Rekomendasi Pencari Kerja dan Pekerjaan Terbaik
Pada Sistem Informasi Lowongan Kerja
Menggunakan Metode
Weighted Product
(WP)
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti:
Tangguh Yoga Pratama (672011193)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
1
1. Pendahuluan
Undang-Undang Republik Indonesia Nomor 13 Tahun 2003 Tentang Ketenagakerjaan Pasal 1 Butir 2 dan 4 menjelaskan tentang pengertian tenaga kerja dan pemberi kerja. Tenaga kerja adalah setiap orang yang mampu melakukan pekerjaan guna menghasilkan barang dan/atau jasa baik untuk memenuhi kebutuhan sendiri maupun untuk masyarakat. Pemberi kerja adalah orang perseorangan, pengusaha, badan hukum, atau badan-badan lainnya yang mempekerjakan tenaga kerja dengan membayar upah atau imbalan dalam bentuk lain.
Setiap orang membutuhkan pekerjaan dengan tujuan mencari penghasilan demi mempertahankan kelangsungan hidup, dan setiap para pemberi kerja membutuhkan tenaga kerja demi kelangsungan usaha yang dibangunnya. Setiap pelamar kerja yang diterima pasti telah memenuhi persyaratan umum yang biasanya dibuat oleh sebuah perusahaan. Persyaratan umum dalam proses penerimaan karyawan atau pegawai meliputi faktor tingkat pendidikan atau bidang studi pendidikan yang dijalani oleh pelamar apakah cocok dengan posisi yang dicari oleh perusahaan, faktor usia, faktor pengalaman kerja, serta besaran gaji yang diharapkan. Sebagai pemberi kerja biasanya memperhatikan faktor-faktor seperti usia, pengalaman kerja, tingkat pendidikan, dan gaji yang diharapkan dari pelamar kerja sebagai pertimbangan untuk diterima sebagai tenaga kerja.
Seorang pelamar kerja berharap mendapatkan pekerjaan yang sesuai dengan minat dan penghasilan yang diharapkan, dan sebagai seorang pemberi kerja mengharapkan mendapatkan calon tenaga kerja yang memiliki kompetensi serta keunggulan untuk posisi yang ditawarkan. Proses rekomendasi posisi kerja dan calon tenaga kerja diharapkan dapat membantu pelamar maupun pemberi kerja dalam menentukan siapa saja yang layak menempati posisi kerja yang dibutuhkan serta rekomendasi pekerjaan apa saja yang cocok untuk seseorang yang sedang mencari lowongan pekerjaan. Implementasi metode Weighted Product
yang menggunakan perkalian untuk menghubungkan rating atribut, di mana
rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang bersangkutan, diharapkan dapat memberikan solusi guna membantu pencari kerja dan pemberi kerja dalam membuat keputusan penerimaan tenaga kerja baru, serta rekomendasi pekerjaan yang cocok untuk para pencari kerja.
Berdasarkan latar belakang tersebut, maka dilakukan penelitian yang berjudul "Rekomendasi Pencari Kerja dan Pekerjaan Terbaik Pada Sistem Informasi Lowongan Kerja Menggunakan Metode Weighted Product (WP)".
2. Tinjauan Pustaka
2
kerja yang dibutuhkan oleh sebuah perusahaan yang telah menjalin kerja sama dengan STIKOM Surabaya. Berdasarkan permasalahan tersebut maka dibuatkan suatu sistem informasi lowongan pekerjaan berbasis web yang memiliki fungsi sebagai sarana untuk menampung data alumni beserta kompetensi yang dimilikinya dan data perusahaan beserta lowongan pekerjaan yang ditawarkan. Data tersebut digunakan dalam proses pencarian calon pelamar kerja yang sesuai dengan kompetensi alumni dan proses ini juga dapat menghasilkan informasi mengenai perusahaan yang sesuai dengan kompetensi alumni. Proses pembobotan tersebut memberikan informasi mengenai data alumni yang sesuai berdasarkan kompetensi yang diperlukan oleh perusahaan, setelah itu alumni yang bersangkutan memperoleh email mengenai informasi lowongan pekerjaan tersebut. Proses rekomendasi ini menghasilkan sebuah informasi berupa siapa saja alumni yang memenuhi kriteria dan layak menempati posisi lowongan kerja yang ada pada perusahaan tersebut [1].
Penelitian lain yang berjudul "Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Baru", membahas tentang proses pendukung keputusan penerimaan karyawan baru menggunakan metode AHP. Metode AHP (Analytical Hierarchy Process) digunakan untuk mengatasi sebuah penyeleksian penerimaan karyawan. Data diperoleh melalui cara nilai test dan wawancara, yang dibentuk ke dalam sebuah tabel. Kemudian tabel ditransformasikan ke dalam bentuk matriks. Matriks yang digunakan yaitu n(n-1)/2. Langkah selanjutnya menghitung matriks yang dihasilkan dari tabel. Matriks tersebut dibandingkan masing-masing perbandingan calon karyawan keseluruhan. Tahap terakhir yaitu tahap ditentukannya titik akhir yang nantinya dijadikan rekomendasi bagi calon karyawan dengan memanfaatkan ketiga matriks yang dihasilkan pada tahap sebelumnya. Kesimpulan hasil penelitian yaitu diperoleh tujuan untuk seleksi penerimaan karyawan baru dengan metode AHP (Analytical Hierarchy Process), dapat membantu memecahkan kasus penyeleksian penerimaan karyawan baru. Model penerapan logika dinamis yang diterapkan dalam AHP (Analytical Hierarchy Process) memiliki keuntungan dimana proses penyeleksian memberikan hasil yang sangat fleksibel [2].
3
ini diharapkan dapat memberi kemudahan dalam pengambilan keputusan untuk menentukan karyawan yang sesuai dengan kebutuhan dan kriteria perusahaan [3].
Berbeda dari penelitian sebelumnya yang membahas tentang sistem pendukung keputusan menggunakan algoritma metode AHP, WP, dan SAW, penelitian yang dilakukan sekarang adalah dengan menggunakan metode WP namun dalam implementasi metode WP, rekomendasi keputusan dibuat dalam 2 (dua) sisi yakni dari sisi pelamar kerja dan pemberi kerja. Pelamar kerja mendapatkan informasi berupa rekomendasi pekerjaan terbaik, dan pemberi kerja mendapatkan informasi berupa calon tenaga kerja terbaik untuk posisi yang kosong di perusahaan tersebut.
Konsep Sistem Pendukung Keputusan (SPK) ditandai dengan sistem interaktif berbasis komputer yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah yang tidak terstruktur. Pada dasarnya SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif [4].
Adapun tujuan dari SPK adalah membantu manajer dalam pengambilan keputusan atas masalah semi-terstruktur, memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi manajer, meningkatkan efektivitas keputusan yang diambil manajer lebih daripada perbaikan efisiensinya, kecepatan komputasi yakni komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah, peningkatan produktivitas, dukungan kualitas, berdaya saing, dan mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan [5].
Beberapa keuntungan dalam sistem pendukung keputusan adalah mampu mendukung pencari solusi dari masalah yang kompleks, respon cepat pada situasi yang tidak diharapkan dalam kondisi yang berubah-ubah, mampu menerapkan berbagai strategi pada konfigurasi berbeda secara cepat dan tepat, pandangan dan pembelajaran baru, memfasilitasi komunikasi, meningkatkan kontrol manajemen dan kinerja, menghemat biaya, keputusan lebih tepat, meningkatkan efektifitas manajerial sehingga menjadikan manajer dapat bekerja lebih singkat dengan sedikit usaha, serta meningkatkan produktivitas analisis [6].
Fuzzy Multiple Attribute Decision Making (FMADM) adalah metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. FMADM menentukan nilai bobot untuk setiap atribut, kemudian melakukan proses perangkingan dari alternatif yang sudah ada. FMADM mempunyai tiga pendekatan untuk mencari nilai atribut, yakni secara subyektif, obyektif, dan integrasi antara subyektif dan obyektif [7].
4
Secara umum, prosedur metode WP mengikuti langkah-langkah sebagai berikut [9]: (1) Menentukan kriteria yang digunakan sebagai parameter penilaian; (2) Melakukan perhitungan nilai relatif bobot awal (wj). Nilai bobot awal (w0) digunakan untuk menunjukkan tingkat kepentingan relatif dari setiap kriteria. Nilai bobot awal (w0) dinormalisasi menggunakan Rumus 1 sehingga total nilai relatif bobot awal wj = 1;
Rumus 1 Rumus Denormalisasi
(3) Melakukan perhitungan nilai preferensi untuk setiap alternatif Ai (vektor S). Perhitungan nilai preferensi untuk alternatif Ai diawali dengan memberikan nilai rating kinerja perumahan ke-i terhadap kriteria ke j (xij). Setelah masing-masing kandidat perumahan diberi nilai rating kinerja, nilai ini dipangkatkan dengan nilai relatif bobot yang telah dihitung sebelumnya (wj). wj akan bernilai positif untuk atribut benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Rumus yang digunakan untuk menghitung nilai preferensi untuk setiap alternatif Ai (vektor S) adalah Rumus 2;
Rumus 2 Rumus Preferensi
(4) Melakukan perhitungan nilai preferensi relatif dari setiap alternatif menggunakan Rumus 3;
Rumus 3 Rumus Total Preferensi
5
3. Metode dan Perancangan Sistem
Tahapan penelitian yang dilakukan dalam menyelesaikan penelitian ini, terbagi ke dalam 4 (empat) tahapan, yaitu: (1) tahap identifikasi masalah, (2) tahap perancangan sistem, (3) tahap implementasi sistem, dan (4) tahap pengujian sistem, seperti ditunjukkan dalam bentuk diagram pada Gambar 1.
Gambar 1 Tahapan Penelitian
Tahapan penelitian pada Gambar 1, dijelaskan sebagai berikut. Langkah pertama dalam tahapan penelitian adalah identifikasi masalah. Pada Tahap identifikasi masalah dilakukan analisis kebutuhan sistem yang dibutuhkan sebagai persyaratan penerimaan tenaga kerja baru, dan rekomendasi pekerjaan terbaik bagi seorang pencari kerja dan pemberi kerja. Langkah kedua adalah perancangan sistem. Pada tahap ini dilakukan proses perancangan sistem menggunakan UML seperti use case diagram, activity diagram, dan class diagram. Pada tahap ini juga dilakukan perancangan metode WP dalam proses rekomendasi, dan perancangan
database yang dibutuhkan pada sistem. Langkah ketiga adalah implementasi sistem. Tahap ini merupakan pengembangan lebih lanjut dari tahap perancangan sistem. Pada tahap ini dilakukan proses pembangunan sistem atau aplikasi berdasarkan rancangan yang telah dibuat. Langkah keempat adalah pengujian sistem. Pada Tahap ini dilakukan pengujian sistem apakah sistem sudah berjalan sesuai dengan tujuan yang ditetapkan sebelumnya.
6
Gambar 2 Use Case Diagram Sistem
Gambar 2 menunjukkan use case diagram pada sistem, dijelaskan sebagai berikut. Terdapat tiga user pada sistem yakni admin, pencari kerja, dan pemberi kerja. Admin adalah orang yang bertugas untuk mengatur proses penilaian dan rekomendasi serta mengatur data kriteria penilaian yang dibutuhkan oleh sistem. Pencari kerja adalah user yang mendaftarkan diri ke sistem dan kemudian mengisi biodata yang digunakan untuk proses rekomendasi kerja. Pemberi kerja adalah perusahaan yang bertugas untuk memasukkan informasi lowongan kerja di tempatnya. Informasi ini kemudian diproses oleh pencari kerja dan hasil pegisian lamaran dari pencari kerja kemudian diproses untuk menghasilkan siapa saja pencari kerja yang terbaik untuk posisi yang bersangkutan.
Class diagram merupakan diagram yang memvisualisasi struktur kelas-kelas dari suatu sistem. Class diagram memperlihatkan hubungan antar kelas dan penjelasan detail tiap-tiap kelas [10].
Biodata Pelamar User Login Biodata Perusahaan
Kriteria Proses Pengajuan Lamaran Kerja Proses Loker
Edit
Tambah
Lihat
Pencari Kerja Pemberi Kerja
Admin
Proses Data
Hapus <<extend>>
7
Gambar 3 Class Digram Sistem
Gambar 3 merupakan class diagram yang digunakan oleh sistem. Derajat relasi antar kelas menggunakan derajat relasi one to one dan one to many. One to one digunakan untuk kelas pelamar yang berelasi dengan kelas login dimana satu pelamar hanya memiliki satu username dan password. Selain itu kelas perusahaan juga berelasi one to one dengan kelas login dimana satu perusahaan hanya memiliki satu username dan password untuk masuk ke sistem. Contoh derajat relasi one to many adalah pada kelas pelamar dan kelas lamaran dimana satu pelamar bisa mengajukan lebih dari satu surat lamaran kerja. Detail relasi one to many dapatdilihat pada Gambar 3.
4. Pembahasan dan Hasil Pengujian
Tahapan perancangan WP diawali dengan penentuan kriteria penilaian yang digunakan untuk proses penilaian data lamaran sehingga dapat menghasilkan informasi berupa pekerjaan terbaik maupun pekerja terbaik. Kriteria dibagi atas dua bagian yakni kriteria pekerja terbaik dan kriteria pekerjaan terbaik. Kriteria pekerja terbaik yang digunakan dapat dilihat pada Tabel 1.
Tabel 1 Kriteria Pekerja Terbaik
No Kriteria Bobot Kriteria Deskripsi
8
adalah 3, dan apabila IPK berada di bawah standar yang diminta maka nilainya adalah 1.
2 Usia 3 Apabila usia berada di atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 1, apabila usia sama atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 5, apabila pengalaman kerja sama dengan yang diminta maka nilai nya adalah 3, dan apabila pengalam kerja berada di bawah standar yang diminta maka nilainya adalah 1.
4 Gaji 3 Apabila gaji berada di atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 1, apabila gaji sama dengan yang diminta maka nilai nya adalah 5, dan apabila gaji berada di bawah standar yang diminta maka nilainya adalah 3.
5 Pendidikan 5 Apabila pendidikan sama dengan yang diminta maka nilainya 5 dan apabila tidak sama maka nilainya 3.
Tabel 1 merupakan tabel kriteria penilaian yang digunakan untuk mendapatkan pekerja terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang dicari oleh sebuah perusahaan adalah seseorang yang mempunyai IPK di atas standar, usia yang sesuai dengan yang diminta, pengalaman kerja yang berada di atas standar, gaji yang sesuai standar, dan tingkat pendidikan yang sama dengan yang diminta. Selain kriteria untuk pekerja terbaik maka selanjutnya menentukan kriteria untuk pekerjaan terbaik. Kriteria pekerjan terbaik dapat dilihat pada Tabel 2.
Tabel 2 Kriteria Pekerjaan Terbaik
No Kriteria Bobot Kriteria Deskripsi
9
nilainya adalah 5.
2 Usia 3 Apabila usia berada di atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 1, apabila usia sama atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 1, apabila pengalaman kerja sama dengan yang diminta maka nilai nya adalah 3, dan apabila pengalam kerja berada di bawah standar yang diminta maka nilainya adalah 5.
4 Gaji 3 Apabila gaji berada di atas range yang ditentukan maka nilai untuk pelamar tersebut adalah 3, apabila gaji sama dengan yang diminta maka nilai nya adalah 5, dan apabila gaji berada di bawah standar yang diminta maka nilainya adalah 1.
5 Pendidikan 5 Apabila pendidikan sama dengan yang diminta maka nilainya 5 dan apabila tidak sama maka nilainya 3.
Tabel 2 merupakan tabel kriteria penilaian yang digunakan untuk mendapatkan pekerjaan terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang dicari oleh seorang pencari kerja adalah ipk yang sama atau di bawah standar, gaji yang sesuai dengan yang diharapkan atau diatasnya, pengalaman kerja di bawah standar perusahaan, batasan usia yang di bawah standar perusahaan, dan tingkat pendidikan yang sama dengan yang diminta oleh perusahaan.
Pada Tabel 1 dan Tabel 2 terlihat kolom kriteria. Nilai pada kolom kriteria merupakan tingkat kepentingan yang digunakan pada sistem. Tingkat kepentingan menggunakan angka 1-5 dimana 1 melambangkan tidak penting, 2 melambangkan tidak terlalu penting, 3 melambangkan cukup penting, 4 melambangkan penting dan 5 melambangkan sangat penting. Setelah menentukan kriteria beserta bobotnya maka langkah selanjutnya dalam proses WP adalah melakukan perhitungan nilai relatif bobot awal seperti yang terlihat pada Tabel 3.
Tabel 3 Perhitungan Nilai Relatif Bobot
Kriteria Bobot Nilai Relatif
IPK 4 4 / 20 = 0.2
10
Pengalaman Kerja 5 5 / 20 = 0.25
Gaji 3 3 / 20 = 0.15
Pendidikan 5 5 / 20 = 0.25
Langkah selanjutnya adalah menentukan perhitungan nilai preferensi untuk setiap alternatif Ai (vektor S). Perhitungan vektor S dilakukan menggunakan Rumus 2. Namun sebelum menghitung nilai referensi maka dibutuhkan data awal untuk proses perhitungan WP. Data awal yang dibutuhkan dapat dilihat pada Tabel 4.
Pada Tabel 4 terlihat data awal yang dibutuhkan pada aplikasi. Terdapat 5 orang calon pelamar dengan posisi pekerjaan sebagai ManagementTrainer dan
11
Tabel 5 Persyaratan Lamaran
Pekerjaan IPK Usia Pendidikan Gaji
(000)
Pengalaman Kerja (thn)
Mgnt. Trainer 2.75 22 Akuntansi, IT, Management 2750 1
Bank Officer 3.00 21 IT, Elektro, Akuntansi 2750 1
Data awal pada aplikasi harus diubah menjadi bentuk angka 1-5 sesuai dengan deskripsi penilaian setiap kriteria yang telah ditentukan sebelumnya. Contoh berikut merupakan rekomendasi pekerjaan terbaik untuk pelamar dengan kode P001. Data awal yang telah diubah sesuai deskripsi untuk pelamar dengan kode P001 dapat dilihat pada Tabel 6.
Tabel 6 Penilaian Data Pelamar P001 Pelamar IPK Usia Pendidikan Gaji
Langkah selanjutnya menghitung nilai vektor S untuk masing-masing kriteria pada setiap pekerjaan dari pelamar P0001 untuk menghasilkan
rekomendasi pekerjaan terbaik.Hasil perhitungan nilai vektor dapat dilihat pada Tabel 7.
Tabel 7 Perhitungan Nilai Vektor S Pelamar P001 Pekerjaan IPK Usia Pendidikan Gaji
(000)
12
Tabel 8 Perhitungan Nilai Vektor V Pelamar P001 Pekerjaan IPK Usia Pendidikan Gaji
(000)
Pengalaman Kerja (thn)
Total
Mgnt. Trainer 0.554764 0.560052 0.5 0.5 0.5 2.614816
Bank Officer 0.445235 0.439947 0.5 0.5 0.5 2.385182
Pada Tabel 8 terlihat bahwa Bank Officer merupakan rekomendasi pekerjaan terbaik untuk pelamar P001 karena memiliki hasil akhir perhitungan yang lebih tinggi dari Mgnt. Trainer.
Gambar 4Aplikasi Rekomendasi Pekerjaan Terbaik
Gambar 4 merupakan tampilan sistem untuk rekomendasi pekerjaan terbaik.
User hanya memasukkan NoKTP yang sudah dimasukkan sebelumnya pada biodata pelamar, kemudian proses perhitungan dimulai dengan mencocokkan semua data pelamar dengan data loker yang sudah terekam pada system. Hasil perhitungan berupa rekomendasi pekerjaan terbaik dari semua loker yang dilampirkan oleh pelamar.
Selain merekomendasikan pekerjaan terbaik, sistem juga merekomendasikan pekerja terbaik untuk sebuah posisi. Langkah awal rekomendasi dimulai sama seperti proses mencari pekerjaan terbaik yakni membuat data awal dalam bentuk deskripsi seperti yang terlihat pada Tabel 9.
Tabel 9 Penilaian Data Pekerjaan Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji Pengalaman Pekerjaan
P001 3 5 5 1 1 Mgnt. Trainer
P002 5 1 5 3 5 Mgnt. Trainer
13
P004 1 5 5 3 1 Mgnt. Trainer
P005 5 1 3 1 3 Mgnt. Trainer
Tabel 9 merupakan tabel data pelamar pada posisi Mgnt. Trainer yang sudah diubah ke dalam bentuk deskripsi. Setelah menentukan nilai deskripsi maka selanjutnya menentukan nilai vektor S dan vektor V untuk menentukan pekerja terbaik. Hasil perhitungan nilai vektor S untuk posisi Mgnt. Trainer dapat dilihat pada Tabel 10.
Tabel 10 Perhitungan Nilai Vektor S Posisi Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji
Langkah terakhir adalah menentukan nilai vektor V untuk mencari pekerja terbaik pada posisi Mgnt. Trainer seperti yang terlihat pada Tabel 11.
Tabel 11 Perhitungan Nilai Vektor V Posisi Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji
(000)
Pengalaman Kerja (thn)
Total
P001 0.195114 0.222358 0.204913 0.186636 0.172087 0.981101
P002 0.216097 0.174672 0.204913 0.220044 0.257270 1.072989
P003 0.216097 0.205938 0.204913 0.186636 0.172087 0.985664
P004 0.156592 0.222358 0.204913 0.220044 0.172087 0.975987
P005 0.216097 0.174672 0.180347 0.186636 0.19348 0.984244
14
Gambar 5Aplikasi Rekomendasi Pekerja Terbaik
Gambar 5 merupakan tampilan sistem untuk rekomendasi pekerja terbaik. Pekerja terbaik direkomendasikan berdasarkan semua lamaran yang masuk pada loker tersebut. Kemudian setiap pelamar akan dicocokkan identitasnya dengan persyaratan pada loker yang dibuka. Hasil akhir dari perhitungan adalah rekomendasi pekerja terbaik untuk loker yang bersangkutan.
Hasil akhir dari penggunaan metode WP didapat dengan mencari nilai vektor S dan V. Implementasi vektor S dapat dilihat pada Kode Program 1.
Kode Program 1 Koding Vektor S
Kode Program 1 merupakan implementasi perintah SQL untuk
menghasilkan nilai Vektor S. Nilai vektor ditentukan dengan menghitung data penilaian setiap kriteria kemudian dipangkatkan dengan nilai bobot dibagi total bobot seperti yang terlihat pada baris ke-1 sampai dengan baris ke-4.Setelah menentukan nilai vektor S, maka langkah terakhir adalah menentukan nilai vektor V. Implementasi nilai vektor V dapat dilihat pada Kode Program 2.
Kode Program 2 Koding Vektor V
Kode Program 2 merupakan perintah SQL yang digunakan untuk
menghitung nilai vektor V. Nilai vektor V atau nilai akhir didapatkan dengan cara menjumlahkan nilai vektor S pada setiap kriteria penilaian seperti yang terlihat pada baris perintah ke-1 dan ke-2.
1. select idkriteria, SUM(cast(VektorS as decimal(18,3))) vektor_V from vw_vector_S 2. group by idkriteria
1. SELECT A.IDLoker,A.NoKTP,A.IDKriteria,A.Nilai ,B.RelatifBobot
2. ,power(cast(a.nilai as decimal(18,3)) ,cast(B.RelatifBobot as decimal(18,3))) VektorS 3. FROM Tbl_Penilaian A JOIN vw_realtif_bobot B
15
Pengujian Sistem menggunakan data pelamar kerja yang digunakan pada
Job Fair yang dilakukan pada Universitas Kristen Satya Wacana. Hasil pengujian sistem yang telah dibuat, ditunjukkan pada Tabel 12.
Tabel 12 Hasil Testing untukProses Output
No Nama Pelamar Fakultas Posisi Keterangan
Hasil Sistem 1 Kresna Budiharto Fak. Ekonomi Fungsional Diterima Diterima 2 Paulus Sanjaya Fak. Ekonomi Fungsional Ditolak Diterima
3 Siti Suwarsi
D3 Komputer
Akt Fungsional Ditolak Ditolak
4 Larasati H
Sistem
Informasi Fungsional Diterima Diterima
5 Putri Tiara M
D3 Komputer
Akt Fungsional Ditolak Ditolak
6 Rangga Mahendra
D3 Komputer
Akt Fungsional Ditolak Ditolak
7
Indra Putra Prasetyo
Sistem
Informasi Fungsional Ditolak Ditolak 8 Lisa M Fak. Ekonomi Fungsional Ditolak Ditolak 9 Herlinda Anandita Fak. Ekonomi Fungsional Ditolak Ditolak
10 Rosmawati Susanti
Sistem
Informasi Fungsional Ditolak Diterima 11 Nicholaus K Fak. Ekonomi Fungsional Ditolak Ditolak 12 Rahmawati Fak. Ekonomi Fungsional Ditolak Diterima 13 Sri Listanti Fak. Ekonomi Fungsional Ditolak Ditolak
14 Danar Yoga
Teknik
Informatika Fungsional Diterima Diterima
15 Kristien Manulang
Sistem
Informasi Fungsional Ditolak Ditolak Jumlah kecocokan sistem manual dan aplikasi 12
Data pelamar yang digunakan adalah data pelamaran pada sebuah
perusahaan swasta yang membuka lowongan untuk posisi fungsional. Hasil yang ditampilkan adalah rekomendasi untuk pekerjaan yang memenuhi persyaratan berdasarkan perhitungan metode WP.
16
5. Simpulan
Berdasarkan pembahasan, pengujian, dan analisis sistem, maka dapat diambil kesimpulan bahwa metode Weighted Product pada sistem informasi lowongan kerja dapat memberikan rekomendasi pekerjaan dan pekerja sesuai dengan yang diharapkan dan berdasarkan hasil akhir dari perhitungan WP.
Saran pengembangan aplikasi ke depan adalah aplikasi dapat dibuat berbasis
web sehingga dapat mempermudah pencari kerja dan perusahaan dalam melakukan proses lowongan kerja.
6. Daftar Pustaka
[1] Hosama, Novita., 2012, Sistem Pendukung Keputusan Untuk Penentuan Calon Pelamar Kerja dan Perusahaan dengan Menggunakan Metode Simple Weighting Additove Studi Kasus STIKOM Career Center (SCC) Surabaya, STIKOM, Surabaya.
[2] Istikhomah, 2016, Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Baru, Universitas Nusantara PGRI, Kediri.
[3] Ardi, Kusumaning., 2013, Sistem Pendukung Keputusan Rekrument Karyawan Produksi Menggunakan Metode Weighted Product Pada PT. PLOSS Asia Semarang, Universitas Dian Nuswantoro, Semarang.
[4] Hasan, I., 2002, Pokok-Pokok Materi Teori Pengambilan Keputusan, Jakarta : Ghalia Indonesia.
[5] Turban, E., dkk., 2005, Decision Support Systems and Intelligent Systems. Yogyakarta : Penerbit Andi.
[6] Subakti, Irfan., 2002, "Sistem Pendukung Keputusan (Decision Support System)", Institute Teknologi Sepuluh November, Surabaya.
[7] Gerdon, 2012, Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa, STMIK Amikom, Yogyakarta. [8] Kusumadewi, S., Hartati, S., Harjoko A., Wardoyo R., 2006, Fuzzy Multi
AttributeDecisionMaking (Fuzzy MADM), Graha Ilmu, Yogyakarta. [9] Savitha, K., Chandrasekar, C., 2011, Vertical Handover decision schemes
using SAW and WPM for Network selection in Heterogeneous Wireless Networks, Global Journal of Computer Science and Technology Volume 11,
Global Journals Inc. (USA).
