Fakultas Ilmu Komputer
1804
Implementasi Metode
Profile Matching
untuk Seleksi Penerimaan Anggota
Asisten Praktikum (Studi Kasus : Laboratorium Pembelajaran Kelompok
Praktikum Basis Data FILKOM)
Fran’s Dwi Saputra Atmanagara1, Rekyan Regasari Mardi Putri2, Sutrisno3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1franz.saputra17@gmail.com, 2rekyan.rmp@ub.ac.id, 3trisno@ub.ac.id
Abstrak
Praktikum merupakan metode pembelajaran yang ditujukkan kepada peserta didik untuk lebih memahami tentang materi pembelajaran yang terkait. Dengan kegiatan praktikum diharapkan peserta didik dapat lebih eksplorasi tentang materi yang dipelajari. Salah satu faktor agar peserta didik bisa mengikuti kegiatan praktikum dengan baik yaitu dengan bimbingan seorang asisten praktikum yang memiliki sumber daya manusia (SDM) yang berkualitas. Proses seleksi pada saat penerimaan anggota asisten praktikum sangat dibutuhkan untuk mencari SDM asisten praktikum yang berkualitas. Penerimaan anggota asisten praktikum diharapkan tidak subjektif agar kualitas SDM asisten praktikum yang diperoleh dapat sesuai dengan harapan, sehingga tidak ada pihak yang dirugikan dan lebih mudah menjalankan tugas sebagai anggota asisten praktikum. Profile Matching adalah salah satu metode pengambilan keputusan yang cocok untuk seleksi penerimaan anggota secara objektif sesuai kriteria yang dibutuhkan. Profile Matching merupakan sebuah mekanisme pengambilan keputusan dengan mengansumsikan bahwa terdapat tingkat variabel prediktor ideal yang harus dimiliki oleh individu, bukan tingkat minimal yang harus dipenuhi atau dilewati. Hasil perhitungan akurasi sistem dengan mengimplementasikan metode Profile Matching menunjukkan akurasi sebesar 86,6% dalam tahap penerimaan anggota baru dan 83,3% dalam tahap penempatan divisi. Kinerja sistem yang dirancang dapat digunakan untuk mengambil keputusan penerimaan anggota dengan output berupa ranking berdasarkan nilai akhir yang paling tinggi ke nilai akhir yang paling rendah.
Kata Kunci: Profile Matching, seleksi penerimaan anggota, asisten praktikum.
Abstract
Practicum is a learning method that is attempted to learners to better understand about the related learning materials. With practicum activities are expected learners can be more exploration about the material being studied. One of the factors so that learners can follow practicum activities well is with the guidance of a practicum assistant who has human resources (HR) quality. The selection process at the time of admission of a practicum assistant member is needed to find qualified human resources assistant assistant. The acceptance of a practicum assistant member is not expected to be subjective so that the quality of the assistant laboratory assistant obtained can be in line with expectations, so that no one will be harmed and more easily perform the task as a member of the practicum assistant. Profile Matching is one of the most suitable decision-making methods for selecting membership acceptance according to the required criteria. Profile Matching is a decision-making mechanism by assuming that there is an ideal predictor variable level that must be owned by an individual, not a minimum level that must be met or skipped. The result of system accuracy calculation by implementation Profile Matching method shows an accuracy of 86.6% in the recruitment stages of new members and 83.3% in the division placement stages. The performance of a designed system can be used to make a member accept decision with output in the form of ranking based on the highest end value to the lowest final value.
1. PENDAHULUAN
Metode pembelajaran praktikum sangat sering digunakan dalam dunia Pendidikan. Metode praktikum ditujukan untuk peserta didik lebih memahami tentang materi pembelajaran yang terkait. Menurut Djamarah & Zain (2002) metode praktikum adalah proses pembelajaran dimana peserta didik melakukan dan mengalami sendiri, mengikuti proses, mengamati obyek, menganalisis, membuktikan dan menarik kesimpulan suatu obyek, keadaan dan proses dari materi yang dipelajari tentang gejala alam dan interaksinya sehingga dapat menjawab pertanyaan yang didapatkan melalui pengamatan induktif. Dalam lingkup universitas, asisten praktikum membantu pembimbing praktikum dalam kegiatan praktikum pada matakuliah yang diampu. Seorang asisten praktikum harus memiliki kemampuan dan kriteria yang dibutuhkan dalam menjalankan tugas asisten praktikum agar peserta didik mampu mengikuti kegiatan praktikum dengan baik.
Laboratorium Pembelajaran Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya mengadakan rekrutmen asisten praktikum kelompok basis data pada tiap satu tahun sekali. Asisten Praktikum kelompok basis data adalah asisten praktikum yang membantu pembimbing praktikum dalam kegiatan praktikum pada mata kuliah Sistem Basis Data, Dasar Basis Data dan Administrasi Basis Data. Untuk menjadi anggota asisten praktikum kelompok basis data, calon asisten praktikum harus mengikuti tahap-tahap proses seleksi. Proses seleksi tersebut diharapkan menghasilkan sumber daya manusia yang terbaik dan berkualitas dalam menunjang kegiatan praktikum matakuliah basis data di Fakultas Ilmu Komputer Universitas Brawijaya. Akan tetapi, masih saja anggota asisten praktikum yang sudah melewati tahap seleksi namun tidak sesuai yang diharapkan dan posisi divisi asisten praktikum tidak sesuai pada divisi yang diposisikannya.
Pada saat ini sistem penerimaan anggota asisten praktikum masih menggunakan cara manual. Cara manual yang digunakan pada saat ini yaitu melakukan tes akademik dan tes wawancara. Dari hasil penilaian tes akan ditentukan bahwa calon asisten praktikum tersebut layak tidaknya untuk menjadi anggota asisten praktikum.
Sampai saat ini tim rekrutmen anggota asisten praktikum kelompok praktikum basis
data masih belum menemukan formula yang cocok untuk perhitungan dari hasil penilaian tes yang telah dilakukan. Hal tersebut dapat menimbulkan berbabagai kelemahan, seperti dibutuhkan waktu 2-3 hari untuk mendapatkan anggota asisten praktikum yang baru karena hasil penilaian tes yang dilakukan akan dievaluasi oleh tim rekrutmen. Masalah lainnya juga timbul pada saat kepengurusan asisten. Seperti pada saat proses belajar mengajar di kelas, asisten mempunyai sikap yang kurang baik terhadap praktikan sehingga praktikan tidak mempunyai semangat untuk mengikuti proses belajar mengajar dikelas. Dari permasalahan tersebut akan berdampak buruk pada prestasi praktikan. Selain itu, ketika pembuatan soal untuk tugas praktikum oleh anggota asisten baru, sering kali soal yang dihasilkan kurang bisa dipahami oleh praktikan dan asisten senior. Hal ini dapat mengakibatkan miscommunication terhadap praktikan dan anggota asisten mengenai proses pengerjaan soal tersebut.
Berdasarkan permasalahan yang terjadi di Laboratorium Pembelajaran FILKOM, dibutuhkan sebuah metode yang tepat untuk seleksi penerimaan anggota asisten praktikum. Ada banyak metode yang bisa dipakai dalam mengambil keputusan, salah satu metode yang dapat dipakai yaitu metode Profile Matching. Konsep metode Profile Matching yaitu metode pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variable predictor yang ideal yang harus dipenuhi oleh subyek yang diteliti, bukannya tingkat minimal yang harus dipenuhi atau dilewati (Kusrini, 2007).
2. DASAR TEORI
2.1 Profile Matching
Metode Profile Matching merupakan sebuah mekanisme dalam proses pengambilan keputusan dengan mengansumsikan bahwa terdapat tingkat variable prediktor ideal yang harus dimiliki oleh individu, bukan tingkat minimal yang harus dipenuhi atau dilewati. Metode Profile Matching dilakukan melalui identifikasi terhadap suatu kelompok yang baik maupun yang buruk. Individu dalam kelompok tersebut diukur menggunakan beberapa kriteria penilaian. Berikut prosedur metode Profile Matching (Kusrini, 2007:53):
1. Pemetaan Gap
Gap adalah perbedaan antara profil jabatan dengan nilai profil individu yang diukur dari nilai atribut yang telah ditentukan. Pemetaan Gap dapat ditulis dalam persamaan 1.
Gap = Nilai – Nilai Standar (1)
Untuk pengumpulan Gap pada tiap atributnya mempunyai perhitungan yang berbeda-beda pada tiap permasalahan. Contoh rentang Gap dapat dilihat pada Tabel 1.
Tabel 1. Rentang Nilai Gap
Range Penilaian Kategori Nilai
0-49 Sangat Kurang 1
50-59 Kurang 2
60-74 Cukup 3
75-84 Baik 4
84-100 Sangat Baik 5
Range penilaian dapat diubah-ubah, disesuaikan oleh kebutuhan instansi yang bersangkutan.
2. Penentuan bobot nilai Gap
Dalam tahap ini akan ditentukan bobot nilai masing-masing atribut dengan menggunakan bobot nilai yang telah ditentukan bagi masing-masing atribut itu sendiri. Adapun masukan dari proes pembobotan ini adalah selisih dari profil individu dan profil jabatan. Selisih yang didapatkan dapat diberikan bobot sesuai dari nilai patokan pada Tabel 2. Perbandingan bobot dengan nilai Gap dapat dilihat pada Tabel 2.
Tabel 2. Perbandingan Bobot
Selisih Bobot Keterangan
0 5
Tidak ada selisih (Kompetensi sesuai dengan yang
3. Perhitungan nilai Core Factor dan Secondary Factor
Setelah menentukan bobot pada tiap atribut, selanjutnya tiap atribut dikelompokkan menjadi dua kelompok yaitu Core Factor dan Secondary Factor.
a. Core Factor
Core Factor merupakan atribut yang paling diutamakan atau yang paling menonjol pada suatu jabatan. Aspek Core Factor diperkirakan dapat menghasilkan kinerja optimal. Perhitungan Core Factor
dapat dirumuskan pada persamaan 2.
𝑁𝐶𝐹 = ∑ 𝑁𝐶∑ 𝐼𝐶 (2)
Keterangan:
NCF = Nilai rata-rata Core Factor
NC = Jumlah Total nilai Core Factor (atribut 1, atribut 2, dst)
IC = Jumlah aspek Core Factor b. Secondary Factor
Secondary Factor merupakan aspek-aspek selain yang ada pada aspek-aspek Core Factor. Perhitungan Secondary Factor dapat dilihat pada persamaan 3.
𝑁𝑆𝐹 = ∑ 𝑁𝑆∑ 𝐼𝐶 (3)
Keterangan:
NSF = Nilai rata-rata Secondary Factor
Factor (atribut 1, atribut 2, dst)
IC = Jumlah aspek Secondary Factor
4. Perhitungan nilai total aspek
Perhitungan nilai total atribut pada tiap aspek tersebut didapatkan dari hasil perhitungan
Core Factor dan Secondary Factor tersebut yang akan dijumlahkan berdasarkan persentase. Persentase yang diberikan pada Core Factor dan
Secondary Factor diperkirakan akan
berpengaruh terhadap kinerja pada tiap-tiap profil. Perhitungan nilai total aspek dapat dirumuskan pada persamaan 4.
Nilai Total = (x)% NCF + (x)% NSF (4)
Keterangan:
NCF = Nilai rata-rata Core Factor
NSF = Nilai rata-rata Secondary Factor
(x)% = Nilai persen yang diinputkan
5. Perhitungan hasil akhir
Hasil akhir dari metode Profile Matching
adalah perurutan kandidat yang akan menempati posisi jabatan tertentu. Penentuan ranking mengacu pada hasil perhitungan, perhitungan tersebut dapat ditujukan pada persamaan 5.
𝐻𝑎𝑠𝑖𝑙 𝐴𝑘ℎ𝑖𝑟 = ∑ (𝑥)%𝑁𝑖𝑖=0 (5)
Keterangan:
Ni = Nilai total aspek i
(x)% = Nilai persen rumus hasil akhir (total 100%)
3. PERANCANGAN SISTEM
3.1Alur Perancangan Sistem
Pada tahap alir perancangan sistem, terdapat penjelasan mengenai bagaimana proses yang terjadi dalam menentukan calon asisten praktikum yang akan diterima dan menempatkan posisi divisi calon asisten praktikum yang diterima, yang akan ditunjukkan oleh Gambar 1 berikut ini.
Gambar 1. Diagram Alur Perancangan Sistem
3.2 Alur Perancangan Sistem Perhitungan
Profile Matching Tahap Penerimaan Anggota Baru
Tahapan pertama yang dilakukan adalah tahap penerimaan anggota baru. Langkah awal yang dilakukan yaitu melakukan input nilai kriteria calon asisten berdasarkan hasil tes kompetensi dasar dan tes wawancara yang telah dilakukan. Selanjutnya dilakukan proses pemetaan gap dari nilai-nilai yang telah diinputkan sebelumnya. Setelah itu dilanjutkan proses penentuan bobot gap dari nilai gap yang telah dihasilkan pada proses pemetaan gap. Setelah proses penentuan bobot gap, dilakukan proses perhitungan Core Factor dan Secondary Factor dari kriteria anggota asisten praktikum. Dari hasil perhitungan Core Factor dan
Gambar 2. Perhitungan Profile Matching Tahap Penerimaan Anggota Baru
3.3Alur Perancangan Sistem Perhitungan
Profile Matching Tahap Penempatan Divisi
Tahapan kedua yang dilakukan adalah tahap penempatan divisi. Langkah awal yang dilakukan yaitu melakukan input nilai kriteria divisi berdasarkan hasil tes wawancara yang telah dilakukan. Selanjutnya dilakukan proses pemetaan gap dari nilai-nilai yang telah diinputkan sebelumnya. Setelah itu dilanjutkan proses penentuan bobot gap dari nilai gap yang telah dihasilkan pada proses pemetaan gap. Setelah proses penentuan bobot gap, dilakukan proses perhitungan Core Factor dan Secondary Factor dari kriteria divisi. Dari hasil perhitungan
Core Factor dan Secondary Factor, akan digunakan sebagai proses perhitungan total nilai. Total nilai yang didapatkan pada tiap calon asisten, akan diurutkan secara desscending pada proses rangking total nilai. Dari proses rangking total nilai, akan didapatkan hasil rangking penempatan divisi dari keseluruhan calon asisten praktikum yang telah dinyatakan lolos pada tahap penerimaan anggota baru. Proses-proses tahap penempatan divisi akan ditunjukkan pada Gambar 3 berikut ini:
Gambar 3. Perhitungan Profile Matching Tahap Penempatan Divisi
4. PENGUJIAN DAN ANALISIS
4.1 Pengujian Akurasi Tahap Penerimaan Anggota Baru
Pengujian ini berfungsi untuk melihat kinerja sistem dalam memberikan hasil lolos tidaknya calon asisten praktikum. Data yang digunakan sebanyak 30 data. Berikut ini adalah hasil pengujian akurasi penerimaan anggota baru.
Tabel 3. Hasil Pengujian Akurasi Tahap Penerimaan Anggota Baru
No Nama Hasil
Akhir HDM HS
1 Abdul Aziz
Saukat 4.225 L L
2 Adhirajasa
Raitsany 4.5 L L
3 Adi Ama 4.4 TL L
4 Alfian Rizky
Susanto 3.35 TL TL
5 Andika Harlan 3.2 TL TL
6 Andre Rizal
Sinaga 4.675 L L
7 Anggita
Mahardika 3.3 TL TL
8 Aulia Pertiwi 4.025 L TL
9 Danniar Reza
10 Dhimas Pristian
14 Hendro Febrian
B 3.35 TL TL
25 Taufik Brilian
Nur 4.525 L L
HDM : Hasil Decision maker
HS : Hasil Sistem Nilai CF : Nilai Core Factor
Berdasarkan Tabel 3 telah dilakukan pengujian akurasi terhadap 30 data uji dalam tahap penerimaan anggota baru. Data dikatakan akurat apabila hasil keluaran sistem dan hasil
decision maker memiliki hasil yang sama. Dari hasil perbandingan yang sudah dilakukan, mempunyai data yang akurat sebanyak 26 data, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑒𝑙𝑢𝑟𝑢ℎ 𝐷𝑎𝑡𝑎𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎 𝐴𝑘𝑢𝑟𝑎𝑡 𝑥 100 (6)
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 2630 𝑥 100% = 86,6%
Dapat disimpulkan bahwa akurasi sistem
menggunakan metode Profile Matching
berdasarkan dari 30 data uji menghasilkan tingkat akurasi yang baik dengan hasil decision maker sebesar 86,6 %. Perbedaan hasil antara hasil sistem dengan hasil decision maker dapat terlihat pada nama Adi Ama. Hal ini dikarenakan orang yang bersangkutan pada waktu masa menjadi anggota asisten praktikum tidak konsisten dalam menjalankan tugas menjadi asisten praktikum. Hal tersebut dapat terjadi dikarenakan yang bersangkutan banyaknya mengikuti organisasi lain diluar kampus maupun di dalam kampus sehingga yang bersangkutan tidak dapat membagi waktu dalam menjalankan tugas sebagai anggota asisten praktikum. Dari hal tersebut pihak decision maker memberikan keputusan bahwa yang bersangkutan tidak layak untuk menjadi anggota asisten praktikum.
Perbedaan hasil yang lain juga dapat dilihat pada nama Muhammad sodiq. Hal ini dikarenakan pada saat proses kegiatan praktikum dikelas, orang yang bersangkutan dinilai kurang sabar dan mempunyai sifat emosi yang tinggi. Hal ini dapat menyebabkan praktikan merasa tidak nyaman dikelas sehingga dapat menurunkan tingkat konsentrasi praktikan terhadap mata kuliah basi data. Dari hal tersbut pihak decision maker memberikan keputusan bahwa yang bersangkutan tidak layak untuk menjadi anggota asisten praktikum.
4.2 Pengujian Akurasi Tahap Penempatan Divisi
Pengujian ini berfungsi untuk melihat kinerja sistem dalam memberikan hasil penempatan divisi calon asisten praktikum secara proposional. Data yang digunakan sebanyak 18 data berdasarkan dari calon asisten praktikum yang dianggap lolos. Berikut ini adalah hasil pengujian akurasi tahap penempatan divisi.
Tabel 4. Hasil Pengujian Akurasi Tahap Penempatan Divisi
No Nama Hasil Penempatan Divisi
Decision
Divisi Soal Divisi Soal
2
Danniar Reza Firdausy
3 Tuti Wardani Hamid
Divisi Soal Divisi Soal
4 Timothy
Divisi Soal Divisi Soal
8 Rosalia
Raitsany Divisi Soal Divisi Soal
11 Novia
Agusvina Divisi Soal Divisi Soal
12 Tedja Adhi
Saukat Divisi Arsip Divisi Arsip
14 Taufik
Brilian Nur Divisi Soal Divisi Arsip
15 Haidar
Pertiwi Divisi Soal Divisi Soal
17 Diago
Ariesandika Divisi Arsip Divisi Arsip
18 Dinda Agnes
Divisi
Penjadwalan Divisi Arsip
Berdasarkan Tabel 4 telah dilakukan pengujian akurasi terhadap 18 data uji dalam tahap penempatan divisi. Data dikatakan akurat apabila hasil keluaran sistem dan hasil decision maker memiliki hasil yang sama. Dari hasil perbandingan yang sudah dilakukan, mempunyai data yang akurat sebanyak 12 data, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 1318 𝑥 100% = 72,2%
Dapat disimpulkan bahwa akurasi sistem menggunakan metode Profile Matching
berdasarkan dari 18 data uji menghasilkan tingkat akurasi yang baik dengan hasil decision maker sebesar 72,2 %.
4.3 Pengujian Bobot Persentase
Pengujian bobot persentase adalah
pengujian dengan merubah nilai bobot persentase yang digunakan pada perhitungan nilai Core Factor dan Secondary Factor. Pengujian ini dilakukan untuk mengetahui pengaruh hasil sistem jika nilai bobot persentase perhitungan nilai Core Factor dan Secondary Factor diubah sehingga dapat mengetahui nilai akurasi bobot persentase yang terbaik yang dapat digunakan pada sistem dengan cara membandingkan hasil sistem dengan hasil evaluasi kinerja anggota asisten praktikum dari
decision maker anggota asisten praktikum kelompok basis data.
Dalam pengujian bobot persentase memakai 3 model bobot persentase yang selanjutnya akan digunakan untuk semua tahapan dalam penerimaan anggota asisten praktikum basis data. Pengujian bobot persentase dilakukan dengan mengansumsikan bobot persentase Core Factor lebih besar dari pada bobot persentase nilai Secondary Factor
karena nilai Core Factor diperkirakan menghasilkan kinerja yang optimal.
4.3.1 Model 1 Tahap Penerimaan Anggota Baru
Pada pengujian persentase model 1 dilakukan pengujian akurasi terhadap 30 data uji dan aturan penerimaan anggota baru yang sama, tetapi dengan menggunakan bobot persentase perhitungan Core Factor dan Secondary Factor
yang berbeda yakni Core Factor 60% dan
Secondary Factor 40%. Data akurat sebanyak 26 data, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 2630 𝑥 100% = 86,6%
Dapat disimpulkan dengan pengujian persentase model 1 mempunyai tingkat akurasi yang baik yakni sebesar 86,6%.
4.3.2 Model 2 Tahap Penerimaan Anggota Baru
Pada pengujian persentase model 2 dilakukan pengujian akurasi terhadap 30 data uji dan aturan penerimaan anggota baru yang sama, tetapi dengan menggunakan bobot persentase perhitungan Core Factor dan Secondary Factor
yang berbeda yakni Core Factor 70% dan
Secondary Factor 30%. Data akurat sebanyak 26 data, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
Dapat disimpulkan dengan pengujian persentase model 2 dengan data uji yang sama yaitu 30 data uji, mempunyai tingkat akurasi yang baik dengan hasil decision maker yakni sebesar 86,6%. Dari hasil pengujian persentase model 2, tentu saja menghasilkan hasil akhir yang berbeda pada setiap calon asisten yang dibandingkan dengan hasil peengujian persentase model 1. Tentunya hal ini mengakibatkan perbedaan hasil rangking dari hasil pengujian persentase model 1 dan model 2.
4.3.3 Model 3 Tahap Penerimaan Anggota Baru
Pada pengujian persentase model 3 dilakukan pengujian akurasi terhadap 30 data uji dan aturan penerimaan anggota baru yang sama, tetapi dengan menggunakan bobot persentase perhitungan Core Factor dan Secondary Factor
yang berbeda yakni Core Factor 80% dan
Secondary Factor 20%. Data akurat sebanyak 26 data, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 2630 𝑥 100% = 86,6%
Dapat disimpulkan dengan pengujian persentase model 3 dengan data uji yang sama yaitu 30 data uji, mempunyai tingkat akurasi yang baik dengan hasil decision maker yakni sebesar 86,6%. Dari hasil pengujian persentase model 3, menghasilkan hasil akhir yang berbeda pada setiap calon asisten yang dibandingkan dengan hasil pengujian persentase model 1 dan model 2. Tentunya hal ini mengakibatkan perbedaan hasil rangking dari hasil pengujian persentase model 1, model 2, dan model 3.
4.3.4 Model 1 Tahap Penempatan Divisi
Pada pengujian persentase model 1 dilakukan pengujian akurasi terhadap 18 data uji dan aturan penempatan divisi yang sama, tetapi dengan menggunakan bobot persentase perhitungan
Core Factor dan Secondary Factor yang berbeda yakni Core Factor 60% dan Secondary Factor 40% dalam setiap divisi. Data akurat sebanyak 13 data uji, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 1318 𝑥 100% = 72,2%
Dapat disimpulkan dengan pengujian persentase model 1 dengan data uji yang sama yaitu 18 data uji, mempunyai tingkat akurasi yakni sebesar 72,2%.
4.3.5 Model 2 Tahap Penempatan Divisi
Pada pengujian persentase model 2 dilakukan pengujian akurasi terhadap 18 data uji dan aturan penempatan divisi yang sama, tetapi dengan menggunakan bobot persentase perhitungan
Core Factor dan Secondary Factor yang berbeda yakni Core Factor 70% dan Secondary Factor 30% dalam setiap divisi. Data akurat sebanyak 15 data uji, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 1518 𝑥 100% = 83,3%
Dapat disimpulkan dengan pengujian persentase model 2 dengan data uji yang sama yaitu 18 data uji, mempunyai tingkat akurasi yang lebih baik dari hasil decision maker yakni sebesar 83,3%.
4.3.6 Model 3 Tahap Penempatan Divisi
Pada pengujian persentase model 3 dilakukan pengujian akurasi terhadap 18 data uji dan aturan penempatan divisi yang sama, tetapi dengan menggunakan bobot persentase perhitungan
Core Factor dan Secondary Factor yang berbeda yakni Core Factor 80% dan Secondary Factor 20% dalam setiap divisi. Data akurat sebanyak 15 data uji, sehingga menghasilkan nilai akurasi sesuai persamaan 6.
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 1518 𝑥 100% = 83,3%
Dapat disimpulkan dengan pengujian persentase model 3 dengan data uji yang sama yaitu 18 data uji, mempunyai tingkat akurasi yang lebih baik dari hasil decision maker yakni sebesar 83,3%.
5. KESIMPULAN
Penelitian ini adalah implementasi metode
anggota baru, tingkat akurasi yang didapatkan sebesar 86,6%. Sedangkan dalam tahap penempatan divisi, tingkat akurasi yang didapatkan sebesar 83,3% dengan masing-masing bobot persentase Core Factor dan
Secondary Factor sebesar 70% dan 30%. Implementasi metode Profile Matching untuk seleksi penerimaan anggota asisten praktikum kelompok praktikum basis data di laboratorium pembelajaran FILKOM memperoleh hasil yang cukup baik sesuai dengan perancangan.
DAFTAR PUSTAKA
Afijal, & Iqbal, M. 2014. Decision Support System Determination for Poor Houses Beneficiary Using. SAVAP Internasional, 385-394.
Alamsyah, S. A. (2015). Aplikasi Pendukung Keputusan Seleksi Asisten Praktikum Dan Lab Menggunakan Metode Analytical Hierarchi Process (Studi Kasus : Lab Informatika Universitas Telkom).
Djamarah, B. S., & Zain, A. (2002). Strategi Belajar Mengajar. Jakarta: Rineka Cipta.
Filkom. (2017, January 05). Diambil kembali dari Laboratorium Pembelajaran: https://filkom.ub.ac.id/unit/lab/pilkom
Kusrini. (2007). Konsep dan Aplikasi SIstem Pendukung Keputusan. Yogyakarta: Andi Offset.
Sibarani, & Novita, Y. (2015). Sistem Pendukung Keputusan Penempatan Pegawai Berdasarkan Psikogram Dengan Metode Profile Matching. Informasi dan Teknologi Ilmiah (INTI).
Suhartanto, A., Kusrini, & Henderi. (2016). Penerapan Metode Profile Matching
Dalam Penilaian Kinerja Guru. Bianglala Informatika.
Terry, G. (2006). Prinsip Prinsip Manajemen. Jakarta: Bumi Aksara.
Tharo, Z., & Putera, A. (2016). Profile Matching