Data yang digunakan Analisis data

BAB III ANALISIS DAN PERANCANGAN Dalam penelitian ini digunakan metode hybrid-approches yang menggabungkan dua buah metode, yaitu metode content-based dan collaborative-based untuk Penggabungan dua buah metode ini dilakukan untuk mengatasi kelemahan dari masing – masing metode tersebut. Selanjutnya akan dibahas tentang perancangan Data Flow Diagram DFD dan perancangan alur kerja sistem flowchart pada sistem.

3.1 Data yang digunakan

Data yang digunakan pada sistem ini diambil dari 2 sumber yaitu jobsdb untuk data lowongan pekerjaan dan Universitas Sumatera Utara untuk data jurusan universitas. Pada tabel 3.1 berikut akan dijabarkan sumber, jumlah data dan tahun dari data yang akan digunakan : Tabel 3.1 Sumber data No Sumber Jumlah data BlnTahun Data yang diambil 1 Jobsdb www.jobsdb.com 1600 Januari 2013 – Maret 2013 data lowongan pekerjaan 2 Univesitas Sumatera Utara www.usu.ac.id 58 Maret 2013 Data fakultas dan jurusan yang ada di USU Dapat dilihat pada tabel 3.1 bahwa data yang diambil pada website jobsdb adalah sebesar 1600 data. Yang diambil pada kurun waktu Januari 2013 – Maret 2013. Data yang diambil berupa data lowongan pekerjaan yang berisi tentang kualifikasi atau requirement yang dibutuhkan oleh sebuah perusahaan. Universitas Sumatera Utara selain dari website jobsdb, data yang digunakan untuk bidang pendidikan dan jurusan pendidikan diambil dari website Universitas Sumatera Utara USU. Data yang diambil berjumlah 58 data, diakses pada bulan Maret 2013. Untuk bidang pendidikan diambil dari fakultas dan jurusan yang ada di Universitas Sumatera Utara.

3.2 Analisis data

3.2.1 Klasifikasi data Data diklasifikasikan atas 3 jenis yaitu parameter, variabel dan atribut. Paramater digunakan pada teknik decision tree content-based. Fungsi dari parameter tersebut untuk menentukan dan memberikan informasi jenis latar belakang pendidikan pelamar kepada sistem. Parameter pada teknik decision tree dibagi atas 7 jenis, dapat dilihat pada tabel 3.2 berikut. Tabel 3.2 Parameter rekomendasi pada metode collaborative-based No Parameter Keterangan 1 Ekonomi Untuk menentukan rekomendasi pada bidang ekonomi seperti bank 2 Pertanian Untuk menentukan rekomendasi pada bidang pertanian 3 Teknologi Untuk menentukan rekomendasi pada bidang komputer 4 Pendidikan Ilmu Budaya Untuk menentukan rekomendasi pada bidang pendidikan seperti kursus atau sekolah 5 Ilmu Pengetahuan MIPA Untuk menentukan rekomendasi pada bidang ilmu pengetahuan seperti Laboratorium dsb 6 Kedokteran Untuk menentukan rekomendasi pada bidang kedokteran 7 umum Untuk menentukan rekomendasi pada kualifikasi bidang umum Dapat dilihat pada gambar 3.2 diatas, sebanyak 7 parameter dari fakultas yang ada dijadikan sebagai parameter untuk bidang pendidikan yang berbeda. Penentuan parameter di dalam teknik decision tree akan dijelaskan pada diagram dalam gambar 3.1 berikut : Universitas Sumatera Utara Gambar 3.1 Penentuan Parameter Di dalam metode nearest neighbor collaborative-based pada sistem ini digunakan klasifikasi data yaitu variabel dan atribut. Variabel adalah suatu unsur data yang akan diolah sehingga menghasilkan rekomendasi. Sedangkan atribut adalah objek yang berada di dalam sebuah variabel. Penggunaan variabel dan atribut pada tabel 3.3 digunakan untuk perhitungan similarity agar menghasilkan menghasilkan sebuah rekomendasi. Tabel 3.3 Variabel dan Atribut No Variabel Atribut 1 Jenis pendidikan a. Informasi Teknologi IT b. Ilmu Komputer Ilkom 2 Kualifikasi pendidikan a. SMA b. SMK c. D3 Diploma d. S1 Sarjana e. S2 Magister 3 IP Indeks Prestasi a. C = 2,75 – 2,99 b. B = 3,00 – 3,50 c. A = 3,51 – 4,00 4 Kemampuan komputer a. Web b. Programing c. Desain d. Jaringan Universitas Sumatera Utara Penggunaan variabel dan atribut pada metode nearest neighbor akan dijelaskan pada gambar 3.2 berikut : Gambar 3.2 Penggunan variabel dan atribut pada nearest neighbor

3.2.2 Data pada Content-based Filtering

Pada penelitian ini, data yang terkumpul dari sumber akan di analisis agar sesuai dengan kebutuhan sistem. Sehingga dapat diolah untuk menghasilkan suatu rekomendasi. Untuk memberikan rekomendasi yang sesuai dengan latar belakang pendidikan, maka dilakukan pengklasifikasian berdasarkan jurusan apa yang dibutuhkan perusahaan kemudian di seleksi dengan latar belakang pendidikan yang dimiliki oleh seorang pelamar. Pengklasifikasian data dilakukan dengan menggunakan metode decision tree. Data jurusan yang digunakan dalam penelitian ini bersumber dari Universitas Sumatera Utara USU. Data diambil melalui media internet yang diakses dari website http:www.usu.ac.id . Data yang diambil berupa kualifikasi pendidikan, fakultas bidang pendidikan dan jurusan pada universitas tersebut. Contoh data yang diambil akan dijabarkan pada tabel 3.4 berikut : Universitas Sumatera Utara Tabel 3.4 Sampel data latar belakang pendidikan No Kualifikasi Pendidikan Fakultas Jurusan 1 D3 MIPA Kimia 2 D3 Ilmu Budaya Sastra Inggris 3 D3 Ekonomi Akutansi 4 S1 MIPA Kimia 5 S1 FASILKOMTI Teknologi Informasi ... ... ... ... 35 S2 FASILKOMTI Teknologi Informasi

3.2.3 Data pada Collaborative Filtering

Setelah melakukan pengklasifikasian pada latar belakang pendidikan, maka dilakukannya rekomendasi pekerjaan kepada pelamar. Maka diperlukannya data lowongan pekerjaan yang dikeluarkan oleh perusahaan – perusahaan yang ingin mencari karyawan baru. Analisis data untuk merekomendasikan pekerjaan kepada pelamar dilakukan dengan menggunakan nearest neighbor. Data yang digunakan dalam penelitian ini bersumber dari data website pencarian pekerjaan yaitu jobsDB. Data yang diambil melalui media internet yang diakses dari website http:id.jobsdb.com berupa informasi lowongan pekerjaan. Dari sumber yang sama juga digunakan data lowongan pekerjaan tahun 2010 – 2013. Pada saat sebuah perusahaan mencari karyawan baru, perusahaan tersebut memberikan requirement yang dibutuhkan oleh sebuah perusaahan untuk memenuhi kriteria yang diinginkan perusahaan tersebut. Requirement adalah jenis pendidikan jurusan pendidikan, kualifikasi pendidikan, indeks prestasi IP, gaji opsional tergantung perusahaan, tipe pekerjaan, kemampuan komputer, kemampuan bahasa, kemampuan kerjasama opsional, lokasi, usia, mutasi dan pengalaman kerja. Dari data tersebut, masing – masing akan diberikan bobot dan akan dihitung nilainya sehingga dapat direkomendasikan kepada pelamar pekerjaan. Pada tabel 3.5 adalah contoh sampel data requirement yang dikeluarkan oleh sebuah perusahaan: Universitas Sumatera Utara Tabel 3.5 Sampel data lowongan pekerjaan no Nama Pekerjaan Jenis Pendidikan Kualifikasi Pendidikan IP Fresh Graduate . . . lokasi 1 Web application developer maven lab pte ltd Informasi Teknologi S1 2,75 ya . . . jakarta 2 ASP.Net Developers Ilmu komputer D3 3,00 ya . . . Jakarta 3 Temporary Payroll Executive – PT MindChamps Indonesia akutansi D3 2,75 ya . . . Jakarta 4 Staff AccountingStaff Accounting SILVER BOX, UD ekonomi D3 2,75 tidak . . . Surabaya 5 Finance Staff Eurokars Group Indonesia ekonomi S1 2,75 tidak . . . jakarta 6 RD Manager Universal Indofood Product, PT Teknik industri, teknik kimia S1 3,00 tidak . . . Medan 7 Account Manager Medical Carl Zeiss Pte. Ltd. ekonomi S1 2,75 tidak . . . Jakarta 8 Elementary Teacher YAY. LYLYS PERTIWI Informasi Teknologi, mipa, sastra inggris S1 2,75 ya . . . Jakarta Utara 9 Japanese Teacher LIMKOKWING AKADEMI INNOVASI KREATIVITAS, PT Sastra jepang S1 2,75 tidak . . . Bali 10 DOSEN YAYASAN LEMBAGA PENGEMBANGAN MANAJEMEN FIDEA Akutansi, manajemen, teknologi informasi, ilmu komputer S2 2,75 ya . . . jakarta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1000 Architects ARC – SML Arsitektur S1 2,75 ya . . . Tangerang Universitas Sumatera Utara SINAR MAS LAND Untuk pelamar yang menginginkan rekomendasi pekerjaan, sistem akan meminta pelamar tersebut untuk memasukkan data pribadi atau resume CV. Resume tersebut digunakan sebagai kriteria perbandingan dalam mencari pekerjaan yang sesuai dengan requirement sebuah perusahaan yang menyediakan lowongan pekerjaan. Adapun field dan contoh data yang harus dimasukkan pelamar akan dijelaskan di tabel 3.6 berikut: Tabel 3.6 Sampel data 1 Nama Nurul Khadijah 2 Alamat Jln Sei Beras No. 3 3 Jenis Pendidikan Informasi Teknologi 4 Kualifikasi Pendidikan S1 5 IP 3 6 Kemampuan Komputer Web . . . . . . . . .

3.3 Metode Hybrid