UPI YPTK Jurnal KomTekInfo Vol. 4, No. 2, Desember 2017, Hal ISSN : Copyright 2017 by LPPM UPI YPTK Padang

253

PENERAPAN CASE BASED REASONING DENGAN ALGORITMA NEAREST NEIGHBOR

UNTUK PT.TELKOM AKSES

ILham Rabbil 1) _{, Shary Armonitha Lusinia} 2) _{, Rima Liana Gema} 3) Teknik Informatika, Sumatera Barat,

Universitas Putra Indonesia “YPTK” Padang 1) E-Mail : ilhamtaka95@gmail.com

2) E-Mail : sharyarmonitha@upiyptk.ac.id 3) E-Mail: rimalianagema@upiyptk.ac.id

ABSTRAK

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 pendukung keputusan dapat diimplementasikan pada berbagai macam aplikasi untuk memecahkan banyak permasalahan di beberapa bidang. Salah satu metode yang digunakan dari Decision support adalah Case-Based Reasoning. Metode Case-Based Reasoning digunakan untuk menemukan kesamaan objek dengan objek lain, sehingga dalam mendapatkan hasil kemiripannya dengan tingkat objek. Dengan menggunakan metode sistem pendukung keputusan Proses Penalaran Berbasis Kasus untuk pemilihan karyawan pada PT.Telkom Akses dapat dilakukan secara efisien dan menghemat waktu dan dapat membantu para staff mengelola data.

Kata kunci: algoritma nearest neighbor, Case-Based Reasoning, Pendukung

keputusan

1. PENDAHULUAN

Sumber daya manusia/aparatur merupakan factor yang sangat berperan dalam suatu organisasi atau pemerintahan dalam memberikan pelayanan kepada publik (Baedhowi, 2007). Organisasi adalah sistem saling mempengaruhi antar orang dalam kelompok bekerjasama untuk mencapai sebuah tujuan. Dalam mencapai tujuan tersebut dibutuhkan tiga pilar berfungsinya organisasi adalah adanya visi dan misi, struktur organisasi dan sumber daya manusia. Salah satu elemen yang penting dari upaya untuk membangun pilar organisasi agar dapat berfungsi dengan baik yaitu pegawai.

Tujuan dari analisis ini adalah menilai mutu kelayakan pegawai baru . Penelitian ini didasarkan adanya kendala didalam proses analisis seleksi yaitu kurang tepat dan cepat hasil analisis yang dilakukan dikarenakan data yang akan dianalisis jumlahnya bisa mencapai puluhan pegawai baru . Penelitian ini bertujuan untuk membantu Staff PT. Telkom dalam melakukan analisis dan seleksi terhadap calon karyawan sehingga bisa diputuskan secara cepat, tepat dan akurat. Metode yang digunakan dalam penelitian ini adalah penerapan Case Based Reasoning dengan algoritma nearest neighbor untuk penentuan karyawan baru.

Case Based Reasoning (CBR) adalah teknik penyelesaian masalah berdasarkan knowledge pengalaman yang lalu, untuk menilai kesamaan antar kasus, dengan mengadaptasikan kasus lama dengan kasus baru sehingga dihasilkan suatu keputusan (Armengol, 2001).

Pemanfaatan Case Based Reasoning pada suatu sistem digunakan sebagai pendukung keputusan untuk penyelesaian masalah. Dengan cara membandingkan kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada kecocokan bobot sejumlah atribut yang ada. Hasil dari penelitian ini adalah sebuah sistem sebagai rekomendasi untuk analisis seleksi

254

karyawan baru melalui penerapan Case Based Reasoning dengan algoritma nearest neighbor berdasarkan kesamaan dari data kasus lama yang sudah berjalan. Berdasarkan masalah ini penulis tertarik mengangkat judul “PENERAPAN CASE BASED REASONING DENGAN ALGORITMA NEAREST NEIGHBOR UNTUK PT.TELKOM AKSES”

2. TINJAUAN PUSTAKA

2.1 Rekayasa Perangkat Lunak

Rekayasa perangkat lunak (software engineering) merupakan pembangunan dengan menggunakan prinsip atau konsep rekayasa dengan tujuan menghasilkan perangkat lunak yang bernilai ekonomi yang dipercaya dan bekerja secara efisien menggunakan mesin [1]

2.2 Sistem Pendukung Keputusan (Decision Support System)

2.2.1 Definisi Masalah

Masalah merupakan sesuatu kondisi yang berpotensi menimbulkan kerugian luar biasa atau menghasilkan keuntungan luar biasa. Tindakan memberi respon terhadap masalah untuk menekan akibat buruknya atau memanfaatkan peluang keuntungannya disebut pemecahan masalah. Pentingnya pemecahan masalah bukan didasarkan pada jumlah waktu yang dihabiskan, tetapi pada konsekuensinya, yaitu apakah pemecahan masalah tersebut bisa menekan sebanyak mungkin kemungkinan kerugian atau memperoleh sebesar mungkin kemungkinan keuntungan (Irsanti, et all , 2015).

2.2.2 Definisi Keputusan

Keputusan adalah pemilihan diantara berbagai alternatif. Definisi ini mengandung tiga pengertian, yaitu :

1. pilihan atas dasar logika atau pertimbangan.

2. beberapa alternatif yang dipilih harus salah satu yang terbaik.

3. tujuan yang ingin dicapai dan keputusan itu semakin mendekatkan pada tujuan tersebut. Adapun yang menyatakan bahwa keputusan adalah pengakhiran dari proses pemikiran tentang suatu masalah dengan menjatuhkan pilihan pada suatu alternatif.

Keputusan itu sendiri merupakan unsur kegiatan yang sangat vital.Jiwa kepemimpinan seseorang itu dapat diketahui dari kemampuan mengatasi masalah dan mengambil keputusan yang tepat.keputusan yang tepat adalah keputusan yang berbobot dan dapat diterima bawahan. Ini biasanya merupakan keseimbangan antara disiplin yang harus ditegakan dan sikap manusiawi terhadap bawahan.Keputusan yang demikian ini juga dinamakan keputusan yang mendasarkan diri pada human relations.( Irsanti, et all , 2015)

2.2.3 Tahap-tahap Pembuatan Keputusan

Dalam mengambil keputusan dilakukan langkah sebagai berikut (Irsanti, et all , 2015) : 1. Identifikasi dan diagnosis masalah

2. Pengumpulan dan analisis data yang relevan. 3. Pengembangan dan evaluasi alternatif

255

4. Pemilihan alternatif terbaik

5. Implementasi keputusan dan evaluasi terhadap hasil.

2.2.4 Definisi Sistem Pendukung Keputusan

Sistem Pendukung Keputusan atau Decision Support System (DSS) biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk suatu peluang. Aplikasi Sistem Pendukung Keputusan (SPK) digunakan dalam pengambilan keputusan. Aplikasi sistem pendukung keputusan menggunakan CBIS (Computer Based Information System) yang fleksibel, interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen spesifikasi yang tidak terstruktur. ( Irsanti, et all , 2015).

Sistem pendukung keputusan merupakan sistem berbasis komputer yang iteratif, yang dapat menyelesaikan masalah-masalah yang tak terstruktur. Sistem pendukung keputusan menggunakan data, memberikan antarmuka pengguna yang mudah, dan dapat menggabungkan pemikiran pengambil keputusan. Sistem pendukung keputusan juga disebut sebagai suatu pendekatan dalam mengambil sebuah keputusan (Sumarlin, 2015).

2.3 Case-Based Reasoning

Case Base Reasoning (CBR) menggunakan pendekatan kecerdasan buatan (Artificial Intelligence) yang menitikberatkan pemecahan masalah dengan didasarkan pada knowledge dari kasus-kasus sebelumnya[2

Case Based Reasoning (CBR) didefenisikan sebagai sebuah metodologi untuk penyelesaian masalah dengan memanfatkan pengalaman sebelumya. CBR merupakan sebuah paradigma utama dalam penalaran otomatis (automated reasoning) dan mesin pembelajaran (machine learning). Di dalam CBR, seseorang yang melakukan penalaran dapat menyelesaikan masalah baru dengan memperhatikan kesamaannya dengan satu atau beberapa penyelesaian dari permasalahan sebelumnya (Mulyana, Sri dan Hartati, Sri, 2009).

Case Based Reasoning (CBR) adalah suatu metode untuk menyelesaikan masalah berdasarkan knowledge pengalaman yang lalu, untuk menilai kesamaan antara kasus, dengan mengadaptasikan kasus lama dengan kasus baru sehingga dihasilkan suatu keputusan (Imama, Chusnul dan Indriyanti, Aries Dwi, 2013).

2.3.1. Proses Case Based Reasoning

Tahapan proses Case Based Reasoning dijelaskan sebagai berikut (Fitri Pauziah Padilah, dkk, 2016) :

1. Proses Retrieve

Proses Retrieve merupakan proses pencarian kemiripan kasus baru dengan kasus yang lama.

2. Proses Reuse

Proses Reuse adalah pengambilan rekomendasi solusi dari hasil pencarian kasus baru dengan kasus lama dengan perhitungan similaritasnya. Pada proses ini menggunakan kembali pengetahuan dan informasi dari hasil retrieve tanpa melakukan perubahan. 3. Proses Revise

Proses Revise adalah proses peninjauan kembali kasus dan solusi yang diberikan jika pada proses retrieve sistem tidak dapat memberikan hasil diagnosa yang tepat.

256

Proses Retain adalah proses untuk menyimpan kembali kedalam sebuah basis kasus. Kasus baru yang telah berhasil mendapatkan solusi agar dapat digunakan oleh kasus-kasus selanjutnya yang mirip dengan kasus-kasus tersebut.

Sumber : Gerhana, Yana Aditia, et al, 2013

Gambar 2.8 Siklus Case Based Reasoning

2.4 Unified Modeling Language

Pada perkembangan teknologi perangakt lunak, diperlukan adanya bahasa yang digunakan untuk memodelkan perangkat lunak yang akan dibuat dan perlu adanya standarisasi agar orang diberbagai negara dapat mengerti pemodelan perangkat lunak. Seperti yang kita ketahui bahwa menyatukan banyak kepala untuk menceritakan sebuah ide dengan tujuan untuk memahami hal yang sama tidaklah mudah, oleh karena itu diperlukan sebuah bahwa pemodelan perangkat lunak yang dapat dimengerti oleh banyak orang (A.S, Rosa dan Shalahuddin, M , 2013).

2.5 Algoritma Nearest Neighbor

Algoritma Nearest Neighbor merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Data pembelajaran diproyeksikan ke ruang dimensi banyak, dimana masing-masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian berdasarkan klasifikasi data pembelajaran. Nilai k yang terbaik untuk algoritma ini tergantung pada data, secara umumnya, nilai k yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara setiap klasifikasi menjadi lebih kabur (Sumarlin, 2015).

Teknik Retrieval dalam proses CBR adalah teknik algoritma Nearest Neighbor dimana dengan menggunakan teknik ini sistem dapat membandingkan fitur dan sub fitur kasus baru dengan kasus lama yang ada dibasis kasus, yang selanjutnya perbandingan tersebut dihitung dengan menggunakan fungsi similaritas (Padilah, Fitri Pauziah, dkk., 2016) .

257

2.6.1 Website

Website adalah sekumpulan halaman informasi yang disediakan melalui jalur internet sehingga bisa diakses di seluruh dunia selama terkoneksi dengan jaringan internet. Website merupakan sebuah komponen yang terdiri dari teks, gambar, suara animasi sehingga menjadi media informasi yang menarik untuk dikunjungi oleh orang lain. Bisa dipahami bahwa devenisi website secara sederhana adalah informasi apa saja yang bisa diakses dengan menggunakan koneksi jaringan internet (Mandala, Eka Praja Wiyata, 2015).

Sebuah website biasanya ditempatkan setidaknya pada sebuah server web yang dapat diakses melalui jaringan seperti internet, ataupun Local Area Network (LAN) melalui alamat internet yang dikenali sebagai URL (Uniform Resource Locator). Gabungan atas semua situs yang dapat diakses publik di internet disebut pula sebagai World Wide Web atau lebih dikenal dengan singkatan WWW (Mandala, Eka Praja Wiyata, 2015).

2.7 Bahasa Pemograman PHP 2.7.1 Definisi PHP

Hypertext Prepocessor (PHP) adalah bahasa skrip yang dapat ditanamkan atau disisipkan kedalam HTMLA. PHP banyak dipakai untuk membuat situs web dinamis. PHP dapat digunakan untuk membangun sebuah CMS (Content Management System) (Mandala, Eka Praja Wiyata, 2015).

3. METODOLOGI PENELITIAN

Bagian ini membahas mengenai objek penelitian serta metode penelitian bagaimana langkah-langkah penelitian dilakukan. Dengan studi kasus pemilihan karyawan baru.

Dalam penelitian diawali dengan observasi, melakukan pengamatan terhadap data yang diteliti, melakukan interview dengan para staff, mengumpulkan semua bahan yang didapat dari jurnal di internet maupun buku-buku mengenai rekayasa perangkat lunak ini kemudian diringkas guna menyelesaikan penyusunan tugas akhir ini.

258

4. ANALISA DAN PERANCANGAN

4.1 Analisa Data

Analisa data merupakan tahap untuk melakukan penganalisaan terhadap data-data yang dibutuhkan untuk perancangan sistem yang akan dibuat, dalam hal ini penulis mengambil data melalui literature-literature yang berhubungan dengan tema penelitian, untuk mencari informasi menyusun teori-teori yang berhubungan dengan pembahasan sehingga terjadi perpaduan yang komplek antara yang satu dengan yang lainnya.

Berikut adalah salah satu contoh perhitungan penilaian pada data pelamar calon karyawan pada PT.Telkom Akses.

Tabel 4.1 Contoh Data Pelamar

No Nama Alamat Tempat/Tgl Lahir Usia (Thn) Pendidikan 1 A 23 S1 2 B 27 S1 3 C 25 D3

Untuk memperoleh nilai total keseluruhan yaitu dengan cara menjumlahkan rata-rata penilaian wawancara dengan rata-rata penilaian psikotest.

Total : 11,90 + 24.05 = 35,95

Berikut penjelasan atribut yang digunakan untuk total penilaian :

259

Nilai Kinerja Keterangan 36 – 40 Baik Sekali 30 – 35 Baik 25 – 30 Cukup

< 25 Kurang

Tabel 4.5 Formulir Rekapitulasi Penilaian Kinerja Rata-rata Penilaian Wawancara 11,90 Rata-rata Penilaian Psikotest 24,05

Total 35,95

Sebutan Tiga Baik ( baik )

Untuk Usia dilihat pada daftar riwayat hidup singkat yang diserahkan oleh pelamar kepada staf persyaratan administrasi Berikut penjelasan atribut yang digunakan untuk rentang usia :

Tabel 4.8 Aturan Penilaian Lulus Calon Karyawan

JIKA Nilai Total Sangat Baik dan Rntang Usia Sangat Baik Maka Keterangan Lulus JIKA Nilai Total Sangat Baik dan Rentang Usia Baik Maka Keterangan Lulus JIKA Nilai Total Baik dan Rentang Sangat Baik Maka Keterangan Lulus JIKA Nilai Total Baik dan Rentang Baik Maka Keterangan Lulus

Selain dari aturan diatas maka pelamar tersebut dianggap tidak lulus untuk jadi calon karyawan.

Tabel 4.9 Penilaian Total rekapitulasi

penilaian

35,95 Baik

Rentang Usia 23 Tahun Baik Sekali Dinilai Tiga Lulusaik )

Pada tabel dibawah ini merupakan data dari pelamar yang digunakan untuk melakukan percobaan perhitungan manual.

Pada tabel diatas pelamar B keterangan Tidak Lulus karena Total Nilai Wawancara dan Nilai psikotest 11,90 + 17,55 = 29,45

260

4.1.1 Analisa Proses

Tahapan analisa proses dilakukan dengan menggunakan metode Case Based Reasoning (CBR) serta menerapkan algoritma Nearest Neighbour. Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada.Sebagai contoh, berikut merupakan data calon karyawan yang akan diproses.

Tabel 4.16 Bobot Wawancara

Penilaian Bobot

Nilai >11,25 5

9.75 > Nilai < 11,25 3

Nilai < 9.75 1

Tabel 4.17 Bobot Psikotest

Penilaian Bobot

Nilai > 17,5 5

10,5 > Nilai < 17,5 3

Nilai < 10,5 1

Tabel 4.18 Bobot Usia

Lama masa kerja Bobot

<23 Tahun 5

23 Tahun – 25 Tahun 3 26Tahun – 28 Tahun 1

Menghitung kuadrat jarak euclid(euclidean distance)

D1,D4=√(𝐷41 − 𝐷11)2_{+ (𝐷42 − 𝐷12)}2_{+ (𝐷43 − 𝐷13)}2 D1,D4=√(5 − 5)2_{+ (5 − 5)}2_{+ (5 − 3)}2 D1,D4=√(0)2_{+ (0)}2_{+ (2)}2 D1,D4=√0 + 0 + 4 D1,D4=√4 D1,D4=2

261

D2,D4=√(𝐷41 − 𝐷21)2_{+ (𝐷42 − 𝐷22)}2_{+ (𝐷43 − 𝐷23)}2 D2,D4=√(5 − 5)2_{+ (5 − 5)}2_{+ (5 − 1)}2 D2,D4=√(0)2_{+ (0)}2_{+ (4)}2 D2,D4=√0 + 0 + 16 D2,D4=√16 D2,D4=4 D3,D4=√(𝐷41 − 𝐷31)2_{+ (𝐷42 − 𝐷32)}2_{+ (𝐷43 − 𝐷33)}2 D3,D4=√(5 − 5)2_{+ (5 − 5)}2_{+ (5 − 3)}2 D3,D4=√(0)2_{+ (0)}2_{+ (2)}2 D3,D4=√0 + 0 + 4 D3,D4=√4 D3,D4=2

Tabel4.20 Hasil Perhitungan Kuadrat Jarak Euclid

No Nama Distance

1 D1,D4 2

2 D2,D4 4

3 D3,D4 2

Mengurutkan objek-objek tersebut ke dalam kelompok yang mempunyai jarak euclidian terkecil.

Tabel 4.21 Urutan Jarak Terkecil

No Nama Distance

1 D1,D10 2

2 D3,D4 2

3 D2,D4 4

Dari hasil pengurutan data berdasarkan nilai jarak,diambil sejumlah nilai K, yaitu data teratas(nilai jarak paling kecil).Maka di peroleh hasil seperti yang dapat dilihat pada tabel 4.9

Tabel 4.22 Nilai Jarak Paling Kecil

No Nama Distance Keterangan

1 D1,D4 2 Lulus

2 D3,D4 2 Lulus

3 D2,D4 4 Tidak Lulus

Setelah didapatkan hasil keteranganlulusdibandingkan jumlahnya, maka diperoleh hasil keputusan bahwa pelamar D lulus untuk jadi kandidat karyawan

4.2 Perancangan 4.2.1 Perancangan Model

Aplikasi ini dirancang menggunakan alat bantu berupa UML (Unified Modelling Language) agar mempermudah memindahkan konsep sistem yang dirancang ke dalam bentuk program.

262

5.1 Implementasi

Tahap implementasi system (System Implementation) adalah tahap meletakan systemsupaya siap dioperasikan. Dalam menjalankan kegiatan implementasi perlu dilakukan beberapa hal yaitu : menerapkan rencana implementasi (implementation plan). Merupakan kegiatan awal dari tahap implementasi sistem, rencanaimplementasi dimaksudkan terutama untuk mengatur biaya dan waktu yangdibutuhkan, kegiatan implementasi dilakukan dengan dasar kegiatan yang telahdirencanakan dalam rencana implementasi. Tindak lanjut implementasi dilakukan dengan pengetesan penerimaan sistem (system acceptable test) terhadap data yang sesungguhnya dalam jangka waktu tertentu yang dilakukan bersama-sama dengan user.Kegiatan implementasi dilakukan dengan dasar kegiatan yang telah direncanakan dalam kegiatan implementasi antara lain :pemilihan dan pelatihan user, pemilihan tempat, dan instalasi hardware dan software, pengetesan program, pengetesan sistem dan konversi sistem.

5.2.2 Pengujian Interface

Pengujian kinerja sistem penunjang keputusan secara langsung dapat kita lihat pada gambar berikut:

A. Halaman Login

Halaman Login merupakan tampilan untuk admin login menuju halaman admin .Untuk lebih jelasnya lihat pada gambar 5.12 berikut ini:

Gambar 5.12 Halaman Login

B. Halaman Admin

Halaman admin ini menampilkan home, dan kelola data.Dengan begitu dapat memudahkan untuk memilih menu yang mereka ingin gunakan. halaman adminakan muncul seperti pada gambar 5.13berikut ini:

263

C. Halaman Kelola data Pelamar

Halaman ini menampilkan data pelamar yang dapat diedit ataupun dihapus. halaman kelola data pelamar tersbut dapat dilihatpada gambar 5.14 berikut ini:

Gambar 5.14 Halaman Kelola data Pelamar

Gambar 5.22Laporan Hasil Seleksi

264

6.1 Kesimpulan

Berdasarkan hasil analisis data yang telah dilakukan, maka dapat disimpulkan bahwa: Aplikasi sistem pendukung keputusan dapat ini menentukan pemilihan karyawan pada PT.Telkom Akses, dengan pencocokan bobot pada nilai masing-masing kriteria. dan membandingkan analisis dari pencocokan bobot kasus lama terhadap kasus baru(masing-masing calon pelamar) dibantu Algoritma Nearest Neighbor yang merupakan sama dengan teknik Retrieval pada tahapan case based reasoning dengan cara mencari jarak terkecil(euclidean distance).Sehingga dalam penerimaan karyawan didapat dari perhitungan yang sistematis dan proses pemilihan karyawan dapat dilaksanakan dengan cepat.

6.2 Keterbatasan Sistem

Sistem Aplikasi pendukung keputusan yang dirancang untuk pemilihan karyawan ini dalam perancangan dan pembangunan berjalan sesuai dengan batasannya sebagai berikut : 1. Aplikasi sistem pendukung keputusan pemilihan karyawan ini diimplementasikan pada

PT.Telkom Akses.

2. Pada aplikasi sistem pendukung keputusan ini hanya dapat digunakan oleh Admin, sedangkan Pimpinan dapat mencetak hasil laporan seleksi dan data pelamar.

3. Informasi pada sistem pendukung keputusan ini terbatas 6.3 Saran

Dari hasil penelitian yang sudah dilakukan, maka penulis dapat memberikan saran-saran sebagai berikut:

1. Bagi para pengambil keputusan jika ingin mendapatkan dukungan keputusan yang akurat terhadap keputusan yang akan diambil maka dapat menggunakan metode CBR dengan algortima nearest neighbor.

2. Untuk peneliti, jika menginginkan pengelolaan suatu data dengan kapasitas yang besar, disarankan untuk mengembangkan perangkat lunak pendukung keputusan yang mengimplementasikan metode CBR dengan algortima nearest neighbor.

3. Bagi peneliti yang akan mengembangkan sistem pendukung keputusan dapat dikembangkan menjadi lebih baikdan lebih bervariasi dengan memakai metode dan lain yang berbeda.

DAFTAR PUSTAKA

A.S,Rosa dan Shalahuddin, M. 2013.Modul Pembelajaran Rekayasa Perangkat Lunak

(TerstrukturdanBerorientasiObjek). Bandung: Informatika.

Budisantoso Totok, Triandaru Sigit. 2006. Bank dan Lembaga Keuangan Lain. Jakarta : Salemba Empat

Imama, Chusnul dan Indriyanti, Aries Dwi, 2013. Penerapan case based reasoning dengan

algoritma nearest neighbor untuk analisis pemberian kredit dilembaga pembiayaan.

Jurnal Manajemen Informatika hal.13. Surabaya : Universitas Surabaya.

Kusrini, 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan Yogyakarta: Andi.

Irsanti Merina TamalaSari, Dita Rizki Amalia, 2015. Sistem pendukung keputusan untuk

menentukan status karyawan kontrak menjadi karyawan tetap menggunakan metode multifactor evaluation process(mfep)

265

Yana Aditia Gerhana1, H.R. Sudanyana2, Tedi Budiman3, 2013.Case-Based Reasoning (Cbr)

Dan PengembanganKemampuan Penyelesaian Masalah. Bandung: Yana

Mandala, Eka Praja Wiyata, 2015.Web Programing Project 1: e.p.w.m forum Yogyakarta: Andi. Mulyana,Sri dan Hartati,Sri . 2009. Tinjauan singkat perkembangan case based

reasoningi.Seminar Nasional Informatikahal. D-17 – D-18. Yogyakarta: Program Studi

Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gajah Mada, Yogyakarta.

OktavianDiar P. 2013.Membuat Website Powerfull Menggunakan PHP.Yogyakarta :Mediakom Padilah, Fitri Pauziah, dkk., 2016. Rekomendasi perancangan anak berkebutuhan khusus pada

sekolah luar biasa negeri citeureup menggunakan case base reasoning dan algoritma nearest neighbors.Proseding SNST hal. 192. Cimahi: JurusanTeknik Informatika,

Universitas Jendral Achmad Yani, Jawa Barat.

Sibero, Alexander F.K., 2013. Web Programing Power Pack . Yogyakarta: Mediakom.

Sumarlin, 2015. Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan

Klasifikasi Penerima Beasiswa PPA dan BBM. Jurnal Sistim Informasi Bisnis hal. 53.

STIKOM Uyelindo, Kupang.

Taswan. 2006. Manajemen Perbankan. Yogyakarta: UPP STIM YPKP

Tim EMS, 2014. Teori dan praktik PHP-MySQL untuk pemula (step by step membangun

aplikasi web berbasis server dengan PHP-MySQL disertai contoh program). Jakarta: PT

Elex Media Komputindo.

Tohari, Hamim. 2013. Analisis Perancangan Sistem Informasi Melalui Pendekatan UML. Yogyakarta :Andi

Wicaksono, Yogi. 2008. Membangun Bisnis Online dengan Mambo. Jakarta: PT. Elex Media Komputindo.