Pemecahan Masalah - ANALISIS SISTEM BERJALAN

BAB III ANALISIS SISTEM BERJALAN

3.7. Pemecahan Masalah

3.6. Permasalahan Pokok

Setelah mempelajari dan mengamati sistem informasi PT Jagara Raya Buana, penulis menyimpulkan bahwa sistem berjalan dan pelaksanaannya belum efisien karena selama ini penentuan karyawan kontrak menjadi karyawan tetap dilakukan secara bertahap seperti penyeleksian berkas, tes lisan atau tes tertulis, wawancara dan lain sebagainya. Cara ini membutuhkan waktu, sehingga kemungkinan kesalahan dalam hasil akhir dari penentuan karyawan kontrak menjadi karyawan tetap sering tidak memenuhi kriteria yang dibutuhkan perusahaan dan menghambat kinerja perusahaan. Adapun masalah pokok pada sistem tersebut adalah belum adanya metode untuk menentukan pegawai tetap di PT Jagara Raya Buana dengan cepat,akurat dan benar.

3.7. Pemecahan Masalah

Untuk mengatasi atau mengurangi permasalahan yang terjadi di PT Jagara Raya Buana ini maka dibuatkanlah pemecahan masalah yaitu sebagai berikut:

1. Dengan Adanya sistem komputerisasi berbentuk program aplikasi, pegawai bisa dengan mudah menentukan status pegawai dengan metode naive bayes.

2. Dengan dibuatkannya program aplikasi komputer memudahkan pegawai dalam menentukan status pegawai.

BAB IV

PERANCANGAN SISTEM USULAN

4.1. Tahapan Perancangan Sistem

Analisis kebutuhan merupakan hal yang penting untuk mengetahui kebutuhan-kebutuhan yang nantinya akan digunakan untuk mendukung proses pembuatan sistem baru.

4.1.1. Analisis Kebutuhan A. Kebutuhan Pengguna

Sistem pendukung keputusan untuk calon karyawan tetap dengan metode naive bayes yang dibutuhkan oleh pengguna adalah mampu membantu perhitungan untuk penilaian calon karyawan tetap di PT Jagara Raya Buana agar lebih efisien dan akurat.

B. Kebutuhan Admin

Dalam aplikasi ini admin dapat mengakses dan mengelola semua bagian yang ada di halaman admin seperti kelola data karyawan, kelola data sampel, kelola data tesing, menampilkan hasil prediksi ataupun menginput,mengubah dan menghapus data.

C. Kebutuhan Sistem

1. Pengguna harus melakukan login terlebih dahulu untuk dapat mengakses aplikasi ini dengan memasukkan username dan password agar privasi masing-masing pengguna tetap terjaga keamanannya.

2. Pengguna harus melakukan logout setelah selesai menggunakan aplikasi.

3. Sistem menghitung prediksi kenaikan jabatan karyawan menjadi karyawan tetap.

4.1.2. Rancangan Use Case Diagram

Use Case Diagram adalah suatu model yang bertujuan menjelaskan alur atau proses sistem yang dibuat dengan menggunakan symbol. Use Case Diagram prediksi kenaikan jabatan karyawan ini menjelaskan tentang alur interaksi sistem yangakan dibangun untuk memprediksi kenaikan jabatan karyawan. Use Case Diagram ini mencakup semua sistem dari mulai actor dan interaksi Use Case nya. Berikut adalah Use Case Diagram prediksi kenaikan jabatan karyawan sebagaimana dapat dilihat pada gambar dibawah ini:

Gambar IV.1 Diagram Use Case Sistem Informasi Pengangkatan Karyawan Tetap Berbasis Naive Bayes

Table 1. Skenario Use Case Login Identifikasi

Use case Login

Aktor Supervisor & Admin

Kondisi awal Memasukkan username dan password

Kondisi akhir Masuk kedalam sistem

Deskripsi Akses untuk ke sistem

Aksi Aktor Reaksi Sistem

1. Masukan username dan password 2. Menekan tombol Login

3. Proses identifikasi hak akses 4. Menampilkan halaman sistem

Table 2. Skenario Use Case Karyawan Identifikasi

Use case Karyawan

Aktor Admin

Kondisi awal Masuk ke halaman pegawai

Kondisi akhir Menampilkan halaman pegawai

Deskripsi Mengelola data pegawai

Aksi Aktor Reaksi Sistem

1. Klik menu data karyawan

2. Menampilkan data karyawan 3. Klik tombol tambah data pegawai

4. Menampilkan form data karyawan 5. Mengisi form data pegawai

6. Klik tombol simpan

7. Menyimpan data karyawan ke database

8. Kembali menampilkan data karyawan

1. Klik tombol import

2. Menampilkan tombol pilih file 3. Memilih data karyawan dengan

format excel 4. Klik upload

5. Data excel masuk ke database 6. Kembali menampilkan data

karyawan 1. Klik tombol hapus

1. Menghapus data karyawan

2. Kembali menampilkan data karyawan

Table 3. Skenario Use Case Sampel Identifikasi

Use case Sampel

Aktor Admin

Kondisi awal Masuk ke halaman sampel

Kondisi akhir Menampilkan halaman sampel

Deskripsi Mengelola data sampel

Aksi Aktor Reaksi Sistem

1. Klik menu data sampel

2. Menampilkan data sampel 3. Klik tombol tambah data sampel

4. Menampilkan form data sampel 5. Mengisi form data sampel

6. Klik tombol simpan

7. Menyimpan data sampel ke database 8. Kembali menampilkan data sampel 1. Klik tombol import

2. Menampilkan tombol pilih file 3. Memilih data sampel dengan

format excel 4. Klik upload

5. Data excel masuk ke dalam database 6. Kembali menampilkan data sampel 1. Klik tombol hapus

2. Menghapus data sampel

3. Kembali menampilkan data sampel

Table 4. Skenario Use Case Testing Identifikasi

Use case Testing

Aktor Admin

Kondisi awal Masuk ke halaman testing

Kondisi akhir Menampilkan halaman testing

Deskripsi Mengelola data testing

Aksi Aktor Reaksi Sistem

1. Klik menu data testing

2. Menampilkan data testing 3. Klik tombol tambah data testing

4. Menampilkan form data testing 5. Mengisi form data testing

6. Klik tombol simpan

7. Menyimpan data testing ke database 9. Kembali menampilkan data testing 1.Klik tombol hapus

2.Menghapus data testing

3..Kembali menampilkam data testing

Table 5. Skenario Use Case Prediksi Identifikasi

Use case Prediksi

Aktor Supervisor

Kondisi awal Masuk ke halaman testing

Kondisi akhir Menampilkan hasil prediksi

Deskripsi Menghitung prediksi

Aksi Aktor Reaksi Sistem

1. Klik menu data testing

2. Menampilkan halaman data testing 3. Klik tombol hasil prediksi

4. Menampilkan prediksi 5. Pilih lolos atau tidak

6. Verifikasi lolos atau tidak

7. Simpan perubahan ke database 8. Klik tombol simpan ke data sampel

9. Data disimpan ke data sampel

4.1.3. Rancangan Activity Diagram

Gambar IV.2 Activity Diagram Prediksi Kenaikan Jabatan Karyawan

4.1.4. Rancangan Dokumen Sistem Usulan A. Dokumen Masukan

1. Nama Dokumen : Data Karyawan

Fungsi : Pencatatan biodata karyawan

Sumber : HRD

Media : Elektronik

Jumlah : 1 File

act Activ ity Diagram Prediksi Kenaikan Jabatan Karyaw an

Sistem

Input Data Pegaw ai Pesan Import Data

Pegaw ai Berhasil

Frekuensi : Setiap adanya karyawan baru Bentuk : File excel

Gambar IV.3 ERD Sistem Informasi Pengangkatan Karyawan Tetap Berbasis Naive Bayes

4.2.2. Logical Record Structure (LRS)

Gambar IV.4 LRS Sistem Informasi Pengangkatan Karyawan Tetap Berbasis Naive Bayes

4.2.3. Spesifikasi File

1. Spesifikasi File Karyawan Nama File : Karyawan Akronim : Karyawan

Fungsi : Menampilkan data karyawan Tipe File : File master

Organisasi File : Index sequential Akses File : Random

Media : Harddisk Panjang Record : 84

Kunci Field : kd_karyawan Software : MySQL

Table 6. Spesifikasi File Karyawan

No. Elemen Data Nama Field Tipe Size Ket

1 Kode karyawan Kd_karyawan Int 11 Primary Key

2 Nama karyawan Nama Varchar 50

3 Jenis Kelamin jenis_kelamin Enum -

Fungsi : Menampilkan data testing Tipe File : File Transaksi

2 Kode karyawan Kd_karyawan Varchar 11 Foreign Key 3 Lama Bekerja lamabekerja Varchar 100

4 Absensi Absensi Varchar 100

5 Kinerja Kinerja Varchar 100

Fungsi : Menampilkan data sampel Tipe File : File master

Class Diagram menggambarkan beberapa class yang terdapat didalam sistem informasi karyawan tetap yang saling berhubungan. Berikut ini adalah Class

Diagram sistem informasi karyawan tetap sebagaimana tertuang pada gambar dibawah ini:

Gambar IV.5 Class Diagram Sistem Informasi Pengangkatan Karyawan Tetap Berbasis Naive Bayes

4.2.5. Sequence Diagram

A. Sequence Diagram Login Admin

Gambar IV.6 Sequence Diagram Login Admin

B. Sequence Diagram Menu Data Karyawan

sd Sequence Diagram Login Admin

Admin

Menu Login Pengelola Validasi Login Menu Utama

alt v alid?

[Ya]

[Tidak]

Tampil Menu() Validasi Username & Password()

getLogin() Masukkan Username & Password()

Kembali Menampilkan Menu Login()

Gambar IV.7 Sequence Diagram Menu Data Karyawan

sd Sequence Diagram Data Karyaw an

Admin

Menu Login Halaman Utama Data Karyaw an

Edit Data Karyawan() Pilih Menu Data Karyawan()

Menyimpan Data() Menampilkan Halaman Utama()

Mengubah Data() Masukkan Username dan Password()

Tambah Data Karyawan() Login Berhasil()

Menampilkan Data Karyawan()

Menghapus Data() Login Gagal()

Hapus Data Karyawan()

C. Sequence Diagram Menu Data Sampel

Gambar IV.8 Sequence Diagram Menu Data Sampel

sd Sequence Diagram Data Sampel

Admin

Menu Login Halaman Utama Data Sampel

Masukkan Username & Password()

Hapus Data Sampel() Tambah Data Sampel()

Edit Data Sampel() Login Berhasil()

Pilih Menu Data Sampel() Menampilkan Halaman Utama()

Mengubah Data() Menyimpan Data() Menampilkan Data Sampel()

Menghapus Data() Login Gagal()

D. Sequence Diagram Menu Data Testing

Gambar IV.9 Sequence Diagram Menu Data Testing

4.2.6. Rancangan Antarmuka A. Login Sistem

Tampilan login seperti pada gambar 2 dibawah ini merupakan sistem yang dibangun hanya terdapat satu level yaitu untuk admin saja. Untuk dapat login harus memasukkan username dan password terlebih dahulu.

sd Sequence Diagram Data Testing

Gambar IV.10 Tampilan Halaman Login

B. Halaman Menu Utama Sistem

Halaman menu utama adalah halaman awal yang akan ditampilkan setelah dilakukan login, pada halaman menu utama terdapat menu-menu yang terdapat di sidebar, dan menampilkan dashboard berupa jumlah Data Training dan data testing. Berikut merupakan halaman antarmuka menu utama yang tertuang pada gambar dibawah ini:

Gambar IV.11 Halaman Menu Utama Sistem

C. Data Karyawan

Pada halaman Data Karyawan seperti pada gambar di bawah ini, sistem

menampilkan tabel data karyawan, sistem bisa mengedit, menghapus, mencari, mengimport, dan menginput Data Karyawan.

Gambar IV.12 Halaman Data Karyawan

D. Data Sampel

Pada halaman Data Sampel seperti pada gambar di bawah ini, sistem menampilkan tabel data karyawan sebagai data sampel ,sistem bisa mengedit, menghapus, mencari, mengimport, dan menginput Data Sampel.

Gambar IV.13 Halaman Data Sampel

E. Data Testing

Pada halaman Data Testing sistem seperti pada gambar di bawah ini menampilkan tabel Data Karyawan sebagai Data Testing, sistem bisa mengedit, menghapus, mencari, mengimport, dan menginput Data Testing.

Gambar IV.14 Halaman Data Testing

F. Hasil Prediksi

Pada halaman hasil prediksi seperti pada gambar di bawah ini, sistem menampilkan hasil prediksi dari data testing yang sudah diinput sebelumnya dan detail perhitungannya.

Gambar IV.15 Halaman Data Testing

Gambar IV.16 Detail Perhitungan Jumlah Kelas Naik Jabatan

Gambar IV.17 Detail Perhitungan Probabilitas Naik Jabatan

Gambar IV.18 Detail Perhitungan Tahap 3 Dan Data Hasil Prediksi

Gambar IV.19 Tahap Penyimpanan Data Hasil Prediksi

4.2.7. Spesifikasi Hardware dan Software

1. Spesifikasi Hardware

A. Server

1) CPU

(a) Processor Intel® Core™ i3-6006U (b) RAM DDR4 4 GB

(c) Hard Disk 1 TB 2) Mouse

3) Keyboard

4) Monitor dengan resolusi layar minimum 1366 x 768 5) Printer

2. Spesifikasi Software A. Server

1) Sistem operasi yang digunakan: Microsoft Window

2) Aplikasi Web lihat seperti: Google Chrome, Mozilla Firefox, dll

4.3. Pengujian Rancangan Antarmuka

Pengujian sistem merupakan tahap yang paling penting untuk mengetahui apakah sistem yang dibuat berjalan dengan baik atau tidak. Pengujian sistem yang digunakan pada penelitian ini adalah pengujian Black Box Testing. Pengujian Black Box

Testing yaitu suatu metode dari perancangan data yang akan diuji berdasarkan atas spesifikasi perangkat lunak yang tersedia. Pada mekanismenya Black Box Testing ini dilakukan untuk menguji fungsi sistem dan operasinya, menguji apakah input dan outputnya sudah sesuai dengan yang diharapkan dan tidak ada kesalahan dalam proses menjalankannya. Berikut merupakan uraian dari scenario pengujian yang dilakukan sebagaimana tertuang pada tabel di bawah ini:

Table 10. Skenario Pengujian

No Skenario Pengujian Yang Diharapkan Kesimpulan 1 Mengisi username dan password

dengan benar

Valid dan masuk ke menu utama

Valid 2 Tambah Data Training, lalu klik

“simpan” Berhasil dan

menampilkan pesan

“data telah ditambahkan”

Valid

3 Sistem melakukan proses edit Data Training

Berhasil dan

memunculkan pesan

“ data telah diedit”

Valid

4 Sistem melakukan proses delete Data Training

Data Training akan otomatis terhapus

Valid 5 Tambah data testing (Data yang

diinput lengkap dan benar), lalu klik

“simpan”

6 Sistem melakukan proses edit Berhasil dan

memunculkan pesan

“ data telah diedit”

Valid

7 Sistem melakukan proses delete data testing

Data testing akan otomatis terhapus

Valid 8 Sistem melakukan proses prediksi Sistem berhasil

menampilkan detail perhitungan dan data hasil prediksi

Valid

4.4. Jadwal Implementasi

Jadwal Bimbingan TA Periode 2-2021 dilakukan sebanyak 8 kali pertemuan. Karena PPKM masih berlanjut maka pertemuan sering dilakukan via zoom. Tatap muka terkadang dilakukan dengan syarat mematuhi protokol kesehatan. Berikut tabel pertemuan bimbingan selama pandemi dari waktu ke waktu:

Table 11. Jadwal Implementasi

42 BAB V

PENUTUP 5.1. Kesimpulan

Berdasarkan hasil penelitian ini, maka penulis bisa mengambil kesimpulan sebagai berikut:

1. Sistem klasifikasi status karyawan ini dapat digunakan untuk mengetahui Status karyawan baru.

2. Variabel penentu yang digunakan dalam penelitian ini adalah lama bekerja,absensi dan kinerja seorang karyawan.

3. Algoritma navie bayes dapat digunakan untuk memprediksi status karyawan berdasarkan penilaian dan data sebelumnya sehingga dapat menjadi referensi dalam menentukan status karyawan.

4. Semakin banyak data yang digunakan pada metode Naive Bayes, maka tingkat akurasinya lebih tinggi.

5. Dengan algotitma naive bayes dapat memberikan kemudahan dan keakuratan dalam penentuannya.

6. Berdasarkan pengujian akurasi yang sudah dilakukan, sistem penentuan kelayakan pegawai tetap dengan metode naïve bayes mempunyai tingkat akurasi sebesar 0,6%.

5.2. Saran

Saran untuk pengembangan selanjutnya adalah sebagai berikut:

1. Dikarenakan PT Jagara Raya Buana ini tergolong perusahaan baru saat ini, maka dataset yang digunakan masih sedikit, oleh karena itu disarankan agar di kemudian hari proses pengklasifikasian ini dihitung kembali dengan menggunakan dataset yang lebih banyak.

2. Variabel penentu yang digunakan dalam penelitian bisa ditambah seperti

kompetensi pegawai baik hard competency ataupun soft competency.

3. Selalu mem–backup data agar terhindar dari kemungkinan terjadinya kehilangan data penting yang disebabkan oleh kerusakan pada perangkat keras.

4. Sebaiknya Sistem memiliki akses online sehingga penyebaran informasi data bekerja dengan efektif.

5. Untuk peningkatan pengembangan selanjutnya sebaiknya dapat menambahkan data uji coba dengan variabel yang lebih banyak dan lebih spesifik dengan variasi inputan yang lebih beragam agar dapat lebih meningkatkan keakuratan kinerja output dari metode yang digunakan.

6. Untuk pengembangan kinerja penggunaan metode naive bayes ini kiranya dapat melakukan pengujian dengan kasus yang berbeda dengan menggunakan data diskrit dan obyek yang berbeda atau dengan menggunakan metode lain agar untuk masalah pengklasifikasian kelayakan pegawai tetap ini dapat menghasilkan presentase kinerja yang lebih baik.

DAFTAR PUSTAKA

Abdulloh, R. (2018). 7 in 1 Pemrograman Web Untuk Pemula. Jakarta: Elex Media

Komputindo.

Bekti. (2015). Mahir Membuat Website dengan Adobe Dreamweaver CS6, CSS dan JQuery. Yogyakarta: ANDI.

Enterprise, J. (2017). Otodidak Pemrograman Database dengan Visual Basic.

Jakarta: PT Elex Media Komputindo.

Fridayanthi, E. W. (2016). Rancang Bangun Sistem Informasi Permintaan ATK Berbasis Intranet (Studi Kasus: Kejakasaan Negeri Rangkasbitung).

Khatulistiwa Informatika, 126-138.

Hutahaean, J. (2018). Konsep Sistem Informasi. Yogyakarta: Deepublish.

Junaidi, A. (2016). Dashboard Sistem Informasi Support Maintenance (Studi Kasus:

PT Polyta Global Mandiri). Indonesian Journal on Computer and Information Technology, 17-26.

Ladjamudin, A.-B. B. (2013). Analisis dan Desain Sistem Informasi. Yogyakarta:

Graha Ilmu.

Marimin. (2016). Sistem Informasi Manajemen Sumber Daya Manusia. Jakarta:

Grasindo.

Mulyadi. (2016). Sistem Informasi Akuntansi. Jakarta Selatan: Salemba Empat.

Mulyani, S. (2016). Metode Analisis dan Perancangan Sistem. Bandung: Abdi Sistematika.

Nugroho, A. (2010). Rekayasa Perangkat Lunak Menggunakan UML & Java.

Yogyakarta: Andi Offset.

Olson, & Delen. (2008). Advanced data mining techniques [electronic resource].

Padang: Universitas Andalas.

Rahmadi, L. (2013). Tips Membuat Website Tanpa Coding Dengan Langsung.

Yogyakarta: CV Andi Offset.

Rosa, & Shalahuddin. (2015). Rekayasa Perangkat Lunak Terstruktur dan. Bandung:

Informatika Bandung.

Setiawan, & Ratnsari. (2014). Sistem Pakar Diagnose Penyakit Mata Menggunakan Naive Bayes Classifier. Bangkalan: Universitas Trunjomoyo Madura.

Subagia, A. (2018). Membangun Aplikasi Web dengan Metode OOP. Jakarta: PT Elex Media Komputindo.

Sulaksono, & Darsono. (2015). Jurnal Teknologi Informasi Multimedia. Sistem Pakar Penentuan Penyakit Gagal Jantung Menggunakan Metode Naive Bayes Classifier.

Winarno, E. (2014). Pemrograman Web Berbasis HTML5,PHP dan JavaScript.

Jakarta: PT Elex Media Komputindo.

II. Pendidikan Formal & Non-Formal

1. SD Negeri Cibeureum Hilir 5, lulus tahun 2012 2. SMP Negeri 15 Kota Sukabumi, lulus tahun 2015 3. SMA Negeri 1 Sukaraja Kabupaten Sukabumi 4. PKBM Ghidaul Athfal

III. Riwayat pengalaman berorganisasi / pekerjaan

1. Anggota Remaja Islam Masjid Al-basyarah, Sukabumi tahun 2015 s.d 2020

2. Koordinator olahraga di Karang Taruna Ngaweng RT02/04 Demikian Daftar Riwayat Hidup di atas saya buat dengan sebenar-benarnya, dan dapat di pertanggung jawabkan.

Sukabumi, November 2020

Bambang Abdu Robbi

SURAT KETERANGAN RISET/PKL

LAMPIRAN

A.1 Form Order Outlet

A.2 Form Pengiriman Produk

B.1 Data Karyawan PT Jagara Raya Buana

B.2 Laporan Penjualan

B.3 Data Penjualan Kredit

B.4 Daftar Outlet

B.5 Surat Pengiriman Produk

B.6 Invoice atau Tagihan

Dalam dokumen SISTEM INFORMASI PENGANGKATAN KARYAWAN TETAP BERBASIS NAIVE BAYES PADA PT JAGARA RAYA BUANA TUGAS AKHIR (Halaman 39-0)