RANCANG BANGUN APLIKASI UNTUK MENGKLASIFIKASIKAN...

Seminar Nasional APTIKOM (SEMNASTIKOM), FaveHotel Jayapura, 3 November 2017

RANCANG BANGUN APLIKASI UNTUK MENGKLASIFIKASIKAN PELAMAR PEKERJAAN MENGGUNAKAN METODE NAIVE BAYES

Lely Prananingrum1, Ana Kurniawati2, Andrea Adam3

Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Gunadarma, Jl Margonda Raya 100, Depok

[email protected],2 [email protected],3 [email protected]

Abstrak

Masyarakat Ekonomi ASEAN (MEA) telah mulai tahun 2016 dengan memperlakukan di kawasan ASEAN termasuk di Indonesia yang akan menjadi wilayah kesatuan pasar dan basis pruduksi yang membuat terbukanya lapangan pekerjaan baru di kawasan ASEAN. Beberapa kendala yang dialami oleh pencari pekerjaan yang menggunakan media koran atau majalah, sosial media, media lisan (broadcast, chat, atau pesan singkat dari teman), dan media iklan melalui internet dalam mencari lowongan pekerjaan adalah jarak dan waktu pengiriman berkas lamaran kepada perusahaan yang membuka lowongan pekerjaan tersebut serta susahnya mencari lowongan pekerjaan yang sesuai dengan kemampuan yang dipunyai oleh pencari pekerjaan. Pada perusahaan juga mengalami kendala yaitu penseleksian pencari pekerjaan yang sesuai dengan kriteria yang diinginkan oleh perusahaan penyedia lowongan pekerjaan. Aplikasi ini bertujuan untuk mengklasifikasikan pelamar pekerjaan menggunakan metode naive bayes yang dapat mempermudah dan mempercepat dalam pencarian pekerjaan atau pelamar pekerjaan. Dan juga perusahaan dapat mengirim email dari sistem kepada pelamar yang dipilih ataupun tidak dipilih. Berdasarkan hasil uji coba dengan metode black box testing, diperoleh hasil yang sesuai harapan dimana fungsi berjalan dengan baik dan sempurna. Aplikasi penyedia lowongan pekerjaan ini menggunakan framework laravel dengan menggunakan bahasa pemrograman PHP, HTML, CSS, dan Javascript. Kata kunci : Aplikasi, Klasifikasi, Naive Bayes, Framework Laravel 1. Pendahuluan

Masyarakat Ekonomi ASEAN (MEA) adalah sebuah bentuk kerjasama antar anggota ASEAN yang terdiri dari Indonesia, Singapura, Malaysia, Brunei, Filipina, Kamboja, Laos, Myanmar, Thailand, dan Vietnam. Karena adanya Masyarakat Ekonomi ASEAN (MEA), Negara – Negara di ASEAN akan menjadi wilayah kesatuan pasar dan basis produksi yang membuat akan terbukanya lapangan pekerjaan baru di kawasan ASEAN.

Dengan adanya lapangan pekerjaan baru akan membuat banyak pencari pekerjaan yang sangat antusias ingin melamar ke suatu lowongan pekerjaan. Pencari pekerjaan dapat menggunakan media koran/majalah, sosial media, media lisan (broadcast, chat, atau pesan singkat dari teman), dan media iklan melalui internet untuk mencari suatu lowongan pekerjaan sedang dibuka. Akan tetapi, pencari pekerjaan mendapat kendala untuk melamar pekerjaan di suatu perusahaan.

Kendala yang dialami oleh pencari pekerjaan adalah susahnya mencari lowongan pekerjaan yang sesuai dengan kemampuan yang dipunyai oleh pencari pekerjaan. Tidak hanya pencari pekerjaan yang mengalami kendala, pada sisi perusahaan juga mengalami kendala yaitu penseleksian pencari pekerjaan yang sesuai dengan kriteria yang

diinginkan oleh perusahaan penyedia lowongan pekerjaan.

Bidang utama keahlian ilmu komputer dan teknologi infromasi yang berdasarkan Standar Kompetensi Kerja Nasional Indonesia (SKKNI) yaitu : Enterprise Architecture Design, Operator Komputer, Computer Teknical Support, Multimedia, Kehumasan, Teknisi Satelit, Desain Grafis, Manajemen Layanan Teknologi Informasi, Programmer Komputer, Teknisi Instalasi Fiber Optik, Jaringan Seluler, Produser TV, Video Editing, Artistik Film, Operator Kamera, Pengelolaan Pusat Data, Auditor TI, Keamanan Informasi, Network And System Administration, dan ICT Project Management. Dari bidang utama keahlian diatas, dibatasi dengan 304 data training. Pada aplikasi ini akan dapat mengklasifikasikan pencari pekerjaan berdasarkan jenis kelamin, usia, pendidikan terakhir, IPK, pengalaman kerja, dan kemampuan dengan menggunakan metode naive bayes. Aplikasi ini juga akan dapat digunakan dengan melalui browser pada perangkat komputer dan smartphone. Aplikasi ini akan memiliki fitur penyimpanan data pencari pekerjaan dan data perusahaan yang akan membuka lowongan pekerjaan serta fitur penyimpanan daftar lowongan pekerjaan dan tidak lupa fitur untuk mengirim email kepada pelamar

88


pekerjaan yang telah terpilih sesuai dengan kriteria yang diinginkan perusahaan yang menyediakan lowongan pekerjaan. Tujuan dari penelitian ini adalah untuk mengklasifikasikan pelamar pekerjaan menggunakan metode naive bayes yang dapat mempermudah dan mempercepat dalam pencarian pekerjaan atau pelamar pekerjaan. Aplikasi ini juga diharapkan dapat dijadikan wadah untuk pencari pekerjaan dan perusahaan yang membuka lowongan pekerjaan. Pada tahap pengujian aplikasi dengan menggunakan metode blackbox testing.

2. Analisa Dan Perancangan

Pada tahap Analisa dan perancangan yang dilakukan adalah:

2.1 Identifikasi Masalah Pada saat ini, bagi para pencari pekerjaan dapat mencari lowongan pekerjaan melalui berbagai media. Media yang digunakan oleh pencari pekerjaan adalah koran atau majalah, sosial media, iklan yang berasal dari internet, dan melalui lisan seperti broadcast, chat, atau pesan singkat dari teman. Pada media tersebut terjadi kendala yang dialami oleh pencari pekerjaan yaitu jarak dan waktu yang diperlukan untuk mengirim berkas lamaran kepada perusahaan yang menyediakan lowongan pekerjaan. 2.2 Analisa Data Pencari Pekerjaan memiliki data seperti data diri, data riwayat pendidikan, data riwayat organisasi, dan data riwayat pekerjaan. Data dari pencari pekerjaan tersebut akan menjadi sebuah informasi yang berupa curriculum vitae. Didalam data diri terdapat data mengenai kemampuan yang dipunyai. Data kemampuan yang ada dipenelitian ini, berdasarkan Standar Kompetensi Kerja Nasional Indonesia (SKKNI). Data SKKNI dapat diunduh di website Badan Nasional Sertifikasi Profesi (BNSP). 2.3 Perancangan Aplikasi Pada perancangan aplikasi, menggunakan use case diagram, class diagram, perancangan tabel, dan perancangan tampilan.

2.3.1 Use Case Diagram Use case diagram yang difungsikan untuk memberitahukan interkasi antara para aktor dengan sistem dimana aktor disini ada 3 yaitu aktor sebagai user yang belum masuk, aktor sebagai pencari kerja dan aktor sebagai perusahaan. Sebelum aktor sebagai pencari kerja dan aktor sebagai perusahaan menggunakan aplikasi ini, terlebih dahulu aktor tersebut harus masuk atau login dan jika belum mempunyai akun dapat melakukan membuat akun di buat akun.

Pada lihat cv, pencari kerja dan perusahaan dapat melihat isi yang hampir sama. Perbedaannya ada pada dapat dirubah-ubahnya data jika aktor sebagai pencari kerja. Pada lihat cv, didalamnya ada riwayat pendidikan, riwayat organisasi, dan riwayat pekerjaan. Untuk aktor sebagai pencari kerja dapat merubah-ubah data pada riwayat pendidikan, riwayat organisasi, dan riwayat pekerjaan. Sedangkan untuk aktor sebagai perusahaan tidak dapat merubah-ubah data, hanya dapat melihat saja. Pada daftar loker hanya bisa dilakukan oleh aktor sebagai pencari kerja dan untuk batal daftar loker dapat dilakukan jika aktor sebagai pencari kerja melakukan daftar loker terlebih dahulu. Pada lihat loker, aktor sebagai pencari kerja dan aktor sebagai perusahaan mendapatkan tampilan yang sama. Pada aktor sebagai perusahaan dapat melakukan tambah loker, rubah loker, hapus loker, dan melihat daftar pelamar. Pada daftar pelamar, aktor sebagai perusahaan dapat memilih pelamar pekerjaan yang sesuai dengan kriteria dan aktor sebagai perusahaan akan mendapat rekomendasi dari sistem mengenai pelamar pekerjaan yang dapat dipilih atau tidak dipilih. Untuk Use Case Diagram dapat dilihat pada gambar 3.1.

Gambar 3.1 Use Case Diagram

2.3.2 Activity Diagram Penggunakan activity diagram yang difungsikan untuk memberitahukan interkasi antara user dengan aplikasi. User yang berada di activity diagram dibagi menjadi 3 yaitu user yang belum masuk atau login, pencari kerja, dan perusahaan. Pada interaksi pertama user belum masuk dengan aplikasi adalah mengakses aplikasi. Saat user belum masuk mengakses aplikasi maka aplikasi akan menampilkan halaman beranda yang kemudian user dapat memilih kembali menu lainnya seperti menu bantuan, menu tentang, menu kontak, menu buat akun sebagai pencari kerja, menu buat akun sebagi perusahaan, dan menu masuk.

89


Pada saat memilih menu buat akun sebagai pencari kerja atau menu buat akun sebagai perusahaan maka aplikasi akan menampilkan halaman buat akun sebagai pencari kerja yang berisi form untuk diisi. Setelah form diisi oleh user maka aplikasi akan menyimpan data tersebut dan menampilkan halaman masuk. Pada halaman masuk, user akan diminta email dan password untuk diisi pada form yang telah disediakan. Kemudian, aplikasi akan mengecek akun berdasarkan email dan password. Untuk Activity Diagram Untuk User Belum Masuk dapat dilihat pada gambar 3.2.

Gambar 3.2 Activity Diagram Untuk User Belum Masuk

Pada interaksi pencari kerja (personal) dengan aplikasi dilakukan setelah masuk. Jika berhasil masuk aplikasi akan menampilkan halaman beranda akun dan jika gagal maka aplikasi akan menampilkan halaman masuk. Pada saat telah masuk pencari kerja dapat memilih menu curriculum vitae atau memilih menu lowongan pekerjaan. Setelah mendaftar ke suatu lowongan pekerjaan, maka aplikasi akan menyimpan data dan menampilkan halaman lowongan pekerjaan kembali. Untuk Activity Diagram Untuk Pencari Kerja dapat dilihat pada gambar 3.3.

Gambar 3.3 Activity Diagram Untuk Pencari Kerja

Pada interaksi perusahaan dengan aplikasi dilakukan setelah masuk seperti interaksi antara pencari kerja dengan aplikasiJika memilih menu lowongan pekerjaan maka user dapat melakukan tambah data, rubah data, atau hapus data lowongan pekerjaan. Untuk Activity Diagram Untuk Perusahaan dapat dilihat pada gambar 3.4.

Gambar 3.4 Activity Diagram Untuk Perusahaan 2.3.4 Sequence Diagram

Sequence diagram difungsikan untuk memberitahukan aktivitas user saat mengakses beberapa menu pada aplikasi. User dibagi menjadi 3 yaitu user belum masuk, user sebagai pencari kerja, dan user sebagai perusahaan. Jika user belum masuk memilih menu buat akun maka menu tersebut akan menampilkan dua sub menu yaitu buat akun sebagai pencari kerja dan buat akun sebagai perusahaan. Dan user belum masuk dapat memilih menu masuk untuk masuk ke akun yang telah dibuat. Untuk Sequence Diagram Untuk User Belum Masuk dapat dilihat pada gambar 3.5.

Gambar 3.5 Sequence Diagram Untuk User Belum Masuk

90


Pada pencari kerja yang telah masuk, akan langsung ditampilkan halaman beranda akun. Selanjutnya pencari kerja dapat memilih menu curriculum vitae untuk melihat isi dari halaman curriculum vitae. Pada menu curriculum vitae dapat memilih tambah, rubah, dan hapus data pada curriculum vitae. Data yang dimaksud adalah data riwayat pendidikan, riwayat organisasi, dan riwayat pekerjaan. Pada halaman lowongan pekerjaan dapat mendaftar ke suatu lowongan pekerjaan. Untuk Sequence Diagram Untuk Pencari Kerja dapat dilihat pada gambar 3.6.

Gambar 3.6 Sequence Diagram Untuk Pencari

Kerja

Pada perusahaan yang telah masuk, akan langsung ditampilkan halaman beranda akun. Selanjutnya perusahaan dapat memilih menu lowongan pekerjaan untuk melihat isi dari halaman lowongan pekerjaan. Pada menu lowongan pekerjaan dapat memilih tambah, rubah, dan hapus data lowongan pekerjaan. Untuk Sequence Diagram Untuk Perusahaan dapat dilihat pada gambar 3.7.

Gambar 3.7 Sequence Diagram Untuk Perusahaan

2.3.5 Perancangan Basis Data Database yang difungsikan untuk penyimpanan data berupa foto, logo, dan data-data yang telah dimasukan ke website ini. Database diberi nama dev_jobina. Untuk Class Diagram dapat dilihat pada gambar 3.8.

Gambar 3.8 Class Diagram

3. Implementasi Dan Uji Coba

3.1 Implementasi Pada implementasi dilakukan pembuatan aplikasi dengan melalui tahap-tahap data mining. Tahap – tahap data mining adalah tahap pembersihan data, tahap integrasi data, tahap seleksi data, tahap transformasi data, tahap proses

91


mining, tahap evaluasi pola, dan tahap presentasi pengetahuan. Pada pembuatan aplikasi menggunakan framework laravel, XAMPP Server, dan database MYSQL. XAMPP Server untuk membuat server local. Untuk mengunduh framework laravel dengan menggunakan composer yang dapat diunduh di website getcomposer.org dan setelah composernya telah terinstal langkah selanjutnya adalah membuka cmd kemudian pergi ke direktori yang diinginkan untuk menyimpan framework laravel. Setelah itu, ketikan “composer create-project laravel/laravel” untuk mengunduh framework laravel.

3.1.1 Tahap Pembersihan Data Pada tahap pembersihan data dilakukan proses menghilangkan data tidak konsisten. Data yang tidak konsisten pada data pelamar pekerjaan seperti berat badan dan tinggi badan tidak dipakai atau dihapus.

3.1.2 Tahap Integrasi Data Pada aplikasi ini basis datanya dibuat dengan menggunakan phpMyAdmin dari MySQL yang ada di XAMPP Server. Kemudian nama dari basis datanya adalah dev_jobina. Pada implementasi tabel menggunakan migration dari laravel untuk membuat tabel. Setelah file migration dibuat dan diisi maka selanjutnya adalah membuat tabel pada database dengan mengetik pada cmd “php artisan migrate” maka akan secara otomatis tabel akan terbuat. 3.1.3 Tahap Seleksi Data Pada Seleski data, data yang ada di database tidak semuanya dipakai dalam proses mining nantinya. Data tersebut adalah jenis kelamin, usia, pendidikan terakhir, IPK, pengalaman kerja, dan kemampuan. Data tesebut didapat dari data pelamar pekerjaan. 3.1.4 Tahap Transformasi Data Tahap ini mengubah data kedalam format yang sesuai untuk diproses mining. Pada jenis kelamin dibagi 2 yaitu Laki-laki dan Perempuan. Pada Usia dibagi 3 yaitu usia kurang dari 30 tahun, usia diantara 30 tahun sampai 39 tahun, dan usia diatas 39 tahun. Pada pendidikan terakhir dibagi menjadi 3 yaitu pendidikan dibawah diploma 1, pendidikan dibawah magister, dan pendidikan lebih dari atau sama dengan magister. Pada IPK dibagi menjadi 3 yaitu IPK dibawah 2.00, IPK diantara 2.00 samapai 2.99, dan IPK lebih dari 2.99. Pada pengalaman kerja dibagi 3 yaitu pengalaman kerja dibawah 1 kali, pengalaman kerja dibawah 5 kali dan pengalam kerja lebih dari atau sama dengan 5 kali.

3.1.5 Tahap Proses Mining

Pada tahap proses mining dilakukan dengan menggunakan metode Naive Bayes yaitu : Membuat data training, membaca data training, menghitung jumlah class, menghitung jumlah kasus yang sama dengan class yang sama, Perhitungan dari setiap class dan perbandingan hasil perhitungan Pada tahap pertama dalam metode naive bayes adalah membuat data training. Data training dibuat dari kumpulan data pelamar pekerjaan yang kemudian diberikan kepada perusahaan agar perusahaan dapat menentukan data pelamar pekerjaan mana saja yang dapat dipilih dan tidak dipilih. Setelah mewawancarai para pencari kerja, perusahaan dapat menentukan data pelamar pekerjaan yang dapat dipilih atau tidak dipilih dengan mencentang pada kolom klasifikasi seperti gambar 3.9.

Gambar 3.9 Pengklasifikasian Pencari Kerja Perusahaan Pada tahap kedua dalam metode naive bayes adalah membaca data training. Data training yang digunakan adalah data training dari bidang utama keahlian programmer komputer. Tabel data training dapat dilihat di tabel 3.1. Pada data training memiliki beberapa variabel penentu untuk mengklasifikasikan data pelamar pekerjaan. Variabel penentu tersebut, yaitu: Jenis Kelamin, Usia, Pendidikan Terakhir, IPK, Pengalaman Kerja dan Kemampuan.

Tabel 3.1 Tabel Data Training Laki-laki

24 Tahun

Sarjana (S1)

3.89 1 Kali Mampu Membuat Algoritma Pemrograman

Dipilih

Laki-laki

22 Tahun

Diploma 3

3.61 0 Kali Mampu Menerapkan Bahasa Pemrograman

Berorientasi Objek

Dipilih

Perem puan

22 Tahun

Sarjana (S1)

3.6 0 Kali Mampu Membuat Dokumen Kode Program

Dipilih

Perem puan

20 Tahun

SMK 2 Kali Mampu Membuat Dokumen Kode Program

Tidak Dipilih

Laki-laki

22 Tahun

Magister (S2)

3.53 0 Kali Mampu Menerapkan Bahasa Pemrograman

Terstruktur

Dipilih

Perem puan

22 Tahun

Magister (S2)

2.96 0 Kali Mampu Mengoperasikan Bahasa Pemrograman Data Deskripsi (SQL)

Dasar

Tidak Dipilih

92


Perem puan

30 Tahun

Sarjana (S1)

2.93 5 Kali ampu Menerapkan Bahasa Pemrograman

Berorientasi Objek

Tidak Dipilih

Laki-laki

30 Tahun

Sarjana (S1)

2.93 5 Kali Mampu Mengoperasikan Bahasa Pemrograman Data Deskripsi (SQL)

Dasar

Tidak Dipilih

Setelah membaca data training yang ada di tabel 3.1, tahap selanjutnya adalah menghitung jumlah class. Pada Kasus ini terdapat 2 dua class yaitu dipilih dan tidak dipilih. Dan berikut adalah perhitungan jumlah class.

P(Y = Dipilih) = 8/17 P(Y = Tidak Dipilih) = 9/17

Kemudian dimulai dengan melihat data yang ingin diklasifikasikan. Data yang ingin diklasifikasikan berjenis kelamin laki – laki, berusia 22 tahun, pendidikan terakhir sarjana (S1), IPK 3.55, berpengalaman kerja 2 kali, dan memiliki kemampuan membuat dokumen kode program. Berikut adalah perhitungan jumlah kasus yang sama dengan class yang sama. P(Jenis Kelamin = Laki-laki | Y = Dipilih) = 4/8 P(Jenis Kelamin = Laki-laki |Y=Tidak Dipilih) = 5/9 P(Usia = 20 – 29 Tahun | Y = Dipilih) = 5/8 P(Usia = 20 – 29 Tahun | Y = Tidak Dipilih) = 4/9 P(Pendidikan Terakhir = Diploma 1 – Sarjana (S1) | Y = Dipilih) = 6/8 P(Pendidikan Terakhir = Diploma 1 – Sarjana (S1) | Y = Tidak Dipilih) = 4/9 P(IPK = 3.00 – 4.00 | Y = Dipilih) = 6/8 P(IPK = 3.00 – 4.00 | Y = Tidak Dipilih) = 2/9 P(Pengalaman Kerja = 1 – 4 Kali | Y= Dipilih) = 3/8 P(Pengalaman Kerja = 1 – 4 Kali | Y = Tidak Dipilih) = 5/9 P(Kemampuan = Mampu Membuat Dokumen Kode Program | Y = Dipilih) = 1/8 P(Kemampuan = Mampu Membuat Dokumen Kode Program | Y = Tidak Dipilih) = 1/9 Pada perhitungan dari setiap class, dilakukan perhitungan dari class yang dipilih dan dari class yang tidak dipilih. Berikut adalah perhitungan dari setiap class. P(Jenis Kelamin = Laki-laki | Y = Dipilih) * P(Usia = 20 – 29 Tahun | Y = Dipilih) * P(Pendidikan Terakhir = Diploma 1 – Sarjana (S1) | Y = Dipilih) * P(IPK = 3.00 – 4.00 | Y = Dipilih) * P(Pengalaman Kerja = 1 – 4 Kali | Y = Dipilih) * P(Kemampuan = Mampu Membuat Dokumen Kode Program | Y = Dipilih) * P(Y = Dipilih) = (4/8) * (5/8) * (6/8) * (6/8) * (3/8) * (1/8) * (8/17) = 0.0039

P(Jenis Kelamin = Laki-laki | Y = Tidak Dipilih) * P(Usia = 20 – 29 Tahun | Y = Tidak Dipilih) * P(Pendidikan Terakhir = Diploma 1 – Sarjana (S1) | Y = Tidak Dipilih) * P(IPK = 3.00 – 4.00 | Y = Tidak Dipilih) * P(Pengalaman Kerja = 1 – 4 Kali | Y = Tidak Dipilih) * P(Kemampuan = Mampu Membuat Dokumen Kode Program | Y = Tidak Dipilih) * P(Y = Tidak Dipilih) = (5/9) * (4/9) * (4/9) * (2/9) * (5/9) * (1/9) * (9/17) = 0.0008 Pada tahapan terakhir pada naive bayes adalah tahap pembandingan hasil perhitungan. Dari hasil perhitungan diatas, menunjukkan bahwa nilai probabilitas tertinggi ada di class P(Y = Dipilih). Sehingga klasifikasi calon pelamar tersebut termasuk kedalam “Dipilih”. 3.1.6 Tahap Evaluasi Pola Tahap ini, digunakan untuk mengidentifikasi pola-pola menarik yang ditemukan kedalam knowledge based. Pada tahap ini, data yang termasuk kedalam data yang terpilih dan tidak terpilih akan disimpan yang kemudian dimasa depan dapat digunakan untuk mengetahui bidang keahlian yang banyak dicari. 3.1.7 Tahap Uji Coba Pada tahap uji coba dilakukan dengan menggunakan metode blackbox testing. Dimana metode blackbox testing akan memfokuskan pengujian pada fungsional dari aplikasi. Tahap dimana penyajian hasil dari proses mining yang dapat bermanfaat oleh pengguna. Dimana penyajian hasil diberikan kepada perusahaan dan penyajian hasilnya berupa kata “Dipilih” atau “Tidak Dipilih” pada kolom klasifikasi ditabel daftar pelamar. Untuk tampilan menu beranda dapat dilihat pada gambar 3.10

Gambar 3.10 Tampilan Menu Beranda

Pada menu beranda, user akan melihat informasi mengenai konten yang ada di aplikasi ini. Kemudian, saat user memilih menu Bantuan, maka akan membuka tampilan dari menu Bantuan. Tampilan menu Bantuan pada gambar 3.11 berisi mengenai cara penggunaan aplikasi ini.

93


Gambar 3.11 Tampilan Menu Bantuan

Ketika user memilih menu Buat Akun, maka user akan diberi 2 pilihan, yaitu buat akun sebagai pencari kerja atau buat akun sebagai perusahaan. Jika user telah memilih salah satu pilihan, maka akan menampilkan form yang digunakan untuk membuat akun sesuai kategori pilihan yang telah dipilih pada aplikasi ini. Untuk tampilan menu buat akun sebagai pencari kerja dapat dilihat pada gambar 3.12 dan untuk tampilan menu buat akun sebagai perusahaan dapat dilihat pada gambar 3.13

Gambar 3.12 Tampilan Menu Buat Akun Sebagai Pencari Kerja

Gambar 3.13 Tampilan Menu Buat Akun Sebagai Perusahaan Ketika user telah masuk atau login, maka user akan diarahkan ke sebuah tampilan beranda didalam akun yang berisi mengenai informasi konten yang ada di aplikasi ini. Untuk dapat masuk atau login, user terlebih dahulu harus memasukkan alamat email dan password pada form yang telah disediakan pada menu Masuk. Untuk akun pencari kerja ada penambahan menu Curriculum Vitae dan menu Lowongan Pekerjaan serta pengapusan untuk menu Buat Akun dan menu Masuk yang digantikan dengan menu Perbarui Akun dan menu Keluar atau logout. Untuk tampilan menu curriculum vitae dapat dilihat pada gambar 3.14

Gambar 3.14 Tampilan Menu Curriculum Vitae Pada akun pencari kerja jika user memilih menu Lowongan Pekerjaan, maka menampilkan daftar lowongan pekerjaan dimana daftar lowongan pekerjaannya dibagi 2, yaitu lowongan pekerjaan yang direkomendasikan dan tidak direkomendasikan oleh sistem. Untuk tampilan menu lowongan pekerjaan (pencari kerja) dapat dilihat pada gambar 3.15.

Gambar 3.15 Tampilan Menu Lowongan Pekerjaan ( Pencari Kerja ) Pada akun perusahaan jika user memilih menu Lowongan Pekerjaan, maka menampilkan daftar lowongan pekerjaan yang telah dibuat. Untuk tampilan menu lowongan pekerjaan (perusahaan) dapat dilihat pada gambar 3.16.

94


Gambar3.16 Tampilan Menu Lowongan Pekerjaan

3.3 Spesifikasi Perangkat Keras dan Perangkat Lunak Yang Digunakan Saat Implementasi Perangkat Keras yang digunakan pada penelitian ini adalah 1 buah tablet model: Hi8 pro dengan merk CHUWI yang memiliki spesifikasi sebagai berikut: - Processor : Intel® Atom™ x5-Z8300 CPU – @ 1.44GHz (4 CPUs), ~1.4GHz - Memory : 2048 MB RAM Perangkat Lunak yang digunakan adalah: - Windows 10 Home 32-bit (10.0, Build 10586) - Sublime Text 3 - XAMPP Google Chrome 3.4 Instalasi Aplikasi Ke Hosting Pada instalasi aplikasi ini bertujuan untuk dapat diakses oleh berbagai user secara online. Untuk instalasi aplikasi ini, menggunakan hosting dari www.hostinger.co.id. Tahap pertama untuk instalasi aplikasi adalah membuka browser dan ketik www.hostinger.co.id pada tempat masukkan url, Selanjutnya, pada tahap kedua pilih menu Masuk dan kemudian masukkan email dan password, kemudian klik Masuk. Untuk tampilan menu masuk www.hostinger.co.id dapat dilihat pada gambar 3.17.

Gambar 3.17 Tampilan Menu Masuk www.hostinger.co.id

Setelah masuk atau Login, maka akan terbuka halaman beranda. Kemudian, klik hosting baru. Untuk tampilan menu beranda akun

www.hostinger.co.id dapat dilihat pada gambar 3.18.

Gambar 3.18 Tampilan Menu Beranda Akun

www.hostinger.co.id

Selanjutnya, isi form-form yang disediakan seperti masa aktifnya. Setelah itu klik Checkout Sekarang. Kemudian, pilih metode pembayaran dan klik Checkout Sekarang. Untuk tampilan order hosting dapat dilihat pada gambar 3.19 dan gambar 3.20.

Gambar 3.19 Tampilan Order Hosting Pertama

www.hostinger.co.id

Gambar 3.20 Tampilan Order Hosting Kedua www.hostinger.co.id

Setelah melakukan pembayaran, buka menu Beranda kemudian di Tagihan yang Belum

95


Dibayar klik Bayar Sekarang dan mengisi nama domain yang diinginkan. Untuk tampilan konfirmasi pembayaran www.hostinger.co.id dapat dilihat pada gambar 3.21.

Gambar 3.21 Tampilan Konfirmasi Pembayaran

www.hostinger.co.id Pada menu Hosting akan terlihat status dari hosting yang telah dibuat. Dan klik Kelola untuk menggunakan sebuah hosting. Untuk tampilan menu hosting www.hostinger.co.id dapat dilihat pada gambar 3.22.

Gambar 3.23 Tampilan Menu Hosting

www.hostinger.co.id Pada tampilan kelola hosting pergi ke bagian file, pilih Akun FTP. Akun FTP digunakan untuk menghubungkan komputer ke hosting. Untuk tampilan kelola hosting www.hostinger.co.id dapat dilihat pada gambar 3.24

Gambar 3.24 Tampilan Kelola Hosting

www.hostinger.co.id Pada tampilan Akun FTP, isi username dan password kemudian klik Buat. Setelah dibuat maka akan muncul sebuah akun di tab Daftar Akun FTP Aktif. Langkah Selanjutnya adalah membuka aplikasi yang bernama FileZilla. Aplikasi FileZilla digunakan untuk meng-upload file-file projek ke hosting. Untuk tampilan akun ftp www.hostinger.co.id dapat dilihat pada gambar 3.25.

Gambar 3.25 Tampilan Akun FTP www.hostinger.co.id

Setelah proses peng-upload-an file selesai, maka proses pembuatan basis data dapat dimulai. Pertama-tama, kembali ke tampilan kelola hosting dan kemudian pilih Database MySql. Setelah itu, isi nama database, username, dan password untuk membuat database dan setelah selesai klik Buat. Untuk tampilan form pembuatan database www.hostinger.co.id dapat dilihat pada gambar 3.26.

96


Gambar 2.26 Tampilan Form Pembuatan Database

www.hostinger.co.id 4. Kesimpulan

Metode naive bayes untuk mengklasifikasikan pelamar pekerjaan berbasis website telah berhasil dikembangkan. Pembuatan aplikasi melalui tahap – tahap data mining yaitu tahap pembersihan data, tahap integrasi data, tahap seleksi data, tahap transformasi data, tahap proses mining, tahap evaluasi pola, dan tahap presentasi pengetahuan. Aplikasi ini memiliki tiga akses pengguna yaitu pengguna yang belum masuk, pengguna sebagai pencari pekerjaan, dan pengguna sebagai perusahaan. Pada pengguna yang belum masuk terdapat enam menu yaitu menu beranda, menu bantuan, menu tentang, menu kontak, menu buat akun, dan menu masuk. Pengguna sebagai pencari pekerjaan terdapat delapan menu yaitu menu beranda, menu curriculum vitae, menu lowongan pekerjaan, menu bantuan, menu tentang, menu kontak, menu perbarui akun, dan menu keluar. Pada pengguna sebagai perusahaan terdapat tujuh menu yaitu menu beranda, menu lowongan pekerjaan, menu bantuan, menu tentang, menu kontak, menu perbarui akun, dan menu keluar. Berdasarkan hasil uji coba dengan metode black box testing, diperoleh hasil yang sesuai harapan dimana fungsi berjalan dengan baik dan sempurna.

Daftar Pustaka

[1] Andre. 2014. Tutorial Belajar JavaScript Part 1: Pengertian dan Fungsi JavaScript dalam PemrogramanWeb,http://www.duniailkom.com/tutorial-belajar-javascript-pengertian-dan-fungsi-javascript-dalam-pemograman-web/, diakses 24 Juni 2017.

[2]

Atkia, Ihsan. 2014. Fitur Lebih Dari Sublime Text 3, http://ihsanatkia.com/featur-lebih-dari-package-sublime-text/, diakses 24 Juni 2017.

[3] Bustami. 2014. Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi. JURNAL INFORMATIKA, Vol. 8, No. 1, Hal 884-898.

[4] Fajar, Ridwan. 2016. Mengenal Diagram UML (Unified Modeling Language), https://www.codepolitan.com/ mengenal-diagram-uml-unified-modeling-language, diakses 24 Juni 2017.

[5] Faruq Jihan, Lely P 2013. Skripsi, Data Mining Untuk Perancangan Pengambilan Keputusan Penentuan Korelasi Produk Menggunakan Algoritma Apriori. Universitas Gunadarma.

[6] Gobel, Denden. 2016. Pengertian Dan Keunggulan Framework Laravel, https://idcloudhost.com/pengertian-dan-keunggulan-framework-laravel, diakses 24 Jni 2017.

[7] Jananto, Arief. 2013. Algoritma Naive Bayes Untuk Mencari Perkiraan Waktu Studi Mahasiswa, Jurnal Teknologi Informasi DINAMIK, Vol. 18, No.1, Hal 09-16.

[8] Saleh, Alfa., 2015. Implemtasi Metode Klasifikasi Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga, Citec Journal, Vol. 2, No. 3, Hal 207-217.

[9] Taruna R.,S.,Hiranwal,S., 2013, Enhanced Naive Bayes Algorithm for Intrusion Detection in Data Mining, International Journal of Computer Science and Information Technologies, Vol. 6, No. 4, Hal 960-962.

97

RANCANG BANGUN APLIKASI UNTUK MENGKLASIFIKASIKAN...

Documents

Transcript of RANCANG BANGUN APLIKASI UNTUK MENGKLASIFIKASIKAN...