Penerapan Data Mining Untuk Menentukan K
Penerapan Data Mining Untuk Menentukan
Klasifikasi Kinerja Pegawai Pada
Sistem Informasi Kepegawaian
Rafly Dikhi Firdaus#1
Program Studi Teknik Informatika, Universitas Siliwangi
Jalan Siliwangi No. 24 Kotak Pos 164 Tasikmalaya Kode Pos 46116
Telp. (0265) 330634 Fax. (0265) 325812
1
rafly.dikhi13@student.unsil.ac.id
Abstrak— Sistem Informasi Kepegawaian dengan menerapkan
data mining untuk mengklarifikasi kinerja pegawai dan
mendorong tercapainya tujuan perusahaan yang efektif serta
meningkatkan kesetiaan dan ketertarikan pegawai dengan
perusahaan. Sistem Informasi Kepegawaian akan memberikan
rekomendasi solusi untuk memandu pimpinan perusahaan dalam
pengambilan keputusan paling optimal berdasarkan data history
yang ada di perusahaan. Input dari sistem ini adalah data
karyawan, data kehadiran karyawan, data tunjangan karyawan,
data prestasi kerja karyawan dan data kesalahan karyawan. Sistem
akan bekerja secara periodic dan berjenjang mulai dari data yang
diberikan top management kepada bawahaannya, manajemen
tingkat kedua terhadap bawahannya dan seterusnya sampai tingkat
supervisor terhadap stafnya. Sample karyawan yang telah bekerja
± 5 tahun dan dipromosikan pada tahun 2013-2014 dan akan
digunakan sebagai data training dan testing. Sedangkan karyawan
yang telah bekerja ± 5 tahun (2015-2016) dan belum dipromosikan
akan dijadikan data target. Data input tersebut akan diproses
menggunakan teknik data mining dan akan dianalisis
menggunakan metode Decision Tree (J4S) dan Native Bayes
kemudian dievaluasi oleh sistem sehingga menghasilkan beberapa
keputusan yang akan diambil oleh perusahaan.
Keywords—Perusahaan. Pegawai, Sistem Informasi Kepegawaian
BAB I PENDAHULUAN
sumber daya manusia (SDM) merupakan salah satu faktor
strategis perusahaan yang memberikan nilai tambah sebagai
tolok ukur keberhasilan bisnis suatu perusahaan. Kemampuan
SDM merupakan competitive advantage dari perusahaan.
Untuk dapat menjadi tai ng utama pembentuk daya saing
perlu dilakukan upaya peningkatan kinerja sumber daya
manusia.
Menurut Soetjipto (2001), dalam suatu organisasi
seringkali terjadi pemutusan hubungan kerja (PHK), tidak
cuma karyawan biasa, manajer pun banyak yang menjadi
korban. Dengan jumlah individu yang semakin sedikit,
seorang atasan kini rela untuk tidak memiliki bawahan
sebanyak dulu. Kondisi tersebut membuat semakin tingginya
ketergantungan atasan pada bawahan. Atasan menjadi sangat
berkepentingan terhadap kinerja bawahan. Aspek yang
menjadi perhatian atasan bukanlah sekedar
kinerja
bawahan pada saat ini melainkan lebih kepada bagaimana
memperbaiki kinerja bawahan secara terus menerus
(continuous improvement)
Kinerja yang baik merupakan cerminan dari perilaku yang
baik sehingga dengan kinerja yang baik akan membuahkan
produktivitas yang baik. Salah satu upaya yang dapat
dilakukan untuk meningkatkan kinerja sumber daya manusia
adalah dengan melakukan penilaian prestasi kerja.
Penilaian prestasi kerja sangat penting bagi suatu
organisasi. Dengan penilaian prestasi kerja suatu organisasi
dapat melihat sejauh mana faktor manusia dapat menunjang
tujuan suatu organisasi. Selain itu melalui penilaian prestasi
kerja organisasi dapat memilih dan menempatkan orang yang
tepat untuk menduduki suatu jabatan tertentu secara objektif
(Miftah, 2001).
Selain itu penilaian prestasi kerja dapat membantu seorang
pimpinan dalam mengantisipasi dan mencegah ketidakpuasan
karyawan. Perubahan sikap karyawan merupakan tanda-tanda
adanya perubahan dalam kepuasan kerja karyawan.
Melihat pentingnya penilaian prestasi kerja baik bagi
perusahaan maupun karyawan maka proses penilaian prestasi
kerja harus dilakukan secara objektif dan menyeluruh.
Penilaian prestasi kerja yang objektif akan memberikan
umpan balik antara atasan dan bawahan yang sinergi.
Bawahan lambat laun akan memahami objektifitas kerja dan
mampu mendorong iklim produktivitas perusahaan
Berdasarkan asumsi tersebut penelitian ini mengambil
judul “Penerapan Data Mining Untuk Menentukan Klasifikasi
Kinerja Pegawai Pada Sistem Informasi Kepegawaian”
bertujuan untuk untuk meningkatakan kesejahteraan pegawai
sehingga pegawai bermanfaat dan mendorong tercapainya
tujuan perusahaan yang efektif serta untuk meningkatkan
kesetiaan dan ketertarikan pegawai dengan perusahaan,
Memberikan ketenangan dan pemenuhan kebutuhan bagi
pegawai beserta keluarganya, Memotivasi gairah kerja,
disiplin dan produktifitas pegawai, menurunkan tingkat
absensi. Dan labour turn over (Menciptakan lingkungan dan
suasana kerja yang baik serta nyaman dan membantu
lancarnya pelaksanaan pekerjaan untuk mencapai tujuan).
BAB II LANDASAN TEORI
kesejahteraan yang diberikan oleh perusahaan, lembaga
atau organisasi pada pegawainya hendaknya bermanfaat,
sehingga dapat mendorong tercapainya tujuan perusahaan
yang efektif. kesejahteraan karyawan sebaiknya sesuai dengan
ketentuan yang telah ditetapkan oleh perusahaan dan tidak
melanggar peraturan pemerintah..
Konsep kesejagteraan pegawai berkaitan erat dengan
keterpaduan. Keterpaduan dalam aspek sasaran, aspek lokasi
kegiatan, aspek dana dan lain sebagainya.
2.1 Perencanaan Strategis Sistem dan Teknologi Informasi
“Perencanaan strategis sistem dan teknologi informasi
merupakan proses identifikasi portofolio aplikasi sistem
informasi berbasis komputer yang mendukung suatu
organisasi dalam melaksanakan rencana bisnis dan
merealisasikan tujuan bisnis dan konstribusi bagi
organisasi dalam memilih langkah-langkah strategis.”
(Ward dan Peppard (2002)).
Selain itu perencanaan strategis informasi dan
teknologi informasi juga menjelaskan berbagai tools,
teknik dan kerangka kerja bagi manajemen untuk
menyelaraskan strategi sistem informasi dan teknologi
informasi dengan strategi bisnis, bahkan mencari
kesempatan baru melalui penerapan teknologi yang
inovatif.
2.2 Sistem Informasi Kepegawaian (SIK)
“Sistem Informasi Kepegawaian adalah seperangkat
alat untuk mengkarifikasi kinerja pegawai atau informasi
berkaitan dengan kegiatan, kondisi dan perkembangan
yang terjadi di dalam perusahaan”.
Manfaat Sistem Informasi Kepegawaian (SIK)
diantaranya adalah meningkatakan kesejahteraan pegawai
sehingga pegawai bermanfaat dan mendorong tercapainya
tujuan perusahaan yang efektif serta Untuk meningkatkan
kesetiaan dan ketertarikan pegawai dengan perusahaan,
Memberikan ketenangan dan pemenuhan kebutuhan bagi
pegawai beserta keluarganya, Memotivasi gairah kerja,
disiplin dan produktifitas pegawai, menurunkan tingkat
absensi. Dan labour turn over (Menciptakan lingkungan
dan suasana kerja yang baik serta nyaman dan membantu
lancarnya pelaksanaan pekerjaan untuk mencapai tujuan).
BAB III METODOLOGI
3.1 Metode Penelitian
Metode yang digunakan dalam penulisan ini adalah
dengan menggunakan metode peneitian Penelitian
deskriptif merupakan metode penelitian yang berusaha
menggambarkan dan menginterpretasi objek sesuai dengan
apa adanya (Best1982 dalam Sukardi, 2004).
Penelitian ini juga sering disebut noneksperimen,
karena pada penelitian ini penelitian tidak melakukan
kontrol dan manipulasi variabel penelitian Penelitian
deskriptif adalah penelitian yang mempelajari masalah -
masalah dalam masyarakat. Melalui penelitian deskriptif,
peneliti berusaha mendeskripsikan peristiwa dan kejadian
yang menjadi pusat perhatian tanpa memberikan
perlakukan khusus terhadap peristiwa tersebut. Variabel
yang diteliti bisa tunggal (satu variabel) bisa juga lebih dan
satu variabel.
3.2 Metode Pengumpulan Data
Metode pengumpulan data yang tepat yaitu dengan
mempertimbangkan penggunaannya berdasarkan jenis data
dan sumbernya. Data yang objektif dan relevan dengan
pokok permasalahan penelitian merupakan indikator
keberhasilan penelitian. Pengumpulan data penelitian ini
dilakukan dengan cara sebagai berikut :
a. Observasi, merupakan teknik pengumpulan data
dengan cara mengadakan pengamatan secara langsung
kepada objek penelitian mengenai data pegawai.
b. Wawancara, Merupakan metode pengumpulan data
dengan cara mengadakan Tanya Jawab langsung
kepada bagian pengolahan data, bagian IT dan bagian
SDM perusahaan.
c. Studi Pustaka, Mengumpulkan data dengan
mempelajari masalah yang berhubungan dengan objek
yang diteliti serta bersumber dari buku- buku pedoman,
literatur yang disusun oleh para ahli untuk melengkapi
data yang diperlukan dalam penelitian.
3.3 Metode Analisis Data
Adapun untuk menganalisis data dalam penerapan data
mining ini menggunakan tahapan Knowledge Discovery in
Databases (KDD) yang terdiri dari beberapa tahapan
sebagai berikut :
Gambar 3.3 Tahapan Knowledge Discovery in Database
a. Data Selection, pemilihan (seleksi) data dari
sekumpulan data operasional perlu dilakukan sebelum
tahap penggalian informasi dalam KDD dimulai. Data
hasil seleksi yang akan digunakan untuk proses data
mining, disimpan dalam suatu berkas, terpisah dari
basis data operasional.
b. Preprocessing/Cleaning, sebelum proses data mining
dapat dilaksanakan, perlu dilakukan proses cleaning
pada data yang menjadi fokus KDD. Proses cleaning
mencakup antara lain membuang duplikasi data,
memeriksa data yang inkonsisten, dan memperbaiki
kesalahan pada data, seperti kesalahn cetak.
c. Transformation, coding adalah proses transformasi
pada data yang telah dipilih, sehingga data tersebut
sesuai untuk proses data mining. Proses coding dalam
KDD merupakan proses kreatif dan sangat tergantung
pada sejenis atau pola informasi yang akan dicari
dalam basis data.
d. Data Mining, data mining adalah proses mencari pola
atau informasi menarik dalam data terpilih dengan
menggunakan teknik atau metode tertentu. Teknik,
metode, atau algoritma dalam data mining sangat
bervariasi. Pemilihan metode atau algoritma yang tepat
sangat bergantung pada tujuan dan proses KDD secara
keseluruhan.
e. Evaluation, pola informasi yang dihasilkan dari proses
data mining perlu ditampilkan dalam bentuk yang
mudah dimengerti oleh pihak yang berkepentingan.
Tahap ini merupakan bagian dari proses KDD yang
disebut
interpretation.
Tahap
ini
mencakup
pemeriksaan apakah pola atau informasi yang
ditemukan bertentangan dengan fakta atau hipotesis
yang ada sebelumnya.
3.4 Metode Pengembangan Sistem
Metode pengembangan sistem yang akan dibuat
menggunakan model waterfall (Agus Mulyanto, 2009), yaitu
melalui tahapan sebagai berikut :
a. Analisa Sistem; melakukan analisa kebutuhan sistem
secara keseluruhan dan melakukan pengumpulan data
untuk identifikasi masalah agar dapat menghasilkan
aplikasi yang sesuai dengan kebutuhan.
b. Perancangan Sistem, tahap dimana penulis melakukan
perancangan interface yang akan dibuat dan alur
kerjanya.
c. Implementasi Sistem, sistem di implementasikan dalam
bentuk program menggunakan bahasa pemrograman
Microsoft Visual Basic 2006 dan SQL sebagai
databasenya.
d. Pengujian, tahap ini dilakukan pengujian sistem, untuk
mencari
kesalahan-kesalahan
sehingga
dapat
diperbaiki. Kemudian dilakukan analisis terhadap fokus
permasalahan penelitian, apakah sudah sesuai seperti
yang diharapkan.
e. Pemeliharaan, melakukan pemeliharaan terhadap
sistem yang dibuat, seperti penyesuaian yang
disebabkan adanya adaptasi dengan keadaan
sebenarnya.
BAB IV HASIL DAN PEMBAHASAN
4.1 Data Mining
Data mining merupakan tahapan untuk menemukan
pola atau informasi dalam sekumpulan data dengan
menggunakan teknik dan algoritma tertentu. Pemilihan
teknik dan algoritma yang tepat sangat bergantung pada
proses KDD secara keseluruhan. Pada penelitian ini
penerapan data mining menggunakan metode Decision
Tree (J4S) dan Naive Bayes untuk menentukan klarifikasi
kinerja karyawan.
4.2 Analisis
Data yang akan di-mining diproses melalui tahapan
Knowledge Discovery in Databases (KDD) dengan
menggunakan SQL Server, berikut tahapan-tahapan KDD :
A. Data Selection
Data yang digunakan dalam penelitian ini berasal
dari data eksperimen penulis yaitu data pegawai, terdiri
dari beberapa tabel antara lain tabel karyawan dan tabel
peniaian. Tabel karyawan berisi tentang informasi data
pegawai dan tabel penilaian berisi tentang informasi
data kehadiran, data prestasi kaywan dan data
tunjangan karyawan . Jumlah dataset pada data
penilaian sebanyak record dalam 12 bulan.
B. Preprocessing
Pada tahapan preprocessing ini akan dilakukan
proses integrasi data untuk menghubungkan data
karyawan dan data penilaian, selanjutnya dilakukan
proses data cleaning untuk menghasilkan dataset yang
bersih sehingga dapat digunakan dalam tahap
berikutnya yaitu mining dengan tujuan memperoleh
pola mengenai kriteria pegawai untuk menentukan
klasifikasi pegawai.
1. Integrasi Data, tahap integrasi data adalah tahap
penggabungan data dari beberapa sumber. Pada
tahapan ini dilakukan penggabungan dua tabel yaitu
tabel karyawan dan penilaian. Proses penggabungan
dilakukan dengan merelasikan tabel polis dan
nasabah dengan query
2. Cleaning, tahap data cleaning merupakan tahap
awal dari proses KDD. Pada tahapan ini data yang
yang tidak relevan, missing value, dan redundant
harus di bersihkan. Hal ini dikarenakan data yang
relevan, tidak missing value, dan tidak redundant
merupakan syarat awal dalam melakukan data
mining.Suatu data dikatakan missing value jika
terdapat atribut dalam dataset yang tidak berisi nilai
atau kosong, sedangkan data dikatakan redundant
jika dalam satu dataset terdapat lebih dari satu
record yang berisi nilai yang sama.
C. Transformation
Tahapan transformation data merupakan tahap
merubah data ke dalam bentuk yang sesuai untuk dimining. Kemudian di tambahkan satu attribut untuk
mempermudah proses tranformation.
4.3 Perancangan Sistem
Gambar 4.3 Context Diagram
Didalam context diagram dijelaskan bahwa Sistem
Informasi Kepegawaian (SIK) mendapakan data dari
bagian HRD, yaitu data Karywan. data std penilaian, data
user dan data nilai. Kemudian SIK menghasilkan laporan
mengenai klasifikasi kinerja kayawan yang dikirimkan
kepada HRD dan Pimpinan.
Entity Relationship Diagram (ERD)
Pada tahapan ini dilakuan dengan membangun basis
pengetahuan yang meliputi alur keputusan, tabel
keputusan, tabel aturan, pemodelan proses, terdiri dari
diagram konteks dan diagram alir data. Sedangkan
pemodelan datanya terdiri Entity Relationship Diagram
(ERD), mapping table serta rancangan tabel. Perancangan
masukan, keluaran dan rancangan menu yang digunakan
berfungsi untuk menampilkan menu-menu yang ada dalam
aplikasi. Alur keputusan yang dilakukan dalam
menentukan penilaian kinerja pegawai.
Gambar 4.3 Entity Relationship Diagram
Perancangan interface diperlukan untuk memberikan
tampilan yang menarik dan memberikan kemudahan
pengguna dalam menjalankan aplikasi. Perancangan menu
meliputi rancangan menu login; menu pengguna; menu
basis pengetahuan berupa input pegawai, input jabatan,
input nilai pegawai dan input syarat jabatan; menu
perhitungan dan hasil perhitungan.
4.4 Implementasi Program
Sistem ini diimplementasikan dengan menggunakan
bahasa pemrograman Visual Basic 2006 dan MySql
sebagai database. Sistem ini digunakan oleh 3 user, yaitu
HRD, manajer, dan direktur. Disediakan fasillitas untuk
mengubah, menambah, dan menghapus basis pengetahuan,
untuk keperluan apabila sewaktu-waktu ada data yang
perlu diupdate.
Gambar 4.3 Data Pegawai
4.5 Penerapan Sistem
Naive Bayes didasarkan pada asumsi penyederhanaan
bahwa nilai atribut secara konditional saling bebas jika
diberikan nilai output. Dengan kata lain, diberikan nilai
output, probabilitas mengamati secara bersama adalah
produk dari probabilitas individu. Keuntungan penggunaan
Naive Bayes adalah bahwa metode ini hanya
membutuhkan jumlah data pelatihan (Training Data) yang
kecil untuk menentukan estimasi paremeter yang
diperlukan dalam proses pengklasifikasian. Dalam metode
Naive Bayes data String yang bersifat konstan dibedakan
dengan data numerik yang bersifat kontinyu, perbedaan ini
akan terlihat pada saat menentukan nilai probabilitas setiap
kriteria baik itu kriteria dengan nilai data string maupun
kriteria dengan nilai data numerik. Adapun penerapan
metode Naive Bayes sebagai berikut.
A. Data Training
Untuk menentukan data yang nantinya akan
dianalisis dengan metode Naive Bayes maka langkah
pertama yang dilakukan adalah membaca data latih.
Adapun data latih yang digunakan dapat dilihat pada
tabel 1 berikut :
Table 1 Data Training
B. Kriteria dan Probabilitas
Adapun nilai probabilitas setiap kriteria didapatkan
dari data latih pada tabel 1. nilai probabilitas setiap
kriteria sebagai berikut :
1. Probabilitas Kehadiran
Berdasarkan data hasil uji klasifikasi pegawai
melalui kehadiran pada table 1 diketahui jumlah
data latih (datatraining) adalah sebanyak 50 data
mahasiswa, di mana dari 50 mahasiswa tersebut
terdapat 36 karyawan gagal dengan kehadiran
kurang, 2 karyawan gagal dengan nilai kehadiran
cukup dan tidak ada karyawan gagal dengan nilai
gramme bagus, sementara itu terdapat 2 karyawan
yang lulus dengan nilai kehadiran kurang, 5
karyawan yang lulus dengan nilai kehadiran cukup
dan 5 karyawan lulus dengan nilai kehadiran bagus.
Probabilitas kriteria kehadiran dapat dilihat pada
tabel 2.
Jumlah Kejadian
Probabilitas
Kehadira
n
Lulus
Gagal
Lulus
Gagal
Kurang
36
2
0,95
0,17
Cukup
2
5
0,05
0,42
Bagus
0
5
0,00
0,42
Jumlah
38
12
0,76
0,24
Table 2 Probabilitas Kriteria Kehadiran
2. Probabilitas Wawasan
Pada kriteria wawasan dapat diketahui dari 50
karyawan tersebut terdapat 25 karyawan gagal
dengan nilai wawasan kurang, 12 karyawan 4 gagal
dengan nilai wawasan cukup dan 1 karyawan gagal
dengan nilai wawasan bagus, sementara itu terdapat
3 karyawan yang lulus dengan nilai wawasan
kurang, 5 karyawan yang lulus dengan nilai
wawasan cukup dan 4 karyawan lulus dengan nilai
wawasan bagus. Probabilitas kriteria wawasan
dapat dilihat pada tabel 3.
Jumlah Kejadian
Probabilitas
Wawasa
n
Lulus
Gagal
Lulus
Gagal
Kurang
25
3
0,66
0,25
Cukup
12
5
0,32
0,42
Bagus
1
4
0,03
0,33
Jumlah
38
12
0,76
0,24
Table 3 Probabilitas Wawasan
3. Probabilitas Lapangan
Pada kriteria lapangan dapat diketahui dari 50
karyawan tersebut terdapat 26 karyawan gagal
dengan nilai lapangan kurang, 9 karyawan gagal
dengan nilai lapangan cukup dan 3 karyawan gagal
dengan nilai lapangan bagus, sementara itu terdapat
1 karyawan yang lulus dengan nilai lapangan
kurang, 6 karyawan yang lulus dengan nilai
lapangan cukup dan 5 karyawan lulus dengan nilai
lapangan bagus. Probabilitas kriteria lapangan.
dapat dilihat pada tabel 4.
Jumlah Kejadian
Probabilitas
Lapanga
n
Lulus
Gagal
Lulus
Gagal
Kurang
26
1
0,68
0,08
Cukup
9
6
0,24
0,50
Bagus
3
5
0,08
0,42
Jumlah
38
12
0,76
0,24
Tabel 4 Probabilitas Lapangan
4. Probabilitas Kepribadian
Pada kriteria kepribadian dapat diketahui dari
50 karyawan tersebut terdapat 6 karyawan gagal
dengan nilai kepribadian kurang, 17 karyawan
gagal dengan nilai kepribadian cukup dan 15
karyawan gagal dengan nilai kepribadian bagus,
sementara itu tidak ada karyawan yang lulus dengan
nilai kepribadian kurang, 5 karyawan yang lulus
dengan nilai kepribadian cukup dan 7 karyawan
lulus dengan nilai kepribadian bagus. Probabilitas
kriteria kepribadian dapat dilihat pada tabel 5.
Probabilitas
Kepribadia Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Kurang
6
0
0,16
0,00
Cukup
17
5
0,45
0,42
Bagus
15
7
0,39
0,58
Jumlah
38
12
0,76
0,24
Table 5. Probabilitas Kepribadian
5. Probabilitas Kemampuan
Pada kriteria kemampuan dapat diketahui dari
50 karyawan tersebut terdapat 1 karyawan gagal
dengan nilai kemampuan kurang, 32 karyawan
gagal dengan nilai kemampuan cukup dan 5
karyawan gagal dengan nilai kemampuan bagus,
sementara itu tidak ada karyawan lulus dengan nilai
kemampuan kurang, 10 karyawan lulus dengan nilai
kemampuan cukup dan 2 karyawan lulus dengan
nilai kemampuan bagus. Probabilitas kriteria
kemampuan dapat dilihat pada tabel 6.
Probabilitas
Kemampua Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Kurang
1
0
0,03
0,00
Cukup
32
10
0,84
0,83
Bagus
5
2
0,13
0,17
Jumlah
38
12
0,76
0,24
Table 6. Probabilitas Kemampuan
6. Probabilitas Result
Berdasarkan tabel 1 diketahui dari 50 karyawan
yang diuji dengan Sistem Informasi Kepegawaian
(SIK) ini terdapat 38 karyawan yang gagal, 12
karyawan yang lulus dan layak di promosikan.
Probabilitas kriteria result dapat dilihat pada tabel
7.
Probabilitas
Kemampua Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Jumlah
38
12
0,76
0,24
Table 7. Probabilitas Result
REFERENSI
BAB V KESIMPULAN DAN SARAN
1.1 Kesimpulan
Perancangan Strategis Sistem Informasi Kepegawaian
merupakan suatu aplikasi proses kasifikasi dalam suatu
aplikasi sistem informasi berbasis komputer yang
mendukung suatu organisasi dalam melaksanakan rencana
bisnis dan merealisasikan tujuan bisnis dan konstribusi
bagi organisasi.
Berdasarkan penelitian mengenai klasifikasi kinerja
karyawan yang diuji menggunakan aplikasi ini ada
beberapa kesimpulan sebagai berikut :
1. Berdasarkan data pegawai yang diperoleh, proses Data
Mining membantu dalam penerapan metode Naive
Bayes dalam mendapatkan informasi dari hasil
klasifikasi kinerja karyawan.
2. Metode Naive Bayes memanfaatkan data training untuk
menghasilkan probabilitas setiap kriteria untuk class
yang berbeda, sehingga nilai-nilai probabilitas dari
kriteria tersebut dapat dioptimalkan untuk kinerja
karyawan agar bisa dipromosikan berdasarkan proses
klasifikasi yang dilakukan oleh metode Naive Bayes itu
sendiri.
3. Berdasarkan data pegawai yang diuji menggunkan SIK
yang dijadikan data training, metode Naive Bayes
berhasil mengklasifikasikan 49 data dari 50 data yang
diuji. Sehingga dengan demikian metode Naive Bayes
ini berhasil memprediksi kinerja karyawan dengan
persentase keakuratan sebesar 98 %.
[1] Angga Ginanjar Mabrur, Riani Lubis, (2012). Penerapan
Data Mining untuk Memprediksi Kriteria Nasabah
Kredit, Jurnal Komputer dan Informatika (KOMPUTA)
Edisi 1, Vol. 1, Maret 2012..
[2] Surbekti Mujiasih, (2011). Pemanfaatan Data Mining
Untuk Prakiraan Cuaca, Jurnal Meteorologi dan
Geofisika, Volume 12, Nomor 2, September 2011.
[3] Agushinta, D., Irfan, M. (2008), Perancangan Aplikasi
Data Mining Untuk Memprediksi Permintaan Customer
Pada Perusahaan Persewaan Mobil, Prosiding Seminar
Ilmiah Nasional Komputer dan Sistem Intelijen
(KOMMIT 2008), Depok, Universitas Gunadarma, 207208
[4] Syamsi, I. Pengambilan Keputusan dan Sistem
Informasi. Jakarta: Penerbit PT Bumi Aksara, 2000.
[5] Kristanto, A. Perancangan Sistem
Informasi dan
Aplikasinya. Yogyakarta: Penerbit Gaya Media, 2003.
[6] Mujib Ridwan, dkk, (2013), Penerapan Data Mining
untuk Evaluasi Kinerja Akademik Mahasiswa
Menggunakan Algoritma Naive Bayes Classifier, Jurnal
EECCIS Vol. 7, No. 1, Juni 2013.
[9] Halid. Pemanfaatan Sistim Informasi Manajemen
Kepegawaian Sebagai Dasar Pengambilan Keputusan
di Dinas Kesehatan Propinsi Bengkulu. Thesis.
Yogyakarta: Pasca Sarjana UGM, 2005.
Klasifikasi Kinerja Pegawai Pada
Sistem Informasi Kepegawaian
Rafly Dikhi Firdaus#1
Program Studi Teknik Informatika, Universitas Siliwangi
Jalan Siliwangi No. 24 Kotak Pos 164 Tasikmalaya Kode Pos 46116
Telp. (0265) 330634 Fax. (0265) 325812
1
rafly.dikhi13@student.unsil.ac.id
Abstrak— Sistem Informasi Kepegawaian dengan menerapkan
data mining untuk mengklarifikasi kinerja pegawai dan
mendorong tercapainya tujuan perusahaan yang efektif serta
meningkatkan kesetiaan dan ketertarikan pegawai dengan
perusahaan. Sistem Informasi Kepegawaian akan memberikan
rekomendasi solusi untuk memandu pimpinan perusahaan dalam
pengambilan keputusan paling optimal berdasarkan data history
yang ada di perusahaan. Input dari sistem ini adalah data
karyawan, data kehadiran karyawan, data tunjangan karyawan,
data prestasi kerja karyawan dan data kesalahan karyawan. Sistem
akan bekerja secara periodic dan berjenjang mulai dari data yang
diberikan top management kepada bawahaannya, manajemen
tingkat kedua terhadap bawahannya dan seterusnya sampai tingkat
supervisor terhadap stafnya. Sample karyawan yang telah bekerja
± 5 tahun dan dipromosikan pada tahun 2013-2014 dan akan
digunakan sebagai data training dan testing. Sedangkan karyawan
yang telah bekerja ± 5 tahun (2015-2016) dan belum dipromosikan
akan dijadikan data target. Data input tersebut akan diproses
menggunakan teknik data mining dan akan dianalisis
menggunakan metode Decision Tree (J4S) dan Native Bayes
kemudian dievaluasi oleh sistem sehingga menghasilkan beberapa
keputusan yang akan diambil oleh perusahaan.
Keywords—Perusahaan. Pegawai, Sistem Informasi Kepegawaian
BAB I PENDAHULUAN
sumber daya manusia (SDM) merupakan salah satu faktor
strategis perusahaan yang memberikan nilai tambah sebagai
tolok ukur keberhasilan bisnis suatu perusahaan. Kemampuan
SDM merupakan competitive advantage dari perusahaan.
Untuk dapat menjadi tai ng utama pembentuk daya saing
perlu dilakukan upaya peningkatan kinerja sumber daya
manusia.
Menurut Soetjipto (2001), dalam suatu organisasi
seringkali terjadi pemutusan hubungan kerja (PHK), tidak
cuma karyawan biasa, manajer pun banyak yang menjadi
korban. Dengan jumlah individu yang semakin sedikit,
seorang atasan kini rela untuk tidak memiliki bawahan
sebanyak dulu. Kondisi tersebut membuat semakin tingginya
ketergantungan atasan pada bawahan. Atasan menjadi sangat
berkepentingan terhadap kinerja bawahan. Aspek yang
menjadi perhatian atasan bukanlah sekedar
kinerja
bawahan pada saat ini melainkan lebih kepada bagaimana
memperbaiki kinerja bawahan secara terus menerus
(continuous improvement)
Kinerja yang baik merupakan cerminan dari perilaku yang
baik sehingga dengan kinerja yang baik akan membuahkan
produktivitas yang baik. Salah satu upaya yang dapat
dilakukan untuk meningkatkan kinerja sumber daya manusia
adalah dengan melakukan penilaian prestasi kerja.
Penilaian prestasi kerja sangat penting bagi suatu
organisasi. Dengan penilaian prestasi kerja suatu organisasi
dapat melihat sejauh mana faktor manusia dapat menunjang
tujuan suatu organisasi. Selain itu melalui penilaian prestasi
kerja organisasi dapat memilih dan menempatkan orang yang
tepat untuk menduduki suatu jabatan tertentu secara objektif
(Miftah, 2001).
Selain itu penilaian prestasi kerja dapat membantu seorang
pimpinan dalam mengantisipasi dan mencegah ketidakpuasan
karyawan. Perubahan sikap karyawan merupakan tanda-tanda
adanya perubahan dalam kepuasan kerja karyawan.
Melihat pentingnya penilaian prestasi kerja baik bagi
perusahaan maupun karyawan maka proses penilaian prestasi
kerja harus dilakukan secara objektif dan menyeluruh.
Penilaian prestasi kerja yang objektif akan memberikan
umpan balik antara atasan dan bawahan yang sinergi.
Bawahan lambat laun akan memahami objektifitas kerja dan
mampu mendorong iklim produktivitas perusahaan
Berdasarkan asumsi tersebut penelitian ini mengambil
judul “Penerapan Data Mining Untuk Menentukan Klasifikasi
Kinerja Pegawai Pada Sistem Informasi Kepegawaian”
bertujuan untuk untuk meningkatakan kesejahteraan pegawai
sehingga pegawai bermanfaat dan mendorong tercapainya
tujuan perusahaan yang efektif serta untuk meningkatkan
kesetiaan dan ketertarikan pegawai dengan perusahaan,
Memberikan ketenangan dan pemenuhan kebutuhan bagi
pegawai beserta keluarganya, Memotivasi gairah kerja,
disiplin dan produktifitas pegawai, menurunkan tingkat
absensi. Dan labour turn over (Menciptakan lingkungan dan
suasana kerja yang baik serta nyaman dan membantu
lancarnya pelaksanaan pekerjaan untuk mencapai tujuan).
BAB II LANDASAN TEORI
kesejahteraan yang diberikan oleh perusahaan, lembaga
atau organisasi pada pegawainya hendaknya bermanfaat,
sehingga dapat mendorong tercapainya tujuan perusahaan
yang efektif. kesejahteraan karyawan sebaiknya sesuai dengan
ketentuan yang telah ditetapkan oleh perusahaan dan tidak
melanggar peraturan pemerintah..
Konsep kesejagteraan pegawai berkaitan erat dengan
keterpaduan. Keterpaduan dalam aspek sasaran, aspek lokasi
kegiatan, aspek dana dan lain sebagainya.
2.1 Perencanaan Strategis Sistem dan Teknologi Informasi
“Perencanaan strategis sistem dan teknologi informasi
merupakan proses identifikasi portofolio aplikasi sistem
informasi berbasis komputer yang mendukung suatu
organisasi dalam melaksanakan rencana bisnis dan
merealisasikan tujuan bisnis dan konstribusi bagi
organisasi dalam memilih langkah-langkah strategis.”
(Ward dan Peppard (2002)).
Selain itu perencanaan strategis informasi dan
teknologi informasi juga menjelaskan berbagai tools,
teknik dan kerangka kerja bagi manajemen untuk
menyelaraskan strategi sistem informasi dan teknologi
informasi dengan strategi bisnis, bahkan mencari
kesempatan baru melalui penerapan teknologi yang
inovatif.
2.2 Sistem Informasi Kepegawaian (SIK)
“Sistem Informasi Kepegawaian adalah seperangkat
alat untuk mengkarifikasi kinerja pegawai atau informasi
berkaitan dengan kegiatan, kondisi dan perkembangan
yang terjadi di dalam perusahaan”.
Manfaat Sistem Informasi Kepegawaian (SIK)
diantaranya adalah meningkatakan kesejahteraan pegawai
sehingga pegawai bermanfaat dan mendorong tercapainya
tujuan perusahaan yang efektif serta Untuk meningkatkan
kesetiaan dan ketertarikan pegawai dengan perusahaan,
Memberikan ketenangan dan pemenuhan kebutuhan bagi
pegawai beserta keluarganya, Memotivasi gairah kerja,
disiplin dan produktifitas pegawai, menurunkan tingkat
absensi. Dan labour turn over (Menciptakan lingkungan
dan suasana kerja yang baik serta nyaman dan membantu
lancarnya pelaksanaan pekerjaan untuk mencapai tujuan).
BAB III METODOLOGI
3.1 Metode Penelitian
Metode yang digunakan dalam penulisan ini adalah
dengan menggunakan metode peneitian Penelitian
deskriptif merupakan metode penelitian yang berusaha
menggambarkan dan menginterpretasi objek sesuai dengan
apa adanya (Best1982 dalam Sukardi, 2004).
Penelitian ini juga sering disebut noneksperimen,
karena pada penelitian ini penelitian tidak melakukan
kontrol dan manipulasi variabel penelitian Penelitian
deskriptif adalah penelitian yang mempelajari masalah -
masalah dalam masyarakat. Melalui penelitian deskriptif,
peneliti berusaha mendeskripsikan peristiwa dan kejadian
yang menjadi pusat perhatian tanpa memberikan
perlakukan khusus terhadap peristiwa tersebut. Variabel
yang diteliti bisa tunggal (satu variabel) bisa juga lebih dan
satu variabel.
3.2 Metode Pengumpulan Data
Metode pengumpulan data yang tepat yaitu dengan
mempertimbangkan penggunaannya berdasarkan jenis data
dan sumbernya. Data yang objektif dan relevan dengan
pokok permasalahan penelitian merupakan indikator
keberhasilan penelitian. Pengumpulan data penelitian ini
dilakukan dengan cara sebagai berikut :
a. Observasi, merupakan teknik pengumpulan data
dengan cara mengadakan pengamatan secara langsung
kepada objek penelitian mengenai data pegawai.
b. Wawancara, Merupakan metode pengumpulan data
dengan cara mengadakan Tanya Jawab langsung
kepada bagian pengolahan data, bagian IT dan bagian
SDM perusahaan.
c. Studi Pustaka, Mengumpulkan data dengan
mempelajari masalah yang berhubungan dengan objek
yang diteliti serta bersumber dari buku- buku pedoman,
literatur yang disusun oleh para ahli untuk melengkapi
data yang diperlukan dalam penelitian.
3.3 Metode Analisis Data
Adapun untuk menganalisis data dalam penerapan data
mining ini menggunakan tahapan Knowledge Discovery in
Databases (KDD) yang terdiri dari beberapa tahapan
sebagai berikut :
Gambar 3.3 Tahapan Knowledge Discovery in Database
a. Data Selection, pemilihan (seleksi) data dari
sekumpulan data operasional perlu dilakukan sebelum
tahap penggalian informasi dalam KDD dimulai. Data
hasil seleksi yang akan digunakan untuk proses data
mining, disimpan dalam suatu berkas, terpisah dari
basis data operasional.
b. Preprocessing/Cleaning, sebelum proses data mining
dapat dilaksanakan, perlu dilakukan proses cleaning
pada data yang menjadi fokus KDD. Proses cleaning
mencakup antara lain membuang duplikasi data,
memeriksa data yang inkonsisten, dan memperbaiki
kesalahan pada data, seperti kesalahn cetak.
c. Transformation, coding adalah proses transformasi
pada data yang telah dipilih, sehingga data tersebut
sesuai untuk proses data mining. Proses coding dalam
KDD merupakan proses kreatif dan sangat tergantung
pada sejenis atau pola informasi yang akan dicari
dalam basis data.
d. Data Mining, data mining adalah proses mencari pola
atau informasi menarik dalam data terpilih dengan
menggunakan teknik atau metode tertentu. Teknik,
metode, atau algoritma dalam data mining sangat
bervariasi. Pemilihan metode atau algoritma yang tepat
sangat bergantung pada tujuan dan proses KDD secara
keseluruhan.
e. Evaluation, pola informasi yang dihasilkan dari proses
data mining perlu ditampilkan dalam bentuk yang
mudah dimengerti oleh pihak yang berkepentingan.
Tahap ini merupakan bagian dari proses KDD yang
disebut
interpretation.
Tahap
ini
mencakup
pemeriksaan apakah pola atau informasi yang
ditemukan bertentangan dengan fakta atau hipotesis
yang ada sebelumnya.
3.4 Metode Pengembangan Sistem
Metode pengembangan sistem yang akan dibuat
menggunakan model waterfall (Agus Mulyanto, 2009), yaitu
melalui tahapan sebagai berikut :
a. Analisa Sistem; melakukan analisa kebutuhan sistem
secara keseluruhan dan melakukan pengumpulan data
untuk identifikasi masalah agar dapat menghasilkan
aplikasi yang sesuai dengan kebutuhan.
b. Perancangan Sistem, tahap dimana penulis melakukan
perancangan interface yang akan dibuat dan alur
kerjanya.
c. Implementasi Sistem, sistem di implementasikan dalam
bentuk program menggunakan bahasa pemrograman
Microsoft Visual Basic 2006 dan SQL sebagai
databasenya.
d. Pengujian, tahap ini dilakukan pengujian sistem, untuk
mencari
kesalahan-kesalahan
sehingga
dapat
diperbaiki. Kemudian dilakukan analisis terhadap fokus
permasalahan penelitian, apakah sudah sesuai seperti
yang diharapkan.
e. Pemeliharaan, melakukan pemeliharaan terhadap
sistem yang dibuat, seperti penyesuaian yang
disebabkan adanya adaptasi dengan keadaan
sebenarnya.
BAB IV HASIL DAN PEMBAHASAN
4.1 Data Mining
Data mining merupakan tahapan untuk menemukan
pola atau informasi dalam sekumpulan data dengan
menggunakan teknik dan algoritma tertentu. Pemilihan
teknik dan algoritma yang tepat sangat bergantung pada
proses KDD secara keseluruhan. Pada penelitian ini
penerapan data mining menggunakan metode Decision
Tree (J4S) dan Naive Bayes untuk menentukan klarifikasi
kinerja karyawan.
4.2 Analisis
Data yang akan di-mining diproses melalui tahapan
Knowledge Discovery in Databases (KDD) dengan
menggunakan SQL Server, berikut tahapan-tahapan KDD :
A. Data Selection
Data yang digunakan dalam penelitian ini berasal
dari data eksperimen penulis yaitu data pegawai, terdiri
dari beberapa tabel antara lain tabel karyawan dan tabel
peniaian. Tabel karyawan berisi tentang informasi data
pegawai dan tabel penilaian berisi tentang informasi
data kehadiran, data prestasi kaywan dan data
tunjangan karyawan . Jumlah dataset pada data
penilaian sebanyak record dalam 12 bulan.
B. Preprocessing
Pada tahapan preprocessing ini akan dilakukan
proses integrasi data untuk menghubungkan data
karyawan dan data penilaian, selanjutnya dilakukan
proses data cleaning untuk menghasilkan dataset yang
bersih sehingga dapat digunakan dalam tahap
berikutnya yaitu mining dengan tujuan memperoleh
pola mengenai kriteria pegawai untuk menentukan
klasifikasi pegawai.
1. Integrasi Data, tahap integrasi data adalah tahap
penggabungan data dari beberapa sumber. Pada
tahapan ini dilakukan penggabungan dua tabel yaitu
tabel karyawan dan penilaian. Proses penggabungan
dilakukan dengan merelasikan tabel polis dan
nasabah dengan query
2. Cleaning, tahap data cleaning merupakan tahap
awal dari proses KDD. Pada tahapan ini data yang
yang tidak relevan, missing value, dan redundant
harus di bersihkan. Hal ini dikarenakan data yang
relevan, tidak missing value, dan tidak redundant
merupakan syarat awal dalam melakukan data
mining.Suatu data dikatakan missing value jika
terdapat atribut dalam dataset yang tidak berisi nilai
atau kosong, sedangkan data dikatakan redundant
jika dalam satu dataset terdapat lebih dari satu
record yang berisi nilai yang sama.
C. Transformation
Tahapan transformation data merupakan tahap
merubah data ke dalam bentuk yang sesuai untuk dimining. Kemudian di tambahkan satu attribut untuk
mempermudah proses tranformation.
4.3 Perancangan Sistem
Gambar 4.3 Context Diagram
Didalam context diagram dijelaskan bahwa Sistem
Informasi Kepegawaian (SIK) mendapakan data dari
bagian HRD, yaitu data Karywan. data std penilaian, data
user dan data nilai. Kemudian SIK menghasilkan laporan
mengenai klasifikasi kinerja kayawan yang dikirimkan
kepada HRD dan Pimpinan.
Entity Relationship Diagram (ERD)
Pada tahapan ini dilakuan dengan membangun basis
pengetahuan yang meliputi alur keputusan, tabel
keputusan, tabel aturan, pemodelan proses, terdiri dari
diagram konteks dan diagram alir data. Sedangkan
pemodelan datanya terdiri Entity Relationship Diagram
(ERD), mapping table serta rancangan tabel. Perancangan
masukan, keluaran dan rancangan menu yang digunakan
berfungsi untuk menampilkan menu-menu yang ada dalam
aplikasi. Alur keputusan yang dilakukan dalam
menentukan penilaian kinerja pegawai.
Gambar 4.3 Entity Relationship Diagram
Perancangan interface diperlukan untuk memberikan
tampilan yang menarik dan memberikan kemudahan
pengguna dalam menjalankan aplikasi. Perancangan menu
meliputi rancangan menu login; menu pengguna; menu
basis pengetahuan berupa input pegawai, input jabatan,
input nilai pegawai dan input syarat jabatan; menu
perhitungan dan hasil perhitungan.
4.4 Implementasi Program
Sistem ini diimplementasikan dengan menggunakan
bahasa pemrograman Visual Basic 2006 dan MySql
sebagai database. Sistem ini digunakan oleh 3 user, yaitu
HRD, manajer, dan direktur. Disediakan fasillitas untuk
mengubah, menambah, dan menghapus basis pengetahuan,
untuk keperluan apabila sewaktu-waktu ada data yang
perlu diupdate.
Gambar 4.3 Data Pegawai
4.5 Penerapan Sistem
Naive Bayes didasarkan pada asumsi penyederhanaan
bahwa nilai atribut secara konditional saling bebas jika
diberikan nilai output. Dengan kata lain, diberikan nilai
output, probabilitas mengamati secara bersama adalah
produk dari probabilitas individu. Keuntungan penggunaan
Naive Bayes adalah bahwa metode ini hanya
membutuhkan jumlah data pelatihan (Training Data) yang
kecil untuk menentukan estimasi paremeter yang
diperlukan dalam proses pengklasifikasian. Dalam metode
Naive Bayes data String yang bersifat konstan dibedakan
dengan data numerik yang bersifat kontinyu, perbedaan ini
akan terlihat pada saat menentukan nilai probabilitas setiap
kriteria baik itu kriteria dengan nilai data string maupun
kriteria dengan nilai data numerik. Adapun penerapan
metode Naive Bayes sebagai berikut.
A. Data Training
Untuk menentukan data yang nantinya akan
dianalisis dengan metode Naive Bayes maka langkah
pertama yang dilakukan adalah membaca data latih.
Adapun data latih yang digunakan dapat dilihat pada
tabel 1 berikut :
Table 1 Data Training
B. Kriteria dan Probabilitas
Adapun nilai probabilitas setiap kriteria didapatkan
dari data latih pada tabel 1. nilai probabilitas setiap
kriteria sebagai berikut :
1. Probabilitas Kehadiran
Berdasarkan data hasil uji klasifikasi pegawai
melalui kehadiran pada table 1 diketahui jumlah
data latih (datatraining) adalah sebanyak 50 data
mahasiswa, di mana dari 50 mahasiswa tersebut
terdapat 36 karyawan gagal dengan kehadiran
kurang, 2 karyawan gagal dengan nilai kehadiran
cukup dan tidak ada karyawan gagal dengan nilai
gramme bagus, sementara itu terdapat 2 karyawan
yang lulus dengan nilai kehadiran kurang, 5
karyawan yang lulus dengan nilai kehadiran cukup
dan 5 karyawan lulus dengan nilai kehadiran bagus.
Probabilitas kriteria kehadiran dapat dilihat pada
tabel 2.
Jumlah Kejadian
Probabilitas
Kehadira
n
Lulus
Gagal
Lulus
Gagal
Kurang
36
2
0,95
0,17
Cukup
2
5
0,05
0,42
Bagus
0
5
0,00
0,42
Jumlah
38
12
0,76
0,24
Table 2 Probabilitas Kriteria Kehadiran
2. Probabilitas Wawasan
Pada kriteria wawasan dapat diketahui dari 50
karyawan tersebut terdapat 25 karyawan gagal
dengan nilai wawasan kurang, 12 karyawan 4 gagal
dengan nilai wawasan cukup dan 1 karyawan gagal
dengan nilai wawasan bagus, sementara itu terdapat
3 karyawan yang lulus dengan nilai wawasan
kurang, 5 karyawan yang lulus dengan nilai
wawasan cukup dan 4 karyawan lulus dengan nilai
wawasan bagus. Probabilitas kriteria wawasan
dapat dilihat pada tabel 3.
Jumlah Kejadian
Probabilitas
Wawasa
n
Lulus
Gagal
Lulus
Gagal
Kurang
25
3
0,66
0,25
Cukup
12
5
0,32
0,42
Bagus
1
4
0,03
0,33
Jumlah
38
12
0,76
0,24
Table 3 Probabilitas Wawasan
3. Probabilitas Lapangan
Pada kriteria lapangan dapat diketahui dari 50
karyawan tersebut terdapat 26 karyawan gagal
dengan nilai lapangan kurang, 9 karyawan gagal
dengan nilai lapangan cukup dan 3 karyawan gagal
dengan nilai lapangan bagus, sementara itu terdapat
1 karyawan yang lulus dengan nilai lapangan
kurang, 6 karyawan yang lulus dengan nilai
lapangan cukup dan 5 karyawan lulus dengan nilai
lapangan bagus. Probabilitas kriteria lapangan.
dapat dilihat pada tabel 4.
Jumlah Kejadian
Probabilitas
Lapanga
n
Lulus
Gagal
Lulus
Gagal
Kurang
26
1
0,68
0,08
Cukup
9
6
0,24
0,50
Bagus
3
5
0,08
0,42
Jumlah
38
12
0,76
0,24
Tabel 4 Probabilitas Lapangan
4. Probabilitas Kepribadian
Pada kriteria kepribadian dapat diketahui dari
50 karyawan tersebut terdapat 6 karyawan gagal
dengan nilai kepribadian kurang, 17 karyawan
gagal dengan nilai kepribadian cukup dan 15
karyawan gagal dengan nilai kepribadian bagus,
sementara itu tidak ada karyawan yang lulus dengan
nilai kepribadian kurang, 5 karyawan yang lulus
dengan nilai kepribadian cukup dan 7 karyawan
lulus dengan nilai kepribadian bagus. Probabilitas
kriteria kepribadian dapat dilihat pada tabel 5.
Probabilitas
Kepribadia Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Kurang
6
0
0,16
0,00
Cukup
17
5
0,45
0,42
Bagus
15
7
0,39
0,58
Jumlah
38
12
0,76
0,24
Table 5. Probabilitas Kepribadian
5. Probabilitas Kemampuan
Pada kriteria kemampuan dapat diketahui dari
50 karyawan tersebut terdapat 1 karyawan gagal
dengan nilai kemampuan kurang, 32 karyawan
gagal dengan nilai kemampuan cukup dan 5
karyawan gagal dengan nilai kemampuan bagus,
sementara itu tidak ada karyawan lulus dengan nilai
kemampuan kurang, 10 karyawan lulus dengan nilai
kemampuan cukup dan 2 karyawan lulus dengan
nilai kemampuan bagus. Probabilitas kriteria
kemampuan dapat dilihat pada tabel 6.
Probabilitas
Kemampua Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Kurang
1
0
0,03
0,00
Cukup
32
10
0,84
0,83
Bagus
5
2
0,13
0,17
Jumlah
38
12
0,76
0,24
Table 6. Probabilitas Kemampuan
6. Probabilitas Result
Berdasarkan tabel 1 diketahui dari 50 karyawan
yang diuji dengan Sistem Informasi Kepegawaian
(SIK) ini terdapat 38 karyawan yang gagal, 12
karyawan yang lulus dan layak di promosikan.
Probabilitas kriteria result dapat dilihat pada tabel
7.
Probabilitas
Kemampua Jumlah Kejadian
n
Lulus
Gagal
Lulus Gagal
Jumlah
38
12
0,76
0,24
Table 7. Probabilitas Result
REFERENSI
BAB V KESIMPULAN DAN SARAN
1.1 Kesimpulan
Perancangan Strategis Sistem Informasi Kepegawaian
merupakan suatu aplikasi proses kasifikasi dalam suatu
aplikasi sistem informasi berbasis komputer yang
mendukung suatu organisasi dalam melaksanakan rencana
bisnis dan merealisasikan tujuan bisnis dan konstribusi
bagi organisasi.
Berdasarkan penelitian mengenai klasifikasi kinerja
karyawan yang diuji menggunakan aplikasi ini ada
beberapa kesimpulan sebagai berikut :
1. Berdasarkan data pegawai yang diperoleh, proses Data
Mining membantu dalam penerapan metode Naive
Bayes dalam mendapatkan informasi dari hasil
klasifikasi kinerja karyawan.
2. Metode Naive Bayes memanfaatkan data training untuk
menghasilkan probabilitas setiap kriteria untuk class
yang berbeda, sehingga nilai-nilai probabilitas dari
kriteria tersebut dapat dioptimalkan untuk kinerja
karyawan agar bisa dipromosikan berdasarkan proses
klasifikasi yang dilakukan oleh metode Naive Bayes itu
sendiri.
3. Berdasarkan data pegawai yang diuji menggunkan SIK
yang dijadikan data training, metode Naive Bayes
berhasil mengklasifikasikan 49 data dari 50 data yang
diuji. Sehingga dengan demikian metode Naive Bayes
ini berhasil memprediksi kinerja karyawan dengan
persentase keakuratan sebesar 98 %.
[1] Angga Ginanjar Mabrur, Riani Lubis, (2012). Penerapan
Data Mining untuk Memprediksi Kriteria Nasabah
Kredit, Jurnal Komputer dan Informatika (KOMPUTA)
Edisi 1, Vol. 1, Maret 2012..
[2] Surbekti Mujiasih, (2011). Pemanfaatan Data Mining
Untuk Prakiraan Cuaca, Jurnal Meteorologi dan
Geofisika, Volume 12, Nomor 2, September 2011.
[3] Agushinta, D., Irfan, M. (2008), Perancangan Aplikasi
Data Mining Untuk Memprediksi Permintaan Customer
Pada Perusahaan Persewaan Mobil, Prosiding Seminar
Ilmiah Nasional Komputer dan Sistem Intelijen
(KOMMIT 2008), Depok, Universitas Gunadarma, 207208
[4] Syamsi, I. Pengambilan Keputusan dan Sistem
Informasi. Jakarta: Penerbit PT Bumi Aksara, 2000.
[5] Kristanto, A. Perancangan Sistem
Informasi dan
Aplikasinya. Yogyakarta: Penerbit Gaya Media, 2003.
[6] Mujib Ridwan, dkk, (2013), Penerapan Data Mining
untuk Evaluasi Kinerja Akademik Mahasiswa
Menggunakan Algoritma Naive Bayes Classifier, Jurnal
EECCIS Vol. 7, No. 1, Juni 2013.
[9] Halid. Pemanfaatan Sistim Informasi Manajemen
Kepegawaian Sebagai Dasar Pengambilan Keputusan
di Dinas Kesehatan Propinsi Bengkulu. Thesis.
Yogyakarta: Pasca Sarjana UGM, 2005.