SISTEM PENDUKUNG.KEPUTUSAN SELEKSI KARYAWAN MENGGUNAKAN ALGORITMA.PROFILE MATCHING.SKRIPSI. CHAIRUL REZA

(1)

SISTEM PENDUKUNG.KEPUTUSAN SELEKSI KARYAWAN MENGGUNAKAN ALGORITMA.PROFILE MATCHING

.SKRIPSI.

CHAIRUL REZA 151401024

PROGRAM.STUDI S-1 ILMU.KOMPUTER

FAKULTAS.ILMU.KOMPUTER DAN.TEKNOLOGI.INFORMASI UNIVERSITAS.SUMATERA.UTARA

MEDAN 2021

(2)

SISTEM.PENDUKUNG KEPUTUSAN.SELEKSI KARYAWAN MENGGUNAKAN.ALGORITMA.PROFILE MATCHING

SKRIPSI

Diajukan.untuk.melengkapi tugas.akhir dan.memenuhi.syarat.memperoleh.ijazah Sarjana.S-1 Ilmu.Komputer

CHAIRUL REZA 151401024

PROGRAM.STUDI S-1.ILMU.KOMPUTER

FAKULTAS.ILMU KOMPUTER.DAN TEKNOLOGI.INFORMASI UNIVERSITAS.SUMATERA.UTARA

.MEDAN.

2021

(3)

ii

(4)

PERNYATAAN

SISTEM PENDUKUNG.KEPUTUSAN.SELEKSI.KARYAWAN MENGGUNAKAN.ALGORITMA.PROFILE.MATCHING

SKRIPSI

Saya dengan ini menyatakan.bahwa skripsi ini.adalah karya saya.sendiri, dengan pengecualian beberapa kutipan dan.ringkasan yang.masing-masing.telah.dikutip.

Medan, 2021

Chairul Reza 151401024

(5)

iv

PENGHARGAAN

Puji serta syukur kehadirat Allah SWT yang sudah mencurahkan rahmat dan hidayah-Nya, sehingga penulis dapat merampungkan penyusunan skripsi ini menjadi syarat untuk memperoleh gelar Sarjana Komputer pada Program Studi S-1 Ilmu

Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi Univeristas Sumatera Utara.

Dengan segala kerendahan hati yang tulus, penulis ingin memberikan rasa hormat dan terimakasih yang sebesar-besarnya kepada seluruh pihak yang telah membantu dalam penyelesaian skripsi ini. Penulis mengucapkan terimakasih kepada :

1. Bapak Dr. Muryanto Amin, S.Sos., M.Si selaku Rektor Universitas Sumatera Utara.

2. Ibu Dr. Maya Silvi Lydia B.Sc., M.Sc. selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

3. Ibu Amalia ST., M.T. selaku Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing Akademik yang telah memberi arahan selama masa perkuliahan.

4. Ibu Sri Melvani Hardi, S.Kom., M.Kom selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing II.

5. Bapak Dr. Syahril Efendi, S.Si., M.IT selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, dan motivasi kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Herriyance, S.T., M.Kom. selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan motivasi kepada penulis dalam pengerjaan skripsi ini.

(6)

7. Seluruh dosen dan staf pegawai Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

8. Kedua orangtua penulis tercinta beserta adik-adik.

9. Teman-teman seperjuangan sekaligus sahabat semasa kuliah yang selama ini Muntaqim Asbuch, Yogi Irhandi Simamora, Defri Muhammad Chan, Fahri Nabasyah telah menjadi tempat berbagi suka dan duka, yang telah memberikan motivasi, hiburan, dan dukungan yang tak ternilai kepada penulis.

10. Teman-Teman Meuligoe Kupi Atjeh Binjai.

11. Teman-Teman Stambuk 2015 Terkhusus KOM C 2015 yang menjadi pengingat dan memberikan motivasi kepada penulis.

12. Dan semua pihak yang membantu secara langsung maupun tidak langsung yang telah banyak membantu yang tidak bisa disebutkan satu- persatu. Semoga semua kebaikan, bantuan, perhatian, serta dukungan yang telah diberikan kepada penulis mendapatkan berkat yang melimpah dari Allah SWT.

Medan, November 2021

Penulis

(7)

vi

ABSTRAK

“

Proses rekrutmen adalah upaya pencarian ataupun penarikan tenaga kerja bagi suatu Perusahaan juga Lembaga buat mengisi lowongan yang tersedia. Sebagai proses awal pada perekrutan, yang perlu diperhatikan merupakan proses perencanaannya. PT Biwa Biner Digit adalah perusahaan yang bergerak pada Software Development dan pembuatan aplikasi berbasis Web & Mobile yang berorientasi menggunakan permasalahaan ataupun kebutuhan customer yang diinginkan. Semenjak didirikan PT Biwa Biner Digit melakukan rekrutmen calon programmer dan calon pekerja pada setiap devisi. Hingga sekarang rekrutmen dilakukan secara tradisional melalui tahapan pengujian dan hasil pengujian dilakukan secara penilaian manual. Untuk mempermudah pihak perusahaan pada melakukan proses seleksi tenaga kerja, maka dibutuhkan suatu sistem pendukung dalam pengambilan keputusan. Sistem pendukung pengambilan keputusan ini merupakan salah satu bagian dari cabang Ilmu Komputer yaitu Decision Support System. Dalam suatu system pengambilan keputusan diperlukan sebuah Algoritma untuk mendapatkan keputusan yang tepat. Salah satu Algoritma yang dapat diimplementasikan pada sistem ini yaitu Algoritma Profile Matching. Pada Penelitian ini terdapat tiga aspek penilaian yaitu kecerdasan, wawancara dan sikap kerja. Setiap aspek kerja tersebut terdapat 2 kriteria penilaian core factor dan 2 kriteria secondary factor. Hasil dari penelitian ini menunjukkan bahwa sistem pendukung keputusan dengan menggunakan algoritma profile matching sangat tepat diterapkan dalam proses rekrutmen karyawan pada PT Biwa Biner Digit.”

Kata Kunci: Decision Support System, Profile Matching, Core Factor, Secondary Factor.

(8)

DECISION SUPPORT SYSTEM FOR EMPLOYEE SELECTION USING PROFILE MATCHING ALGORITHM

ABSTRACT

“

The recruitment process is an effort to find or attract workers for a company or institution to fill available vacancies. As the initial process of recruitment, what needs to be considered is the planning process. PT Biwa Biner Digit is a company engaged in Software Development and making Web & Mobile-based applications that are oriented to using problems or desired customer needs. Since its establishment, PT Biwa Biner Digit has recruited prospective programmers and prospective workers in each division. Until now, recruitment is done traditionally through the testing phase and the test results are carried out manually. To make it easier for the company to carry out the labor selection process, a support system is needed in decision making. This decision support system is one part of the branch of Computer Science, namely the Decision Support System. In a decision-making system, an algorithm is needed to get the right decision. One of the algorithms that can be implemented in this system is the Profile Matching Algorithm. In this study, there are three aspects of assessment, namely intelligence, interviews and work attitudes. For each work aspect, there are 2 core factor assessment criteria and 2 secondary factor criteria.

The results of this study indicate that a decision support system using a profile matching algorithm is very appropriate to be applied in the employee recruitment process at PT Biwa Biner Digit.”

Keyword: Decision Support System, Profile Matching, Core Factor, Secondary Factor

(9)

viii

DAFTAR ISI

halaman

PERSETUJUAN. ... ii

PERNYATAAN ... iii

ABSTRAK ... vi

ABSTRACT ... vii

DAFTAR ISI ... viii

DAFTAR TABEL ... xi

DAFTAR GAMBAR ... xiii

DAFTAR LAMPIRAN ... xiv

PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 3

1.3. Batasan Masalah ... 3

1.4. Tujuan Penelitian ... 3

1.5. Manfaat Penelitian ... 4

1.6. Metodologi Penelitian ... 4

LANDASAN TEORI ... 6

2.1. Decision Support System ... 6

2.2. Algoritma iterative Dichotomizes ... 6

Algoritma Simple Additive Weighting ... 8

2.4. Algoritma Profile Matching ... 10

2.5. Persamaan Profile Matching ... 10

2.6. Penelitian Relevan ... 12

ANALISIS DAN PERANCANGAN ... 14

3.1. Analisis Sistem ... 14

3.1.1 Analisis Masalah ... 15

3.1.2 Analisis Kebutuhan ... 15

(10)

3.1.2.1 Kebutuhan Fungsional ... 15

3.1.2.2 Kebutuhan Non-fungsional ... 16

3.2. Arsitektur Umum ... 16

3.3. Pemodelan Sistem ... 17

3.3.1. Use Case Diagram ... 17

3.3.2. Activity Diagram ... 18

3.3.2.1. Activity Diagram Data Pelamar ... 18

3.3.2.2. Activity Diagram Aspek Penilaian ... 19

3.3.2.3. Activity Diagram Kriteria Penilaian ... 19

3.3.2.4. Activity Diagram Proses Profile Matching ... 20

3.3.2.5. Activity Diagram Hasil Perhitungan ... 21

3.4. Flowchart ... 21

3.4.1. Flowchart Sistem ... 21

3.4.2. Flowchart Algoritma Profile Matching ... 23

3.5. Perancangan Sistem ... 24

3.6. Perancangan Antarmuka ... 27

3.6.1. Halaman Login ... 27

3.6.2. Halaman Dashboard ... 29

3.6.3. Halaman Data Pelamar ... 29

3.6.4. Halaman Aspek Penilaian ... 30

3.6.5. Halaman Kriteria Penilaian ... 31

3.6.6. Halaman Proses Profile Matching ... 32

3.6.7. Halaman Hasil Perhitungan ... 33

IMPLEMENTASI DAN PENGUJIAN ... 35

4.1. Implementasi Sistem ... 35

4.1.1. Detail Kebutuhan Perangkat Keras ... 35

4.1.2. Detail Kebutuhan Perangkat Lunak ... 35

4.2. Implementasi Sistem Pengambilan Keputusan ... 35

4.2.1. Halaman Login ... 36

4.2.2. Halaman Dashboard ... 36

4.2.3. Halaman Data Pelamar ... 37

4.2.4. Halaman Aspek Penilaian ... 38

(11)

x

4.2.5. Halaman Kriteria Penilaian ... 38

4.2.6. Halaman Proses Profile Matching ... 39

4.2.7. Halaman Hasil Perhitungan ... 40

4.2.8. Halaman Ganti Password ... 40

4.3. Pengujian ... 41

4.3.1. Data Input Aspek Penilaian ... 41

4.3.2. Pemetaan nilai gap ... 43

4.3.3. Pembobotan nilai gap ... 46

4.3.4. Perhitungan Nilai Factor ... 48

4.3.5. Perhitungan Nilai Total ... 51

4.3.6. Perangkingan ... 53

4.4. Hasil Pengujian ... 53

KESIMPULAN DAN SARAN ... 55

5.1. Kesimpulan ... 55

5.2. Saran ... 55

DAFTAR PUSTAKA ... 56

(12)

DAFTAR TABEL

halaman

Tabel 3.1 Aspek Penilaian ... 24

Tabel 3.2 Kriteria Penilaian ... 24

Tabel 3.3 Data Aspek Penilaian Kecerdasan ... 25

Tabel 3.4 Data Aspek Penilaian Wawancara ... 26

Tabel 3.5 Data Aspek Penilaian Sikap Kerja ... 26

Tabel 3.6 Keterangan Rancangan Halaman Login ... 28

Tabel 3.7 Keterangan Rancangan Halaman Dashboard ... 29

Tabel 3.8 Detail Rancangan Antarmuka Halaman Data Pelamar ... 30

Tabel 3.9 Keterangan Rancangan Antarmuka Halaman Aspek Penilaian ... 31

Tabel 3.10 Detail Rancangan Antarmuka laman Kriteria Penilaian ... 32

Tabel 3.11 Keterangan Rancangan Antarmuka Halaman Proses Profile Matching ... 33

Tabel 3.12 Detail Rancangan Antar muka laman Hasil Perhitungan ... 34

Tabel 4.1 Data input aspek penilaian kecerdasan ... 41

Tabel 4.2 Data input aspek penilaian wawancara ... 42

Tabel 4.3 Data input aspek penilaian sikap kerja ... 43

Tabel 4.4 Nilai Kriteria ... 43

Tabel 4.5 Hasil Pemetaan gap Aspek Penilaian Kecerdasan ... 44

Tabel 4.6 Hasil Pemetaan gap Aspek Penilaian Wawancara ... 44

Tabel 4.7 Hasil Pemetaan gap Aspek Penilaian Sikap Kerja ... 45

Tabel 4.8 Bobot Nilai gap ... 46

Tabel 4.9 Bobot gap Aspek Penilaian Kecerdasan ... 46

Tabel 4.10 Bobot gap Aspek Penilaian Wawancara ... 47

Tabel 4.11 Bobot gap Aspek Penilaian Sikap Kerja ... 47

Tabel 4.12 Persentase nilai factor ... 48

Tabel 4.13 Nilai factor Aspek Penilaian Kecerdasan ... 49

Tabel 4.14 Nilai factor Aspek Penilaian Wawancara ... 50

Tabel 4.15 Nilai factor Aspek Penilaian Sikap Kerja ... 51

Tabel 4.16 Nilai persentase Aspek Penilaian ... 52

(13)

xii

Tabel 4.17 Nilai Total ... 52 Tabel 4.18 Hasil Perankingan Nilai Total ... 53 Tabel 4.19 Hasil Akhir Pengujian Sistem ... 54

(14)

DAFTAR GAMBAR

halaman

Gambar 3.1 Diagram Ishikawa ... 15

Gambar 3.2 Arsitektur Umum ... 16

Gambar 3.3 Use case diagram ... 17

Gambar 3.4 Activity Diagram Data Pelamar ... 18

Gambar 3.5 Activity Diagram Aspek Penilaian ... 19

Gambar 3.6 Activity Diagram Kriteria Penilaian ... 20

Gambar 3.7 Activity Diagram Proses Profile Matching ... 20

Gambar 3.8 Activity Diagram Hasil Perhitungan ... 21

Gambar 3.9 Flowchart Sistem ... 22

Gambar 3.10 Flowchart Algoritma Profile Matching ... 23

Gambar 3.11 Rancangan Halaman Login ... 28

Gambar 3.12 Rancangan Halaman Dashboard ... 29

Gambar 3.13 Rancangan Halaman Data Pelamar ... 30

Gambar 3.14 Rancangan Halaman Aspek Penilaian ... 31

Gambar 3.15 Rancangan Halaman Kriteria Penilaian ... 32

Gambar 3.16 Rancangan Halaman Proses Profile Matching ... 33

Gambar 3.17 Rancangan Laman Hasil Perhitungan ... 34

Gambar 4.1 Tampilan Halaman Login ... 36

Gambar 4.2 Tampilan Halaman Dashboard ... 37

Gambar 4.3 Tampilan Halaman Data Pelamar ... 37

Gambar 4.4 Tampilan Halaman Aspek Penilaian ... 38

Gambar 4.5 Tampilan Halaman Kriteria Penilaian ... 39

Gambar 4.6 Tampilan Halaman Proses Profile Matching ... 39

Gambar 4.7 Tampilan Halaman Hasil Perhitungan ... 40

Gambar 4.8 Tampilan Halaman Ganti Password ... 41

(15)

xiv

DAFTAR LAMPIRAN

halaman

Lampiran 1 Listing Program A-1

Lampiran 2 Curriculum Vitae A-2

Lampiran 3 Surat Riset A-4

(16)

BAB 1 PENDAHULUAN

1.1.Latar Belakang

Semakin berkembangnya kompetensi Sumber daya Manusia dalam merekrut Tenaga Kerja di suatu Perusahaan saat ini, membuat suatu Perusahaan sangat selekftif dalam pemilihan Tenaga kerja dengan berbagai tahapan yang sangat ketat. Beberapa cara telah diterapkan untuk memudahkan Departemen Sumber Daya Manusia (HRD) dalam melakukan seleksi. Sehingga dapat mengurangi kesalahan saat tahap seleksi. Saat ini dilakukan tanpa ada bantuan teknologi dalam tahap seleksi, hanya dengan pengalaman maupun keahlian tertentu yang dimiliki oleh HRD.

“Proses rekrutmen adalah proses mencari atau menarik tenaga kerja ke suatu Perusahaan atau Lembaga buat mengisi posisi yang tersedia. Pada awal perekrutan, yang perlu diperhatikan merupakan proses perencanaan. Perencanaan tadi bertujuan buat mengetahui berapa jumlah sumber daya manusia yang akan diterima oleh lamaran yang masuk, tahap seleksi dilakukan hingga ujian akhir.

Setelah proses selesai, maka langkah selanjutnya adalah pihak Perusahaan akan melaksanakan rekrutmen. Dalam pelaksanaan rekrutmen, Perusahaan telah menyiapkan syarat yang telah ditentukan dalam rangka melengkapi data calon tenaga kerja. Kebutuhan akan data mengenai tenaga kerja menjadikan sesuatu hal yang diperlukan guna memperoleh pekerja yang memiliki kualitas. Serangkaian aktivitas untuk merekrut para pekerja akan memberikan hasil berupa pekerja yang memang benar-benar diperlukan perusahaan. Tenaga kerja yang terampil dapat memberikan bantuan untuk perusahaan guna peningkatan kinerja bisnisnya.

Dengan demikian pekerja dapat melakukan pekerjaannya dengan penuh antusiasme tinggi dan disiplin tinggi yang diharapkan oleh perusahaan. Selain itu, hal ini akan memberikan dampak terhadap peningkatan produktivitas pekerja guna mencapai target perusahaan.

Untuk mempermudah pihak perusahaan dalam melakukan proses rekrutmen, maka dibutuhkan mekanisme dalam mendukung proses penentuan sebuah

(17)

2

keputusan. Didalam mekanisme ataupun sistem pendukung ini merupakan bagian dari cabang Ilmu Komputer yaitu Sistem Pendukung Keputusan.

Berdasarkan apa yang dikemukakan oleh Komalasari (2014) Sistem Pengambilan Keputusan ataupun dalam bahasa inggrisnya adalah Decision Support System (DSS) didesain agar dapat menaikkan mutu serta pemrosesan Output ketika melakukan penentuan keputusan yang diambil, yang mana DSS bisa menggabungkan data-data yang ada & pengetahuan buat menaikkan efisiensi maupun efektivitas didalam rangkaian untuk menentukan keputusan yang diambil tersebut, selain itu Sistem Pengambilan Keputusan pula memberdayakan keahlian individu secara intelek menggunakan keahlian komputer buat menaikkan kualitas keputusan & manajemen ketika melakukan penentuan keputusan serta yang berkaitan atas perkara-perkara yang mendekati perkara terstruktur atau semi terstruktur.

Dalam suatu system pengambilan keputusan diperlukan Algoritma buat menerima keputusan yang diinginkan. Salah satu Algoritma yang bisa diimplementasikan dalam system ini merupakan Algoritma Profile Matching.

“Profile matching ialah proses memperbandingkan diantara keahlian yang dimiliki seseorang ke dalam kapasitas posisi pekerjaan menjadi akibat bisa diketahui disparitas kompetensinya (dianggap sebuah jarak ataupun gap), makin kecil jaraknya yang membuat beban atas hasilnya makin besar yang bermakna mempunyai kesempatan yang lebih besar lagi terhadap sumber daya manusia buat menempati posisi tersebut (Dwijaya, 2010).

PT Biwa Biner Digit adalah perusahaan yang beranjak pada Software Development & pembuatan aplikasi berbasis Web & Mobile yang berorientasi dengan permasalahaan ataupun kebutuhan customer diinginkan. Semenjak didirikan PT Biwa Biner Digit melakukan rekrutmen calon programmer & calon pekerja pada setiap devisi. Hingga sekarang rekrutmen dilakukan secara tradisional melalui tahapan pengujian & hasil pengujian dilakukan secara penilaian manual.

“Berdasarkan penjelasan yang disampaikan pada uraian permasalahan diatas, penulis merasa ada ketertarikan untuk meneliti sebuah penelitian dengan judulnya

(18)

“Pembangunan Sistem Pendukung Keputusan Seleksi Programmer Berbasis Web Menggunakan Algoritma Profile Matching (Studi Kasus PT Biwa Biner Digit)”.

1.2.Rumusan Masalah

Selama ini PT Biwa Biner Digit melakukan proses rekrutmen seseorang programmer secara tradisional yakni hanya memakai metode statistik regresi linear & perhitungan matematis sederhana, Sehingga penulis ingin mengimplementasikan Metode Algoritma Profile Matching dalam rekrutmen calon karyawan dalam bentuk sistem berbasis web pada PT Biwa Biner Digit.

1.3.Batasan Masalah

Agar kajian ini sinkron menggunakan perumusan permasalahan & lebih terarah sesuai kemampuan penulis. Maka Batasan masalah berdasarkan penelitian ini menjadi berikut:

1. Menggunakan metode Profile Matching buat pengklasifikasi pada penelitian ini.

2. Data yang dipakai merupakan data Calon Karyawan yang akan mendaftar menjadi pegawai divisi Programmer di PT Biwa Biner Digit.

3. Data yang dipakai merupakan data persyaratan penerimaan calon karyawan Programmer yang dikeluarkan oleh PT Biwa Biner Digit.

4. Nilai GAP yang digunakan sesuai dengan kebijakan Perusahaan.

5. Data Calon Karyawan yang digunakan menjadi data inputan berjumlah 20.

6. Sistem hanya berbasis Web.

7. Pembangunan Sistem menggunakan Bahasa Pemrogramman php & mysql menjadi bahasa pengolahan data base

1.4.Tujuan Penelitian

Sebagai tujuan untuk kajian ini yaitu agar terimplementasikan algoritma Profile Matching dalam melakukan seleksi karyawan pada PT Biwa Biner Digit.

(19)

4

1.5.Manfaat Penelitian

Hasil berdasarkan kajian ini ialah diperolehnya sistem pemilihan karyawan dari PT Biwa Biner Digitdan memudahkan Perusahaan dalam menentukan calon karyawan sesuai klasifikasi yang diinginkan, serta menjadi rujukan didalam kajian berikutnya.

1.6.Metodologi Penelitian

Dengan beberapa tahapan-tahapan yang akan di diterapkan yaitu:

1. Studi Literatur

Untuk tahapan ini penulis mengumpulkan sumber rujukan yang perlu untuk menguatkan didalam kajian ini. Tahapan ini di praktekkan agar didapatkan data ataupun informasiyang dibutuhkan sebagai pendukung keberlanjutan penelitian ini. Sumber rujukan yang dipergunakan adalah mulai dari jurnal, buku, paper, artikel, makalah dengan bentuknya yaitu yang masih berasal dari internet ataupun yang sudah menjadi media cetak dengan tetap mengaitkan terhadap kajian mengenai Sistem Pendukung Keputusan, Algoritma Profile Matching.

2. Analisa Data

Untuk langkah yang dilakukan berikut ini, penulis mengumpulkan serta menganalisis informasi ataupun data didalam kajian ini, misalnya klasifikasi data menggunakan Metode Profile Matching.

3. Perancangan Desain Sistem

Pada titik ini peneliti menganalisis masalah agar dapat diketahui elemen apa saja yang dipertimbangkan didalam kajian ini, yang selanjutnya mekanisme ataupun sistem ini susunannya dirancang dengan rancangan sesuai penggambaran sistem yang mempergunakan flowchart, Usecase Diagram, Actifity Diagram, serta user interface.

4. Implementasi

(20)

Untuk tahapan ini, pengimplementasian untuk desainnya dengan mempergunakan bahasa pemrograman Php.

(21)

BAB 2

LANDASAN TEORI

2.1.Decision Support System

“Menurut Zulkifli (2017) Decision Support System dirancang untuk mendukung semua tahapan proses pengambilan keputusan dengan mengindentifikasi masalah dari kecil hingga besar, dengan pemilihan informasi ataupun data yang terdapat kesesuaiannya, penentuan pendekatan yang dipergunakan ketika tahapan penentuan keputusan untuk menilai pemilihan alternatif yang lainnya. “

2.1.1.Jenis-jenis Decision Support System

Berdasarkan kunci yang digunakan untuk pengambilan keputusan, Decision Support System secara umum terbagi menjadi, yaitu:

1. DSS pasif adalah sistem yang membantu pengambilan keputusan, tetapi tidak dapat menyarankan keputusan atau solusi yang tegas,

2. DSS aktif dapat memberikan saran atau solusi tersebut dengan cara yang tegas dan jelas.

3. DSS kooperatif mungkinkan proses berulang antara orang dan sistem untuk mencapai terkonsolidasi solution. Pengambil keputusan dapat memodifikasi, menambah atau meningkatkan saran keputusan yang dimiliki oleh system untuk validasi.

2.2.Algoritma Iterative Dichotomizes versi 3 (ID3)

Menurut Hikmatulloh (2019) Iterative Dichotomizes 3 (ID3) Algoritma ini merupakan melakukan pencarian secara serakah pada semua pohon keputusan secara keseluruhan. Dalam penyelesaian pengambilan keputusan secara keseluruhan untuk mengukur efektivitas suatu atribut dalam mengklasifikasikan kumpulan sampel data. Pemilihan atribut pada ID3 dilakukan dengan properti statistik, yang dikenal sebagai information gain. Keberhasilan mengukur seberapa

(22)

baik atribut memisahkan contoh pelatihan ke dalam kelas target. Atribut dengan informasi tertinggi akan dipilih. Untuk mendefinisikan gain, dalam tahap ini kita menggunakan pola dari teori informasi yang disebut entropi. Entropi mengukur jumlah informasi yang terkandung dalam atribut dengan rumus:

Berdasarkan rumus di atas, P+ adalah peluang sampel S memiliki kelas positif. P+ dihitung dengan membagi jumlah sampel positif (S+) dengan jumlah sampel (S). P+=S+/S.

P- adalah probabilitas bahwa sampel S memiliki kelas negatif. P- dihitung dengan membagi jumlah sampel negatif (S-) dengan jumlah sampel (S) sehingga P−=S−/S. Bagian daun dari pohon keputusan, idealnya hanya terdiri dari data email Spam dan email non-Spam. Dengan kata lain bagian daun merupakan sampel murni, sehingga pada saat membagi sampel, sampel yang tersisa harus lebih murni dari simpul sebelumnya. Oleh karena itu nilai entropi harus dikurangi.

Dalam algoritma ID3, pengurangan entropi disebut perolehan informasi.

Distribusi sampel S ke atribut A dapat dihitung information gain dengan rumus:

Nilai A adalah semua nilai yang mungkin dari atribut A, dan Sv adalah himpunan bagian dari S dimana A memiliki nilai c. bagian pertama dari rumus adalah total entropi S dan bagian kedua adalah entropi setelah data dipisahkan berdasarkan atribut A.

(23)

8

2.3.Algoritma Simple Additive Weighting

Menurut Ardianto ( 2017 ) salah satu metode penyelesaian masalah MADM (Multiple Attribute Decision Making) adalah dengan menggunakan metode Simple Additive Weighting (SAW). Metode SAW sering juga dikenal dengan metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari peringkat kinerja pada setiap alternatif dari semua atribut.

Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke skala yang dapat dibandingkan dengan semua peringkat alternatif yang ada [2,10,13].

Metode ini merupakan metode yang paling terkenal dan paling banyak digunakan dalam menghadapi situasi Multiple Attribute Decision Making (MADM). MADM sendiri merupakan suatu metode yang digunakan untuk mencari alternatif yang optimal dari sejumlah alternatif dengan kriteria tertentu.

Metode SAW ini mengharuskan pengambil keputusan untuk menentukan bobot untuk setiap atribut. Skor total untuk alternatif diperoleh dengan menjumlahkan semua hasil perkalian antara rating (yang dapat dibandingkan antar atribut) dan bobot masing-masing atribut. Rating setiap atribut harus bebas dimensi dalam arti telah melewati proses normalisasi matriks sebelumnya.

Persamaan yang diberikan (1):

(24)

Dimana Rij adalah peringkat kinerja yang dinormalisasi dari alternatif Ai pada atribut Cj; i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) diberikan oleh persamaan (2):

Keterangan:

Vi = nilai preferensi wj = peringkat

rij = peringkat kinerja yang dinormalisasi Nilai Vi yang lebih besar menunjukkan

bahwa alternatif Ai lebih disukai. Langkah-langkah dari metode SAW adalah:

1. Tentukan kriteria menjadi

dijadikan sebagai acuan dalam pengambilan keputusan yaitu C

2. Tentukan peringkat kesesuaian masing-masing alternatif pada setiap kriteria.

3. Buat matriks keputusan berdasarkan

kriteria (C), kemudian menormalkan matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut laba atau atribut biaya) sehingga diperoleh matriks R yang dinormalisasi.

4. Hasil akhir diperoleh dari proses rangking yaitu penambahan perkalian matriks ternormalisasi R dengan vektor bobot sehingga dipilih nilai terbesar sebagai alternatif (A) terbaik sebagai solusi.

Keuntungan dari model Aditif Sederhana

(25)

10

Pembobotan (SAW) dibandingkan dengan model pengambilan keputusan lainnya terletak pada kemampuannya untuk melakukan penilaian yang lebih tepat karena didasarkan pada kriteria yang telah ditentukan dan bobot preferensi, selain itu SAW juga dapat memilih alternatif terbaik dari sejumlah alternatif karena pemeringkatan. proses setelah menentukan nilai bobot untuk setiap atribut.

2.4.Algoritma Profile Matching

Sesuai dengan apa yang dikemukakan oleh Fetrina (2017), mengenai profile matching yang merupakan sistem untuk menentukan keputusan dengan asumsi untuk variabel prediktor ideal yang seharusnya dipunyai setiap karyawan sesuai dengan persyaratan yang ditentukan oleh PT.BIWA BINER DIGIT, penentuan penggunaan algoritma menjadi acuan bukanlah level minimal yang harus dicapai, dalam pecocokan profile matching, diterapkan tahap pengidentifikasian atas calon pegawai yang diukur melalui berbagai kriteria penilaian.

“Profile matching adalah tahapan membandingkan ketrampilan seseorang dalam keahlian kerja yang kemudian akan didapatkan hasil mengenai perbedaan ketrampilan (dinamakan juga Gap), Makin kecil gap dari outputnya, makin besar untuk bobot nilainya dengan maksud ada lebih banyak kesempatan bagi karyawan yang menempati posisi tersebut. (Sudrajat, 2018).”

2.5.Persamaan Profile Matching

Untuk hitungan secondary Factor serta core diilustrasikan dengan mempergunakan formula menjadi berikut. (Handayani, 2017):

1. Core Factor

Merupakan aspek (ketrampilan) yang terpenting atau paling diperlukan untuk sebuah posisi jabatan yang diyakini bisa menunjukkan kinerja yang optimum.

Dengan formula untuk menghitung core factor bisa direpresentasikan dengan formula berikut ini:

NFC = ∑ "#(%,')

∑ )# ...(1) Keterangan:

NCF : Nilai rata-rata core factor NC (s,p) : keseluruhan total nilai core factor

(26)

(tujuan perilaku, kerja)

IC : Keseluruhan item core factor 2. Secondary Factor

Merupakan beberapa item kecuali unsur yang terdapat di core factor. Adapun untuk hitungan secondary factor bisa diperlihatkan dengan formula (Handayani, 2017) sebagai berikut ini:

NSF = ∑ "*(%,')

∑ )* ...(2) Keterangan:

NSF : Nilai rata-rata Secondary factor NS

(s,p) : Keseluruhan total nilai Secondary factor (target perilaku, kerja) IS : keseluruhan item Secondary factor

3. Perhitungan Nilai Total

Dengan berdasar pada hitungan secondary factor serta core factor dari masing-masing aspek ataupun unsur, berikutnya adalah penghitungan keseluruhan total dari masing-masing aspek dengan perkiraan mempengaruhi kinerja masing- masing profile. Guna penghitungan atas keseluruhan total pada setiap aspek, dipergunakan formula sesuai dengan yang ditunjukkan pada rumus di bawah.

(Handayani, 2017):

N = X% NCF + Y% NSF ...(3) 4. Perangkingan

Untuk hasil akhirnya ialah Perankingan calon karyawan yang telah menyelesaikan tahap seleksi. Pengambilan ketentuan dengan acuan berdasarkan peringkat pada hasil perhitungan yang dinyatakan dengan formula sebagai berikut (Handayani, 2017):

Rangking = X%N1 + Y%N2 + Z%N3 ...(4).

(27)

12

2.6.Penelitian Relevan

Penelitian-penelitian yang relevan terhadap Sistem Pendukung Keputusan pemilihan Programmer yang memanfaatkan ataupun mempergunakan Web dengan penggunaan Algoritma Profile Matching (Studi Kasus PT Biwa Biner Digit). Berikut ini yang menjelaskan mengenai kajian-kajian terdahulu dan dapat pula untuk dilakukan perbandingan atas penelitian terdahulu tersebut terhadap kajian yang akan diteliti pada penelitian kali ini:

Tahun 2019 Hikmatulloh, Penerapan Algoritma Iterative Dichotomiser Three (ID3) dalam mendiagnosa Kesehatan Kehamilan. Berdasarkan penelitian tersebut menggunakan algoritma ID3 mendapatkan nilai optimal dengan akurasi sebesar 80,33% (Hikmatulloh,2019).

Tahun 2017 Adianto, Sistem Pendukung Keputusan Pemilihan Rumah Tinggal di Perumahan Menggunakan Metode Simple Additive Weighting (SAW) Studi Kasus Kota Samarinda. Dengan hasil penelitian tersebut mendapatkan nilai yang sesuai yaitu nilai V 16.999 (Adianto,2017)

Tahun 2017 Munawir, Ardiansyah seleksi pegawai Berprestasi pada Kantor Perwakilan Bank Indonesia Provinsi Aceh yang menggunakan Pendekatan Analisis Gap Profile matching. Berdasarkan hasil kajian dalam implementasi sistem dapat dikatakan baik dan bisa membantu secara signifikan (Munawir, 2017).

Tahun 2013 Muqtadir, Purdianto membuat sistem Pendukung promosi sebuah Jabatan degan penggunaan pendekatan Profile Matching di PT. Industri Kemasan Semen Gresik. Dan hasil kajian ini dapat diberi kesimpulan mampu mengolah data yang di proses berupa data jabatan, data karyawan yang akan di proses seleksi dalam mempromosikan kenaikan jabatan. ( Purdianto, 2013).

Santi Pada tahun 2018, beliau menerapkan pendekatan Profile Matching guna mengembangkan kawasan untuk memasarkan produk Kendang Jimbe, Kota BLITAR. Dari hasil pengujian yang dilakukan dalam pengambilan ini mengunakan 5 wilayah yaitu Blitar, Yogjakarta, Solo, Penataran dan Semarang dan dari hasil tersebut wilayah penataran mendapatkan skor tertinggi yaitu

(28)

bernilai 4.484. dari hasil proses pengambilan keputusan dengan metode Profile Matching secara terencana dan terimplementasi. (Santi,2018).

Tahun 2018 Jardim-Gonsalves melakukan Pengaplikasian dalam menentukan Pemenang Tender E-Marketplace menggunakan Metode Profile Matching.

Dengan pendataan calon-calon yang akan mengikuti tender maka masing-masing calon akan memiliki kesempatan yang sama sesuai dengan persayaratan yang ditentukan, sehingga dalam setiap penjualanan akan terisi 1 toko terbaik, berdasarkan hasil penelitian ini penulis prosesnya sangat baik, sehingga memudahkan pelanggan untuk memilih produk yang terjamin kualitasnya.

(Jardim-Gonsalves, 2018).

(29)

BAB 3

ANALISIS DAN PERANCANGAN

3.1.Analisis Sistem

Merupakan proses pertama kali dalam membangun rancangan sistem yang membantu untuk dapat dilakukannya identifikasi, atas berbagai hal yang menjadi keperluan dalam sebuah mekanisme ataupun sistem, permasalahan serta hambatan dalam sistem bisa dijalankan dengan lancar. Analisis sistem memiliki dua tahap, yakni analisa kebutuhan sistem serta analisa permasalahan.”

Dalam analisa kebutuhan sistem serta analisis masalah dengan studi kasus di PT Biwa Biner Digit. Perusahaan ini bergerak di bidang Software Development berlokasi di Kota Medan, berdiri menjadi perusahaan pada tahun 2020. Berbagai tantangan dan hambatan dalam mengelola perusahaan dari tugas-tugas internal yang sulit dan tentunnya juga mempunyai jobdesk yang besar dalam bidang pemasaran. Dengan perlunya pengembangan sistem dalam rekrutmen karyawan potensial di bidang Teknologi yaitu Programmer.

Perusahaan tersebut untuk Penerimaan calon karyawan baru menggunakan metode tatap muka dan penilaian dengan cara manual yang didukung oleh HRD.

Dan dalam penelitian ini terdapat sedikit kelemahan dalam pendataan calon karyawan yaitu margin of error cukup besar karena bobot yang diterapkan tidak terlalu efisien.

Oleh sebab itu penulis telah mendapatkan kesimpulan untuk melakukan penerapan dalam melakukan penelitian dengan metode Algoritma Profile Matching.

(30)

3.1.1 Analisis Masalah

Didalam kajian ini, pertanyaan yang diperoleh ialah bagaimana penerapan algoritma profile matching saat perusahaan menentukan calon karyawan terpilih.”

“Dalam menentukan masalah, penulis menggunakan diagram tulang ikan ataupun diagram ishikawa. Diagram ishikawa ialah diagram yang menggambarkan kausalitas dari masalah yang akan dihadapi sistem. Diagram ishikawa dari sistem ditunjukkan Gambar 3.1 dibawah ini.”

Gambar 3.1 Diagram Ishikawa

3.1.2 Analisis Kebutuhan

Untuk tahapan pengembangan atas suatu sistem diharapkan analisa kebutuhan sistem. Yang terdapat berdasarkan 2 bagian yaitu kebutuhan non-fungsional serta kebutuhan fungsional.”

3.1.2.1 Kebutuhan Fungsional

Berdasarkan sistem yang diusulkan dalam kajian ini merupakan menjadi berikut ini:

1. Sistem dengan hasil seperti hasil pemeringkatan calon karyawan PT Biwa Biner Digit.

(31)

16

2. Penetapan Calon Karyawan yang terpilih menggunakan metode Profile Matching.

3.1.2.2 Kebutuhan Non-fungsional

Berdasarkan sistem yang akan dirangkai dalam kajian ini antara lain:

1. Sistem mempunyai tampilan antarmuka pengguna grafis.

2. Pembangunan sistem berbasis web.

3. Sistem dapat digunakan secara offline.

3.2.Arsitektur Umum

Merupakan skema design sistem ataupun mekanisme yang menggambarkan proses yang mencakup semuanya. Gambar yang nampak pada gambar 3.2 berikut ini adalah mengenai arsitektur umum yang dapat dipakai dalam kajian ini:

Gambar 3.2 Arsitektur Umum

Sesuai dengan gambar 3.2 Pertama pihak peneliti menentukan kriteria yang akan menjadi aspek penilaian dalam penyeleksian karyawan, kriteria tersebut yaitu Kriteria Kecerdasan, kriteria Wawancara, dan kriteria Sikap kerja. Setelah itu menetukan bobot kriteria, selanjutnya menentukan core dan secondary faktor,

(32)

pada tahap ini Core sebesar 60% dan Secondary Faktor sebesar 40%,. Selanjutnya menentukan GAP Kopetensi, menggabungkan kriteria dengan secondary faktor, melakukan perhitungan sesuai dengan rumus algoritma profile matching sehingga peneliti dapat mengetahui hasil perhitungan.

3.3.Pemodelan Sistem

Untuk modoel dari sistem dapat didesain activity diagram, use-case diagram, serta sequence diagram dengan tujuannya buat mendeskripsikan masing-masing kegiatan yang diproses sistem.

3.3.1. Use Case Diagram

Merupakan diagram yang mendeskripsikan hubungan yang kejadiannya diantara sistem & pengguna. Use case diagram dalam kajian ini bisa ditujukan di Gambar 3.3.”

Gambar 3.3 Use case diagram

(33)

18

Hasil use case diagram pada Gambar 3.3 dapat dikatakan bahwa user wajib login terlebih dahulu untuk mengakses sistem. Setelah melakukan login, user dapat mengakses halaman Home, Dara Pelamar, Aspek Penilaian, Kriteria Penilaian, Proses Profile Matching, Hasil perhitungan, ganti password serta dapat memilih untuk logout/keluar dari sistem juga.

3.3.2. Activity Diagram

Activity diagram merupakan flowchart dari kegiatan-kegiatan yang berlangsung pada sistem yang dirancang, seperti setiap alur dari proses awal hingga proses akhir dari sistem. Berikut merupakan activity diagram dari sistem yang akan dibangun.

3.3.2.1. Activity Diagram Data Pelamar

Gambar 3.4 Activity Diagram Data Pelamar

(34)

3.3.2.2. Activity Diagram Aspek Penilaian

Gambar 3.5 Activity Diagram Aspek Penilaian 3.3.2.3. Activity Diagram Kriteria Penilaian

(35)

20

Gambar 3.6 Activity Diagram Kriteria Penilaian 3.3.2.4. Activity Diagram Proses Profile Matching

Gambar 3.7 Activity Diagram Proses Profile Matching

Admin/HRD

User Form Database

Klik Login

HRD/Admin Input Username

dan Password Cek Data

HRD/Admin

Menu Dashboard

Proses Profile Matching

Aspek Penilaian

Pelamar

Proses

Hasil Tambah Bobot GAP

Periksa Gagal

Pilih Aspek Penilaian

Input Bobot

GAP Pelamar Proses

(36)

3.3.2.5. Activity Diagram Hasil Perhitungan

Gambar 3.8 Activity Diagram Hasil Perhitungan 3.4.Flowchart

Flowchart merupakan representasi dari langkah-langkah yang dilakukan oleh algoritma yang dirancang dengan sistematis kedalam bentuk bagan alir. Pada penelitian ini terdiri dari dua flowchart yaitu flowchart sistem pendukung keputusan & flowchart algoritma profile matching.

3.4.1. Flowchart Sistem

Flowchart sistem di penelitian ini terdiri berdasarkan flowchart sistem pendukung keputusan. Flowchart sistem pendukung keputusan bisa ditunjukkan dalamGambar 3.9 di bawah ini.

Admin/HRD

User Form Database

Klik Login

HRD/Admin Input Username

dan Password Cek Data

HRD/Admin

Menu Dashboard

Hasil Perhitungan Proses

Perhitungan Profile Matching

Periksa Gagal

Hasil Perangkingan

(37)

22

Gambar 3.9 Flowchart Sistem

Mulai

Selesai

(38)

3.4.2. Flowchart Algoritma Profile Matching

Flowchart algoritma profile matching merupakan diagram alir yang menunjukkan tahapan yang dilakukan dalam menentukan perangkingan dalam pengambilan keputuan dengan teknik operasi matematika. Flowchart algoritma profile matching ditunjukkan dalam gambar 3.10.

Gambar 3.10 Flowchart Algoritma Profile Matching

Mulai

Selesai

(39)

24

3.5.Perancangan Sistem

Langkah yang harus dilakukan oleh penulis dalam perancangan sistem ini yaitu menentukan aspek penilaian yang terdiri dari kecerdasan, wawancara dan sikap kerja dimana aspek penilaian ini menjadi tolak ukur untuk menentukan calon karyawan yang terpilih dengan menggunakan metode algoritma profile matching.

Berikut ini aspek penilaian yang akan dimuat dalam tabel 3.1 di bawah ini.

Tabel 3.1 Aspek Penilaian

No Aspek Penilaian Persentase Core Factor Secondary Factor

1 Kecerdasan 40 60 40

2 Wawancara 30 60 40

3 Sikap Kerja 30 60 40

Tabel 3.1 di atas merupakan aspek penilaian yang akan digunakan dalam penelitian ini dengan metode profile matching dalam menentukan calon karyawan yang terpilih dalam PT Biwa Biner Digit.

Kemudian dari aspek penilaian sebelumnya harus ditentukan kriteria penilaian dalam setiap aspek. Berikut ini kriteria penilaian yang digunakan dalam sistem ini dapat ditujukan dalam tabel 3.2 di bawah ini.

Tabel 3.2 Kriteria Penilaian

No Aspek Kriteria Target

Bobot

Tipe Factor 1 Kecerdasan Penguasaan Bahasa Pemograman 4 Core

2 Kecerdasan Kreatif 4 Secondary

3 Kecerdasan Logika 4 Core

4 Kecerdasan Inovatif 3 Secondary

5 Wawancara Karakter 3 Secondary

6 Wawancara Pengalaman 3 Core

7 Wawancara Pengetahuan Tentang Pekerjaan 4 Secondary

8 Wawancara Kejujuran 4 Core

9 Sikap Kerja Kecepatan 4 Core

10 Sikap Kerja Ketelitian 3 Core

11 Sikap Kerja Inisiatif 3 Secondary

12 Sikap Kerja Percaya Diri 3 Secondary

(40)

Setelah ditentukan aspek dan kriteria penilaian, diperlukan data calon karyawan beserta nilai dari setiap aspek yang didapatkan dari PT Biwa Biner Digit. Berikut ini data karyawan beserta aspek penilaian yang disajikan dalam tabel di bawah ini.

Tabel 3.3 Data Aspek Penilaian Kecerdasan

(41)

26

Tabel 3.4 Data Aspek Penilaian Wawancara No Nama

Pelamar

Kejujuran Pengetahuan Tentang Pekerjaan

Pengalaman Karakter

1 Imam Tri

Putra Baik Cukup Baik Cukup

2 Wahyu Rizky Cukup Baik Baik Cukup

3 Muhamad Firdaus

Cukup Baik Baik Cukup

4 Randi Agus

Juliansyah Cukup Baik Cukup Baik

5 Sulthan Aldi Kurang Sangat Baik Sangat Baik Cukup 6 Khairyan

Akbar

Cukup Baik Cukup Baik

7 Ahmad Budi Santoso

Baik Cukup Baik Baik

8 Taufiqqurrah man

Sangat Baik Sangat Baik Sangat Baik Baik 9 Muhammad

Abrar Baik Baik Baik Cukup

10 Reza Dhia

Ulhaq Cukup Baik Cukup Baik

11 Kahlil

Mirzani Cukup Baik Baik Baik

12 Dhia

Muhammad Akbar

Sangat Baik Sangat Baik Cukup Baik

13 Zulfadli Sangat Baik Baik Baik Sangat

Baik 14 Fadil

Faturrahman

Cukup Baik Cukup Baik

15 Irfan Cukup Sangat Baik Baik Sangat

Baik 16 Norfan Khalil Sangat Baik Sangat Baik Cukup Sangat

Baik 17 Muhammad

Mirza Sangat Baik Cukup Cukup Sangat

Baik 18 Hafiz Furqon Sangat Baik Sangat Baik Baik Sangat

Baik

19 Merthalia Baik Baik Cukup Cukup

20 Nahla Putri Baik Cukup Baik Cukup

(42)

Tabel 3.5 Data Aspek Penilaian Sikap Kerja

No Nama Pelamar Kecepatan Ketelitian Inisiatif Percaya Diri

1 Imam Tri Putra Cukup Baik Cukup Baik

2 Wahyu Rizky Cukup Baik Baik Baik

3 Muhamad Firdaus Sangat Baik Sangat Baik

Cukup Baik 4 Randi Agus

Juliansyah

Sangat Baik Baik Baik Sangat Baik

5 Sulthan Aldi Cukup Baik Cukup Baik

6 Khairyan Akbar Cukup Sangat

Baik Baik Sangat

Baik 7 Ahmad Budi Santoso Sangat Baik Sangat

Baik

Cukup Sangat Baik 8 Taufiqqurrahman Sangat Baik Cukup Sangat

Baik

Sangat Baik 9 Muhammad Abrar Sangat Baik Sangat

Baik

Baik Sangat Baik

10 Reza Dhia Ulhaq Baik Baik Cukup Cukup

11 Kahlil Mirzani Cukup Baik Cukup Baik

12 Dhia Muhammad Akbar

Cukup Cukup Baik Baik

13 Zulfadli Kurang Cukup Baik Baik

14 Fadil Faturrahman Cukup Cukup Baik Cukup

15 Irfan Baik Kurang Sangat

Baik

Sangat Baik

16 Norfan Khalil Baik Cukup Baik Cukup

17 Muhammad Mirza Cukup Baik Cukup Baik

18 Hafiz Furqon Cukup Sangat

Baik

Sangat Baik

19 Merthalia Sangat Baik Baik Baik Baik

20 Nahla Putri Sangat Baik Baik Cukup Baik

3.6.Perancangan Antarmuka

Perancangan antar muka merupakan hal yang dibutuhkan dalam pembangunan suatu sistem, antar muka sistem yang baik dapat membuat sistem mudah digunakan oleh pengguna, sistem ini terdiri dari 6 laman, yaitu laman login, laman Dashboard, laman Data Pelamar, laman aspek penilaian, laman kriteria penilaian, laman proses proses profile matching, serta laman hasil perhitungan.

(43)

28

3.6.1. Halaman Login

Laman Login adalah laman yang muncul saat sistem dijalankan pertama kali.

laman ini digunakan menjadi validasi user untuk mengakses sistem. Rancangan antar muka dari laman Login disajikan dalam Gambar 3.11.

Gambar 3.11 Rancangan Halaman Login

Tanda setiap bagian dalam Gambar 3.11 dapat ditujukan dalam Tabel 3.6 berikut.

Tabel 3.6 Keterangan Rancangan Halaman Login

No Keterangan

1 Item dari Logo PT Biwa Biner Digit 2 Item dari input untuk menginput username 3 Item dari input untuk menginput password 4 Button/tombol“Login” untuk masuk ke

dalam sistem

(44)

3.6.2. Halaman Dashboard

Halaman Dashboard adalah laman yang menampilkan sehabis user berhasil melakukan proses masuk ataupun login. Adapun dalam laman ini masih ada menjalankan sistem. Rancangan menurut antarmuka laman Dashboard disajikan dalam Gambar 3.12.

Gambar 3.12 Rancangan Halaman Dashboard

Detail elemen dalam Gambar 3.12 dapat ditujukan dalam Tabel 3.7 berikut.

Tabel 3.7 Keterangan Rancangan Halaman Dashboard No

. Keterangan

1. Item Button Signout

2. Item Button Menu Navigasi untuk menuju Halaman terkait 3. Detail tentang Profile Matching

(45)

30

3.6.3. Halaman Data Pelamar

Pada laman Data Pelamar terdapat fungsi untuk menambahkan data kandidat yang ingin anda gunakan menjadi data calon karyawan untuk dipilih menggunakan algoritma profile matching. Rancangan antarmuka laman Data kandidat ditunjukkan dalam Gambar 3.13.

Gambar 3.13 Rancangan Halaman Data Pelamar

Detail setiap elemen dalam Gambar 3.13 bisa ditujukan dalam Tabel 3.8 berikut.

Tabel 3.8 Detail Rancangan Antarmuka Halaman Data Pelamar

(46)

3.6.4. Halaman Aspek Penilaian

Pada rancangan laman Aspek Penilaian terdapat fitur untuk menambahkan data aspek penilaian dari pelamar yang ingin digunakan menjadi data calon karyawan yang akan diseleksi menggunakan algoritma profile matching. Desain antarmuka halaman Aspek Penilaian daditunjukkan dalam Gambar 3.14.

Gambar 3.14 Rancangan Halaman Aspek Penilaian

Keterangan setiap elemen dalam Gambar 3.14 dapat ditujukan dalam Tabel 3.9 berikut.

Tabel 3.9 Keterangan Rancangan Antarmuka Halaman Aspek Penilaian

No. Keterangan

1. Item Button Signout

2. Item Button Menu Navigasi untuk menuju Halaman terkait 3. Button “Tambah Data” untuk menambah data aspek penilaian 4. Item “Search” untuk mencari data aspek penilaian yang

diinginkan

5. Tabel data aspek penilaian

(47)

32

3.6.5. Halaman Kriteria Penilaian

Rancangan laman Kriteria Penilaian terdapat fitur untuk menambahkan data kriteria penilaian yang sesuai dengan data yang didapatkan dari PT Biwa Biner Digit. Data tersebut digunakan untuk menyeleksi programmer menggunakan algoritma profile matching. Rancangan dari antarmuka laman Data Pelamar ditunjukkan dalam Gambar 3.15.

Gambar 3.15 Rancangan Halaman Kriteria Penilaian

Keterangan setiap elemen dalam Gambar 3.15 dapat ditujukan dalam Tabel 3.10 berikut.

Tabel 3.10 Detail Rancangan Antarmuka laman Kriteria Penilaian

2. Item Button Menu Navigasi untuk menuju laman terkait

3. Button “Tambah Data” untuk menambah data kriteria penilaian 4. Item “Search” untuk mencari data kriteria penilaian yang

diinginkan

5. Tabel data kriteria penilaian

(48)

3.6.6. Halaman Proses Profile Matching

Pada rancangan laman proses proses profile matching, admin/hrd dapat menginput kriteria penilaian dari pelamar. Rancangan dari laman proses profil matching ditunjukkan dalam Gambar 3.16.

Gambar 3.16 Rancangan Halaman Proses Profile Matching

Keterangan setiap elemen pada Gambar 3.16 dapat ditujukan dalam Tabel 3.11 berikut.

Tabel 3.11 Keterangan Rancangan Antarmuka Halaman Proses Profile Matching

2. Item Button Menu Navigasi untuk menuju Halaman terkait

3. Item “Aspek Penilaian” untuk memilih aspek penilaian yang diinginkan

4. Item “Input” untuk menambah nilai dari pelamar

5. Item Button “Simpan” untuk menyimpan data yang telah diinput

(49)

34

3.6.7. Halaman Hasil Perhitungan

Dalam rancangan tampilan perhitungan akan menyajikan hasil Pengujian berupa tabel hasil perangkingan yang dilakukan dengan algoritma profile matching.

Berikut rancangan laman hasil perhitungan ditunjukkan dalam gambar 3.17 di bawah ini

Gambar 3.17 Rancangan Laman Hasil Perhitungan

Detail setiap elemen dalam Gambar 3.17 dapat ditujukan dalam Tabel 3.12 berikut

Tabel 3.12 Detail Rancangan Antar muka laman Hasil Perhitungan

2. Item Button Menu Navigasi untuk menuju laman terkait

3. Item “Perhitungan” untuk menampilkan hasil perhitungan profile matching 4. Item button Cetak untuk mencetak hasil perhitungan

(50)

BAB 4

IMPLEMENTASI DAN PENGUJIAN

4.1.Implementasi Sistem

4.1.1. Detail Kebutuhan Perangkat Keras

Berikut adalah Perangkat keras yang digunakan dalam penelitian ini.

1. Processor Quad-core 2,3 GHz Intel Core i7 generasi ke-10, Turbo Boost hingga 4,1 GHz, dengan cache L3 bersama sebesar 8 MB

2. Memori 16 GB 3. Storage SSD 512 GB

4. Kartu grafis Intel Iris Plus Graphics 4.1.2. Detail Kebutuhan Perangkat Lunak

Berikut adalah Perangkat lunak yang digunakan dalam penelitian ini.

1. MacOS Big Sur

2. Sublime Text 4 (Build 4113) 3. PHP 8.0.9

4. XAMPP 5. MySQL 6. HTML

4.2.Implementasi Sistem Pengambilan Keputusan

Tahap implementasi sistem pendukung keputusan merupakan proses implementasi sistem dengan bahasa pemrograman dari output analisis yang dilakukan. Dalam penelitian ini sistem yang dibangun memakai Visual Studio Code & bahasa pemrograman Php & MySQL sebagai penyimpanan database.

Dalam sistem ini masih ada delapan laman yaitu laman login, laman dashboard, laman data pelamar, laman aspek penilaian, laman kriteria penilaian, laman proses profile matching, laman hasil perhitungan dan laman ganti password.

(51)

36

4.2.1. Halaman Login

laman Login merupakan laman yang ditampilkan pertama kali pada ketika sistem sedang berjalan, dalam laman ini tersedia kolom input username & password dan button login yang dipakai buat mengakses sistem. Laman login bisa ditujukan dalam Gambar 4.1.

Gambar 4.1 Tampilan Halaman Login 4.2.2. Halaman Dashboard

Laman Dashboard adalah laman yang ditampilkan sesudah sistem melakukan validasi login terhadap user. Dalam halaman dashboard masih ada petunjuk mengenai sistem pendukung keputusan serta algoritma profile matching. Laman dashboard dapat ditujukan dalam Gambar 4.2.

(52)

Gambar 4.2 Tampilan Halaman Dashboard 4.2.3. Halaman Data Pelamar

Dalam halaman Data pemohon memiliki fungsi untuk menambah, mengedit dan menghapus data pemohon yang akan digunakan dalam sistem pendukung keputusan untuk menentukan programmer di PT Biwa Biner Digit. Laman Data kandidat dapat ditujukan dalam Gambar 4.3.

Gambar 4.3 Tampilan Halaman Data Pelamar

(53)

38

4.2.4. Halaman Aspek Penilaian

Halaman Aspek penilaian menampilkan tabel aspek penilaian yang digunakan dalam penelitian ini. Adapun dalam halaman ini juga terdapat fitur untuk mengubah, menambah dan mnghapus data aspek penilaian yang diinginkan.

Halaman aspek penilaian dapat ditujukan dalam Gambar 4.4.

Gambar 4.4 Tampilan Halaman Aspek Penilaian 4.2.5. Halaman Kriteria Penilaian

Halaman Kriteria penilaian menampilkan tabel kriteria penilaian yang digunakan dalam penelitian ini seperti bobot target, jenis factor dan sebagainya. Halaman Klasifikasi dapat ditujukan dalam Gambar 4.5.

(54)

Gambar 4.5 Tampilan Halaman Kriteria Penilaian 4.2.6. Halaman Proses Profile Matching

Halaman Proses Profile Matching digunakan untuk menginput bobot/nilai dari pelamar berdasarkan aspek yang telah ditentukan. Tampilan Halaman Proses Profile Matching dapat ditujukan dalam Gambar 4.6.

Gambar 4.6 Tampilan Halaman Proses Profile Matching

(55)

40

4.2.7. Halaman Hasil Perhitungan

Halaman Hasil Perhitungan merupakan halaman yang menampilkan hasil akhir dari pendukung keputusan dalam menentukan programmer dalam PT Biwa Biner Digitmenggunakan algoritma profile matching. Adapun dalam halaman ini akan menampilkan hasil akhir berupa tabel yang terdiri dari total nilai berdasarkan aspek penilaian dan hasil perangkingan. Tampilan dari halamana hasil perhitungan dapat ditujukan dalam gambar 4.7 berikut.

Gambar 4.7 Tampilan Halaman Hasil Perhitungan 4.2.8. Halaman Ganti Password

Halaman ganti password berfungsi untuk mengganti password/kata sandi dari sistem pendukung keputusan dalam penelitian ini. Tampilan halaman ganti password dapat ditujukan dalam gambar 4.8 berikut.

(56)

Gambar 4.8 Tampilan Halaman Ganti Password 4.3.Pengujian

Tahapan-tahapan pengujian yang dilakukan dalam penelitian ini terdiri perhitungan pemetaan gap, pembobotan nilai gap, perhitungan nilai factor, perhitungan nilai total serta perangkingan. Tahapan-tahapan yang telah disebutkan sebelumnya dilakukan dalam setiap aspek penilaian. Berikut proses pengujian yang dirincikan menurut aspek penilaian.

4.3.1. Data Input Aspek Penilaian

Pada penelitian ini digunakan data aspek penilaian kecerdasan, wawanca dan sikap kerja. Berikut aspek penilaian kecerdasan dari data pelamar sebagai berikut.

Tabel 4.1 Data input aspek penilaian kecerdasan

No Nama Pelamar A1 A2 A3 A4

1 Imam Tri Putra 2 3 2 3

2 Wahyu Rizky 2 4 3 4

3 Muhamad Firdaus 4 4 2 4

4 Randi Agus Juliansyah 4 2 2 4

5 Sulthan Aldi 4 4 3 4

6 Khairyan Akbar 3 3 2 2

7 Ahmad Budi Santoso 3 2 3 2

8 Taufiqqurrahman 4 4 4 3

9 Muhammad Abrar 3 2 3 2

10 Reza Dhia Ulhaq 2 3 3 2

11 Kahlil Mirzani 2 3 3 2

12 Dhia Muhammad Akbar 2 3 2 3

13 Zulfadli 1 4 4 2

(57)

42

14 Fadil Faturrahman 2 3 2 3

15 Irfan 3 2 3 3

16 Norfan Khalil 3 3 3 2

17 Muhammad Mirza 2 3 2 3

18 Hafiz Furqon 2 3 3 3

19 Methalia 4 4 2 3

20 Nahla Putri 4 3 3 4

Dengan,

A1 : Penguasaan Pemogramman A2 : Kreatif

A3 : Logika A4 : Inovatif

Tabel 4.2 Data input aspek penilaian wawancara

13 Zulfadli 4 3 3 4

15 Irfan 2 4 3 4

19 Methalia 3 3 2 2

20 Nahla Putri 3 2 3 2

Dengan,

A5 : Kejujuran A6 : Kreatif

A7 : Pengetahuan tentang pekerjaan A8 : Karakter

(58)

Tabel 4.3 Data input aspek penilaian sikap kerja

No Nama Pelamar A9 A10 A11 A12

13 Zulfadli 1 2 3 3

15 Irfan 3 1 4 4

19 Methalia 4 3 3 3

20 Nahla Putri 4 3 2 3

Dengan,

A9 : Kecepatan A10 : Ketelitian A11 : Inisiatif A12 : Percaya Diri 4.3.2. Pemetaan nilai gap

Dari data input yang digunakan dalam tabel 4.1, 4.2 dan 4.3 di atas dapat dihitung pemetaan gap dengan Nilai kriteria yang di tentukan yaitu dapat ditujukan dalam tabel 4.4 di bawah ini.

Tabel 4.4 Nilai Kriteria

No Kriteria Penilaian Nilai Kriteria

1 Penguasaan Pemogramman (A1) 4

2 Kreatif (A2) 4

3 Logika (A3) 4

4 Inovatif (A4) 3

(59)

44

5 Kejujuran (A5) 4

6 Kreatif (A6) 4

7 Pengetahuan Tentang Pekerjaan (A7) 3

8 Karakter (A8) 3

9 Kecepatan (A9) 4

10 Ketelitian (A10) 3

11 Inisiatif (A11) 3

12 Percaya Diri (A12) 3

Dengan nilai kriteria yang telah ditentukan dalam tabel 4.4 di atas, maka dapat dihitung pemetaan gap dengan melakukan pengurangan nilai kriteria pelamar terhadap nilai kriteria yang telah ditentukan. Berikut hasil pemetaan gap yang disajikan dalam tabel di bawah ini.

Tabel 4.5 Hasil Pemetaan gap Aspek Penilaian Kecerdasan

1 Imam Tri Putra -2 -1 -2 0

2 Wahyu Rizky -2 0 -1 1

3 Muhamad Firdaus 0 0 -2 1

4 Randi Agus Juliansyah 0 -2 -2 1

5 Sulthan Aldi 0 0 -1 1

6 Khairyan Akbar -1 -1 -2 -1

7 Ahmad Budi Santoso -1 -2 -1 -1

9 Muhammad Abrar -1 -2 -1 -1

10 Reza Dhia Ulhaq -2 -1 -1 -1

11 Kahlil Mirzani -2 -1 -1 -1

12 Dhia Muhammad Akbar -2 -1 -2 0

13 Zulfadli -3 0 0 -1

14 Fadil Faturrahman -2 -1 -2 0

15 Irfan -1 -2 -1 0

16 Norfan Khalil -1 -1 -1 -1

17 Muhammad Mirza -2 -1 -2 0

18 Hafiz Furqon -2 -1 -1 0

19 Methalia 0 0 -2 0

20 Nahla Putri 0 -1 -1 1

Tabel 4.6 Hasil Pemetaan gap Aspek Penilaian Wawancara

1 Imam Tri Putra -1 -2 0 -1

2 Wahyu Rizky -2 -1 0 -1

3 Muhamad Firdaus -2 -1 0 -1

4 Randi Agus Juliansyah -2 -1 -1 0

(60)

5 Sulthan Aldi -3 0 1 -1

6 Khairyan Akbar -2 -1 -1 0

7 Ahmad Budi Santoso -1 -2 0 0

9 Muhammad Abrar -1 -1 0 -1

10 Reza Dhia Ulhaq -2 -1 -1 0

11 Kahlil Mirzani -2 -1 0 0

12 Dhia Muhammad Akbar 0 0 -1 0

13 Zulfadli 0 -1 0 1

14 Fadil Faturrahman -2 -1 -1 0

15 Irfan -2 0 0 1

16 Norfan Khalil 0 0 -1 1

17 Muhammad Mirza 0 -2 -1 1

19 Methalia -1 -1 -1 -1

20 Nahla Putri -1 -2 0 -1

Tabel 4.7 Hasil Pemetaan gap Aspek Penilaian Sikap Kerja

No Nama Pelamar A9 A10 A11 A12

1 Imam Tri Putra -2 0 -1 0

2 Wahyu Rizky -2 0 0 0

3 Muhamad Firdaus 0 1 -1 0

5 Sulthan Aldi -2 0 -1 0

6 Khairyan Akbar -2 1 0 1

7 Ahmad Budi Santoso 0 1 -1 1

8 Taufiqqurrahman 0 -1 1 1

10 Reza Dhia Ulhaq -1 0 -1 -1

11 Kahlil Mirzani -2 0 -1 0

12 Dhia Muhammad Akbar -2 -1 0 0

13 Zulfadli -3 -1 0 0

14 Fadil Faturrahman -2 -1 0 -1

15 Irfan -1 -2 1 1

16 Norfan Khalil -1 -1 0 -1

17 Muhammad Mirza -2 0 -1 0

18 Hafiz Furqon -2 1 1 1

19 Methalia 0 0 0 0

20 Nahla Putri 0 0 -1 0