JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI (JATISI)
Terbit dua kali setahun pada bulan Maret dan September, Jurnal Teknik Informatika dan Sistem Informasi (JATISI) merupakan media penyampaian hasil penelitian untuk semua bidang yang ada pada rumpun teknik informatika dan sistem informasi, diharapkan hasil penelitian yang ada pada jurnal ini dapat menjadi penghubung antara peneliti dan pihak yang berkepentingan. ISSN 2407-4322, diterbitkan pertama kali pada tahun 2014
KETUA PENYUNTING Muhammad Rizky Pribadi DEWAN PENYUNTING
Gasim Teguh Bharata Adji Samsuryadi Sahmin Achmad Nizar Hidayanto
Ermatita
STAF AHLI (MITRA BESTARI) Bernard Renaldy Suteja
Aji prasetya wibawa Hermawan Syahputra Andi Wahju Rahardjo Emanuel
Bambang Sugiantoro TATA USAHA
Yulistia Mulyati Usniawati Keristin
Nur Rachmat Eva Rianti PENANGGUNG JAWAB
Ketua STMIK Global Informatika MDP, Johannes Petrus, S.Kom., M.T.I PENERBIT
Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP bekerjasama dengan IndoCEISS (Indonesian Computer, Electronics and
Instrumentation Support Society)
ALAMAT PENYUNTING & TATA USAHA
Gedung STMIK GI MDP, Jalan Rajawali No. 14 Palembang 30113 Telp. 0711-376400, Fax. 0711-376360,
Website : http://jatisi.mdp.ac.id, Email : [email protected]
Jatisi, Vol. 3 No. 2 Maret 2017
Title of manuscript is short and clear, implies research results (First Author) DAFTAR ISI
Perancangan Aplikasi Pemetaan Lokasi Usaha Kecil Menengah (UKM) Di Kota
Lubuklinggau Berbasis Goegraphic Information System (Gis) Dan Location Based Service (Lbs)
Harma Oktafia Lingga Wijaya 85-94
Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE
Fandy Ferdian Harryanto, Seng Hansun 95-103
Analisis Pengaruh Penggunaan Internet Terhadap Minat Belajar Mahasiswa (Studi Kasus:Perguruan Tinggi di Kota Palembang)
Desi Pibriana, Desy Iba Ricoida 104-115
Pengembangan Model Rantai Pasok Minyak Goreng Untuk Meningkatan Produktivitas Menggunakan Sistem Dinamik pada PT XYZ
Donaya Pasha, Erma Suryani 116-128
Analisis Performa AES Untuk Sekuriti Jaringan Scada Berbasis ATMega16
Eka Puji Widiyanto 129-136
Analisa dan Perancangan Sistem Informasi Administrasi Kepegawaian
Pada Dinas Kebudayaan dan Pariwisata Provinsi Kepulauan Bangka Belitung
Anisah, Nia Novianti 137-150
Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan
Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian
Dewi Sartika, Dana Indra Sensuse 151-161
Pengenalan Mobil pada Citra Digital Menggunakan HOG-SVM
Derry Alamsyah 162-168
Pengaruh Kualitas Sistem Informasi Cyber CampusTerhadap Kepuasan dan Loyalitas Mahasiswa STIKOM Surabaya
Puspita Kartikasari 169-182
Pengembangan Simulasi Sinyal Radar dan Proses Interleaving Sebagai Inputan pada Radar Detector
Norma Ningsih 183-195
Biodata Penulis 196
Indeks Penyunting/Mitra Bestari 198
Abstrak Volume 3 Nomor 1 200
Indeks Jurnal Volume 1 Nomor 1 204
Pedoman Penulisan Makalah JATISI 205
Form Penilaian Reviewer 208
Jatisi, Vol. 3 No. 2 Maret 2017 85
Perancangan Aplikasi Pemetaan Lokasi Usaha Kecil Menengah (UKM)
Di Kota Lubuklinggau Berbasis Goegraphic
Information System (GIS) Dan Location Based Service (LBS)
Harma Oktafia Lingga Wijaya1
2STMIK MUSIRAWAS, Jln Jend Besar H.M Soeharto Kel Lubuk Kupang Kec. Lubuklinggau Selatan I Kota Lubuklinggau Telp 0733-3280300
3Sistem Informasi ,Lubuklinggau e-mail: *1[email protected]
Abstract
When researcher does research at the Office of Cooperatives, Micro, Small and Medium Enterprises in Lubuklinggau, author medapati that the Department of Cooperatives, Micro, Small, Medium and market management is one of the places that have different types of businesses located in various districts, villages especially regarding Small and Medium Enterprises (SMEs). But these efforts have not been widely known by the public. One problem is the lack of information regarding the location of the location of Small and Medium Enterprises (SMEs). Therefore, it is necessary websites using Geographic Information System (GIS) and Location Based Services (LBS), which will assist and facilitate citizens Lubuklinggau city to be able to obtain information and to know more about the city's existing SMEs Lubuklinggau.
For Location Based Service (LBS) and Geographic Information System (GIS) itself uses the facilities of Google Maps to get for free. Google Maps is a free virtual globe map services and online provided by the company Google, Inc. can be found at http://maps.google.com/. Google Map offers a draggable map and satellite images and street view for the entire world and also offers a route planner and search. Google Map API is an application interface that can be accessed via Google Map Javascript that can be displayed on web pages.
With this information system mapping the location of Small Business and puffed in the city Lubuklinggau this will certainly facilitate urban Lubuklinggau to seek information about the location of the location of Small and Medium Enterprises in the city Lubuklinggau for any information submitted more quickly, accurately, and efficiently.
Keywords: Website, Google Map API, Location Based Services, Geographic Information System
Abstrak
Ketika peneliti melakukan penelitian pada Dinas Koperasi, Usaha Mikro, Kecil Menengah di Kota Lubuklinggau, peneliti mendapati bahwa pada Dinas Koperasi, Usaha Mikro, Kecil, Menengah dan Pengelolaan Pasar merupakan salah satu tempat yang memiliki berbagai jenis usaha yang terdapat diberbagai kecamatan, kelurahan terutama mengenai Usaha Kecil dan Menengah (UKM). Namun usaha-usaha tersebut belum banyak diketahui oleh masyarakat luas. Salah satu kendalanya adalah kurangnya informasi mengenai letak lokasi Usaha Kecil dan Menegah (UKM). Maka dari itu sangat diperlukan website dengan menggunakan Sistem Informasi Geografis (SIG) & Layanan Berbasis Lokasi (LBS) yang akan
86 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
membantu dan mempermudah warga masyarakat kota Lubuklinggau untuk dapat memperoleh informasi serta mengetahui lebih banyak mengenai UKM yang ada di kota Lubuklinggau.
Untuk [6] Location Based Service (LBS) & Geographic Information System (GIS) itu sendiri menggunakan fasilitas dari Google Maps yang dapat kita dapatkan secara gratis. Google Maps adalah sebuah jasa peta globe virtual gratis dan online yang disediakan oleh perusahaan Google, Inc dapat ditemukan di http://maps.google.com/. Google Map menawarkan peta yang dapat diseret dan gambar satelit serta street view untuk seluruh dunia dan juga menawarkan perencana rute dan pencari. Google Map API merupakan aplikasi interface yang dapat diakses lewat Javascript agar Google Map dapat ditampilkan pada halaman web.
Dengan adanya sistem informasi pemetaan lokasi Usaha Kecil dan Mengengah di kota Lubuklinggau ini tentunya akan sangat mempermudah masyarakat kota Lubuklinggau untuk mencari informasi mengenai letak lokasi UKM yang ada di kota Lubuklinggau karena setiap informasi yang disampaikan lebih cepat, akurat, dan efisien.
Kata kunci : Website, Google Map API, Location Based Service, Geographic Information System
1. PENDAHULUAN
Kebutuhan masyarakat terhadap layanan teknologi sangat bervariatif, salah satu kebutuhan adalah kebutuhan akan ketersediaan sebuah layanan informasi lokasi Usaha kecil dan Menengah (UKM) berbasis Web GIS. Oleh karena itu dibutuhkan ketersediaan layanan informasi lokasi Usaha Kecil dan menengah (UKM) berbasis Web GIS yang dapat digunakan oleh pihak lembaga pemerintah maupun masyarakat kota Lubuklinggau.
Pada Dinas Koperasi, Usaha Mikro, Kecil, Menengah dan Pengelolaan Pasar di Kota Lubuklinggau merupakan salah satu tempat yang memiliki berbagai jenis usaha di setiap kecamatan, kelurahan terutama mengenai Usaha Kecil dan Menengah (UKM). Namun usaha- usaha tersebut belum banyak diketahui oleh masyarakat luas. Salah satu kendalanya adalah kurangnya informasi mengenai letak lokasi Usaha Kecil dan Menegah (UKM). Maka dari itu sangat diperlukan website dengan menggunakan Sistem Informasi Geografis (SIG) & Layanan Berbasis Lokasi (LBS) yang akan membantu dan mempermudah warga masyarakat kota Lubuklinggau untuk dapat memperoleh informasi serta mengetahui lebih banyak mengenai UKM yang ada di kota Lubuklinggau.
Untuk Location Based Service (LBS) & Geographic Information System (GIS) [2] itu sendiri menggunakan fasilitas dari Google Maps yang dapat kita dapatkan secara gratis. Google Maps adalah sebuah jasa peta globe virtual gratis dan online yang disediakan oleh perusahaan Google, Inc dapat ditemukan di http://maps.google.com/. Google Map menawarkan peta yang dapat diseret dan gambar satelit serta street view untuk seluruh dunia dan juga menawarkan perencana rute dan pencari. Google Map API merupakan aplikasi interface yang dapat diakses lewat Javascript agar Google Map dapat ditampilkan pada halaman web.
2. METODE PENELITIAN
Adapun metode yang digunakan dalam penelitian ini yaitu menggunakan Metode penelitian deskriptif. Metode penelitian deskriptif adalah salah satu metode penelitan yang banyak digunakan pada penelitian yang bertujuan untuk menjelaskan suatu kejadian. Seperti
yang dikemukakan oleh Sugiyono (2011) “penelitian desktiptif adalah sebuah penelitian yang bertujuan untuk memberikan atau menjabarkan suatu keadaan atau fenomena yang terjadi saat ini dengan menggunakan prosedur ilmiah untuk menjawab masalah secara aktual.
2.1 Pengertian Sistem Informasi
Menurut Eddy Prahasta (2014:81) [4] definisi lain menyatakan bahwa sistem informasi adalah sekumpulan komponen – komponen yang saling berhubungan dan bekerja sama untuk mengumpulkan, memproses, menyimpan dan mendistribusikan informasi terkait untuk mendukung proses pengambilan keputusan, koordinasi, dan pengendalian.
2.2 Pengertian Pemetaan
Menurut Kamus Besar Bahasa Indonesia (KBBI) arti dari pemetaan adalah pe.me.ta.an nomina (kata benda) proses, cara, perbuatan membuat peta. Peta /pe.ta/ n adalah gambar atau lukisan pada kertas dan sebagainya yang menunjukkan letak tanah, laut, sungai, gunung, dan sebagainya; representasi melalui gambar dari suatu daerah yang menyatakan sifat, seperti batas daerah, sifat permukaan; denah.
2.3 Pengertian Sistem Informasi Geografis (SIG)
Menurut Eddy Prahasta (2014:95) [4] Pada dasarnya, istilah sistem informasi geografis (SIG) merupakan gabungan tiga unsur pokok: sistem, infromasi, dan geografis. Dengan demikian, pengertian terhadap ketiga unsur pokok ini sangat membantu dalam memahami SIG.
Dengan melihat unsur-unsur pokoknya maka jelas bahwa SIG jiga merupakan tipe sistem informasi seprti yang telah dibahas dimuka; tetapi dengan tambahan unsur “Geografis”. Jadi, SIG merupakan sistem yang menekan pada unsur :informasi geografis”.
Istilah “Goegrafis” merupakan bagian dari spasial. Istilah ini sering digunakan secara bergantian/tertukar satu sama lainnya hingga muncul istilah yang ketiga, geospasial. Ketiga istilah ini mengandung pengertian yang kurang lebih serupa didalam konteks SIG. Penggunaan kata “Geografis” mengandung pengertian suatu hal menegenai bumi: baik permukaan dua dimensi atau tiga dimensi. Dengan demikian, istilah “informasi geografis” mengandung pengertian informasi mengenai tempat-tempat yang terletak dipermukaan bumi, atau informasi mengenai posisi dimana suatu objek dipermukaan bumi yang posisinya diketahui.
Dengan pengertian sistem informasi, maka SIG juga dapat dikatakan sebagai suatu kesatuan formal yang terdiri dari berbagai sumber daya fisik dan logika yang berkenaan dengan objek-objek yang terdapat dipermukaan bumi. Jadi, SIG merupakan sejenis perangkat lunak, perangkat keras, manusia, prosedur, basisdata, dan fasilitas jaringan komunikasi yang digunakan untuk memfasilitaskan proses-proses pemasukan, penyimpanan, manipulasi, dan keluaran data/informasi geografis.
Menurut Eddy Prahasta (2014:102) [4] Sistem Informasi Geografis (SIG) dapat diuraikan menjadi beberapa subsistem yaitu sebagai berikut:
a. Data Input : mnegumpulkan, mempersiapkan, dan menyimpan data spasial &
atributnya. Subsitem ini bertanggungjawab dalam mengovensikan format data aslinya kedalam format SIG-nya.
b. Data Output : menampilkan & menghasilkan keluaran basisdata spasial softcopy &
hardcopy seperti halnya tabel, grafik, report, peta, dan lain sebgainya.
88 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
c. Data Management : mengorganisasikan data spasial & tabel atribut kedalam sistem basisdata hingga mudah untuk dipanggil kembali, di-update, dan di-edit.
d. Data Manipulation&Analysi : menentukan informasi yang dihasilkan oleh SIG.
Selain itu, sub-sistem ini memanipulasi dan memodelkan data untuk menghasilkan infromasi yang diharapkan.
3. HASIL DAN PEMBAHASAN 3.1 Perancangan dengan Menggunakan UML
3.1.1. Diagram Use Case
Perancangan sistem bertujuan untuk menggambarkan sistem secara umum. Dalam penelitian ini digunakan beberapa gambaran sistem yaitu diagram Use case, diagram activity, class diagram, rancangan input, dan rancangan output.[5]
Pada gambar 3.2 terdapat rancangan sistem yang dibuat dengan menggunakan diagram use case. Pada perancangan sistem ini, terdapat 2 aktor yang mana setiap aktor memiliki fungsi yang berbeda sesuai dengan tugas masing masing.
Untuk aktor Admin terdiri dari 3 use case yaitu kelolah login, mengelolah data UKM, Logout. Untuk aktor pengunjung terdapat 3 use case yaitu lihat map, menampilkan lokasi dan menampilkan rute.
Gambar 3.1 Diagram Use Case Admin
Gambar 3.2 Diagram Use Case Pengunjung 3.1.2 Kebutuhan Fungsional Sistem
Kebutuhan fungsional merupakan jenis kebutuhan yang berisi proses-proses apa saja yang mampu dilakukan oleh sistem beserta informasi-informasi yang dihasilkan oleh system [5], berikut beberapa kebutuhan fungsional dari sistem yang akan dibangun berdasarkan pengguna sistem :
Tabel 3.1 Kebutuhan Fungsional
No Deskripsi Prioritas
1 Aplikasi dapat melakukan pengelolaan terhadap data UKM Harus ada 2 Aplikasi dapat melakukan pengelolaan terhadap data Jenis UKM Harus ada 3 Aplikasi dapat melakukan pengelolaan terhadap data peta lokasi Harus ada 4 Aplikasi dapat melakukan pengelolaan GIS Berbasis LBS (Location
Based Service)
Harus ada 5 Aplikasi dapat melakukan proses autentifikasi admin. Harus ada
6 Aplikasi dapat menampilkan peta UKM. Harus ada
7 Aplikasi dapat menampilkan data multimedia. Harus ada
8 Pengunjung dapat melihat informasi tentang UKM yang dicari. Harus ada
3.1.3 Hasil
Sistem yang dihasilkan dari hasil penelitian ini adalah Sistem Informasi Pemetaan Lokasi Uasaha Kecil dan Menengah (UKM) Di Kota Lubuklinggau berbasis GIS (Geographic Information System) dan LBS (Location Based Service) yang telah dibuat berdasarkan rancangan sistem yang telah dilakukan, adapun sistem informasi yang dibangun ini memiliki tampilan utama dengan menu yaitu, beranda, profil, Kecamatan, kelurahan dan Jenis UKM.
Begitu juga admin dengan admin yang memiliki hak akses untuk dapat membuka halaman admin, admin harus melakukan login terlebuh dahulu setelah admin login admin bisa mengelolah semua data yang ada pada sistem ini. Pada halaman admin ini terdapata beberapa menu yaitu Login Admin, Data master yang terdiri Data kecamatan, Data Kelurahan, dan jenis kategori UKM , Peta Lokasi dan lihat data. Admin juga bisa mengubah data, menghapus data dan menambahkan data seperti data kecamatan, data kelurahan, data jenis UKM dan peta lokasi.
Demikian untuk perincian lebih jelas tentang sistem ini dapat dilihat pada pembahasan.
90 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page 3.1.4 Pembahasan
Sistem Informasi Geografis pemetaan UKM berbasis LBS (Location Based Service) kota Lubuklinggau yang dibuat, dapat digunakan untuk membantu pengunjung maupun Pemerintah Kota Lubuklinggau dalam memetakan atau mencari rute UKM yang terdaftar di Kota Lubuklinggau secara global. Aplikasi GIS ini dibuat bersifat dinamis agar admin bisa menambah atau mengisi data baik itu data UKM, maupun lokasi atau posisi UKM berada.
Selain mengisi atau menambahkan data, admin juga bisa merubah data apabila terjadi kesalahan dalam memasukkan data, menghapus data jika data tersebut sudah tidak dibutuhkan lagi, menampilkan semua data, mencari data yang diperlukan dan mengontrol data [1].
3.1.5 Halaman Profil
Halaman profil adalah halaman yang berisi informasi mengenai latar belakang tempat penelitian, visi dan misi. Adapun tampilan dari halaman profil dapat dilihat pada gambar 3.3
Gambar 3.3 Halaman Profil 3.1.6 Halaman Kecamatan
Halaman kecamatan adalah halaman yang berisi informasi mengenai data daftar kecamatan yang terdapat dikota Lubuklinggau. Adapun halaman kecamatan dapat dilihat pada gambar 3.4
Gambar 3.4 Halaman Kecamatan
3.1.7 Halaman Kelurahan
Halaman kelurahan adalah halaman yang berisi informasi mengenai data daftar kelurahan yang terdapat dikota Lubuklinggau. Adapun halaman kelurahan dapat dilihat pada gambar 3.5
Gambar 3.5 Halaman Kelurahan 3.1.8 Halaman Jenis UKM
Halaman ini berisi informasi mengenai data daftar jenis Usaha kecil dan Menengah (UKM) yang ada dikota Lubuklinggau. Adapun halaman jenis UKM dapat dilihat pada gambar 3.6
Gambar 3.6 Halaman Jenis UKM 3.1.9 Halaman Informasi Lokasi UKM
Untuk dapat melihat informasi detail dari setiap lokasi UKM tersebut, maka pengunjung aplikasi GIS dapat mengkilik icon tesebut dan sistem akan menampilkan informasi dari lebih detail tentang UKM yang dipilih. Informasi tersebut masih merupakan informasi umum seperti yang terlihat pada gambar 3.7
92 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
Gambar 3.7 Halaman Informasi Lokasi UKM 3.1.10 Halaman Pencarian Rute
Selain fasilitas tersebut, pada halaman home page terdapat sebuah menu penunjuk rute
“cari rute”. Tombol menu tersebut digunakan untuk menuju ke halaman penunjuk rute ke lokasi UKM yang ingin dicari [5]. Setelah pengunjung mengklik tombol tersebut, selanjutnya pengunjung dapat menantukan lokasi awal atau lokasi pengunjung berada dan juga menentukan UKM yang ingin di kunjungi atau dilihat pada saat itu juga sistem akan menampilkan rute yang dapat dilewati oleh pengunjung untuk menuju ke lokasi yang diinginkan [6].
Gambar 3.8 Halaman Pencarian Rute
Gambar 3.9 Halaman Hasil Pencarian Rute
4. KESIMPULAN
Dari hasil penelitian yang peneliti lakukan terhadap penelitian ini dapat ditarik beberapa kesimpulan sebagai berikut:
1. Dengan adanya Aplikasi Sistem Informasi Pemetaan Lokasi Usaha Kecil dan Menengah (UKM) di Kota Lubuklinggau ini diharapkan dapat memberikan informasi yang akurat mengenai lokasi UKM sehingga dapat bermanfaat dan memberikan kemudahan bagi pengunjung yang berkepentingan dalam menemukan lokasi UKM yang diinginkan.
2. Sistem Informasi Pemetaan Lokasi UKM di Kota Lubuklinggau Berbasis Geographic Information System (GIS) dan Location Based Servis (LBS) mengunakan bahasa pemrograman PHP, database MySql, dan google map API.
5. SARAN
Dari analisa dan pemrograman aplikasi Sistem Informasi Pemetaan Lokasi Usaha kecil
& Menengah (UKM) Di Kota Lubuklinggau Berbasis Geographic Information System (GIS) dan Location Based Service (LBS) ini dapat ditulis saran sebagai berikut :
1. Bagi Dinas koperasi Usaha Mikro, kecil dan Menengah dan Pengelolaan Pasar Di Kota Lubuklinggau, hendaknya memiliki aplikasi seperti ini yang dimaksudkan agar masyarakat dapat mengetahui lokasi Usaha kecil dan Menengah (UKM) yang ada di Kota Lubuklinggau.
2. Bagi penelitian lebih lanjut, Sistem Informasi Goegrafis (SIG) dan LBS bisa dikembangkan dengan data yang lebih detail dan memperluas kajian jenis Usaha kecil dan Menengah (UKM) maka akan menambah informasi yang sangat berguna bagi masyarakat.
UCAPAN TERIMA KASIH
Peneliti mengucapkan terima kasih kepada kedua orang tua, dan teman-teman civitas akademika STMIK MURA Lubuklinggau yang telah memberi dukungan moril maupun finansial terhadap penelitian ini.
94 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page DAFTAR PUSTAKA
[1] Creativity, Java, 2014, Joomla 3 Panduan Cerdas Membangun Website Super Keren, PT.Elex Media Komputindo, Jakarta.
[2] MADCOMS, 2011, Aplikasi Web Database dengan Dreamweaver dan PHP-MySQL, Andi, Yogyakarta.
[3] Prahasta,Eddy, 2014, Sistem Informasi Geografis: Konsep-Konsep Dasar (Perspektif Geodasi & Geomatika, Edisi Revisi, Informatika, Bandung.
[4] Shalahuddin,M dan Rosa A.s, 2013, Rekayasa Perangkat Lunak: Terstruktur dan Berorientasi Objek, Informatika, Bandung.
[5] Sidik, Betha. 2014, Pemrograman Web Dengan PHP, Informatika, Bandung.
[6] Yeni, K. dan Devie R. A. 2010, Pemrograman Basis Data Berbasis Web Menggunakan PHP dan MySQL. Graha Ilmu, Madura.
Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE
Fandy Ferdian Harryanto*1, Seng Hansun2
1,2Universitas Multimedia Nusantara; Jl. Scientia Boulevard, Gading Serpong, Tangerang, Banten-15811 Indonesia
e-mail: *1[email protected],2[email protected]
Abstrak
Perusahaan pada umumnya memerlukan pegawai yang memiliki kemampuan yang baik, perilaku yang baik serta dapat menyelesaikan pekerjaan yang diberikan kepadanya.Namun terdapat beberapa kesulitan untuk mengetahui kualitas orang-orang yang memiliki potensi baik sebagai pegawai pada suatu perusahaan. Oleh karena itu diperlukan cara atau metode untuk mengidentifikasi calon pegawai suatu perusahaan. Algoritma C4.5 dapat digunakan untuk melakukan prediksi dan klasifikasi terhadap calon pegawai yang berpotensi untuk masuk ke dalam perusahaan dengan cara membuat pohon keputusan berdasarkan data- data yang sudah ada dan melakukan prediksi terhadap calon pegawai baru yang ingin masuk ke perusahaan. Berdasarkan metode pengukuran akurasi ten-fold cross validation telah didapatkan hasil pengukuran tingkat keberhasilan prediksi calon pegawai baru sebesar 71%
dengan menggunakan aplikasi prediksi calon pegawai yang menerapkan algoritma C4.5.
Kata kunci: Algoritma C4.5, Calon Pegawai, Prediksi, Pohon Keputusan.
Abstract
A company in general needs employee that have good ability, good manners and also can company. But there are difficulties in finding the qualities of people as a good employee candicacy. That’s why we need a way or method to identify peoples with the potential to become a new employee candidate. C4.5 algorithm can be used to predict and classify new employee candidate that have the potential to get into a corporation by using decision tree according to the data that we have and predict the new employee candidate qualities. According to the testing method called ten-fold cross validation, the accuracy of the prediction for the new employee candidate is 71% by using the built prediction application which implementing C4.5 algorithm.
Keywords: C4.5 Algorithm, Decision Tree, Employee Candidate, Prediction.
1. PENDAHULUAN
Pegawai merupakan sumber daya yang paling penting dalam suatu perusahaan dan pegawai yang baik dan memenuhi standar perusahaan hanya dapat diperoleh melalui proses penerimaan pegawai yang efektif [1]. Pegawai yang baik dan berkualitas tentu saja memiliki dampak yang positif terhadap perusahaan tempat mereka bekerja. Oleh karena itu perusahaan harus menyeleksi orang–orang yang ingin masuk dan bekerja ke dalam perusahaan itu dengan baik.
Penerimaan calon pegawai baru merupakan sebuah tahap dimana sebuah perusahaan
96 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
melakukan rekrutmen terhadap orang–orang yang melamar ke perusahaan tersebut dan menentukan apakah orang tersebut memenuhi kriteria dan kebutuhan unit kerja pada perusahaan tersebut. Menurut Tjahyono dan Anggara [2] alasan dilakukannya penerimaan calon pegawai baru adalah pengembangan unit usaha perusahaan tersebut yang mengakibatkan perlunya penambahan pegawai baru dan kebutuhan perusahaan tersebut untuk mengisi posisi kosong yang ditinggalkan oleh pegawai lama mereka.
Selain itu, Slamet [3] menyatakan bahwa proses rekrutmen ini berguna untuk mendapatkan informasi mengenai kecakapan, kepribadian, dan kemampuan lain yang dimiliki oleh tenaga kerja yang melamar ke perusahaan tersebut. Informasi tersebut dipandang sangat diperlukan untuk menentukan apakah pekerja tersebut berkualitas dan pantas untuk masuk ke dalam perusahaan. Tenaga kerja yang berkualitas tentunya akan membantu untuk meningkatkan kinerja perusahaan.
Berdasarkan hasil wawancara dengan salah satu pekerja pada PT WISE, Bapak Paulus Harryanto, dapat ditarik kesimpulan bahwa perusahaan ini masih membutuhkan bantuan tambahan pada proses perekrutan calon pegawai. Menurut Bapak Paulus masih terdapat beberapa pegawai kantor yang malas dan tidak kompeten. Hal ini berarti proses perekrutan pegawai pada perusahaan ini tidak berjalan dengan baik. Selain itu, berdasarkan hasil wawancara dengan Cendrawati selaku divisi Human Resource Development (HRD), ada beberapa faktor yang menentukan apakah seseorang dapat diterima ke dalam perusahaan.
Faktor–faktor tersebut adalah: umur, pendidikan terakhir, pengalaman bekerja, jenis kelamin, perilaku saat wawancara, permintaan gaji awal dan penyakit yang sedang diderita.
Algoritma C4.5 dapat digunakan untuk meneliti berbagai macam hal, diantaranya adalah prediksi tingkat kemenangan pada pertandingan bola [4], mencari pola prediksi hujan [5], hingga menentukan guru terbaik [6]. Sebelumnya juga telah ada yang melakukan penelitian yang serupa dengan menggunakan algoritma ini, namun atribut yang digunakan untuk mengklasifikasikan pohon keputusan berbeda. Adapun pembedanya lainnya adalah penelitian tersebut dilakukan kepada calon pegawai negeri sipil. Penelitian tersebut dilakukan oleh Kumara dan Supriyanto [7] dengan judul “Klasifikasi Data Mining untuk Penerimaan Seleksi Calon Pegawai Negeri Sipil 2014 Menggunakan Algoritma Decision Tree C4.5”. Tingkat akurasi yang didapatkan menggunakan algoritma C4.5 ini sudah cukup tinggi, oleh karena itu dapat disimpulkan algoritma ini cocok untuk diimplementasikan pada penelitian yang melibatkan proses perekrutan [7].
Algoritma C4.5 digunakan pada penelitian ini untuk memprediksi proses penerimaan calon pegawai baru pada PT WISE. Menurut penelitian HSSINA, dkk.[8], algoritma C4.5 merupakan algoritma terkuat untuk proses pembuatan decision tree jika dibandingkan dengan algoritma lain seperti ID3, C5.0, dan CART. Berdasarkan penelitian inilah algoritma C4.5 diputuskan untuk digunakan pada penelitian ini karena algoritma ini lebih kuat daripada algoritma lainnya. Data pegawai yang bekerja sebagai pegawai lapangan (maintenance, service) akan digunakan sebagai data training untuk pembuatan decision tree yang akan digunakan untuk memprediksi penerimaan pegawai dan mengetes tingkat keberhasilan prediksi tersebut menggunakan data testing terhadap pegawai yang memiliki jabatan pekerjaan yang sama.
2. LANDASAN TEORI
Beberapa literatur yang mendasari penelitian ini akan dibahas pada bab ini, meliputi sistem pendukung keputusan, pohon keputusan, algoritma C4.5, dan validasi silang.
2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sebuah sistem yang dapat membantu manusia untuk mengambil keputusan secara objektif. Konsep sistem seperti ini pertama kali dicetuskan pada tahun 1970-an oleh Michael S.Scott Morton, Michael pertama kali menyebut sistem seperti
ini dengan nama Management Decision System. Maksud dan tujuan dari adanya sistem pengambil keputusan adalah mendukung pengambil keputusan untuk memilih alternatif keputusan menggunakan model-model pengambilan keputusan dan untuk menyelesaikan masalah yang bersifat terstruktur, semi terstruktur, maupun tidak terstruktur [9].
Menurut Mengkepe [9], kerangka dasar pengambilan keputusan manajerial dalam tipe keputusan dibagi menjadi beberapa bagian, yaitu:
1. Terstruktur: Berisi masalah yang sering terjadi, solusinya dapat berupa standar dan baku.
2. Tidak Terstruktur: Berisi masalah kompleks menggunakan pemecahan masalah yang tidak standar, solusinya melibatkan intuisi manusia sebagai dasar pengambil keputusan.
3. Semi Terstruktur: Gabungan antara keputusan terstruktur dengan tidak terstruktur, solusinya merupakan gabungan antara prosedur solusi standar dengan kemampuan individu manusia.
2.2 Pohon Keputusan
Manusia selalu dihadapkan dengan berbagai macam masalah dari berbagai bidang kehidupan. Masalah ini juga memiliki variasi tingkat kesulitannya. Untuk menghadapi masalah ini manusia mulai mengembangkan sebuah sistem untuk membantu mereka menyelesaikan masalah-masalah ini, salah satu sistem tersebut adalah pohon keputusan [10].
Pohon keputusan adalah metode klasifikasi dan prediksi yang sudah terbukti powerfull dan sangat terkenal. Metode ini berfungsi untuk mengubah fakta menjadi pohon keputusan yang merepresentasikan aturan yang dapat mudah dimengerti dengan bahasa alami. Proses dari pohon keputusan ini dimulai dari node akar hingga node daun yang dilakukan secara rekursif dimana setiap percabangan menyatakan kondisi dan setiap ujung pohon akan menyatakan keputusan [10].
Arsitektur pohon keputusan dibuat sedemikian rupa agar menyerupai pohon asli, dimana terdapat beberapa bagian yaitu [11]:
- Root Node: Node ini terletak pada bagian paling atas dari pohon keputusan.
- Internal Node: Node ini merupakan percabangan dimana membutuhkan satu input dan mengeluarkan maksimal dua output.
- Leaf Node: Node ini merupakan node yang terletak pada ujung pohon. Node ini hanya memiliki satu input dan tidak memiliki output.
Menurut Triisant [11], pohon keputusan ini memiliki beberapa kekurangan dan kelebihan, yakni:
1. Kelebihan Pohon Keputusan:
- Daerah pengambilan keputusan yang kompleks dapat diubah menjadi sederhana.
- Dapat menghilangkan perhitungan yang tidak penting karena proses pengujian hanya berdasarkan kriteria yang diperlukan saja.
- Proses pemilihan fitur dari internal node yang berbeda lebih fleksibel. Fitur yang telah dipilih ini akan menjadi pembeda antara kriteria yang satu dengan kriteria lainnya.
- Metode ini dapat menghindari munculnya permasalahan dengan cara menggunakan kriteria dengan jumlah yang sedikit pada node internal tanpa mengurangi kualitas keputusan yang dihasilkan.
2. Kekurangan Pohon Keputusan :
- Dapat terjadi overlap apabila hasil keputusan dan kriteria yang digunakan jumlahnya sangat banyak. Hal ini juga dapat berakibat bertambahnya waktu yang digunakan untuk pengambilan keputusan dan jumlah memori yang dibutuhkan semakin tinggi.
- Akumulasi jumlah error dari setiap tingkat pohon keputusan besar.
- Mendesain pohon keputusan yang optimal sulit.
- Kualitas keputusan yang didapatkan sangat tergantung dengan bagaimana pohon tersebut didesain.
2.3 Algoritma C4.5
Algoritma C4.5 merupakan algoritma yang digunakan untuk melakukan proses klasifikasi data dengan menggunakan teknik pohon keputusan. Algoritma C4.5 merupakan
98 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
ekstensi dari algoritma ID3 dan menggunakan prinsip decision tree yang mirip [11]. Algoritma ini sudah sangat terkenal dan disukai karena memiliki banyak kelebihan. Kelebihan ini misalnya dapat mengolah data numerik dan diskret, dapat menangani nilai atribut yang hilang, menghasilkan aturan-aturan yang mudah diinterpretasikan dan performanya merupakan salah satu yang tercepat dibandingkan dengan algoritma lain [11].
Ide dasar dari algoritma ini adalah pembuatan pohon keputusan berdasarkan pemilihan atribut yang memiliki prioritas tertinggi atau dapat disebut memiliki nilai gain tertinggi berdasarkan nilai entropy atribut tersebut sebagai poros atribut klasifikasi [12]. Kemudian secara rekursif cabang-cabang pohon diperluas sehingga seluruh pohon terbentuk. Menurut kamus IGI Global (International Publisher of Progressive Academic), entropy adalah jumlah data yang tidak relevan terhadap informasi dari suatu kumpulan data [13]. Gain adalah informasi yang didapatkan dari perubahan entropy pada suatu kumpulan data, baik melalui observasi atau bisa juga disimpulkan dengan cara melakukan partisipasi terhadap suatu set data [12].
Berdasarkan apa yang ditulis oleh Jefri [10], terdapat empat langkah dalam proses pembuatan pohon keputusan pada algoritma C4.5, yaitu:
1. Memilih atribut sebagai akar
3. Membuat cabang untuk masing-masing nilai 4. Membagi setiap kasus dalam cabang
5. Mengulangi proses dalam setiap cabang sehingga semua kasus dalam cabang memiliki kelas yang sama.
Menurut Jiandi [12] data yang dimiliki harus disusun menjadi sebuah tabel berdasarkan kasus dan jumlah responden sebelum dilakukan perhitungan untuk mencari nilai entropy dan gain.
ܧ݊ݐݎݕ(ܵ) = ∑ୀ−݅∗logଶ݅ (1)
Rumus (1) merupakan rumus yang digunakan dalam perhitungan entropy yang digunakan untuk menentukan seberapa informatif atribut tersebut. Berikut keterangannya [10]:
ܵ : Himpunan kasus
݊ : Jumlah partisi ܵ
݅ : Jumlah kasus pada partisi ke-i
ܩܽ݅݊(ܵ, ܣ) = ܧ݊ݐݎݕ(ܵ) − ∑ୀଵ|ௌ||ௌ| ∗ ܧ݊ݐݎݕ(ܵ݅) (2) Rumus (2) merupakan rumus yang digunakan dalam perhitungan gain setelah melakukan perhitungan entropy. Berikut keterangannya [10]:
ܵ : Himpunan kasus
݊ : Jumlah partisi atribut A
|ܵ݅| : Jumlah kasus pada partisi ke-i
|ܵ| : Jumlah kasus dalam ܵ
Dengan mengetahui rumus–rumus diatas, data yang telah diperoleh dapat dimasukkan dan diproses dengan algoritma C4.5 untuk proses pembuatan decision tree.
Gambar Gambar 1 merupakan
pembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atribut dan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.
Selanjutnya akan dilakukan perhitungan
keputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapat dibentuk berdasarkan nilai gain
tertinggi akan terletak pada pr tinggi juga pada pohon keputusan.
2.4 Validasi Silang
Validasi silang merupakan metode dan komparasi terhadap sebuah satu dua bagian, yaitu data training
cross validation [15]. Validasi ini dilakukan dengan cara membagi suatu set data menjadi sepuluh segmen݀1 – ݀10 yang berukuran sama besar dengan cara melakukan pengacakan data.
Kemudian ݀1 akan digunakan terlebih dahulu untuk proses menggunakan sisa dari data selain
sisa data selain݀2 digunakan untuk validasi, dan seterusnya. Dengan melakukan validasi seperti ini maka akurasi yang akan didapatkan akan lebih tinggi
Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai baru menggunakan langkah-langkah penelitian
1. Studi Pustaka
Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutan dengan penelitian ini dengan ca
pembelajaran lain. Pada tahapan ini ko
dimatangkan, seperti definisi dari algoritma C4.5 dan penerapannya.
2. Pengumpulan Sampel Data
Gambar 1. Pseudocode Algoritma C4.5 [14]
merupakan pseudocode dari algoritma C4.5 yang berfungsi untuk pembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atribut dan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.
Selanjutnya akan dilakukan perhitungan entropy dan gain untuk menentukan
keputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapat gain yang telah dihitung sebelumnya. Atribut dengan nilai tertinggi akan terletak pada prioritas yang lebih tinggi dan memiliki kedudukan yang lebih tinggi juga pada pohon keputusan.
lidasi silang merupakan metode statistika yang digunakan untuk melakukan evaluasi dan komparasi terhadap sebuah satu set data dengan cara membagikan data tersebut menjadi
data training dan data testing. Salah satu jenis validasi silang adalah
Validasi ini dilakukan dengan cara membagi suatu set data menjadi yang berukuran sama besar dengan cara melakukan pengacakan data.
akan digunakan terlebih dahulu untuk proses training dan dilakukan validasi menggunakan sisa dari data selain݀1. Setelah itu ݀2 akan digunakan untuk training
digunakan untuk validasi, dan seterusnya. Dengan melakukan validasi seperti ini maka akurasi yang akan didapatkan akan lebih tinggi [15].
3. METODE PENELITIAN
Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai baru langkah penelitian sebagai berikut:
Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutan dengan penelitian ini dengan cara membaca e-book, e-journal, serta beberapa referensi pembelajaran lain. Pada tahapan ini konsep-konsep yang dibutuhkan dalam penelitian akan dimatangkan, seperti definisi dari algoritma C4.5 dan penerapannya.
Pengumpulan Sampel Data
dari algoritma C4.5 yang berfungsi untuk pembentukan pohon keputusan. Perhitungan dimulai dari menghitung banyaknya jumlah atribut dan menentukan atribut mana yang akan digunakan sebagai akar dari pohon keputusan.
untuk menentukan leaf dari pohon keputusan tersebut. Setelah semua perhitungan selesai dilakukan, pohon keputusan dapat yang telah dihitung sebelumnya. Atribut dengan nilai gain ioritas yang lebih tinggi dan memiliki kedudukan yang lebih
tatistika yang digunakan untuk melakukan evaluasi embagikan data tersebut menjadi . Salah satu jenis validasi silang adalah ten-fold Validasi ini dilakukan dengan cara membagi suatu set data menjadi yang berukuran sama besar dengan cara melakukan pengacakan data.
dan dilakukan validasi training, sementara digunakan untuk validasi, dan seterusnya. Dengan melakukan validasi seperti
Implementasi algoritma C4.5 untuk prediksi penerimaan calon pegawai baru
Penelitian dimulai dengan mempelajari informasi serta algoritma yang bersangkutan , serta beberapa referensi konsep yang dibutuhkan dalam penelitian akan
100 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
Pada tahap ini proses pengumpulan sampel data akan dilakukan dengan cara meminta data pegawai langsung kepada perusahaan, yakni PT WISE. Data pegawai ini mencakup berbagai macam informasi mulai dari nama, umur, gaji, alamat, dan atribut lain yang kemudian akan diolah menggunakan algoritma C4.5. Jumlah data yang akan digunakan adalah 84 data pegawai lapangan.
3. Analisis Sampel Data
Setelah data-data pegawai didapatkan, dilakukan pemilahan dan perhitungan atribut data sesuai dengan parameter yang telah ditentukan untuk dilakukan perhitungan nilai entropy dan gain untuk mendapatkan gambaran umum dari suatu set data.
4. Perancangan dan Pembangunan Aplikasi
Pada tahap ini, beberapa hal akan ditentukan, yakni prosedur dan proses apa saja yang dapat dilakukan oleh aplikasi, alur proses, serta tampilan dasar aplikasi. Rancangan aplikasi akan direpresentasikan dalam bentuk diagram yang akan menggambarkan alur proses dari aplikasi. Setelah itu barulah aplikasi mulai dibangun menggunakan bahasa pemrograman yang tepat.
5. Uji Coba Aplikasi
Pada tahap ini uji coba akan dilakukan terhadap aplikasi yang sudah dibuat terhadap data-data yang telah dikumpulkan sebelumnya. Pengamatan apakah algoritma C4.5 dapat terimplementasi dengan baik pada sistem serta dapat memiliki tingkat akurasi yang tinggi pada proses prediksi calon pegawai baru juga dilakukan pada tahap ini.
6. Analisis Hasil Aplikasi
Setelah uji coba pada aplikasi berhasil dilakukan, selanjutnya akan dilakukan pengukuran tingkat akurasi prediksi menggunakan validasi silang ten-fold cross validation.
Validasi silang digunakan agar akurasi pengukuran prediksi lebih tepat.
7. Penulisan Laporan
Pada tahap ini akan dilakukan proses pencacatan setiap kegiatan yang dilakukan selama proses penelitian ini berlangsung dan menyalurkan informasi tersebut ke dalam bentuk laporan sebagai bentuk dokumentasi.
4. HASIL DAN PEMBAHASAN
Bagian ini menjelaskan hasil dari pengukuran akurasi aplikasi yang telah dibangun dalam penelitian. Uji coba dilakukan menggunakan data sample sebanyak 84 dan menggunakan metode pengukuran ten fold cross validation. Data tersebut kemudian akan dibagi menjadi 10 buah kelompok data training dan data testing. Setelah itu barulah uji coba untuk mengukur akurasi aplikasi dilakukan.
Analisis yang akan dilakukan pada aplikasi adalah perhitungan tingkat akurasi menggunakan metode 10-fold cross validation, baik akurasi perkluster maupun secara keseluruhan. Uji coba akan dilakukan pada 84 buah sampel data yang ada pada database secara otomatis melalui sistem.
Gambar 2. Hasil Pengukuran Akurasi
Gambar 2 menjabarkan hasil perhitungan dari cross validation yang dilakukan oleh aplikasi. Dapat dilihat hasil perhitungan akurasi untuk tiap kluster dan secara keseluruhan.
Hasil pengukuran akurasi secara keseluruhan adalah 71%. Hasil prediksi tidak mencapai angka 100% karena ada beberapa kasus dimana sampel data masih kurang banyak sehingga hasil prediksi masih bersifat ambigu.
Gambar 3. Hasil Pengukuran Akurasi dengan Tambahan
Dapat dillihat pada Gambar 3 ketika perhitungan dilakukan dengan penambahan tiga sampel data baru, maka perhitungan akurasi meningkat sebanyak 5%. Hal ini berarti beberapa
102 ISSN: 2407-4322
IJCCS Vol. x, No. x, July201x : first_page–end_page
sampel tambahan tersebut dapat memperbaharui pohon sehingga mengurangi tingkat kesalahan prediksi.
5. KESIMPULAN
Implementasi algoritma C4.5 untuk melakukan prediksi terhadap calon pegawai baru pada PT WISE telah berhasil dilakukan. Hasil tingkat keberhasilan prediksi calon pegawai baru di PT WISE secara keseluruhan yang telah diukur menggunakan metode ten-fold cross validation adalah sebesar 71%. Untuk penelitian selanjutnya, sebaiknya dilakukan uji coba menggunakan sampel data yang lebih banyak agar tingkat akurasi aplikasi dapat ditingkatkan.
DAFTAR PUSTAKA
[1] IGI Global Dictionary, 2015, What is Information Gain, http://www.igiglobal.com/dictionary/information-gain/14407/, diakses tgl 10 Desember 2015.
[2] Jiandi, R., 2016, Implementasi Algoritma C4.5 untuk Prediksi Potensi Mahasiswa Sebagai Pengurus Organisasi Menggunakan Data Hasil PAPI KOSTICK (Studi Kasus:
Universitas Multimedia Nusantara), Universitas Multimedia Nusantara, Tangerang.
[3] Jefri, 2013, Implementasi Algoritma C4.5 Dalam Aplikasi untuk Memprediksi Jumlah Mahasiswa yang Mengulang Mata Kuliah STMIK Yogyakarta, STMIK AMIKOM, Yogyakarta.
[4] Kumara, R. dan Supriyanto, C., 2015, Klasifikasi Data Mining untuk Penerimaan Seleksi Calon Pegawai Negeri Sipil 2014 Menggunakan Algoritma Decision Tree C4.5, Universitas Dian Nuswantoro, Jawa Tengah.
[5] Mengkepe, E., 2004, Sistem Pendukung Keputusan Pemberian Kredit Mobil PT. Astra International tbk., Isuzu Division Makassar, Universitas Widyatama, Bandung.
[6] Putri, S. U., 2015, Implementasi Metode C4.5 untuk Menentukan Guru Terbaik pada SMK 1 Percut Sei Tuan Medan, STMIK Budi Darma, Medan.
[7] HSSINA, B., dkk., 2014, A Comparative Study of Decision Tree ID3 and C4.5, Sultan Moulay Slimane University, Morocco.
[8] Raditya, A.,2012, Implementasi Data Mining Classification untuk Mencari Pola Prediksi Hujan dengan Menggunakan Algoritma C4.5, Universitas Gunadarma, Depok.
[9] Sulistiyani, T. dan Ambar, R., 2003, Manajemen Sumber Daya Manusia, Graha Ilmu, Yogyakarta.
[10] Slamet, A.,2007, Manajemen Sumber Daya Manusia, Universitas Negeri Semarang, Semarang.
[11] Tjahyono, A. dan Anggara, A. M., 2010, Sistem Pendukung Keputusan Penerimaan Pegawai Baru pada PT. Kanasritex Semarang, Techno.com, Vol. 9 No.3.
[12] Marwana, 2014, Algoritma C4.5 untuk Simulasi Prediksi Kemenangan Dalam Pertandingan Sepakbola, STIMED, Nusa Palapa, Makassar.
[13] Triisant, 2015, Pohon Keputusan dengan Algoritma C4.5, http://dokumen.tips/documents/algoritma-c45.html, Diakses tgl 21 Maret 2016.
[14] Ruggieri, S., 2002, Efficient C4.5, IEEE Transaction on Knowledge and Data Engineering 14(2), hal.438-444.
[15] Refaeilzadeh, P., Tang, L.,dan Liu, H., 2009, Cross-Validation, Encyclopedia of Database Systems, hal.532-538.
104 ISSN: 1978-1520
Analisis Pengaruh Penggunaan Internet Terhadap Minat Belajar Mahasiswa
(Studi Kasus:Perguruan Tinggi di Kota Palembang)
Desi Pibriana*1, Desy Iba Ricoida2
1,2STMIK GI MDP; Jalan Rajawali No 14 Palembang
12Program StudiSistem Informasi
e-mail: *1[email protected],2[email protected]
Abstrak
Pemanfaatan Teknologi informasi pada perguruan tinggi diharapkan dapat meningkatkan kualitas pembelajaran mahasiswa antara lain dengan memberikan kemudahan akses internet sehingga mahasiswa dapat dengan mudah mendapatkan informasi dari situs- situs online. Akan tetapi pemanfaatan internet sering disalahgunakan dengan tidak menggunakannya guna menunjang pembelajaran sebaliknya digunakan untuk mengakses media jejaring online dan main game. Berdasarkan hal tersebut maka diperlukan pengujian untuk mengetahui bagaimana pengaruh dari penggunaan internet terhadap minat belajar mahasiswa pada Perguruan Tinggi yang ada di Kota Palembang dengan menggunakan konsep Model TRA (Theory of Reasoned Action). Metode analisis pada penelitian ini dilakukan dengan menggunakan metode Structural Equation Modeling (SEM) dengan bantuan software AMOS 22. Hasil dari penelitian ini terlihat bahwa norma subjektif tidak memiliki pengaruh terhadap minat belajar mahasiswa sementara perilaku penggunaan Internet memiliki pengaruh terhadap minat belajar mahasiswa. Hal ini dapat memberikan masukan bagi perguruan tinggi untuk memaksimalkan penggunaan internet guna mendukung minat belajar mahasiswa.
Kata kunci: Mahasiswa, Minat, Theory of Reasoned Action, TRA, Structural Equation Modeling.
Abstract
Information Technology in higher education are expected to be used to improve the quality of student in learning, such as facilitating student to access the Internet easily by making it easy to get the information from online sites. However, Internet is often misused by student, they are using it to access social media and gamesinstead of support their learning process.
Based on this fact, we need to evaluate how Internet usage can affect students learning interest and behavior in Palembang by using the concept of Theory Reasoned Action (TRA) Model.
Structural Equation Modeling (SEM) with software AMOS 22 is used to analyze this problem.
The result of this study show that the subjective norm have no effect on student interest on learning while Internet Usage behavior has. Based on this result, it can provide an input for universities to maximize Internet usage to support student interest on learning.
Keyword: Student, Interest, Behaviour, Theory of Reasoned Action, TRA, Structural Equation Modeling.
1. PENDAHULUAN
Perkembangan teknologi khususnya pada teknologi jaringan Internet saat ini secara tidak langsung telah mengubah paradigma masyarakat dalam mendapatkan informasi dan komunikasi. Salah satu bidang yang sangat membutuhkan teknologi Internet ini adalah dunia pendidikan, khususnya perguruan tinggi dimana Internet dapat menjadi salah satu sumber belajar yang dapat dimanfaatkan oleh mahasiswa.
Beberapa Perguruan Tinggi yang ada di Kota Palembang telah memanfaatkan teknologi internet dalam proses pembelajaran yang dilakukan antara lain dengan membuat sistem informasi akademik secara online, pemanfaatan sistem informasi akademik secara online juga diikuti dengan memberikan fasilitas akses jaringan internet sehingga mahasiswa dapat bebas mengakses internet kapanpun dan dimanapun di area gedung kampus.
Berdasarkan wawancara dan pengamatan yang dilakukan, mahasiswa menggunakan Internet di lingkungan kampus untuk berbagai keperluan termasuk dalam hal pembelajaran, tetapi tidak sedikit mahasiswa yang menggunakan Internet untuk kepentingan pribadi seperti bermain games dan membuka situs-situs yang tidak memiliki hubungan dengan pembelajaran.
Seringkali juga ditemukan bahwa mahasiswa menyalin tugas dari Internet dan tidak dapat menjelaskan maksud dari tugas yang diperolehnya dari Internet. Hal ini menunjukkan bahwa mahasiswa tidak memahami materi dan informasi yang didapatkan dari Internet dengan baik.
Kehadiran Internet di perguruan tinggi bertujuan untuk menumbuhkan minat belajar mahasiswa jika digunakan dengan tepat agar prestasi mahasiswa dapat meningkat. Berdasarkan hal tersebut diperlukan pengujian apakah Internet dapat mempengaruhi minat belajar mahasiswa. Salah satu pendekatan yang sering digunakan untuk mempelajari perilaku manusia adalah Theory of Reasoned Action (TRA) [1]. TRA dimulai dengan melihat intensi/minat berperilaku sebagai anteseden terdekat dari suatu perilaku. Dipercaya bahwa semakin kuat minat seseorang untuk menampilkan suatu perilaku tertentu, diharapkan semakin berhasil orang tersebut melakukannya [1].
1.1 Internet
Internet adalah alat penghubung antara organisasi dan pelanggannya, sehingga tercipta sebuah organisasi baru secara virtual [2]. Menurut DeFleur & Dennis dalam Zin, Muda, &
Nordin, internet adalah sebuah sistem komputasi di seluruh dunia yang menggunakan sarana umum untuk menghubungkan perangkat keras dan mentransmisikan informasi digital, komunitas orang dengan menggunakan sebuah teknologi komunikasi yang umum dan mendistribusikan sistem informasi secara global [3].
Sehingga dapat disimpulkan Internet memungkinkan satu individu untuk terhubung dengan satu atau lebih individu lainnya baik untuk berkomunikasi, menerima serta menyebarkan informasi.
1.2 Minat Belajar
Minat merupakan suatu keinginan seseorang untuk melakukan suatu perilaku tertentu [4]. Dapat dikatakan bahwa seseorang akan melakukan suatu hal tertentu apabila memiliki kemauan dari dalam diri untuk melakukannya. Salah satu pendukung yang berpengaruh dalam memperoleh prestasi dalam belajar adalah minat belajar. Menurut Djamarah dalam [5] adalah suatu penerimaan akan suatu hubungan antara diri sendiri dengan sesuatu di luar diri. Seseorang memiliki minat terhadap subjek tertentu cenderung untuk memberikan perhatian yang lebih besar terhadap subjek tertentu.
Sementara menurut Slameto (2003) dalam [6] menyatakan bahwa minat adalah suatu rasa lebih suka (senang) dan rasa ketertarikan pada suatu hal atau aktivitas. Penelitian yang dilakukan oleh Wardhani dalam skripsinya mengenai keterhubungan Internet dan minat belajar, disimpulkan dalam skripsinya bahwa pemanfaatan internet sebagai sumber belajar merupakan faktor yang berasal dari luar diri siswa sedangkan minat belajar merupakan faktor yang berasal
ISSN: 1978-1520 106
dari dalam diri siswa. Keduanya berpengaruh secara tidak langsung terhadap peningkatan belajar siswa [6]
1.3 Theory of Reasoned Action(TRA)
Teori tindakan beralasan (Theory of Reasoned Action) merupakan teori yang menjelaskan tahapan-tahapan manusia melakukan perilaku. Pada tahap awal, perilaku (behavior) diasumsikan ditentukan oleh minat (intention). Pada tahap berikutnya niat dapat dijelaskan dalam bentuk sikap-sikap terhadap perilaku (attitudes towards the behavior) dan norma-norma subyektif (subjective norm). Tahap-tahap ketiga dipertimbangkan sikap-sikap (attitudes) dan norma-norma subjektif (subjective norm) dalam bentuk kepercayaan tentang konsekuensi melakukan perilakunya dan tentang ekspektasi normatif dari orang yang direferensi (referent) yang relevan [6].
Anis Fakhrunnisa menyatakan bahwa Model TRA ini menunjukkan bahwa sikap (attitude) seseorang, misalnya sikap terhadap belajar, digabungkan dengan norma-norma subjektif (subjective norm), misalnya kepercayaan-kepercayaan orang lain terhadap belajar, akan mempengaruhi minat (behavioral intention) terhadap belajar dan pada akhirnya akan menentukan seseorang untuk belajar atau tidak (behavioral) [7].
1.4 Penelitian Terdahulu
Berikut ini penelitian-penelitian terdahulu yang memiliki relevansi dengan penelitian yang dilakukan.
1.4.1 Penelitian I Made Agus Ana Widiatmika dan Dana Indra Sensuse
Penelitian yang berjudul “Pengembangan Model Penerimaan Teknologi Internet Oleh Pelajar Dengan Menggunakan Konsep Technology Acceptance Model (TAM)” oleh Widiatmika & Sensuse [8], menyatakan bahwa Technology Acceptance Model (TAM)” yang diusulkan secara umum dapat dijadikan sebagai model penerimaan teknologi internet oleh pelajar khususnya pelajar sekolah menengah atas dengan fasilitas dan kondisi yang memenuhi.
Model TAM pada penelitian ini menggunakan 9 variabel laten dengan 33 buah indikator sebagai variabel manifes.
Hasil penelitian ini menunjukkan bahwa 15 hipotesa yang diajukan dapat diterima dan memberikan pengaruh positif terhadap manfaat yang dirasakan oleh pelajar dan juga memberikan pengaruh positif terhadap tingkah laku atau kebiasaan pelajar dalam menggunakan internet. Sikap atau tingkah laku pelajar dalam menggunakan internet seperti rasa senang yang diperoleh akan memberikan dampak positif pada peningkatan keinginan untuk menggunakan internet dan mendorong pelajar untuk selalu ingin mencoba berinternet yang tentunya akan berpengaruh positif terhadap semakin lamanya waktu yang dihabiskan oleh pelajar untuk berinternet.
Dorongan pelajar untuk selalu ingin mencoba berinternet yang berpengaruh positif terhadap lamanya waktu yang dihabiskan untuk berinternet. Melalui penelitian ini diambil variabel penggunaan internet (attitude toward using) sebagai indikator untuk mengukur sikap penggunaan internet dan perhatian untuk menggunakan internet (behavioral intention to use) sebagai indikator minat belajar. Sikap penggunaan ini akan dihubungkan dengan minat belajar mahasiswa. Minat belajar mahasiswa ini akhirnya akan dihubungkan dengan perilaku belajar mahasiswa.
1.4.2 Penelitian Astutik Nur Qomariyah
Berdasarkan penelitian yang telah dilakukan oleh A.N Qomariyah [9] yang berjudul
“Perilaku Penggunaan Internet pada Kalangan Remaja di Perkotaan” menyimpulkan bahwa usia responden pertama kali mengenal dan menggunakan internet adalah 12 tahun. Berdasarkan aspek intensitas penggunaan internet, sebagian besar remaja perkotaan lebih sering mengakses
