BAB III

METODE PENELITIAN
3.1 Tahapan Penelitian
Tahapan penelitian adalah suatu proses atau cara yang dipilih secara
spesifik untuk menyelesaikan masalah yang diajukan dalam sebuah riset. Atau
dapat disebut juga sebagai serangkaian langkah-langkah yang
sistematis/terstruktur yang dilakukan oleh peneliti untuk menemukan jawaban
yang tepat atas pertanyaan pada objek penelitian.

IdentifikasiMasalah

Pengumpulan Data

Perhitungan Naïve Bayes

Pengujian

Kesimpulan

Gambar 3.1 Tahapan Penelitian

1.3.1 Idenifikasi Masalah

Pada tahap identifikasi masalah merupakan tahap awal yang
bertujuan untuk menentukan apa saja masalah yang ada dalam Instansi
terutama untuk pengolahan data karyawan yang dapat direkomendasikan
untuk mendapatkan kenaikan gaji berdasarkan kriteria yang ada.
 1.3.2 Pengumpulan Data
Data yang diperoleh dari penelitian ini adalah data karyawan yang
ada di CV. Bintang Bangunanyang terletak di Jl. Waemata, Kec.
Komodo, Kota Labuan Bajo, Prov. Nusa Tenggara Timur.
Data penelitian ini menggunakan sumber data sekunder atau data
dari tangan kedua yaitu data yang diperoleh dari pihak lain tidak
langsung diperoleh penulis dari subjek penelitiannya langsung, data yang
diperoleh berupa dokumen atau laporan yang tersedia.
Data sekunder adalah data penelitian yang diperoleh peneliti secara
tidak langsung (melalui media perantara atau diperoleh dan dicatat
oleh pihak lain). Data sekunder umumnya berupa bukti catatan atau
laporan histories yang telah tersusun dalam arsip yang
dipublikasikan dan yang tidak dipublikasikan [ CITATION Mar04 \l 1033 ].

DATA YANG DIDAPAT sbb

Level Gaji pokok Pengala

N NAMA Status Lama
Level Jabatan Pendid man
O KARYAWAN Pegawai kerja
ikan
DENI FIRMANSYAH 4 Rp. 3.000.00 18
1 Tetap ASMEN GUDANG 3
2 ASEP SAEPUDIN Tetap ASMEN RETAIL 3 5 Rp. 3.000.00 17
3 YUDHI MUSNIAWAN Tetap SPV GUDANG 3 4 Rp. 3.000.00 8
4 THAMRIN RUSLIN Tetap SPV GUDANG 3 2 Rp. 3.000.00 4
5 YARIADI Tetap TL REATIL 3 2 Rp. 3.000.00 15
6 AHMAD SYAHRUDIN Tetap TL ADMIN 2 2 Rp. 3.000.00 15
7 SISILIA IRA Tetap ADMIN GUDANG 2 3 Rp. 3.000.00 9
8 AVELINA S. JANING Tetap VMD 2 1 Rp. 3.000.00 8
CUSTOMER Rp. 3.000.00 3
FITRIANA
9 Tetap SERVICE 2 2
10 SUKRIANTO Tetap HELPER GUDANG 2 1 Rp. 3.000.00 2
11 SUDIRMAN BUSRA Tetap OB 2 2 Rp. 2.000.00 4
12 SITI ASIA Tetap KASIR 2 1 Rp. 3.000.00 3
13 UMU KALSUM Tetap KASIR 2 2 Rp. 3.000.00 9
LOSS Rp. 3.000.00 8
IMAM EFENDI
14 Tetap PREVENTION 2 3
LOSS Rp. 3.000.00 9
SILVESTER
15 Tetap PREVENTION 1 2
16 MARCEL Tetap WADANRU 1 2 Rp. 3.000.00 8
17 RICARDUS Tetap SECURITY 1 3 Rp. 3.000.00 9
18 GUNTUR DANDI Tetap DRIVER 1 4 Rp. 3.000.00 4
19 AMIRUDIN HAMID Tetap KERNET 1 2 Rp. 3.000.00 3
SALES Rp. 3.000.00 5
MASRIL AL MAKRUF
20 Tetap CONSULTAN 1 3
1.3.3 Perhitungan Naïve Bayes
Tahap awal cara kerja dari proses perhitungan Naïve Bayes adalah
dengan melakukan pengambilan data training dari data Karyawan CV.
Bintang Bangunan. Adapun variabel penentu yang digunakan dalam
mengklasifikasikan data yaitu :
1. Jenis Kelamin
Jenis kelamin merupakan variabel jenis kelamin pegawai yang
dikelompokkan dalam dua kategori yaitu laki-laki dan perempuan.
Dimana dalam kategori ini perempuan atau laki-laki harus
dibedakan.
2. Tahun Masuk
Tahun masuk merupakan variable yang diambil dari data awal
karyawan masuk kerja.
3. Masa Kerja
Masa kerja merupakan variable masa kerja pegawai yang
dikelompokkan dalam dua kategori yaitu masa kerja kurang dari 2
tahun dan masa kerja lebih dari 2 tahun.

TULISKAN RANCANGAN PERHITUNGAN

1. Pertama, hitung mean dan standar deviasi setiap variabel numerik (seperti

level pendidikan, pengalaman dan gaji pokok) pada setiap kategori.

Menghitung Mean atau nilai rata – rata menggunakan rumus sebagai

berikut

Jumla nilai
Nilai rata-rata =
Banyak data

2. untuk menghitung nilai standat deviasi setiap atribut dengan rumus

√∑
i =1
¿ xi−x ¿ 2
¿
n−1
3. hitung probabilitas setiap kategori apabila diberikan input tertentu Misalkan
akan dicari status pegawai seseorang dengan level pendidikan 1,
pengalaman 3 tahun, dan gaji Rp. 3.000.000. Maka perhitungan
perkategorinya adalah sebagai berikut : Level pendidikan 1 :
f(LevelPendidikan=1|StatusPegawai=Tetap)

1.3.4 Pengujian
Pengujian dilakukan untuk menguji perhitungan dalam data training
dengan menggunakan data testing. Pada tahap pengujian ini pula
dilakukan perhitungan tingkataccuracy untuk menguji tingkat akurasi
yang diperoleh.

TULISKAN RANCANGAN PENGUJIAN

1. Pengujian Akurasi

diapaparkan pengujian akurasi pada penelitian ini akan menggunakan dua jenis

pengujian yaitu akurasi untuk naïve bayes classifier dengan membandingkan data

yang dihasilkan oleh aplikasi dengan dataset yang telah dikumpulkan, pengujian

akan dibagi berdasarkan jumlah kelas klasifikasi yaitu 3,5,7, dan 10 kelas

klasifikasi. Data yang diperoleh nantinya akan menghasilkan persentasi ke

akuratan dan persentase error dari ROLAP datawarehouse yang telah dibentuk.

Bagian kedua adalah pengujian menggunakan precision dan recall, dimana

pengujian ini akan dilakukan pada metode vector space model, hasil dari retrival

information yang didapat dalam datawarehouse akan dilihat seberapa tepat

kemampuan algoritma dalam menangani query pengguna.

Perhitungan akurasi dengan tabel confusion matrix adalah sebagai berikut:

Akurasi = (A+D)/(A+B+C+D)

Presisi didefinisikan sebagai rasio item relevan yang dipilih terhadap semua item

yang terpilih. Presisi dapat diartikan sebagai kecocokan antara permintaan

informasi dengan jawaban terhadap permintaan tersebut. Rumus presisi adalah:

Presisi = A/(C+A)

Recall didefinisikan sebagai rasio dari item relevan yang dipilih terhadap total

jumlah item relevan yang tersedia. Recall dihitung dengan rumus:

Recall = A/(A+D)

Presisi dan Recall dapat diberi nilai dalam bentuk angka dengan menggunakan

perhitungan persentase (1-100%) atau dengan menggunakan bilangan antara 0-1.

Sistem rekomendasi akan dianggap baik jika nilai presisi dan recallnya tinggi.

Kurva ROC menunjukkan akurasi dan membandingkan klasifikasi secara visual.

ROC mengekspresikan confusion matrix. ROC adalah grafik dua dimensi dengan

false positive sebagai garis horizontal dan true positive sebagai garis vertikal.

AUC (the area under curve) dihitung untuk mengukur perbedaan performansi

metode yang digunakan. ROC memiliki tingkat nilai diagnosa yaitu: a. Akurasi

bernilai 0,90 – 1,00 = excellent classification b. Akurasi bernilai 0,80 – 0,90 =

good classification c. Akurasi bernilai 0,70 – 0,80 = fair classification d. Akurasi

bernilai 0.60 – 0,70 = poor classification e. Akurasi bernilai 0.50 – 0.60 = failure

1.3.5 Kesimpulan
Pada tahap ini akan dirumuskan kesimpulan berdasarkan penelitian yang
telah dilakukan. Apakah sudah sesuai dengan tujuan dan harapan yang diinginkan
atau belum.
3.2 Rancangan Penelitian
3.2.1 Analisis Sistem
Dalam mencari informasi mengenai kriteria rekomendasi kenaikan
gaji karyawan dengan menggunakan metode algoritma Naïve Bayes
untuk penentuan pembobotan kriteria. Penelitian ini bertujuan untuk
 menentukan dengan tepat dan akurat siapa saja karyawan yang masuk
dalam kriteria kenaikan gaji.
3.2.2 Perancangan Sistem
Perancangan sistem akan meliputi tahap-tahap manajemen model,
manajemen data, manajemen dialog, manajemen pengetahuan,dan
diagram aliran data.
3.2.3 Flowchart

Gambar 3.2 FlowChart

Pada penelitian ini rekomendasi kenaikan gaji karyawan yang di

ajukan oleh CV. Bintang Banggunan memiliki beberapa kriteria yaitu
karyawan minimal sudah bekerja selama 2 tahun lebih di perusahaan.
3.2.4 Penerapan Metode Naïve Bayes
 Naïve Bayes berdasarkan pada asumsi penyederhanaan bahwa nilai
atribut secara kondisional saling bebas jika diberikan nilai output. Dengan
kata lain, diberikan nilai output, probabilitas mengamati secara bersama
adalah produk dari probabilitas individu. Keuntungan penggunaan Naïve
Bayes adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan
(Training Data) yang kecil untuk menentukan estimasi yang diperlukan dalam
proses pengklasifikasian.