See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/301636771

SELEKSI CALON KARYAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO

Research · April 2016

DOI: 10.13140/RG.2.1.4079.1448

CITATIONS READS

2 8,611

2 authors:

Andi Maulidinnawati AKP Wayan Firdaus Mahmudy

Brawijaya University Brawijaya University
5 PUBLICATIONS   8 CITATIONS    214 PUBLICATIONS   619 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Production Planning and Scheduling Problems in Flexible Manufacturing Systems (FMS) View project

Development of a Conceptual Framework to Determine Improvement of IT Governance using COBIT 5 and AHP-GA View project

All content following this page was uploaded by Andi Maulidinnawati AKP on 26 April 2016.

The user has requested enhancement of the downloaded file.

 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

SELEKSI CALON KARYAWAN MENGGUNAKAN METODE

FUZZY TSUKAMOTO
A. Maulidinnawati Abdul Kadir Parewe1, Wayan Firdaus Mahmudy2
¹ Magister Ilmu Komputer/Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Universitas Brawijaya
Jl. Veteran No.8, Malang, 65145
Telp : (0341) 511611, Fax : (0341) 577911
²Jurusan Ilmu Komputer, Fakultas Ilmu Komputer, Univertisas Brawijaya
E-mail: maulidinna08@gmail.com, wayanfm@ub.ac.id

ABSTRACT
The employee selection process is a very important activity and is used to ensure that only qualified candidates
will be selected. However it is not easy to determine what parameters should be used. This study uses Tsukamoto
Fuzzy method as a solution for determining the eligibility of candidates. Ranking of the output of the FIS
Tsukamoto compared to the ranking produced by experts using Spearman correlation test. Correlation test value
of 0.6136 shows that the system has produced an accurate solution.
Keywords: Prospective employees, ranking, Fuzzy Tsukamoto, Spearman

ABSTRAK
Proses seleksi calon karyawan merupakan aktivitas yang sangat penting digunakan untuk menjamin hanya calon
yang bermutu yang akan dipilih. Permasalahan dalam aktivitas ini adalah tidak mudah untuk menentukan
parameter apa yang digunakan. Penelitian ini menggunakan Metode Fuzzy Tsukamoto sebagai solusi untuk
penentuan kelayakan calon karyawan. Rangking hasil keluaran dari FIS Tsukamoto dibandingkan dengan
ranking yang dihasilkan oleh pakar dengan menggunakan uji kolerasi spearman. Nilai uji kolerasi 0.6136
menunjukkan bahwa sistem telah menghasilkan solusi yang akurat.
Kata Kunci: Calon Karyawan, rangking, Fuzzy Tsukamoto,Spearman

1. PENDAHULUAN akan dibuat untuk pengambilan keputusan dari

Seorang karyawan adalah merupakan ujung tombak hasil seleksi calon karyawan adalah metode logika
dari sebuah perusahaan dan sangat penting dalam Fuzzy Tsukamoto. Metode ini merupakan suatu
menentukan kemajuan perkembangan perusahaan. metode pengambilan keputusan yang melibatkan
Tanpa adanya kualitas dan performance seorang nilai privasi atau nilai preferensi dari calon
karyawan yang baik dalam suatu perusahaan, maka karyawan tersebut dengan cara menginput berapa
akan sulit bagi perusahaan untuk mendapatkan data dari kriteria-kriteria yang telah ditentukan oleh
hasil yang optimal dalam menjalankan perusahaan. suatu perusahaan tertentu dan akan diperoleh nilai
Sumber daya manusia (SDM) adalah merupakan presentasi pada setiap pemilihan dan pemilihan
kemampuan dan karakteristik yang dimiliki oleh yang terbaik merupakan nilai prioritas yang
seseorang seperti pengetahuan, keterampilan, dan memiliki presentase yang besar. Aplikasi sistem ini
sikap perilaku yang diperlukan dalam bekerja dibuat sebagai alat bantu pengambilan keputusan
sehingga karyawan dapat melaksanakan tugasnya untuk menentukan calon karyawan terbaik
secara professional, efektif dan efisien (Dewi & berdasarkan nilai variabel-variabel yang sudah
Yusrawati, 2015). Langkah yang terlebih dahulu ditetapkan oleh manajemen perusahaan. Nilai dari
dilakukan dalam pengelolaan sumber daya manusia variabel-variabel tersebut kemudian dihitung
yaitu tahap dimana penyeleksian calon karyawan menggunakan metode fuzzy tsukamoto. Dan
merupakan tahap yang penting dimana hasilnya diperoleh hasil yang sama antara perhitungan fuzzy
akan menentukan jalannya suatu perusahaan untuk pada sistem pendukung keputusan dengan
mencapai tujuan. Proses seleksi calon karyawan perhitungan fuzzy manual (Andhika, 2015).
yang efektif harus dilakukan dengan Cara yang harus dilakukan dalam proses
memperhatikan kriteria yang sesuai diharapkan penyeleksian calon karyawan masih menggunakan
sebuah perusahaan itu sendiri dan aspek penilaian sumber daya manusia didalam proses penentuan
antara lain pendidikan, kecakapan, keahlian, dan kelolosan calon karyawan yang rentang akan faktor
pengalaman kerja sesuai kriteria perusahaan (Fresta non-teknis yang menyebabkan tidak lancarnya
S, Christanti, Muftiful S, & Sa’diyah, 2014). suatu perusahaan didalam mencapai tujuannya
Metode Fuzzy Tsukamoto dapat diterapkan yang disebabkan rendahnya kualitas karyawan.
dalam penyeleksian calon karyawan. Metode yang Dengan adanya aplikasi yang dibuat ini diharapkan
 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

agar dapat menurunkan tingkat kesalahan dalam Berikut ini adalah data uji coba dalam penginputan
menyeleksi penerimaan karyawan agar tujuan pada sistem yang parameter nilai inputnya
suatu perusahaan bisa tercapai dengan karyawan diberikan oleh sang pakar.
yang berkualitas dan memanfaatkan waktu kerja
yang ada dengan efisien (Andhika, 2015). 2.1 Himpunan Fuzzy
2.1.1 Tabel 2.1.1. Himpunan fuzzy
2. PEMBAHASAN
Dalam menyelesaikan sebuah permasalahan Himpunan Fuzzy
yang ada dikasus ini terlebih dahulu dilakukan Variabel input Nilai Input
perhitungan sistem inferensi fuzzy untuk Test tulis Lulus 0 - 100
mengetahui rentang nilai kriteria yang akan Tidak lulus
dijadikan sebuah data dalam pemilihan seleksi Test keterampilan Lulus 0 - 100
calon karyawan. Berdasarkan data yang sesuai dari Tidak lulus
Wawancara Lulus 50 - 80
kriteria sebuah perusahaan distributor rokok.
Tidak lulus
Himpunan fuzzy ini merupakan kesatuan dari yang Test kesehatan Lulus 0 - 10
mewakili keadaan tertentu dalam sebuah variabel Tidak lulus
fuzzy. Pada proses ini, telah digunakan himpunan
fuzzy dalam dua variabel linguistik yaitu Lulus dan
Fuzzyfikasi
Tidak Lulus. Pembentukan himpunan fuzzy inilah
Proses fuzzyfikasi merupakan perhitungan
yang akan disesuaikan berdasarkan pendapat sang
nilai crisp atau nilai input menjadi derajat
pakar (Santika et al., 2015). Berikut ini data yang
keanggotaan. Perhitungan dalam proses fuzzyfikasi
diterima dari pakar dari sebuah perusahaan
berdasarkan batas-batas fungsi keanggotaan
distributor rokok.
(Restuputri, Mahmudy, & Cholissodin, 2015).
Berikut ini adalah fungsi keanggotaan himpunan
Tabel 1. Rentang Nilai Kriteria
fuzzy dengan 4 kriteria input:
Kriteria Nilai Range
Test tulis 0 - 100 0 - 100
Test keterampilan 0 - 100 0 - 100 a. Himpunan Fuzzy Test Tertulis
Wawancara 40 - 10050 - 80
Test kesehatan 50 - 80 0 - 10

Tabel 2. Contoh kasus pada inferensi fuzzy

tsukamoto
Variabel input Nilai Input
Test tulis 74 0 - 100
Test keterampilan 75 0 - 100
Wawancara 80 50 - 80
Test kesehatan 70 0 - 10 Derajat keanggotaan tidak lulus:

Tabel 3. Contoh Data Calon Karyawan

Nilai
Nama TT TK Wawancara TS
Pakar
A 75 75 80 70 75 Derajat keanggotaan Lulus:
B 56 65 75 75 70
C 65 63 70 80 71
D 60 59 90 80 73
E 60 64 80 80 74
b. Himpunan Fuzzy Test Keterampilan
F 50 45 90 50 62
G 70 75 60 60 65
H 70 42 60 60 65
I 90 80 75 70 73
J 100 90 75 80 82
 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

Derajat keanggotaan Lulus:

Derajat keanggotaan tidak lulus:

e. Himpunan Hasil Seleksi

Derajat keanggotaan Lulus:

Tidak Terima
Terima
c. Himpunan Fuzzy Test Wawancara
HASIL

Derajat keanggotaan tidak lulus:

Derajat keanggotaan Lulus:

Derajat keanggotaan tidak lulus:

Derajat keanggotaan Lulus: 2.2 Sistem Inferensi Fuzzy

suatu sistem yang melakukan perhitungan
berdasarkan pada konsep teori himpunan fuzzy,
aturan fuzzy, dan konsep logika fuzzyy yaitu Sistem
Inferensi Fuzzy (Fuzzy Inference System/FIS)
(Kusumadewi, 2003). Dalam sistem inferensi fuzzy
terdapat input fuzzy berupa nilai crisp. Nilai crisp
d. Himpunan Fuzzy Test Kesehatan tersebut akan dihitung berdasarkan aturan-aturan
yang telah dibuat menghasilkan besaran fuzzy
disebut proses fuzzifikasi.
Sistem inferensi metode fuzzy Tsukamoto
membentuk sebuah rules based atau basis aturan
dalam bentuk “sebab-akibat” atau “if-then”.
Langkah pertama dalam perhitungan metode fuzzy
Tsukamoto adalah membuat suatu aturan atau rule
fuzzy. Langkah selanjutnya, dihitung derajat
keanggotaan sesuai dengan aturan yang telah
Derajat keanggotaan tidak lulus: dibuat. Setelah diketahui nilai derajat keanggotaan
dari masing-masing aturan fuzzy, dapat ditentukan
nilai alpha predikat dengan cara menggunakan
operasi himpunan fuzzy (Restuputri et al., 2015).
 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

Tabel 3.1 Basis Aturan atau Rule Base disetiap rules selanjutnya disusun antar rules untuk
Test
mencari nilai α predikat setiap rules α¹. Rule
Test Wawan Tes evaluation (rule evaluasi) adalah sebuah proses
Rule Teram Hasil
tulis cara sehat melakukan penalaran terhadap fuzzy input yang
pilan
dihasilkan oleh proses fuzzification berdasarkan
1 Lulus Lulus Lulus Lulus Lulus aturan fuzzy yang telah dibuat dan menghasilkan
fuzzy output(Santika et al., 2015).
Tidak Tidak
2 Lulus Lulus Lulus
lulus lulus
Tabel 3.2Penghitungan Inferensi fuzzy Tsukamoto
Tidak Tidak
3 Lulus Lulus Lulus Test Wawa
lulus lulus Test Test α- α-pre
Rule Teram n Z
Tulis Sehat pre *Z
pil cara
Tidak Tidak Tidak
4 Lulus Lulus 1 1.0 1.0 1 1 0.98 74 73
lulus lulus lulus

Tidak 2 1.0 1.0 1 0 0 75 0

5 Lulus Lulus Lulus Lulus
lulus
3 1.0 1.0 0 1 0 75 0
Tidak Tidak Tidak 4 1.0 1.0 0 0 0 75 0
6 Lulus Lulus
lulus lulus lulus
5 1.0 0.0 1 1 0 25 0
Tidak Tidak Tidak
7 Lulus Lulus
lulus lulus lulus 6 1.0 0.0 1 0 0 75 0

Tidak Tidak Tidak Tidak 7 1.0 0.0 0 1 0 75 0

8 Lulus
lulus lulus lulus lulus
8 1.0 0.0 0 0 0 75 0
Tidak
9 Lulus Lulus Lulus Lulus 9 0.0 1.0 1 1 0.02 26 1
lulus
10 0.0 1.0 1 0 0 75 0
Tidak Tidak Tidak
10 Lulus Lulus
lulus lulus lulus 11 0.0 1.0 0 1 0 75 0

Tidak Tidak Tidak 12 0.0 1.0 0 0 0 75 0

11 Lulus Lulus
lulus lulus lulus
13 0.0 0.0 1 1 0 25 0
Tidak Tidak Tidak Tidak
12 Lulus 14 0.0 0.0 1 0 0 75 0
lulus lulus lulus lulus

Tidak Tidak 15 0.0 0.0 0 1 0 75 0

13 Lulus Lulus Lulus
lulus lulus
16 0.0 0.0 0 0 0 75 0
Tidak Tidak Tidak Tidak
14 Lulus
lulus lulus lulus lulus
2.3 Defuzzifikasi
Tidak Tidak Tidak Tidak
15
lulus lulus lulus
Lulus
lulus
Langkah terakhir didalam metode Fuzzy
Tsukamoto adalah mencari nilai output berupa nilai
Tidak Tidak Tidak Tidak Tidak crisp (z) yang dikenal sebagai proses defuzzifikasi.
16
lulus lulus lulus lulus lulus Metode yang digunakan dalam proses ini adalah
metode Center Average Defuzzyfier. Metode
Dalam Tabel 3.1 yang tertera diatas adalah rules tersebut dijelaskan dalam Persamaan 1 (Restuputri
keputusan yang digunakan dalam penelitian ini, et al., 2015).
pembentukan rules ini dapat dilakukan oleh pakar
atau ahlinya yang sesuai dengan kriteria yang
diinginkan oleh sebuah perusahaan yang telah di (1)
tetapkan. Rule sebagai teknik representsi
pengetahuan. Secara umum rule memiliki evidence
lebih dari satu yang menghubungkan oleh kata Keterangan:
penghubung AND atau OR, atau kombinasi Z = defuzzifikasi rata-rata terpusat (hasil)
keduanya. Tetapi sebaliknya biasakan menghindari α_p = nilai alpha predikat (nilai minimal dari
penggunaan AND dan OR secara sekaligus dalam derajat keanggotaan)
satu rule (T Sutojo, Mulyanto, Edy, 2011). Dalam Zi = nilai crisp yang didapat dari hasil inferensi
pengambilan keputusan rule terlebih dahulu dengan (Restuputri et al., 2015)
dimiliki oleh calon karyawan, ada pada himpunan I = jumlah aturan fuzzy
 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

2.3.1 Contoh nilai output proses defuzifikasi Tabel 4.2 Tabel Makna Spearman
Nilai Nilai Makna
Nama TT TK Wawancara TS
Sistem
0,00-0,19 Sangat rendah/sangat lemah
A 75 75 80 70 73 0,20-0,39 Rendah/lemah
B 56 65 75 75 47
0,40-0,59 Sedang
0,60-0,79 Tinggi/kuat
C 65 63 70 80 51 0,80-1,00 Sangat tinggi/sangat kuat
D 60 59 90 80 48
Rumus Kolerasi Spearman :
E 60 64 80 80 49
6 d 2
F 50 45 90 50 53 rs  1 
n n 2 1
G 70 75 60 60 46  
H 70 42 60 60 69 6 63.75
rs  1 
I 90 80 75 70 71 10100 1
382.5
J 100 90 75 80 75 rs  1 
990
Untuk kasus ini menggunakan analisis korelasi rs  1 0.3864
dilakukan dengan metode korelasi rank Spearman.
Korelasi antara data dipasangkan dianalisis (Murota Hasil 0.6136
et al., 2015). Dengan menggunakan Spearman
koefisien korelasi rank yang memiliki N pasang
skor, untuk setiap pasangan nilai, kita menghitung Sesuai dengan tabel makna spearman 0.6136
perbedaan (d) antara jajaran. Korelasi Spearman berarti tinggi / kuat. Jadi dengan menggunakan uji
(KS) yang dihitung dengan menggunakan rumus : kolerasi spearman diperoleh hasil keakuratan dari
KS – 1 6Σd² / N(N-1) (Azadeh et al., 2011). ranking pakar dan ranking sistem sebesar 0.6136.

Akurasi Sistem 3. KESIMPULAN

Untuk mengetahui hasil yang akurat dengan Hasil penelitian ini menggunakan metode
perbandingan dari hasil perhitungan pakar maka fuzzy tsukamoto agar dapat diimplementasikan
yang harus digunakan adalah uji korelasi spearman kepada sebuah perusahaan untuk menentukan
untuk menguji hipotesis asosiasif dua variabel jika penyeleksian calon karyawan dengan hasil
datanya berskala ordinal dengan perangkingan (Sari perbandingan antara ranking pakar dan ranking
et al., 2015). sistem yang menghasilkan nilai yang berbeda. Pada
pengujian sistem untuk mendapat hasil yang akurat
Tabel 4.1 Hasil Perbandingan Sistem dan Pakar digunakan uji kolerasi spearman. Di pengujian ini
menghasil nilai ke akuratan sebesar 0.6136 yang
Rank
Rank menunjukkan bahwa sistem yang difungsikan
Nama Pakar Sistem sis di di2
pakar akurat.
tem
A 75 73 2 2 0 0 Data yang digunakan ini adalah data contoh
yang diberikan perumusan secara manual dari
B 70 47 7 9 -2 4
pakar dan membuat data seleksi calon karyawan
C 71 51 6 6 0 0 sebanyak sepuluh data untuk membandingkan
dengan ranking yang dihasilkan oleh pakar dengan
D 73 48 4.5 8 -3.5 12.25 menggunakan uji kolerasi spearman. Penelitian
selanjutnya akan menggunakan data seluruh data
E 74 49 3 7 -4 16
calon karyawan untuk mengetahui keakuratan
F 62 53 10 5 5 25 sistem setelah menggunakan data tersebut. Akurasi
adalah pembentukan aturan aturan fuzzy yang
G 65 46 8.5 10 -1.5 2.25 sangat berpengaruh. Dipenelitian ini penentuan
H 65 69 8.5 4 0.5 0.25 aturan fuzzy dilakukan secara manual berdasarkan
pendapat pakar dan jika aturan fuzzy ditentukan
I 73 71 4.5 3 -2 4 secara manual dan hanya untuk dicoba bisa jadi
penentuannya akan jauh mendekati hasil. Dengan
J 82 75 1 1 0 0
Implementasi algoritma genetika pada penelitian
∑di2 63.75 selanjutnya dibutuhkan untuk mengoptimasi aturan
 Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) ISSN: XXXX-XXXX
Yogyakarta, 18-19 Maret 2016

fuzzy. Optimasi aturan fuzzy juga bertujuan untuk Informasi Indonesia (SESINDO) (pp. 245–
meningkatkan akurasi sistem yang jauh lebih baik. 252)., (2002), 2–4.
Oleh karena itu bisa menggabungkan algoritma T Sutojo, Mulyanto, Edy, S. (2011). Kecerdasan
Genetika untuk penelitian selanjutnya yang sudah Buatan - UDiNus Repository. Yogyakarta.
banyak digunakan untuk menyelesaikan
permasalahan yang berkaitan dengan optimasi.

PUSTAKA
Andhika, P. Y. (2015). (Recommendation System
Of Employee Receiving Uses), 1–4.
Azadeh, a., Asadzadeh, S. M., Saberi, M., Nadimi,
V., Tajvidi, a., & Sheikalishahi, M. (2011).
A Neuro-fuzzy-stochastic frontier analysis
approach for long-term natural gas
consumption forecasting and behavior
analysis: The cases of Bahrain, Saudi Arabia,
Syria, and UAE. Applied Energy, 88(11),
3850–3859.
http://doi.org/10.1016/j.apenergy.2011.04.02
7
Dewi, A., & Yusrawati. (2015). Pengaruh
Kompetensi Sumber Daya Manusia Dan
Penerapan Sistem Akuntansi Keuangan
Daerah Terhadap Kualitas Laporan Keuangan
Daerah. PhD Proposal, 1, 65–82.
http://doi.org/10.1017/CBO9781107415324.0
04
Fresta S, C., Christanti, R., Muftiful S, A., &
Sa’diyah, R. (2014). Sistem Pakar Seleksi
Karyawan Menggunakan Metode Tsukamoto.
Murota, A., Suzuki, K., Kassai, Y., Miyazaki, T.,
Morita, R., Kondo, Y., … Takeuchi, T.
(2015). Serum proteomic analysis identifies
interleukin 16 as a biomarker for clinical
response during early treatment of
rheumatoid arthritis. Cytokine, 78, 87–93.
http://doi.org/10.1016/j.cyto.2015.12.002
Restuputri, B. A., Mahmudy, W. F., & Cholissodin,
I. (2015). Optimasi Fungsi Keanggotaan
Fuzzy Tsukamoto Dua Tahap Menggunakan
Algoritma Genetika Pada Pemilihan Calon
Penerima Beasiswa dan BBP-PPA ( Studi
Kasus : PTIIK Universitas Brawijaya Malang
). DORO: Repository Jurnal Mahasiswa
PTIIK Universitas Brawijaya, (15), 1–10.
Santika, G. D., Mahmudy, W. F., Ilmu, M.,
Informatika, K., Teknologi, P., & Komputer,
I. (2015). PENENTUAN PEMASOK
BAHAN BAKU MENGGUNAKAN
FUZZY. In Seminar Nasional Sistem
Informasi Indonesia (SESINDO) (pp. 267–
274)., (November), 2–3.
Sari, N. R., Mahmudy, W. F., Ilmu, M.,
Informatika, K., Teknologi, P., & Komputer,
I. (2015). Fuzzy Inference System
Tsukamoto Untuk Menentukan Kelayakan
Calon Pegawai. Seminar Nasional Sistem

View publication stats