ISSN : 2502-8928 (Online) 175
Received June 1st,2012; Revised June 25th, 2012; Accepted July 10th, 2012
APLIKASI CLUSTERING DATA SERAPAN ALUMNI
DI DUNIA KERJA MENGGUNAKAN METODE
HIERARCHICAL CLUSTERING
Maghfirah Dinsyah Febriana*1, Muh. Ihsan Sarita2, L.M Tajidun3
*1,2,3
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari
e-mail: *1 maghfirahdinsyah@gmail.com, 2ihsansarita@yahoo.co.id, 3moeh_tajidun@yahoo.com Abstrak
Alumni atau lulusan menjadi salah satu indikator mutu proses pendidikan di Teknik Informatika. Diharapkan pada pihak jurusan Teknik Informatika menyusun kurikulum yang lebih aplikatif, yang sesuai dengan dunia kerja yang dinamis supaya bisa menjadi bahan evaluasi untuk perbaikan kurikulum ataupun proses perkuliahan agar bisa memenuhi permintaan tenaga kerja melalui perbaikan materi pembelajaran dalam bidang keahlian Informatika dan dapat mempermudah pembuatan dokumen akreditasi jurusan melalui penyediaan data serapan yang valid.Dibutuhkan aplikasi clustering data serapan alumni di dunia kerja dengan menerapkan teknik clustering.Pengelompokan dibagi berdasarkan kesesuai pekerjaan dengan bidang keahliannya, masa tunggu, serta lokasi kerjanya.Metode Hierarchical clustering adalah metode analisis kelompok yang berusaha umuk membangun sebauh hirarki kelompok data, pengelompokan data dengan dua atau lebih objek yang mempunyai kesamaan paling dekat, kemudian proses dilanjutkan ke objek lain yang mempunyai kedekatan kedua.Hasil penelitian menunjukkan bahwa dari 100 data alumni Teknik Informatika Universitas Halu Oleo di dunia kerja, 20,0% alumni belum bekerja, 43,0%tidak sesuai, 4,0% cukup sesuai dan 33,0% sesuai dengan jurusannya. Sistem dapat mengelompokkan data serapan alumni, di dunia kerja dengan menggunakan hierarchical clustering dan menjadi acuan perbaikan kurikulum jurusan Teknik Informatika.
Kata kunci—Clustering Data, Alumni, Hierarchical Clustering
Abstract
Alumni or graduates become one of the indicators of quality of education process in Informatics Engineering. It is expected that the Department of Informatics Engineering develops a more applicable curriculum, which is in line with the dynamic world of work in order to be an evaluation material for the improvement of curriculum or lecturing process in order to fulfill the demand of labor through improvement of learning materials in the field of Informatics expertise and to facilitate the making of accreditation documents Majors through provision of valid.Required application of data clustering uptake of alumni in the world of work by applying clustering techniques. The groupings are divided according to the job suitability with the areas of expertise, waiting period, and work location. Hierarchical clustering method is a group analysis method that attempts to build a hierarchy of data groups, grouping data with two or more objects that have the closest similarity, then proceed to another object with a second closeness.The results showed that from 100 data alumni of Informatics Engineering University of Halu Oleo in the world of work, 20.0% alumni not working, 43.0% not appropriate, 4.0% quite appropriate and 33.0% according to the department. The system can classify data uptake of alumni, in the world of work by using hierarchical clustering and become a reference improvement curriculum majoring in Informatics Engineering.
1. PENDAHULUAN
lumni atau lulusan menjadi salah satu indikator dari sekian banyak indikator mutu proses pendidikan di Teknik Informatika[1].Aktivitas para lulusan setelah usainya masa pendidikan tinggi atau bagaimana mereka melewati masa transisi dari pendidikan tinggi ke dunia kerja juga menjadi perhatian para pendidik karena keberhasilan mereka adalah juga salah satu tolak ukur keberhasilan Teknik Informatika. Kinerja lulusan dapat dilihat dari jumlah lulusannya yang bekerja pada bidang yang sesuai dengan bidang IT, tempat mereka bekerja, cara, manfaat ilmu pengetahuan dan keterampilan yang diperoleh dari perguruan tinggi, perkembangan karier mereka di dunia kerja, jabatan yang mereka sandang, dan lain sebagainya.
Kebutuhan akan tenaga kerja di bidang Teknik Informatika dalam perusahaan atau instansi tertentu semakin meningkat belakangan ini. Oleh karena itu kurikulum yang disusun untuk Teknik Informatika biasanya disesuaikan dengan kebutuhan instansi atau perusahaan, agar ketika bekerja lulusan sudah memiliki bekal ilmu yang sesuai kebutuhan. Teknik clustering sangat tepat digunakan dalam mengelompokkan lulusan Teknik Informatika untuk menelusuri apakah pekerjaan yang diperoleh sudah sesuai dengan bidang ilmunya atau tidak. Saat ini, Jurusan Teknik Informatika Halu Oleo belum menyediakan sistem untuk mempermudah pengelompokan data serapan alumni di dunia kerja.Padahal, informasi mengenai serapan alumni ini merupakan point yang cukup berpengaruh dalam hal peningkatan kualitas Program Studi yang dinilai oleh BAN-PT (Badan Akreditasi Nasional Perguruan Tinggi).Di samping perihal kesesuai bidang ilmu, masalah lokasi lulusan tersebut bekerja serta masa tunggu lulusan antara wisuda hingga memperoleh pekerjaan pertamanya merupakan hal yang penting diketahui oleh program studi yang bersangkutan.Oleh karena itu, dibutuhkan aplikasi clustering data serapan alumni di dunia kerja dengan menerapkan teknik clustering.Pengelompokan dibagi berdasarkan kesesuai pekerjaan dengan bidang keahliannya, masa tunggu, serta lokasi kerjanya.
Pada penelitian ini, dipilih metode hierarchical clustering, yang dimulai dengan mengelompokkan dua atau lebih objek yang memiliki kesamaan yang paling dekat. Kemudian proses diteruskan ke objek lain yang memiliki kedekatan kedua, demikian seterusnya sampai clusterakan membentuk semacam “pohon” hirarki (tingkatan) yang jelas antar objek dari yang paling mirip sampai yang paling tidak mirip[2]. Ada beberapa jenis hierarchical clustering, metode divisive dan metode agglomerative. Agglomerative hierarchical clustering terbagi menjadi tiga jenis, yaitu single lingkage, complete linkage dan average linkage. Dalam penelitian ini digunakan single lingkage yang merupakan prosedur pengelompokan agglomerative yang didasarkan pada jarak minimum/jarak terdekat antar objek.
Penelitian sebelumnya dalam sistem ini mekanisme clustering tidak menggunakan titik koordinat sebagai acuan penentuan klasternya, dengan judul sistem informasi geografis berbasis web untuk pemetaan sebaran alumni menggunakan metode k-means menghasilkan kesimpulan dapat memperoleh informasi tentang sebaran alumni di indonesia dengan batasan wilayah terkecil yaitu wilayah provinsi, kekurangan yang dimiliki metode k-means adalah jika hanya terdapat beberapa titik sampel data, maka cukup mudah untuk menghitung dan mencari titik terdekat
dengan k titik yang diinisialisasi
secara random. Namun jika terdapat banyak sekali titik data, maka perhitungan dan pencarian titik terdekat akan membutuhkan waktu yang lama. Proses tersebut dapat dipercepat, namun dibutuhkan struktur data yang lebih rumit.
Berdasarkan latar belakang yang telah diuraikan, maka diajukan penelitian dengan judul “Aplikasi Clustering Data Serapan
Alumni di Dunia Kerja Menggunakan Metode Hierarchical Clustering (Studi Kasus
Teknik Informatika Universitas Halu
Oleo).Dengan adanya aplikasi ini, diharapkan
pada jangka panjang dapat membantu pihak jurusan Teknik Informatika dalam menyusun kurikulum yang lebih aplikatif, yang sesuai dengan dunia kerja yang dinamis.
2. METODE PENELITIAN
2.1. Pengertian Lapangan Kerja
Lapangan pekerjaan biasanya juga disebut dengan lowongan pekerjaan.Sebagian orang mungkin terpaku mengartikan lowongan kerja sebagai kerja di kantoran saja, misalnya dengan menjadi pegawai, manager, sampai direktur atau pegawai negeri sipil misalnya.Lowongan artinya peluang yang kosong alias belum terisi, dalam hal ini peluang untuk bekerja.Ketenagakerjaan merupakan aspek yang sangat mendasar dalam kehidupan manusia, karena mencakup dimensi ekonomi dan sosial.Oleh karenanya, setiap upaya pembangunan selalu diarahkan pada perluasan kesempatan kerja dan lapangan usaha, dengan harapan penduduk dapat memperoleh manfaat langsung pembangunan [3].
2.2. Pengertian Alumni
Alumni adalah lulusan sekolah, akademi, atau universitas.Alumni menurut Kamus Besar Bahasa Indonesia (KBBI) adalah orang-orang yang telah mengikuti atau tamat dari suatu sekolah atau perguruan tinggi. Sedangkan alumnus menurut kamus yang sama mempunyai pengertian orang yang telah mengikuti atau tamat dari suatu sekolah atau perguruan tinggi.
2.3. Jenis-jenis profesi di bidang IT
Dengan posisi tenaga kerja di bidang Teknologi Informasi (TI) yang sangat bervariasi karena menyesuaikan dengan skala bisnis dan kebutuhan pasar, maka sangat sulit untuk mencari standardisasi pekerjaan di bidang ini. Tetapi setidaknya kita dapat mengklasifikasikan tenaga kerja di bidang Teknologi Informasi tersebut berdasarkan jenis dan kualifikasi pekerjaan yang ditanganinya. Berikut ini adalah penggolongan pekerjaan di bidang teknologi informasi yang berkembang belakangan ini. Secara umum, pekerjaan di bidang Teknologi Informasi setidaknya terbagi dalam 4 kelompok sesuai bidang pekerjaannya [4].
2.4. Pengertian Clustering
Clustering adalah proses mengelompokkan objek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip untuk
memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas (cluster). Tujuannya menemukan cluster yang berkualitas dalam waktu yang layak. Clustering dalam data mining berguna untuk menemukan pola distribusi di dalam sebuah data set yang berguna untuk proses analisa data. Kesamaan objek biasanya diperoleh dari kedekatan nilai-nilai atribut yang menjelaskan objek-objek data, sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah titik dalam ruang multidimensi.Dengan menggunakan clustering, dapat diidentifikasi daerah yang padat, pola-pola distribusi secara keseluruhan dan keterkaitan yang menarik antara atribut-atribut data. Dalam data mining usaha difokuskan pada metode-metode penemuan untuk cluster pada basis data berukuran besar secara efektif dan efisien. Banyaknya pendekatan clustering menyulitkan dalam menentukan ukuran kualitas yang universal. Namun, beberapa hal yang perlu diperhatikan adalah input parameter yang tidak menyulitkan pengguna, cluster hasil yang dapat dianalisis, dan skalabilitas terhadap penambahan ukuran dimensi dan record dataset [5].
2.6. MetodeHierarchical Clustering
Hierarchical Clustering adalah metode analisis kelompok yang berusaha untuk membangun sebuah hirarki kelompok data.Selain itu Hierarchical Clustering adalah salah satu algoritma clustering yang dapat digunakan untuk meng-cluster dokumen (document clustering). Hasil keseluruhan dari algoritma hierarchical clustering secara grafik dapat digambarkan sebagai tree, yang disebut dengan dendogram. Tree ini secara grafik menggambarkan proses penggabungan dari cluster-cluster yang ada, sehingga menghasilkan cluster dengan level yang lebih tinggi [6].
metode hierarchical clustering dalam analisis cluster adalah mempercepat pengolahan dan menghemat waktu karena data yang diinputkan akan membentuk hierarchical atau membentuk tingkatan tersendiri sehingga mempermudah dalam penafsiran.
Gambar 1 menunjukkan Algoritma Hierarchical clustering.
Gambar 1 Algoritma Hierarchical Clustering
Euclidean Distance adalah metrika yang paling sering digunakan untuk menghitung kesamaan 2 vektor.Euclidean distance menghitung akar dari kuadrat perbedaan 2 vektor (root of square differences between 2 vectors). Semakin kecil jarak euclidean, maka semakin mirip kedua variabel tersebut sehingga membentuk cluster. Persamaan (1) menunjukkan rumus Euclidean Distance.
dij = ∑ 2
(1)
Keterangan :
dij =Jarak antara 2 vektor k = indeks (0,…..n)
n = jumlah data dalam vector xi = data ke-k vector i
xj = data ke-k vector j
3. PERANCANGAN SISTEM
3.1. Flowchart Sistem
Gambar 2 menunjukan flowchart untuk pengumpulan data Alumni menggunakan kuesioner.
Gambar 2 Flowchart Sistem
Gambar 2 merupakan flowchart sistem aplikasi data serapan alumni, tahapan awal pada flowchart yaitu input data alumni yang didapat dari isian kuesioner yang diisi oleh alumni. Kemudian setelah direkapitulasi data dan diberi nilai bobot berdasarkan kriteria data alumni, diproses cluster data menggunakan Hierarchical Clustering. Setelah itu data yang telah di proses akan menghasilkan cluster data serapan alumni.Gambar 3 menunjukkan Use CaseDiagram
Gambar 3 Use Case Diagram
3. HASIL DAN PEMBAHASAN
data uji yang dapat menguji perangkat lunak secara lengkap dan mempunyai kemungkinan tinggi untuk menemukan kesalahan. Tujuan dari pengujian ini adalah untuk menjamin bahwa perangkat lunak yang dibangun memiliki kualitas yang handalyaitu mampu mempresentasikan kajian pokok dari spesifikasi, analisis, perancangan dan pengkodean dari perangkat lunak itu sendiri.
Hasil pengujian dari 100 data alumni teknik informatika UHO menunjukkan bahwa terdapat 20,0% alumni masih belum bekerja , 43,0%, alumni memiliki pekerjaan yang tidak sesuai dengan bidang ilmu Teknik Informatika , 4,0% alumni sudah memiliki pekerjaan yang cukup sesuai di bidang Teknik Informatika dan 33,0% sisanya sudah memiliki pekerjaan yang sesuai dengan bidang Informatika.
Didapatkan hasil dari data serapan di dunia kerja kenyataannya lebih banyak alumni Teknik informatika UHO yang bekerja tidak sesuai dengan bidang Teknik Informatika, yaitu sebanyak 43,0% atau 43 orang. Angka ini masih cukup besar dibandingkan dengan persentasi hasil jumlah alumni yang memiliki pekerjaan sesuai di bidang Teknik Informatika. Oleh karena itu kedepannya dapat dilakukan evaluasi perbaikan kurikulum ataupun proses perkuliahan agar bisa memenuhi permintaan tenaga kerja melalui perbaikan materi pembelajaran dalam bidang keahlian informatika dan peningkatan akreditasi jurusan.
Gambar 4 menunjukkan Menu Data Alumni.
Gammbar 4 Menu Data Alumni
Gambar 5 menunjukkan Diagram Hasil uji 100 Data Alumni.
Gambar 5 Diagram Hasil Uji 100 data Alumni
5. KESIMPULAN
Berdasarkan penelitian dan pembahasan implementasi data mining menggunakan Hierarchical clustering dalam menentukan pengelompokan data serapan alumni di dunia kerja, dapat ditarik kesimpulan sebagai berikut :
1. Sistem dapat mengelompokkan data serapan alumni, di dunia kerja dengan menggunakan hierarchical clustering. 2. Dari hasil pengujian diketahui bahwa,
membentuk cluster sesuai dengan data alumni yang telah diinput dengan menggunakan metode hierarchical clustering agglomerative, mempermudah untuk melakukan clustering data dengan menghitung jarak terdekat dari setiap objek cluster.
3. Hasil penelitian data serapan alumni Teknik Informatika Universitas Halu Oleo menunjukkan bahwa, 33,0% sesuai dengan bidang IT, 4,0% cukup sesuai, 43,0% tidak sesuai dan 20,0% belum bekerja, dari 100 data alumni.
6. SARAN
Saran dalam penelitian ini untuk penelitian selanjutnya yaitu :
1. Untuk penelitian berikutnya diharapkan menggunakan perbandingan algoritma clustering lainnya untuk diketahui hasil perbandingan antara algoritma clustering. 2. Pengembangan selanjutnya diharapkan
sistem bisa dijalankan secara online sehingga alumni bisa mengisi data dan mengakses informasi yang disediakan aplikasi.
3. Sistem ini masih banyak kekurangan dari segi tampilan yang masih sederhana, informasi yang disediakan baru bisa diakses oleh admin, didalam aplikasi perlu ditambahkan fitur peta GIS untuk menampilkan lokasi pekerjaan dari alumni.
DAFTAR PUSTAKA
[1] Martono, Nanang. 2010, Metode Penelitian Kuantitatif, Jakarta: PT Raya Grafindo Persada.
[2] M Banda S, 2007, Aplikasi SIG untuk kesesuaian lahan, Makassar.
[3] Ady, Tri, 2015, Etika Profesi Dalam Bidang Teknologi Informasi, Jakarta Barat
[4] B. J. Prayudho, 2008, Analisis Cluster.
[online]. Tersedia
http://prayudho.wordpress.com/2008/12
/30/analisis cluster/, diakses pada tanggal 5 Juli 2017.
[5] Indika, M. 2010. Sistem Pendukung Keputusan Penentuan Lokasi Pembangunan Tower BTS pada PT. Axiata TBK Medan dengan Metode AHP.” Tidak Diterbitkan. Skripsi. Medan: Universitas Sumatera Utara.
