APLIKASI CLUSTERING DATA SERAPAN ALUMNI DI DUNIA KERJA MENGGUNAKAN METODE HIERARCHICAL CLUSTERING | Febriana | semanTIK 1 PB
semanTIK, Vol.3, No.2, Jul-Des 2017, pp. 175-180
ISSN : 2502-8928 (Online)
175
APLIKASI CLUSTERING DATA SERAPAN ALUMNI
DI DUNIA KERJA MENGGUNAKAN METODE
HIERARCHICAL CLUSTERING
Maghfirah Dinsyah Febriana*1, Muh. Ihsan Sarita2, L.M Tajidun3
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari
e-mail: *1 [email protected], [email protected], [email protected]
*1,2,3
Abstrak
Alumni atau lulusan menjadi salah satu indikator mutu proses pendidikan di Teknik Informatika.
Diharapkan pada pihak jurusan Teknik Informatika menyusun kurikulum yang lebih aplikatif, yang
sesuai dengan dunia kerja yang dinamis supaya bisa menjadi bahan evaluasi untuk perbaikan
kurikulum ataupun proses perkuliahan agar bisa memenuhi permintaan tenaga kerja melalui perbaikan
materi pembelajaran dalam bidang keahlian Informatika dan dapat mempermudah pembuatan
dokumen akreditasi jurusan melalui penyediaan data serapan yang valid.Dibutuhkan aplikasi
clustering data serapan alumni di dunia kerja dengan menerapkan teknik clustering.Pengelompokan
dibagi berdasarkan kesesuai pekerjaan dengan bidang keahliannya, masa tunggu, serta lokasi
kerjanya.Metode Hierarchical clustering adalah metode analisis kelompok yang berusaha umuk
membangun sebauh hirarki kelompok data, pengelompokan data dengan dua atau lebih objek yang
mempunyai kesamaan paling dekat, kemudian proses dilanjutkan ke objek lain yang mempunyai
kedekatan kedua.Hasil penelitian menunjukkan bahwa dari 100 data alumni Teknik Informatika
Universitas Halu Oleo di dunia kerja, 20,0% alumni belum bekerja, 43,0%tidak sesuai, 4,0% cukup
sesuai dan 33,0% sesuai dengan jurusannya. Sistem dapat mengelompokkan data serapan alumni, di
dunia kerja dengan menggunakan hierarchical clustering dan menjadi acuan perbaikan kurikulum
jurusan Teknik Informatika.
Kata kunci—Clustering Data, Alumni, Hierarchical Clustering
Abstract
Alumni or graduates become one of the indicators of quality of education process in Informatics
Engineering. It is expected that the Department of Informatics Engineering develops a more
applicable curriculum, which is in line with the dynamic world of work in order to be an evaluation
material for the improvement of curriculum or lecturing process in order to fulfill the demand of
labor through improvement of learning materials in the field of Informatics expertise and to facilitate
the making of accreditation documents Majors through provision of valid.Required application of
data clustering uptake of alumni in the world of work by applying clustering techniques. The
groupings are divided according to the job suitability with the areas of expertise, waiting period, and
work location. Hierarchical clustering method is a group analysis method that attempts to build a
hierarchy of data groups, grouping data with two or more objects that have the closest similarity,
then proceed to another object with a second closeness.The results showed that from 100 data alumni
of Informatics Engineering University of Halu Oleo in the world of work, 20.0% alumni not working,
43.0% not appropriate, 4.0% quite appropriate and 33.0% according to the department. The system
can classify data uptake of alumni, in the world of work by using hierarchical clustering and become
a reference improvement curriculum majoring in Informatics Engineering.
Keywords—Clustering Data, Alumni, Hierarchical Clustering,
Received June 1st ,2012; Revised June 25th, 2012; Accepted July 10th, 2012
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
176
1. PENDAHULUAN
A
lumni atau lulusan menjadi salah satu
indikator dari sekian banyak indikator
mutu proses pendidikan di Teknik
Informatika[1].Aktivitas para lulusan setelah
usainya masa pendidikan tinggi atau
bagaimana mereka melewati masa transisi dari
pendidikan tinggi ke dunia kerja juga menjadi
perhatian para pendidik karena keberhasilan
mereka adalah juga salah satu tolak ukur
keberhasilan Teknik Informatika. Kinerja
lulusan dapat dilihat dari jumlah lulusannya
yang bekerja pada bidang yang sesuai dengan
bidang IT, tempat mereka bekerja, cara,
manfaat ilmu pengetahuan dan keterampilan
yang diperoleh dari perguruan tinggi,
perkembangan karier mereka di dunia kerja,
jabatan yang mereka sandang, dan lain
sebagainya.
Kebutuhan akan tenaga kerja di bidang
Teknik Informatika dalam perusahaan atau
instansi
tertentu
semakin
meningkat
belakangan ini. Oleh karena itu kurikulum
yang disusun untuk Teknik Informatika
biasanya disesuaikan dengan kebutuhan
instansi atau perusahaan, agar ketika bekerja
lulusan sudah memiliki bekal ilmu yang sesuai
kebutuhan. Teknik clustering sangat tepat
digunakan dalam mengelompokkan lulusan
Teknik Informatika untuk menelusuri apakah
pekerjaan yang diperoleh sudah sesuai dengan
bidang ilmunya atau tidak. Saat ini, Jurusan
Teknik Informatika Halu Oleo belum
menyediakan sistem untuk mempermudah
pengelompokan data serapan alumni di dunia
kerja.Padahal, informasi mengenai serapan
alumni ini merupakan point yang cukup
berpengaruh dalam hal peningkatan kualitas
Program Studi yang dinilai oleh BAN-PT
(Badan Akreditasi Nasional Perguruan
Tinggi).Di samping perihal kesesuai bidang
ilmu, masalah lokasi lulusan tersebut bekerja
serta masa tunggu lulusan antara wisuda
hingga memperoleh pekerjaan pertamanya
merupakan hal yang penting diketahui oleh
program studi yang bersangkutan.Oleh karena
itu, dibutuhkan aplikasi clustering data
serapan alumni di dunia kerja dengan
menerapkan teknik clustering.Pengelompokan
dibagi berdasarkan kesesuai pekerjaan dengan
bidang keahliannya, masa tunggu, serta lokasi
kerjanya.
Pada penelitian ini, dipilih metode
hierarchical clustering, yang dimulai dengan
mengelompokkan dua atau lebih objek yang
memiliki kesamaan yang paling dekat.
Kemudian proses diteruskan ke objek lain
yang memiliki kedekatan kedua, demikian
seterusnya sampai clusterakan membentuk
semacam “pohon” hirarki (tingkatan) yang
jelas antar objek dari yang paling mirip sampai
yang paling tidak mirip[2]. Ada beberapa jenis
hierarchical clustering, metode divisive dan
metode
agglomerative.
Agglomerative
hierarchical clustering terbagi menjadi tiga
jenis, yaitu single lingkage, complete linkage
dan average linkage. Dalam penelitian ini
digunakan single lingkage yang merupakan
prosedur pengelompokan agglomerative yang
didasarkan pada jarak minimum/jarak terdekat
antar objek.
Penelitian sebelumnya dalam sistem ini
mekanisme clustering tidak menggunakan titik
koordinat sebagai acuan penentuan klasternya,
dengan judul sistem informasi geografis
berbasis web untuk pemetaan sebaran alumni
menggunakan metode k-means menghasilkan
kesimpulan dapat memperoleh informasi
tentang sebaran alumni di indonesia dengan
batasan wilayah terkecil yaitu wilayah
provinsi, kekurangan yang dimiliki metode kmeans adalah jika hanya terdapat beberapa
titik sampel data, maka cukup mudah untuk
menghitung dan mencari titik terdekat
dengan k titik
yang
diinisialisasi
secara random. Namun jika terdapat banyak
sekali titik data, maka perhitungan dan
pencarian titik terdekat akan membutuhkan
waktu yang lama. Proses tersebut dapat
dipercepat, namun dibutuhkan struktur data
yang lebih rumit.
Berdasarkan latar belakang yang telah
diuraikan, maka diajukan penelitian dengan
judul “Aplikasi Clustering Data Serapan
Alumni di Dunia Kerja Menggunakan
Metode Hierarchical Clustering (Studi Kasus
Teknik Informatika Universitas Halu
Oleo).Dengan adanya aplikasi ini, diharapkan
pada jangka panjang dapat membantu pihak
jurusan Teknik Informatika dalam menyusun
kurikulum yang lebih aplikatif, yang sesuai
dengan dunia kerja yang dinamis.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Dinsyah, Sarita dan TajidunIJCCSISSN: 1978-1520
2. METODE PENELITIAN
2.1. Pengertian Lapangan Kerja
Lapangan pekerjaan biasanya juga
disebut dengan lowongan pekerjaan.Sebagian
orang mungkin terpaku mengartikan lowongan
kerja sebagai kerja di kantoran saja, misalnya
dengan menjadi pegawai, manager, sampai
direktur
atau
pegawai
negeri
sipil
misalnya.Lowongan artinya peluang yang
kosong alias belum terisi, dalam hal ini
peluang
untuk
bekerja.Ketenagakerjaan
merupakan aspek yang sangat mendasar dalam
kehidupan manusia, karena mencakup dimensi
ekonomi dan sosial.Oleh karenanya, setiap
upaya pembangunan selalu diarahkan pada
perluasan kesempatan kerja dan lapangan
usaha, dengan harapan penduduk dapat
memperoleh manfaat langsung pembangunan
[3].
2.2. Pengertian Alumni
Alumni
adalah lulusan sekolah,
akademi, atau universitas.Alumni menurut
Kamus Besar Bahasa Indonesia (KBBI) adalah
orang-orang yang telah mengikuti atau tamat
dari suatu sekolah atau perguruan tinggi.
Sedangkan alumnus menurut kamus yang
sama mempunyai pengertian orang yang telah
mengikuti atau tamat dari suatu sekolah atau
perguruan tinggi.
2.3. Jenis-jenis profesi di bidang IT
Dengan posisi tenaga kerja di bidang
Teknologi Informasi (TI) yang sangat
bervariasi karena menyesuaikan dengan skala
bisnis dan kebutuhan pasar, maka sangat sulit
untuk mencari standardisasi pekerjaan di
bidang ini. Tetapi setidaknya kita dapat
mengklasifikasikan tenaga kerja di bidang
Teknologi Informasi tersebut berdasarkan
jenis dan kualifikasi pekerjaan yang
ditanganinya. Berikut ini adalah penggolongan
pekerjaan di bidang teknologi informasi yang
berkembang belakangan ini. Secara umum,
pekerjaan di bidang Teknologi Informasi
setidaknya terbagi dalam 4 kelompok sesuai
bidang pekerjaannya [4].
2.4. Pengertian Clustering
Clustering
adalah
proses
mengelompokkan objek berdasarkan informasi
yang diperoleh dari data yang menjelaskan
hubungan antar objek dengan prinsip untuk
177
memaksimalkan kesamaan antar anggota satu
kelas dan meminimumkan kesamaan antar
kelas (cluster). Tujuannya menemukan cluster
yang berkualitas dalam waktu yang layak.
Clustering dalam data mining berguna untuk
menemukan pola distribusi di dalam sebuah
data set yang berguna untuk proses analisa
data. Kesamaan objek biasanya diperoleh dari
kedekatan nilai-nilai atribut yang menjelaskan
objek-objek data, sedangkan objek-objek data
biasanya direpresentasikan sebagai sebuah
titik dalam ruang multidimensi.Dengan
menggunakan clustering, dapat diidentifikasi
daerah yang padat, pola-pola distribusi secara
keseluruhan dan keterkaitan yang menarik
antara atribut-atribut data. Dalam data mining
usaha difokuskan pada metode-metode
penemuan untuk cluster pada basis data
berukuran besar secara efektif dan efisien.
Banyaknya pendekatan clustering menyulitkan
dalam menentukan ukuran kualitas yang
universal. Namun, beberapa hal yang perlu
diperhatikan adalah input parameter yang tidak
menyulitkan pengguna, cluster hasil yang
dapat dianalisis, dan skalabilitas terhadap
penambahan ukuran dimensi dan record
dataset [5].
2.6. MetodeHierarchical Clustering
Hierarchical Clustering adalah metode
analisis kelompok yang berusaha untuk
membangun sebuah
hirarki
kelompok
data.Selain itu Hierarchical Clustering adalah
salah satu algoritma clustering yang dapat
digunakan untuk meng-cluster dokumen
(document clustering). Hasil keseluruhan dari
algoritma hierarchical clustering secara grafik
dapat digambarkan sebagai tree, yang disebut
dengan dendogram. Tree ini secara grafik
menggambarkan proses penggabungan dari
cluster-cluster
yang
ada,
sehingga
menghasilkan cluster dengan level yang lebih
tinggi [6].
Salah satu cara untuk mempermudah
pengembangan dendogram untuk hierarchical
clustering ini adalah dengan membuat
similarity matrix yang memuat tingkat
kemiripan antar data yang dikelompokkan.
Tingkat kemiripan bisa dihitung dengan
berbagai macam cara seperti dengan Euclidean
Distance Space. Berangkat dari similarity
matrix ini, bisa memilih lingkage jenis mana
yang akan digunakan untuk mengelompokkan
data yang dianalisis. Keuntungan penggunaan
Title of manuscript is short and clear, implies research results (First Author)
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
178
metode hierarchical clustering dalam analisis
cluster adalah mempercepat pengolahan dan
menghemat waktu karena data yang
diinputkan akan membentuk hierarchical atau
membentuk tingkatan tersendiri sehingga
mempermudah dalam penafsiran.
Gambar 1 menunjukkan Algoritma
Hierarchical clustering.
Gambar 2 Flowchart Sistem
Gambar 1 Algoritma Hierarchical Clustering
Euclidean Distance adalah metrika yang
paling sering digunakan untuk menghitung
kesamaan 2 vektor.Euclidean distance
menghitung akar dari kuadrat perbedaan 2
vektor (root of square differences between 2
vectors). Semakin kecil jarak euclidean, maka
semakin mirip kedua variabel tersebut
sehingga membentuk cluster. Persamaan (1)
menunjukkan rumus Euclidean Distance.
dij = ∑
2
Gambar 2 merupakan flowchart sistem
aplikasi data serapan alumni, tahapan awal
pada flowchart yaitu input data alumni yang
didapat dari isian kuesioner yang diisi oleh
alumni. Kemudian setelah direkapitulasi data
dan diberi nilai bobot berdasarkan kriteria data
alumni, diproses cluster data menggunakan
Hierarchical Clustering. Setelah itu data yang
telah di proses akan menghasilkan cluster data
serapan alumni.Gambar 3 menunjukkan Use
CaseDiagram
(1)
Keterangan :
dij =Jarak antara 2 vektor
k = indeks (0,…..n)
n = jumlah data dalam vector
xi = data ke-k vector i
xj = data ke-k vector j
Gambar 3 Use Case Diagram
3.
3. PERANCANGAN SISTEM
3.1. Flowchart Sistem
Gambar 2 menunjukan flowchart untuk
pengumpulan data Alumni menggunakan
kuesioner.
HASIL DAN PEMBAHASAN
Pada tahap ini dilakukan proses
pengujian terhadap suatu sistem yang
dibangun. Pengujian yang akan dilakukan
mempunyai mekanisme untuk menemukan
IJCCS Vol. x, No. x, July 201x : first_page – end_page
179
Dinsyah, Sarita dan TajidunIJCCSISSN: 1978-1520
data uji yang dapat menguji perangkat lunak
secara lengkap dan mempunyai kemungkinan
tinggi untuk menemukan kesalahan. Tujuan
dari pengujian ini adalah untuk menjamin
bahwa perangkat lunak yang dibangun
memiliki kualitas yang handalyaitu mampu
mempresentasikan
kajian
pokok
dari
spesifikasi,
analisis,
perancangan
dan
pengkodean dari perangkat lunak itu sendiri.
Hasil pengujian dari 100 data alumni
teknik informatika UHO menunjukkan bahwa
terdapat 20,0% alumni masih belum bekerja ,
43,0%, alumni memiliki pekerjaan yang tidak
sesuai dengan bidang ilmu Teknik Informatika
, 4,0% alumni sudah memiliki pekerjaan yang
cukup sesuai di bidang Teknik Informatika
dan 33,0% sisanya sudah memiliki pekerjaan
yang sesuai dengan bidang Informatika.
Didapatkan hasil dari data serapan di dunia
kerja kenyataannya lebih banyak alumni
Teknik informatika UHO yang bekerja tidak
sesuai dengan bidang Teknik Informatika,
yaitu sebanyak 43,0% atau 43 orang. Angka
ini masih cukup besar dibandingkan dengan
persentasi hasil jumlah alumni yang memiliki
pekerjaan
sesuai
di
bidang
Teknik
Informatika. Oleh karena itu kedepannya dapat
dilakukan evaluasi perbaikan kurikulum
ataupun proses perkuliahan agar bisa
memenuhi permintaan tenaga kerja melalui
perbaikan materi pembelajaran dalam bidang
keahlian informatika
dan peningkatan
akreditasi jurusan.
Gambar 4 menunjukkan Menu Data
Alumni.
Gammbar 4 Menu Data Alumni
Gambar 5 menunjukkan Diagram Hasil
uji 100 Data Alumni.
Gambar 5 Diagram Hasil Uji 100 data Alumni
5. KESIMPULAN
Berdasarkan penelitian dan pembahasan
implementasi data mining menggunakan
Hierarchical clustering dalam menentukan
pengelompokan data serapan alumni di dunia
kerja, dapat ditarik kesimpulan sebagai berikut
:
1. Sistem dapat mengelompokkan data
serapan alumni, di dunia kerja dengan
menggunakan hierarchical clustering.
2. Dari hasil pengujian diketahui bahwa,
output cluster terdiri dari 4 cluster, sangat
sesuai, cukup sesuai, tidak sesuai, dan
belum
bekerja,
masing-masing
Title of manuscript is short and clear, implies research results (First Author)
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
180
membentuk cluster sesuai dengan data
alumni yang telah diinput dengan
menggunakan
metode
hierarchical
clustering agglomerative, mempermudah
untuk melakukan clustering data dengan
menghitung jarak terdekat dari setiap
objek cluster.
3. Hasil penelitian data serapan alumni
Teknik Informatika Universitas Halu Oleo
menunjukkan bahwa, 33,0% sesuai dengan
bidang IT, 4,0% cukup sesuai, 43,0% tidak
sesuai dan 20,0% belum bekerja, dari 100
data alumni.
/30/analisis cluster/,
tanggal 5 Juli 2017.
Indika, M. 2010. Sistem Pendukung
Keputusan
Penentuan
Lokasi
Pembangunan Tower BTS pada PT.
Axiata TBK Medan dengan Metode
AHP.” Tidak Diterbitkan. Skripsi.
Medan: Universitas Sumatera Utara.
[6]
Whisnu, 2012, GPS pada android,
Jasakom, Jakarta.
Saran dalam penelitian ini untuk
penelitian selanjutnya yaitu :
1. Untuk penelitian berikutnya diharapkan
menggunakan perbandingan algoritma
clustering lainnya untuk diketahui hasil
perbandingan antara algoritma clustering.
2. Pengembangan selanjutnya diharapkan
sistem bisa dijalankan secara online
sehingga alumni bisa mengisi data dan
mengakses informasi yang disediakan
aplikasi.
3. Sistem ini masih banyak kekurangan dari
segi tampilan yang masih sederhana,
informasi yang disediakan baru bisa
diakses oleh admin, didalam aplikasi perlu
ditambahkan fitur peta GIS untuk
menampilkan lokasi pekerjaan dari
alumni.
DAFTAR PUSTAKA
Martono, Nanang. 2010, Metode
Penelitian Kuantitatif, Jakarta: PT Raya
Grafindo Persada.
[2]
M Banda S, 2007, Aplikasi SIG untuk
kesesuaian lahan, Makassar.
[3]
Ady, Tri, 2015, Etika Profesi Dalam
Bidang Teknologi Informasi, Jakarta
Barat
[4]
B. J. Prayudho, 2008, Analisis Cluster.
[online].
Tersedia
http://prayudho.wordpress.com/2008/12
pada
[5]
6. SARAN
[1]
diakses
IJCCS Vol. x, No. x, July 201x : first_page – end_page
ISSN : 2502-8928 (Online)
175
APLIKASI CLUSTERING DATA SERAPAN ALUMNI
DI DUNIA KERJA MENGGUNAKAN METODE
HIERARCHICAL CLUSTERING
Maghfirah Dinsyah Febriana*1, Muh. Ihsan Sarita2, L.M Tajidun3
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari
e-mail: *1 [email protected], [email protected], [email protected]
*1,2,3
Abstrak
Alumni atau lulusan menjadi salah satu indikator mutu proses pendidikan di Teknik Informatika.
Diharapkan pada pihak jurusan Teknik Informatika menyusun kurikulum yang lebih aplikatif, yang
sesuai dengan dunia kerja yang dinamis supaya bisa menjadi bahan evaluasi untuk perbaikan
kurikulum ataupun proses perkuliahan agar bisa memenuhi permintaan tenaga kerja melalui perbaikan
materi pembelajaran dalam bidang keahlian Informatika dan dapat mempermudah pembuatan
dokumen akreditasi jurusan melalui penyediaan data serapan yang valid.Dibutuhkan aplikasi
clustering data serapan alumni di dunia kerja dengan menerapkan teknik clustering.Pengelompokan
dibagi berdasarkan kesesuai pekerjaan dengan bidang keahliannya, masa tunggu, serta lokasi
kerjanya.Metode Hierarchical clustering adalah metode analisis kelompok yang berusaha umuk
membangun sebauh hirarki kelompok data, pengelompokan data dengan dua atau lebih objek yang
mempunyai kesamaan paling dekat, kemudian proses dilanjutkan ke objek lain yang mempunyai
kedekatan kedua.Hasil penelitian menunjukkan bahwa dari 100 data alumni Teknik Informatika
Universitas Halu Oleo di dunia kerja, 20,0% alumni belum bekerja, 43,0%tidak sesuai, 4,0% cukup
sesuai dan 33,0% sesuai dengan jurusannya. Sistem dapat mengelompokkan data serapan alumni, di
dunia kerja dengan menggunakan hierarchical clustering dan menjadi acuan perbaikan kurikulum
jurusan Teknik Informatika.
Kata kunci—Clustering Data, Alumni, Hierarchical Clustering
Abstract
Alumni or graduates become one of the indicators of quality of education process in Informatics
Engineering. It is expected that the Department of Informatics Engineering develops a more
applicable curriculum, which is in line with the dynamic world of work in order to be an evaluation
material for the improvement of curriculum or lecturing process in order to fulfill the demand of
labor through improvement of learning materials in the field of Informatics expertise and to facilitate
the making of accreditation documents Majors through provision of valid.Required application of
data clustering uptake of alumni in the world of work by applying clustering techniques. The
groupings are divided according to the job suitability with the areas of expertise, waiting period, and
work location. Hierarchical clustering method is a group analysis method that attempts to build a
hierarchy of data groups, grouping data with two or more objects that have the closest similarity,
then proceed to another object with a second closeness.The results showed that from 100 data alumni
of Informatics Engineering University of Halu Oleo in the world of work, 20.0% alumni not working,
43.0% not appropriate, 4.0% quite appropriate and 33.0% according to the department. The system
can classify data uptake of alumni, in the world of work by using hierarchical clustering and become
a reference improvement curriculum majoring in Informatics Engineering.
Keywords—Clustering Data, Alumni, Hierarchical Clustering,
Received June 1st ,2012; Revised June 25th, 2012; Accepted July 10th, 2012
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
176
1. PENDAHULUAN
A
lumni atau lulusan menjadi salah satu
indikator dari sekian banyak indikator
mutu proses pendidikan di Teknik
Informatika[1].Aktivitas para lulusan setelah
usainya masa pendidikan tinggi atau
bagaimana mereka melewati masa transisi dari
pendidikan tinggi ke dunia kerja juga menjadi
perhatian para pendidik karena keberhasilan
mereka adalah juga salah satu tolak ukur
keberhasilan Teknik Informatika. Kinerja
lulusan dapat dilihat dari jumlah lulusannya
yang bekerja pada bidang yang sesuai dengan
bidang IT, tempat mereka bekerja, cara,
manfaat ilmu pengetahuan dan keterampilan
yang diperoleh dari perguruan tinggi,
perkembangan karier mereka di dunia kerja,
jabatan yang mereka sandang, dan lain
sebagainya.
Kebutuhan akan tenaga kerja di bidang
Teknik Informatika dalam perusahaan atau
instansi
tertentu
semakin
meningkat
belakangan ini. Oleh karena itu kurikulum
yang disusun untuk Teknik Informatika
biasanya disesuaikan dengan kebutuhan
instansi atau perusahaan, agar ketika bekerja
lulusan sudah memiliki bekal ilmu yang sesuai
kebutuhan. Teknik clustering sangat tepat
digunakan dalam mengelompokkan lulusan
Teknik Informatika untuk menelusuri apakah
pekerjaan yang diperoleh sudah sesuai dengan
bidang ilmunya atau tidak. Saat ini, Jurusan
Teknik Informatika Halu Oleo belum
menyediakan sistem untuk mempermudah
pengelompokan data serapan alumni di dunia
kerja.Padahal, informasi mengenai serapan
alumni ini merupakan point yang cukup
berpengaruh dalam hal peningkatan kualitas
Program Studi yang dinilai oleh BAN-PT
(Badan Akreditasi Nasional Perguruan
Tinggi).Di samping perihal kesesuai bidang
ilmu, masalah lokasi lulusan tersebut bekerja
serta masa tunggu lulusan antara wisuda
hingga memperoleh pekerjaan pertamanya
merupakan hal yang penting diketahui oleh
program studi yang bersangkutan.Oleh karena
itu, dibutuhkan aplikasi clustering data
serapan alumni di dunia kerja dengan
menerapkan teknik clustering.Pengelompokan
dibagi berdasarkan kesesuai pekerjaan dengan
bidang keahliannya, masa tunggu, serta lokasi
kerjanya.
Pada penelitian ini, dipilih metode
hierarchical clustering, yang dimulai dengan
mengelompokkan dua atau lebih objek yang
memiliki kesamaan yang paling dekat.
Kemudian proses diteruskan ke objek lain
yang memiliki kedekatan kedua, demikian
seterusnya sampai clusterakan membentuk
semacam “pohon” hirarki (tingkatan) yang
jelas antar objek dari yang paling mirip sampai
yang paling tidak mirip[2]. Ada beberapa jenis
hierarchical clustering, metode divisive dan
metode
agglomerative.
Agglomerative
hierarchical clustering terbagi menjadi tiga
jenis, yaitu single lingkage, complete linkage
dan average linkage. Dalam penelitian ini
digunakan single lingkage yang merupakan
prosedur pengelompokan agglomerative yang
didasarkan pada jarak minimum/jarak terdekat
antar objek.
Penelitian sebelumnya dalam sistem ini
mekanisme clustering tidak menggunakan titik
koordinat sebagai acuan penentuan klasternya,
dengan judul sistem informasi geografis
berbasis web untuk pemetaan sebaran alumni
menggunakan metode k-means menghasilkan
kesimpulan dapat memperoleh informasi
tentang sebaran alumni di indonesia dengan
batasan wilayah terkecil yaitu wilayah
provinsi, kekurangan yang dimiliki metode kmeans adalah jika hanya terdapat beberapa
titik sampel data, maka cukup mudah untuk
menghitung dan mencari titik terdekat
dengan k titik
yang
diinisialisasi
secara random. Namun jika terdapat banyak
sekali titik data, maka perhitungan dan
pencarian titik terdekat akan membutuhkan
waktu yang lama. Proses tersebut dapat
dipercepat, namun dibutuhkan struktur data
yang lebih rumit.
Berdasarkan latar belakang yang telah
diuraikan, maka diajukan penelitian dengan
judul “Aplikasi Clustering Data Serapan
Alumni di Dunia Kerja Menggunakan
Metode Hierarchical Clustering (Studi Kasus
Teknik Informatika Universitas Halu
Oleo).Dengan adanya aplikasi ini, diharapkan
pada jangka panjang dapat membantu pihak
jurusan Teknik Informatika dalam menyusun
kurikulum yang lebih aplikatif, yang sesuai
dengan dunia kerja yang dinamis.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Dinsyah, Sarita dan TajidunIJCCSISSN: 1978-1520
2. METODE PENELITIAN
2.1. Pengertian Lapangan Kerja
Lapangan pekerjaan biasanya juga
disebut dengan lowongan pekerjaan.Sebagian
orang mungkin terpaku mengartikan lowongan
kerja sebagai kerja di kantoran saja, misalnya
dengan menjadi pegawai, manager, sampai
direktur
atau
pegawai
negeri
sipil
misalnya.Lowongan artinya peluang yang
kosong alias belum terisi, dalam hal ini
peluang
untuk
bekerja.Ketenagakerjaan
merupakan aspek yang sangat mendasar dalam
kehidupan manusia, karena mencakup dimensi
ekonomi dan sosial.Oleh karenanya, setiap
upaya pembangunan selalu diarahkan pada
perluasan kesempatan kerja dan lapangan
usaha, dengan harapan penduduk dapat
memperoleh manfaat langsung pembangunan
[3].
2.2. Pengertian Alumni
Alumni
adalah lulusan sekolah,
akademi, atau universitas.Alumni menurut
Kamus Besar Bahasa Indonesia (KBBI) adalah
orang-orang yang telah mengikuti atau tamat
dari suatu sekolah atau perguruan tinggi.
Sedangkan alumnus menurut kamus yang
sama mempunyai pengertian orang yang telah
mengikuti atau tamat dari suatu sekolah atau
perguruan tinggi.
2.3. Jenis-jenis profesi di bidang IT
Dengan posisi tenaga kerja di bidang
Teknologi Informasi (TI) yang sangat
bervariasi karena menyesuaikan dengan skala
bisnis dan kebutuhan pasar, maka sangat sulit
untuk mencari standardisasi pekerjaan di
bidang ini. Tetapi setidaknya kita dapat
mengklasifikasikan tenaga kerja di bidang
Teknologi Informasi tersebut berdasarkan
jenis dan kualifikasi pekerjaan yang
ditanganinya. Berikut ini adalah penggolongan
pekerjaan di bidang teknologi informasi yang
berkembang belakangan ini. Secara umum,
pekerjaan di bidang Teknologi Informasi
setidaknya terbagi dalam 4 kelompok sesuai
bidang pekerjaannya [4].
2.4. Pengertian Clustering
Clustering
adalah
proses
mengelompokkan objek berdasarkan informasi
yang diperoleh dari data yang menjelaskan
hubungan antar objek dengan prinsip untuk
177
memaksimalkan kesamaan antar anggota satu
kelas dan meminimumkan kesamaan antar
kelas (cluster). Tujuannya menemukan cluster
yang berkualitas dalam waktu yang layak.
Clustering dalam data mining berguna untuk
menemukan pola distribusi di dalam sebuah
data set yang berguna untuk proses analisa
data. Kesamaan objek biasanya diperoleh dari
kedekatan nilai-nilai atribut yang menjelaskan
objek-objek data, sedangkan objek-objek data
biasanya direpresentasikan sebagai sebuah
titik dalam ruang multidimensi.Dengan
menggunakan clustering, dapat diidentifikasi
daerah yang padat, pola-pola distribusi secara
keseluruhan dan keterkaitan yang menarik
antara atribut-atribut data. Dalam data mining
usaha difokuskan pada metode-metode
penemuan untuk cluster pada basis data
berukuran besar secara efektif dan efisien.
Banyaknya pendekatan clustering menyulitkan
dalam menentukan ukuran kualitas yang
universal. Namun, beberapa hal yang perlu
diperhatikan adalah input parameter yang tidak
menyulitkan pengguna, cluster hasil yang
dapat dianalisis, dan skalabilitas terhadap
penambahan ukuran dimensi dan record
dataset [5].
2.6. MetodeHierarchical Clustering
Hierarchical Clustering adalah metode
analisis kelompok yang berusaha untuk
membangun sebuah
hirarki
kelompok
data.Selain itu Hierarchical Clustering adalah
salah satu algoritma clustering yang dapat
digunakan untuk meng-cluster dokumen
(document clustering). Hasil keseluruhan dari
algoritma hierarchical clustering secara grafik
dapat digambarkan sebagai tree, yang disebut
dengan dendogram. Tree ini secara grafik
menggambarkan proses penggabungan dari
cluster-cluster
yang
ada,
sehingga
menghasilkan cluster dengan level yang lebih
tinggi [6].
Salah satu cara untuk mempermudah
pengembangan dendogram untuk hierarchical
clustering ini adalah dengan membuat
similarity matrix yang memuat tingkat
kemiripan antar data yang dikelompokkan.
Tingkat kemiripan bisa dihitung dengan
berbagai macam cara seperti dengan Euclidean
Distance Space. Berangkat dari similarity
matrix ini, bisa memilih lingkage jenis mana
yang akan digunakan untuk mengelompokkan
data yang dianalisis. Keuntungan penggunaan
Title of manuscript is short and clear, implies research results (First Author)
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
178
metode hierarchical clustering dalam analisis
cluster adalah mempercepat pengolahan dan
menghemat waktu karena data yang
diinputkan akan membentuk hierarchical atau
membentuk tingkatan tersendiri sehingga
mempermudah dalam penafsiran.
Gambar 1 menunjukkan Algoritma
Hierarchical clustering.
Gambar 2 Flowchart Sistem
Gambar 1 Algoritma Hierarchical Clustering
Euclidean Distance adalah metrika yang
paling sering digunakan untuk menghitung
kesamaan 2 vektor.Euclidean distance
menghitung akar dari kuadrat perbedaan 2
vektor (root of square differences between 2
vectors). Semakin kecil jarak euclidean, maka
semakin mirip kedua variabel tersebut
sehingga membentuk cluster. Persamaan (1)
menunjukkan rumus Euclidean Distance.
dij = ∑
2
Gambar 2 merupakan flowchart sistem
aplikasi data serapan alumni, tahapan awal
pada flowchart yaitu input data alumni yang
didapat dari isian kuesioner yang diisi oleh
alumni. Kemudian setelah direkapitulasi data
dan diberi nilai bobot berdasarkan kriteria data
alumni, diproses cluster data menggunakan
Hierarchical Clustering. Setelah itu data yang
telah di proses akan menghasilkan cluster data
serapan alumni.Gambar 3 menunjukkan Use
CaseDiagram
(1)
Keterangan :
dij =Jarak antara 2 vektor
k = indeks (0,…..n)
n = jumlah data dalam vector
xi = data ke-k vector i
xj = data ke-k vector j
Gambar 3 Use Case Diagram
3.
3. PERANCANGAN SISTEM
3.1. Flowchart Sistem
Gambar 2 menunjukan flowchart untuk
pengumpulan data Alumni menggunakan
kuesioner.
HASIL DAN PEMBAHASAN
Pada tahap ini dilakukan proses
pengujian terhadap suatu sistem yang
dibangun. Pengujian yang akan dilakukan
mempunyai mekanisme untuk menemukan
IJCCS Vol. x, No. x, July 201x : first_page – end_page
179
Dinsyah, Sarita dan TajidunIJCCSISSN: 1978-1520
data uji yang dapat menguji perangkat lunak
secara lengkap dan mempunyai kemungkinan
tinggi untuk menemukan kesalahan. Tujuan
dari pengujian ini adalah untuk menjamin
bahwa perangkat lunak yang dibangun
memiliki kualitas yang handalyaitu mampu
mempresentasikan
kajian
pokok
dari
spesifikasi,
analisis,
perancangan
dan
pengkodean dari perangkat lunak itu sendiri.
Hasil pengujian dari 100 data alumni
teknik informatika UHO menunjukkan bahwa
terdapat 20,0% alumni masih belum bekerja ,
43,0%, alumni memiliki pekerjaan yang tidak
sesuai dengan bidang ilmu Teknik Informatika
, 4,0% alumni sudah memiliki pekerjaan yang
cukup sesuai di bidang Teknik Informatika
dan 33,0% sisanya sudah memiliki pekerjaan
yang sesuai dengan bidang Informatika.
Didapatkan hasil dari data serapan di dunia
kerja kenyataannya lebih banyak alumni
Teknik informatika UHO yang bekerja tidak
sesuai dengan bidang Teknik Informatika,
yaitu sebanyak 43,0% atau 43 orang. Angka
ini masih cukup besar dibandingkan dengan
persentasi hasil jumlah alumni yang memiliki
pekerjaan
sesuai
di
bidang
Teknik
Informatika. Oleh karena itu kedepannya dapat
dilakukan evaluasi perbaikan kurikulum
ataupun proses perkuliahan agar bisa
memenuhi permintaan tenaga kerja melalui
perbaikan materi pembelajaran dalam bidang
keahlian informatika
dan peningkatan
akreditasi jurusan.
Gambar 4 menunjukkan Menu Data
Alumni.
Gammbar 4 Menu Data Alumni
Gambar 5 menunjukkan Diagram Hasil
uji 100 Data Alumni.
Gambar 5 Diagram Hasil Uji 100 data Alumni
5. KESIMPULAN
Berdasarkan penelitian dan pembahasan
implementasi data mining menggunakan
Hierarchical clustering dalam menentukan
pengelompokan data serapan alumni di dunia
kerja, dapat ditarik kesimpulan sebagai berikut
:
1. Sistem dapat mengelompokkan data
serapan alumni, di dunia kerja dengan
menggunakan hierarchical clustering.
2. Dari hasil pengujian diketahui bahwa,
output cluster terdiri dari 4 cluster, sangat
sesuai, cukup sesuai, tidak sesuai, dan
belum
bekerja,
masing-masing
Title of manuscript is short and clear, implies research results (First Author)
Aplikasi Clustering Data Serapan Alumni di Dunia Kerja …
180
membentuk cluster sesuai dengan data
alumni yang telah diinput dengan
menggunakan
metode
hierarchical
clustering agglomerative, mempermudah
untuk melakukan clustering data dengan
menghitung jarak terdekat dari setiap
objek cluster.
3. Hasil penelitian data serapan alumni
Teknik Informatika Universitas Halu Oleo
menunjukkan bahwa, 33,0% sesuai dengan
bidang IT, 4,0% cukup sesuai, 43,0% tidak
sesuai dan 20,0% belum bekerja, dari 100
data alumni.
/30/analisis cluster/,
tanggal 5 Juli 2017.
Indika, M. 2010. Sistem Pendukung
Keputusan
Penentuan
Lokasi
Pembangunan Tower BTS pada PT.
Axiata TBK Medan dengan Metode
AHP.” Tidak Diterbitkan. Skripsi.
Medan: Universitas Sumatera Utara.
[6]
Whisnu, 2012, GPS pada android,
Jasakom, Jakarta.
Saran dalam penelitian ini untuk
penelitian selanjutnya yaitu :
1. Untuk penelitian berikutnya diharapkan
menggunakan perbandingan algoritma
clustering lainnya untuk diketahui hasil
perbandingan antara algoritma clustering.
2. Pengembangan selanjutnya diharapkan
sistem bisa dijalankan secara online
sehingga alumni bisa mengisi data dan
mengakses informasi yang disediakan
aplikasi.
3. Sistem ini masih banyak kekurangan dari
segi tampilan yang masih sederhana,
informasi yang disediakan baru bisa
diakses oleh admin, didalam aplikasi perlu
ditambahkan fitur peta GIS untuk
menampilkan lokasi pekerjaan dari
alumni.
DAFTAR PUSTAKA
Martono, Nanang. 2010, Metode
Penelitian Kuantitatif, Jakarta: PT Raya
Grafindo Persada.
[2]
M Banda S, 2007, Aplikasi SIG untuk
kesesuaian lahan, Makassar.
[3]
Ady, Tri, 2015, Etika Profesi Dalam
Bidang Teknologi Informasi, Jakarta
Barat
[4]
B. J. Prayudho, 2008, Analisis Cluster.
[online].
Tersedia
http://prayudho.wordpress.com/2008/12
pada
[5]
6. SARAN
[1]
diakses
IJCCS Vol. x, No. x, July 201x : first_page – end_page