i
(STUDY KASUS : PT TOYO SEAL INDONESIA)
SKRIPSI
Diajukan untuk memenuhi Tugas dan melengkapi syarat ujian untuk mencapai Gelar Sarjana Komputer (S.Kom)
Disusun Oleh :
Ahmad Muttohir
NIM : 311410570
PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA
BEKASI
2018
LEMBAR PERSETUJUAN SIDANG
Telah diperiksa dan disetujui oleh pembimbing skripsi Untuk disidangkan dengan judul :
SISTEM PENDUKUNG KEPUTUSAN DENGAN MOTODE NAÏVE BAYES
UNTUK MEMPREDIKSI RESIGN KARYAWAN BARU (Study Kasus PT TOYO SEAL INDONESIA)
Yang disusun oleh Ahmad Muttohir
311410570
Telah disetujui oleh Dosen Pembimbing Skripsi Pada tanggal, ...
Dosen Pembimbing 1 Dosen Pembimbing 2
Nurhadi Surojudin, S.Kom, M.Kom. Ikhsan Romli, S.Si, M.Sc.
NIDN: 0402118105 NIDN: 0413058603
Mengetahui,
Ketua Program Studi Teknik Informatika STT Pelita Bangsa
Aswan S. Sunge, S.E, M.Kom NIDN : 0426018003
ABSTRAK
Karyawan merupakan sumber daya terpenting dalam sebuah instansi atau perusahaan, tanpa aspek karyawan sulit kiranya instansi atau perusahaan untuk mengemban atau mencapai visi dan misi suatu instansi atau perusahaan tersebut, Ketidak disiplinan atau ketidak seriusan karyawan dalam sebuah perusahaan tentunya akan membawa dampak negatif dalam kelancaran perusahaan dalam mencapai target dan tujuan perusahaan, banyaknya karyawan yang kabur ataupun tidak menyelesaikan kontraknya merupakan masalah yang sering terjadi disebuah perusahan, baik perusahaan besar maupun perusahaan kecil, dari banyaknya masalah karyawan yang resign, untuk itu salah satu cara untuk mengurangi karyawan yang resign dapat dilakukan suatu prediksi resign karyawan dengan menggunakan ukuran yang dapat di analisa dan digunakan untuk proses prediksi yaitu : Jenis Kelamin,Asal Pekerja,Tempat Kerja, dan Background pekerjaan dari pekerja, kedalam sebuah Sistem Pendukung Keputusan dengan menggunakan Naïve Bayes.
Pengunaan sistem pendukung keputusan ini diharapkan dapat mengurangi jumlah karyawan yang resign karena nantinya akan diketaui kategori ataupun masalah penyebab karyawan resign, selain itu dengan adanya sistem prediksi resign karyawan dengan metode naive bayes ini juga bisa digunakan untuk proses perekrutan dan perpanjangan karyawan.
Sistem ini menggunakan data trainning sejumlah 200 data yang diambil dari data semua divisi Di PT Toyo Seal Indonesia melalui proses wawancara langsung ke trainner dan admin dari setiap divisi, dan juga sistem ini menggunakan data testing berjumlah 80 yang diambil dari data karyawan yang masih bekerja di PT Toyo Seal Indonesia yang nantinya akan di proses dan dilihat hasil prediksi resign melalui sistem.
ABSTRACT
Employee is the most important resource in agency or the company. Without employee the agency or company will be difficult to achieve the main puspose of it. Indicipline of the employee will give the bad impact to the continuity of the company, some of employee fled and deside to go before their contract end. This case is the most commont case which occurs in many company. To overhead this problem, the managemnet in the company must annalyze about the factor which cause this case heppened to avoid this case is back. One of the way when do the recruitment process, the management is nesd to be abble to predict, it is the candidat of the employee will be good employee or not, the management can predict it by knowing the background of the candidate of employee as their gender and the company before to do it easier, it will be halped by “Decision Support System” , this sytem use the “Naive Bayes” method.
This system will analyze about the background of the employee. So it is will be help the company to reduce the number of the employee who fled or not finish their contract.
In this system the writter use 200 the trainning data which is taken from all division in PT Toyo Seal Indonesia through interview process to the trainer in each division, and this system also use 80 testing data which is taken from the employee who still work in PT Toyo Seal Indonesia.
KATA PENGANTAR
Syukur Alhamdulillah senantiasa diucapkan ucapkan kepada Alloh SWT, oleh karena anugerah-Nya dan hidayahnya sehingga akhirnya penulis dapat menyelesaikan penulisan skripsi ini guna memenuhi salah satu persyaratan dalam mencapai gelar sarjana Komputer pada Sekolah Tinggi Teknologi (STT) Pelita Bangsa Cikarang.
Adapun judul dari penulisan skripsi ini adalah :
“SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE NAIVE
BAYES UNTUK MEMPREDIKSI RESIGN KARYAWAN BARU (Study
Kasus PT TOYO SEAL INDONESIA)”.
Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari kesempurnaan karena menyadari segala keterbatasan yang ada. Untuk itu demi sempurnaanya skripsi ini, penulis sangat membutuhkan dukungan dan sumbangsih pikiran yang berupa kritik dan saran yang bersifat membangun.
Selama melaksanakan penulisan Skripsi ini dan dalam menyelesaikan laporan ini, penulis telah banyak menerima bimbingan, pengarahan, petunjuk dan saran, serta fasilitas yang membantu hingga akhir penulisan ini. Untuk itu Penulis mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Dr. Ir.Supriyanto M.P, Selaku Ketua STT Pelita Bangsa.
2. Aswan S. Sunge, S.E, M.Kom, selaku Kaprodi Teknik Informatika STT Pelita Bangsa.
3. Bapak Nurhadi surojudin S.Kom, M.Kom selaku Dosen Pembimbing I yang telah memberikan bimbingan kepada penulis dan arahannya dalam penyempurnaan penyusunan skripsi.
4. Bapak Ikhsan Romli, S.Si,M.Sc selaku Dosen pembimbing II yang telah memberikan bimbingan dan arahannya kepada penulis.
5. Bapak Agung Nugroho, S.Kom, M.Kom selaku Dosen Pembimbing
Akademik dalam pembuatan laporan Skripsi.
6. Semua Dosen dan Staf STT Pelita Bangsa.
7. Bapak Roby Ilman Arief selaku Manager HRD PT TOYO SEAL
INDONESIA
8. Bapak Haikal Selaku Staff IT di PT TOYO SEAL INDOENSIA.
9. Kepada Orang Tua tercinta dan keluarga besar saya yang selalu mendoakan
dan membimbing demi keberhasilan anaknya, dan telah memberikan dukungan baik moril maupun material yang tidak terhitung jumlahnya. 10. Untuk atasan Staff di perusahaan dan teman-teman kerja yang telah
memberikan sumbang sih pemikiran dan motivasi.
11. Team Group Belajar, Hana Kristian Eka Putra, Burhanudin, Ginanjar Prasetyo, Andri Kurniawan, Miftakulhulum dan kawan-kawan yang tidak bisa disebutkan semuanya.
12. Untuk semua teman - teman kelas TI.14.B.3 yang telah membantu saya dalam menyusun laporan skripsi ini serta semua pihak yang telah memberikan dukungannya yang tidak dapat di sebutkan satu persatu sehingga laporan skripsi ini dapat diselesaikan.
Akhirnya Penulis berharap semoga Skripsi ini bermanfaat bagi semua pihak yang membantu, meskipun dalam laporan ini masih banyak kekurangannya. Oleh karena itu, kritik dan saran yang membangun tetap penulis harapkan.
Bekasi, 25 Oktober 2018
DAFTAR ISI
HALAMAN JUDUL
LEMBAR PERSETUJUAN SIDANG ... ii
LEMBAR PENGESAHAN PENGUJI SIDANG SKRIPSI ... iii
PENYATAAN KEASLIAN PENELITIAN ... iv
MOTTO ... v
PERSEMBAHAN ... vi
ABSTRAK ... vii
ABSTRACT ... viii
KATA PENGANTAR ... xi
DAFTAR ISI ... xii
DAFTAR TABEL ... xvi
DAFTAR GAMBAR ... xvii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Identifikasi Masalah ... 3
1.3 Rumusan Masalah ... 4
1.4 Batasan Masalah ... 4
1.5 Tujuan dan Manfaat ... 4
1.5.1 Tujuan ... 4
1.5.2 Manfaat ... 5
1.6 Metodologi Penelitian ... 6
BAB II TINJAUAN PUSTAKA ... 7
2.1 SPK (Sistem Pendukung Keputusan) ... 10
2.2.1 Kateristik SPK ... 13
2.2.2 Manfaat SPK ... 13
2.2.3 Karakteristik SPK ... 13
2.2 Sistem ... 15
2.3 DBMS (Database Management System) ... 17
2.4 RapidMiner ... 18
2.5 Bahasa Pemrograman C# ... 20
2.6 Data Mining ... 21
2.6.1 Pengertian Data Mining ... 21
2.6.2 Kateristik Data Mining ... 22
2.6.3 Proses Data Mining ... 22
2.6.4 Kegunaan Data Mining ... 22
2.7 Algoritma Naïve Bayes ... 24
2.7.1 Langkah-langkah Penyelesaian Naïve Bayes ... 27
2.7.2 Kelebihan Naïve Bayes ... 27
2.8 Pemodelan Sistem ... 27
2.8.1 UML (Unifield Modeling Language) ... 28
2.9 Pengertian SDLC (Software Deplopment Life Cycle) ... 35
2.10 Metode Waterfall ... 36
2.11 Metode White Box Testing ... 40
2.12 Penelitian Terdahulu ... 42
BAB III METODOLOGI PENELITIAN ... 45
3.1 Tempat dan Waktu Penelitian ... 45
3.2.1 Tempat ... 45
3.2.2 Waktu ... 45
3.2 Tahapan Penelitian ... 45
3.3 Metode Pengumpulan Data ... 48
3.5 Analisa Algoritma Naïve Bayes ... 49
3.5.1 Data Trainning Naïve Bayes ... 51
3.5.2 Data Testing Naïve Bayes ... 53
3.5.3 Perhitungan Naïve Bayes ... 55
3.6 Usulan Sistem ... 56
3.6.1 UML (Unified Modeling Language) ... 57
3.7 Perancagan Database ... 74
3.8 Perancagan User Interfrace ... 77
BAB IV HASIL DAN PEMBAHASAN ... 80
4.1 Hasil Penelitian ... 80
4.1.1 Spesifikasi Perangkat Lunak (Software) ... 80
4.1.2 Spesifikasi Perangkat Keras (Hardware) ... 80
4.2 Implementasi Database ... 81
4.3 Implementasi User Interfrace ... 85
4.4 Pembahasan ... 91
4.4.1 Analisis Penghitungan ... 91
4.4.2 Perhitungan Naïve Bayes ... 92
4.4.3 Pengujian Dengan Aplikasi Tools RapidMiner ... 94
4.4.4 Tingkat Akurasi yang didapat ... 98
4.4.5 White Box Testing ... 98
BAB V PENUTUP ... 109
5.1 Kesimpulan ... 109
5.2 Saran ... 110
DAFTAR PUSTAKA ... 110
LAMPIRAN ... 112
DAFTAR TABEL
Tabel 2.1 Simbol Use Case Diagram ... 29
Tabel 2.2 Simbol Aktivity Diagram ... 31
Tabel 2.3 Simbol Clas Diagram ... 33
Tabel 2.4 Simbol Sequence Diagram ... 35
Tabel 2.5 Metode Perancangan Water Fall ... 37
Tabel 2.6 White Box Testing ... 40
Tabel 3.1 Data Trainning ... 49
Tabel 3.2 Data Testing ... 51
Tabel 3.3 Peluang Setiap Kelas ... 52
Tabel 3.4 Data Pengujian ... 52
Tabel 3.5 Perhitungan Kelas ... 53
Tabel 3.6 Skenario Use Case Login ... 58
Tabel 3.7 Skenario Use Case Master Karyawan ... 58
Tabel 3.8 Skenario Use Case Prediksi Resign Karyawan ... 59
Tabel 3.9 Skenario Use Case Laporan Prediksi ... 60
Tabel 3.10 Skenario Use Case LogOut ... 60
Tabel 3.11 Struktur Data Tabel User ... 73
Tabel 3.12 Struktur Data Karyawan ... 73
Tabel 3.13 Struktur Data Tabel Data Trainning ... 74
Tabel 3.14 Struktur Data Tabel Hasil Prediksi ... 74
Tabel 4.1 Peluang Setiap Kelas ... 89
Tabel 4.3 Perhitungan Kelas ... 90 Tabel 4.4 White Box Testing ... 96
DAFTAR GAMBAR
Gambar 2.1 Komponen SPK (Sistem Pendukung Keputusan) ... 11
Gambar 2.2 Kateristik SPK (Sistem Pendukung Keputusan) ... 14
Gambar 2.3 Model Umum Sistem ... 16
Gambar 2.4 Tahapan KDD (Knowledge Discovery In Database) ... 23
Gambar 2.5 Metode Perancangan Water Fall ... 37
Gambar 2.6 White Box Testing ... 40
Gambar 3.1 Tahapan Penelitian ... 44
Gambar 3.2 Flow Chart Metode Naive Bayes ... 48
Gambar 3.3 Flow Map Diagram Usulan Sistem ... 55
Gambar 3.4 Use Case Diagram Usulan Sistem ... 57
Gambar 3.5 Activity Diagram Login ... 62
Gambar 3.6 Activity Diagram Master Karyawan ... 63
Gambar 3.7 Activity Diagram Prediksi Resign Karyawan ... 65
Gambar 3.8 Aktivity Diagram Laporan Predisi Karyawan Resign ... 66
Gambar 3.9 Aktivity Diagram LogOut ... 67
Gambar 3.10 Squence Diagram Login ... 68
Gambar 3.11 Squence Diagram Master Karyawan ... 69
Gambar 3.12 Squence Diagram Prediksi Resign Karyawan ... 69
Gambar 3.13 Squence Diagram Laporan Prediksi Resign Karyawan ... 70
Gambar 3.14 Squence Diagram LogOut ... 71
Gambar 3.15 Class Diagram Sistem Usulan... 72
Gambar 3.17 Desain Form Utama ... 76
Gambar 3.18 Desain Form Karyawan ... 76
Gambar 3.19 Desain Form Predisi Resign Karyawan ... 77
Gambar 3.20 Desain Form Laporan Prediksi ... 77
Gambar 4.1 Login Database ... 79
Gambar 4.2 Data Karyawan ... 80
Gambar 4.3 Data Trainning ... 81
Gambar 4.4 Data Hasil Prediksi Resign Karyawan ... 82
Gambar 4.5 Form Login Aplikasi ... 83
Gambar 4.6 Form Menu Utama ... 84
Gambar 4.7 Form Data Karyawan ... 84
Gambar 4.8 Form Data Trainning ... 86
Gambar 4.9 Form Proses Prediksi ... 87
Gambar 4.10 Form Menu Laporan ... 87
Gambar 4.11 Laporan Hasil Prediksi ... 91
Gambar 4.12 Read Data Trainning (RapidMiner) ... 92
Gambar 4.13 Select Attribute (RapidMiner) ... 93
Gambar 4.14 Select Attribute dan Class (RapidMiner) ... 93
Gambar 4.15 Proses Naive Bayes (RapidMiner) ... 94
Gambar 4.16 Apply Model (RapidMiner) ... 94
Gambar 4.17 Read Data Testing (RapidMiner) ... 95
Gambar 4.18 Desain Lengkap (RapidMiner) ... 96
1
1.1 Latar Belakang Masalah
Karyawan merupakan aset yang sangat penting dalam sebuah perusahaan. Untuk meningkatkan kualitas dan daya saing perusahaan maka diperlukan sumber daya manusia yang tepat dan berkualitas. Sumber daya manusia dituntut untuk dapat memberikan kontribusi yang terbaik bagi proses bisnis perusahaan. Untuk itu perusahaan dalam mengambil keryawan baru harus yang berkualitas dan mempunyai etos kerja dan perilaku yang baik agar karyawan yang diambil tidak putus ditengah jalan atau resign sebelum masa berakhir kontraknya.
Permasalahan yang sering ditemukan di lapangan yaitu banyaknya karyawan baru yang sudah di rekrut, sudah dibei pelatihan dan bisa bekerja sesuai prosedur tetapi dalam perjalananya malah putus di tengah jalan, keluar tanpa alasan yang jelas, dan pastinya sangat merugikan bagi perusahaan yang sudah mengeluarkan biaya banyak saat perekrutan karyawan dan juga area yang ditinggalkan akan bermasalah karena ada kekosongan karyawan di suatu proses tertentu dan ujungnya produksi akan terganggu. Untuk itu dalam perekrutan karyawan baru harus benar-benar mengambil karyawan yang memang mau bekerja dengan baik dan mempunyai perilaku yang baik agar karyawan baru
mempunyai tanggung jawab bekerja, punya semangat bekerja dan tidak putus di tengah jalan, bertujuan agar proses produksi tidak terganggu dan bisa membantu perusahaan dalam mencapai tujuan bisni perusahaan yaitu mendapatkan untung dan fisi misi perusahaan tercapai dengan baik.
Selain dari itu teknologi di era modern ini semakin berkembang dan menjadikan manusia berfikir untuk lebih maju, Manusia menginginkan segala sesuatu di kerjakan secara cepat, tepat waktu, dan teliti. Terutama adalah pengolahan data yang dapat membantu dalam sistem pengambilan keputusan, agar keputusan yang dikeluarkan sebuah instansi lebih relevan. Dari pernyataan tersebut, maka data yang dulu di olah secara manual, sudah tidak mungkin dilakukan karena memakan waktu yang lama. Di PT Toyo Seal Indonesia dalam perekrutan karyawan belum menggunakan analisis atau metode untuk menanggulagi karyawan yang nantinya mungkin ada peluang untuk resign atau tidak menyeleaikan masa kontraknya, sehingga banyak karyawan baru di setiap masa perekrutan pasti ada saja yang baru bekerja beberapa bulan atau bahkan baru hitungan minggu atau hari sudah resign atau kabur.
Dengan adanya masalah diatas maka PT Toyo seal Indonesia, memerlukan sebuah sistem yang diharapkan dapat meningkatkan kinerja agar lebih efektif dan efisien serta mudah dalam mengambil suatu keputusan. Dalam skripsi ini akan dibangun sebuah sistem pengambilan keputusan yang dapat membantu kinerja staff perekrutan atau manager HR&GA di PT Toyo Seal Indonesia dalam hal perekrutan karyawan
baru, sistem pengambilan keputusan yang bersifat user friendly diharapkan dapat membantu meringankan sebuah pekerjaan dan mempermudah pengguna mengoperasikannya. Sistem pengambilan keputusan yang akan dibuat menggunakan metode naïve bayes. Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi, yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai Teorema Bayes (Bustami, 2013). Pada setiap data baru akan dilakukan probabilitas dengan setiap class yang ada, hasil akhirnya dilihat nilai yang paling tinggi, sehingga algoritma ini dirasa cukup baik untuk menentukan probabilitas dalam menentukan hasil dari penelitian ini.
1.2 Identifikasi Masalah
Dari permasalahan yang ada, penulis mengidentifikasikan beberapa permasalahan, sebagai berikut;
a. Banyaknya karyawan yang mengakhiri kontrak secara sepihak dan
tidak menyelesaikan masa kontraknya sesuai PKWT (Perjanjian Kontrak waktu tertentu)
b. Belum adanya metode yang digunakan untuk menentukan bagus tidaknya calon karyawan yang akan diambil untuk menjadi karyawan Di PT Toyo Seal Indonesia.
1.3 Rumusan Masalah
a. Bagaimana merancang dan membangun Aplikasi Sistem Penunjang
Keputusan untuk Prediksi resign karyawan baru?
b. Bagaimana penerapan metode Naive Bayes dalam memprediksikan
resign karyawan baru?
1.4 Batasan Penelitian
Batasan masalah permasalahan dari penelitian ini adalah sebagai berikut: a. Data Training yang digunakan untuk prediksi resign karyawan
adalah Jenis kelamin Pekerja, Asal Pekerja, Tempat Kerja, Background Pekerja,
b. Merancang Sistem Penunjang Keputusan untuk prediksi resign karyawan baru dengan menggunakan Metode Naive Bayes
c. Output yang dihasilkan dari sistem ini adalah berupa keterangan “Ya” untuk resign dan “Tidak” untuk tidak resign, yang nantinya didapatkan dari hasil prediksi.
1.5 Tujuan dan Manfaat Penelitian
1.5.1 Tujuan Penelitian
1. Penerapan metode Naive Bayes dalam mendukung keputusan untuk
penerimaan karyawan baru
2. Penerapan metode Naive Bayes dalam mendukung keputusan untuk
3. Merancang dan membangun sistem pendukung keputusan untuk penentuan dalam perekrutan karyawan baru.
1.5.2 Manfaat Penelitian
Manfaat penelitian ini adalah :
a. Manfaat bagi Mahasiswa :
1. Menambah pengetahuan dan wawasan dalam menerapkan
Metode Naive Bayes untuk menentukan keputusan dalam
perekrutan karyawan baru.
2. Manambah pengetahuan dan wawasan dalam ilmu Sistem
Penunjang Keputusan b. Manfaat bagi Perusahaan :
1. Pengambilan keputusan akan lebih cepat dan mudah dalam hal menentukan karyawan baru (perekrutan karyawan).
2. Dengan adanya aplikasi ini, diharap dapat mengoptimalkan sistem perekrutan karyawan baru
3. Dengan adanya aplikasi ini, diharap dapat mengoptimalkan dalam perpanjangan kerja karyawan kontrak
4. Dengan adanya sistem ini nantinya perusahaan akan mengetahui masalah-masalah yang ada di lapangan yang berkaitan dengan banyaknya karyawan kontrak yang resign, ambil contoh semisal gedungnya panas atau atasan di plant tersebut kurang bisa bekerja sama, sehingga perusahaan bisa mengambil langkah yang untuk penanganan masalah sersebut.
c. Manfaat Bagi STT Pelita Bangsa.
1. Dapat dijadikan bahan referensi untuk penyusunan projek tugas akhir bagi mahasiswa setelahnya.
2. Menambah daftar pustaka akademik yang dapat digunakan oleh
pembaca sebagai bahan acuan pengembangan penelitian lebih lanjut.
1.6 Sistematika Penulisan
Sistematika penulisan pada peneltian ini adalah sebagai berikut :
BAB I PENDAHULUAN
Berisi penjelasan tentang latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian dan kontribusi serta sistematika penulisan.
BAB II TINJAUAN PUSTAKA /LANDASAN TEORI
Berisi penjelasan tentang landasan teori yang digunakan dalam penelitian dan kerangka pemikiran. Diuraikan pula tentang tinjuan pustaka yang merupakan penjelasan tentang hasil-hasil penelitian lainnya yang berkaitan.dengan penelitian yang dilakukan. Landasan teori merupakan suatu penjelasan tentang sumber acuan terbaru dari pustaka primer seperti buku, artikel, jurnal, prosiding dan tulisan asli lainnya untuk mengetahui perkembangan penelitian yang relevan dengan judul atau tema penelitian yang dilakukan dan juga sebagai arahan dalam memecahkan masalah yang diteliti. Dalam bab ini juga diuraikan tentang kerangka pemikiran yang merupakan penjelasan
tentang kerangka berpikir untuk memecahkan masalah yang sedang diteliti, termasuk menguraikan objek penelitian.
BAB III METODE PENELITIAN
Berisi penjelasan tentang analisa kebutuhan pada saat penelitian ini dilakukan baik sebelum, pada proses ataupun pada saat implementasi serta tool-tool apa saja yang digunakan. Pada tahap ini juga dibahas mengenai perancangan penelitian dan teknik analisis untuk menyelesaikan permasalahan metode pengumpulan data, metode analisis data, pengembangan software, perancangan UML, Interface, konstruksi sistem dan pengujian Sistem, pengoperasian dan perawatan Sistem .
BAB IV HASIL DAN PEMBAHASAN
Pada bab IV ini menjelaskan tentang hasil dan pembahasan penelitian serta implikasi dari penelitian yang dilakukan. Hasil
merupakan suatu penjelasan tentang data kuantitatif yang
dikumpulkan dari lapangan sesuai dengan metodologi yang telah ditetapkan. Pembahasan merupakan suatu penjelasan tentang pengolahan data dan interprestasinya, baik dalam bentuk diskriptif ataupun penarikan inferensinya. Implikasi penelitian merupakan suatu penjelasan tentang tindak lanjut penelitian yang terkait dengan aspek manajerial, aspek sistem, maupun aspek penelitian lanjutan.
BAB V KESIMPULAN DAN SARAN
Pada bab V ini berisi ringkasan temuan, rangkuman kesimpulan dan saran. Kesimpulan merupakan pernyataan secara general atau spesifik yang berisi hal-hal penting dan menjadi temuan penelitian yang bersumber pada hasil dan pembahasan yang merupakan jawaban dari identifikasi permasalahan. Saran merupakan pernyataan atau rekomendasi peneliti yang berisi hal-hal penting sebagaimana yang telah disampaikan yaitu implikasi penelitian.
9
2.1. Sistem Pendukung Keputusan (SPK)
Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat.(Handayani, 2017)
SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik.
SPK merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan menegement science, hanya bedanya adalah bahwa jika dahulu untuk mencari penyelesaian masalah yang dihadapi harus dilakukan perhitungan iterasi secara manual (biasanya untuk mencari nilai minimum, maksimum, atau optimum), saat ini computer PC telah
menawarkan kemampuannya untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.
Sprague dan Watson mendefinisikan Sistem Pendukung Keputusan (SPK) sebagai sistem yang memiliki lima karakteristik utama yaitu. (Irawan, Mazalisa, & Panjaitan, 2015) :
1. Sistem yang berbasis komputer.
2. Dipergunakan untuk membantu para pengambil keputusan
3. Untuk memecahkan masalah-masalah rumit yang mustahil
dilakukan dengan kalkulasi manual 4. Melalui cara simulasi yang interaktif
5. Dimana data dan model analisis sebaai komponen utama.
2.1.1 Komponen Sistem Pendukung Keputusan
Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu database Management, Model Base dan Software System/User Interface. Komponen SPK tersebut dapat digambarkan seperti gambar di bawah ini. (Handayani, 2017)
PENGELOLAAN MODEL (MODEL BASE) PENGELOLAAN DATA (DATABASE MANAGEMENT) USER PENGELOLAAN DIALOG (USER INTERFACE) Gambar 2.1 Komponen SPK Sumber : (Handayani, 2017). a. Database Management
Merupakan subsistem data yang terorganisasi dalam suatu basis data. Data yang merupakan suatu sistem pendukung keputusan dapat berasal dari luar maupun dalam lingkungan. Untuk keperluan SPK, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.
b. Model Base
Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permaslahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.
c. User Interfase / Pengelolaan Dialog
Terkadang disebut sebagai subsistem dialog, merupakan
penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.
2.1.2 Manfaat Sistem Pendukung Keputusan
SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
1. SPK memperluas kemampuan pengambil keputusan dalam
memproses data / informasi bagi pemakainya.
2. SPK membantu pengambil keputusan untuk memecahkan masalah
terutama barbagai masalah yang sangat kompleks dan tidak terstruktur.
3. SPK dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan
2.1.3 Karakteristik SPK
Karakteristik Sistem Penunjang Keputusan (Irawan et al., 2015) :
a. Untuk menyelesaikan masalah semi terstruktur dan tidak
terstruktur.
c. Memberi dukungan bagi individu atau sekelompok.
d. Keputusan saling mempengaruhi atau dilakukan berurutan.
e. Memberi dukungan bagi semua tahap proses pengambilan keputusan.
f. Member dukungan bagi berbagai bentuk pengambilan keputusan.
Gambar 2.2 Karakteristik SPK
Sumber : (Handayani, 2017).
Sistem pendukung keputusan dapatmemberikan dukungan dalam membuatkeputusan dalam semua tingkatan levelmanajemen, baik individual maupun grup,terutama dalam situasi semi terstruktur dantidak terstruktur, membawa kepadakeputusan bersama dan informasi yangobjektif. Tujuan dari pembuatan sistem pendukungkeputusan yaitu (Handayani, 2017):
a. Membantu manajer membuat keputusanuntuk memecahkan masalah yangsepenuhnya terstruktur dan tidakterstruktur.
b. Mendukung penilaian manajer bukanmencoba menggantikannya.
Sistempendukung keputusan tidak dimaksudkanuntuk
menggantikan manajer. Komputer dapat diterapkan dalam menyelesaikan masalah yang terstruktur. Untuk masalah yang tidak terstruktur, manajer bertanggung jawab menerapkan penilaian, dan melakukan analisis.komputer dan manajer berkerjasama sebagai tim pemecahan masalah dalam memecahkan masalah yang berada di area semi terstruktur.
c. Meningkatkan efektivitas pengambilankeputusan manajerdari pada
efisiensinya.Tujuan utama sistem pendukungkeputusan bukanlah proses pengambilankeputusan seefisien mungkin, tetapiseefektif mungkin.
Menurut Little konsep SPK dapat berupa sebuah sistem berbasis komputer yangmenghasilkan berbagai alternatif keputusan
untuk membantu manajemen dalammenangani berbagai
permasalahan yang terstruktur maupun tidak terstruktur
denganmenggunakan data dan model.(Irawan et al., 2015)
2.2 Sistem.
Menurut Yakub (2015:1) dalam bukunya yang berjudul “Pengantar Sistem Informasi” mendefinisikan sistem adalah “Sekelompok elemen-elemen yang terintegrasi dengan tujuan yang sama
untuk mencapai tujuan. Sistem juga merupakan suatu jaringan kerjan dari prosedur-prosedur yang saling berhubungan, terkumpul, bersama-sama, untuk melakukan suatu kegiatan atau tujuan tertentu”.
Menurut Tantra (2015:1) dalam bukunyan “Manajemen Proyek Sistem Informasi” mengatakan bahwa “Sistem adalah entitas atau satuan yang terdiri dari dua atau lebih komponen atau subsistem (sistem yang lebih kecil) yang saling terhubung dan terkain untuk mencapai suatu tujuan.”
Sutanta (2015:1-2), mengemukakan bahwa kata sistem dapat didefinisikan sebagai sekumpulan hal atau kegiatan atau elemen atau subsistem yang saling bekerja sama atau yang dihubungkan dengan cara-cara tertentu sehingga membentuk satu kesatuan untuk melaksanakan suatu fungsi guna mencapai suatu tujuan.
Model umum suatu sistem adalah terdiri atas masukan (input), pengolahn
(process), dan keluaran (output), sebagaimana ditunjukkan oleh Gambar 2.3 :
INPUT
PROSES
OUTPUT
Dari beberapa definisi diatas pengertian sistem dapat disimpulkan sistem adalah kumpulan dari item-item yang saling berhubungan dan kerjasama demi tercapainya suatu tujuan
2.3 DBMS (Database Management System)
DBMS (database Management System) atau dalam bahasa
Indonesia sering disebut sebagai Sistem manajemen Basis Data adalah suatu sistem aplikasi yang digunakan untuk menyimpan, mengelola, dan menampilkan data (Yoon et al., 2017).
Database Management System (DBMS) adalah perangkat lunak sistem khusus yang diprogram untuk mengetahui elemen data setiap pengguna berwenang untuk mengakses. Suatu sistem aplikasi disebut DBMS jika memenuhi persyaratan minimal sebagai berikut:
a. Menyediakan fasilitas untuk
mengelola akses data
b. Mampu menangani integrasi data
c. Mampu menangani akses data yang
dilakukan secara
d. Mampu menangani backup data.
Berikut ini adalah 4 macam DBMS versi komersial yang paling banyak digunakan di dunia saat ini, yaitu:
b. Microsoft SQL Server.
c. IBM DB2.
d. Microsoft Access.
Sedangkan DBMS versi Open Source yang cukup berkembang dan paling banyak digunakan saat ini adalah sbagai berikut:
a. MySQL b. PostgreSQL c. FireBird d. SQLite
Menurut (Yoon et al., 2017), Secara khusus, DMBS menyediakan fasilitas sebagai berikut:
a. Memungkinkan pengguna untuk menentukan database, biasanya
melalui Data Definition Language (DDL). DDL memungkinkan pengguna untuk menentukan tipe data dan struktur dan kendala pada data yang akan disimpan dalam database.
b. Memungkinkan pengguna untuk melakukan operasi Insert, Update,
Delete, dan mengambil data dari database, biasanya melalui Data Manipulation Language (DML).
2.4 RapidMiner
Adalah salah satu software untuk pengolahan data mining. Pekerjaan yang dilakukan oleh RapidMiner text mining adalah berkisar
dengan analisis teks, mengekstrak pola-pola dari data set yang besar dan mengkombinasikannya dengan metode statistika, kecerdasan buatan, dan database. Tujuan dari analisis teks ini adalah untuk mendapatkan informasi bermutu tertinggi dari teks yang diolah.(Mohd Foozy, Ahmad, Faizal Abdollah, & Wen, 2017)
RapidMiner menyediakan prosedur data mining dan machine learning, di dalamnya termasuk: ETL (extraction, transformation, loading), data preprocessing, visualisasi, modelling dan evaluasi. Proses data mining tersusun atas operator-operator yang nestable, dideskripsikan dengan XML, dan dibuat dengan GUI. Penyajiannya dituliskan dalam bahasa pemrograman Java.
Proses menganalisis kumpulan dokumen menggunakan
RapidMiner dilakukan menggunakan Operator Text Processing yang terlebih dahulu di install dengan memilih menu Help dan kemudian Update RapidMiner. Setelah itu, operator yang dibutuhkan tinggal dipilih dari beberapa operator yang disajikan di dalam daftar, termasuk operator Text Processing. Setelah diinstall, maka Operator Text Processing (48) akan muncul di daftar Operator, begitu juga dengan Operator Feature Selection Extension (31) yang juga diinstall dengan cara yang sama.
Tahap pertama untuk melakukan analisis terhadap kumpulan dokumen adalah memasukkan dokumen tersebut ke dalam RapidMiner. Dokumen yang akan dimasukkan ke dalam RapidMiner pada laporan ini
berupa 3 folder berbeda dengan nama folder ekonomi, politik, ti. Sementara itu, isi masing-masing folder adalah 10 file text (.txt) yang didalamnya berisi sekumpulan kata yang membentuk paragraf yang berbeda-beda. Untuk memasukkan ketiga folder tersebut secara langsung ke RapidMiner, Operator yang digunakan adalah di bagian Utility, dan menggunakan operator Process Documents from Files di halaman Main Process.
Selanjutnya, pada bagian text directories, dapat dilihat Edit List (0), hal ini menandakan bahwa dokumen masih kosong. Dengan mengedit List Dokumen tersebut, maka dokumen yang akan dianalisis akan masuk.
Hasil yang diperoleh setelah menjalankan Process Document from Files adalah 30 record yang menunjukkan ada 30 file dokumen yang diproses. Masing-masing record dapat diketahui kemunculannya pada folder yang mana (Ekonomi, Politik, atau TI) dan berapa banyak frekuensi kemunculannya pada kolom Total Occurences dan Document Occurences.(Garcia-Magarino, Gray, Lacuesta, & Lloret, 2018)
2.5 Bahasa Pemprograman C#
Pengertian bahasa pemrograman c# menurut msdn.microsoft.com (2013), C# (C sharp) sering dianggap sebagai bahasa penerus C++ atau versi canggih dari C++, karena ada anggapan bahwa tanda # adalah perpaduan dari 4 buah tanda tambah yang disusun sedemikian rupa
sehingga membentuk tanda pagar. C# adalah sebuah bahasa pemrograman yang sangat menjanjikan.
C# adalah sebuah bahasa pemrograman yang berorientasi pada objek yang dikembangkan oleh Microsoft dan menjadi salah satu bahasa pemrograman yang mendukung. Net programming melalui Visual Studio. Wahana Komputer (2015:7).
Menururt Erico Darmawan H. Risal (2014:9) di dalam bukunya yang berjudul “Pemrograman Berorientasi Objek C#”. C# (C sharp) adalah sebuah bahasa pemrograman berbasis objek yang didukung oleh Microsoft.NET Framework. NET Framework adalah perantara agar
aplikasi dengan bahasa pemrograman yang didukung dapat
berkomunikasi dengan sistem operasi yang digunakan oleh komputer.
2.6 Data Mining
2.6.1 Pengertian Data Mining
Data Mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang di hasilkan diperoleh dengan cara mengektrasi dan mengenali pola yang penting atau menarik dari data yang terdapat pada basis data. Data mining terutama digunakan untuk mencari pengetahuan yang terdapat basis data yang besar sehingga sering disebut Knowledge Discovery Database (KDD). (Vulandari, 2017).
Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau informasi yang berguna dari data berskala besar. Sering juga disebut sebagai bagian proses KDD (Knowledge Discovery in Databases). (Vulandari, 2017).
Proses menemukan korelasi-korelasi penuh arti, pola-pola dan trend dengan penyaringan melalui sejumlah data yang besar pada tempat penyimpanan, dan menggunakan teknologi pengenalan pola seperti yang terdapat pada teknik-teknik di statistika dan matematika (Larose, 2005).
2.6.2 Karakteristik Data Mining
Karakteristik data mining sebagai berikut (Prasetyo, 2015) :
a. Data mining berhubungan dengan penemuan sesuatu yang
tersembunyi dan pola data tertentu yang tidak diketahui sebelumnya.
b. Data mining biasa menggunakan data yang sangat besar. Biasanya
data yang besar digunakan untuk membuat hasil lebih percaya.
c. Data mining berguna untuk membuat keputusan yang kritis,
terutama dalam strategi.
2.6.3 Proses Data Mining
KDD berhubungan dengan tehnik integrasi dari penentuan ilmiah, intepretasi dan visualisi dari pola-pola sejumlah data. Serangkain proses tersebut memiliki tahap sebagai berikut (Retno Tri Vulandari, 2017).
1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise).
2. Integrasi data (pengabungan data dari beberapa sumber).
3. Tranformasi data (data diubah menjadi bentuk yang sesuai untuk di mining)
4. Aplikasi tehnik Data Mining, proses ektrasi pola dari data yang ada.
5. Evaluasi pola yang ditentukan (proses integrasi pola menjadi pengetahuan yang dapat digunakan untuk mendukung pengambilan keputusan.
6. Presentasi pengetahuan (degan tehnik visualisasi).
Langkah terahir KDD adalah mempresentasikan pengetahuan dalam bentuk yang mudah dipahami pengguna. Berikut adalah gambar proses atau tahapan KDD.
Sumber : Buku Data Mining, Judul Teori dan Aplikasi Rapidminer (Vulandari) 2017).
2.6.4 Kegunaan Data Mining
Kegunaan Data Mining dapat dibagi menjadi dua :
Deskriptif dan prediktif, Deskriktif berarti data mining digunakan untuk mecari pola-pola yang dapat dipahami manusia yang menjelskan kateristik data. Sedangkan prediktif berarti datamining digunakan untuk membentuk sebuah model pengetahuan yang akan digunakan untuk melakukan prediksi.
2.7 Algoritma Naïve Bayes
Algoritma Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi yang menggunakan metode probalitas sederhana berdasarkan teorema bayes dengan asumsi ketidak tergantungan (Independent) yang tinggi. Beberapa studi mengenai
algoritma klasifikasi menunukan bahwa algoritma klasifikasi
menunjukan bahwa Naïve Bayes memiliki performa yang sebanding dengan decision tree dan neural network classifier tertentu. Selain itu, metode ini juga menunjukan akurasi dan kecepatan yang tinggi ketika digunakan dalam basis data yang berukuran besar (Han, et all, 2015).
Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas
Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman dimasa sebelumnya sehingga dikenal sebagai Teorema
Bayes. Teorema tersebut dikombinasikan dengan Naive dimana
diasumsikan kondisi antar atribut saling bebas. Klasifikasi Naive Bayes diasumsikan bahwa ada atau tidak ciri tertentu dari sebuah kelas tidak ada hubungannya dengan ciri dari kelas lainnya (Bustami, 2015). Teorema bayes diformulasikan sebagai berikut (Han, et, al, 2015):
( |())( ) (2.1)
Dimana :
X : Data dengan class yang belum diketahui atau Evidence. Digambarkan dengan ukuran yang dibuat dari sejumlah n atribut
H : Hipotesis data tuple X yang termasuk didalam class tertentu.
P(H|X) : Probabilitas hipotesis H berdasar kondisi X (Posetrior Probability).
P(X|H) : Probabilitas hipotesis X berdasarakan kondisi hipotesis H. P(H) : Probalitas hipotesis H(Prior Probality).
P(X) : Probabilitas dari X
Untuk menjelaskan teorema Naïve Bayes, perlu diketahui bahwa proses dari klasifikasi membutuhkan sejumplah petunjuk untuk menetukan kelas yang sesuai dengan sampel yang dianalisis, sehinga teorema basyes diatas disesuikan dengan :
( | ) ( | ()P)( ) (2.2) Disini X mempresentasikan vector masukan yang berisi fitur, sedangkan mempresentasikan kelas label, dengan asumsi bahwa nilai variable dalam kelas saling independen yang kuat (naïve) satu dengan yang lainya maka :
( | ) ∏ ( | ) (2.3)
( | ) ( | ) ( | )
Dikarenakan nilai P(X) dalam setiap kelas bernilai konstan, maka model persamaan Naïve Bayes untuk klasifikasi dapat disederhanakan menjadi :
( | ) ∏ ( | ) ( ) (2.4) Laplation Correction digunakan agar kemungkinan probalitas yang dimaksud tidak ada yang bernilai 0. Rumus Laplacion correction dalam kasus ini adalah sebgai berikut :
( | )
(2.5) Dimana merupakan jumlah kejadian yang muncul didalam kolom k dari baris i pada data training, adalah jumlah kemunculan kejadian pada data training dari kelas , sedangkan adalah jumlah kejadian yang muncul pada kolom k yang terdapat dalam data training, dan p merupakan Arbitrary Probality, disini nilai p =1.
2.7.1 Langkah Penyelesaian Naïve Bayes
Adapun alur dari metode Naive Bayes adalah sebagai berikut :
1. Mulai.
2. Baca data training.
a. Hitung P(Ci) untuk setiap class
b. Hitung P(X|Ci) untuk setiap kriteria dan setiap kelas c. Cari P(X|Ci) yang paling besar untuk menjadi kesimpulan
3. Tampilkan hasil prediksi.
4. Selesai.
2.7.2 Kelebihan Naïve Bayes
Teori Bayesian mempunyai beberapa kelebihan, yaitu:
1. Mudah untuk dipahami.
2. Hanya memerlukan pengkodean yang sederhana.
3. Lebih cepat dalam penghitungan.
4. Cepat dan efesiensi ruang.
2.8 Pemodelan Sistem
Pemodelan adalah gambaran dari realita yang simple dan dituangkan dalam bentuk pemetaan dengan aturan tertentu. Pada kesempatan kali ini penulis menggunakan pemodelan degan UML (Unified Modelling Language).
2.8.1 UML (Unifield Modeling Language).
(Language, 2017) “Unified Modeling Language (UML) adalah bahasa yang telah telah menjadi standard untuk visualisasi, menetapkan, membangun dan mendokumentasikan artifak suatu sistem perangkat lunak”.
(Dunning, Huchette, & Lubin, 2015), UML (Unified Modeling Language) adalah „bahasa‟ pemodelan untuk sistem atau perangkat lunak yang berparadigma „berorientasi objek”. Pemodelan (modeling)
sesungguhnya digunakan untuk penyederhanaan
permasalahan-permasalahan yang kompleks sedemikian rupa sehingga lebih mudah dipelajari dan dipahami.
Rosa A.S, dan M. Shalahuddin (2015:137). “Rekayasa Perangkat Lunak”. UML adalah merupakan bahasa visual untuk pemodelan dan komunikasi mengenai sebuah sistem dengan mengguankan diagram dan teks-teks pendukung. UML hanya berfungsi untuk melakukan pemodelan. Jadi penggunaan UML tidak terbatas pada metodologi tertentu, meskipun pada kenyataanya UML paling banyak digunakan pada metodologi berorientasi objek.
UML memiliki beberapa diagram grafis diantaranya:
1. Use Case Diagram
Use Case Diagram merupakan pemodelan untuk kelakuan
mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan sistem informasi yang akan dibuat. Secara kasar, Use Case digunakan untuk mengetahui fungsi apa saja yang ada di dalam sebuah sistem informasi dan siapa saja yang berhak menggunakan fungsi-fungsi itu.
Syarat penamaan pada Use Case adalah nama didefinisikan sesimple mungkin dan dapat dipahami. Ada dua hal utama pada use case yaitu pendefinisian apa yang disebut aktor dan Use Case.
Berikut adalah simbol-simbol yang ada pada Diagram Use Case:
Tabel 2.1 Simbol Use Case Diagram
Simbol Deskripsi
Orang, proses, atau sistem lain yang berinteraksi dengan sistem informasi yang akan dibuat di luar sistem informasi yang akan dibuat itu sendiri
Fungsionalitas yang disediakan sistem sebagai unit-unit yang saling bertukar pesan antar unit atau actor
Komunikasi antara aktor dan use case yang
berpartisipasi pada Use Case atau Use Case memiliki interaksi dengan actor
Relasi use case tambahan ke sebuah Use Case dimana Use Case yang ditambahkan dapat berdiri sendiri walaupu tanpa Use Case itu sendiri
Generalisasi
Hubungan generalisasi dan spesialisasi antara dua buah Use Case dimana fungsi yang satu adalah fungsi yang lebih umum dari lainnya
Relasi Use Case tambahan ke sebuah Use Case di mana Use Case yang ditambahkan memerlukan use case ini
Sumber: Rosa A.S & M Shalahuddin (2015:156)
2. Activity Diagram
Diagram Aktivitas atau Activity Diagram menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem atau proses bisnis atau menu yang ada pada perangkat lunak. Yang perlu diperhatikan disini adalah bahwa diagram aktivitas menggambarkan aktivitas sistem bukan apa yang dilakukan aktor.
Activity juga menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana berakhir.
Diagram Aktivitas juga banyak digunakan untuk mendefinisikan hal-hal berikut:
a. Rancangan proses bisnis dimana setiap urutan aktivitas yang digambarkan merupakan proses bisnis sistem yang didefinisikan.
b. Urutan atau pengelompokan tampilan dari sistem/user interface dimana setiap aktivitas dianggap memiliki sebuah rancangan antar muka tampilan.
c. Rancangan pengujian dimana setiap aktivitas dianggap memerlukan sebuah pengujian yang perlu didefinisikan kasus ujinya,
d. Rancangan sistem yang ditampilkan pada perangkat lunak.
Berikut adalah simbol-simbol yang ada pada Activity Diagram atau diagram aktivitas:
Tabel 2.2 Simbol Activity Diagram
Simbol Deskripsi
status awal Status awal aktivitas sistem, sebuah diagram
aktivitas memiliki sebuah status awal
aktivitas Aktivitas yang dilakukan sistem, aktivitas
biasanya diawali dengan kata kerja
Simbol Deskripsi
Percabangan
Asosiasi percabangan dimana jika ada pilihan aktivitas lebih dari satu
Penggabungan Asosiasi penggabungan dimana lebih dari satu
aktivitas digabungkan menjadi satu
Status akhir
Status akhir yang dilakukan sistem, sebuah aktivitas diagram memiliki sebuah status akhir
Sumber: Rosa A.S & M Shalahuddin (2015:162) 3. Class Diagram
Diagram kelas atau Class Diagram menggambarkan struktur
sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki apa yang disebut atribut metode atau operasi yaitu:
a. Atribut merupakan variabel-variabel yang dimiliki oleh suatu kelas
b. Operasi atau metode adalah fungsi-funsi yang dimiliki oleh suatu sistem
Diagram kelas dibuat agar pembuat program membuat kelas-kelas sesuai rancangan didalam diagram kelas agar antara dokumentasi perancangan dan perangkat lunak sinkron.
Kelas-kelas yang ada pada struktur sistem harus dapat melakukan fungsi-fungsi sesuai kebutuhan sistem sehingga pembuat perangkat lunak atau programmer dapat membuat kelas-kelas di dalam program perangkat lunak sesuai dengan perancangan diagram kelas. Susunan struktur kelas yang baik pada diagram kelas sebaiknya memiliki jenis-jenis kelas sebagai berikut:
Swimlane Memisahkan organisai bisnis yang bertanggung
a. Kelas main
Kelas yang memiliki fungsi awal dieksekusi ketik sistem dijalankan.
b. Kelas yang menangani tampilan sistem (View)
Kelas yang mendefinisikan dan mengatur tampilan ke pemakai.
c. Kelas yang diambil dari pendefinisian use case (Controller)
d. Kelas yang menangani fungsi-fungsi yang harus ada diambil
dari pendefinisian Use Case.
e. Kelas yang diambil dari pendefinisian data (Model)
Kelas yang digunakan untuk memegang atau membungkus data menjadi sebuah kesatuan yang diambil maupun akan disimpan ke basis data. Semua tabel yang dibuat di basis data dapat dijadikan kelas, namun untuk tabel dari hasil relasi atau atribut dapat dijadikan kelas tersendiri.
Berikut adalah simbol-simbol yang ada pada diagram kelas:
Tabel 2.3 Simbol Class Diagram
Simbol Deskripsi
kelas Kelas pada struktur sistem
Simbol Deskripsi
asosiasi/association Relasi antar kelas dengan makna umum, biasanya
antarmuka/interface Sama dengan konsep interface dalam pemrograman berorientasi objek
asosiasi berarah Relasi antar kelas dengan makna kelas yang satu
digunakan oleh kelas yang lain
Simbol Deskripsi
generalisasi Relasi antar kelas dengan makna
generalisasi-spesialisasi (umum-khusu)
kebergantungan/dependency Relasi antar kelas dengan makna kebergantungan antar kelas
agregasi/aggregation Relasi antar kelas dengan makna semua-bagian
(whole-part)
4. Sequence Diagram
Diagram Sequen menggambarkan kelakuan objek pada Use Case dengan mendeskripsikan waktu hidup objek dan message yang dikirimkan dan diterima antar objek. Oleh karena itu untuk menggambar diagram sekuen maka harus diketahui objek-objek yang terlibat dalam sebuah use case beserta metode-metode yang dimiliki kelas yang diinstansiasi menjadi objek itu.
Banyaknya diagram sekuen yang harus digambar adalah minimal sebanyak pendefinisian use case yang memiliki proses sendiri atau yang penting semua use case yang telah didefinisikan interaksi jalannya pesan sudah dicakup pada diagram sekuen
sehingga semakin banyak use case yang didefinisikan maka diagram sekuen yang harus dibuat juga semakin banyak.
Berikut adalah simbol-simbol yang ada pada diagram sequen:
Tabel 2.4 Simbol Squence Diagram
Simbol Deskripsi
actor Orang, proses, atau sistem lain yang berinteraksi dengan
sistem informasi yang akan dibuat di luar sistm informasi yang akan dibuat itu sendiri
garis
hidup/lifrline
Menyatakan kehidupan suatu objek
objek Menyatakan objek yang berinteraksi pesan
waktu aktif Menyatakan objek dalam keadaan aktif dan berinteraksi,
semua yang terhubung dengan waktu aktif ini adalah sebuah tahapan yang dilakukan didakamnya
pesan tipe destroy Menyatakan suatu objek mangakhiri hidup objek yang lain, arah panah mengarah pada objek yang diakhiri
Sumber Rosa A.S & M Shalahuddin (2015:165)
2.9 Pengertian SDLC (Software Development Life Cycle)
System Development Lyfe Cycle (SDLC) adalah keseluruhan proses dalam membangun sistem melalui beberapa langkah. Ada beberapa model SDLC. Model yang cukup populer dan banyak digunakan adalah waterfall. Beberapa model lain SDLC misalnya Spiral, Rapid Application Depelopment (RAD), Prototyping dan Iteratif.
SDLC atau Software Deveplopment Life Cycle sering disebut juga System Deveplopment Life Cycle adalah proses mengembangkan atau mengubah suatu sistem perangkat lunak dengan menggunakan model-model dan metodologi yang digunakan orang untuk mengembangkan sistem-sistem perangkat lunak sebelumnya (Rosa AS dan M. Sholahudin, 2015:26).
Dengan siklus SDLC, proses membangun sistem dibagi menjadi beberapa langkah dan pada sistem yang besar, masing-masing langkah dikerjakan oleh tim yang berbeda. Dalam sebuah siklus SDLC, terdapat enam langkah. Jumlah langkah SDLC pada referensi lain mungkin berbeda, namun secara umum adalah sama. Langkah tersebut adalah :
a. Analisis sistem, yaitu membuat analisis aliran kerja manajemen yang sedang berjalan.
b. Spesifikasi kebutuhan sistem, yaitu melakukan perincian mengenai apa saja yang dibutuhkan dalam pengembangan sistem dan membuat perencanaan yang berkaitan dengan proyek sistem.
c. Perancangan sistem, yaitu membuat desain aliran kerja manajemen
dan desain pemrograman yang diperlukan untuk pengembangan sistem informasi.
d. Pengembangan sistem, yaitu tahap pengembangan sistem informasi
dengan menulis program yang diperlukan.
e. Pengujian sistem, yaitu melakukan pengujian terhadap sistem yang telah dibuat.
Implementasi dan pemeliharaan sistem, yaitu menerapkan dan memelihara sistem yang telah dibuat.
2.10 Metode waterfall
Metode yang digunakan dalam pengembangan software pada
penelitian ini adalah metode waterfall. Metode ini membagi proses pembangunan perangkat lunak kedalam fase-fase individu atau langkah-langkah. Fase atau langkah yang satu dengan yang lainnya terpisah secara kronologis dan fungsional.
Model waterfall merupakan salah satu dari model-model yang terdapat pada penerapan Daur Hidup Pengembangan Sistem(Roger S. Pressman, 2010 : p29), membagi model waterfall ke dalam beberapa tahap, yaitu: Requirements definition, System and software design, Implementation and unit testing, Integration and system testing dan Operation and maintenance.
Gambar 2.5 Metode Perancangan Waterfall
Secara garis besar metode Waterfall mempunyai langkah-langkah sebagai berikut :
1. Requirements Definition
Langkah ini merupakan analisa terhadap kebutuhan sistem. Pengumpulan data dalam tahap ini bisa malakukan sebuah penelitian, wawancara atau studi literatur. Seorang sistem analis akan menggali informasi sebanyak-banyaknya dari user sehingga akan tercipta sebuah sistem komputer yang bisa melakukan tugas-tugas yang diinginkan oleh user tersebut. Tahapan ini akan menghasilkan dokumen User Requirment atau bisa dikatakan sebagai data yang berhubungan dengan keinginan user dalam pembuatan sistem. Dokumen ini lah yang akan menjadi acuan sistem analis untuk menterjemahkan ke dalam bahasa pemprogram.
2. System and Software Design
Proses desain akan menerjemahkan syarat kebutuhan ke sebuah perancangan perangkat lunak yang dapat diperkirakan sebelum dibuat coding. Proses ini berfokus pada: struktur data, arsitektur perangkat lunak, representasi interface, dan detail (algoritma) prosedural. Tahapan ini akan menghasilkan dokumen yang disebut software requirment. Dokumen inilah yang akan digunakan programmer untuk melakukan aktivitas pembuatan sistemnya.
3. Implementation and Unit Testing
Coding merupakan penerjemahan design dalam bahasa yang bisa dikenali oleh komputer. Dilakukan oleh programmer yang
akan meterjemahkan transaksi yang diminta oleh user. Tahapan inilah yang merupakan tahapan secara nyata dalam mengerjakan suatu sistem. Dalam artian penggunaan komputer akan dimaksimalkan dalam tahapan ini. Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem yang telah dibuat tadi. Tujuan testing adalah menemukan kesalahan-kesalahan terhadap sistem tersebut dan kemudian bisa diperbaiki.
4. Integration and System Testing
Tahapan ini bisa dikatakan final dalam pembuatan sebuah sistem. Setelah melakukan analisa, design dan pengkodean maka sistem yang sudah jadi akan digunakan oleh user.
5. Operation and Maintenance.
Perangkat lunak yang sudah disampaikan kepada pelanggan pasti akan mengalami perubahan. Perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan (periperal atau sistem operasi baru) baru, atau karena pelanggan membutuhkan perkembangan fungsional.
Keuntungan Metode Waterfall
a. Kualitas dari sistem yang dihasilkan akan baik. Ini dikarenakan oleh pelaksanaannya secara bertahap. Sehingga tidak terfokus pada tahapan tertentu.
b. Document pengembangan sistem sangat terorganisir, karena setiap fase harus terselesaikan dengan lengkap sebelum melangkah ke fase berikutnya. Jadi setiap fase atau tahapan akan mempunyai dokumen tertentu.
Kelemahan waterfall
a. Diperlukan majemen yang baik, karena proses pengembangan tidak
dapat dilakukan secara berulang sebelum terjadinya suatu produk. b. Kesalahan kecil akan menjadi masalah besar jika tidak diketahui
sejak awal pengembangan.
c. Pelanggan sulit menyatakan kebutuhan secara eksplisit sehingga tidak dapat mengakomodasi ketidak pastian pada saat awal pengembangan.
2.11 Metode White Box Testing
White box testing adalah pengujian yang didasarkan pada pengecekan terhadap detail perancangan, menggunakan struktur kontrol dari desain program secara procedural untuk membagi pengujian ke dalam beberapa kasus pengujian. Secara sekilas dapat diambil kesimpulan white box testing merupakan petunjuk untuk mendapatkan program yang benar secara 100%.
White-box testing yaitu metode desain test case yang menggunakan stuktur kontrol desain posedural unntuk memperoleh test case. Test case dapat diperoleh dengan:
a. Menjamin bahwa semua independet path pada suatu modul telah digunakan minimal satu kali
b. Menggunakan semua keputusan logis pada sisi true dan false.
c. Mengeksekusi semua loop dalam batasannya dan pada batas
operasionalnya
d. Mengunakan struktur data internal untuk menjamin validitasnya
Gambar 2.6 White Box Testing
Sumber : www.ilmukomputer.com
Pengujian ini harus memenuhi kriteria sebagai berikut :
a. Mengurangi pelaksanaan test case untuk mencapai hasil pengujian yang diinginkan
b. Test Case akan menunjukkan ketidaksesuaian (ketidaksinkronan) beberapa kesalahan, tetapi kurang menunjukkan detil kesalahan
Software yang dibangun tidak selalu sempurna. Terkadang ada kesalahan yang baru akan diketahui saat pengujian atau bahkan saat implementasi. Berikut ini kriteria Software yang “cacat” :
a. Kesalahan logika dan asumsi yang salah berbanding terbalik dengan probabilitas jalur program yang akan dieksekusi. Kecenderungan kesalahan ini terjadi pada tahap desain dan implementasi fungsi, kondisi atau kontrol yang berada di luar pikiran. Kesalahan ini tejadi jika pemrosesan yang rutin sudah dikerjakan dengan baik tetapi pemrosesan yang khusus cenderung diabaikan.
b. Selalu ada keyakinan bahwa logical path tidak akan dieksekusi pada basis regular. Kesalahan ini terjadi karena adanya kesalahan asumsi tentang aliran data dan kontrol.
c. Kesalahan tipologis yang merupakan kesalahan yang acak atau random. Perpindahan dari bahasa pemrograman satu ke bahasa pemrograman lain menyebabkan timbulnya kesalahan sintak. 2.12 Penelitian Terdahulu.
Dalam penelitian terdahulu ini diharapkan penulis dapat melihat perbedaan antara peneliti yang telah dilakukan dengan penelitian yang dilakukan. Selain itu penulis juga dapat diperhatikan mengenai kekurangan dan kelebiha terdahulu dengan penelitian yang dilakukan.
Tabel 2.5 Penelitian Terdahulu
No Judul Penulis Tahun Metode Hasil
1 Analisis penentuan karyawan terbaik menggunakan metode algoritma naive bayes
Ulfa pauziah 2017 Naïve
Bayes
Dari hasil perhitungan naive bayes dengan menggunakan tools weka didapat 98,5714 % dapat membantu keputusan sedangkan 1,2468 % tidak dapat membantu pengambilan keputusan 2 Klasifikasi kelompok penjamin mutu pada karyawan persahaan dengan KNN dan J48 Erna Daniati 2016 KNN J48 Pada Koreksi klasifikasi J48 memiliki akurasi sampai 86,8 % sedangkan KNN memiliki akurasi 81,4 % 3 Sistem pendukung keputusan penerimaan karyawan baru dengan metode Naive Bayes (Study kasus Dinsusnaker kota Kediri) Slamet Aryantio 2016 Naive Bayes Membuat aplikasi SPK penerimaan karyawan cukup mudah dengan dengan bahasa pemrograman web (PHP). Dan dengan sistem atau aplikasi ini proses penerimaan karyawan menjadi lebih mudah dan singkat, sehingga proses penerimaan karyawan menjadi efektif dan efisien
No Judul Penulis Tahun Metode Hasil 4 Kajian komparasi penerapan algoritma C.45, Neural Network dan SVM dengan teknik PSO untuk pemilihan karyawan teladan Rudi Apriyadi Raharjo 2017 C45 Neural Network SVM Ketiga algoritma (C.45, Neutral Network, dan SVM ) Dapat digunakan dalam memutuskan karyawan teladan, ketiga algoritma tersebut di komparasi kemudian diuji akurasinya, tingkat
akurasi tertinggi lah yang akan digunakan
dalam menentukan
karyawan teladan, dan
hasil yang paling
tinggi akurasinya
adalah algoritma C.45 dengan tingkat akurasi 87.58 %, SVM 84,76 % dan Neutral Network 77,36 % 5 Aplikasi klasifikasi penerima kartu Indonesia Sehat menggunakan algoritma Naive bayes Aziz Abdul Rohman & Yogiek Indra Kurniawan 2016 Naïve Bayes Berdasarkan
pengujian data testing sebanyak 13 kali percobaan, dan mendapatkan hasil rata – rata nilah akurasi sebesar 94,78 % , Presisi 98,86 %, dan Recall sebesar 90,98 %
44
3.1 Tempat dan Waktu Penelitian
3.1.1 Tempat Penelitian
Penelitian ini dilaksanakan di PT Toyo Seal Indonesia, yang Beralamat di Kawasan Industri MM2100, Jalan Lombok Blok O-5 No. 10-11, Cikarang Barat, Bekasi 17520, Sesuai surat tembusan dari kampus yang ditujukan ke PT Toyo Seal Indonesia dengan nomor surat : 002/STT-SKRIPSI/TI/II/2018.
3.1.2 Waktu Penelitian
Waktu penelitian dilakukan dari tanggal 24 April 2018 sampai dengan 16 Agustus 2018, Sesuai surat balasan yang dikeluarkan oleh pihak perusahaan dengan nomor Surat No.0035/TSI/HRGA-EXT/IV/2018.
3.2 Tahapan Penelitian
Tahapan penelitian yaitu tahapan yang akan dilakukan untuk mempermudah dalam melakukan penelitian. Metode yang digunakan dalam pembuatan sistem ini adalah metode Waterfall. Secara garis besar metode Waterfall mempunyai langkah yaitu analisa kebutuhan, desaint
sistem, penulisan kode program, pengujian program serta penerapan program dan pemeliharaan. Tahapan penelitian ini di tunjukan pada gambar 3.1 : Mulai Communication Planning Modelling Impplementasion Deployment Deployment Studi Pustaka Wawancara & observasi
Analisa Ke butuhasan User Analisa Ke butuhan Sistem
Peranc angan UML Peranc angan Database Peranc angan User Interfrance Peranc angan Applikasi dengan C#
Pembua tan Database
White Box Testing
SPK Prediksi Resign ka ryawan
Sele sai
Gambar 3.1 Tahapan Penelitian
Pada gambar 3.1 Metodologi dijelaskan bahwa, metode pengembangan aplikasi waterfall, berikut uraian penjelasannya :
a. Communication
Pada tahap Communication dilakukan identifikasi masalah dan pengumpulan data untuk mengetahui masalah yang sedang di hadapi dan
solusi-solusi yang dapat menyelesaikan masalah-masalah tersebut. Kemudian penulis melakukan wawancara kepada pihak yang bersangkutan tentang masalah yang dihadapi saat ini guna untuk menemukan solusi pemecahan masalah.
b. Planning
Pada tahap selanjutnya yaitu planning yaitu menganalisi kebutuhan user dan menganalisis kebutuhan sistem. Dalam analisis
kebutuhan user berisi hasil wawancara dan observasi, lalu
menganalisisnya.
c. Modelling
Ada beberapa tiga pokok dalam tahapan ini, yang pertama adalah perancangan UML (Unified Modeling Language). UML yang dirancang terdiri dari Use Case Diagram, Class Diagram, Activity Diagram, Sequence Diagram. Kedua, perancangan Database yang berisi rancangan dan isi tabel seperti nama, tipe data, ukuran, dan keterangan. Ketiga, perancangan tampilan yang berisi rancangan awal tampilan pada halaman sistem yang akan di buat.
d. Implementation
Tahap selanjutnya adalah Implementation atau pembuatan,
dan pembuatan database dengan MySql. Di tahap ini dilakukan proses testing dan evaluasi dengan menggunakan White Box Testing
e. Deployment
Setelah melalui proses evaluasi, dilanjutkan ke tahap Deployment, yaitu wawancara dengan pihak Perusahaan untuk mendapatkan feedback dari user agar bisa ada perbaikan atau pembenaran di pengembangan selanjutnya.
3.3 Metode Pengumpulan Data
Pengumpulan data yang digunakan pada penelitian di PT Toyo Seal Indonesia Cikarang Barat ini adalah sebagai berikut :
1. Pengamatan (Observation)
Dengan mendatangi langsung ke lokasi kegiatan penelitian dengan melihat dan mengamati kegiatan-kegiatan yang dilakukan di lingkungan perusahaan (Divisi). Seperti melihat kegiatan belajar produksi, serta meihat karyawan dan melihan antusias atau etos kerja karyawan saat bekerja serta merasakan lingkungan tempat kerja di masing-masing divisi yang ada di PT Toyo Seal Indonesia.
2. Wawancara (Interview)
Proses tanya jawab kepada orang yang mengetahui tentang permasalahan yang sedang diamati. Yaitu wawancara kepada Trainner atau admin dari setiap divisi yang ada di PT Toyo Seal indonesia.
