399
SISTEM PENDUKUNG KEPUTUSAN UNTUK PENERIMAAN TENAGA KERJA MENGGUNAKAN METODE NAÏVE BAYES
STUDI KASUS PT. ALFATHI BERKAH MULIA
Ali Muhammad Zaki
Universitas Harapan Medan, JL. HM. Joni No. 70 Medan, [email protected] Munjiat Setiani Asih
Universitas Harapan Medan, JL. HM. Joni No. 70 Medan, [email protected] Kalvin Chiuloto
Universitas Harapan Medan, JL. HM. Joni No. 70 Medan, [email protected]
At this time technology has an important role in the process of selecting workers, ranging from state-owned companies to private companies. The way that is done in the employee selection process is still using humans in the process of determining the passage of prospective employees who are vulnerable to non-technical factors that cause a company not smooth in achieving goals caused by the low quality of the employee. If the technology is selected and developed to be used appropriately and good, will provide enormous benefits for companies including the process of selecting labor or employees at the company believed to be easier and can help the performance of the human resources field. To solve this problem, a decision support system for labor selection is needed. The process of selecting workers is done by finding the best alternative based on the criteria that already exist then displaying the percentage of passing accuracy in the selection of the workforce. From the results of the study showed that the selection of labor can be implemented in a system created using web programming languages and MySQL as the database. Using data training 30 and the Naive Bayes method produces an accuracy of 80 % .
Keywords:
decision support system, labor, naïve bayes method
.
Abstrak
Pada saat ini teknologi memiliki peran penting terhadap proses pemilihan tenaga kerja, mulai dari perusahaan negeri hingga perusahaan swasta. Cara yangg dilakukan dalam proses seleksi karyawan masih menggunakan manusia dalam proses penentuan kelolosan calon karyawan yang rentan akan faktor non-teknis yang menyebabkan tidak lancarnya suatu perusahaan dalam mencapai tujuab yang disebabkan oleh rendahnya kualitas karyawan tersebut.Jika teknologi dipilih dan dikembangkan untuk digunakan secara tepat dan baik, akan memberi manfaat yang sangat besar bagi perusahaan diantaranya adalah proses pemilihan tenaga kerja atau karyawan pada perusahaan diyakini bisa menjadi lebih mudah dan dapat membantu kinerja bidang sumber daya manusia. Untuk memecahkan masalah tersebut maka dibutuhkan sistem pendukung keputusan untuk pemilihan tenaga kerja. Proses pemilihan tenaga kerja dilakukan dengan mencari alternatif terbaik berdasarkan kriteria-kriteria yang telah ada selanjutnya menampilkan presentase ketepatan lulus dalam pemilihan tenaga kerja tersebut. Dari hasil penelitian menunjukan bahwa pemilihan tenaga kerja dapat diimplementasikan dalam sebuah sistem yang di buat menggunakan bahasa pemrograman web dan MySQL sebagai databasenya. Dengan menggunakan data training sebanyak 30 dan metode Naive Bayes menghasilkan akurasi sebesar 80%
Kata kunci:
sistem pendukung keputusan, tenaga kerja,metode naïve.
1. PENDAHULUAN
PT. ALFATHI BERKAH MULIA merupakan perusahaan milik perseorangan yang terletak dikota medan, perusahaan ini bergerak dibidang konstruksi dan perdagangan umum. Karyawan merupakan elemen penting dalam suatu perusahaan yang menentukan kemajuan suatu perusahaan. Tahap penyeleksian calon karyawan merupakan tahap penting yang hasilnya akan menentukan jalannya suatu perusahaan untuk mencapai tujuan. Proses seleksi karyawan yang efektif harus dilakukan dengan memperhatikan kriteria dan aspek penilaian antara lain pendidikan, kecakapan, keahlian, dan pengalaman kerja.
400
Sumber [1].
Website atau situs merupakan sebuah kumpulan halaman-halaman web beserta file-file pendukungnya yang mnampilkan informasi seperti file gambar, video, dan file digital lainnya yang disimpan pada sebuah web server yang umumnya dapat diakses melalui internet. Atau dengan kata lain, website adalah sekumpulan folder dan file yang mengandung banyak perintah dan fungsi fungsi tertentu, seperti fungsi tampilan, fungsi menangani penyimpanan data, dsb [2].
Web server merupakan program komputer yang ditanamkan pada komputer yang diakses publik (server) sehingga komputer tersebut mampu menerima dan memberikan respon pada pengaksesnya (client). Aksi dan reaksi antara web server dan client ini diatur oleh protokol yang telah disepakati bersama, dan umumnya protokol yang digunakan adalah HTTP [3].
PHPMyAdmin adalah perangkat lunak yang bebas ditulis dalam bahasa pemrograman PHP yang digunakan untuk menangani administrasi MYSQL melaui Jejaring jagat Jembar (World Wide Web). PHPMyAdmin mendukung berbagai operasi MySQL, diantaranya (mengolah basis data, tabel-tabel, bidang (fields), relasi (relation), indeks, pengguna (users), perjanjian (permissions), dan lain-lain [4].
Flowchart adalah representasi secara simbolik dari suatu algoritma atau prosedur untuk menyelesaikan suatu masalah, dengan menggunakan flowchart akan memudahkan pengguna melakukan pengecekan bagian-bagian yang terlupakan dalam analisis masalah, disamping itu flowchart juga berguna sebagai fasilitas untuk berkomunikasi antara pemrogram yang bekerja dalam tim suatu proyek. Flowchart membantu memahami urutan-urutan logika yang rumit dan panjang. Flowchart membantu mengkomunikasikan jalannya program ke orang lain (bukan pemrogram) akan lebih mudah.[5].
Menurut definisi Little, McLeod, Man dan Watson Sistem Pendukung Keputusan adalah suatu sistem informasi spesifik yang ditujukan untuk membantu manajemen dalam mengambil keputusan yang berkaitan dengan persoalan yang semi terstruktur dan tidak terstruktur [6].
Data Mining merupakan proses pengekstraksian informasi dari sekumpulan data yang sangat besar melalui penggunaan algoritma dan teknik penarikan dalam bidang statistik,pembelajaran mesin dan sistem manajemen basis data.Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan keuntungan, memperkecil biaya pengeluaran, atau bahkan keduanya.Definisi lain mengatakan Data Mining adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam data berukuran besar. Dari beberapa definisi di atas dapat ditarik kesimpulan bahwa Data Mining merupakan proses ataupun kegiatan untuk mengumpulkan data yang berukuran besar kemudian mengekstraksi data tersebut menjadi informasi – informasi yang nantinya dapat digunakan.[7].
Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Algoritma mengunakan teorema Bayes dan mengasumsikan semua atribut independen atau tidak saling ketergantungan yang diberikan oleh nilai pada variabel kelas. Definisi lain mengatakan Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya Naive Bayes didasarkan pada asumsi penyederhanaan bahwa nilai atribut secara kondisional 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.
Naive Bayes sering bekerja jauh lebih baik dalam kebanyakan situasi dunia nyata yang kompleks dari pada yang diharapkan.[7]
Sistem pendukung keputusan pada hakikatnya memiliki beberapa tujuan.[8]. Berikut di antaranya:
1. Membantu manajer dalam pengambilan keputusan atas masalah semi terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan posisi manajer.
3. Meningkatkan efektivitas keputusan yang diambil manajer lebih dari pada perbaikan efisiensi nya.
4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.
5. Peningkatan produktivitas. Membangun satu kelompok pengambilan keputusan, terutama para pakar bisa sangat mahal.
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan yang dibuat.
7. Berdaya saing. Manajemen dan pemberdayaan sumber daya perusahaan, tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi sulit.
8. Mengatasi keterbatasan kognitif dalam pemprosesan dan penyimpanan.
401
Tujuan peneletian yang ingin di capai dalam membangun dan merancang Aplikasi Sistem Pendukung Keputusan Penerimaan Tenaga Kerja Pada PT. ALFATHI BERKAH MULIA Menggunakan Metode Naïve Bayes adalah:
a. Menghasilkan suatu sistem pendukung keputusan penerimaan tenaga kerja pada PT. ALFATHI BERKAH MULIA menggunakan metode Naïve Beyes.
b. Mempermudah dalam perekrutan calon tenaga kerja di PT. ALFATHI BERKAH MULIA.
Penelitian ini akan memberikan manfaat sebagai berikut:
a. Menambah pengetahuan penulis dalam memahami metode Naïve Bayes.
b. Sebagai alat bantu perusahaan dalam proses penerimaan karyawan.
c. Sebagai bahan referensi bagi peneliti lain yang ingin membahas metode Naïve Bayes.
2. HASIL DAN PEMBAHASAN 2.1. HASIL
Hasil dari penelitian berupa Aplikasi Sistem Pendukung Keputusan Penerimaan Tenaga Kerja Pada PT. ALFATHI BERKAH MULIA Menggunakan Metode Naïve Bayes. Berikut hasil dari Aplikasi Sistem Pendukung Keputusan Penerimaan Tenaga Kerja Pada PT. ALFATHI BERKAH MULIA Menggunakan Metode Naïve Bayes.
Halaman home merupakan halaman utama dari aplikasi sistem penerimaan tenaga kerja baru di PT. Alfathi Berkah Mulia berbasis web. Halaman ini akan membawa pengguna kepada halaman halaman lain dengan menu yang tersedia..
Halaman hitung naïve bayes merupakan halaman untuk menghitung hasil data menggunakan metode naïve bayes dari aplikasi sistem penerimaan tenaga kerja baru di PT. Alfathi Berkah Mulia berbasis web.
Gambar 1. Halaman Home
Gambar 2. Halaman Hitung Naïve Bayes
402
Halaman pada gambar 3 ini akan memunculkan hasil perhitungan dengan metode naïve bayes dan terdapat lulus atau tidak lulus.
2.2. Perancangan Sistem
Perancangan sistem berupa identifikasi masalah dan analisis kebutuhan sistem, maka tahap ini akan menjelaskan tentang perancangan sistem yang diinginkan. Adapun perancangan sistem kali ini akan dijelaskan melalui beberapa proses perancangan meliputi use case diagram, data flow diagram, flowchart, perhitungan manual data training, dan desain antarmuka dari sistem penerimaan tenaga kerja baru di PT. Alfathi Berkah Mulia berbasis web.
A. Use Case Diagram
Use case adalah pendangan dari luar sistem, sementara rancangan adalah pandangan dari dalam mempresentasikan pembangunan dari dalam sistem. Sasaran use case ialah mendefinisikan kebutuhan fungsional dan operasional sistem dengan mendefinisikan skenario penggunaan yang disepakati antara pemakai/pengguna dan pengembang (developer). Menyediakan deskripsi dan tidak ambigu mengenai cara penggunaan dan sistem saling berinteraksi.
Menyediakan basis untuk pengujian vaidasi.
B. Data Flow Diagram
Data Flow Diagram - DFD adalah model logika data atau proses yang dibuat untuk menggambarkan darimana asal data, kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang dihasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut.
Gambar 3. Halaman Hasil Hitung Naïve Bayes
Gambar 5. Data Flow Diagram Level 0 Gambar 4. Use Case Diagram
403
C. Flowchart
Flowchart adalah sebuah jenis diagram yang mewakili algoritma, alur kerja atau proses, yang menampilkan langkah- langkah dalam bentuk simbol-simbol grafis, dan urutannya dihubungkan dengan panah. Diagram ini mewakili ilustrasi atau penggambaran penyelesaian masalah.
D. Studi kasus
Tenaga kerja yang ingin melamar di PT. ALFATHI BERKAH MULIA akan di seleksi. Berikut ini merupakan atribut dari data set yang terdiri dari jenis kelamin, pendidikan, jurusan, wawancara, psikotes, sertifikat, berkas, dan keterangan. Adapun fitur nomor adalah untuk menentukan variabel yang diambil agar tidak terjadinya kesamaan atau perulangan yang tidak diperlukan dalam proses data mining. Perhitungan manual dengan menggunakan Naïve Bayes dapat menjadi acuan pembuktian terhadap beberapa sampel data mengenai tingkat akurasi kebenarannya.
Pada proses seleksi baik perhitungan manual maupun dari sistem terdapat beberapa kebutuhan yang harus terpenuhi.
Berikut akan disajikan perhitungan manual pada sistem penerimaan tenaga kerja baru di PT. Alfathi Berkah Mulia berbasis web.
Tabel 1. Tabel Data Training No Jenis
Kelamin Pendidikan Jurusan Wawancara Psikotes Sertifikat Berkas Ket
1 Laki-laki S1 Teknik Sipil Sangat Baik Baik Ada Lengkap L
2 Laki-laki S1 Informatika Baik Baik Ada Lengkap L
3 Laki-laki S1 Informatika Baik Cukup Ada Lengkap L
4 Laki-laki S1 Informatika Cukup Cukup Tidak Ada Tidak
Lengkap TL Gambar 6. Data Flow Diagram Level 1
Gambar 7. Flowchart
404
Lengkap
6 Laki-laki S1 Teknik Sipil Cukup Cukup Tidak Ada Tidak
Lengkap TL
7 Laki-laki D3 Bangunan Baik Baik Baik Tidak
Lengkap TL
8 Laki-laki SMK Mesin Cukup Baik Tidak ada Tidak
Lengkap TL
9 Laki-laki S2 Teknil Sipil Cukup Cukup Tidak ada Tidak
Lengkap TL
10 Laki-laki SMK Mesin Cukup Baik Tidak Ada
Tidak
TL Lengkap
11 Laki-laki SMK Mesin Cukup Baik Tidak Ada Tidak
Lengkap TL
12 Laki-laki S1 Teknik Sipil Baik Cukup Ada Lengkap L
13 Laki-laki SMK Mesin Sangat Baik Cukup Tidak Ada Tidak
Lengkap TL
14 Laki-laki S1 Informatika Sangat Baik Cukup Ada Lengkap L
15 Laki-laki S1 Informatika Baik Cukup Tidak Ada Tidak
Lengkap TL
16 Laki-laki SMK Mesin Baik Cukup Tidak Ada Tidak
Lengkap TL
17 Laki-laki S1 Teknil Sipil Baik Baik Ada Lengkap L
18 Laki-laki D3 Bangunan Baik Cukup Tidak Ada Tidak
Lengkap L
19 Laki-laki S1 Teknik Sipil Cukup Cukup Tidak Ada Tidak
Lengkap TL
20 Laki-laki D3 Mesin Baik Cukup Ada Lengkap L
21 Laki-laki D3 Bangunan Kurang Cukup Tidak Ada Tidak
Lengkap TL
22 Laki-laki S1 Teknik Sipil Cukup Cukup Ada Lengkap L
23 Laki-laki D3 Bangunan Baik Cukup Ada Lengkap L
24 Laki-laki S1 Teknik Sipil Sangat Baik Baik Ada Lengkap L
25 Laki-laki D3 Bangunan Baik Cukup Ada Lengkap L
26 Laki-laki D3 Bangunan Baik Cukup Tidak Ada Tidak
Lengkap TL
27 Laki-laki D3 Bangunan Cukup Cukup Tidak Ada Tidak
Lengkap L
28 Laki-laki D3 Bangunan Sangat Baik Baik Ada Lengkap L
29 Laki-laki S1 Informatika Baik Cukup Ada Lengkap L
30 Laki-laki D3 Bangunan Baik Baik Ada Lengkap L
405
Perhitungan probabilitas data testing merupakan data untuk uji coba perhitungan dari sistem penerimaan tenaga kerja baru di PT. Alfathi Berkah Mulia berbasis web
Tabel 2. Tabel Data Testing
No Nama Jenis
Kelamin
Pendidikan Jurusan Wawancara Psikotes Sertifikat Berkas
1 Mandala Laki-laki S1 Sipil Sangat Baik Baik Ada Lengkap
Pada tabel 2.2 merupakan data testing atau data uji coba, data testing yang ada pada tabel diatas nantinya akan ditentukan oleh sistem menggunakan metode Naïve Bayes.
Probabilitas Hasil
1. Lulus : 0.43333333333333 2. Tidak Lulus : 0.56666666666667 Peluang Probabilitas Hasil
1. Jenis Kelamin : Laki-laki || Hasil : Lulus = 1 2. Jenis Kelamin : Laki-laki || Hasil : Tidak Lulus = 1 1. Pendidikan : S1 || Hasil : Lulus = 0.69230769230769 2. Pendidikan : S1 || Hasil : Tidak Lulus = 0.29411764705882 1 Jurusan : Teknik Sipil || Hasil : Lulus = 0.38461538461538 2 Jurusan : Teknik Sipil || Hasil : Tidak Lulus = 0.17647058823529 1. Hasil Psikotes : Baik || Hasil : Lulus = 0.38461538461538 2. Psikotes : Baik || Hasil : Tidak Lulus = 0.29411764705882 1 Berkas Sertifikat : Ada || Hasil : Lulus = 0.92307692307692 2 Berkas Sertifikat : Ada || Hasil : Tidak Lulus = 0.058823529411765
1. Wawancara : Sangat Baik || Hasil : Lulus = 0.30769230769231 2. Wawancara : Sangat Baik || Hasil : Tidak Lulus = 0.058823529411765 1. Kelengkapan Berkas : Lengkap || Hasil : Lulus = 1
2. Kelengkapan Berkas : Lengkap || Hasil : Tidak Lulus = 0.058823529411765 Jumlah Variabel Kategori Kelas
1. Lulus : 0.029087540029034 2. Tidak Lulus : 3.1071894605459E-6
Gambar 8. Flowchart Data Training
406
2. Tidak Lulus : 1.7607406943094E-6
Menurut perhitungan menggunakan metode naïve bayes calon karyawan dengan nama Mandala dapat dikatakan LULUS
3. KESIMPULAN
Adapun kesimpulan dari penelitian ini adalah sebagai berikut:
1. Penelitian ini berhasil mengimplementasikan algoritma naïve bayes dalam proses penyeleksian penerima tenaga kerja dengan menggunakan bahasa php untuk pembuatan keseluruhan website dan mysql sebagai database managemen system
2. Hasil dari penelitian berupa Aplikasi Sistem Pendukung Keputusan Penerimaan Tenaga Kerja Pada PT.
ALFATHI BERKAH MULIA Menggunakan Metode Naïve Bayes.
DAFTAR PUSTAKA
[1]
Rizki Herdian Zenda, Suparno. 2017. “PERANAN SEKTOR INDUSTRI TERHADAP PENYERAPAN TENAGA KERJA DI KOTA SURABAYA” dalam Jurnal Ekonomi &
Bisnis Vol. 2 Nomor 1. Surabaya: Universitas 17 Agustus 1945 Surabaya.
[2]
Adzan Abdul Zabar, Fahmi Novianto. 2015. “KEAMANAN HTTP DAN HTTPS BERBASIS WEB MENGGUNAKAN SISTEM OPERASI KALI LINUX” dalam Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) Vol. 4 Nomor 2. Bandung: Universitas Komputer Indonesia.
[3]
Beni Adi Pranata. 2017. ”PERANCANGAN APPLICATION PROGRAMMING INTERFACE(API) BERBASIS WEB MENGGUNAKAN GAYA ARSITEKTUR REPRESENTATIONAL STATE TRANSFER(REST) UNTUK PENGEMBANGAN SISTEM INFORMASI ADMINISTRASI PASIEN KLINIK PERAWATAN KULIT” dalam Skripsi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam. Lampung : Universitas Lampung.
[4]
Abdul Rozaq, Khairunnisa Fitri Lestari,Sindi Handayani. 2015. “ SISTEM INFORMASI PRODUK DAN DATA CALON JAMAAH HAJI DAN UMROH PADA PT.
Gambar 9. Flowchart Data Testing
407
TRAVELLINDO LUSIYANA BANJARMASIN BERBASIS WEB” Vol. 1 Nomor 1.
Banjarmasin : Politeknik Negeri Banjarmasin.
[5]
Santoso,Radna Nurmalia. 2017. “Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah Laut)” dalam Jurnal Integrasi Vol.9, No.1. Kalimantan Selatan : Politeknik Negeri Tanah Laut.
[6]
Sukri.2016 “SISTEM PENDUKUNG KEPUTUSAN PENENTUAN DAERAH TANAMAN KELAPA SAWIT DENGAN METODE PROMETHEE” dalam jurnal Teknologi dan Sistem Informasi UNIVRAB, Vol.1 No.2 Pekanbaru : Universitas Abdurrab Pekanbaru.
[7]
Alfa Saleh. 2015. “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga” dalam Jurnal Citec Journal Vol.2, No.3.
Medan : Universitas Potensi Utama.
[8]
