Artikel Ilmiah - repository.uksw.edu€¦ · Undang-Undang Republik Indonesia Nomor 13 Tahun 2003...

Rekomendasi Pencari Kerja dan Pekerjaan Terbaik

Pada Sistem Informasi Lowongan Kerja

Menggunakan Metode Weighted Product (WP)

Artikel Ilmiah

Diajukan kepada

Fakultas Teknologi Informasi

untuk memperoleh Gelar Sarjana Komputer

Peneliti:

Tangguh Yoga Pratama (672011193)

Magdalena A. Ineke Pakereng, M.Kom.

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

November 2016

1

1. Pendahuluan

Undang-Undang Republik Indonesia Nomor 13 Tahun 2003 Tentang

Ketenagakerjaan Pasal 1 Butir 2 dan 4 menjelaskan tentang pengertian tenaga

kerja dan pemberi kerja. Tenaga kerja adalah setiap orang yang mampu

melakukan pekerjaan guna menghasilkan barang dan/atau jasa baik untuk

memenuhi kebutuhan sendiri maupun untuk masyarakat. Pemberi kerja adalah

orang perseorangan, pengusaha, badan hukum, atau badan-badan lainnya yang

mempekerjakan tenaga kerja dengan membayar upah atau imbalan dalam bentuk

lain.

Setiap orang membutuhkan pekerjaan dengan tujuan mencari penghasilan

demi mempertahankan kelangsungan hidup, dan setiap para pemberi kerja

membutuhkan tenaga kerja demi kelangsungan usaha yang dibangunnya. Setiap

pelamar kerja yang diterima pasti telah memenuhi persyaratan umum yang

biasanya dibuat oleh sebuah perusahaan. Persyaratan umum dalam proses

penerimaan karyawan atau pegawai meliputi faktor tingkat pendidikan atau

bidang studi pendidikan yang dijalani oleh pelamar apakah cocok dengan posisi

yang dicari oleh perusahaan, faktor usia, faktor pengalaman kerja, serta besaran

gaji yang diharapkan. Sebagai pemberi kerja biasanya memperhatikan faktor-

faktor seperti usia, pengalaman kerja, tingkat pendidikan, dan gaji yang

diharapkan dari pelamar kerja sebagai pertimbangan untuk diterima sebagai

tenaga kerja.

Seorang pelamar kerja berharap mendapatkan pekerjaan yang sesuai dengan

minat dan penghasilan yang diharapkan, dan sebagai seorang pemberi kerja

mengharapkan mendapatkan calon tenaga kerja yang memiliki kompetensi serta

keunggulan untuk posisi yang ditawarkan. Proses rekomendasi posisi kerja dan

calon tenaga kerja diharapkan dapat membantu pelamar maupun pemberi kerja

dalam menentukan siapa saja yang layak menempati posisi kerja yang dibutuhkan

serta rekomendasi pekerjaan apa saja yang cocok untuk seseorang yang sedang

mencari lowongan pekerjaan. Implementasi metode Weighted Product

yang menggunakan perkalian untuk menghubungkan rating atribut, di mana

rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang

bersangkutan, diharapkan dapat memberikan solusi guna membantu pencari kerja

dan pemberi kerja dalam membuat keputusan penerimaan tenaga kerja baru, serta

rekomendasi pekerjaan yang cocok untuk para pencari kerja.

Berdasarkan latar belakang tersebut, maka dilakukan penelitian yang

berjudul "Rekomendasi Pencari Kerja dan Pekerjaan Terbaik Pada Sistem

Informasi Lowongan Kerja Menggunakan Metode Weighted Product (WP)".

2. Tinjauan Pustaka

Penelitian yang berjudul "Sistem Pendukung Keputusan untuk Penentuan

Calon Pelamar Kerja dan Perusahaan Dengan Menggunakan Metode Simple

Additive Weighting (SAW) Studi Kasus STIKOM Career Center Surabaya"

membahas tentang implementasi metode SAW dalam rekomendasi calon tenaga

2

kerja yang dibutuhkan oleh sebuah perusahaan yang telah menjalin kerja sama

dengan STIKOM Surabaya. Berdasarkan permasalahan tersebut maka dibuatkan

suatu sistem informasi lowongan pekerjaan berbasis web yang memiliki fungsi

sebagai sarana untuk menampung data alumni beserta kompetensi yang

dimilikinya dan data perusahaan beserta lowongan pekerjaan yang ditawarkan.

Data tersebut digunakan dalam proses pencarian calon pelamar kerja yang sesuai

dengan kompetensi alumni dan proses ini juga dapat menghasilkan informasi

mengenai perusahaan yang sesuai dengan kompetensi alumni. Proses pembobotan

tersebut memberikan informasi mengenai data alumni yang sesuai berdasarkan

kompetensi yang diperlukan oleh perusahaan, setelah itu alumni yang

bersangkutan memperoleh email mengenai informasi lowongan pekerjaan

tersebut. Proses rekomendasi ini menghasilkan sebuah informasi berupa siapa saja

alumni yang memenuhi kriteria dan layak menempati posisi lowongan kerja yang

ada pada perusahaan tersebut [1].

Penelitian lain yang berjudul "Sistem Pendukung Keputusan Seleksi

Penerimaan Karyawan Baru", membahas tentang proses pendukung keputusan

penerimaan karyawan baru menggunakan metode AHP. Metode AHP (Analytical

Hierarchy Process) digunakan untuk mengatasi sebuah penyeleksian penerimaan

karyawan. Data diperoleh melalui cara nilai test dan wawancara, yang dibentuk ke

dalam sebuah tabel. Kemudian tabel ditransformasikan ke dalam bentuk matriks.

Matriks yang digunakan yaitu n(n-1)/2. Langkah selanjutnya menghitung matriks

yang dihasilkan dari tabel. Matriks tersebut dibandingkan masing-masing

perbandingan calon karyawan keseluruhan. Tahap terakhir yaitu tahap

ditentukannya titik akhir yang nantinya dijadikan rekomendasi bagi calon

karyawan dengan memanfaatkan ketiga matriks yang dihasilkan pada tahap

sebelumnya. Kesimpulan hasil penelitian yaitu diperoleh tujuan untuk seleksi

penerimaan karyawan baru dengan metode AHP (Analytical Hierarchy Process),

dapat membantu memecahkan kasus penyeleksian penerimaan karyawan baru.

Model penerapan logika dinamis yang diterapkan dalam AHP (Analytical

Hierarchy Process) memiliki keuntungan dimana proses penyeleksian

memberikan hasil yang sangat fleksibel [2].

Penelitian lain yang berjudul "Sistem Pendukung Keputusan Rekrutmen

Karyawan Produksi Menggunakan Metode Weighted Product (WP) Pada PT.

PLOSS Asia Semarang", membahas tentang implementasi metode WP dalam

proses penerimaan karyawan baru. Rekrutmen merupakan proses pencarian dan

penarikan tenaga kerja yang memiliki potensi untuk mengisi lowongan pekerjaan,

tenaga kerja yang berkualitas sangat berpengaruh pada performa kemajuan

perusahaan. Dalam proses pengambilan keputusan penerimaan karyawan produksi

masih dipengaruhi faktor subjektifitas dan perusahaan sering kali mengalami

kesulitan dalam memilih karyawan, karena banyaknya calon karyawan yang

melamar sedangkan yang diterima menjadi karyawan sangat terbatas. Penelitian

ini menggunakan metode WP karena metode WP merupakan salah satu metode

penyelesaian multi kriteria dimana dalam perekrutan karyawan banyak kriteria

yang harus dipertimbangkan. Metode pengembangan sistem pada sistem ini

menggunakan metode waterfall. Bahasa pemograman yang digunakan adalah

Microsoft Visual Basic 6.0 dan MySQL sebagai database server. Hasil penelitian

3

ini diharapkan dapat memberi kemudahan dalam pengambilan keputusan untuk

menentukan karyawan yang sesuai dengan kebutuhan dan kriteria perusahaan [3].

Berbeda dari penelitian sebelumnya yang membahas tentang sistem

pendukung keputusan menggunakan algoritma metode AHP, WP, dan SAW,

penelitian yang dilakukan sekarang adalah dengan menggunakan metode WP

namun dalam implementasi metode WP, rekomendasi keputusan dibuat dalam 2

(dua) sisi yakni dari sisi pelamar kerja dan pemberi kerja. Pelamar kerja

mendapatkan informasi berupa rekomendasi pekerjaan terbaik, dan pemberi kerja

mendapatkan informasi berupa calon tenaga kerja terbaik untuk posisi yang

kosong di perusahaan tersebut.

Konsep Sistem Pendukung Keputusan (SPK) ditandai dengan sistem

interaktif berbasis komputer yang membantu pengambil keputusan memanfaatkan

data dan model untuk menyelesaikan masalah yang tidak terstruktur. Pada

dasarnya SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan

mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan

pendekatan yang digunakan dalam proses pengambilan keputusan, sampai

mengevaluasi pemilihan alternatif [4].

Adapun tujuan dari SPK adalah membantu manajer dalam pengambilan

keputusan atas masalah semi-terstruktur, memberikan dukungan atas

pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi

manajer, meningkatkan efektivitas keputusan yang diambil manajer lebih daripada

perbaikan efisiensinya, kecepatan komputasi yakni komputer memungkinkan para

pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan

biaya yang rendah, peningkatan produktivitas, dukungan kualitas, berdaya saing,

dan mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan [5].

Beberapa keuntungan dalam sistem pendukung keputusan adalah mampu

mendukung pencari solusi dari masalah yang kompleks, respon cepat pada situasi

yang tidak diharapkan dalam kondisi yang berubah-ubah, mampu menerapkan

berbagai strategi pada konfigurasi berbeda secara cepat dan tepat, pandangan dan

pembelajaran baru, memfasilitasi komunikasi, meningkatkan kontrol manajemen

dan kinerja, menghemat biaya, keputusan lebih tepat, meningkatkan efektifitas

manajerial sehingga menjadikan manajer dapat bekerja lebih singkat dengan

sedikit usaha, serta meningkatkan produktivitas analisis [6].

Fuzzy Multiple Attribute Decision Making (FMADM) adalah metode yang

digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan

kriteria tertentu. FMADM menentukan nilai bobot untuk setiap atribut, kemudian

melakukan proses perangkingan dari alternatif yang sudah ada. FMADM

mempunyai tiga pendekatan untuk mencari nilai atribut, yakni secara subyektif,

obyektif, dan integrasi antara subyektif dan obyektif [7].

Weighted Product merupakan salah satu metode dari FMADM yang

digunakan untuk memberikan solusi dalam bentuk perangkingan data. Weighted

Product adalah salah satu model dalam sistem pendukung keputusan yang

menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap

atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang

bersangkutan [8].

4

Secara umum, prosedur metode WP mengikuti langkah-langkah sebagai

berikut [9]: (1) Menentukan kriteria yang digunakan sebagai parameter penilaian;

(2) Melakukan perhitungan nilai relatif bobot awal (wj). Nilai bobot awal (w0)

digunakan untuk menunjukkan tingkat kepentingan relatif dari setiap kriteria.

Nilai bobot awal (w0) dinormalisasi menggunakan Rumus 1 sehingga total nilai

relatif bobot awal wj = 1;

Rumus 1 Rumus Denormalisasi

(3) Melakukan perhitungan nilai preferensi untuk setiap alternatif Ai (vektor S).

Perhitungan nilai preferensi untuk alternatif Ai diawali dengan memberikan nilai

rating kinerja perumahan ke-i terhadap kriteria ke j (xij). Setelah masing-masing

kandidat perumahan diberi nilai rating kinerja, nilai ini dipangkatkan dengan nilai

relatif bobot yang telah dihitung sebelumnya (wj). wj akan bernilai positif untuk

atribut benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Rumus

yang digunakan untuk menghitung nilai preferensi untuk setiap alternatif Ai

(vektor S) adalah Rumus 2;

Rumus 2 Rumus Preferensi

(4) Melakukan perhitungan nilai preferensi relatif dari setiap alternatif

menggunakan Rumus 3;

Rumus 3 Rumus Total Preferensi

(5) Perhitungan nilai preferensi untuk alternatif Ai dilakukan dengan membagi

nilai vektor S pada perumahan ke-i dan kriteria ke-j.

5

3. Metode dan Perancangan Sistem

Tahapan penelitian yang dilakukan dalam menyelesaikan penelitian ini,

terbagi ke dalam 4 (empat) tahapan, yaitu: (1) tahap identifikasi masalah, (2)

tahap perancangan sistem, (3) tahap implementasi sistem, dan (4) tahap pengujian

sistem, seperti ditunjukkan dalam bentuk diagram pada Gambar 1.

Gambar 1 Tahapan Penelitian

Tahapan penelitian pada Gambar 1, dijelaskan sebagai berikut. Langkah

pertama dalam tahapan penelitian adalah identifikasi masalah. Pada Tahap

identifikasi masalah dilakukan analisis kebutuhan sistem yang dibutuhkan sebagai

persyaratan penerimaan tenaga kerja baru, dan rekomendasi pekerjaan terbaik

bagi seorang pencari kerja dan pemberi kerja. Langkah kedua adalah perancangan

sistem. Pada tahap ini dilakukan proses perancangan sistem menggunakan UML

seperti use case diagram, activity diagram, dan class diagram. Pada tahap ini juga

dilakukan perancangan metode WP dalam proses rekomendasi, dan perancangan

database yang dibutuhkan pada sistem. Langkah ketiga adalah implementasi

sistem. Tahap ini merupakan pengembangan lebih lanjut dari tahap perancangan

sistem. Pada tahap ini dilakukan proses pembangunan sistem atau aplikasi

berdasarkan rancangan yang telah dibuat. Langkah keempat adalah pengujian

sistem. Pada Tahap ini dilakukan pengujian sistem apakah sistem sudah berjalan

sesuai dengan tujuan yang ditetapkan sebelumnya.

Use case diagram menggambarkan fungsionalitas yang diharapkan dari

sebuah sistem yang menjelaskan keseluruhan kerja sistem secara garis besar

dengan merepresentasikan interaksi antara actor dengan sistem yang dibuat serta

memberikan gambaran fungsi-fungsi (nilai balik) yang diberikan sistem kepada

pengguna (user) [10]. Use case diagram sistem ditunjukkan pada Gambar 2.

6

Gambar 2 Use Case Diagram Sistem

Gambar 2 menunjukkan use case diagram pada sistem, dijelaskan sebagai

berikut. Terdapat tiga user pada sistem yakni admin, pencari kerja, dan pemberi

kerja. Admin adalah orang yang bertugas untuk mengatur proses penilaian dan

rekomendasi serta mengatur data kriteria penilaian yang dibutuhkan oleh sistem.

Pencari kerja adalah user yang mendaftarkan diri ke sistem dan kemudian mengisi

biodata yang digunakan untuk proses rekomendasi kerja. Pemberi kerja adalah

perusahaan yang bertugas untuk memasukkan informasi lowongan kerja di

tempatnya. Informasi ini kemudian diproses oleh pencari kerja dan hasil pegisian

lamaran dari pencari kerja kemudian diproses untuk menghasilkan siapa saja

pencari kerja yang terbaik untuk posisi yang bersangkutan.

Class diagram merupakan diagram yang memvisualisasi struktur kelas-kelas

dari suatu sistem. Class diagram memperlihatkan hubungan antar kelas dan

penjelasan detail tiap-tiap kelas [10].

Biodata Pelamar Biodata PerusahaanUser Login

Kriteria

Proses Pengajuan Lamaran Kerja Proses Loker

Edit

Tambah

Lihat

Pencari Kerja Pemberi Kerja

Admin

Proses Data

Hapus

<<extend>>

<<extend>> <<extend>>

<<extend>>

7

Gambar 3 Class Digram Sistem

Gambar 3 merupakan class diagram yang digunakan oleh sistem. Derajat

relasi antar kelas menggunakan derajat relasi one to one dan one to many. One to

one digunakan untuk kelas pelamar yang berelasi dengan kelas login dimana satu

pelamar hanya memiliki satu username dan password. Selain itu kelas perusahaan

juga berelasi one to one dengan kelas login dimana satu perusahaan hanya

memiliki satu username dan password untuk masuk ke sistem. Contoh derajat

relasi one to many adalah pada kelas pelamar dan kelas lamaran dimana satu

pelamar bisa mengajukan lebih dari satu surat lamaran kerja. Detail relasi one to

many dapat dilihat pada Gambar 3.

4. Pembahasan dan Hasil Pengujian

Tahapan perancangan WP diawali dengan penentuan kriteria penilaian yang

digunakan untuk proses penilaian data lamaran sehingga dapat menghasilkan

informasi berupa pekerjaan terbaik maupun pekerja terbaik. Kriteria dibagi atas

dua bagian yakni kriteria pekerja terbaik dan kriteria pekerjaan terbaik. Kriteria

pekerja terbaik yang digunakan dapat dilihat pada Tabel 1.

Tabel 1 Kriteria Pekerja Terbaik

No Kriteria Bobot Kriteria Deskripsi

1 IPK 4 Apabila IPK berada di atas range yang

ditentukan maka nilai untuk pelamar

tersebut adalah 5, apabila IPK sama

dengan yang diminta maka nilai nya

8

adalah 3, dan apabila IPK berada di

bawah standar yang diminta maka

nilainya adalah 1.

2 Usia 3 Apabila usia berada di atas range yang


tersebut adalah 1, apabila usia sama


adalah 5, dan apabila usia berada di


nilainya adalah 3.

3 Pengalaman

Kerja

5 Apabila pengalaman kerja berada di

atas range yang ditentukan maka nilai

untuk pelamar tersebut adalah 5,

apabila pengalaman kerja sama


adalah 3, dan apabila pengalam kerja

berada di bawah standar yang diminta

maka nilainya adalah 1.

4 Gaji 3 Apabila gaji berada di atas range yang


tersebut adalah 1, apabila gaji sama


adalah 5, dan apabila gaji berada di


nilainya adalah 3.

5 Pendidikan 5 Apabila pendidikan sama dengan yang

diminta maka nilainya 5 dan apabila

tidak sama maka nilainya 3.

Tabel 1 merupakan tabel kriteria penilaian yang digunakan untuk

mendapatkan pekerja terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang

dicari oleh sebuah perusahaan adalah seseorang yang mempunyai IPK di atas

standar, usia yang sesuai dengan yang diminta, pengalaman kerja yang berada di

atas standar, gaji yang sesuai standar, dan tingkat pendidikan yang sama dengan

yang diminta. Selain kriteria untuk pekerja terbaik maka selanjutnya menentukan

kriteria untuk pekerjaan terbaik. Kriteria pekerjan terbaik dapat dilihat pada Tabel

2. Tabel 2 Kriteria Pekerjaan Terbaik

No Kriteria Bobot Kriteria Deskripsi

1 IPK 4 Apabila IPK berada di atas range yang


tersebut adalah 1, apabila IPK sama


adalah 3, dan apabila IPK berada di


9

nilainya adalah 5.

2 Usia 3 Apabila usia berada di atas range yang


tersebut adalah 1, apabila usia sama


adalah 5, dan apabila usia berada di


nilainya adalah 3.

3 Pengalaman

Kerja

5 Apabila pengalaman kerja berada di

atas range yang ditentukan maka nilai

untuk pelamar tersebut adalah 1,

apabila pengalaman kerja sama


adalah 3, dan apabila pengalam kerja

berada di bawah standar yang diminta

maka nilainya adalah 5.

4 Gaji 3 Apabila gaji berada di atas range yang


tersebut adalah 3, apabila gaji sama


adalah 5, dan apabila gaji berada di


nilainya adalah 1.

5 Pendidikan 5 Apabila pendidikan sama dengan yang

diminta maka nilainya 5 dan apabila

tidak sama maka nilainya 3.

Tabel 2 merupakan tabel kriteria penilaian yang digunakan untuk

mendapatkan pekerjaan terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang

dicari oleh seorang pencari kerja adalah ipk yang sama atau di bawah standar, gaji

yang sesuai dengan yang diharapkan atau diatasnya, pengalaman kerja di bawah

standar perusahaan, batasan usia yang di bawah standar perusahaan, dan tingkat

pendidikan yang sama dengan yang diminta oleh perusahaan.

Pada Tabel 1 dan Tabel 2 terlihat kolom kriteria. Nilai pada kolom kriteria

merupakan tingkat kepentingan yang digunakan pada sistem. Tingkat kepentingan

menggunakan angka 1-5 dimana 1 melambangkan tidak penting, 2 melambangkan

tidak terlalu penting, 3 melambangkan cukup penting, 4 melambangkan penting

dan 5 melambangkan sangat penting. Setelah menentukan kriteria beserta

bobotnya maka langkah selanjutnya dalam proses WP adalah melakukan

perhitungan nilai relatif bobot awal seperti yang terlihat pada Tabel 3.

Tabel 3 Perhitungan Nilai Relatif Bobot

Kriteria Bobot Nilai Relatif

IPK 4 4 / 20 = 0.2

Usia 3 3 / 20 = 0.15

10

Pengalaman Kerja 5 5 / 20 = 0.25

Gaji 3 3 / 20 = 0.15

Pendidikan 5 5 / 20 = 0.25

Langkah selanjutnya adalah menentukan perhitungan nilai preferensi untuk

setiap alternatif Ai (vektor S). Perhitungan vektor S dilakukan menggunakan

Rumus 2. Namun sebelum menghitung nilai referensi maka dibutuhkan data awal

untuk proses perhitungan WP. Data awal yang dibutuhkan dapat dilihat pada

Tabel 4.

Tabel 4 Data Awal

Pelamar IPK Usia Pendidikan Gaji

(000)

Pengalaman

Kerja (thn)

Pekerjaan

P001 2.75 22 Akuntansi 3000 2 Mgnt.

Trainer

P002 3.00 23 IT 2500 0 Mgnt.

Trainer

P003 3.40 21 Akuntansi 3500 4 Mgnt.

Trainer

P004 2.25 22 Management 2500 3 Mgnt.

Trainer

P005 3.50 25 Elektro 3000 1 Mgnt.

Trainer

P001 2.75 22 Akuntansi 3000 2 Bank

Officer

P002 3.00 23 IT 2500 0 Bank

Officer

P003 3.40 21 Akuntansi 3500 4 Bank

Officer

P004 2.25 22 Management 2500 3 Bank

Officer

P005 3.50 25 Elektro 3000 1 Bank

Officer

Pada Tabel 4 terlihat data awal yang dibutuhkan pada aplikasi. Terdapat 5

orang calon pelamar dengan posisi pekerjaan sebagai Management Trainer dan

Bank Officer. Setiap posisi kerja mempunyai persyaratan seperti yang terlihat

pada Tabel 5.

11

Tabel 5 Persyaratan Lamaran

Pekerjaan IPK Usia Pendidikan Gaji

(000)

Pengalaman

Kerja (thn)

Mgnt. Trainer 2.75 22 Akuntansi, IT, Management 2750 1

Bank Officer 3.00 21 IT, Elektro, Akuntansi 2750 1

Data awal pada aplikasi harus diubah menjadi bentuk angka 1-5 sesuai

dengan deskripsi penilaian setiap kriteria yang telah ditentukan sebelumnya.

Contoh berikut merupakan rekomendasi pekerjaan terbaik untuk pelamar dengan

kode P001. Data awal yang telah diubah sesuai deskripsi untuk pelamar dengan

kode P001 dapat dilihat pada Tabel 6.

Tabel 6 Penilaian Data Pelamar P001


(000)

Pengalaman

Kerja (thn)

Pekerjaan

P001 3 5 5 1 1 Mgnt.

Trainer

P001 1 1 5 1 1 Bank

Officer

Langkah selanjutnya menghitung nilai vektor S untuk masing-masing

kriteria pada setiap pekerjaan dari pelamar P0001 untuk menghasilkan

rekomendasi pekerjaan terbaik.Hasil perhitungan nilai vektor dapat dilihat pada

Tabel 7.

Tabel 7 Perhitungan Nilai Vektor S Pelamar P001


(000)

Pengalaman

Kerja (thn)

0.2 0.15 0.25 0.15 0.25

Mgnt. Trainer 1.246 1.273 1.495 1 1

Bank Officer 1 1 1.495 1 1

Total 2.246 2.273 2.99 2 2

Langkah terakhir adalah menentukan nilai vektor V dengan cara membagi

nilai vektor S pada sebuah alternatif dengan nilai total vektor S pada alternatif

yang bersangkutan. Hasil perhitungan vektor V dapat dilihat pada Tabel 8.

12

Tabel 8 Perhitungan Nilai Vektor V Pelamar P001


(000)

Pengalaman

Kerja (thn)

Total

Mgnt. Trainer 0.554764 0.560052 0.5 0.5 0.5 2.614816

Bank Officer 0.445235 0.439947 0.5 0.5 0.5 2.385182

Pada Tabel 8 terlihat bahwa Bank Officer merupakan rekomendasi pekerjaan

terbaik untuk pelamar P001 karena memiliki hasil akhir perhitungan yang lebih

tinggi dari Mgnt. Trainer.

Gambar 4Aplikasi Rekomendasi Pekerjaan Terbaik

Gambar 4 merupakan tampilan sistem untuk rekomendasi pekerjaan terbaik.

User hanya memasukkan NoKTP yang sudah dimasukkan sebelumnya pada

biodata pelamar, kemudian proses perhitungan dimulai dengan mencocokkan

semua data pelamar dengan data loker yang sudah terekam pada system. Hasil

perhitungan berupa rekomendasi pekerjaan terbaik dari semua loker yang

dilampirkan oleh pelamar.

Selain merekomendasikan pekerjaan terbaik, sistem juga merekomendasikan

pekerja terbaik untuk sebuah posisi. Langkah awal rekomendasi dimulai sama

seperti proses mencari pekerjaan terbaik yakni membuat data awal dalam bentuk

deskripsi seperti yang terlihat pada Tabel 9.

Tabel 9 Penilaian Data Pekerjaan Mgnt. Trainer


Pengalaman Pekerjaan

P001 3 5 5 1 1 Mgnt. Trainer



13



Tabel 9 merupakan tabel data pelamar pada posisi Mgnt. Trainer yang

sudah diubah ke dalam bentuk deskripsi. Setelah menentukan nilai deskripsi maka

selanjutnya menentukan nilai vektor S dan vektor V untuk menentukan pekerja

terbaik. Hasil perhitungan nilai vektor S untuk posisi Mgnt. Trainer dapat dilihat

pada Tabel 10.

Tabel 10 Perhitungan Nilai Vektor S Posisi Mgnt. Trainer


(000)

Pengalaman

Kerja (thn)

0.2 0.15 0.25 0.15 0.25

P001 1.246 1.273 1.495 1 1

P002 1.380 1 1.495 1.179 1.495

P003 1.380 1.179 1.495 1 1.1

P004 1 1.273 1.495 1.179 1

P005 1.380 1 1.316 1 1.316

Total 6.386 5.725 7.296 5.358 5.811

Langkah terakhir adalah menentukan nilai vektor V untuk mencari pekerja

terbaik pada posisi Mgnt. Trainer seperti yang terlihat pada Tabel 11.

Tabel 11 Perhitungan Nilai Vektor V Posisi Mgnt. Trainer


(000)

Pengalaman

Kerja (thn)

Total

P001 0.195114 0.222358 0.204913 0.186636 0.172087 0.981101

P002 0.216097 0.174672 0.204913 0.220044 0.257270 1.072989

P003 0.216097 0.205938 0.204913 0.186636 0.172087 0.985664

P004 0.156592 0.222358 0.204913 0.220044 0.172087 0.975987

P005 0.216097 0.174672 0.180347 0.186636 0.19348 0.984244

Pada Tabel 11 terlihat bahwa dari hasil perhitungan akhir maka pelamar

dengan kode P002 mempunyai nilai tertinggi sehingga direkomendasikan sebagai

pekerja terbaik untuk mengisi posisi Mgnt. Trainer.

14

Gambar 5Aplikasi Rekomendasi Pekerja Terbaik

Gambar 5 merupakan tampilan sistem untuk rekomendasi pekerja terbaik.

Pekerja terbaik direkomendasikan berdasarkan semua lamaran yang masuk pada

loker tersebut. Kemudian setiap pelamar akan dicocokkan identitasnya dengan

persyaratan pada loker yang dibuka. Hasil akhir dari perhitungan adalah

rekomendasi pekerja terbaik untuk loker yang bersangkutan.

Hasil akhir dari penggunaan metode WP didapat dengan mencari nilai

vektor S dan V. Implementasi vektor S dapat dilihat pada Kode Program 1.

Kode Program 1 Koding Vektor S

Kode Program 1 merupakan implementasi perintah SQL untuk

menghasilkan nilai Vektor S. Nilai vektor ditentukan dengan menghitung data

penilaian setiap kriteria kemudian dipangkatkan dengan nilai bobot dibagi total

bobot seperti yang terlihat pada baris ke-1 sampai dengan baris ke-4.Setelah

menentukan nilai vektor S, maka langkah terakhir adalah menentukan nilai vektor

V. Implementasi nilai vektor V dapat dilihat pada Kode Program 2.

Kode Program 2 Koding Vektor V

Kode Program 2 merupakan perintah SQL yang digunakan untuk

menghitung nilai vektor V. Nilai vektor V atau nilai akhir didapatkan dengan cara

menjumlahkan nilai vektor S pada setiap kriteria penilaian seperti yang terlihat

pada baris perintah ke-1 dan ke-2.

1. select idkriteria, SUM(cast(VektorS as decimal(18,3))) vektor_V from vw_vector_S

2. group by idkriteria

1. SELECT A.IDLoker,A.NoKTP,A.IDKriteria,A.Nilai ,B.RelatifBobot

2. ,power(cast(a.nilai as decimal(18,3)) ,cast(B.RelatifBobot as decimal(18,3))) VektorS

3. FROM Tbl_Penilaian A JOIN vw_realtif_bobot B

4. on A.IDKRITERIA = B.IDKRITERIA

15

Pengujian Sistem menggunakan data pelamar kerja yang digunakan pada

Job Fair yang dilakukan pada Universitas Kristen Satya Wacana. Hasil pengujian

sistem yang telah dibuat, ditunjukkan pada Tabel 12.

Tabel 12 Hasil Testing untukProses Output

No Nama Pelamar Fakultas Posisi Keterangan

Hasil

Sistem

1 Kresna Budiharto Fak. Ekonomi Fungsional Diterima Diterima

2 Paulus Sanjaya Fak. Ekonomi Fungsional Ditolak Diterima

3 Siti Suwarsi

D3 Komputer

Akt Fungsional Ditolak Ditolak

4 Larasati H

Sistem

Informasi Fungsional Diterima Diterima

5 Putri Tiara M

D3 Komputer


6 Rangga Mahendra

D3 Komputer


7

Indra Putra

Prasetyo

Sistem

Informasi Fungsional Ditolak Ditolak

8 Lisa M Fak. Ekonomi Fungsional Ditolak Ditolak

9 Herlinda Anandita Fak. Ekonomi Fungsional Ditolak Ditolak

10 Rosmawati Susanti

Sistem

Informasi Fungsional Ditolak Diterima

11 Nicholaus K Fak. Ekonomi Fungsional Ditolak Ditolak

12 Rahmawati Fak. Ekonomi Fungsional Ditolak Diterima

13 Sri Listanti Fak. Ekonomi Fungsional Ditolak Ditolak

14 Danar Yoga

Teknik

Informatika Fungsional Diterima Diterima

15 Kristien Manulang

Sistem

Informasi Fungsional Ditolak Ditolak

Jumlah kecocokan sistem manual dan aplikasi 12

Data pelamar yang digunakan adalah data pelamaran pada sebuah

perusahaan swasta yang membuka lowongan untuk posisi fungsional. Hasil yang

ditampilkan adalah rekomendasi untuk pekerjaan yang memenuhi persyaratan

berdasarkan perhitungan metode WP.

Berdasarkan hasil pengujian menggunakan data yang ada bahwa terlihat dari

15 kandidat yang memenuhi persyaratan yang dilakukan oleh perusahaan adalah 3

orang sedangkan pada sistem terlihat pelamar yang memenuhi persyaratan adalah

6 orang sehingga presentasi kecocokan antara aplikasi dan perusahaan adalah 12 /

15 * 100 % = 80%.

16

5. Simpulan

Berdasarkan pembahasan, pengujian, dan analisis sistem, maka dapat

diambil kesimpulan bahwa metode Weighted Product pada sistem informasi

lowongan kerja dapat memberikan rekomendasi pekerjaan dan pekerja sesuai

dengan yang diharapkan dan berdasarkan hasil akhir dari perhitungan WP.

Saran pengembangan aplikasi ke depan adalah aplikasi dapat dibuat berbasis

web sehingga dapat mempermudah pencari kerja dan perusahaan dalam

melakukan proses lowongan kerja.

6. Daftar Pustaka

[1] Hosama, Novita., 2012, Sistem Pendukung Keputusan Untuk Penentuan

Calon Pelamar Kerja dan Perusahaan dengan Menggunakan Metode Simple

Weighting Additove Studi Kasus STIKOM Career Center (SCC) Surabaya,

STIKOM, Surabaya.

[2] Istikhomah, 2016, Sistem Pendukung Keputusan Seleksi Penerimaan

Karyawan Baru, Universitas Nusantara PGRI, Kediri.

[3] Ardi, Kusumaning., 2013, Sistem Pendukung Keputusan Rekrument

Karyawan Produksi Menggunakan Metode Weighted Product Pada PT.

PLOSS Asia Semarang, Universitas Dian Nuswantoro, Semarang.

[4] Hasan, I., 2002, Pokok-Pokok Materi Teori Pengambilan Keputusan, Jakarta

: Ghalia Indonesia.

[5] Turban, E., dkk., 2005, Decision Support Systems and Intelligent Systems.

Yogyakarta : Penerbit Andi.

[6] Subakti, Irfan., 2002, "Sistem Pendukung Keputusan (Decision Support

System)", Institute Teknologi Sepuluh November, Surabaya.

[7] Gerdon, 2012, Sistem Pendukung Keputusan Untuk Menentukan

Penerimaan Beasiswa Bagi Mahasiswa, STMIK Amikom, Yogyakarta.

[8] Kusumadewi, S., Hartati, S., Harjoko A., Wardoyo R., 2006, Fuzzy Multi

Attribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta.

[9] Savitha, K., Chandrasekar, C., 2011, Vertical Handover decision schemes

using SAW and WPM for Network selection in Heterogeneous Wireless

Networks, Global Journal of Computer Science and Technology Volume 11,

Global Journals Inc. (USA).

[10] Nugroho, Adi., 2010, Mengembangkan Aplikasi Basis Data Menggunakan

C# + SQL Server, Yogyakarta : Penerbit Andi Offset.

Artikel Ilmiah - repository.uksw.edu€¦ · Undang-Undang Republik Indonesia Nomor 13 Tahun 2003...

Documents

Transcript of Artikel Ilmiah - repository.uksw.edu€¦ · Undang-Undang Republik Indonesia Nomor 13 Tahun 2003...