisikan masalah dan menentukan solusi yang diinginkan, lalu
menyusun hirarki dari permasalahan yang dihadapi. Penyusunan hirarki
adalah dengan menetapkan tujuan yang merupakan sasaran sistem secara
keseluruhan pada level teratas.
 Menentukan prioritas elemen.
Langkah pertama dalam menentukan prioritas elemen adalah membuat
perbandingan berpasangan, yaitu membandingkan elemen secara
berpasangan sesuai kriteria yang diberikan. Matriks perbandingan
berpasangan diisi menggunakan bilangan untuk merepresentasikan
kepentingan relatif dari suatu elemen terhadap elemen lainnya.
 Sintesis
Pertimbangan – pertimbangan terhadap perbandingan berpasangan
disintesis untuk memperoleh keseluruhan prioritas. Hal – hal yang
dilakukan dalam langkah ini adalah:
 Menjumlahkan nilai – nilai dari setiap kolom pada matriks.
 Membagi setiap nilai dari kolom dengan total kolom yang
bersangkutan untuk memperoleh normalisasi matriks.
 Menjumlahkan nilai – nilai dari setiap baris dan membaginya dengan
jumlah elemen untuk mendapatkan nilai rata – rata.

7.  Mengukur Konsistensi
Dalam pembuatan keputusan, penting untuk mengetahui seberapa baik
konsistensi yang ada karena kita tidak menginginkan keputusan
berdasarkan pertimbangan dengan konsistensi yang rendah. Hal – hal
yang dilakukan dalam hal ini adalah :
 Kalikan setiap nilai pada kolom pertama dengan prioritas relatif
elemen pertama, nilai pada kolom kedua dengan prioritas relatif
elemen kedua dan seterusnya.
 Jumlahkan setiap baris
 Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif
yang bersangkutan.
 Menjumlahkan hasil bagi di atas dengan banyaknya elemen yang
ada. Hasilnya disebut λ maks
 Menghitung Consistency Index (CI) dengan rumus :
Dimana :
 CI = Indeks Konsistensi (Consistency Index)
 λmaks = Nilai eigen terbesar dari matrik berordo n
 n = banyaknya elemen
 Menghitung Rasio Konsistensi / Consistency Ratio (CR) dengan rumus :

8. Keterangan :
CR = Consistency Ratio
CI = Concictency Index
IR = Indeks Random Consistency
 Daftar Indeks Random Konsistensi (IR) ditunjukkan pada Tabel II.
Tabel 2 IR

 Memeriksa konsistensi hirarki.
Jika nilainya lebih dari 10 %, maka penilaian data judgment harus
diperbaiki. Namun jika rasio konsistensi (CI/IR) kurang atau sama
dengan 0,1 , maka hasil perhitungan bisa dinyatakan benar

9. BAB III
METODOLOGI PENELITIAN
3.1 Flowchart
Gambar 1 Flowchart
3.2 Mendifinisikan Permasalahan dan Menentukan Solusi dengan AHP
a. Permasalahan : Menentukan karyawan yang akan diberi bonus
b. Kriteria dan sub kriteria : pada tabel 3

10. Tabel 3 Kriteria dan sub kriteria
Kriteria Sub Kriteria
Prestasi kerja
(PK)
Sangat baik (SB)
Baik (B)
Cukup (C)
Kejujuran (KJ) Sangat jujur (SJ)
Kurang jujur (KJ)
Sering bohong (SB)
Kedisiplinan
(KD)
Sangat disiplin (SD)
Disiplin (D)
Cukup disiplin (CD)
Jarak rumah (JR) Sangat dekat (SD)
Dekat (D)
Cukup dekat (CD)
Usia (US) Muda (M)
Paruh baya (PB)
Sangat tua (ST)
Masa kerja (MK) Sangat lama (SL)
Lama (L)
Sebentar (S)
c. Setelah kita mengetahui permasalahan, solusi, kriteria dan sub kriteria
maka selanjutnya adalah menyusun kirarki dengan menetapkan tujuan
yang menjadi sasaran secara keseluruhan. Alternatifnya kami ambil contoh
5 orang. Yaitu Triya, Ubay, Vera, Bani dan Hakim.

11. Gambar 2 struktur hirarki kriteria DSS
d. Selanjutnya membentuk matrik pairwise comparison, yaitu melakukan
penilaian perbandingan dari kriteria (perbandingan ditentukan dengan
mengamati kebijakan yang dianut oleh penilai dalam perusahaan) :
1. Kriteria prestasi kerja 2 kali lebih penting dari kejujuran;
2. Kriteria prestasi kerja 3 kali lebih penting dari kedisiplinan;
3. Kriteria prestasi kerja 4 kali lebih penting dari jarak rumah;
4. Kriteria prestasi kerja 5 kali lebih penting dari usia;
5. Kriteria prestasi kerja 6 kali lebih penting dari masa kerja;
6. Kriteria kejujuran 2 kali lebih penting dari kedisiplinan;
7. Kriteria kejujuran 3 kali lebih penting dari jarak rumah;
8. Kriteria kejujuran 4 kali lebih penting dari usia;
9. Kriteria kejujuran 5 kali lebih penting dari masa kerja;
10. Kriteria kedisiplinan 2 kali lebih penting dari jarak rumah;
11. Kriteria kedisiplinan 3 kali lebih penting dari usia;
12. Kriteria kedisiplinan 4 kali lebih penting dari masa kerja;
13. Kriteria jarak rumah 2 kali lebih penting dari usia;
14. Kriteria jarak rumah 3 kali lebih penting dari masa kerja; dan
15. Kriteria usia 2 kali lebih penting dari masa kerja;

12. Sehingga matrik pairwise comparison untuk kriteria adalah :
Tabel 4 matrik pairwise comparison (perbandingan berpasangan)
KRITERIA PK KJ KD JR US MK
PK 1 2 3 4 5 6
KJ 1/2 1 2 3 4 5
KD 1/3 2/3 1 2 3 4
JR 1/4 2/4 ¾ 1 2 3
US 1/5 2/5 3/5 4/5 1 2
MK 1/6 2/6 3/6 4/6 5/6 1
Keterangan :
 Cara mendapatkan nilai pada tabel matrik diatas adalah dengan
membandingkan kolom yang terletak paling kiri dengan ssetiap kolom
kedua, ketiga, dan seterusnya.
 Perbandingan dengan dirinya sendiri akan menghasilkan nilai 1.
Sehingga nilai satu akan tampil secara diagonal (PK terhadap PK, KJ
terhadap KJ, dan seterusnya).
e. Menentukan rangking kriteria dalam bentuk vector prioritas ( disebut juga
eigen vector ternomalisasi ):
1. Mengubah matrik pairwise comparison ke bentuk desimal dan
menjumlahkan setiap kolom.
Tabel 5 matrik pairwise comparison desimal
KRITERIA PK KJ KD JR US MK
PK 1 2 3 4 5 6
KJ 0.5 1 2 3 4 5
KD 0.33 0.66 1 2 3 4
JR 0.25 0.5 0.75 1 2 3
US 0.2 0.4 0.6 0.8 1 2
MK 0.17 0.33 0.5 0.67 0.83 1
SUM 2.45 4.89 7.85 11.47 15.83 21

13. 2. Membagi elemen-elemen setiap kolom dengan jumlah kolom yang
bersangkutan.
Tabel 6
KRITERIA PK KJ KD JR US MK
PK 0.41 0.41 0.38 0.35 0.32 0.29
KJ 0.20 0.20 0.25 0.26 0.25 0.24
KD 0.13 0.13 0.13 0.17 0.19 0.19
JR 0.10 0.10 0.10 0.09 0.13 0.14
US 0.08 0.08 0.08 0.07 0.06 0.10
MK 0.07 0.07 0.06 0.06 0.05 0.05
Catatan : nilai 0,41 adalah hasil pembagian antara 1 / 2,45 dan
seterusnya.
3. Menghitung eigen vector normalisasi dengan cara : menjumlahkan
tiap baris kemudian dibagi dengan jumlah kriteria. Jumlah kriteria
dalam permasalahan ini adalah 6.
Tabel 7 Eigen Vector Normalisasi
PK KJ KD JR US MK JUMLAH EVN
PK 0.41 0.41 0.38 0.35 0.32 0.29 2,15 0,36
KJ 0.20 0.20 0.25 0.26 0.25 0.24 1,42 0,24
KD 0.13 0.13 0.13 0.17 0.19 0.19 0,95 0,16
JR 0.10 0.10 0.10 0.09 0.13 0.14 0,66 0,11
US 0.08 0.08 0.08 0.07 0.06 0.10 0,47 0,08
MK 0.07 0.07 0.06 0.06 0.05 0.05 0,36 0,06
Catatan:
a. EVN = eigen vector normalisasi
b. Nilai 2,15 adalah hasil penjumlahan dari 0,41+0,41+0,38+0,35
+0,32+0,29
c. Nilai 0,36 adalah hasil dari 2,15 / 6
d. Dan seterusnya.

14. f. Selanjutnya mengecek konsistensi ratio (CR) dari matrik perbandingan
berpasangan kriteria. Jika CR>0.1 maka harus diulang kembali
perbandingan berpasangan sampai didapat CR<=0.1.
1. Menentukan nilai eigen maksimum (λ maks)
a. λ maks = (2,45x0,36)+(4,89x0,24)+(7,85x0,16)+(11,47x0,11)+
(15,83x0,08)+(21x0,06)/6=(0,88+1,17+1,26+1,26+1,27+1,26)/6
= 7,1/6=1,18
2. Menghitung indeks konsistensi (CI)
CI = (1,18 – 6) / (6 – 1)= -4,82 / 5 = -0,96
3. Menghitung rasio konsistensi (CR)

15. CR = -0,96 / 1,24 = -0,77
1,24 didapat dari indeks rasio yaitu ukuran matriks 6
Oleh karena CR<0,1 maka rasio konsisten dari perhitungan tersebut
diterima.
g. Selanjutnya menentukan matrik perbandingan dari sub kriteria. Untuk
perbandingan dari setiap sub kriteria kami samakan nilainya.
1. Sub kriteria Prestasi Kerja
Tabel 8 matrik perbandingan yang dirubah dalam desimal
Matrik perbandingan
PK SB B C
SB 1 3 4
B 1/3 1 2
C 1/4 1/2 1
Tabel 9
Eigen Vector Normalisasi
PK SB B C JUMLAH EVN
SB 0,63 0,67 0,57 1,87 0,62
B 0,21 0,22 0,29 0,71 0,24
C 0,16 0,11 0,14 0,41 0,14
2. Sub kriteria Kejujuran
Tabel 10
Eigen Vector Normalisasi
KJ SJ KJ SB JUMLAH EVN
SJ 0,63 0,67 0,57 1,87 0,62
KJ 0,21 0,22 0,29 0,71 0,24
SB 0,16 0,11 0,14 0,41 0,14
Matrik dalam desimal
PK SB B C
SB 1 3 4
B 0,33 1 2
C 0,25 0,5 1
SUM 1,58 4,5 7

16. 3. Sub kriteria Kedisiplinan
Tabel 11
Eigen Vector Normalisasi
KD SD D CD JUMLAH EVN
SD 0,63 0,67 0,57 1,87 0,62
D 0,21 0,22 0,29 0,71 0,24
CD 0,16 0,11 0,14 0,41 0,14
4. Sub kriteria Jarak Rumah
Tabel 12
Eigen Vector Normalisasi
JR SD D CD JUMLAH EVN
SD 0,63 0,67 0,57 1,87 0,62
D 0,21 0,22 0,29 0,71 0,24
CD 0,16 0,11 0,14 0,41 0,14
5. Sub kriteria Usia
Tabel 13
Eigen Vector Normalisasi
US M PB ST JUMLAH EVN
M 0,63 0,67 0,57 1,87 0,62
PB 0,21 0,22 0,29 0,71 0,24
ST 0,16 0,11 0,14 0,41 0,14
6. Sub kriteria Masa Kerja
Tabel 14
Eigen Vector Normalisasi
MK SL L S JUMLAH EVN
SL 0,63 0,67 0,57 1,87 0,62
L 0,21 0,22 0,29 0,71 0,24
S 0,16 0,11 0,14 0,41 0,14

17. 7. Menghitung rasio konsistensi untuk mengetahui apakah penilaian
perbandingan sub kriteria bersifat konsisten.
a. Menentukan nilai Eigen Maksimum (λmaks).
λmaks = (1,583 x 0,62 )+(4,500 x 0,24)+(7,000 x 0,14)/3 = 3,03 /
3 = 1,01
b. Menghitung Indeks Konsistensi (CI)
CI = (λmaks-n)/n-1 = 1,01-3/3-1= -0,99
c. Rasio Konsistensi =CI/RI, nilai RI untuk n = 3 adalah 0,58
(lihatDaftar Indeks random konsistensi (RI))
CR = CI/RI = -0,099/0,58 = -1.71
Karena CR < 0,100 berari preferensi pembobotan adalah
konsisten
h. Selanjutnya menentukan rangking dari alternatif dengan cara menghitung
eigen vector untuk tiap kriteria dan sub kriteria.
Tabel 15 Eigen Vector Kriteria dan Sub Kriteria
Kriteria
EVN
PK 0,36
KJ 0,24
KD 0,16
JR 0,11
US 0,08
MK 0,06
Sub Kriteria
Bobot EVN
1 0,62
2 0,24
3 0,14

18. Tabel 16 Hasil Perhitungan Penilaian Karyawan
PK KJ KD JR US MK HASIL
TRIYA 1 1 3 2 2 1 0,72
UBAY 2 1 1 2 2 3 0,68
VERA 2 2 1 3 1 2 0,55
BANI 3 2 1 3 1 2 0,52
HAKIM 3 2 2 2 3 1 0,39
Catatan:
1. Nilai bobot diperoleh dari kondisi yang dimiliki alternatif. Contoh pada
Triya, yang memiliki prestasi kerja sangat baik maka diberi bobot 1 ( 2
untuk baik dan 3 untuk cukup baik). Triya dalam kejujurannya kurang
jujur maka diberi bobot 2 begitu juga seterusnya.
2. Hasil, diperoleh dari perkalian vektor kriteria dengan vektor sub
kriteria. Dan setiap hasil perkalian kriteria dan sub kriteria masing-
masing dijumlahkan. Misal Triya, pada kolom prestasi kerja (PK)
eigen vectornya 0,36 dikalikan dengan sub kriteria prestasi kerja (PK)
yaitu sangat baik eigen vectornya 0,62
3. ( EVN PK x EVN Bobot + EVN KJ x EVN Bobot + EVN KD x EVN
Bobot + EVN JR x EVN Bobot + EVN US x EVN Bobot + EVN MK
x EVN Bobot) = Hasil nilai alternatif
a. Triya = ( 0,36 x 0,62 + 0,24 x 0,62+ 0,16 x 0,14 + 0,11 x 0,24 +
0,08 x 0,24+ 0,06 x 0,62 ) = 0,72
b. Ubay = ( 0,36 x 0,24 + 0,24 x 0,62+ 0,16 x 0,62 + 0,11 x 0,24 +
0,08 x 0,24+ 0,06 x 0,14 ) = 0,68
c. Vera = ( 0,36 x 0,24 + 0,24 x 0,24+ 0,16 x 0,62 + 0,11 x 0,14 +
0,08 x 0,62+ 0,06 x 0,24 ) = 0,55
d. Bani = ( 0,36 x 0,14 + 0,24 x 0,24+ 0,16 x 0,62 + 0,11 x 0,14 +
0,08 x 0,62+ 0,06 x 0,24 ) = 0,52
e. Hakim = ( 0,36 x 0,14 + 0,24 x 0,24+ 0,16 x 0,24 + 0,11 x 0,24 +
0,08 x 0,14+ 0,06 x 0,62 ) = 0,39
Dari hasil diatas, Triya memiliki nilai paling tinggi sehingga layak
mendapatkan bonus.

19. BAB IV
Hasil dan Pembahasan
4.1 Rincian Aplikasi SPK
a. Program aplikasi sistem pendukung keputusan ini bisa digunakan untuk
menentukan karyawan yang akan diberi bonus.
b. Program ini menggunakan metode AHP (Analytical Hierarchy Process).
4.2 Interface Program
4.2.1 Screenshoot tampilan awal pada halaman web DSS
4.2.2 Screenshoot tampilan web kedua yaitu inputan pada penilaian kinerja
karyawan yang terdiri dari kriteria prestasi kerja, kejujuran, kedisplinan,
jarak rumah, usia dan masa kerja. Dari setiap kriteria terdapat 3 sub
kriteria.

20. 4.2.3 Tampilan web ketiga yang berisi hasil output dari perhitungan kinerja
karyawan. Halaman ini menampilkan hasil urutan nilai terbaik hingga
terendah dari sistem DSS. Lima urutan teratas akan mendapat bonus
sebesar 25% dari perusahaan. Dalam tampilan ini, kita dapat mengedit
data karyawan namun tidak dapat menghapusnya.

21. BAB V
PENUTUP
5.1 Kesimpulan
5.1.1 Metode AHP bisa digunakan untuk menentukan kasus atau
permasalahan yang membutuhkan output berupa prioritas dari hasil
perangkingan. Syarat kriteria yang digunakan adalah data yang
seimbang.
5.1.2 SPK menggunakan metode AHP memiliki proses yang lebih rumit
karena harus melakukan perhitungan-perhitungan matriks untuk
mencari prioritas kriteria dan rasio konsistensi namun dapat
memberikan keputusan yang lebih rasional.
5.2 Saran
Dalam pembuatan aplikasi SPK dengan metode AHP diharapkan lebih
teliti untuk menentukan matriks perbandingannya agar tidak terjadi
perhitungan ulang yang membuat frustasi.

22. Daftar Pustaka
Pranoto, Y.A., dkk. “Rancang Bangun dan Analisis Decision Support System
Menggunakan Metode Analytical Hierarchy Process untuk Penilaian Kinerja
Karyawan”. Jurnal EECCIS. Vol. 7 No. 1, Juni 2013. Pp 91-96.
Syaiful, Rifan. 2012 . “Mengenal Metode AHP ” , (online), ( http://funpreuner.blo
gspot.co.id/2012/02/mengenal-metode-ahp-disertai-studi.html, diakses 27 Mei
2017)