GAP Profile Matching Method

Contoh implementasi DSS (Decision Support System) dengan metode Profile Matching menggunakan PHP dan MySQL untuk promosi jabatan berdasarkan evaluasi kinerja karyawan

Profile matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dipenuhi oleh subyek yang diteliti, bukannya tingkat minimal yang harus dipenuhi atau dilewati

[ author : cahya dsn, published on : November 16, 2014 updated on : March 2, 2018 ]

minerva minerva donasi donation

Mau lihat artikel lainya? Dapatkan artikel-artikel lain seputar pemrograman website di sini, dan dapatkan ide-ide baru

Profile matching adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang ideal yang harus dipenuhi oleh subyek yang diteliti, bukannya tingkat minimal yang harus dipenuhi atau dilewati. (Kusrini, 2007).

Menurut Rachma (2003:101),Profile matching merupakan suatu proses yang sangat penting dalam manajemen SDM dimana terlebih dahulu ditentukan kompetensi (kemampuan) yang diperlukan oleh suatu jabatan. Kompetensi/kemampuan tersebut haruslah dapat dipenuhi oleh pemegang/calon pemegang jabatan.

Contoh penerapannya :

  • Evaluasi kinerja karyawan untuk promosi jabatan
  • Manajemen football player
  • Penerima beasiswa yang layak
  • dan lain-lain

Dalam proses profile matching secara garis besar merupakan proses membandingkan antara kompetensi individu kedalam kompetensi jabatan sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap), semakin kecil gap yang dihasilkan maka bobot nilainya semakin besar yang berarti memiliki peluang lebih besar untuk karyawan menempati posisi tersebut.

Untuk menganalisis karyawan yang sesuai dengan jabatan tertentu dilakukan dengan metode profile matching, dimana dalam proses ini terlebih dahulu menentukan kompetensi (kemampuan) yang diperlukan oleh suatu jabatan. Dalam proses profile matching secara garis besar merupakan proses membandingkan antara kompetensi individu ke dalam kompetensi jabatan sehingga dapat diketahui perbedaan kompetensinya (disebut juga gap)

Pre-requisites

  • Pemahaman terhadap dasar-dasar Sistem Pengambilan Keputusan
  • Pemahaman terhadap dasar-dasar teknologi web,HTML dan CSS
  • Pemahaman terhadap dasar-dasar basis data/database, terutama query SQL pada MySQL/mariaDB
  • Pemahaman terhadap dasar-dasar pemrograman PHP, terutama fungsi-fungsi koneksi database dan pengelolaan tipe data array
This document using Dynamic Content Technology for enrichment sample case and reading experience

Evaluasi kinerja karyawan untuk promosi jabatan yang diambil dari 6 karyawan yang akan dipromosikan. Akan dipilih satu orang terbaik berdasarkan kriteria-kriteria yang telah ditentukan. Konsepnya adalah Mencari orang yang memiliki profil sedekat mungkin dengan jabatan yang sedang kosong.

PT Prima Teknologi sedang memerlukan seorang Senior Programmer di bidang web application. Saat ini ada 6 karyawan yang berstatus Junior Programmer, yaitu Carlie, Bella, Kevin, Lina, Intan, dan Tantri. Dari ke 6 orang Junior Programmer tersebut akan dipilih satu orang untuk dipromosikan menjadi Senior Programmer.

Langkah-langkah pada metode profil matching yaitu :

  • Menentukan Variabel-variabel Pemetaan Gap Kompetensi
  • Pemilihan Kandidat
  • Menghitung Hasil Pemetaan Gap Kompetensi
  • Menghitung Bobot Dari Pemetaan Gap Kompetensi
  • Menghitung dan Mengelompokan Core Factor dan Secondary Factor
  • Menghitung Nilai Total Tiap Aspek
  • Menghitung Hasil Akhir (Ranking)

Hal yang penting dalam proses Metoda Profile Matching (dan juga pada semua implementasi Sistem Pengambilan Keputusan/SPK (Decision Support System/DSS) adalah menentukan variabel-variabel dan besarannya yang berperan dalam permasalahan yang akan diselesaikan.

Pada umumnya kriteria/aspek yang diukur dan nilai pembobotan yang digunakan adalan satu set variabel yang sudah ditentukan oleh pakar atau orang/lembaga yang berwenang. (Jenis kriteria, aspek,faktor, bobot, skala penilaian, dan besaran-besaran lain yang diperhitungkan BUKAN kewenangan/ditentukan oleh pemrogram). Untuk kasus-kasus yang lain, jenis kriteria,aspek, skala penilaian, pembototan dan lainya bisa berbeda; sebaiknya konsultasikan dengan pakar/orang/lembaga yang berweang atau dari literatur yang sudah menjadi standar acuan.

Penentuan Aspek-aspek Penilaian

Hal yang sangat penting dalam penggunaan metode Profile Matching adalah penentuan aspek-aspek apa saja yang akan digunakan sebagai perbandingan. Dalam kasus ini, dicontohkan 3 aspek penilaian yang digunakan, yaitu:

  • Aspek Kecerdasan (bobot 30% , perbadingan core factor:secondary factor = 65%:35%) yang memiliki 10 faktor :
    • Common Sense
    • Verbalisasi Ide
    • Sistematika Berpikir
    • Penalaran dan Solusi Real
    • Konsentrasi
    • Logika Praktis
    • Fleksibilitas Berpikir
    • Imajinasi Kreatif
    • Antisipasi
    • Potensi Kecerdasan
  • Aspek Sikap Kerja (bobot 30% , perbadingan core factor:secondary factor = 65%:35%) yang memiliki 6 faktor :
    • Energi Psikis
    • Ketelitian dan tanggung jawab
    • Kehati-hatian
    • Pengendalian Perasaan
    • Dorongan Berprestasi
    • Vitalitas dan Perencanaan
  • Aspek Perilaku (bobot 40% , perbadingan core factor:secondary factor = 65%:35%) yang memiliki 4 faktor :
    • Dominance (Kekuasaan)
    • Influences (Pengaruh)
    • Steadiness (Keteguhan Hati)
    • Compliance (Pemenuhan)

Penentuan Nilai Target

Berdasarkan aspek-aspek dan faktor-faktor yang telah ditentukan sebelumnya, selanjutnya adalah menentukan nilai target untuk masing-masing point penilaian tersebut. Berikut ini adalah nilai-nilai yang diharapkan/target pada contoh kasus ini:

Tabel 2 Nilai Target
Aspek Faktor Penilaian Nilai Target Tipe
KecerdasanCommon Sense3Secondary Factor
Verbalisasi Ide3Secondary Factor
Sistematika Berpikir4Core Factor
Penalaran dan Solusi Real4Core Factor
Konsentrasi3Secondary Factor
Logika Praktis4Core Factor
Fleksibilitas Berpikir4Core Factor
Imajinasi Kreatif5Core Factor
Antisipasi3Secondary Factor
Potensi Kecerdasan4Core Factor
Sikap KerjaEnergi Psikis3Secondary Factor
Ketelitian dan tanggung jawab4Core Factor
Kehati-hatian2Secondary Factor
Pengendalian Perasaan3Secondary Factor
Dorongan Berprestasi3Secondary Factor
Vitalitas dan Perencanaan5Core Factor
PerilakuDominance (Kekuasaan)3Secondary Factor
Influences (Pengaruh)3Secondary Factor
Steadiness (Keteguhan Hati)4Core Factor
Compliance (Pemenuhan)5Core Factor

Besarnya nilai target yang ditentukan tersebut dapat bervariasi tergantung kebutuhan dan posisi jabatan yang ditawarkan. Penilaian diukur dalam skala penilaian yang sudah ditentukan sebelumnya

Tahap berikutnya adalah pemilihan kandidat yang akan dilakukan penilaian. Masing-masing kandidat dinilai berdasarkan point-point faktor dalam aspek-aspek yang telah ditentukan sebelumnya

Sebagai contoh diperoleh data kandidat beserta penilaiannya dalam tabel-tabel sebagai berikut:

Tabel Nilai Untuk Aspek Kecerdasan

Tabel 3 Nilai Aspek Kecerdasan
NoNamaI1I2I3I4I5I6I7I8I9I10
1Carlie3331253254
2Bella4433432332
3Kevin5324224234
4Lina3433234244
5Intan2433224323
6Tantri3543443543

Keterangan
I1 : Common Sense
I2 : Verbalisasi Ide
I3 : Sistematika Berpikir
I4 : Penalaran dan Solusi Real
I5 : Konsentrasi
I6 : Logika Praktis
I7 : Fleksibilitas Berpikir
I8 : Imajinasi Kreatif
I9 : Antisipasi
I10 : Potensi Kecerdasan

Tabel Nilai Untuk Aspek Sikap Kerja

Tabel 4 Nilai Aspek Sikap Kerja
NoNamaS1S2S3S4S5S6
1Carlie454353
2Bella422452
3Kevin233342
4Lina455141
5Intan343131
6Tantri155552

Keterangan
S1 : Energi Psikis
S2 : Ketelitian dan tanggung jawab
S3 : Kehati-hatian
S4 : Pengendalian Perasaan
S5 : Dorongan Berprestasi
S6 : Vitalitas dan Perencanaan

Tabel Nilai Untuk Aspek Perilaku

Tabel 5 Nilai Aspek Perilaku
NoNamaP1P2P3P4
1Carlie4335
2Bella4552
3Kevin3453
4Lina4344
5Intan4444
6Tantri3345

Keterangan
P1 : Dominance (Kekuasaan)
P2 : Influences (Pengaruh)
P3 : Steadiness (Keteguhan Hati)
P4 : Compliance (Pemenuhan)

Setelah proses pemilihan kandidat, proses berikutnya adalah menentukan kandidat mana yang paling cocok menduduki jabatan yang diajukan oleh perusahaan. Dalam kasus ini penulis menggunakan perhitungan pemetaan gap kompetensi dimana yang dimaksud dengan gap disini adalah beda antara profil jabatan dengan profil karyawan atau dapat ditunjukkan pada rumus di bawah ini:

Gap = Profil Karyawan – Profil Jabatan

.. [GAP-01]

Dengan menggunakan persamaan [GAP-01], dapat ditentukan nilai-nilai pemetaan GAP Kompetensi untuk tiap aspek dan alternatif yang diberikan. Perhitungannya dapat dilihat dalam tabel-tabel berikut ini :

Perhitungan Pemetaan GAP untuk Aspek Kecerdasan

Tabel 6 Nilai Pemetaan Gap untuk Aspek Kecerdasan
NoNamaI1I2I3I4I5I6I7I8I9I10
1Carlie(3-3) = 0(3-3) = 0(3-4) = -1(1-4) = -3(2-3) = -1(5-4) = 1(3-4) = -1(2-5) = -3(5-3) = 2(4-4) = 0
2Bella(4-3) = 1(4-3) = 1(3-4) = -1(3-4) = -1(4-3) = 1(3-4) = -1(2-4) = -2(3-5) = -2(3-3) = 0(2-4) = -2
3Kevin(5-3) = 2(3-3) = 0(2-4) = -2(4-4) = 0(2-3) = -1(2-4) = -2(4-4) = 0(2-5) = -3(3-3) = 0(4-4) = 0
4Lina(3-3) = 0(4-3) = 1(3-4) = -1(3-4) = -1(2-3) = -1(3-4) = -1(4-4) = 0(2-5) = -3(4-3) = 1(4-4) = 0
5Intan(2-3) = -1(4-3) = 1(3-4) = -1(3-4) = -1(2-3) = -1(2-4) = -2(4-4) = 0(3-5) = -2(2-3) = -1(3-4) = -1
6Tantri(3-3) = 0(5-3) = 2(4-4) = 0(3-4) = -1(4-3) = 1(4-4) = 0(3-4) = -1(5-5) = 0(4-3) = 1(3-4) = -1

Perhitungan Pemetaan GAP untuk Aspek Sikap Kerja

Tabel 7 Nilai Pemetaan Gap untuk Aspek Sikap Kerja
NoNamaS1S2S3S4S5S6
1Carlie(4-3) = 1(5-4) = 1(4-2) = 2(3-3) = 0(5-3) = 2(3-5) = -2
2Bella(4-3) = 1(2-4) = -2(2-2) = 0(4-3) = 1(5-3) = 2(2-5) = -3
3Kevin(2-3) = -1(3-4) = -1(3-2) = 1(3-3) = 0(4-3) = 1(2-5) = -3
4Lina(4-3) = 1(5-4) = 1(5-2) = 3(1-3) = -2(4-3) = 1(1-5) = -4
5Intan(3-3) = 0(4-4) = 0(3-2) = 1(1-3) = -2(3-3) = 0(1-5) = -4
6Tantri(1-3) = -2(5-4) = 1(5-2) = 3(5-3) = 2(5-3) = 2(2-5) = -3

Perhitungan Pemetaan GAP untuk Aspek Perilaku

Tabel 8 Nilai Pemetaan Gap untuk Aspek Perilaku
NoNamaP1P2P3P4
1Carlie(4-3) = 1(3-3) = 0(3-4) = -1(5-5) = 0
2Bella(4-3) = 1(5-3) = 2(5-4) = 1(2-5) = -3
3Kevin(3-3) = 0(4-3) = 1(5-4) = 1(3-5) = -2
4Lina(4-3) = 1(3-3) = 0(4-4) = 0(4-5) = -1
5Intan(4-3) = 1(4-3) = 1(4-4) = 0(4-5) = -1
6Tantri(3-3) = 0(3-3) = 0(4-4) = 0(5-5) = 0

Setelah diperoleh Gap pada masing-masing karyawan, setiap profil karyawan diberi bobot nilai sesuai ketentuan pada Tabel Bobot Nilai Gap

Tabel 9 Bobot Nilai Gap
Selisih Bobot Nilai Keterangan
05Tidak ada selisih (kompetensi sesuai dgn yg dibutuhkan)
14,5Kompetensi individu kelebihan 1 tingkat
-14Kompetensi individu kekurangan 1 tingkat
23,5Kompetensi individu kelebihan 2 tingkat
-23Kompetensi individu kekurangan 2 tingkat
32.5Kompetensi individu kelebihan 3 tingkat
-32Kompetensi individu kekurangan 3 tingkat
41,5Kompetensi individu kelebihan 4 tingkat
-41Kompetensi individu kekurangan 4 tingkat

Setiap karyawan akan memiliki tabel bobot seperti contoh-contoh tabel yang berada di bawah ini

Pembobotan untuk Aspek Kecerdasan

Tabel 10 Nilai Pembobotan Aspek Kecerdasan
NoNamaI1 [s]I2 [s]I3 [c]I4 [c]I5 [s]I6 [c]I7 [c]I8 [c]I9 [s]I10 [c]
1Carlie5542444235
2Bella4444443353
3Kevin3535435255
4Lina5444445245
5Intan4444435344
6Tantri5354454544

Pembobotan untuk Aspek Sikap Kerja

Tabel 11 Nilai Pembobotan Aspek Sikap Kerja
NoNamaS1 [s]S2 [c]S3 [s]S4 [s]S5 [s]S6 [c]
1Carlie443533
2Bella435432
3Kevin444542
4Lina442.5341
5Intan554351
6Tantri342.5332

Pembobotan untuk Aspek Perilaku

Tabel 12 Nilai Pembobotan Aspek Perilaku
NoNamaP1 [s]P2 [s]P3 [c]P4 [c]
1Carlie4545
2Bella4342
3Kevin5443
4Lina4554
5Intan4454
6Tantri5555

Setelah menentukan bobot nilai gap untuk ketiga aspek yaitu aspek kapasitas intelektual, sikap kerja dan perilaku dengan cara yang sama. Kemudian tiap aspek dikelompokkan menjadi 2 (dua) kelompok yaitu kelompok Core Factor dan Secondary Factor.

Core Factor

Core factor merupakan aspek (kompetensi) yang paling menonjol atau paling dibutuhkan oleh suatu jabatan yang diperkirakan dapat menghasilkan kinerja optimal. Core factor dapat dirumuskan dalam persamaan berikut:

.. [GAP-02]

Keterangan

  • NCF : Nilai rata-rata core factor
  • NC(i,s,p) : Jumlah total nilai core factor (kecerdasan,sikap kerja, perilaku)
  • IC : Jumlah Item core factor

Secondary Factor

Secondary factor adalah item-item selain aspek yang ada pada core factor atau bisa juga disebut sebagai faktor pendukung. Secondary factor dapat dituliskan dalam rumusan sebagai berikut:

.. [GAP-03]

Keterangan

  • NSF : Nilai rata-rata secondary factor
  • NS(i,s,p) : Jumlah total nilai secondary factor (kecerdasan,sikap kerja, perilaku)
  • IS : Jumlah Item secondary factor

Dari hasil perhitungan dari tiap aspek tersebut kemudian dihitung nilai total berdasarkan presentase dari core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil.

Contoh perhitungan dapat dilihat pada rumus di bawah ini:

.. [GAP-04]

Keterangan

  • NCF(i,s,p) : Nilai rata-rata core factor(kecerdasan,sikap kerja, perilaku)
  • NSF(i,s,p) : Nilai rata-rata secondary factor (kecerdasan,sikap kerja, perilaku)
  • N(i,s,p) : Nilai Total dari aspek (kecerdasan,sikap kerja, perilaku)
  • x : Nilai prosentase yang diinputkan untuk core factor
  • y : Nilai prosentase yang diinputkan untuk secondary factor

Perhitungan Aspek Kecerdasan

Perhitungan nilai Aspek Kecerdasan untuk Alternatif Carlie
Core Factor NCF(i) = (4+2+4+4+2+5)/6 = 21/6=3.5
Secondary Factor NSF(i) = (5+5+4+3)/4 = 17/4=4.25
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 3.5 + 0.35 * 4.25 = 3.7625
Perhitungan nilai Aspek Kecerdasan untuk Alternatif Bella
Core Factor NCF(i) = (4+4+4+3+3+3)/6 = 21/6=3.5
Secondary Factor NSF(i) = (4+4+4+5)/4 = 17/4=4.25
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 3.5 + 0.35 * 4.25 = 3.7625
Perhitungan nilai Aspek Kecerdasan untuk Alternatif Kevin
Core Factor NCF(i) = (3+5+3+5+2+5)/6 = 23/6=3.8333333333333
Secondary Factor NSF(i) = (3+5+4+5)/4 = 17/4=4.25
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 3.8333333333333 + 0.35 * 4.25 = 3.9791666666667
Perhitungan nilai Aspek Kecerdasan untuk Alternatif Lina
Core Factor NCF(i) = (4+4+4+5+2+5)/6 = 24/6=4
Secondary Factor NSF(i) = (5+4+4+4)/4 = 17/4=4.25
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 4 + 0.35 * 4.25 = 4.0875
Perhitungan nilai Aspek Kecerdasan untuk Alternatif Intan
Core Factor NCF(i) = (4+4+3+5+3+4)/6 = 23/6=3.8333333333333
Secondary Factor NSF(i) = (4+4+4+4)/4 = 16/4=4
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 3.8333333333333 + 0.35 * 4 = 3.8916666666667
Perhitungan nilai Aspek Kecerdasan untuk Alternatif Tantri
Core Factor NCF(i) = (5+4+5+4+5+4)/6 = 27/6=4.5
Secondary Factor NSF(i) = (5+3+4+4)/4 = 16/4=4
Nilai Total N(i) = 65% * NCF(i) + 35% * NSF(i) =0.65 * 4.5 + 0.35 * 4 = 4.325

Perhitungan Aspek Sikap Kerja

Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Carlie
Core Factor NCF(s) = (4+3)/2 = 7/2=3.5
Secondary Factor NSF(s) = (4+3+5+3)/4 = 15/4=3.75
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 3.5 + 0.35 * 3.75 = 3.5875
Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Bella
Core Factor NCF(s) = (3+2)/2 = 5/2=2.5
Secondary Factor NSF(s) = (4+5+4+3)/4 = 16/4=4
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 2.5 + 0.35 * 4 = 3.025
Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Kevin
Core Factor NCF(s) = (4+2)/2 = 6/2=3
Secondary Factor NSF(s) = (4+4+5+4)/4 = 17/4=4.25
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 3 + 0.35 * 4.25 = 3.4375
Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Lina
Core Factor NCF(s) = (4+1)/2 = 5/2=2.5
Secondary Factor NSF(s) = (4+2.5+3+4)/4 = 13.5/4=3.375
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 2.5 + 0.35 * 3.375 = 2.80625
Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Intan
Core Factor NCF(s) = (5+1)/2 = 6/2=3
Secondary Factor NSF(s) = (5+4+3+5)/4 = 17/4=4.25
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 3 + 0.35 * 4.25 = 3.4375
Perhitungan nilai Aspek Sikap Kerja untuk Alternatif Tantri
Core Factor NCF(s) = (4+2)/2 = 6/2=3
Secondary Factor NSF(s) = (3+2.5+3+3)/4 = 11.5/4=2.875
Nilai Total N(s) = 65% * NCF(s) + 35% * NSF(s) =0.65 * 3 + 0.35 * 2.875 = 2.95625

Perhitungan Aspek Perilaku

Perhitungan nilai Aspek Perilaku untuk Alternatif Carlie
Core Factor NCF(p) = (4+5)/2 = 9/2=4.5
Secondary Factor NSF(p) = (4+5)/2 = 9/2=4.5
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 4.5 + 0.35 * 4.5 = 4.5
Perhitungan nilai Aspek Perilaku untuk Alternatif Bella
Core Factor NCF(p) = (4+2)/2 = 6/2=3
Secondary Factor NSF(p) = (4+3)/2 = 7/2=3.5
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 3 + 0.35 * 3.5 = 3.175
Perhitungan nilai Aspek Perilaku untuk Alternatif Kevin
Core Factor NCF(p) = (4+3)/2 = 7/2=3.5
Secondary Factor NSF(p) = (5+4)/2 = 9/2=4.5
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 3.5 + 0.35 * 4.5 = 3.85
Perhitungan nilai Aspek Perilaku untuk Alternatif Lina
Core Factor NCF(p) = (5+4)/2 = 9/2=4.5
Secondary Factor NSF(p) = (4+5)/2 = 9/2=4.5
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 4.5 + 0.35 * 4.5 = 4.5
Perhitungan nilai Aspek Perilaku untuk Alternatif Intan
Core Factor NCF(p) = (5+4)/2 = 9/2=4.5
Secondary Factor NSF(p) = (4+4)/2 = 8/2=4
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 4.5 + 0.35 * 4 = 4.325
Perhitungan nilai Aspek Perilaku untuk Alternatif Tantri
Core Factor NCF(p) = (5+5)/2 = 10/2=5
Secondary Factor NSF(p) = (5+5)/2 = 10/2=5
Nilai Total N(p) = 65% * NCF(p) + 35% * NSF(p) =0.65 * 5 + 0.35 * 5 = 5

Hasil akhir dari proses profile matching adalah ranking dari kandidat yang dapat dijadikan karyawan yang dapat mengisi suatu jabatan tertentu. Perangkingan ditentukan dari nilai total penilaian yang diurutkan dari nilai terbesar sampai dengan yang terkecil, dimana alternatif dengan nilai total terbesar yang dipilih sebagai hasil akhirnya.

Penentuan ranking mengacu pada hasil perhitungan tertentu, sebagai berikut:

.. [GAP-05]

Keterangan

  • NI : Nilai Kecerdasan
  • NS : Nilai Sikap kerja
  • NP : Nilai Perilaku
  • x : Nilai prosentase yang diinputkan untuk aspek Kecerdasan
  • y : Nilai prosentase yang diinputkan untuk aspek Sikap kerja
  • z : Nilai prosentase yang diinputkan untuk aspek Perilaku

Berdasarkan persamaan [GAP-05] dapat dihitung nilai total dari masing-masing alternatif sebagai berikut:

Nilai Carlie = 30% * NI + 30% * NS + 40% * NP = 0.3 * 3.7625 + 0.3 * 3.5875 + 0.4 * 4.5 = 4.005
Nilai Bella = 30% * NI + 30% * NS + 40% * NP = 0.3 * 3.7625 + 0.3 * 3.025 + 0.4 * 3.175 = 3.30625
Nilai Kevin = 30% * NI + 30% * NS + 40% * NP = 0.3 * 3.9791666666667 + 0.3 * 3.4375 + 0.4 * 3.85 = 3.765
Nilai Lina = 30% * NI + 30% * NS + 40% * NP = 0.3 * 4.0875 + 0.3 * 2.80625 + 0.4 * 4.5 = 3.868125
Nilai Intan = 30% * NI + 30% * NS + 40% * NP = 0.3 * 3.8916666666667 + 0.3 * 3.4375 + 0.4 * 4.325 = 3.92875
Nilai Tantri = 30% * NI + 30% * NS + 40% * NP = 0.3 * 4.325 + 0.3 * 2.95625 + 0.4 * 5 = 4.184375

Sehingga diperoleh hasil perangkingan sebagai berikut :

Tabel 13 Nilai Perangkingan
RangkingAlternatifNilai Total
1Tantri4.184375
2Carlie4.005
3Intan3.92875
4Lina3.868125
5Kevin3.765
6Bella3.30625

Dari hasil perhitungan dengan method Profile Matching tersebut maka diperoleh hasil keputusan alternatif Tantri dengan nilai 4.184375 yang terpilih

Bagian ini sebenarnya tidak termasuk dalam proses pembuatan aplikasi Metode Profile Matching dengan PHP, namun untuk keperluan menjelaskan proses perhitungannya dengan memakai database server MySQL/MariaDB dan bahasa pemrograman PHP dalam artikel ini maka perlu disiapkan satu buah database. Sebagai contoh disini digunakan database bernama db_dss yang dibuat dengan sintak SQL sebagai berikut:

CREATE DATABASE IF NOT EXISTS db_dss;
USE db_dss;

Awalnya membuat dulu database dengan nama db_dss jika belum ada database dengan nama tersebut, kemudian gunakan database tersebut dengan memakai sintak USE db_dss;

Dalam hal ini, pembuatan database memakai command console dari database server yang bersangkutan

Dari data pada fakta di atas, dapat di representasikan aspek-aspek yang berperan dalam permasalahan ini dalam bentuk tabel database, yaitu tabel gap_aspek sebagai berikut:

DROP TABLE IF EXISTS gap_aspek;
CREATE TABLE IF NOT EXISTS gap_aspek(
  id_aspek TINYINT(3) UNSIGNED AUTO_INCREMENT,
  aspek VARCHAR(100) NOT NULL,
  prosentase FLOAT NOT NULL,
  bobot_core FLOAT NOT NULL,
  bobot_secondary FLOAT NOT NULL,
  PRIMARY KEY(id_aspek)
)ENGINE=MyISAM;

INSERT INTO gap_aspek(id_aspek,aspek,prosentase)
VALUES
(1,'Kecerdasan',30,65,35),
(2,'Sikap Kerja',30,65,35),
(3,'Perilaku',40,65,35);

SELECT * FROM tbl_aspek;
+----------+-------------+------------+------------+-----------------+
| id_aspek | aspek       | prosentase | bobot_core | bobot_secondary |
+----------+-------------+------------+------------+-----------------+
|        1 | Kecerdasan  |         30 |         65 |              35 |
|        2 | Sikap Kerja |         30 |         65 |              35 |
|        3 | Perilaku    |         40 |         65 |              35 |
+----------+-------------+------------+------------+-----------------+
3 rows in set (0.00 sec)

DROP TABLE IF EXISTS gap_faktor;
CREATE TABLE IF NOT EXISTS gap_faktor(
  id_faktor TINYINT(3) UNSIGNED NOT NULL,
  id_aspek TINYINT(3) UNSIGNED NOT NULL,
  faktor VARCHAR(30) NOT NULL,
  target TINYINT(3) NOT NULL,
  type SET('core','secondary'),
  PRIMARY KEY(id_faktor)
)ENGINE=MyISAM;

INSERT INTO gap_faktor(id_aspek,faktor,target,type) 
VALUES
(1,'Common Sense',3,'secondary'),
(1,'Verbalisasi Ide',3,'secondary'),
(1,'Sistematika Berpikir',4,'core'),
(1,'Penalaran dan Solusi Real',4,'core'),
(1,'Konsentrasi',3,'secondary'),
(1,'Logika Praktis',4,'core'),
(1,'Fleksibilitas Berpikir',4,'core'),
(1,'Imajinasi Kreatif',5,'core'),
(1,'Antisipasi',3,'secondary'),
(1,'Potensi Kecerdasan',4,'core'),
(2,'Energi Psikis',3,'secondary'),
(2,'Ketelitian dan tanggung jawab',4,'core'),
(2,'Kehati-hatian',2,'secondary'),
(2,'Pengendalian Perasaan',3,'secondary'),
(2,'Dorongan Berprestasi',3,'secondary'),
(2,'Vitalitas dan Perencanaan',5,'core'),
(3,'Dominance (Kekuasaan)',3,'secondary'),
(3,'Influences (Pengaruh)',3,'secondary'),
(3,'Steadiness (Keteguhan Hati)',4,'core'),
(3,'Compliance (Pemenuhan)',5,'core');

DROP TABLE IF EXISTS gap_bobot;
CREATE TABLE IF NOT EXISTS gap_bobot(
  selisih TINYINT(3) NOT NULL,
  bobot FLOAT NOT NULL,
  keterangan VARCHAR(100) NOT NULL,
  PRIMARY KEY(selisih)
)ENGINE=MyISAM;

INSERT INTO gap_bobot(selisih,bobot,keterangan)
VALUES
(0,5,'Tidak ada  selisih (kompetensi,sesuai dgn yang dibutuhkan)'),
(1,4.5,'Kompetensi individu kelebihan 1 tingkat'),
(-1,4,'Kompetensi individu kekurangan 1 tingkat'),
(2,3.5,'Kompetensi individu kelebihan 2 tingkat'),
(-2,3,'Kompetensi individu kekurangan 2 tingkat'),
(3,2.5,'Kompetensi individu kelebihan 3 tingkat'),
(-3,2,'Kompetensi individu kekurangan 3 tingkat'),
(4,1.5,'Kompetensi individu kelebihan 4 tingkat'),
(-4,1,'Kompetensi individu kekurangan 4 tingkat');

SELECT * FROM gap_bobot;
+---------+-------+------------------------------------------------------------+
| selisih | bobot | keterangan                                                 |
+---------+-------+------------------------------------------------------------+
|       0 |     5 | Tidak ada  selisih (kompetensi,sesuai dgn yang dibutuhkan) |
|       1 |   4.5 | Kompetensi individu kelebihan 1 tingkat                    |
|      -1 |     4 | Kompetensi individu kekurangan 1 tingkat                   |
|       2 |   3.5 | Kompetensi individu kelebihan 2 tingkat                    |
|      -2 |     3 | Kompetensi individu kekurangan 2 tingkat                   |
|       3 |   2.5 | Kompetensi individu kelebihan 3 tingkat                    |
|      -3 |     2 | Kompetensi individu kekurangan 3 tingkat                   |
|       4 |   1.5 | Kompetensi individu kelebihan 4 tingkat                    |
|      -4 |     1 | Kompetensi individu kekurangan 4 tingkat                   |
+---------+-------+------------------------------------------------------------+
9 rows in set (0.01 sec)

DROP TABLE IF EXISTS gap_alternatif;
CREATE TABLE IF NOT EXISTS gap_alternatif(
  id_alternative TINYINT(3) UNSIGNED AUTO_INCREMENT,
  alternative VARCHAR(100) NOT NULL,
  PRIMARY KEY(id_a lternative)
)ENGINE=MyISAM;

INSERT INTO gap_alternatif(alternative) 
VALUES
('Carlie'),
('Bella'),
('Kevin'),
('Lina'),
('Intan'),
('Tantri');

DROP TABLE IF EXISTS gap_sample;
CREATE TABLE IF NOT EXISTS gap_sample(
  id_sample INT(11) UNSIGNED AUTO_INCREMENT,
  id_alternative TINYINT(3) UNSIGNED NOT NULL,
  id_faktor TINYINT(3) UNSIGNED NOT NULL,
  value TINYINT(3) UNSIGNED NOT NULL,
  PRIMARY KEY(id_sample)
)ENGINE=MyISAM;

INSERT INTO gap_sample 
VALUES
(1,1,3),(1,2,3),(1,3,3),(1,4,1),(1,5,2),(1,6,5),(1,7,3),(1,8,2),(1,9,5),(1,10,4),(1,11,4),(1,12,5),(1,13,4),(1,14,3),(1,15,5),(1,16,3),(1,17,4),(1,18,3),(1,19,3),(1,20,5),(2,1,4),(2,2,4),(2,3,3),(2,4,3),(2,5,4),(2,6,3),(2,7,2),(2,8,3),(2,9,3),(2,10,2),(2,11,4),(2,12,2),(2,13,2),(2,14,4),(2,15,5),(2,16,2),(2,17,4),(2,18,5),(2,19,5),(2,20,2),(3,1,5),(3,2,3),(3,3,2),(3,4,4),(3,5,2),(3,6,2),(3,7,4),(3,8,2),(3,9,3),(3,10,4),(3,11,2),(3,12,3),(3,13,3),(3,14,3),(3,15,4),(3,16,2),(3,17,3),(3,18,4),(3,19,5),(3,20,3),(4,1,3),(4,2,4),(4,3,3),(4,4,3),(4,5,2),(4,6,3),(4,7,4),(4,8,2),(4,9,4),(4,10,4),(4,11,4),(4,12,5),(4,13,5),(4,14,1),(4,15,4),(4,16,1),(4,17,4),(4,18,3),(4,19,4),(4,20,4),(5,1,2),(5,2,4),(5,3,3),(5,4,3),(5,5,2),(5,6,2),(5,7,4),(5,8,3),(5,9,2),(5,10,3),(5,11,3),(5,12,4),(5,13,3),(5,14,1),(5,15,3),(5,16,1),(5,17,4),(5,18,4),(5,19,4),(5,20,4),(6,1,3),(6,2,5),(6,3,4),(6,4,3),(6,5,4),(6,6,4),(6,7,3),(6,8,5),(6,9,4),(6,10,3),(6,11,1),(6,12,5),(6,13,5),(6,14,5),(6,15,5),(6,16,2),(6,17,3),(6,18,3),(6,19,4),(6,20,5);

Beberapa simpulan yang bisa diperoleh adalah

  • Dalam metode Profile Matching, nilai target bukanlah nilai minimal yang harus dipenuhi atau dilewati
  • Nilai yang lebih tinggi dari nilai target (gap > 0) tidak berarti lebih baik dari nilai yang lebih rendah dari nilai target (gap < 0), nilai terbaik/ideal adalah nilai yang sama sengan nilai target (gap/selisih =0)

  • Hermawan (2005) Perancangan Sistem Pendukung Keputusan, Jakarta : Penerbit PT Elex Media Komputindo
  • Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit Andi.
  • Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy Multi-Atribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu.