Abstract:Abstrack: New Employee Recruitment on campus STMIK ROYAL. In the selection usually the campus will provide several series of tests to determine the ability and personal of the prospective employee. Data test results will…
be stored in an archive or computer in the form of tables that create data and value of each test participant. Based on the current employee recruitment system HR has difficulty in selecting and evaluating the competent employees. To overcome this made a decision support system of new employee acceptance especially part of laboratory assistant. For determine employees who will be accepted, then built a computerized decision-making system that is able to facilitate the process of receiving new employees. the determination and identification of labor by using SAW method (Simple additive weighting) is a method that can find a best alternative from various alternatives based on predetermined criteria. The point is that the method determines the weight value for each criterion. The best alternatives are those who are eligible to be employees based on predetermined criteria. Assessment is done by finding the value of weight for each criterion, then conducted the ranking process that will determine the optimal alternative that is the employee who will be considered by the decision maker to become employees at the company. This decision support system will be able to assist the human resources in determining the recruitment of new employees, especially the assistant laboratory at STMIK ROYAL.
Keywords: assessment criteria, SAW method, decision support system.
Abstrak: Penerimaan Karyawan baru pada kampus STMIK ROYAL. Dalam penyeleksian biasanya pihak kampus akan memberikan beberapa rangkaian tes untuk mengetahui kemampuan serta pribadi dari calon pegawai tersebut. Data hasil tes tersebut nantinya akan disimpan dalam suatu arsip ataupun komputer yang berupa tabel yang membuat data dan nilai masing-masing peserta tes. Berdasarkan system penerimaan pegawai yang berjalan saat ini SDM mengalami kesulitan dalam menyeleksi dan mengevaluasi pegawai yang berkompeten. Untuk mengatasinya dibuat suatu sistem pendukung keputusan penerimaan pegawai baru khususnya bagian asisten laboraturium.Untuk menentukan pegawai yang akan diterima, maka dibangun sebuah sistem pengambilan keputusan terkomputerisasi yang mampu memudahkan proses penerimaan pegawai baru. penentuan dan identifikasi tenaga kerja dengan menggunakan metode SAW (Simple additive weighting) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria – kriteria yang telah ditentukan. Intinya bahwa metode tersebut menentukan nilai bobot pada setiap kriteria. Alternatif terbaik yang dimaksud adalah yang berhak menjadi pegawai berdasarkan kriteria yang telah ditentukan. Penilaian dilakukan dengan mencari nilai bobot untuk setiap kriteria, kemudian dilakukan proses perangkingan yang akan menentukan alternatif optimal yaitu para pegawai yang akan dipertimbangkan oleh pengambil keputusan untuk menjadi pegawai pada perusahaan tersebut. Sistem pendukung keputusan ini nantinya dapat mambantu pihak SDM dalam menentukan perekrutan karyawan baru khususnya asisten laboraturium di STMIK ROYAL.
Kata Kunci : kriteria penilaian, metode SAW, sistem pendukung keputusan.
Abstract:Abstract: The transportation model relates to determining the lowest cost plan for sending one item from a number of sources to a number of destinations. The working principle of the VAM method is to achieve an initial feasible…
easible solution. MODI Method (Modified Distribution) is a method of solving transportation cases developed from stepping stone method. The purpose of this research is to analyze the comparison of goods delivery using the VAM method and the MODI method. The results of the study indicate that operational costs are issued using the VAM method in January 2015, which is Rp. 34.100 and operational costs incurred using the VAM method in February 2015, namely Rp. 39.400. While the operational costs incurred using the MODI method in January 2015 are Rp. 33.800 and operational costs incurred using the MODI method in February 2015, which is Rp. 37.900.
Keywords: vam method, modi method, transportation model
Abstrak: Model transportasi berkaitan dengan penentuan rencana biaya terendah untuk mengirimkan satu barang dari sejumlah sumber ke sejumlah tujuan. Prinsip kerja metode VAM ialah untuk mencapai solusi fisibel awal. Metode MODI (Modified Distribution) merupakan metode penyelesaian kasus transportasi yang di kembangkan dari metode stepping stone. Tujuan penelitian ini, menganalisa perbandingan pengiriman barang menggunakan metode VAM dan metode MODI. Hasil penelitian menunjukkan bahwa biaya operasional yang dikeluarkan dengan menggunakan metode VAM pada bulan januari 2015 yaitu Rp. 34.100 dan biaya operasional yang dikeluarkan dengan menggunakan metode VAM pada bulan februari 2015 yaitu Rp. 39.400. Sedangkan biaya operasional yang dikeluarkan dengan menggunakan metode MODI pada bulan januari 2015 yaitu Rp. 33.800 dan biaya operasional yang dikeluarkan dengan menggunakan metode MODI pada bulan februari 2015 yaitu Rp. 37.900.
Kata kunci: metode vam, metode modi, model transportasi
Abstract:Penentuan kenaikan gaji karyawan pada sebuah instansi maupun perusahaan banyak terdapat kendala terhadap penilaian karyawan sehingga hasil keputusan yang diperoleh tidak sesuai kriteria yang ditentukan. Pemanfaatan teknologi pada sebuah sistem pendukung keputusan mampu memberikan solusi untuk membantu manajer pengambil keputusan. Sistem pendukung keputusan yang dibuat untuk membantu menentukan kenaikan gaji karyawan AKBID As-Syifa Kisaran memanfaatkan FMADM (Fuzzy Multiple Atribute Decission Making) dengan salah satu metodenya yaitu SAW (Simple Additive Weighting) yang menghasilkan alternatif keputusan terbaik dari beberapa alternatif. Dimana alternatif terbaik diperoleh melalui penjumlahan terbobot dari rating kinerja pada setiap alternatif. Metode ini dipilih karena mampu memilih alternatif terbaik berdasarkan kriteria yang sudah dihitung dengan nilai bobot dari setiap atributnya. Alternatif keputusan terbaik diperoleh sebanyak 2 karyawan atau 14% dari 14 data karyawan yang telah diolah.…
tukan. Pemanfaatan teknologi pada sebuah sistem pendukung keputusan mampu memberikan solusi untuk membantu manajer pengambil keputusan. Sistem pendukung keputusan yang dibuat untuk membantu menentukan kenaikan gaji karyawan AKBID As-Syifa Kisaran memanfaatkan FMADM (Fuzzy Multiple Atribute Decission Making) dengan salah satu metodenya yaitu SAW (Simple Additive Weighting) yang menghasilkan alternatif keputusan terbaik dari beberapa alternatif. Dimana alternatif terbaik diperoleh melalui penjumlahan terbobot dari rating kinerja pada setiap alternatif. Metode ini dipilih karena mampu memilih alternatif terbaik berdasarkan kriteria yang sudah dihitung dengan nilai bobot dari setiap atributnya. Alternatif keputusan terbaik diperoleh sebanyak 2 karyawan atau 14% dari 14 data karyawan yang telah diolah.
Abstract:PDAM Kisaran merupakan salah satu perusahaan daerah di kota Kisaran yang bergerak dalam bidang proses pengelolaan air bersih. Untuk pelaksanaan penempatan karyawan baru pada perusahaan daerah ini dilakukan dengan cara…
a pengolahan data secara manual yang belum menggunakan penggunaan sistem pengambilan keputusan yang bersifat yang lebih objektif. Penempatan karyawan barui di suatu instansi adalah kebijaksanaan dari Departemen sumber daya manusia dalam menetukan posisisi atau jabatan seseorang. Dengan semakin berkembangnya ilmu pengetahuan dan teknologi komputerisasi maka diperlukan suatu sistem pendukung keputusan dalam menentukan penempatan karyawan baru pada perusahaan daerah ini. Dengan menggunakan metode SMART (Simple Multi Attribute Rating Technique) pada sistem pendukung ini maka akan lebih efektif dalam penentuan penempatan karyawan baru serta membantu Departemen sumber daya manusia dalam mengambil keputusannya.
Kata kunci: karyawan baru, PDAM Kisaran, sistem pendukung keputusan, SMART
Abstract:Abstract : Currently hydropower is a power plant that has a high potential to be developed in Indonesia because it has an adequate water source. Evaluation of plant maintenance performance becomes one important factor because…
cause it is one of the company's strategy to achieve its goals. For that we need a method to determine the priority of KPI where the company prioritized that can provide a balanced point of view of the overall system performance one of them is by implementing Analytical Hierarcy Process (AHP). Based on the AHP method of 16 KPIs consisting of 6 KPIs for Corporate Level, 6 KPIs for Strategic Level and 4 KPIs for Functional Level. From the results of the assessment of respondents involved KPI is the most prioritized PLTA LubukGadang Power Plant, South Solok Regency is known that the most priority factor companies at corporate level that is the number of kWh produced with a weight of 0.420. For strategic level that is capacity factor with weight 0,478 while for functional level that is rework maintenance with weight equal to 0,540.
KeyWord :Decision Support System, KPI, AHP,CompanyStrategy, Weighting
Abstrak :Saat ini PLTA merupakan pembangkit listrik yang memiliki potensi yang tinggi untuk dikembangkan di Indonesia karena memiliki sumber air yang memadai.Evaluasi kinerja pemeliharaan pembangkit menjadi salah satu faktor yang penting karena merupakan salah satu strategi perusahaan untuk mencapai tujuannya.Untuk itu diperlukan suatu metode untuk menentukan prioritas KPI mana yang diprioritaskan perusahaan yang dapat memberikan sudut pandang yang seimbang terhadap keseluruhan system kinerja salah satu diantaranya adalah dengan mengimplementasikan Analytical Hierarcy Process (AHP). Berdasarkan metode AHP dari 16 KPI yang terdiri dari 6 KPI untuk Corporate Level, 6 KPI untuk Strategic Level dan 4 KPI untuk Functional Level. Dari hasil penilaian responden yang terlibat didapatkan KPI yang paling diprioritaskan PLTA Unit Pembangkit Listrik Lubuk Gadang, Kabupaten Solok Selatan diketahui bahwa faktor yang paling diprioritaskan perusahaan pada corporate level yaitu banyaknya kWh yang diproduksi dengan bobot 0,420. Untuk strategic level yaitu capacity factor dengan bobot 0,478 sedangkan untuk functional level yaitu maintenance rework dengan bobot sebesar 0,540.
KeyWord :Sistem Pengambilan Keputusan, KPI, AHP, strategi perusahaan, pembobotan
Abstract:Abstract: There are several facilities in distributing funds to the customer which is owned by Bank Syariah Bukopin. One of them is Kredit Pemilikan Rumah / Housing Loan (mortgage), so far the bank when provides mortgages…
s to customers still uses risk prediction manually in giving credit to customers which is taking up a lot of time and energy especially when the customer reports is further analyzed by the Bank. One technique that can help in predicting the Bank's credit risk determination is Decision Tree which is a technique that is a part of Data Mining techniques to take a decision in the form of a tree. With Decision Tree techniques, it is expected to help the bank to allow faster and easier in predicting the data and getting a conclusion from existing data. One of the ways to predict the data is using Dtreg software. This software only uses data that is in the format of "csv (comma delimited)â€, if it is not using the format" csv (comma delimited)", so that the data can not be processed by Dtreg software. When the excel format has been converted to the "csv (comma delimited)" format, the analysis process can be done. Dtreg can generate decision tree, one of them is the result of risk decision from the number of mortgages based on the number of customers.
Keywords: data mining, decision tree
Abstrak: Ada beberapa fasilitas dalam penyaluran dana ke nasabah yang di miliki Bank Syariah Bukopin. Salah satunya Kredit Pemilikan Rumah (KPR), selama ini pihak Bank memberikan KPR ke nasabah masih menggunakan prediksi resiko secara manual dalam meberikan kredit kepada nasabah yang banyak menyita waktu dan tenaga apalagi pada saat laporan nasabah dianalisa lebih lanjut oleh pihak Bank. Salah satu teknik yang dapat membantu pihak Bank dalam memprediksi Penentuan resiko kredit adalah teknik Decision Tree yang merupakan bagian dari teknik Data Mining untuk mengambil suatu keputusan dalam bentuk pohon. Dengan teknik Decision Tree diharapkan dapat membantu pihak bank agar lebih cepat dan mudah dalam memprediksi data dan menarik suatu kesimpulan dari data yang ada.Salah satu cara memprediksi data tersebut dengan menggunakan software Dtreg. Pada software ini data yang digunakan hanya bisa dalam bentuk format “csv (comma delimited), jika tidak menggunakan format “csv (comma delimited)“ maka data tersebut tidak bisa diproses oleh software Dtreg dan selanjutnya jika format excel yang telah dirubah ke format “csv (comma delimited)â€, maka akan dapat dilakukan proses analisa. Dtreg dapat menghasilkan pohon keputusan, salah satu nya yaitu hasil keputusan resiko dari jumlah kredit pemilikan rumah berdasarkan jumlah nasabah.
Kata kunci: data mining, decision tree
Abstract:Abstract: In the decision making process of the feasibility of corn raw materials so far only see the physical raw materials tend to be subjective so that in the decision making process of the feasibilityof corn raw materials…
terials must take a long time , sometimes the decision taken is not appropriate so that this needs to be addressed again for the feasibility of corn raw materials. From the description above need to be made an auxiliary program for decision support system by using fuzzy SAW ( Simple Additive Weighting ) method in determining corn raw material that is acceptable to PT. Charoen Phokpand Indonesia. Program which will be made more to assist manager or staff in taking decision and not replace it. The results of this study are expected to assist managers or staff in making decisions for the process of assessing the feasibility of corn raw materials in PT. Charoen Phokpand Indonesia so as to improve the quality of human resources.
Keywords: corn raw materials, decision support system, fuzzy saw method
Abstrak: Dalam proses pengambilan keputusan kelayakan bahan baku jagung selama ini hanya melihat fisik bahan baku yang cenderung subjektif sehingga dalam proses pengambilan keputusan kelayakan bahan baku jagung harus membutuhkan waktu yang cukup lama, terkadang keputusan yang diambil tidak tepat sehingga hal ini perlu dibenahi lagi untuk proses pengambilan keputusan kelayakan bahan baku jagung. Dari uraian diatas perlu dibuat suatu program bantu untuk sistem pendukung keputusan dengan menggunakan metode fuzzy SAW (Simple Additeve Weighting) dalam menentukan bahan baku jagung yang layak diterima pada PT. Charoen Phokpand Indonesia. Program yang akan dibuat lebih bersifat untuk membantu manager atau staff dalam pengambilan keputusan dan bukan menggantikannya. Hasil dari penelitian ini diharapkan dapat membantu manager atau staff dalam mengambil keputusan untuk proses penilaian kelayakan bahan baku jagung pada PT. Charoen Phokpand Indonesia sehingga dapat meningkatkan kualitas sumber daya manusia.
Kata kunci: Bahan baku jagung, Sistem Pendukung Keputusan, metode fuzzy SAW
Abstract:Abstract: This decision support system is an alternative to helping rabbit breeders to determine which broiler rabbit is feasible to develop. Along with the increasing public demand for rabbit production. Rabbit breeders…
are eager to choose the type of rabbit that really qualified and can grow fast. For that decision support system is helping the farmers to choose the type of quality broiler rabbit or feasible to be developed. To facilitate rabbit breeders in developing rabbit prodution in determining the best types of broiler rabbit and To get more accurate results in the process of determining the types of broiler rabbits. Also Applying Decision Support System with Fuzzy Multi Criteria Decision Making method can simplify and accelerate to determine the best types of broiler rabbit to be developed
Keywords: broiler rabbit, fuzzy multi criteria decision making
Abstrak: Sistem Pendukung keputusan ini merupakan alternatif untuk membantu peternak kelinci untuk menentukan kelinci pedaging yang layak untuk di kembangkan. Seiring dengan meningkatnya permintaan masyarakat akan produksi kelinci. Peternak kelinci berkeinginan untuk memilih jenis kelinci yang benar benar berkualitas dan dapat berkembang cepat. Untuk itu sistem pendukung keputusan ini membantu pihak peternak untuk memilih jenis kelinci pedaging yang berkualitas atau layak untuk di kembangkan. Untuk memudahkan pihak peternak kelinci dalam mengembangkan produsi kelinci dalam menentukan jenis kelinci pedaging terbaik dan Untuk mendapatkan hasil yang lebih akurat dalam proses penentuan jenis kelinci pedaging. Juga Menerapkan Sistem pendukung keputusan dengan metode Fuzzy Multi Criteria Decision Making dapat mempermudah dan mempercepat untuk menentukan jenis kelinci pedaging terbaik untuk dikembangkan.
Kata kunci: kelinci pedaging, fuzzy multi criteria decision making
Abstract:Abstract: Based on the current employee recruitment system HR STMIK Royal has difficulty in selecting and evaluating the competent employees. To overcome this made a decision support system of new employee acceptance especially…
ecially part of laboratory assistant. For determine employees who will be accepted, then built a computerized decision-making system that is able to facilitate the process of receiving new employees. the determination and identification of labor by using SAW method (Simple additive weighting) is a method that can find a best alternative from various alternatives based on predetermined criteria. The point is that the method determines the weight value for each criterion. The best alternatives are those who are eligible to be employees based on predetermined criteria. Assessment is done by finding the value of weight for each criterion, then conducted the ranking process that will determine the optimal alternative that is the employee who will be considered by the decision maker to become employees at the company. This decision support system will be able to assist the human resources in determining the recruitment of new employees, especially the assistant laboratory at STMIK Royal.
Keywords: assessment criteria, SAW method, decision support system.
Abstrak: Berdasarkan sistem penerimaan pegawai yang berjalan saat ini SDM mengalami kesulitan dalam menyeleksi dan mengevaluasi pegawai yang berkompeten. Untuk mengatasinya dibuat suatu sistem pendukung keputusan penerimaan pegawai baru khususnya bagian asisten laboraturium.Untuk menentukan pegawai yang akan diterima, maka dibangun sebuah sistem pengambilan keputusan terkomputerisasi yang mampu memudahkan proses penerimaan pegawai baru. penentuan dan identifikasi tenaga kerja dengan menggunakan metode SAW (Simple additive weighting) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria – kriteria yang telah ditentukan. Intinya bahwa metode tersebut menentukan nilai bobot pada setiap kriteria. Alternatif terbaik yang dimaksud adalah yang berhak menjadi pegawai berdasarkan kriteria yang telah ditentukan. Penilaian dilakukan dengan mencari nilai bobot untuk setiap kriteria, kemudian dilakukan proses perangkingan yang akan menentukan alternatif optimal yaitu para pegawai yang akan dipertimbangkan oleh pengambil keputusan untuk menjadi pegawai pada perusahaan tersebut. Sistem pendukung keputusan ini nantinya dapat mambantu pihak SDM dalam menentukan perekrutan karyawan baru khususnya asisten laboraturium di STMIK Royal.
Kata kunci: kriteria penilaian, metode SAW, sistem pendukung keputusan.
Abstract:Abstract: Enormous logistical needs on General Hospital Kartini range to facilitate treatment requires a system that can predict to meet those needs with the right so as not to result in advantages and disadvantages to the…
he amount of usage that is always changing every year. At this time the calculations have been carried out with the help of software that is on a high-speed computer such as Neural Networks. Neural networks are used to predict the projection Backpropogation logistics patients based on the type of drugs Analgesics, antiemetics, vitamins, Antiepileptic, Anesthesia, Anti-Parkinson, Psychotherapeutic, Corticosteroids. This logistical projection data processing using software of Matlab 6.1. After using Backpropogation finally found the best architectural pattern is 8-3-3-1 of 5 aritektur architecture that has been tested. Of the pattern is then predicted projection logistics at General Hospital Kartini range in 2014 will increase to 91 290 from 65 422 in 2013 for an increase of 25 868 (28.33%).
Keywords: neural networks, backpropagation algorithm, projection logistics, matlab
Abstrak: Kebutuhan logistik yang sangat besar pada Rumah Sakit Umum Ibu Kartini Kisaran untuk memperlancar pengobatan membutuhkan suatu sistem yang bisa memprediksi untuk memenuhi kebutuhan tersebut dengan tepat agar tidak mengakibatkan kelebihan dan kekurangan terhadap jumlah pemakaian yang selalu berubah setiap tahunnya. Pada saat ini proses perhitungan telah banyak dilakukan dengan bantuan software-software yang ada pada komputer yang berkecepatan tinggi seperti Jaringan Saraf Tiruan. Jaringan Saraf Tiruan Backpropogation digunakan untuk memprediksi proyeksi logistik pasien berdasarkan jenis obat Analgetik, Antiemetik, Vitamin, Antiepilepsi, Anestesi, Anti Parkinson, Psikofarmaka, Kortikosteroid. Pengolahan data proyeksi logistik ini menggunakan software Matlab 6.1. Setelah menggunakan Backpropogation akhirnya ditemukan pola arsitektur yang terbaik yaitu arsitektur 8-3-3-1 dari 5 arsitektur yang telah diujikan. Dari pola tersebut kemudian diprediksi proyeksi logistik di Rumah Sakit Umum Ibu Kartini Kisaran pada tahun 2014 akan meningkat menjadi 91290 dari tahun 2013 sebesar 65422 atau meningkat sebesar 25868 (28,33%).
Kata Kunci: jaringan saraf tiruan, algoritma backpropagation, proyeksi logistik, matlab