PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK REKOMENDASI PERPANJANGAN KONTRAK PEGAWAI OUTSOURCING / Rizky Zonna D / 14198015 / Pembimbing I : Adiat Pariddudin / Pembimbing II : R. Joko Sarjonoko

Dalam dunia kerja, setiap tahun pasti akan ada proses pembaharuan kontrak atau yang biasa disebut perpanjangan kontrak. Proses perpanjangan kontrak ini berjalan secara
manual dengan penilaian secara subjective. Hal ini menyebabkan kesalahan pemberian kontrak baru kepada karyawan, dimana karyawan yang seharusnya tidak diperpanjang
kontraknya, justru mendapatkan perpanjangan kontrak dan sebaliknya. Selain itu, dikarenakan masih dilakukan secara manual dan subjective, maka proses perpanjangan kontrak yang sekarang berjalan tidak efektif dan efisien. Oleh karena itu diperlukan sistem pendukung keputusan untuk memberikan rekomendasi karyawan yang akan diperpanjang kontraknya. Sistem pendukung keputusan ini, dapat menentukan nilai perhitungan terhadap semua kriteria. Sistem ini menggunakan metode Simple Additive Weighting (SAW). Metode ini merupakan suatu metode yang mencari penjumlahan terbobot. Dengan
metode SAW, semua alternatif akan dikalikan dengan bobot masing masing kriteria untuk kemudian mendapatkan matriks penilaian. Pada studi kasus rekomendasi karyawan yang akan diperpanjang kontraknya, terdapat 6 (enam) kriteria yaitu absensi, laporan, prilaku, penilaian kinerja oleh user, penilaian internal dan klien penempatan. Setiap alternatif(karyawan) akan memiliki kriteria kriteria tersebut. Dalam hal ini, untuk menentukan rekomendasi karyawan yang akan diperpanjang kontraknya dilakukan
dengan cara menjumlahan bobot dari rating kinerja pada setiap alternatif untuk semuan atribut. Nilai yang lebih besar akan mengindikasikan bahwa alternatif lebih terpilih. Pada kasus tersebut metode SAW ini dapat menentukan karyawan yang direkomendasikan untuk diperpanjang kontraknya berdasarkan nilai tertinggi. Output yang dihasilkan dari
penelitian ini adalah list rekomendasi karyawan yang akan diperpanjang kontraknya yang telah diuji keakuratannya dengan mendapatkan perolehan hasil akurasi pengklasifikasian
sebesar 94%.