BAB 1

KAJIAN PUSTAKA

1.1 Employee Engagement

Employee engagement adalah konsep mendasar dalam upaya untuk
memahami dan menggambarkan, baik secara kualitatif maupun kuantitatif,
sifat hubungan antara organisasi dan karyawannya. Employee engagement
pertama kali dipopulerkan oleh Gallup Consultant pada 2004, meskipun
sebelumnya banyak pakar yang mulai membahas mengenai konsep ini.
Employee engagement di sini adalah tentang bagaimana seorang karyawan
bisa merasa bangga dan loyal dalam pekerjaannya bagi organisasi, menjadi
bagian perusahaan yang siap menangani klien, user, serta konsumen, serta
selalu memberi lebih dalam menyelesaikan setiap pekerjaannya. Para
pemberi kerja berharap employee engagement bisa memancing komitmen
lebih dalam dari karyawan, sehingga semakin sedikit pula mereka yang
selalu absen, malas, kecelakaan kerja, serta menimbulkan konflik dalam
pekerjaan. Tujuan akhirnya tentu untuk meningkatkan produktivitas
perusahaan dengan selalu konsisten melakukan aksi demi mencapai nilai
perusahaan. Dalam pandangan karyawan, karyawan lebih menginginkan
kesempatan pengembangan diri dan merasakan apresiasi terhadap apa
yang mereka kerjakan. Ditambah, membuat karyawan merasa terlibat
dalam pergerakkan bisnis perusahaan juga akan mendorong rasa percaya
dirinya. Karyawan akan sadar apa perannya dalam perusahaan, dan akan
selalu bersemangat dalam membantu tercapainya tujuan perusahaan. Tidak
ada lagi cerita menunda pekerjaan karena malas, mengeluhkan beban
pekerjaan, dan sebagainya. Employee engagement juga membuat
karyawan tahu jelas dan paham apa yang menjadi tujuan perusahaan, serta
bagaimana hal tersebut mengubahnya untuk bisa bekerja dengan lebih baik
dan bersedia memberikan kontribusi berupa ide atau pekerjaan yang akan
mempengaruhi jalannya perusahaan.

1
1.2 Feedback Karyawan
Umpan balik (feedback) yang positif akan fokus pada identifikasi dan
perilaku karyawan untuk meningkatkan kinerja. Sedangkan, umpan balik yang
negatif akan mengarah pada identifikasi perilaku yang mengurangi kinerja
karyawan dalam menyelesaikan pekerjaan. Terdapat dua jenis umpan balik yang
perlu dikelola, yaitu umpan balik yang diberikan kepada karyawan untuk
pekerjaan yang telah mereka lakukan, dan umpan balik yang didapatkan dari
karyawan tentang kinerja manajerial perusahaan atau biasa disebut feedback
karyawan. Masing-masing jenis umpan balik tersebut dapat menjadi sebuah alat
yang berharga untuk perbaikan apabila keduanya dapat dilakukan dengan benar.
Jika kurang berhasil, maka umpan balik dapat menjadi pengalaman yang
menyakitkan dan dapat menyebabkan kepahitan, pertempuran, dan masalah serius
lainnya. Pada dasarnya, umpan balik merupakan sebuah komentar perusahaan atas
kinerja seorang karyawan, atau komentar karyawan atas kinerja manajerial
perusahaan. Umpan balik tidak sama dengan review kinerja atau evaluasi tahunan
terhadap karyawan. Idealnya, umpan balik bersifat langsung, akurat, adil, jelas,
dan berorientasi pada suatu tindakan yang terjadi sesuai dengan kebutuhan dan
bukan mengikuti jadwal. Umpan balik dapat berupa hal positif atau negatif.
Umpan balik yang efektif harus segera dilakukan daripada menunggu banyak
pelanggaran atau keberhasilan yang menumpuk. Sebuah respon atau tanggapan
yang cepat akan sangat membantu baik karyawan maupun perusahaan saat gagal
atau berhasil memenuhi harapan. Umpan balik yang tertunda justru akan
menyebabkan efek domino terhadap masalah-masalah yang ada. Akurasi dapat
membangun kepercayaan antara manajer dengan karyawan. Selain itu, akurasi
juga mencegah kemungkinan argumen yang tidak ada gunanya, baik itu yang
didasarkan pada kenyataan, kabar angin, atau asumsi tertentu. Sebelum memberi
umpan balik, terutama umpan balik negatif, penting untuk melakukan penelitian,
mengajukan pertanyaan yang sesuai, serta memiliki bukti yang jelas terkait
masalah yang sedang dihadapi.

2
1.3 Wordcloud
Wordcloud (disebut juga text cloud atau tag cloud) merupakan salah satu
metode untuk menampilkan data teks secara visual. Grafik ini populer dalam text
mining karena mudah dipahami. Dengan menggunakan wordcloud, gambaran
frekuensi kata-kata dapat ditampilkan dalam bentuk yang menarik namun tetap
informatif. Semakin sering satu kata digunakan, maka semakin besar pula ukuran
kata tersebut ditampilkan dalam word cloud. Penggunaan word cloud akan
membantu para peneliti untuk mendapatkan pemahaman secara utuh tentang suatu
ide atau gagasan dari seseorang atau tulisan seseorang dalam suatu waktu tertentu.
Visualisasi memberikan kemudahan dalam melakukan interpretasi dan melakukan
interpetasi langsung terhadap ide yang penting. Terkait hal tersebut, bahasa
sebagai citra visual dapat memberikan akses instan terhadap distribusi ide dalam
analisis wacana dibandingkan bahasa dalam bentuk wacana tertulis. Secara umum
gambaran mengenai work cloud terdapat pada Gambar 2.1.

Gambar 2.1 Contoh Gambaran Word Cloud

1.4 Natural Language Processing

NLP adalah cabang dari Artificial Intelligence yang berhubungan dengan
interaksi antara mesin dan manusia menggunakan bahasa natural. Analisis
sintaksis adalah teknik utama yang digunakan untuk menyelesaikan tugas Natural
Language Processing. Sintaksis mengacu pada susunan kata-kata dalam sebuah
kalimat sehingga membuat pengertian gramatikal. Dalam NLP, analisis sintaksis
digunakan untuk menilai bagaimana bahasa natural sejajar dengan aturan tata
bahasa. Ada beberapa algoritma yang digunakan untuk menerapkan aturan

3
gramatikal ke sekelompok kata dan memperoleh makna darinya. Beberapa
tahapan dari analisis sintaksis yang sering dipakai meliputi stemming,
lemmatization, tokenization, parsing.

1.5 Analisis Sentimen

Sentiment analiysist atau analisis sentimen dalam bahasa Indonesia adalah
sebuah teknik atau cara yang digunakan untuk mengidentifikasi bagaimana sebuah
sentimen diekspresikan menggunakan teks dan bagaimana sentimen tersebut bisa
dikatagorikan sebagai sentimen positif maupun sentimen negatif. Hasil sistem
prototipe mencapai tinggi presisi (75-95% tergantung pada data) dalam mencari
sentimen pada halaman web dan artikel berita (Nasukawa.T.& Yi, 2003).
Menurut (Liu, 2011) sentiment analysis atau opinion mining mengacu pada
bidang yang luas dari pengolahan bahasa alami, komputasi linguistic dan teks
mining yang memiliki tujuan menganalisa pendapat, sentimen, evaluasi, sikap,
penilaian dan emosi seseorang apakah pembicara atau penulis berkenan dengan
suatu topik, produk, layanan, organisasi, individu, ataupun kegiatan tertentu.
Tugas analisis sentimen yaitu mengelompokkan teks ke dalam kalimat atau
dokumen kemudian menentukan pendapat yang dikemukakan dalam kalimat atau
dokumen yang dianalisis apakah bersifat positif, negatif, atau netral (Dehhaf,
2010).

1.6 Naïve Bayes

Naïve bayes calssifer (NBC) merupakan sebuah metode klasifikasi pada
teorema bayes. Metode klasifikasi menggunkan metode probabilitas dan statistik
yang dikemukakan oleh ilmuan inggris Thomas bayes, yaitu memprediksi peluang
di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal
sebagai Teorema Bayes.
Penelitian oleh (Buntoro, 2017) memanfaatkan metode naive bayes untuk
mengklasifikasikan data tweet calon gubernur DKI jakarta 2017, akurasi tertinggi
didapat saat menggunakan metode naive bayes classifier (NBC) dengan nilai rata-
rata akurasi mencapai 95% nilai presisi 95% nilai recall 95% nilai TP rate 96,8%
nilai Tn rate 84,6%. Naïve bayes classifier ini menggunakan model classifier

4
probabilistic yang juga termasuk salah satu algoritma yang dapat mengklarifikasi
sebuah data.