P2700210062 STMIK Lamappapoleonro Jl. Satria Soppeng HP. 085242487545
[email protected]
Abstrak
Makalah ini membahas tentang studi dan implementasi penerapan Decision Tree(pohon keputusan) yang digunakan sebagai sebuah alat
bantu / pendukung (support tool) dalam penilaian soft skillsmahasiswa. Studi dari pohon keputusan yang dibahas dalam makalah ini adalah dari segi skema pohon keputusan, serta aplikasi pohon keputusan dalam penilaian soft skills mahasiswa.Decision Treedibangun dengan menentukan node terpilih berdasarkan nilai entropy terkecil dari setiap atribut (kriteria). Dari data training dengan nilai entropy terkecil tersebut kemudian diuraikan lagi berdasarkan atribut yang ada pada data awal dan dihitung kembali nilai entropy terkecil. Nilai entropy terkecil tersebut akan menjadi leaf nodepada node terpilih. Hasil prediksi pada data training diperoleh dari data leaf node.
Berdasarkan data pada tabel hasil prediksi data training diperoleh Kesalahan (e) = 12,5% yaitu 1 dari 8 data.
Kata kunci : Soft Skills, Decision Tree, Atribut, Entropy, leaf node
1. PENDAHULUAN
1.1 Latar Belakang
Perkembangan ilmu pengetahuan, teknologi dan seni dewasa ini perlu diimbangi oleh sosok manusia yang memiliki keunggulan kompetitif dan keunggulan komparatif. Orang yang memiliki kualitas biasanya selalu meraih kemenangan dalam berbagai persaingan yang ada dalam kehidupan masyarakat saat ini.
Sementara itu di sektor industri profil lulusan yang dicari oleh perusahaan dewasa ini biasanya tidak hanya unggul pada prestasi akademik saja (Hard Skills), namun calon karyawan yang dicari perlu memiliki nilai tambah (value added). Sebagai ilustrasi, sebuah perusahaan yang berkembang pesat sedang merekrut lulusan baru dari berbagai perguruan tinggi. Syarat dasar bagi pendaftar fresh graduate dalah IPK minimal 3,00, dan lebih disukai adalah kandidat yang memiliki keterampilan-keterampilan tambahan. Nah, mayoritas pendaftar adalah para lulusan baru yang hanya mengandalkan IPK 3,00 atau bahkan lebih. Sementara, ada segelintir pendaftar yang memiliki value added berupa keterampilan menggunakan perangkat komputer, menguasai berbagai aplikasi, menguasai teknologi internet, memiliki pengalaman berorganisasi, pernah magang, menguasai beberapa bahasa asing, dan sebagainya. Kira-kira, kandidat mana yang punya kesempatan lebih besar untuk menang bersaing? Sukses di dalam sebuah pekerjaan tidak hanya bergantung kepada rasio dan logika
individu tetapi juga kapasitas kemanusiannya. Kemampuan yang dimiliki manusia dapat sebagai Gunung Es (Ice Berg). Yang nampak di
luar permukaan air ialah kemampuan Hard Skill/ Technical Skill, sedangkan kemampuan yang berada di bawah permukaan air dan
memiliki porsi yang paling besar ialah kemampuan Soft Skill. Soft skill merupakan kemampuan yang tidak tampak dan seringkali berhubungan dengan emosi manusia.
Dalam tulisan ini akan disajikan implementasi Decision Tree(pohon keputusan) dalam menentukan Penilaian Soft-skills
Mahasiswa. Melalui pohon ini strategi untuk menentukan penilaian soft-skillsmahasiswa dapat dilakukan dengan baik sehingga dengan mudah dapat ditentukan potensi soft-skillsdari mahasiswa. Pohon keputusan ini juga dapat digunakan untuk menganalisis potensi
pengembangan soft-skillsdari mahasiswa. Decision Tree dibangun dengan menggunakan algoritma C4.5 dengan menggunakan prinsip
information gain, yaitu berapa banyak informasi yang benar yang dapat diperoleh dari dokumen pelatihan untuk suatu ciri tertentu. Dalam
information gain ini dikenal adanya istilah entropy, yang merupakan derajat ketidakpastian dari suatu kondisi (Manning, 1999).
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka masalah yang akan dipecahkan dapat diuraikan sebagai berikut:
1. Bagaimana menentukan penilaian soft-skillsmahasiswa dengan menggunakan Decision Tree.
2. Bagaimana membangun Decision Treedengan menggunakan algoritma C4.5 dalam menentukan penilaian soft-skillsmahasiswa.
1.3 Tujuan Dan Manfaat
Penulisan makalah ini bertujuan untuk menentukan penilaian soft-skillsmahasiswa dengan menggunakan Decision Treedan
membangun Decision Treedengan menggunakan algoritma C4.5 dalam menentukan penilaian soft-skillsmahasiswa.
Manfaat dari penelitian ini pada hakekatnya untuk memberikan pandangan tentang penerapan Decision Tree (pohon keputusan)dalam penilaian soft-skillsmahasiswa bagi para dosen yang terkait dengan pengembangan potensi mahasiswa ataupun pihak perusahaan dalam menilai calon karyawan (pelamar pekerjaan) sehingga dapat merekrut karyawan dengan tepat.
1.4 Batasan Masalah
Mengingat unsur soft-skillsmemiliki cakupan yang cukup kompleks, maka penulis membatasi ruang lingkup penulisan, yaitu unsur
soft-skillshanya yang berkaitan dengan Kemampuan yang diperlukan dunia kerja menurut kepentingannya, dan Peringkat karakter pencari kerja yang dituntut dunia kerja (PDAT, 2007). Karena kedua hal tersebut sangat berkaitan dengan kualitas lulusan perguruan tinggi dalam hubungan dengan dunia kerja.
2. DASAR TEORI
Gambaran penggunaan Decision Treedapat diimplementasikan dengan membuat aturan (rule) yang dapat digunakan untuk
menentukan soft skillsmahasiswa apakah potensi untuk diterima atau tidak disebuah perusahaan tertentu berdasarkan data Motivasi, Kerja Tim, Leadership, dan Kedisiplinan.
56
Soft Skillsadalah seperangkat kemampuan yang mempengaruhi bagaimana kita berinteraksi dengan orang lain. Soft skillsmemuat komunikasi efektif, berpikir kreatif dan kritis, membangun tim, serta kemampuan lainnya yang terkait kapasitas kepribadian individu. Soft skillsmemiliki banyak manfaat, misalnya pengembangan karir serta etika profesional. Dari sisi organisasional, soft skillsmemberikan dampak terhadap kualitas manajemen secara total, efektivitas institusional dan sinergi inovasi. Esensi soft skillsadalah kesempatan.
Lulusan memerlukan soft skillsuntuk membuka dan memanfaatkan kesempatan.
Di sisi lain nilai-nilai dan moral dapat ditingkatkan dengan kegiatan berfokus pada peningkatan kesadaran diri. Soft Skills lebih didominasi oleh komponen kepribadian individu sehingga prosedur pengukurannya sedikit berbeda dengan pengukuran komponen abilitas individu. Oleh karena itu pengukuran soft skillsakan mengarah pada karakteristik yang sifatnya internal dan manifest pada diri individu seperti dimensi afektif, motivasi, interes, atau sikap. Pengukuran kepribadian terbagi menjadi dua jenis yaitu pelaporan diri (self-report) dan proyeksi (projective).
Secara eksplisit di atas telah terlihat bahwa Soft Skills sangat diperlukan dalam pemanfaatannya di dalam perencanaan dan proses pencarian pekerjaan (wawancara oleh pemberi pekerjaan) dan kesuksesan meniti karir dalam pekerjaanya. Ini mengindikasikan bahwa Soft Skills menentukan kecepatan lulusan mendapatkan pekerjaan, selain didukung oleh hard skillnya.
2.2 Decision Tree
2.2.1 Konsep Data Dalam Decision Tree
Data dinyatakan dalam bentuk tabel dengan atribut dan record.
Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree. Misalkan untuk menentukan main tenis, kriteria yang diperhatikan adalah cuaca, angin dan temperatur. Salah satu atribut merupakan atribut yang menyatakan data solusi per- item data yang disebut dengan target atribut.
Atribut memiliki nilai-nilai yang dinamakan dengan instance. Misalkan atribut cuaca mempunyai instance berupa cerah, berawan dan
hujan.
2.2.2 Proses Dalam Decision Tree
Mengubah bentuk data (tabel) menjadi model tree.
Mengubah model tree menjadi rule
Menyederhanakan Rule (Pruning)
2.2.3 Entropy
Entropy (S) adalah jumlah bit yang diperkirakan dibutuhkan untuk dapat mengekstrak suatu kelas (+ atau -) dari sejumlah data acak pada ruang sample S.
S adalah ruang (data) sample yang digunakan untuk training.
Entropy bisa dikatakan sebagai kebutuhan bit untuk menyatakan suatu kelas. Semakin kecil nilai Entropy maka semakin baik untuk
digunakan dalam mengekstraksi suatu kelas.
Panjang kode untuk menyatakan informasi secara optimal adalah –log2p bits untuk messages yang mempunyai probabilitas p.
P+ adalah jumlah yang bersolusi positif (mendukung) pada data sample untuk kriteria tertentu.
P+ adalah jumlah yang bersolusi negatif (tidak mendukung) pada data sample untuk kriteria tertentu.
Besarnya Entropy pada ruang sample S didefinisikan dengan:
Entropy(S) = -p+log2p+-p-log2p-
3. HASIL DAN PEMBAHASAN
Penggunaan metode Decision Treedapat diterapkan dalam menentukan LULUS atau TIDAK LULUS seorang mahasiswa diterima
di suatu perusahaan tertentu.. Data diambil dengan 8 sample, dengan pemikiran bahwa yang mempengaruhi seseorang mahasiswa atau
calon karyawan LULUS atau TIDAK LULUS diterima pada sebuah perusahaan tertentu tidak semata-mata karena faktorhard skills akan
tetapi lebih ditentukan oleh kemampunan soft skillsdengan instanceyang dibatasi pada Motivasi, Kerja Tim, Leadership dan Kedisiplinan.
Data Sample yang Digunakan Untuk Menentukan LULUS dan TIDAK LULUSdalam penilaian Soft SkillsMahasiswa dengan predikat sangat baik, baik, cukup dan kurang.
57 Arif (+) Aslan(-) Budi (+) Firman(+)
Baik
Buruk
Bambang(-) Farel (-) Hadi (-) lrfan (-)Nama Motivasi Ker ja Tim Leader ship Kedisiplinan Katg. Pr ed.
Arief Baik Buruk Baik Baik L B
Aslan Buruk Buruk Baik Baik TL C
Bambang Baik Baik Buruk Buruk TL C
Budi Buruk Baik Baik Baik L B
Farel Buruk Baik Buruk Buruk TL K
Firman Buruk Baik Baik Baik L B
Hadi Baik Baik Buruk Buruk TL C
Irfan Baik Baik Buruk Buruk TL C
Ket.
- 90 – 100 = Sangat Baik
- 70 – 89 = Baik
- 60 – 69 = Cukup
- < 60 = Kurang
3.1 Langkah Mengubah Data Menjadi Tree
1. Menentukan Node Terpilih 2. Menyusun Tree
3.1.1 Menentukan Node Terpilih
Untuk menentukan node terpilih, gunakan nilai Entropy dari setiap kriteria dengan data sample yang ditentukan.
Node terpilih adalah kriteria dengan Entropy yang paling kecil.
MOTIVASI KATEGORI JUMLAH
Baik LULUS 1
Baik TIDAK LULUS 3
Buruk LULUS 2
Buruk TIDAK LULUS 2
Entropy = 0,91
KERJA TIM KATEGORI JUMLAH
Baik LULUS 2
Baik TIDAK LULUS 4
Buruk LULUS 1
Buruk TIDAK LULUS 1
Entropy = 0,94
LEADERSHIP KATEGORI JUMLAH
Baik LULUS 3
Baik TIDAK LULUS 1
Buruk LULUS 0
Buruk TIDAK LULUS 4
Entropy = 0,41
KEDISIPLINAN KATEGORI JUMLAH
Baik LULUS 3
Baik TIDAK LULUS 1
Buruk LULUS 0
Buruk TIDAK LULUS 4
Entropy = 0,41