Penerapan Data Mining Untuk Menentukan
Klasifikasi Kinerja Pegawai Pada
Sistem Informasi Kepegawaian
Rafly Dikhi Firdaus#1Program Studi Teknik Informatika, Universitas Siliwangi Jalan Siliwangi No. 24 Kotak Pos 164 Tasikmalaya Kode Pos 46116
Telp. (0265) 330634 Fax. (0265) 325812 1rafly.dikhi13@student.unsil.ac.id
Abstrak— Sistem Informasi Kepegawaian dengan menerapkan data mining untuk mengklarifikasi kinerja pegawai dan mendorong tercapainya tujuan perusahaan yang efektif serta meningkatkan kesetiaan dan ketertarikan pegawai dengan perusahaan. Sistem Informasi Kepegawaian akan memberikan rekomendasi solusi untuk memandu pimpinan perusahaan dalam pengambilan keputusan paling optimal berdasarkan data history yang ada di perusahaan. Input dari sistem ini adalah data karyawan, data kehadiran karyawan, data tunjangan karyawan, data prestasi kerja karyawan dan data kesalahan karyawan. Sistem akan bekerja secara periodic dan berjenjang mulai dari data yang diberikan top management kepada bawahaannya, manajemen tingkat kedua terhadap bawahannya dan seterusnya sampai tingkat supervisor terhadap stafnya. Sample karyawan yang telah bekerja ± 5 tahun dan dipromosikan pada tahun 2013-2014 dan akan digunakan sebagai data training dan testing. Sedangkan karyawan yang telah bekerja ± 5 tahun (2015-2016) dan belum dipromosikan akan dijadikan data target. Data input tersebut akan diproses menggunakan teknik data mining dan akan dianalisis menggunakan metode Decision Tree (J4S) dan Native Bayes kemudian dievaluasi oleh sistem sehingga menghasilkan beberapa keputusan yang akan diambil oleh perusahaan.
Keywords—Perusahaan. Pegawai, Sistem Informasi Kepegawaian
BAB I PENDAHULUAN
sumber daya manusia (SDM) merupakan salah satu faktor strategis perusahaan yang memberikan nilai tambah sebagai tolok ukur keberhasilan bisnis suatu perusahaan. Kemampuan SDM merupakan competitive advantage dari perusahaan. Untuk dapat menjadi tai ng utama pembentuk daya saing perlu dilakukan upaya peningkatan kinerja sumber daya manusia.
Menurut Soetjipto (2001), dalam suatu organisasi seringkali terjadi pemutusan hubungan kerja (PHK), tidak cuma karyawan biasa, manajer pun banyak yang menjadi korban. Dengan jumlah individu yang semakin sedikit, seorang atasan kini rela untuk tidak memiliki bawahan sebanyak dulu. Kondisi tersebut membuat semakin tingginya ketergantungan atasan pada bawahan. Atasan menjadi sangat berkepentingan terhadap kinerja bawahan. Aspek yang menjadi perhatian atasan bukanlah sekedar kinerja
bawahan pada saat ini melainkan lebih kepada bagaimana memperbaiki kinerja bawahan secara terus menerus (continuous improvement)
Kinerja yang baik merupakan cerminan dari perilaku yang baik sehingga dengan kinerja yang baik akan membuahkan produktivitas yang baik. Salah satu upaya yang dapat dilakukan untuk meningkatkan kinerja sumber daya manusia adalah dengan melakukan penilaian prestasi kerja.
Penilaian prestasi kerja sangat penting bagi suatu organisasi. Dengan penilaian prestasi kerja suatu organisasi dapat melihat sejauh mana faktor manusia dapat menunjang tujuan suatu organisasi. Selain itu melalui penilaian prestasi kerja organisasi dapat memilih dan menempatkan orang yang tepat untuk menduduki suatu jabatan tertentu secara objektif (Miftah, 2001).
Selain itu penilaian prestasi kerja dapat membantu seorang pimpinan dalam mengantisipasi dan mencegah ketidakpuasan karyawan. Perubahan sikap karyawan merupakan tanda-tanda adanya perubahan dalam kepuasan kerja karyawan.
Melihat pentingnya penilaian prestasi kerja baik bagi perusahaan maupun karyawan maka proses penilaian prestasi kerja harus dilakukan secara objektif dan menyeluruh. Penilaian prestasi kerja yang objektif akan memberikan umpan balik antara atasan dan bawahan yang sinergi. Bawahan lambat laun akan memahami objektifitas kerja dan mampu mendorong iklim produktivitas perusahaan
BAB II LANDASAN TEORI
kesejahteraan yang diberikan oleh perusahaan, lembaga atau organisasi pada pegawainya hendaknya bermanfaat, sehingga dapat mendorong tercapainya tujuan perusahaan yang efektif. kesejahteraan karyawan sebaiknya sesuai dengan ketentuan yang telah ditetapkan oleh perusahaan dan tidak melanggar peraturan pemerintah..
Konsep kesejagteraan pegawai berkaitan erat dengan keterpaduan. Keterpaduan dalam aspek sasaran, aspek lokasi kegiatan, aspek dana dan lain sebagainya.
2.1 Perencanaan Strategis Sistem dan Teknologi Informasi
“Perencanaan strategis sistem dan teknologi informasi merupakan proses identifikasi portofolio aplikasi sistem informasi berbasis komputer yang mendukung suatu organisasi dalam melaksanakan rencana bisnis dan merealisasikan tujuan bisnis dan konstribusi bagi organisasi dalam memilih langkah-langkah strategis.” (Ward dan Peppard (2002)).
Selain itu perencanaan strategis informasi dan teknologi informasi juga menjelaskan berbagai tools, teknik dan kerangka kerja bagi manajemen untuk menyelaraskan strategi sistem informasi dan teknologi informasi dengan strategi bisnis, bahkan mencari kesempatan baru melalui penerapan teknologi yang inovatif.
2.2 Sistem Informasi Kepegawaian (SIK)
“Sistem Informasi Kepegawaian adalah seperangkat alat untuk mengkarifikasi kinerja pegawai atau informasi berkaitan dengan kegiatan, kondisi dan perkembangan yang terjadi di dalam perusahaan”.
Manfaat Sistem Informasi Kepegawaian (SIK) diantaranya adalah meningkatakan kesejahteraan pegawai sehingga pegawai bermanfaat dan mendorong tercapainya tujuan perusahaan yang efektif serta Untuk meningkatkan kesetiaan dan ketertarikan pegawai dengan perusahaan, Memberikan ketenangan dan pemenuhan kebutuhan bagi pegawai beserta keluarganya, Memotivasi gairah kerja, disiplin dan produktifitas pegawai, menurunkan tingkat absensi. Dan labour turn over (Menciptakan lingkungan dan suasana kerja yang baik serta nyaman dan membantu lancarnya pelaksanaan pekerjaan untuk mencapai tujuan).
BAB III METODOLOGI
3.1 Metode Penelitian
Metode yang digunakan dalam penulisan ini adalah dengan menggunakan metode peneitian Penelitian deskriptif merupakan metode penelitian yang berusaha menggambarkan dan menginterpretasi objek sesuai dengan apa adanya (Best1982 dalam Sukardi, 2004).
Penelitian ini juga sering disebut noneksperimen, karena pada penelitian ini penelitian tidak melakukan kontrol dan manipulasi variabel penelitian Penelitian deskriptif adalah penelitian yang mempelajari masalah
-masalah dalam masyarakat. Melalui penelitian deskriptif, peneliti berusaha mendeskripsikan peristiwa dan kejadian yang menjadi pusat perhatian tanpa memberikan perlakukan khusus terhadap peristiwa tersebut. Variabel yang diteliti bisa tunggal (satu variabel) bisa juga lebih dan satu variabel.
3.2 Metode Pengumpulan Data
Metode pengumpulan data yang tepat yaitu dengan mempertimbangkan penggunaannya berdasarkan jenis data dan sumbernya. Data yang objektif dan relevan dengan pokok permasalahan penelitian merupakan indikator keberhasilan penelitian. Pengumpulan data penelitian ini dilakukan dengan cara sebagai berikut :
a. Observasi, merupakan teknik pengumpulan data dengan cara mengadakan pengamatan secara langsung kepada objek penelitian mengenai data pegawai. b. Wawancara, Merupakan metode pengumpulan data
dengan cara mengadakan Tanya Jawab langsung kepada bagian pengolahan data, bagian IT dan bagian SDM perusahaan.
c. Studi Pustaka, Mengumpulkan data dengan mempelajari masalah yang berhubungan dengan objek yang diteliti serta bersumber dari buku- buku pedoman, literatur yang disusun oleh para ahli untuk melengkapi data yang diperlukan dalam penelitian.
3.3 Metode Analisis Data
Adapun untuk menganalisis data dalam penerapan data mining ini menggunakan tahapan Knowledge Discovery in Databases (KDD) yang terdiri dari beberapa tahapan sebagai berikut :
Gambar 3.3 Tahapan Knowledge Discovery in Database
a. Data Selection, pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.
c. Transformation, coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada sejenis atau pola informasi yang akan dicari dalam basis data.
d. Data Mining, data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.
e. Evaluation,pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya.
3.4 Metode Pengembangan Sistem
Metode pengembangan sistem yang akan dibuat menggunakan model waterfall (Agus Mulyanto, 2009), yaitu melalui tahapan sebagai berikut :
a. Analisa Sistem; melakukan analisa kebutuhan sistem secara keseluruhan dan melakukan pengumpulan data untuk identifikasi masalah agar dapat menghasilkan aplikasi yang sesuai dengan kebutuhan.
b. Perancangan Sistem, tahap dimana penulis melakukan perancangan interface yang akan dibuat dan alur kerjanya.
c. Implementasi Sistem, sistem di implementasikan dalam bentuk program menggunakan bahasa pemrograman Microsoft Visual Basic 2006 dan SQL sebagai databasenya.
d. Pengujian, tahap ini dilakukan pengujian sistem, untuk mencari kesalahan-kesalahan sehingga dapat diperbaiki. Kemudian dilakukan analisis terhadap fokus permasalahan penelitian, apakah sudah sesuai seperti yang diharapkan.
e. Pemeliharaan, melakukan pemeliharaan terhadap sistem yang dibuat, seperti penyesuaian yang teknik dan algoritma yang tepat sangat bergantung pada proses KDD secara keseluruhan. Pada penelitian ini penerapan data mining menggunakan metode Decision Tree (J4S) dan Naive Bayes untuk menentukan klarifikasi kinerja karyawan.
4.2 Analisis
Data yang akan di-mining diproses melalui tahapan Knowledge Discovery in Databases (KDD) dengan menggunakan SQL Server, berikut tahapan-tahapan KDD : A. Data Selection
Data yang digunakan dalam penelitian ini berasal dari data eksperimen penulis yaitu data pegawai, terdiri dari beberapa tabel antara lain tabel karyawan dan tabel peniaian. Tabel karyawan berisi tentang informasi data pegawai dan tabel penilaian berisi tentang informasi data kehadiran, data prestasi kaywan dan data tunjangan karyawan . Jumlah dataset pada data penilaian sebanyak record dalam 12 bulan.
B. Preprocessing
Pada tahapan preprocessing ini akan dilakukan proses integrasi data untuk menghubungkan data karyawan dan data penilaian, selanjutnya dilakukan proses data cleaning untuk menghasilkan dataset yang bersih sehingga dapat digunakan dalam tahap tahapan ini dilakukan penggabungan dua tabel yaitu tabel karyawan dan penilaian. Proses penggabungan dilakukan dengan merelasikan tabel polis dan nasabah dengan query
2. Cleaning, tahap data cleaning merupakan tahap awal dari proses KDD. Pada tahapan ini data yang yang tidak relevan, missing value, dan redundant harus di bersihkan. Hal ini dikarenakan data yang relevan, tidak missing value, dan tidak redundant merupakan syarat awal dalam melakukan data mining.Suatu data dikatakan missing value jika terdapat atribut dalam dataset yang tidak berisi nilai atau kosong, sedangkan data dikatakan redundant jika dalam satu dataset terdapat lebih dari satu record yang berisi nilai yang sama.
C. Transformation
Tahapan transformation data merupakan tahap merubah data ke dalam bentuk yang sesuai untuk di-mining. Kemudian di tambahkan satu attribut untuk mempermudah proses tranformation.
Gambar 4.3 Context Diagram
Didalam context diagram dijelaskan bahwa Sistem Informasi Kepegawaian (SIK) mendapakan data dari bagian HRD, yaitu data Karywan. data std penilaian, data user dan data nilai. Kemudian SIK menghasilkan laporan mengenai klasifikasi kinerja kayawan yang dikirimkan kepada HRD dan Pimpinan.
Entity Relationship Diagram (ERD)
Pada tahapan ini dilakuan dengan membangun basis pengetahuan yang meliputi alur keputusan, tabel keputusan, tabel aturan, pemodelan proses, terdiri dari diagram konteks dan diagram alir data. Sedangkan pemodelan datanya terdiri Entity Relationship Diagram (ERD), mapping table serta rancangan tabel. Perancangan masukan, keluaran dan rancangan menu yang digunakan berfungsi untuk menampilkan menu-menu yang ada dalam aplikasi. Alur keputusan yang dilakukan dalam menentukan penilaian kinerja pegawai.
Gambar 4.3 Entity Relationship Diagram
Perancangan interface diperlukan untuk memberikan tampilan yang menarik dan memberikan kemudahan pengguna dalam menjalankan aplikasi. Perancangan menu meliputi rancangan menu login; menu pengguna; menu basis pengetahuan berupa input pegawai, input jabatan, input nilai pegawai dan input syarat jabatan; menu perhitungan dan hasil perhitungan.
4.4 Implementasi Program
Sistem ini diimplementasikan dengan menggunakan bahasa pemrograman Visual Basic 2006 dan MySql sebagai database. Sistem ini digunakan oleh 3 user, yaitu HRD, manajer, dan direktur. Disediakan fasillitas untuk mengubah, menambah, dan menghapus basis pengetahuan, untuk keperluan apabila sewaktu-waktu ada data yang perlu diupdate.
Gambar 4.3 Data Pegawai
4.5 Penerapan Sistem
Naive Bayes didasarkan pada asumsi penyederhanaan bahwa nilai atribut secara konditional saling bebas jika diberikan nilai output. Dengan kata lain, diberikan nilai output, probabilitas mengamati secara bersama adalah produk dari probabilitas individu. Keuntungan penggunaan Naive Bayes adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan (Training Data) yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam proses pengklasifikasian. Dalam metode Naive Bayes data String yang bersifat konstan dibedakan dengan data numerik yang bersifat kontinyu, perbedaan ini akan terlihat pada saat menentukan nilai probabilitas setiap kriteria baik itu kriteria dengan nilai data string maupun kriteria dengan nilai data numerik. Adapun penerapan metode Naive Bayes sebagai berikut.
A. Data Training
Untuk menentukan data yang nantinya akan dianalisis dengan metode Naive Bayes maka langkah pertama yang dilakukan adalah membaca data latih. Adapun data latih yang digunakan dapat dilihat pada tabel 1 berikut :
Table 1 Data Training
B. Kriteria dan Probabilitas
Adapun nilai probabilitas setiap kriteria didapatkan dari data latih pada tabel 1. nilai probabilitas setiap kriteria sebagai berikut :
1. Probabilitas Kehadiran
data latih (datatraining) adalah sebanyak 50 data mahasiswa, di mana dari 50 mahasiswa tersebut terdapat 36 karyawan gagal dengan kehadiran kurang, 2 karyawan gagal dengan nilai kehadiran cukup dan tidak ada karyawan gagal dengan nilai gramme bagus, sementara itu terdapat 2 karyawan yang lulus dengan nilai kehadiran kurang, 5 karyawan yang lulus dengan nilai kehadiran cukup dan 5 karyawan lulus dengan nilai kehadiran bagus. Probabilitas kriteria kehadiran dapat dilihat pada
Pada kriteria wawasan dapat diketahui dari 50 karyawan tersebut terdapat 25 karyawan gagal dengan nilai wawasan kurang, 12 karyawan 4 gagal dengan nilai wawasan cukup dan 1 karyawan gagal dengan nilai wawasan bagus, sementara itu terdapat 3 karyawan yang lulus dengan nilai wawasan kurang, 5 karyawan yang lulus dengan nilai wawasan cukup dan 4 karyawan lulus dengan nilai wawasan bagus. Probabilitas kriteria wawasan dapat dilihat pada tabel 3.
Pada kriteria lapangan dapat diketahui dari 50 karyawan tersebut terdapat 26 karyawan gagal dengan nilai lapangan kurang, 9 karyawan gagal dengan nilai lapangan cukup dan 3 karyawan gagal dengan nilai lapangan bagus, sementara itu terdapat 1 karyawan yang lulus dengan nilai lapangan kurang, 6 karyawan yang lulus dengan nilai lapangan cukup dan 5 karyawan lulus dengan nilai lapangan bagus. Probabilitas kriteria lapangan. dapat dilihat pada tabel 4. sementara itu tidak ada karyawan yang lulus dengan nilai kepribadian kurang, 5 karyawan yang lulus dengan nilai kepribadian cukup dan 7 karyawan lulus dengan nilai kepribadian bagus. Probabilitas kriteria kepribadian dapat dilihat pada tabel 5.
Kepribadia
Pada kriteria kemampuan dapat diketahui dari 50 karyawan tersebut terdapat 1 karyawan gagal dengan nilai kemampuan kurang, 32 karyawan gagal dengan nilai kemampuan cukup dan 5 karyawan gagal dengan nilai kemampuan bagus, sementara itu tidak ada karyawan lulus dengan nilai kemampuan kurang, 10 karyawan lulus dengan nilai kemampuan cukup dan 2 karyawan lulus dengan nilai kemampuan bagus. Probabilitas kriteria kemampuan dapat dilihat pada tabel 6.
Kemampua
BAB V KESIMPULAN DAN SARAN 1.1 Kesimpulan
Perancangan Strategis Sistem Informasi Kepegawaian merupakan suatu aplikasi proses kasifikasi dalam suatu aplikasi sistem informasi berbasis komputer yang mendukung suatu organisasi dalam melaksanakan rencana bisnis dan merealisasikan tujuan bisnis dan konstribusi bagi organisasi.
Berdasarkan penelitian mengenai klasifikasi kinerja karyawan yang diuji menggunakan aplikasi ini ada beberapa kesimpulan sebagai berikut :
1. Berdasarkan data pegawai yang diperoleh, proses Data Mining membantu dalam penerapan metode Naive Bayes dalam mendapatkan informasi dari hasil klasifikasi kinerja karyawan.
2. Metode Naive Bayes memanfaatkan data training untuk menghasilkan probabilitas setiap kriteria untuk class yang berbeda, sehingga nilai-nilai probabilitas dari kriteria tersebut dapat dioptimalkan untuk kinerja karyawan agar bisa dipromosikan berdasarkan proses klasifikasi yang dilakukan oleh metode Naive Bayes itu sendiri.
3. Berdasarkan data pegawai yang diuji menggunkan SIK yang dijadikan data training, metode Naive Bayes berhasil mengklasifikasikan 49 data dari 50 data yang diuji. Sehingga dengan demikian metode Naive Bayes ini berhasil memprediksi kinerja karyawan dengan persentase keakuratan sebesar 98 %.
REFERENSI
[1] Angga Ginanjar Mabrur, Riani Lubis, (2012). Penerapan Data Mining untuk Memprediksi Kriteria Nasabah Kredit, Jurnal Komputer dan Informatika (KOMPUTA) Edisi 1, Vol. 1, Maret 2012..
[2] Surbekti Mujiasih, (2011). Pemanfaatan Data Mining Untuk Prakiraan Cuaca, Jurnal Meteorologi dan Geofisika, Volume 12, Nomor 2, September 2011. [3] Agushinta, D., Irfan, M. (2008), Perancangan Aplikasi
Data Mining Untuk Memprediksi Permintaan Customer Pada Perusahaan Persewaan Mobil, Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2008), Depok, Universitas Gunadarma, 207-208
[4] Syamsi, I. Pengambilan Keputusan dan Sistem Informasi. Jakarta: Penerbit PT Bumi Aksara, 2000. [5] Kristanto, A. Perancangan Sistem Informasi dan
Aplikasinya. Yogyakarta: Penerbit Gaya Media, 2003. [6] Mujib Ridwan, dkk, (2013), Penerapan Data Mining
untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier, Jurnal EECCIS Vol. 7, No. 1, Juni 2013.
