Model Rekrutmen Calon Karyawan Dengan Algoritma Iterative Dichotomizer Three (ID3) (Studi Kasus di PT.Tiffa Mitra Sejahtera)

(1)

MODEL REKRUTMEN CALON KARYAWAN DENGAN ALGORITMA ITERATIVE DICHOTOMIZER THREE (ID3)

(Studi Kasus di PT.TIFFA MITRA SEJAHTERA) SKRIPSI

RIZQI NURUL ASHRI 111421004

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN


(2)

METODE RECRUTMEN CALON KARYAWAN DENGAN ALGORITMA ITERATIVE DICHOTOMIZER THREE (ID3)

(Studi Kasus : PT. Tiffa Mitra Sejahtera)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

RIZQI NURUL ASHRI 111421004

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN


(3)

ii

PERSETUJUAN

Judul : METODE RECRUTMEN CALON KARYAWAN

DENGAN ALGORITMA ITERATIVE

DICHOTOMIZER THREE (ID3) (STUDI KASUS : PT. TIFFA MITRA SEJAHTERA)

Kategori : SKRIPSI

Nama : RIZQI NURUL ASHRI

Nomor Induk Mahasiswa : 111421004

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Agus salim Harahap,M. Si Prof. Dr. Muhammad Zarlis NIP. 19790904 200912 1 002 NIP. 19570701 198601 1 003

Diketahui/disetujui oleh

Program Studi Ekstensi S1 Ilmu Komputer Ketua

Dr. Poltak Sihombing, M.Kom NIP. 19620217 199103 1 001


(4)

iii

METODE RECRUTMEN CALON KARYAWAN DENGAN ALGORITMA ITERATIVE DICHOTOMIZER THREE (ID3)

(Studi Kasus : PT. Tiffa Mitra Sejahtera)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Januari 2014

Rizqi Nurul Ashri 111421004


(5)

iv

PENGHARGAAN

Syukur Alhamdulilah, segala dan puji syukur kepada Allah SWT atas limpahan rahmat dan hidayah-Nya yang diberikan kepada penulis sehinggaskripsi ini dapat diselesaikan dengan tepat waktu.

Skripsi yang penulis kerjakan ini merupakan sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Penulis sadar akan keterbatasan kemampuan dan pengetahuan penulis sehinggamungkin pembaca akan menemui banyak kekurangan dalam skripsi ini. Oleh karena itu, dengan segala kerendahan hati penulis mengucapkan rasa terima kasih dan penghargaan kepada :

1. Bapak Prof. Dr. Muhammad Zarlis, selaku Dekan Fakultas Ilmu Komputer dan Teknologi sekaligus Dosen Pembimbing I yang telah memberikan masukan, bimbingan, saran serta memotivasi sehingga penulis dapat menyelesaikan skripsi ini dengan baik.

2. Bapak Dr. Agus salim Harahap,M. Si selaku sebagai Dosen Pembimbing II, yang telah memberikan saran dan kritik yang membangun bagi penulis

3. Bapak Dr. Poltak Sihombing, M, Kom selaku Ketua Program Studi Ilmu Komputer sekaligus Dosen Pembanding II saya yang telah memberikan saran dan kritiknya.


(6)

v

4. Bapak M. Andri Budiman, S.T., M.Comp.Sc, MEM sebagai Dosen Pembanding II yang juga telah memberikan kritik dan saran yang membangun. 5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara beserta para pegawai yang bertugas di Program Studi Ekstensi Ilmu Komputer FASILKOM-TI USU.

6. Bapak penulis tercinta Putut Hendro Priyatno serta Ibu penulis tersayang salma Harahap, terima kasih atas semua doa, dukungan, dan motivasi yang tak henti-hentinya kepada penulis.

7. Begitu juga kakak dan abang penulis, Maylani Sri S dan Iqbal Tri Sapto yang juga memberi dukungan dan motivasi kepada penulis.

8. Semua teman-teman serta para sahabat mahasiswa ekstensi ilmu komputer angkatan 2011 yang tidak dapat penulis sebutkan namanya satu persatu, terima kasih atas segala motivasi, bantuan, saran, kritik dan kerjasamanya selama proses penulisan penelitian ini.

Semoga Allah SWT membalas semua kebaikan yang telah kalian berikan.

Penulis,


(7)

vi

ABSTRAK

PT. Tiffa Mitra Sejahtera sebagai perusahaan swasta yang bergerak dibidang jasa tenaga kerja atau lebih dikenal dengan Outsourcing, sering mengalamin penolakkan terhadap calon karyawan yang dikirim ke customernya, sehingga aplikasi ini diharapkan dapat membantu PT. Tiffa Mitra Sejahtera khususnya bagian HRD dalam menentukan sebuah keputusan yang tepat saat merekrut calon karyawan. Dalam menentukan calon karyawan yang tepat untuk dikirim, aplikasi ini menggunakan Algoritma Iterative Dichotomizer Three (ID3), dimana pada Algoritma ini memiliki atribut yang sesuai dengan jenis pekerjaannya dan kemudian akan dihitung nilai Entropy dan nilai Information Gain dari setiap atribut, sehingga akan menghasilkan suatu pohon keputusan. Dari pohon keputusan inilah akan diketahui calon karyawan mana yang sesuai untuk dikirim.

Kata kunci : ID3, information gain, pohon keputusan, sistem pendukung keputusan


(8)

vii

PROSPECTIVE EMPLOYEE RECRUITMENT MODEL WITH

ITERATIVE DICHOTOMIZER THREE ALGORITHM (ID3)

(Case Study in PT.TIFFA MITRA SEJAHTERA)

ABSTRACT

PT. Tiffa Mitra Sejahtera as a private company engaged in the service of labor or better known as Outsourcing, undergo frequent rejection of the candidates sent to its customers, so the application is expected to help the PT. Tiffa Mitra Sejahtera especially the human resources department in determining an appropriate decision when recruiting prospective employees. In determining the appropriate candidates to be sent, this application uses Dichotomizer Three Iterative Algorithm (ID3), where the algorithm has the attributes that correspond to the type of work and would then calculated the value of Entropy and Information Gain values of each attribute, so it will produce a tree decision. From this decision tree will know where suitable candidates to be sent.


(9)

viii

DAFTAR ISI

Hal.

PERSETUJUAN ii

PERNYATAAAN iii

PENGHARGAAN iv

ABSTRAK vi

ABSTRACT vii

DAFTAR ISI viii

DAFTAR TABEL xi

DAFTAR GAMBAR xii

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 4

1.6 Metodologi Penelitian 4


(10)

ix

BAB 2 LANDASAN TEORI 7

2.1 Sistem Pendukung Keputusan 7

2.1.1 Pengertian Sistem 7

2.1.2 Pengertian Keputusan 7

2.1.3 Pengertian Sistem Pendukung Keputuan 8 2.1.4 Karaterikstik dan Kemampuan Sistem Pendukung Keputusan 9 2.1.5 Komponen Sistem Pendukung Keputusan 9

2.2 Visual Basic Net 10

2.2.1 Kelebihan Visual Basic Net 11

2.2.2 Kekurangan Visual Basic Net 11

2.3 Algoritma Iterative Dichotomizer Three (ID3) 12 2.3.1 Pengertian Algoritma Iterative Dichotomizer Three (ID3) 12

2.3.2 Entropy 13

2.3.2 Information Gain 14

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Permasalahan 15

3.2. Perancangan Sistem 16

3.2.1 Perancangan Flowchart Algoritma Iterative Dichotomizer 16 Three (ID3)

3.2.2. Data Flow Diagram 22

3.2.3. Perancangan Struktur Tabel 25


(11)

x

BAB 4 IMPLEMENTASI SISTEM 35

4.1 Implementasi Database 35

4.2 Hasil Implementasi 38

4.2.1 Interface Menu Utama 38

4.2.2 Interface Input Data Jenis Karyawan 39 4.2.3 Intreface Input Data Calon Karyawan 40

4.2.4 IntrefaceInput Data Atribut 40

4.2.5 IntrefaceData Survey 41

4.2.6 IntrefaceProses Algoritma ID3 42

BAB 5 PENUTUP 43

5.1 Kesimpulan 43


(12)

xi

DAFTAR TABEL

Hal.

Tabel 3.1 Sturktur Tabel Jenis Pekerjaan 25

Tabel 3.2 Struktur Tabel Nilai 25

Tabel 3.3 Struktur Tabel Peserta 26

Tabel 3.4 Struktur Tabel Atribut 26

Tabel 3.5 Data Sampel Calon Karyawan 27


(13)

xii

DAFTAR GAMBAR

Hal.

Gambar 3.1 Flowchart Menu 17

Gambar 3.2 Flowchart Input Data Jenis Pekerjaan 18 Gambar 3.3 Flowchart Input Data Calon Karyawan 19

Gambar 3.4 Flowchart Input Data Atribut 20

Gambar 3.5 Flowchart Data Survey 21

Gambar 3.6 Flowchart Proses ID3 22

Gambar 3.7 Diagram Konteks Rekrutmen Calon Karyawan dengan 23 Algoritma Iterative Dichotomizer Three (ID3)

Gambar 3.8 DFD Konteks Rekrutmen Calon Karyawan dengan 24 Algoritma Iterative Dichotomizer Three (ID3)

Gambar 3.9 Pohon Keputusan Tahap Awal 31

Gambar 3.10 Pohon Keputusan Rekrutmen Calon Karyawan Tahap Kedua 34

Gambar 4.1 Database awal dbid3 35

Gambar 4.2 Tabel tbljenis 36

Gambar 4.3 Tabel tblnilai 36

Gambar 4.4 Tabel tblpeserta 37


(14)

xiii

Gambar 4.6 Interface Menu Utama 39

Gambar 4.7 Interface Input Data Jenis Pekerjaan 39

Gambar 4.8 Interface Input Data Calon Karyawan 40

Gambar 4.9 Interface Input Data Atribut 41

Gambar 4.10 Interface Input Data Survey 41


(15)

vi

ABSTRAK

PT. Tiffa Mitra Sejahtera sebagai perusahaan swasta yang bergerak dibidang jasa tenaga kerja atau lebih dikenal dengan Outsourcing, sering mengalamin penolakkan terhadap calon karyawan yang dikirim ke customernya, sehingga aplikasi ini diharapkan dapat membantu PT. Tiffa Mitra Sejahtera khususnya bagian HRD dalam menentukan sebuah keputusan yang tepat saat merekrut calon karyawan. Dalam menentukan calon karyawan yang tepat untuk dikirim, aplikasi ini menggunakan Algoritma Iterative Dichotomizer Three (ID3), dimana pada Algoritma ini memiliki atribut yang sesuai dengan jenis pekerjaannya dan kemudian akan dihitung nilai Entropy dan nilai Information Gain dari setiap atribut, sehingga akan menghasilkan suatu pohon keputusan. Dari pohon keputusan inilah akan diketahui calon karyawan mana yang sesuai untuk dikirim.

Kata kunci : ID3, information gain, pohon keputusan, sistem pendukung keputusan


(16)

vii

PROSPECTIVE EMPLOYEE RECRUITMENT MODEL WITH

ITERATIVE DICHOTOMIZER THREE ALGORITHM (ID3)

(Case Study in PT.TIFFA MITRA SEJAHTERA)

ABSTRACT

PT. Tiffa Mitra Sejahtera as a private company engaged in the service of labor or better known as Outsourcing, undergo frequent rejection of the candidates sent to its customers, so the application is expected to help the PT. Tiffa Mitra Sejahtera especially the human resources department in determining an appropriate decision when recruiting prospective employees. In determining the appropriate candidates to be sent, this application uses Dichotomizer Three Iterative Algorithm (ID3), where the algorithm has the attributes that correspond to the type of work and would then calculated the value of Entropy and Information Gain values of each attribute, so it will produce a tree decision. From this decision tree will know where suitable candidates to be sent.


(17)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Saat ini tidak bisa dihindari, selain mencari ilmu tujuan lain melanjutkan pendidikan adalah untuk mencari pekerjaan yang layak, yang sesuai dengan kemampuan dimiliki. Tidak sedikit masyarakat dengan pendidikan rendah mendapatkan pekerjaan yang bisa dibilang di bawah standarisasi, namun banyak juga ditemui orang-orang yang memiliki pendidikan tinggi hanya mendapatkan pekerjaan yang tidak sesuai dengan pendidikan yang mereka dapat.

Banyak alasan yang bisa diungkapkan untuk hal tersebut, salah satunya adalah banyaknya tamatan berijazah namun sangat sedikit tersedia lowongan pekerjaan. Sebenarnya sudah begitu banyak perusahaan swasta yang berdiri untuk melakukan usaha dan mencari tenaga-tenaga pekerja ahli, yang mana bisa mengurangi pengangguran. Namun hal ini memiliki kekurangan yang sangat jelas, yaitu sistem kerja kontrak, dimana pekerja hanya bekerja selama masa berlaku kontrak yang sudah ditetapkan, tidak akan mendapatkan jaminan hari tua, dan perusahaan dapat lebih mudah menghentikan karyawan yang dianggap tidak produktif, serta banyak lagi kekurangannya.

Hal ini disebabkan karena adanya peraturan pemerintah tentang ketenagakerjaan (UU No 13 Tahun 2003), yang mana memperbolehkan adanya Perusahaan Outsourcing, yaitu pemborongan pekerjaan dan penyediaan jasa tenaga kerja. Atau ada yang mengatakan Outsourcing adalah upaya mengalihkan pekerjaan atau jasa ke pihak ketiga.

Sama seperti Perusahaan Outsourcing lainnya, PT.Tiffa Mitra Sejahtera yang terletak di Jalan Setia Budi Komplek Ruko NCC Blok C No.4 Medan ini, berdiri


(18)

2

untuk bekerja sama dengan perusahaan-perusahaan swasta maupun BUMN dalam hal mencari atau recruitment karyawan. Sampai dengan saat ini PT.Tiffa Mitra Sejahtera sudah bekerja sama dengan 17 perusahaan swasta maupun BUMN yang ada di kota Medan dan Batam.

Namun masalah yang sering dihadapi oleh PT.Tiffa Mitra Sejahtera adalah, sering terjadi penolakkan terhadap calon-calon karyawan yang sudah dikirim dengan alasan yang bermacam-macam. Mulai dari pengetahuan yang kurang, penampilan yang tidak menarik, psikotes yang kurang layak dan sebagainya, karena selama ini hanya dilakukan interview biasa saja.

Berdasarkan hal tersebutlah, penulis tertarik untuk membuat sistem yang bisa membantu PT.Tiffa Mitra Sejahtera dalam merecruit karyawan, agar tidak salah dalam mengirim calon-calon karyawan dan lebih akurat lagi hasilnya. Dalam hal ini, penulis akan menggunakan Algoritma Iterative Dichotomizer Three (ID3) untuk membantu menyelesaikan masalah tersebut.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka rumusan masalah yang dapat diambil adalah bagaimana merancang dan mengimplementasikan Algoritma Iterative Dichotomizer Three (ID3) dalam proses rekrut calon karyawan PT. Tiffa Mitra Sejahtera.

1.3 Batasan Masalah

Batasan masalah pada program ini sebagai berikut:

1. Data yang di input adalah lowongan yang dibutuhkan


(19)

3

penampilan dan pengalaman kerja

3. Output dari program ini yaitu sesuai atau tidak, calon karyawan tersebut dikirim pada lowongan yang dibutuhkan. Dimana setiap lowongan pekerjaan memiliki kriteria berbeda-beda. Contohnya :

a) Ticketing : Tamatan minimal D3, penampilan menarik dengan tinggi minimal 160 cm, bisa berbahasa inggris, dan pengalaman tidak di utamakan.

b) Sales Promotion Girl : Tamatan minimal SMA, penampilan menarik dengan tinggi minimal 160 cm, dan berpengalaman sangat diutamakan. c) Security : Tamatam minimal SMA, tinggi minimal 165

cm, punya sertifikat POLDA, dan memiliki pengalaman lebih baik. d) Buruh : Tamatan minimal SMA, tinggi tidak terlalu

penting, cekatan, dan pengalaman tidak terlalu diutamakan.

e) Receptionist : Tamatan minimal SMA, tinggi 160 cm, bisa berbahasa inggris, dan pengalaman tidak terlalu diutamakan.

f) Administrasi : Tamatan minimal D3, penampilan menarik, bisa komputer minimal Word dan Excel, memiliki pengalaman lebih baik.

4. Bahasa pemrograman yang digunakan adalah Visual Basic Net.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah :

1) Mengimplementasikan dan mengembangkan Algoritma Iterative Dichotomizer Three (ID3)

2) Membantu PT.Tiffa Mitra Sejahtera dalam merekrut calon karyawan yang akan di kirim ke Customer.


(20)

4

1.5 Manfaat Penelitian

Mempermudah PT.Tiffa Mitra Sejahtera dalam mengambil keputusan layak atau tidaknya calon karyawan untuk dikirim ke customer yang membutuhkan.

1.6 Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut:

a. Studi Literatur

Penulis mengumpulkan bahan dan data referensi dari buku, skripsi dan sumber lain yang berkaitan dengan penulisan tugas akhir ini.

b. Analisis dan perancangan Sistem

Tahap ini digunakan untuk mengolah data dari hasil studi literatur dan kemudian melakukan analisis dan perancangan menggunakan Algoritma Iterative Dichotomizer Three (ID3) sehingga menjadi suatu informasi terstruktur dan jelas. c. Implementasi Sistem

Metode ini dilaksanakan dengan mengimplementasikan rancangan sistem yang telah dibuat pada analisis dan perancangan sistem ke dalam program komputer dengan menggunakan bahasa pemrograman VB Net.

d. Pengujian Sistem

Metode ini menguji hasil dari implementasi sistem yang telah dibuat. e. Dokumentasi

Metode ini berisi laporan dan kesimpulan akhir dari hasil analisa dan pengujian dalam bentuk skripsi.


(21)

5

1.7 Sistematika Penulisan

Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut:

BAB 1: PENDAHULUAN

Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi “Model Rekrutmen Calon Karyawan dengan Algoritma Iterative Dichotomizer Three (ID3)

Studi Kasus : PT.Tiffa Mitra Sejahtera”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan.

BAB 2: LANDASAN TEORI

Bab ini akan membahas teori-teori yang berkaitan dengan system pendukung keputusan, dan Algoritma Iterative Dichotomizer Three (ID3)

BAB 3: ANALISIS DAN PERANCANGAN SISTEM

Bab ini menjabarkan tentang tujuan dari perancangan sistem, kriteria dan pilihan kesimpulan dalam menentukan karyawan yang sesuai untuk lowongan pekerjaan yang dipilih. Selain itu juga tahapan dalam merancang system pendukung keputusan menggunakan Algoritma Iterative Dichotomizer Three (ID3)

BAB 4: IMPLEMENTASI DAN PENGUJIAN

Bab ini akan membahas bentuk perangkat lunak yang dibuat, bentuk sistem yang digunakan dalam penyusunan fungsi dan prosedur yang mebangun program serta tampilan program sitem pendukung keputusan menggunakan Algoritma Iterative Dichotomizer Three (ID3).


(22)

6

BAB 5: KESIMPULAN DAN SARAN

Bab terakhir akan memuat kesimpulan isi dari keseluruhan uraian bab-bab sebelumnya dan saran-saran yang diperoleh dan diharapkan dapat bermanfaat dalam pengembangan selanjutnya.


(23)

BAB 2

LANDASAN TEORI

2.1.Sistem Pendukung Keputusan 2.1.1. Pengertian Sistem

Kata sistem berasal dari bahasa latin (systēma) dan bahasa yunani (sustēma). Sistem adalah suatu kesatuan yang terdiri dari komponen atau elemen yang dihubungkan bersama untuk memudahkan aliran informasi, materi atau energi untuk mencapai suatu tujuan. Sistem juga merupakan kesatuan bagian-bagian yang saling berhubungan yang berada dalam suatu wilayah serta memiliki item-item penggerak.

Sedangkan pengertian sistem menurut Kamus Bahasa Indonesia, Sistem adalah perangkat unsur yang teratur saling berkaitan sehingga membentuk suatu totalitas. Pengertian lain Sistem adalah susunan dari pandangan, teori, asas dan sebagainya.

2.1.2. Pengertian Keputusan

Keputusan (decision) yaitu pilihan dari dua atau lebih kemungkinan. Keputusan dapat dilihat pada kaitannya dengan proses, yaitu bahwa suatu keputusan ialah keadaan akhir dari suatu proses yang lebih dinamis yang disebut pengambilan keputusan. Dengan kata lain, keputusan merupakan sebuah kesimpulan yang dicapai sesudah dilakukan pertimbangan, yang terjadi setelah satu kemungkinan dipilih, sementara yang lain dikesampingkan.


(24)

8

2.1.3. Pengertian Sistem Pendukung Keputusan

Turban (2005) mendefinisikan pengambilan keputusan sebagai sebuah proses memilih tindakan untuk mencapai suatu tujuan atau beberapa tujuan. Pengambilan keputusan ini dilakukan dengan pendekatan sistematis terhadap permasalahan melalui proses pengumpulan data menjadi informasi serta ditambah dengan faktor-faktor yang perlu di pertimbangkan dalam pengambilan keputusan.

Sistem Pendukung Keputusan didefinisikan sebagai sistem berbasis komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem bahasa, sistem pengetahuan dan sistem pemrosesan masalah.

Pembuatan keputusan diperlukan pada semua tahap kegiatan administrasi dan manajemen. Misalnya dalam tahap perencanaan diperlukan banyak kegiatan pembuatan keputusan sepanjang proses perencanaan tersebut. Keputusan-keputusan yang dibuat dalam proses perencanaan ditujukan kepada pemilihan alternatif program dan prioritasnya. Dalam pembuatan keputusan tersebut dicakup kegiatan identifikasi masalah, perumusan dan pemilihan alternatif keputusan berdasarkan perhitungan konsekuensi dan berbagai dampak yang timbul. Begitu juga dalam tahap implementasi atau operasional suatu organisasi, para manajer harus membuat banyak keputusan rutin dalam rangka mengendalikan usaha sesuai dengan rencana dan kondisi yang berlaku. Sedangkan dalam tahap pengawasan yang mencakup pemantauan, pemeriksaan dan penilaian (evaluasi) terhadap hasil pelaksanaan kerja, juga banyak keputusan dibuat dalam rangka koreksi terhadap penyimpangan yang terjadi agar hasil yang diperoleh lebih sesuai dengan sasaran mutu, waktu dan penggunaan sumber daya yang efisien.


(25)

9

2.1.4. Karakteristik dan Kemampuan Sistem Pendukung Keputusan

Menurut Turban karekteristik Sistem Pendukung Keputusan adalah sebagai berikut: 1. Sistem Pendukung Keputusan dirancang untuk membantu pengambilan

keputusan dalam memecahkan suatu masalah yang bersifat semi terstruktur atau sebaliknya.

2. Sistem Pendukung Keputusan dalam proses pengolahannya menkombinasikan pengguna model-model anakisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari informasi.

3. Sistem Pendukung Keputusan dirancang untuk dapat digunakan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan mengoperasikan komputer. Oleh karena itu, pendekatan yang digunakan biasanya model interaktif.

4. Dirancang dengan menekankan pada aspek fleksibilitas serta kemampuan adaptasi yang tinggi, sehingga mudah disesuaikan dalam berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai.

2.1.5. Komponen Sistem Pendukung Keputusan

Adapun komponen-komponen dari SPK adalah sebagai berikut:

1. Subsistem manajemen data, mencakup satu basis data (data base) yang berisi data yang relevan dan dikelola oleh perangkat lunak yang disebut Database Management System (DBMS).

2. Subsistem manajemen model, menggunakan perangkat lunak yang berkaitan dengan bidang-bidang seperti keuangan, statistik, manajemen, atau model-model kuantitatif yang memiliki kemampuan untuk melakukan analisa sistem.


(26)

10

3. Subsistem antarmuka pengguna, digunakan sebagai media interaksi antara system dengan pengguna. Pengguna dapat berkomunikasi dengan SPK dan memerintahkan SPK melalui susistem ini.

4. Subsistem manajemen berbasis pengetahuan, dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri yang tidak terkait dengan komponen lain.

2.2.Visual Basic Net

Microsoft Visual Basic. NET adalah sebuah alat untuk mengembangkan dan membangun aplikasi yang bergerak di atas sistem .NET Framework, dengan menggunakan bahasa Basic. Dengan menggunakan alat ini, para programmer dapat membangun aplikasi Windows Forms, Aplikasi web berbasis ASP. NET, dan juga aplikasi command-line. Bahasa Visual Basic. NET sendiri menganut paradigma bahasa pemrograman berorientasi objek yang dapat dilihat sebagai evolusi dari Microsoft Visual Basic versi sebelumnya yang diimplementasikan di atas .NET Framework.

Visual Basic yang sekarang digunakan oleh jutaan programmer adalah berawal dari sebuah Bahasa pemrograman yang diciptakan oleh Prof. Jhon Kemeny dan Thomas Kurtz pada tahun 1964 dengan nama BASIC yang kepanjangan dari Beginner All Purpose Symbolic Intruction Code. Bahasa BASIC ini tergolong bahasa pemrograman yang paling mudah dipelajari.


(27)

11

2.2.1 Kelebihan Visual Basic Net

Visual Basic mempunyai banyak kelebihan dibandingkan Software/bahasa pemograman yang lain. Di antaranya adalah :

 VB.NET mengatasi semua masalah yang sulit disekitar pengembangan aplikasi berbasis windows.

 Cocok digunakan untuk mengembangkan aplikasi/program yang bersifat

“Rapid Application Development”.

 Sangat cocok digunakan untuk membuat program/aplikasi Bisnis.

 Digunakan oleh hampir semua keluarga Microsoft Office sebagai bahasa Macro-nya, segera akan diikuti oleh yang lain.

 Mendekati Object Oriented Programming.

 Dapat di-integrasikan dengan Internet, baik itu pada sisi Client maupun pada sisi Server

 Dapat menjalankan server tersebut dari mesin yang sama atau bahkan dari mesin/komputer yang lain.

2.2.2 Kekurangan Visual Basic Net

Visual Basic juga mempunyai kekurangan/kelemahan, yaitu :

 Visual Basic (VB) tidak memiliki database sendiri dan biasanya VB mengunakan database seperti : mysql, sql server, microsoft access.


(28)

12

 Program/aplikasi yg dibuat dgn VB.Net harus menggunakan Net Framework untuk menjalaninya

 Visual Basic. NET bukan merupakan bahasa pemprograman yang open source, sehingga akan sulit bagi programmer untuk lebih mendalami VB. NET secara lebih independen.

2.3.Algoritma Iterative Dichotomizer Three (ID3)

2.3.1 Pengertian Algoritma Iterative Dichotomizer Three (ID3)

Iterative Dichotomicer Three (ID3) diperkenalkan pertama kali oleh Quinlan pada tahun 1979. ID3 dikembangkan atas dasar Sistem Pembelajaran Konsep (Concept Learning System). Tujuan dari Sistem Pembelajaran Konsep yang dikembangkan oleh Hunt et al adalah untuk menghasilkan suatu pohon aturan yang mampu mengklasifikasikan suatu objek. ID3 merepresentasi konsep-konsep dalam bentuk pohon keputusan. Aturan-aturan yang dihasilkan oleh ID3 mempunyai relasi yang hirarkis seperti suatu pohon (mempunyai akar, titik, cabang dan daun) .

Untuk menggunakan metode ID3 dibutuhkan kumpulan data yang terdiri dari variabel-variabel masukan dan variabel keluaran. Nilai-nilai yang terdapat dalam setiap variabel mempunyai sifat kategorial.

Data sample yang digunakan oleh ID3 memiliki beberapa syarat, yaitu :

 Deskripsi atribut nilai. Atribut yang sama haruss mendeskripsikan tiap contoh dan memiliki jumlah nilai yang sudah ditentukan.

 Kelas yang sudah didefinisikan sebelumnya. Suatu atribut contoh harus sudah didefinisikan, karena mereka tidak dipelajari oleh ID3.


(29)

13

 Kelas-kelas yang diskrit. Kelas digambarkan secara jelas, kelas-kelas yang berkesinambungan dipecah menjadi kategori-kategori jelas seperti nilai baik, sedang, buruk.

 Jumlah contoh (example) yang cukup. Karena pembangkitan induktif digunakan, maka dibutuhkan test case yang cukup untuk membedakan pola yang valid dari peluang suatu kejadian. Pemilihan atribut pada ID3 dilakukan dengan properti statistik, yang disebut dengan information gain. Gain mengukur seberapa baik suatu atribut memisahkan training exampel ke dalam kelas target. Atribut dengan informasi tertinggi akan dipilih. Dengan tujuan untuk mendefinisikan gain, pertama-tama digunakan ide dari teori informasi yang disebut entropi. Entropi mengukur jumlah dari informasi yang ada pada atribut.

2.3.2 Entropy

Entropy adalah ukuran rata-rata bit yang dibutuhkan untuk mendapatkan suatu kelas dari ketidakpastian yang berdasar pada variabel acak pada jumlah sampel.

Rumus persamaan dari entropy adalah : Entropy(S) = -p+ log2 p+ - p- log2 p-

dimana :

 S = adalah jumlah sampel data yang digunakan.

 p+ = Jumlah yang bersolusi positif (mendukung) pada data sampl

untuk kriteria tertentu.

 p- = adalah jumlah yang bersolusi negatif (tidak mendukung) pada


(30)

14

2.3.3. Information Gain

Setelah mendapatkan entropy dari suatu kumpulan data sample, maka dapat diukur efektifitas suatu atribut dari suatu klasifikasi data. Ukuran efektifitas ini disebut information gain. Information gain dari suatu atribut dapat dilihat dari persamaa dibawah ini :

Gain(S, A)= Entropy(S) –Σ |��|

|�| Entropy(Sv) dimana :

 A = Atribut

 V = Menyatakan Suatu nilai yang mungkin untuk suatu atribut A  Values (A) = Himpunan nilai-nilai yang mungkin untuk atribut A

 |Sv| = Jumlah sampel untuk nikai V  |S| = Jumlah seluruh sampel data

 Entropy(Sv) = Entropy untuk sampel-sampel yang memiliki nilai v

Cara kerja metode ID3 adalah dengan menentukan nilai bobot dari setiap atribut, kemudian dilanjutkan dengan proses pemilihan alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud adalah pengajuan yang berhak ditindaklanjuti berdasarkan kriteria-kriteria yang ditentukan. Proses tersebut akan terus digunakan untuk proses yang sama (rekursif) dan nantinya akan membentuk pohon keputusan. Apabila suatu atribut telah menjadi cabang (node) maka atribut tidak dimasukkan ke dalam perhitungan nilai information gain. Proses ini akan berhenti pasa saat semua data dari anak cabang telah termasuk dalam kelas yang sama atau jika semua atribut telah digunakan tapi masih tersisa dalam kelas yang berbeda.


(31)

15

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Permasalah

Rekrutmen calon karyawan pada PT. Tiffa Mitra Sejahtera dilakukan secara objektif oleh bagian HRD. Adapun kriteria yang akan dinilai dalam rekrumen calon karyawan tersebut adalah pendidikan, pengalaman kerja, hasil penilaian interview, psikotes atau kelengkapan berkas serta keahlian. Penjelasan dari masing-masing kriteria sebagai berikut:

1. Kriteria pendidikan sangat penting di dalam rekrutmen calon karyawan, dimana minimal pendidikan adalah SMA.

2. Kriteria pengalaman kerja merupakan nilai tambahan bagi calon karyawan. 3. Kriteria hasil penilaian interview di dapatkan dari wawancara yang dilakukan

HRD dengan calon karyawan.

4. Kriteria psikotes adalah hasil ujian berupa soal-soal pengetahuan umum dan pertanyaan seputar jenis pekerjaan yang dilamar oleh calon karyawan tersebut. 5. Kriteria kelengkapan berkas merupakan kelengkapan tambahan yang wajib

dimiliki calon karyawan, contohnya seorang calon security memiliki kelengkapan berkas sertifikat POLDA, dan driver memiliki SIM A/B1/B2. 6. Kriteria keahlian merupakan syarat seorang admin, yaitu keahlian dalam


(32)

16

3.2Perancangan Sistem

3.2.1 Perancangan Flowchart Algoritma Dichotomizer Three (ID3)

Perancangan flowchart atau diagram alir akan memudahkan pengembangan untuk mengimplementasikan sistem kedalam bahasa pemrograman, karena akan menjelaskan bagaimana cara kerja sistem dari awal hingga akhir. Flowchart yang akan dirancang pada sistem pendukung keputusan ini terdiri dari flowchart menu, flowchart input data jenis pekerjaan, flowchart atribut, flowchart input data calon karyawan, flowchart data survey dan flowchart proses ID3.


(33)

17 Mulai Menu 1. File 2. Proses 3. Keluar File Proses Data Jenis Pekerjaan Data Peserta Form Jenis Pekerjaan Form Data Peserta Data Survey Proses ID3 Form Survey Form Proses ID3 Keluar Selesai T T T T T T T Y Y Y Y Y Y Data Atribut Pekerjaan Form Data Atribut Pekerjaan Y T


(34)

18 Mulai Pilih 1. Simpan 2. Edit 3. Hapus 4 Keluar Simpan Cek Data Duplikat Edit Input Jenis

Pekerjaan Simpan ke DB

“Data Tidak Lengkap

“Data Sudah Ada”

Pilih Data Ubah

Tampilkan

Data Update

Hapus Pilih Data Hapus

“Yakin Ingin Menghapus ” Yes/No Keluar Selesai Y Y Y Y Y T Y Y Y Y T T T Y T T T T Jenis Pekerjaan


(35)

19

Mulai

1. Pilih Jenis pekerjaan 2. Simpan 3. Hapus 4. Keluar Pilih Jenis Pekerjaan Tampilkan

Data Calon Simpan

Input Data Calon

Simpan ke Tabel

Hapus Pilih Data

Peserta Hapus Data

Simpan “Jenis Pekerjaan Belum Dipilih” Hapus Jenis Pekerjaan Belum Dipilih Keluar Selesai Y Y Y Y Y Y Y Y T T T T T T Data Peserta


(36)

20 Mulai Pilih 1. Simpan 2. Edit 3. Hapus 4 Keluar Simpan Cek Data Duplikat Edit Input Data

Atribut Simpan ke DB

“Data Tidak Lengkap

“Data Sudah Ada”

Pilih Data Ubah

Tampilkan

Data Update

Hapus Pilih Data Hapus

“Yakin Ingin Menghapus ” Yes/No Keluar Selesai Y Y Y Y Y T Y Y Y Y T T T Y T T T T Jenis Pekerjaan


(37)

21

MULAI

1. Simpan 2. Hapus 3. Keluar

Simpan Input Data Survey Simpan Ke Tabel

Hapus Pilih Data Pada List Hapus

“Yakin Ingin

Menghapus Data ini?

Ya/Tidak

Keluar

SELESAI

Data Survey T

T

T Y

T

T Y

Y

Y T


(38)

22

MULAI

1. Pilih Jenis Pekerjaan 2. Keluar

Pilih Jenis

Tampilkan dan urutkan

IG setiap Atribut

Load Atribut n Cek Data Survey YA/TIDAK

TIDAK

Tampilkan Keputusan

Keluar

Atribut n>=4

Selesai

Y Y Y

Y

Y

T

T

T

T

Gambar 3.6 Flowchart Proses ID3

3.2.2 Data Flow Diagram (DFD)

Diagram aliran data/ Data Flow Diagram (DFD) adalah sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan saat data bergerak dari input menjadi output. DFD dapat digunakan untuk menyajikan sebuah sistem atau perangkat lunak pada setiap tingkat abstraksi. DFD memberikan suatu mekanisme bagi pemodelan fungsional dan pemodelan informasi. Langkah pertama


(39)

23

dalam perancangan Data Flow Diagram adalah dengan membuat konteks diagram untuk menjelaskan gambaran umum dari sistem. Berikut diagram konteks untuk Sistem Pendukung Keputusan ini.

REKRUTMEN CALON KARYAWAN DENGAN

ALGORITMA ID3

HRD KEPUTUSAN

DATA SELEKSI

PIMPINAN LAPORAN

Gambar 3.7 Diagram Konteks rekrutmen calon karyawan dengan Algoritma Iterative Dichotomizer Three (ID3)

DFD level 0, disebut juga dengan model sistem fundamental atau model konteks, mempresentasikan seluruh elemen sistem sebagai sebuah lingkaran tunggal dengan data input menjadi output yang ditunjukkan oleh anak panah yang masuk dan keluar secara berurutan.


(40)

24

HRD

1.0 INPUT JENIS PEKERJAAN

Jenis Pekerjaan JENIS PEKERJAAN Data Jenis Pekerjaan

Jenis

2.0 INPUT DATA CALON

KARYAWAN

Jenis Pekerjaan

CALON KARYAWAN

3.0 INPUT DATA

SURVEY

SURVEY Hasil Survey

4.0

PROSES ID3 Data Survey Data Karywan

Laporan

Gambar 3.8 DFD Rekrutmen Calon Karyawan dengan Menggunakan Algoritma Iterative Dichotomizer Three (ID3)


(41)

25

3.2.3 Perancangan Struktur Tabel

Perancangan struktur tabel berguna bagi pengembangan sistem dalam merancang basis data yang akan digunakan pada sistem nantinya. Sistem ini menggunakan beberapa tabel diantaranya tabel jenis pekerjaan, tabel nilai (hasil wawancara), dan tabel calon karyawan. Berikut struktur dari masing-masing tabel tersebut.

Tabel 3.1 Struktur Tabel Jenis Pekerjaan

No Nama Field Tipe Data Ukuran Keterangan

1 Kodejenis Varchar 15 Kode Jenis Pekerjaan

2 jenis Varchar 200 Jenis Pekerjaan

3 keterangan Varchar 255 Keterangan yang bisa ditambah untuk lebih menjelaskan tentang jenis pekerjaan

Tabel 3.2 Struktur Tabel Nilai

No Nama Field Tipe Data Ukuran Keterangan

1 idnilai Tinyint 3 Nomor identitas kriteria

2 kodejenis Varchar 15 Kode jenis pekerjaan

3 kodepeserta Tinyint 3 Nomor kode untuk calon karyawan

4 nwawancara Varchar 10 Nilai wawancara

5 npsikotest Varchar 10 Nilai psikotest

6 npendidikan Varchar 10 Nilai pendidikan


(42)

26

8 hasil varchar 10 Nilai dari hasil keseluruhan

Tabel 3.3 Struktur Tabel Peserta

No Nama Field Tipe Data Ukuran Keterangan

1 kodepeserta Tinyint 3 Nomor kode untuk calon karyawan

2 nama Varchar 150 Nama calon karyawan

3 jk Varchar 15 Jenis kelamin calon

karyawan

4 alamat Varchar 200 Alamat calon karyawan

5 notelp Varchar 20 Nomor telepon calon

karyawan

6 kodejenis Varchar 15 Kode jenis pekerjaan

Tabel 3.4 Struktur Tabel Atribut

No Nama Field Tipe Data Ukuran Keterangan

1 kodejenis Varchar 30 Nomor kode untuk

pekerjaan

2 a1 Varchar 30 Atribut pertama

3 a2 Varchar 30 Atribut Kedua

4 a3 Varchar 30 Atribut Ketiga


(43)

27

3.2.4 Penerapan Algoritma ID3

Dalam Perancangan model rekrutmen calon karyawan dengan menggunakan Algoritma Iterative Dichotomizer Three (ID3) ini perlu adanya data survey untuk menjadi patokan dalam penentuannya. Tabel 3.4 berikut merupakan 15 data sampel dari beberapa calon karyawan untuk jenis pekerjaan receptionist.

Tabel 3.5 Data Sampel Calon Karyawan

Calon Karyawan Pendidikan Pengalaman Kerja Psikotes Wawancara Hasil

A D3 Kurang Kurang Cukup Tidak

B D3 Kurang Baik Baik Terima

C SMA Baik Baik Baik Terima

D D3 Cukup Kurang Kurang Tidak

E SMA Cukup Cukup Kurang Tidak

F D3 Baik Baik Kurang Terima

G D3 Baik Cukup Baik Terima

H SMA Kurang Cukup Cukup Tidak

I SMA Cukup Cukup Baik Tidak

J D3 Cukup Baik Cukup Terima

K D3 Baik Cukup Baik Terima

L D3 Kurang Kurang Baik Tidak

M SMA Baik Baik Kurang Terima

N SMA Cukup Cukup Cukup Tidak

O D3 Kurang Cukup Baik Terima

Perhitungan Entropy (S)

Entropy(S) = -p+ log2 p+ - p- log2 p-

di mana :

 S = adalah jumlah sampel data yang digunakan.

 p+ =Jumlah yang bersolusi positif (mendukung) pada data sampel


(44)

28

 p- = Jumlah yang bersolusi negatif (tidak mendukung) pada data

sampel untuk kriteria tertentu.

Dalam data sampel ini, Entropynya adalah :

Entropy (S) = -p+ log2 p+ - p- log2 p

-Entropy (S) [8+, 7-] = - (8/15) log2 (8/15) – (7/15) log2 (7/15)

= - (0,533)(log (0,533)/log2) – (0,466)(log(0,466)/log2)

= -(0,533)(-0,906) – (0,466)(-1,099) = 0,483 + 0,512

= 0,994 dengan persyaratan :

Entropy (S) = 0, Jika semua contoh pada S berada dalam kelas yang sama.

Entropy (S) = 1, Jika semua contoh positif dan contoh negatif dalam S adalah sama.

 0 < Entropy (S) < 1 , Jika semua contoh positif dan contoh negatif dalam S yang tidak sama.

Perhitungan Information Gain untuk atribut pendidikan : SSMA[2+, 4-] = - (2/6) log2 (2/6) – (3/6) log2 (3/6)

= - (0,333)(log(0,333)/log2) – (0,5)(log(0,5)/ log2)

= 0,915

SD3[6+, 3-] = - (4/9) log2 (4/9) – (3/9) log2 (3/9)

= - (0,444)(log(0,444)/ log2) – (0,333)(log(0,333)/ log2)

= 0,915

Maka Gain (S, Pendidikan) = Entropy S – (6/15) SSMA – (9/15) SD3 = 0,995 – 0,366 – 0,549


(45)

29

Perhitungan Information Gain untuk atribut Pengalaman :

Sbaik[5+, 0-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Skurang[2+, 3-] = - (2/5) log2 (2/5) – (3/5) log2 (3/5)

= - (0,4)(log(0,4)/log2) – (0,6)(log(0,6)/ log2)

= - (0,4)(-1,318) – (0,6)(-0,734) = 0,967

Skurang[1+, 4-] = - (1/5) log2 (1/5) – (4/5) log2 (4/5)

= - (0,2)(log(0,2)/log2) – (0,8)(log(0,8)/ log2)

= - (0,2)(-2,318) – (0,8)(-0,318) = 0,717

Maka Gain (S, Pengalaman) = Entropy S – (5/15) Sbaik – (5/15) Scukup– (5/15) Skutang = 0,994 – (0,333)0 – (0,333)(0,967) – (0,333)(0,717) = 0,995 – 0 – 0,322 – 0,239

= 0,433

Perhitungan Information Gain untuk atribut psikotes :

Sbaik[5+, 0-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Scukup[0+, 3-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Skurang[3+, 4-] = - (3/7) log2 (3/7) – (4/7) log2 (4/7)

= - (0,428)(log(0,428)/ log2 ) – (0,571)(log(0,571)/ log2 ) = - (0,428)(-1,222) – (0,571)(-0,807)

= 0,983

Maka Gain (S, Psikotes) = Entropy S – (5/15) Sbaik – (3/15) Scukup– (7/15) Skutang = 0,994 – (0,333)0 – (0,466)0– (0,2)0,983


(46)

30

= 0,995 – 0 – 0 - 0,458 = 0,537

Perhitungan Information Gain untuk atribut wawancara : Sbaik[5+, 2-] = - (5/7) log2 (5/7) – (2/7) log2 (2/7)

= - (0,714)(log(0,714)/ log2 ) – (0,285)(log(0,285)/ log2 ) = - (0,714)(-0,485) – (0,285)(-1,807)

= 0,86

Scukup[2+, 2-]  karena contoh positif dan contoh negatif dalam S yang sama, maka nilai Entropynya 1

Skurang[1+, 3-] = - (1/4) log2 (1/4) – (3/4) log2 (3/4)

= - (0,25)(log(0,25)/ log2 ) – (0,75)(log (0,75)/ log2 ) = - (0,25)(-2) – (0,75)(-0,411)

= 0,808

Maka Gain (S, Wawancara) = Entropy S – (7/15) Sbaik – (4/15) Scukup– (4/15) Skutang = 0,994 – (0,466)0,86 – (0,266)1 – (0,266) 0,808 = 0,994 – 0,400 – 0,215 – 0,266

= 0,173

Berdasarkan hasil perhitungan information gain, tampak bahwa atribut psikotes memiliki nilai yang lebih besar dari atribut yang lainnya. Untuk itu dapat dibuat pohon keputusan tahap awal sebagai berikut :


(47)

31

Psikotes

Baik

Ya

Kurang

Tidak

Cukup

?

Gambar 3.9 Pohon Keputusan Tahap Awal

Gambar 3.9 menjelaskan bahwa kriteria psikotes menjadi prioritas utama dalam menentukan hasil keputusan rekrur calon karyawan dan diketahui jika nilai psikotes kurang maka hasilnya tidak diterima, jika nilai psikotes baik maka hasilnya diterima dan jika nilai wawancara cukup maka akan dilanjutkan ke langkah selanjutnya untuk mencari kriteria yang akan menjadi penilaian. Tabel 3.6 menunjukkan data sampel rekrut calon karyawan dengan kriteria psikotes yang bernilai cukup untuk atribut selanjutnya.

Tabel 3.6 Data Sampel Calon Karyawan Psikotes dengan Nilai Cukup

Calon Karyawan Pendidikan Pengalaman Kerja Psikotes Wawancara Hasil

E SMA Cukup Cukup Kurang Tidak

G D3 Baik Cukup Baik Terima

H SMA Kurang Cukup Cukup Tidak

I SMA Cukup Cukup Baik Tidak

K D3 Baik Cukup Baik Terima

N SMA Cukup Cukup Cukup Tidak

O D3 Kurang Cukup Baik Terima


(48)

32

Perhitungan Information Gain untuk atribut pendidikan :

Sbaik[0+, 0-]  karena contoh positif dan contoh negatif dalam S yang sama, maka nilai Entropynya 1

Scukup[3+, 0-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Skurang[0+, 4-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Maka Gain (Spsikotes, Pendidikan) = Entropy Scukup– (0/7) Sbaik – (3/7) Scukup

– (4/7) Skurang

= 0,983 – 0 – 0 - 0 = 0,983

Perhitungan Information Gain untuk atribut pengalaman kerja :

Sbaik[2+, 0-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Scukup[0+, 3-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Skurang[1+, 1-]  karena contoh positif dan contoh negatif dalam S yang sama, maka nilai Entropynya 1

Maka Gain (Spsikotes, Pengalaman) = Entropy Scukup– (2/7) Sbaik – (3/7) Scukup

– (2/7) Skurang

= 0,983 – 0 – 0 - 0,285 = 0,698

Perhitungan Information Gain untuk atribut wawancara : Sbaik[3+, 1-] = - (3/4) log2 (3/4) - (1/4) log2 (1/4)


(49)

33

= - (0,75)(-0,411) - (0,25)(-2) = 0,808

Scukup[0+, 2-]  karena semua contoh berada dalam kelas S, maka Entropynya 0

Skurang[0+, 1-]  karena contoh positif dan contoh negatif dalam S yang sama, maka nilai Entropynya 1

Maka Gain (Spsikotes, Wawancara) = Entropy Scukup – (4/7) Sbaik – (2/7) Scukup

– (1/7) Skurang

= 0,983 – 0,461 – 0 - 0,142 = 0,38

Berdasarkan hasil perhitungan information gain, terlihat bahwa atribut pendidikan akan menjadi penilaian setelah kriteria psikotes. Gambar 3.10 merupakan hasil keputusan dari data sampel rekrut calon karyawan. Dari pohon keputusan terlihat kriteria psikotes yang menjadi prioritas utama, disusul dengan pendidikan. Maka dapat dibuat aturan sebagai berikut :

Ifpsikotes = baik THEN hasil = ya Ifpsikotes = kurang THEN hasil = tidak

Ifpsikotes = cukup AND pendidikan cukup THEN hasil = ya Ifpsikotes = cukup AND pendidikan kurang THEN hasil = tidak


(50)

34

Psikotes

Baik

Ya

Kurang

Tidak

Cukup

Pendidikan

Ya Tidak Cukup Kurang

Gambar 3.10 Pohon Keputusan Rekrutmen Calon Karyawan Tahap Kedua


(51)

BAB 4

IMPLEMENTASI SISTEM

Setelah melakukan tahap perancangan yang ada pada bab 3, tahap selanjutnya adalah mengimplementasinya. Dari hasil tahap implementasi dihasilkan sebuah aplikasi

dengan nama “Model Rekrutmen Calon Karyawan dengan Algoritma Iterative

Dichotomizer Three (ID3) Studi Kasus : PT. Tiffa Mitra Sejahtera”

4.1. Implementasi Database

Seperti pada perancangan tabel maka tabel-tabel yang terdapat pada MySQL juga sama seperti perancangan yang dibuat pada bab 3.

Gambar 4.1 Database awal dbid3

Gambar 4.1 merupakan penerapan pada MySQL yaitu tampilan awal database dari program Iterative Dichotomizer Three (ID3) dengan nama database dbid3.


(52)

36

Gambar 4.2 Tabel tbljenis

Gambar 4.2 merupakan penerapan pada MySQL untuk tabel database jenis pekerjaan. Pada tabel tersebut terdiri dari kodejenis, jenis dan keterangan. Kodejenis pada implementasinya dapat diisi dengan kode apa saja oleh HRD PT. Tiffa Mitra Sejahtera.


(53)

37

Gambar 4.3 merupakan penerapan pada MySQL untuk tabel database nilai, yaitu data survey HRD PT. Tiffa Mitra Sejahtera terhadap calon karyawan. Isi dari tabel tersebut adalah idnilai, kodejenis, kodepeserta, a1, a2, a3, a4 dan hasil.

Gambar 4.4 Tabel tblpeserta

Gambar 4.4 merupakan penerapan pada MySQL untuk tabel database tblpeserta, yaitu data-data dari calon karyawan. Pada tabel tersebut terdiri dari kodepeserta, nama, jk, alamat, notelp, kodejenis.


(54)

38

Gambar 4.5 Tabel tblatribut

Gambar 4.5 merupakan penerapan pada MySQL untuk tabel database tblatribut, yaitu data-data dari atribut untuk penilaian. Pada tabel tersebut terdiri dari kodepekerjaan, a1, a2, a3 dan a4.

4.2 Hasil Implementasi

Setelah database selesai dilakukan maka proses selanjutnya adalah mengujinya dalam aplikasi yang telah dibuat menggunakan Microsoft Visual Basic 2010.

4.2.1 Interface Menu Utama

Aplikasi dari menu utama ini terdiri dari beberapa pilihan menu, yaitu menu input data jenis pekerjaan, input data calon karyawan, data survey dan proses ID3.


(55)

39

Gambar 4.6 Interface Menu Utama

4.2.2 Interface Input Data Jenis Pekerjaan

Pada form ini digunakan untuk menginput data jenis pekerjaan yang akan dilakukan rekrutmen oleh PT. Tiffa Mitra Sejahtera.


(56)

40

4.2.3 Interface Input Data Calon Karyawan

Form ini digunakan untuk mengisi calon karyawan yang akan di proses untuk suatu

jenis pekerjaan. Di sini HRD bisa melakukan “simpan”, “hapus”, “edit”dan juga “batal” pada data yang di input. Untuk keluar dari form ini, HRD harus menekan tombol “keluar”.

Gambar 4.8 Interface Input Data Calon Karyawan

4.2.4 Interface Input Data Atribut

Form ini digunakan untuk mengisi atribut pada saat memasukkan data survey. Di sini

HRD bisa melakukan “simpan”, “hapus”, “batal”dan “keluar” pada data yang di

input. Untuk keluar dari form ini, HRD harus menekan tombol “keluar”.


(57)

41

Gambar 4.9 Interface Input Data Atribut

4.2.5 Interface Data Survey

Form ini berisi data-data yang telah diseleksi oleh HRD PT. Tiffa Mitra Sejahtera dalam rekrut calon karyawan untuk suatu jenis pekerjaan. Disini, HRD tetap bisa

melakukan “simpan, “hapus”, “edit”, “batal” pada data dan “keluar” dari form.


(58)

42

4.2.6 Interface Proses Algoritma ID3

Pada form inilah proses ID3 dilakukan, yaitu dengan menginput jenis pekerjaan lalu data survey pada jenis pekerjaan tersebut akan diproses nilai Entopy dan information gainnya dan menghasilkan suatu pohon keputusan melalui algoritma ID3.


(59)

BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan selama pengumpulan data, perancangan hingga implementasi sistem, maka dapat diambil beberapa kesimpulkan sebagai berikut :

1.

Setiap atribut yang akan dihitung dengan Algoritma Iterative Dichotomizer Three (ID3)memiliki nilai yang berbeda-beda sesuai dengan jumlah data yang di input ke dalam program.

2.

Dengan Algoritma Iterative Dichotomizer Three (ID3) membantu proses pengambilan keputusan lebih akurat, karena setiap atribut yang ada dihitung nilai information gain, sehingga dapat diketahui atribut mana yang lebih unggul nilainya.

3. Dengan menggunakan Algoritma Iterative Dichotomizer Three (ID3) HRD PT. Tiffa Mitra Sejahtera dapat menentukan calon karyawan terbaik dari calon karyawan baik yang telah diseleksi.

4. HRD PT. Tiffa Mitra Sejahtera dapat dengan mudah memilih calon karyawan mana yang sesuai untuk dikirim ke customer.

5.2 Saran

1. Aplikasi ini kedepannya diharapkan bisa lebih dapat dikembangkan lagi dengan metode online, dimana hasil keputusan rekrut calon karyawana dapat diketahui langsung oleh calon karyawan yang telah melakukan seleksi melalui website PT. Tiffa Mitra Sejahtera.


(60)

44

2. Pengembangan lebih lanjut kedepannya pada aplikasi, seperti sistem pendukung keputusan karyawan terbaik atau berprestasi untuk mendapatkan level / jenjang karir yang lebih tinggi dari yang sudah dicapai.


(61)

45

DAFTAR PUSTAKA

[1] Elmande, Yusuf. 2012.Pemilihan Criteria Dalam Algoritma Iterative

Dichotomiser 3(ID3) untuk Penentuan Kualitas Beras : Studi Kasus Pada Perum Bulog Divre Lampung. Jurnal : Telematika MKOM

[2] Eniyati, Sri. dan Candra. Rima (2010). Perancangan Sistem Pendukung KeputusanPenilaian Prestasi Dosen Berdasarkan Penelitian dan Pengabdian Masyarakat. Jurnal:Teknologi Informasi DINAMIK

[3] Kadarsah. dan M. Ali Ramdhani. 2000. Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengembangan Keputusan, PT. Remaja Rosdakarya, Bandung

[4] Kristiyani, Ninik. dan Fibriani, Charitas (2011). Sistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus Ssstem PT.Warna Agung Semarang). Jurnal : Universitas Kristen Satya Wacana

[5] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit Andi.

[6] Limbong, Nurhamidah. 2011. Pengertian Visual Basic Net dan Macam-macam VB.Net. http://nurhamidahlimbong.blogspot.com/2011/10/pengertian-visual-basic-net-dan-macam.html. ( diakses tanggal 15 September 2013)

[7]Purwantara, Made. 2013. Sistem Pendukung Keputusan. http://mpurwantara.stmikbumigora.ac.id/?page_id=89 (diakses tanggal 15 September 2013)

[8] Ramdhani. dan Suryadi,K.2003. Sistem Pendukung Keputusan, PT Remaja Rosdakarya, Bandung

[9] Sartickha. 2013. Penjelasan Tentang Visual Basic. http://sartickha-blogger.blogspot.com/2013/02/penjelasan-tentang-visual-basic.html (diakses tanggal 15 September 2013)

[10] Setiawan, Bambang. 2009. Perancangan Sistem Pendukung Keputusan (SPK) untuk Menentukan Kelaiklautan Kapal. Jurnal : Institusi Teknologi Sepuluh November

[11] Turban, Efraim. Aronson, E Jay. Peng Liang-ting. 2007. Decicion Support Systems and Intelligent Systems: Seventh Edition. India: Prentice-Hall

[12] Wahyudin.(2011). Metode Iterative Dichotomizer Three (ID3) Untuk Penerimaan Mahasiswa Baru. Jurnal:Sekolah Tinggi Teknologi Garut


(62)

46

[13]Yulia. 2011. Makalah Pemrograman Visual Basic. http://yulia02-yulia.blogspot.com/2011/01/makalah-pemrograman-visual-basic.html (diakses tanggal 15 September 2013)

[14]Yunika, Dadang. 2013. Pengertian Sistem Pendukung Keputusan.


(1)

Gambar 4.9 Interface Input Data Atribut

4.2.5 Interface Data Survey

Form ini berisi data-data yang telah diseleksi oleh HRD PT. Tiffa Mitra Sejahtera dalam rekrut calon karyawan untuk suatu jenis pekerjaan. Disini, HRD tetap bisa melakukan “simpan, “hapus”, “edit”, “batal” pada data dan “keluar” dari form.


(2)

4.2.6 Interface Proses Algoritma ID3

Pada form inilah proses ID3 dilakukan, yaitu dengan menginput jenis pekerjaan lalu data survey pada jenis pekerjaan tersebut akan diproses nilai Entopy dan information gainnya dan menghasilkan suatu pohon keputusan melalui algoritma ID3.


(3)

BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan selama pengumpulan data, perancangan hingga implementasi sistem, maka dapat diambil beberapa kesimpulkan sebagai berikut :

1.

Setiap atribut yang akan dihitung dengan Algoritma Iterative Dichotomizer

Three (ID3)memiliki nilai yang berbeda-beda sesuai dengan jumlah data yang

di input ke dalam program.

2.

Dengan Algoritma Iterative Dichotomizer Three (ID3) membantu proses pengambilan keputusan lebih akurat, karena setiap atribut yang ada dihitung nilai information gain, sehingga dapat diketahui atribut mana yang lebih unggul nilainya.

3. Dengan menggunakan Algoritma Iterative Dichotomizer Three (ID3) HRD PT. Tiffa Mitra Sejahtera dapat menentukan calon karyawan terbaik dari calon karyawan baik yang telah diseleksi.

4. HRD PT. Tiffa Mitra Sejahtera dapat dengan mudah memilih calon karyawan mana yang sesuai untuk dikirim ke customer.

5.2 Saran

1. Aplikasi ini kedepannya diharapkan bisa lebih dapat dikembangkan lagi dengan metode online, dimana hasil keputusan rekrut calon karyawana dapat diketahui langsung oleh calon karyawan yang telah melakukan seleksi melalui


(4)

2. Pengembangan lebih lanjut kedepannya pada aplikasi, seperti sistem pendukung keputusan karyawan terbaik atau berprestasi untuk mendapatkan level / jenjang karir yang lebih tinggi dari yang sudah dicapai.


(5)

DAFTAR PUSTAKA

[1] Elmande, Yusuf. 2012.Pemilihan Criteria Dalam Algoritma Iterative

Dichotomiser 3(ID3) untuk Penentuan Kualitas Beras : Studi Kasus

Pada Perum Bulog Divre Lampung. Jurnal : Telematika MKOM

[2] Eniyati, Sri. dan Candra. Rima (2010). Perancangan Sistem Pendukung KeputusanPenilaian Prestasi Dosen Berdasarkan Penelitian dan Pengabdian

Masyarakat. Jurnal:Teknologi Informasi DINAMIK

[3] Kadarsah. dan M. Ali Ramdhani. 2000. Sistem Pendukung Keputusan Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengembangan

Keputusan, PT. Remaja Rosdakarya, Bandung

[4] Kristiyani, Ninik. dan Fibriani, Charitas (2011). Sistem Pendukung Keputusan dengan Menggunakan Algoritma Iterative Dichotomizer Three (Studi Kasus

Ssstem PT.Warna Agung Semarang). Jurnal : Universitas Kristen Satya

Wacana

[5] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit Andi.

[6] Limbong, Nurhamidah. 2011. Pengertian Visual Basic Net dan Macam-macam VB.Net. http://nurhamidahlimbong.blogspot.com/2011/10/pengertian-visual-basic-net-dan-macam.html. ( diakses tanggal 15 September 2013)

[7]Purwantara, Made. 2013. Sistem Pendukung Keputusan. http://mpurwantara.stmikbumigora.ac.id/?page_id=89 (diakses tanggal 15 September 2013)

[8] Ramdhani. dan Suryadi,K.2003. Sistem Pendukung Keputusan, PT Remaja Rosdakarya, Bandung

[9] Sartickha. 2013. Penjelasan Tentang Visual Basic. http://sartickha-blogger.blogspot.com/2013/02/penjelasan-tentang-visual-basic.html (diakses tanggal 15 September 2013)

[10] Setiawan, Bambang. 2009. Perancangan Sistem Pendukung Keputusan (SPK) untuk Menentukan Kelaiklautan Kapal. Jurnal : Institusi Teknologi Sepuluh November

[11] Turban, Efraim. Aronson, E Jay. Peng Liang-ting. 2007. Decicion Support Systems and Intelligent Systems: Seventh Edition. India: Prentice-Hall


(6)

[13]Yulia. 2011. Makalah Pemrograman Visual Basic. http://yulia02-yulia.blogspot.com/2011/01/makalah-pemrograman-visual-basic.html (diakses tanggal 15 September 2013)

[14]Yunika, Dadang. 2013. Pengertian Sistem Pendukung Keputusan.