Pegawai PegawaiTetapControl
PegawaiTetapControl Controller
CalonPegawai CalonPegawai
Entity Seleksi
Calon Pegawai
SeleksiCalonPegawai SeleksiCalonPegawai
Interface SeleksiControl
SeleksiControl Controller
PegawaiTetap PegawaiTetap
Entity Seleksi
Pegawai Tetap
SeleksiPegawaiTetap SeleksiPegawaiTetap
Interface SeleksiControl
SeleksiControl Controller
PegawaiTetap PegawaiTetap
Entity
Implementasi file secara lebih lengkap akan dijelaskan di lampiran VI pada halaman 125.
Berikut ini adalah tabel file yang digunakan sebagai tools : No
Nama File Fungsi
1. mysql-connector-java-5.0.5-bin.jar
Koneksi ke database 2.
jcalendar-1.3.2.jar Library untuk pallete Calendar
4.4. Pengujian Hasil Sistem
4.4.1. Pengujian 5-fold cross validation
Setelah semua usecase berhasil diimplementasikan dan dapat diakses langsung oleh user, tahap akhir dari penelitian ini adalah
pengujian sistem yang telah dibangun. Sistem seleksi pegawai yang dibangun menggunakan algoritma Naive Bayesian. Dalam pengujian ini
penulis menggunakan teknik k-fold cross validation dengan 5-fold. Tahap pengujian sistem sebagai berikut:
1. Penentuan 5 kelompok data Dalam penelitian ini terdapat data sebanyak 325 data. Data dibagi
menjadi 5 kelompok atau bagian yang hampir sama, seperti yang terlihat pada gambar dibawah ini:
2. Pengujian dan Perhitungan Akurasi Setelah data dikelompokan menjadi 5 bagian, maka langkah
selanjutnya adalah pengujian dan perhitungan akurasi. Proses pengujian dilakukan dengan 5-fold cross validation. Sedangkan proses perhitungan
menggunakan rumus :
Hasil pengujian dan perhitungan akurasi dengan menggunakan 5-fold sebagai berikut :
Tabel 4.1 Tabel Hasil Perhitungan Akurasi
Pengujian Data Training Data
Testing Total Data
Training Total Data
Testing Data Tidak
Sesuai Data
Sesuai AKURASI
I B,C, D, E
A 259
66 29
37 56
II A,C,D,E
B 259
66 32
34 52
III A,B,D,E
C 259
66 38
28 42
IV A,B,C,E
D 259
66 37
29 44
V A,B,C,D
E 264
61 32
34 56
Rata-rata 50
Dari hasil pengujian akurasi seperti terlihat pada tabel diatas, dapat disimpulkan bahwa :
1. Menggunakan teknik 5-fold cross validation, pengujian dengan presentase akurasi yang paling jelek terdapat pada pengujian III
dengan akurasi data sebesar 42. Sedangkan yang paling bagus terdapat pada pengujian I dengan tingkat akurasi sebesar 56.
2. Pada pengujian III dan penhujian IV masih memiliki nilai akurasi di bawah 50. Hal ini dapat disebabkan karena variasi data untuk tiap
atribut data test rekrutmen berbeda-beda tetapi metode untuk pengelompokkan datanya sama. Oleh karena itu, jumlah variasi
klasifikasi yang dihasilkan pun berbeda-beda. Asumsi lain yang dimiliki adalah dengan adanya data-data anomali pada
data training dapat memengaruhi nilai akurasi sistem. Dari data training sebanyak 325 data terdapat 7 record yang memiliki pola data seperti pada
tabel 4.2
Tabel 4.2 Tabel Data Anomali
ID Nama
nilai_ STTB
test_ psikologi test_ tertulis
test_ wawancara
test_ kesehatan
status_ penerimaan
TRN-02039 Mustangin
7,88 Kurang Disarankan
76 3,1
A Diterima
TRN-03024 Susanto
6,80 Kurang Disarankan
81 2,7
A Diterima
TRN-03040 Muh. Puji Astoko
6,92 Kurang Disarankan
75 3,4
A Diterima
TRN-03050 Wibowo Rokhmadi
7,88 Kurang Disarankan
78 3,2
A Diterima
TRN-08047 Andreas Tommy Guntoro
7,07 Kurang Disarankan
80 3,1
A Diterima
TRN-10037 Sayat
8,22 Kurang Disarankan
81 3,0
A Diterima
TRN-10055 Slamet Yunianto
7,45 Kurang Disarankan
84 3,3
A Diterima
Data pada tabel 4.2 dianggap bersifat anomali karena status penerimaan= diterima yang didapat seorang pelamar ketika menjadi pegawai tidak merepresentasikan kemampuan akademis pelamar yang dilihat dari nilai test rekrutmen yaitu nilai STTB, test
psikologi, test tertulis, test wawancara, dan test kesehatan.
4.4.2. Analisis Struktur Algoritma Naive Bayesian