Skripsi Sabrina Lestari f1g119058 Ilkom

HALAMAN JUDUL
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PESERTA

PELATIHAN KERJA MENGGUNAKAN METODE PROFILE MATCHING
( STUDI KASUS : DINAS TRANSMIGRASI DAN TENAGA KERJA
PROVINSI SULAWESI TENGGARA)
Skripsi
Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana (S-1)
Oleh:
Sabrina Lestari
F1G119058
PROGRAM STUDI ILMU KOMPUTER

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALU OLEO
KENDARI
2023
Skripsi
HALAMAN PENGESAHAN

SABRINA LESTARI
F1G119058
Telah dipertahankan di depan Dewan Penguji Pada tanggal 14 Juli 2023

Dan dinyatakan telah memenuhi syarat
Susunan Tim Penguji
Pembimbing I Pembimbing II
La Surimi, S.Si., M.Cs. Ferdinand Murni Hamundu S.T., M.Sc., Ph.D.

NIP. 198607052019031013 NIDN. 0016118403
Anggota Tim Penguji
Penguji I Penguji II Penguji III
Dr. Andi Tenriawaru, S.Si., M.Si. Gunawan, S.Kom., M.Kom. Drs. Herdi Budiman, M.Si.
NIP. 197602082005012001 NIP. 198707102022031003 NIP. 196709041996031002
Kendari, 14 Juli 2023

Mengetahui
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Dr. Ida Usman, S.Si., M.Si.

NIP.197204181999031002
ii
KATA PENGANTAR
Assalamualaikum Warahmatullahi Wabarakatuh
Alhamdulillahirabbil’aalamiin. Segala puji dan syukur penulis
panjatkan kehadirat Allah Subhanahu Wa Ta'alaatas limpahan rahmat
dankarunianya sehingga penulis dapat menyelesaikan penelitian yang berjudul
“Sistem Pendukung Keputusan Penerimaan Peserta Pelatihan Kerja
Menggunakan Metode Profile Matching” ini dengan baik. Serta tak lupa
shalawat dan salam senantiasa tercurah kepada baginda Rasulullah ‫ ﷺ‬yang
mengantarkan manusia dari zaman kegelapan ke zaman yang terang benderang
seperti yang kita rasakan saat ini. Penelitian ini disusun untuk melengkapi tugas
akhir pendidikan Strata Satu (S1) Program Studi Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo, Kota Kendari.
Dalam penyusunan skripsi ini, penulis menyadari bahwa skripsi ini masih
jauh dari sempurna dan masih banyak kekurangan, tetapi atas bantuan, bimbingan
dan kerjasama dari berbagai pihak sehingga penulis dapat menyelesaikan skripsi
ini dengan baik. Oleh karena itu, dengan segala kerendahan hati penulis
mengucapkan terima kasih dan penghargaan setinggi-tingginya kepada Bapak La
Surimi, S.Si., M.Cs. selaku Dosen Pembimbing I dan Bapak Ferdinand Murni
Hamundu, ST, M.SC., Ph.D selaku Dosen Pembimbing II yang dengan ikhlas
telah meluangkan waktunya untuk memberikan bimbingan, arahan, motivasi dan
ide sejak penentuan judul sampai terselesainya skripsi ini.

iii
Penghargaan dan terimakasih yang tidak terhingga penulis sampaikan
kepada Ayahanda tercinta Mukmin dan Ibunda tercinta Haliman Onto yang
telah mencurahkan segenap cinta dan kasih sayang serta perhatian, moril maupun
materil. Semoga Allah SWT selalu melimpahkan rahmat, Kesehatan, karunia,
keberkahan di dunia dan akhirat. Tak lupa kakakku tersayang Mawadda Sri
Lestari atas support doa dan dukungannya.
Penulis juga menyampaikan terima kasih kepada:
1. Bapak Prof. Dr. Muhammad Zamrun F., S.Si., M.Sc sebagai Rektor
Universitas Halu Oleo.
2. Bapak Dr. Ida Usman., S.Si., M.Si sebagai Dekan FMIPA.
3. Bapak Dr. Muh. Kabil Djafar, S.T, M.Si sebagai Ketua Jurusan
Matematika.
4. Ibu Dr. Andi Tendriawaru, S.Si, M.Si sebagai Ketua Program Studi Ilmu
Komputer.
5. Bapak Gunawan S.Kom., M.Kom dan Bapak Drs. Herdi Budiman M.Si.,
selaku dosen penguji yang telah banyak memberikan ide dan saran kepada
penulis dalam menyelesaikan skripsi ini.
6. Seluruh Bapak/Ibu Dosen dan staf Program Studi Ilmu Komputer Universitas
Halu Oleo, terimakasih atas ilmu dan pengetahuan yang bermanfaat serta
bantuan selama penulis mengikuti perkuliahan.
7. Sahabat seperjuangan Salak Pride, Gusti, Paska, Malik, Rangga, Anjar,
Sindi, Umu, Reni, Raysa terima kasih atas semangat yang selalu memberikan
dukungan penuh kepada penulis dalam menyelesaikan tugas akhir ini.

iv
8. Sahabat tongkrongan BTN Afdal, Anan dan Ainun semangat dan motivasi,
bantuan serta doa selama menempuh perkuliahan.
Penulis mengucapkan terimakasih yang sebesar besarnya kepada semua
pihak, terimakasih atas segala dukungan dan bantuan yang telah
diberikan.Semoga Allah SWT memberikan balasan yang berlipat ganda kepada
semua pihak yang telah turut membantu penulis dalam menyelesaikan penulisan
skripsi ini. Penulis menyadari bahwa penyusunan skripsi ini jauh dari sempurna,
oleh karena itu kritik dan saran yang bersifat membangun sangat penulis harapkan
dari pembaca untuk perbaikan selanjutnya. Akhir kata, semoga skripsi ini dapat
bermanfaat bagi penulis khususnya dan bagi para pembaca pada umumnya .
Semoga Allah menambahkan ilmu dan semangat kepada kita.
Kendari, Juli 2023
Penulis
v
DAFTAR ISI
HALAMAN JUDUL ........................................................................................... i

KATA PENGANTAR ........................................................................................ ii
HALAMAN PENGESAHAN ............................................................................ ii
DAFTAR ISI ..................................................................................................... vi
DAFTAR TABEL ........................................................................................... viii
DAFTAR GAMBAR ......................................................................................... ix
DAFTAR LAMPIRAN ...................................................................................... x
ABSTRAK......................................................................................................... xi
ABSTRACT ..................................................................................................... xii
BAB I PENDAHULUAN ................................................................................... 1

1.1 Latar Belakang ........................................................................................... 1
1.2 Rumusan Masalah ...................................................................................... 3
1.3 Tujuan Penelitian ....................................................................................... 3
1.4 Batasan Masalah ........................................................................................ 3
1.5 Manfaat Penelitian ..................................................................................... 4
BAB II TINJAUAN PUSTAKA ........................................................................ 5

2.1 Penelitian Yang Relevan ............................................................................ 5
2.2 Sistem Pendukung Keputusan .................................................................... 9
2.2.1 Definisi sistem pendukung keputusan .................................................. 9
2.2.2 Kelebihan sistem pendukung keputusan ............................................... 9
2.2.3 Kekurangan sistem pendukung keputusan .......................................... 10
2.2.4 Tujuan sistem pendukung keputusan.................................................. 11
2.2.5 Manfaat sistem pendukung keputusan ................................................ 11
2.3 Profile Matching ...................................................................................... 12
2.4 Pelatihan Kerja ......................................................................................... 14
2.5 Definisi Berdasarkan Kriteria ................................................................... 15
2.5.1 Usia ................................................................................................... 15
2.5.2 Pekerjaan ........................................................................................... 15
2.5.3 Keahlian ............................................................................................ 16
2.5.4 Pendidikan......................................................................................... 17
2.5.5 Attitude.............................................................................................. 17
2.6 Model Waterfall ....................................................................................... 17
2.7 XAMPP ................................................................................................... 19
2.8 Personal Home Page/Hypertext Preprocessor .......................................... 20
2.9 HyperText Markup Language ................................................................... 20
2.10 My Structure Query Language................................................................ 21
2.11 Entity Relationship Diagram .................................................................. 21
2.12 Unified Modelling Language .................................................................. 22
2.13 Black Box Testing .................................................................................. 23
vi
2.14 Codeigniter............................................................................................. 24
2.15 Confusion Matrix ................................................................................... 24
BAB III METODE PENELITIAN .................................................................. 27

3.1 Waktu dan Tempat Penelitian ................................................................... 27
3.2 Prosedur Penelitian ................................................................................... 27
3.3 Metode Pengumpulan Data....................................................................... 28
3.3.1 Studi pustaka ..................................................................................... 29
3.3.2 Observasi........................................................................................... 29
3.3.3 Wawancara ........................................................................................ 29
3.4 Metode Pengembangan Sistem ................................................................. 31
3.4.1 Analisis kebutuhan sistem.................................................................. 31
3.4.2 Perancangan sistem ........................................................................... 31
3.4.3 Implementasi ..................................................................................... 37
3.5 Pengujian Sistem ...................................................................................... 37
3.6 Instrumen Penelitian ................................................................................. 38
BAB IV HASIL DAN PEMBAHASAN........................................................... 39

4.1 Implementasi ............................................................................................ 39
4.1.1 Implementasi halaman login admin.................................................... 39
4.1.2 Impelementasi halaman dashboard .................................................... 40
4.1.3 Implementasi halaman kriteria ........................................................... 41
4.1.4 Implementasi halaman data peserta .................................................... 41
4.1.5 Implementasi halaman penilaian ........................................................ 42
4.1.6 Implementasi halaman perankingan ................................................... 43
4.2 Pengujian ................................................................................................. 43
4.2.1 Black box testing ............................................................................... 44
4.2.2 Penerapan metode profile matching ................................................... 46
4.2.3 Confusion matrix ............................................................................... 58
BAB V PENUTUP ........................................................................................... 62

5.1 Kesimpulan .............................................................................................. 62
5.2 Saran ........................................................................................................ 62
DAFTAR PUSTAKA
vii
DAFTAR TABEL
Halaman
Tabel 2.1 Penelitian Terdahulu ............................................................................ 6
Tabel 2.2 Simbol-Simbol Entity Relationship Diagram ..................................... 21
Tabel 2.3 Simbol-Simbol Use Case Diagram .................................................... 22
Tabel 2.4 Simbol-Simbol Activity Diagram ...................................................... 23
Tabel 2.5 Confusion Matrix ............................................................................... 25
Tabel 3.1 Aspek, Kriteria dan Nilai Target ........................................................ 30
Tabel 3.2 Nilai Input Profile Matching .............................................................. 30
Tabel 3.3 CF dan SF Aspek Penilaian ............................................................... 31
Tabel 3.4 Instrumen Penelitian .......................................................................... 38
Tabel 4.1 Pengujian Halaman Login Admin ....................................................... 44
Tabel 4.2 Pengujian Form Input Data Peserta ................................................... 45
Tabel 4.3 Pengujian Form Penilaian.................................................................. 46
Tabel 4.4 Kriteria Aspek Berkas dan Aspek Kompetensi .................................. 47
Tabel 4.5 Kriteria Aspek Berkas dan Aspek Kompetensi ................................... 47
Tabel 4.6 Pemetaan GAP Pelatihan Desain Grafis ............................................. 48
Tabel 4.7 Pemetaan GAP Barista ...................................................................... 49
Tabel 4.8 Bobot GAP ........................................................................................ 50
Tabel 4.9 Pembobotan Kriteria Data Pelatihan Desain Grafis ............................. 51
Tabel 4.10 Pembobotan Kriteria Data Pelatihan Barista .................................... 51
Tabel 4.11 Contoh Perhitungan NCF dan NSF .................................................. 52
Tabel 4.12 Perhitungan NCF dan NSF Kriteria Data Pelatihan Desain Grafis .... 53
Tabel 4.13 Perhitungan NCF dan NSF Kriteria Data Pelatihan Barista ............. 54
Tabel 4.14 Contoh Perhitungan Nilai Total ....................................................... 54
Tabel 4.15 Nilai Total Kriteria Data Pelatihan Desain Grafis ............................ 55
Tabel 4.16 Nilai Total Kriteria Data Pelatihan Barista ....................................... 56
Tabel 4.17 Nilai Akhir Pelatihan Desain Grafis ................................................. 56
Tabel 4.18 Nilai Akhir Pelatihan Barista ............................................................ 57
Tabel 4.19 Confussion Matrix Pelatihan Desain Grafis ...................................... 58
Tabel 4.20 Confussion Matrix Pelatihan Barista ............................................... 58
Tabel 4.21 Perbandingan Nilai Data Asli dan Data Sistem Desain Grafis .......... 60
Tabel 4.22 Perbandingan Nilai Data Asli dan Data Sistem Barista .................... 60
viii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Ilustrasi Model Waterfall ................................................................ 18
Gambar 3.1 Prosedur Penelitian ......................................................................... 27
Gambar 3.2 Use Case Diagram Pelatihan Kerja.................................................. 32
Gambar 3.3 Activity Diagram Login Page .......................................................... 33
Gambar 3.4 Activity Diagram Main Menu.......................................................... 34
Gambar 3.5 Activity Diagram Input Data ........................................................... 35
Gambar 3.6 Activity Diagram Hasil Perangkingan ............................................. 36
Gambar 3.7 ERD Pelatihan Kerja ....................................................................... 37
Gambar 4.1 Implementasi Halaman Login Admin .............................................. 40
Gambar 4.2 Implementasi Halaman Dashboard .................................................. 40
Gambar 4.3 Implementasi Halaman Kriteria ...................................................... 41
Gambar 4.4 Implementasi Halaman Data Peserta ............................................... 42
Gambar 4.5 Implementasi Halaman Penilaian .................................................... 42
Gambar 4.6 Implementasi Halaman Perangkingan ............................................. 43
ix
DAFTAR LAMPIRAN
Halaman
Lampiran 1.1 Confussion Matrix Pelatihan Desain Grafis ................................. 63
Lampiran 1.2 Confussion Matrix Pelatihan Barista ............................................ 63
Lampiran 1.3 Wawancara ................................................................................. 63
x
Oleh :
SABRINA LESTARI
F1G119058
ABSTRAK
ABSTRAK
Pelatihan kerja adalah suatu proses pendidikan atau pembelajaran yang

diselenggarakan untuk memberikan keterampilan, pengetahuan, dan kompetensi
kepada individu agar dapat melaksanakan pekerjaan tertentu dengan baik..
Penelitian ini bertujuan untuk mengimplementasikan metode profile matching
dalam sistem pendukung keputusan (SPK) untuk penerimaan peserta pelatihan
kerja. Proses penerimaan peserta secara manual menghadapi beberapa kendala,
seperti kesulitan dalam pengambilan keputusan dan penyortiran berkas yang
memakan waktu. SPK dengan metode profile matching dipilih sebagai solusi yang
efektif dalam mencari peserta seleksi yang sesuai dengan kriteria yang diinginkan,
dengan melibatkan core factor dan secondary factor yang ditentukan oleh penilai.
Berdasarkan hasil penelitian, ditemukan bahwa metode profile matching
dalam SPK mampu memberikan penilaian yang akurat dan konsisten terhadap
peserta pelatihan. Dapat dilihat dari hasil perhitungan sistem yang diterapkan pada
dua data peserta pelatihan. Data peserta pelatihan Desain Grafis dengan nilai
akurasi 75%, tingkat presisi 80% dan recall 85%. Pada data peserta pelatihan
Barista dengan nilai akurasi 90% tingkat presisi 88% dan recall 100% yang
menunjukkan hasil yang cukup baik dari kedua data. Dengan adanya sistem
pendukung keputusan ini, proses seleksi peserta pelatihan kerja dapat dilakukan
dengan lebih efisien, obyektif, dan berkualitas.
Kata Kunci: Sistem Pendukung Keputusan, Profile Matching, Penerimaan Peserta

Pelatihan Kerja
xi
DECISION SUPPORT SYSTEM FOR ACCEPTANCE OF WORK
TRAINING PARTICIPANTS USING THE PROFILE MATCHING METHOD
(CASE STUDY: TRANSMIGRATION AND LABOR SERVICE OF
SOUTHEAST SULAWESI PROVINCE)
By :
SABRINA LESTARI
F1G119058
ABSTRACT
ABSTRACT
Work training is an educational or learning process that is held to provide

skills, knowledge, and competencies to individuals so they can carry out certain
jobs properly. This study aims to implement the profile matching method in a
decision support system (SPK) for the acceptance of job training participants. The
process of accepting participants manually faces several obstacles, such as
difficulties in decision making and time-consuming file sorting. SPK with the
profile matching method was chosen as an effective solution in finding selection
participants who match the desired criteria, by involving core factors and
secondary factors determined by the assessor.
Based on the research results, it was found that the profile matching
method in SPK was able to provide an accurate and consistent assessment of the
training participants. It can be seen from the results of the system calculations
applied to the two training participant data. Graphic Design trainee data with an
accuracy value of 75%, 80% precision and 85% recall. In the Barista training
participant data with an accuracy value of 90%, the precision level is 88% and
the recall is 100%, which shows quite good results from both data. With this
decision support system, the selection process for job training participants can be
carried out more efficiently, objectively and with quality.
Keywords: Decision Support System, Profile Matching, Acceptance of Work

Training Participants
xii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pelatihan kerja merupakan salah satu jalur untuk meningkatkan kualitas
serta mengembangkan karier tenaga kerja. Kegiatan pelatihan sangat penting
karena bermanfaat guna menambah pengetahuan atau keterampilan terutama bagi
yang mempersiapkan diri memasuki lapangan pekerjaan. Indonesia berdasarkan
data Badan Pusat Statistik (BPS), memiliki jumlah penduduk pada tahun 2022
sebanyak 275,77 juta jiwa. Sementara itu BPS Provinsi Sulawesi Tenggara
mencatat jumlah angkatan kerja pada Agustus 2022 sebanyak 1.382,40 ribu orang
atau naik 0,09 persen dibanding periode yang sama pada tahun 2021. Jumlah
penduduk yang besar ini juga memerlukan lapangan kerja yang besar. Maka dari
itu pemerintah melalui UU No. 13 Thn. 2003 Tentang Ketenagakerjaan dijelaskan
pada Bab V Pelatihan Kerja Pasal 9 bahwa pelatihan kerja diselenggarakan dan
diarahkan untuk membekali, meningkatkan dan mengembangkan kompetensi
kerja guna meningkatkan kemampuan produktivitas dan kesejahteraan.
Pada penyelenggaraan pelatihan kerja, terlebih dahulu dilakukan proses
penerimaan peserta. Akan tetapi proses penerimaan yang secara manual memiliki
beberapa kelemahan seperti kertas formulir yang mudah tercecer dan saat
pengimputan tidak terdata atau bisa saja tidak diperiksa dengan baik (Munah,
2018). Permasalahan lain pada sistem manual adalah dalam mengambil
keputusan, tidak jelas kriteria yang dipakai oleh manajemen untuk menentukan
calon peserta tersebut diterima atau tidak (Fitriyani & Yanuarti, 2019).
1
2
Kelemahan tersebut disebabkan karena banyaknya pendaftar yang masuk dan
berkas yang diperiksa dalam jumlah banyak disortir satu per satu sehingga proses
seleksi peserta menjadi terhambat karena pihak penyeleksi terlalu lama dalam
mengambil keputusan secara cepat dan tepat.
Dengan mempertimbangkan hal tersebut maka diperlukan suatu sistem
yang dapat berfungsi sebagai penyeleksi otomatis dari masing-masing calon
peserta pelatihan kerja yang mendaftar pada Dinas Transmigrasi dan Tenaga
Kerja. Melakukan penyeleksian secara otomatis tentu akan lebih efisien untuk
menghemat waktu dalam penerimaan peserta pelatihan kerja. Menurut Nazim
dkk., (2012) sistem pendukung keputusan (SPK) merupakan alat yang efektif
untuk membantu pengambilan keputusan dalam situasi yang kompleks dan tidak
pasti serta meminimalkan risiko kesalahan pengambilan keputusan.
Penelitian menunjukkan bahwa metode profile matching efektif
digunakan dalam berbagai permasalahan mengenai pemilihan atau pengambilan
keputusan. Profile matching baik dalam penentuan salesman terbaik (Sutinah,
2017), menentukan jurusan siswa SMA (Sari, 2015) atau juga pemilihan rumah
tinggal (Sundari & Sunarti, 2018). Dalam penelitian ini metode profile matching
digunakan untuk mencari peserta seleksi yang sesuai dengan kriteria yang
diinginkan, dan melibatkan core factor dan secondary factor yang ditentukan oleh
penilai dalam setiap seleksi. Dalam perhitungannya, setiap kriteria diberikan
bobot yang berbeda, sehingga persyaratan memiliki bobot sesuai dengan jenis
atau standar yang diinginkan (Astari, 2019). Penggunaan SPK dan metode profil
matching memiliki potensi untuk meningkatkan kinerja dan produktivitas.

3
Oleh karena itu, pada penelitian ini akan diterapkan metode profile
matching yang dapat digunakan dalam sistem pengambilan keputusan untuk
penerimaan peserta pelatihan kerja.
1.2 Rumusan Masalah
Rumusan masalah dalam penelitian ini yaitu bagaimana
mengimplementasikan profile matching dalam sistem pendukung keputusan
pada Dinas Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara.
1.3 Tujuan Penelitian
Tujuan dari penelitian ini yaitu menghasilkan sebuah sistem pendukung
keputusan untuk penerimaan peserta pelatihan kerja menggunakan metode profile
matching Dinas Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara.
1.4 Batasan Masalah
Penelitian ini dibatasi oleh hal-hal sebagai berikut:
1. Keluaran sistem berupa lulus atau tidak lulus menjadi peserta pelatihan kerja
dari bidang seleksi berdasarkan nilai akhir tertinggi.
2. Sistem pendukung keputusan ini dapat diakses oleh bagian panitia
penerimaan peserta pelatihan kerja pada Dinas Tenaga Kerja dan
Transmigrasi Provinsi Sulawesi Tenggara.
3. Pada penelitian ini menggunakan data peserta dari 2 bidang pelatihan yaitu
Pelatihan Kejuruan Barista dan Desain Grafis dari Dinas Transmigrasi dan
Tenaga Kerja Provinsi Sulawesi Tenggara.

4
1.5 Manfaat Penelitian
Manfaat penelitian sistem pendukung keputusan dalam penentuan
penerimaan peserta pelatihan kerja antara lain :
1. Sebagai salah satu alternatif untuk membantu dan mempermudah penerimaan
peserta pelatihan kerja di Dinas Transmigrasi dan Tenaga Kerja Provinsi
Sulawesi Tenggara.
2. Menambah pengetahuan penulis dalam merancang Sistem Pendukung
Keputusan menggunakan metode Profile Matching.
3. Sebagai referensi dikemudian hari dalam melakukan penelitian untuk
membuat sistem pendukung keputusan menjadi lebih baik serta sebagai
masukan dalam penulisan ilmiah yang lebih baik dimasa yang akan datang.
BAB II
TINJAUAN PUSTAKA
2.1 Penelitian Yang Relevan
Penelitian yang relevan merupakan penelitian terdahulu yang masih
memiliki keterkaitan dengan topik masalah yang diangkat oleh penulis.
Penelitian-penelitian ini juga menjadi salah satu referensi penulis dalam
memperluas pengetahuan agar dapat menemukan solusi dari permasalahan yang
dihadapi. Adapun beberapa penelitian yang dimaksud adalah sebagai berikut.
Penelitian dari Kosasi (2015) yang berkaitan dengan penelitian ini
adalah “Sistem Penunjang Keputusan Seleksi Penerimaan Account Officer” (Studi
Kasus : PT PBR Sukadama Prima, Pontianak). Tujuan dari penelitian ini dimana
sistem ini dapat memudahkan pihak penyeleksi penerimaan karyawan agar
memperoleh informasi yang relevan, tepat, akurat dan objektif sebelum
mengangkat dan menempatkan seseorang pada posisi Acount Officer. Aplikasi
yang diterapkan memiliki kesamaan dengan sistem yang akan dibuat yaitu
menyeleksi kriteria-kriteria calon karyawan/pekerja.
Penelitian yang dilakukan oleh Zarnelly & Yusuf (2018) yang berkaitan
dengan penelitian ini adalah ”Sistem Pendukung Keputusan Penentuan Peserta
Pelatihan Berprestasi Menggunakan Metode Simple Additive Weighting”.
Penelitian ini bertujuan untuk mengukur kemampuan peserta pelatihan dengan
memberikan uji kompetensi penentuan peserta pelatihan berprestasi, sehingga
dapat merekomendasikan dan membantu Disnaker dalam meranking nilai peserta
pelatihan berprestasi dan mengelola data program pelatihan. Teknik perancangan
5
6
sistem menggunakan metode Object Oriented Analysis Design (OOAD) dan
Tools Unified Modelling Language (UML). Teknik pengujian sistem
menggunakan teknik Black Box testing, User Acceptance Test (UAT) dan
perhitungan metode SAW secara manual.
Penelitian yang dilakukan oleh Saputra dkk., (2020) yang berjudul
“Sistem Pendukung Keputusan Penentuan Dosen Pembimbing Skripsi
Menggunakan Metode Profile Matching berbasis Android”. Penelitian ini
bertujuan untuk meraih dan meningkatkan kemampuan berpikir para mahasiswa
secara komprehensif dalam bidang keilmuan masing-masing. Selain itu, penelitian
ini dapat lebih membantu kaprodi dalam menentukan dosen pembimbing dan
memudahkan mahasiswa untuk mengetahui hasil secara langsung. Berdasarkan
hasil implementasi dan pengujian yang dilakukan peneliti, aplikasi yang dibangun
masuk dalam kategori sangat layak, dimana poin yang diperlukan untuk kriteria
sangat layak adalah 5346,68 poin, sedangkan aplikasi yang dibangun memiliki
poin sebesar 5376 poin.
Berikut ini merupakan penelitian yang terkait dengan Sistem Pendukung
Keputusan yang telah digunakan pada peneliti sebelumnya untuk menghindari
kesamaan dengan penelitian ini dapat dilihat pada Tabel 2.1
Tabel 2.1 Penelitian Terdahulu
Peneliti
No Judul Metode Hasil
dan Tahun
1 Entin Sistem Profile
Sutinah Pendukung Matching Hasil yang didapatkan
2017 Keputusan sebuah keputusan yang
Menggunakan tepat dan sesuai harapan
Metode Profile yaitu pihak manajemen
7
Peneliti
dan Tahun
Matching dalam dapat memilih salesmen
Pemilihan terbaik yang nantinya
Salesman akan dipromosikan
Terbaik menjadi sales manajer.
2 Zarnelly, Sistem Simple Hasil penelitian ini
Nazarudin Pendukung Additive berupa SPK penentuan
Yusuf Keputusan Weighteng peserta pelatihan
2018 Penentuan (SAW) berprestasi, sehingga
Peserta dapat merekomendasikan
Pelatihan dan membantu Disnaker
Berprestasi dalam meranking nilai
peserta pelatihan
berprestasi dan mengelola
data program pelatihan
3 Mervin Sistem Profile Dalam penelitian ini hasil
Angeline, Pendukung Matchig rancangan dapat
Feriani Keputusan digunakan untuk
Astuti Pemilihan melakukan penilaian pada
2018 Karyawan karyawan dalam
Terbaik pemilihan karyawan
Menggunakan terbaik dengan
Metode Profile menggunakan metode
Matching Profile Matching.
4 Bosker Sistem Profile
Sinaga, Pendukung Matchig Dalam penelitian ini studi
Yulia Utami Keputusan dalam menentukan dosen
Program Penentuan pembimbing tugas akhir
2018 Dosen berdasarkan kriteria dan
Pembimbing nilai pembobotan.
Skripsi Berdasarkan pengujian
Menggunakan
Metode Profile
Matching
8
Peneliti
dan Tahun
5 Nikcolas Sistem Profile
Diaz, Pendukung Matching Penelitian ini untuk
Sulindawaty Keputusan seleksi anggota
2020 Seleksi Calon paskibraka secara cepat
Peserta dan tepat dengan
Paskibraka transparan melalui sistem
Kabupaten Karo dan kriteria yang sudah
Menggunakan ditentukan
Profile
Matching
6 Achmad Profile Profile Penelitian ini untuk
Wahid Matching Untuk Matching membuat suatu sistem
Kurniawan , Sistem pendukung keputusan
Budi Pendukung mengenai penilaian
Widjajanto, Keputusan kinerja seluruh pembalap
dan Ida Penilaian yang dimodelkan dan
Farida Kinerja Driver komprehensif
2021
7 Sri Penerapan Profile Metode Profile Matching
Wahyunin, Metode Profile Matching terbukti cukup efektif dan
Fariz Rizal , Matching Dalam memberikan hasil yang
dan Penentuan akurat. Sehingga peserta
Mubarok Peserta pelatihan yang dipilih
2022 Pelatihan benar-benar sudah sesuai
Terbaik dengan ketentuan dan
standar perusahaan
8 Indara Bala Rancangan Profil Penelitian ini dapat
Dewa, Sistem Matching membantu peran
Kresna Pendukung manajemen atau manajer
Ramanda,da Keputusan dalam mendukung
n Yunita Penerimaan membantu pengambilan
2022 Pegawai keputusan yang bernilai
Menggunakan obyektif dengan waktu
Metode Profil yang lebih efektif.
Matching
9
2.2 Sistem Pendukung Keputusan
2.2.1 Definisi sistem pendukung keputusan
Dalam buku Decision Support Systems and Intelligent Systems (Turban
dkk., 2005) sebuah sistem pendukung keputusan menggabungkan model dan data
untuk menyelesaikan masalah semi-terstruktur dan tidak terstruktur dengan
melibatkan pengguna. SPK atau Decision Support System (DSS) adalah sebuah
sistem yang mampu memberikan kemampuan pemecahan masalah maupun
kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur
dan tak terstruktur (Pulu, 2018). SPK dapat menjadi perangkat interaktif yang
memungkinkan pengambil keputusan dalam melakukan berbagai analisis dan
mengambil keputusan dari data yang ada.
2.2.2 Kelebihan sistem pendukung keputusan
Menurut Setianingsih (2015) sistem pendukung keputusan dapat
memberikan beberapa keuntungan-keuntungan bagi pemakainya, keuntungan-
keuntungan tersebut meliputi:
1. Memperluas kemampuan pengambil keputusan dalam memproses data
informasi untuk pengambilan keputusan.
2. Menghemat waktu yang dibutuhkan untuk memecahkan masalah, terutama
berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. Menghasilkan solusi dengan lebih cepat dan hasilnya dapat diandalkan.
4. Mampu memberikan berbagai alternatif dalam pengambilan keputusan,
meskipun seandainya SPK tidak mampu memecahkan masalah yang

10
dihadapi oleh pengambil keputusan, namun dapat digunakan sebagai
stimulasi dalam memahami persoalan.
5. Memperkuat keyakinan pengambil keputusan terhadap keputusan yang
diambilnya.
6. Memberikan keuntungan kompetitif bagi organisasi secara keseluruhan
dengan penghematan waktu, tenaga dan biaya.
2.2.3 Kekurangan sistem pendukung keputusan
Menurut Setianingsih (2015) walaupun sistem pendukung keputusan
dirancang dengan sangat teliti dan mempertimbangkan seluruh faktor yang ada,
sistem pendukung keputusan mempunyai kelemahan atau keterbatasan,
diantaranya yaitu:
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya
mencerminkan persoalan sebenarnya.
2. Sistem pendukung keputusan terbatas untuk memberikan alternatif dari
pengetahuan yang diberikan kepadanya (pengetahuan dasar serta model
dasar) pada waktu perancangan program tersebut.
3. Proses-proses yang dapat dilakukan oleh sistem pendukung keputusan
biasanya tergantung juga pada kemampuan perangkat lunak yang
digunakan.
4. Harus selalu diadakan perubahan secara berkelanjutan untuk menyesuaikan
dengan keadaan lingkungan yang terus berubah agar sistem tersebut up to
date.
11
5. Sistem pendukung keputusan dirancang untuk membantu/mendukung
pengambilan keputusan dengan mengolah informasi dan data yang
diperlukan, dan bukan untuk mengambil alih pengambilan keputusan.
2.2.4 Tujuan sistem pendukung keputusan
Menurut Kusrini (2007) sistem pendukung keputusan mempunyai
beberapa tujuan yang akan dicapai dalam memecahkan masalah semiterstruktur
diantaranya yaitu sebagai berikut :
1. Membantu pengguna dalam pengambilan keputusan atas masalah semi-
terstruktur.
2. Memberikan dukungan atas pertimbangan pengguna.
3. Meningkatkan efektifitas keputusan yang diambil pengguna.
4. Kecepatan komputasi.
5. Peningkatan produktifitas.
6. Dukungan kualitas.
7. Berdaya saing.
8. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
2.2.5 Manfaat sistem pendukung keputusan
Manfaat sistem pendukung keputusan yaitu untuk membantu
menentukan keputusan yang akan diambil. Berikut ini beberapa manfaat sistem
pendukung keputusan yaitu sebagai berikut :
1. Keuntungan administrasi (penghematan waktu dan tenaga).
2. Efisiensi dalam penggunaan manajemen waktu.
3. Pembuatan keputusan yang lebih baik dalam menangani masalah yang lebih
kompleks.
12
4. Pengenalan terhadap masalah yang lebih baik sehingga ada kemantapan
yang tinggi dalam membuat keputusan.
5. Penggunaan data yang lebih baik (aktual, akurasi, akses dan ketersediaan)
6. Perencanaan dan kontrol yang lebih baik.
7. Pencarian berbagai alternatif yang lebih baik lagi.
8. Keuntungan komunikasi.
2.3 Profile Matching
Menurut Kusrini dalam (Sari, 2015) Metode profile matching atau
pencocokan profil adalah metode yang sering digunakan sebagai mekanisme
dalam pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat
variabel prediktor yang ideal yang harus dipenuhi oleh subyek yang diteliti,
bukannya tingkat minimal yang harus dipenuhi atau dilewati. Profile matching
(GAP) adalah proses membadingkan nilai aspek standar kompetensi awal dengan
kompetensi masukan yang nantinya akan di rangking berdasarkan nilai tertinggi.
Berikut adalah beberapa tahapan dan perumusan perhitungan dengan
metode profile matching berikut :
a. Langkah awal metode profile matching ini adalah menghitung nilai GAP
untuk masing-masing kriteria. GAP merupakan perbedaan/selisih value
masing-masing aspek / atribut dengan value target.
b. Langkah kedua adalah pembobotan. Langkah ini dilakukan dengan mengganti
nilai GAP yang telah diperoleh dengan bobot nilai yang telah ditetapkan oleh
pengambil keputusan. Ditunjukkan pada Tabel 2.2.

13
c. Langkah ketiga adalah perhitungan dan pengelompokan care factor (faktor
utama) dan secondary factor (faktor pendukung). Core factor merupakan
aspek yang paling dibutuhkan ketika akan menentukan hasil akhir suatu
keputusan. Sedangkan secondary factor merupakan faktor pendukung dari
core factor. Sebelum dilakukan perhitungan, manajer terlebih dahulu
menentukan faktor mana yang termasuk kedalam core factor dan faktor mana
yang termasuk dalam secondary factor.
Perhitungan core factor (faktor utama) ditunjukkan pada Persamaan 2.1.
Σ 𝑁𝐶𝐹 (2.1)
𝑁𝐶𝐹 =
Σ 𝐼𝐶
Keterangan :
NCF : Nilai rata-rata core factor
NC : Jumlah total nilai core factor
IC : Jumlah item core factor
Sedangkan perhitungan secondary factor (faktor pendukung) ditunjukkan
pada Persamaan 2.2.
Σ 𝑁𝑆 (2.2)
𝑁𝐶𝐹 =
Σ 𝐼𝑆
Keterangan :
NSF : Nilai rata-rata
NS : Jumlah total nilai secondary factor
IS : Jumlah item secondary factor
d. Langkah keempat metode profile matching ini adalah perhitungan nilai total
dari tiap aspek. Perhitungan nilai total ditunjukkan pada Persaman 2.3.
14
𝑁 = (𝑋)% 𝑁𝐶𝐹 + (𝑋)% 𝑁𝑆𝐹 (2.3)
Keterangan
NCF : Nilai rata-rata core factor
NSF : Nilai rata-rata secondary factor
N : Nilai total dari aspek
(x)% : Nilai persen untuk masing-masing kelas factor
e. Langkah terakhir dari profile matching adalah penentuan nilai akhir atau
rangking dari setiap peserta untuk mendapatkan kelulusan. Perhitungan dapat
ditunjukkan pada Persamaan 2.4.
Ni = (𝑥 )% 𝑁𝐴1 + (𝑋)% 𝑁𝐴2 (2.4)
Keterangan:
NA : Nilai Aspek
NA1 : Nilai Aspek kompetensi
NA2 : Nilai Aspek berkas
Ni : Nilai setiap aspek penilaian
(x)% : Nilai persen ranking
2.4 Pelatihan Kerja
Siagian (2019) mendefinisikan pelatihan adalah proses belajar mengajar
dengan menggunakan teknik dan metoda tertentu secara konsepsional dapat
dikatakan bahwa latihan dimaksudkan untuk meningkatkan keterampilan dan
kemampuan kerja seseorang atau sekelompok orang. Para peserta pelatihan akan
mempelajari pengetahuan dan keterampilan yang sifatnya praktis untuk tujuan
tertentu. Hadari Nawawi (1997) menyatakan bahwa pelatihan pada dasarnya

15
adalah proses memberikan bantuan bagi para pekerja untuk menguasai
keterampilan khusus atau membantu untuk memperbaiki kekurangannya dalam
melaksanakan pekerjaan. Fokus kegiatannya adalah untuk meningkatkan
kemampuan kerja dalam memenuhi kebutuhan tuntutan cara bekerja yang paling
efektif pada masa sekarang. Latihan kerja adalah keseluruhan kegiatan untuk
memperoleh, meningkatkan serta mengembangkan produktivitas, disiplin, sikap
kerja dan etos kerja pada tingkat keterampilan tertentu berdasarkan persyaratan
pekerjaan tertentu yang pelaksanaannya lebih mengutamakan praktek dari pada
teori.
2.5 Definisi Berdasarkan Kriteria
2.5.1 Usia
Usia tenaga kerja merujuk pada usia dimana seseorang sudah memasuki
masa produktif dalam memberikan jasa bagi orang lain. Usia produktif tersebut
dapat berbeda-beda pada setiap individu (Yasin & Priyono, 2016).
2.5.2 Pekerjaan
Menurut pasal 1 UU Ketenagakerjaan menyebutkan definisi pekerjaan
adalah seseorang yang bekerja dan mendapatkan upah atau imbalan dalam bentuk
lain. Menurut Sukirno (2004) angkatan kerja yaitu jumlah penduduk yang
tergolong dalam umur 15 tahun hingga 64 tahun yang sedang bekerja atau secara
aktif sedang mencari pekerjaan. Menurut Badan Pusat Statistik, Angkatan kerja
terdiri dari dua golongan, yaitu: 1). golongan yang bekerja, yaitu mereka yang
melakukan pekerjaan dengan maksud memperoleh upah, atau memperoleh
pendapatan atau keuntungan, baik mereka yang bekerja penuh maupun tidak
16
bekerja penuh; 2). golongan yang menganggur, yaitu mereka yang tidak bekerja
dan sedang aktif mencari pekerjaan menurut waktu tertentu atau mereka yang
sudah pernah bekerja tetapi sudah menganggur dan mencari pekerjaan.
Golongan yang termasuk bukan angkatan kerja ialah tenaga kerja atau
penduduk dalam usia kerja yang tidak bekerja, tidak mempunyai pekerjaan dan
sedang tidak mencari pekerjaan, yakni orang-orang yang kegiatannya bersekolah
(pelajar, mahasiswa), mengurus rumah tangga (maksudnya Ibu-Ibu yang bukan
wanita karir), serta menerima pendapatan tapi bukan merupakan imbalan langsung
dan jasa kerjanya (pensiun, penderita cacat yang mendapat sumbangan). Kedua
golongan dalam kelompok angkatan kerja sewaktu-waktu dapat menawarkan jasa
untuk bekerja
2.5.3 Keahlian
Keahlian merupakan sesuatu minat atau bakat yang harus dimiliki oleh
seseorang, dengan keahlian yang dimilikinya memungkinkan untuk dapat
menjalankan dan menyelesaikan tugas-tugas secara baik dengan hasil yang
maksimal. Keahlian yang dimiliki seseorang dapat diperoleh dari pendidikan
formal maupun non formal yang nantinya harus terus menerus ditingkatkan
(Wardani, 2009).
Keahlian kerja adalah suatu hasil kerja yang dicapai seseorang dalam
melaksanakan tugas-tugas yang dibebankan kepadanya yang didasarkan atas
kecakapan, pengalaman, dan kesungguhan serta waktu (Hasibuan, 2005).

17
2.5.4 Pendidikan
Menurut Hasibuan dalam Candra (2018) pendidikan diartikan sebagai
suatu indikator yang mencerminkan kemampuan seseorang untuk menyelesaikan
pekerjaan. Pendidikan adalah kegiatan yang bertujuan untuk meningkatkan
pengetahuan dan keterampilan seseorang dalam memecahkan masalah yang
terkait dengan pencapaian tujuan, serta meningkatkan penguasaan teori.
Pendidikan formal dimulai sejak seseorang memasuki sekolah dasar hingga
perguruan tinggi.
2.5.5 Attitude
Attitude atau perilaku adalah tindakan serta cara ekspresi yang
dilakukan oleh manusia yang merupakan hasil dari kombinasi antara anatomi,
perkembangan fisik, dan psikologis. Meskipun pola perilaku setiap individu bisa
berbeda-beda, namun proses terjadinya sangat penting bagi setiap orang karena
dipicu oleh tujuan tertentu, kemudian dipacu dan ditampilkan ke arah tujuan
tersebut (Sidin & Della, 2021).
2.6 Model Waterfall
Metode Waterfall atau biasa disebut klasik yang bersifat sistematis dan
berurutan untuk pengembangan perangkat lunak yang dimulai dengan spesifikasi
kebutuhan pelanggan dan berkembang melalui perencanaan, pemodelan,
konstruksi, dan penyebaran, yang berpuncak pada dukungan berkelanjutan dari
perangkat lunak yang selesai. Adapun model waterfall dapat dilihat pada Gambar
2.1.
18
Gambar 2.1 Ilustrasi Model Waterfall (Sasmito, 2017)
Berikut ini adalah tahapan dari model waterfall yaitu:
1. Analisis
Dalam analisa kebutuhan ini bertujuan untuk menganalisis kebutuhan yang
dibutuhkan dalam perancangan baik berupa dokumen maupun sumber lain yang
dapat membantu dalam menentukan solusi permasalahan yang ada baik dari sisi
user maupun admin.
2. Desain
Desain perangkat lunak adalah proses multi langkah yang fokus pada desain
pembuatan program perangkat lunak termasuk struktur data, arsitektur perangkat
lunak, representasi antarmuka, dan prosedur pengkodean. Tahap ini mentranslasi
kebutuhan perangkat lunak dari tahap analisis kebutuhan ke representasi desain
agar dapat diimplementasikan menjadi program pada tahap selanjutnya. Desain
perangkat lunak yang dihasilkan pada tahap ini juga perlu didokumentasikan.
3. Pengkodean
Desain harus ditranslasikan ke dalam program perangkat lunak. Hasil dari
tahap ini adalah program komputer sesuai dengan desain yang telah dibuat pada
tahap desain.
19
4. Pengujian
Pengujian fokus pada perangkat lunak dari segi logic dan fungsional dan
memastikan bahwa semua bagian sudah diuji. Hal ini dilakukan untuk
meminimalisir kesalahan (error) dan memastikan keluaran yang dihasilkan sesuai
dengan yang diinginkan.
5. Pemeliharaan
Tidak menutup kemungkinan sebuah perangkat lunak mengalami perubahan
ketika sudah dikirimkan ke user. Perubahan bisa terjadi karena adanya kesalahan
yang muncul dan tidak terdeteksi saat pengujian atau perangkat lunak harus
beradaptasi dengan lingkungan baru. Tahap pendukung atau pemeliharaan dapat
mengulangi proses pengembangan mulai dari analisis spesifikasi untuk perubahan
perangkat lunak yang sudah ada, tapi tidak untuk membuat perangkat lunak baru
(Sasmito, 2017).
2.7 XAMPP
XAMPP adalah sebuah software web server apache yang di dalamnya
sudah tersedia database server MySQL dan dapat mendukung pemrograman PHP.
Fungsinya adalah sebagai server yang berdiri sendiri (localhost), yang terdiri atas
program Apache HTTP Server, MySQL database, dan penerjemah bahasa yang
ditulis dengan bahasa pemrograman PHP dan Perl. Nama XAMPP merupakan
singkatan dari X (empat sistem operasi apapun), Apache, MySQL, PHP dan Perl
(Februariyanti & Zuliarso, 2012).

20
2.8 Personal Home Page/Hypertext Preprocessor
Hypertext preprocessor pertama kali muncul pada Tahun 1994
diciptakan oleh Leonardo Bernart. Awalnya PHP memiliki singkatan “Personal
Home Page”, selanjutnya PHP diganti nama menjadi FI (Form Interpreter). Sejak
kemunculan PHP versi 3.0, nama PHP kembali diganti menjadi “Hypertext
Preprocessor” hingga sekarang ini. Hypertext Preprocessor atau yang sebelumnya
disebut sebagai Personal Home Pages adalah sebuah bahasa pemrograman yang
digunakan secara luas untuk penanganan pembuatan dan pengembangan sebuah
web dan biasa digunakan pada HTML. Hypertext Preprocessor adalah salah satu
programan web server-side yang bersifat open source atau tidak berbayar (Palit,
2015).
2.9 HyperText Markup Language
HyperText Markup Language (HTML) adalah bahasa pemrograman
standar yang digunakan untuk membuat sebuah halaman web, yang kemudian
dapat diakses untuk menampilkan berbagai informasi di dalam sebuah penjelajah
web Internet (Browser). HTML dapat juga digunakan sebagai link-link antara file-
file dalam situs atau dalam komputer dengan menggunakan localhost, atau link
yang menghubungkan antar situs dalam dunia internet. Supaya dapat
menghasilkan tampilan wujud yang terintegerasi Pemformatan hiperteks
sederhana ditulis dalam berkas format ASCII sehingga menjadi halaman web
dengan perintah HTML.

21
2.10 My Structure Query Language
Menurut Yeni (2010) Basis data adalah sekumpulan informasi yang
diatur agar mudah dicari. Dalam arti basis data adalah sekumpulan data yang
diproses dengan bantuan komputer yang memungkinkan data dapat diakses
dengan mudah dan tepat, yang dapat digambarkan sebagai aktivitas dari atau lebih
organisasi yang berelasi. MySQL merupakan suatu database. MySQL dapat juga
dikatakan sebagai database yang sangat cocok bila dipadukan dengan PHP. Secara
umum, database berfungsi sebagai tempat atau wadah untuk menyimpan,
mengklarifikasikan data secara profesional. MySQL bekerja menggunakan SQL
Language (Structure Query Language). Itu dapat diartikan bahwa MySQL
merupaan standar penggunaan database di dunia untuk pengolahan data.
2.11 Entity Relationship Diagram
Menurut Fridayanthie & Mahdiati (2016) Entity Relationship Diagram
adalah suatu model jaringan yang menggunakan susunan data yang disimpan
dalam sistem secara abstrak. ERD merupakan model jaringan yang menekankan
pada struktur dan hubungan antardata. Simbol-simbol entity relationship diagram
yang digunakan dilihat pada Tabel 2.2.
Tabel 2.2 Simbol-Simbol Entity Relationship Diagram

Simbol Nama Arti
Entitas Suatu objek yang dapat diidentifikasi
dalam lingkungan pemakaian.
Relasi Menunjukan adanya hubungan diantara
sejumlah entitas yang berbeda.
Atribut Berfungsi mendeskripsikan kerakter
entitas (atribut yang berfugsi sebagai key
diberi garis bawah.
Garis Sebagai penghubung antara relasi dan
entitas, relasi dan entitas dengan atribut.
22
2.12 Unified Modelling Language
Menurut Harianto dalam Sutarman & Fahmi (2016) Unified Modelling
Language (UML) adalah bahasa grafis untuk mendokumentasikan,
menspesifikasikan, dan membangun sistem perangkat lunak. UML beriorientasi
objek menerapkan banyak tingkatan abstraksi, tidak bergantung proses
pengembangan, tidak bergantung bahasa dan teknologi. Berikut beberapa diagram
UML.
1. Use case diagram
Sebuah use case menggambarkan suatu urutan interaksi antara satu atau
lebih aktor dan sistem. Dalam fase requirements, model use case menggambarkan
sistem sebagai sebuah kotak hitam dan interaksi antara aktor dan sistem dalam
suatu bentuk naratif, yang terdiri dari input user dan respon-respon sistem.
Simbol-simbol use case diagram dapat dilihat pada Tabel 2.3.
Tabel 2.3 Simbol-Simbol Use Case Diagram

Simbol Nama Keterangan
Sebuah entitas manusia atau mesin yang
Actor berinteraksi untuk melakukan pekerjaan-
pekerjaan tertentu.
Menggambarkan deskripsi yang melibatkan
Use case
actor.
Digunakan untuk menggambarkan bagaiman
Association
actor terlibat dalam use case.
Hubungan generalisasi dan spesialisasi
(umum-khusus) antara dua bua use case
Generalitation
dimana fungsi yang satu adalah fungsi yang
lebih umum dari lainnya.
2. Activity Diagram
Activity Diagram menggambarkan rangkaian aliran dari aktifitas,
digunakan untuk mendeskripsikan aktifitas yang dibentuk dalam suatu operasi

23
sehingga dapat juga digunakan untuk aktifitas lainnya seperti use case atau
interaksi. Sebuah aktifitas dapat di realisasikan oleh satu use case atau lebih.
Simbol-Simbol Activity diagram dapat dilihat pada Tabel 2.4.
Tabel 2.4 Simbol-Simbol Activity Diagram

Simbol Nama Keterangan
Start state Dengan tegas menunjukan dimulainya suatu
aliran kerja pada sebuah activity diagram.
And state menggambarkan akhir atau terminal dari
pada sebuah activity diagram. Bisa terdapat
lebih dari satu and state pada sebuah
activity diagram.
Activity Menggambarkan suatu pekerjaan atau tugas
dalam workflow.
Flow (Alur) menunjukan kegiatan apa berikutnya
setelah kegiatan sebelumnya.
(Fork Percabangan digunakan untuk sebuah
join) proses atau aktifitas yang bersifat parallel
2.13 Black Box Testing
Black box testing sendiri merupakan pengujian yang dilakukan dengan
mengamati hasil eksekusimelalui data uji dan memeriksa fungsional dariperangkat
lunak. Black box testing ini menitikberatkan pada fungsi sistem. Pengujian pada
sistem menggunakan metode black box testing, tujuannya untuk mengetahui
bahwa bagian-bagian dalam sistem aplikasi telah benar menampilkan pesan-pesan
kesalahan jika terjadi kesalahan dalampenginputan data (Hanifah dkk., 2016).
Black box testing merupakan teknik pengujian perangkat lunak yang
berfokus pada spesifikasi fungsional dari perangkat lunak. Black box testing
bekerja dengan mengabaikan struktur kontrol sehingga perhatiannya difokuskan
pada informasi domain. Black box testing memungkinkan pengemban

24
software untuk membuat himpunan kondisi input yang akan melatih seluruh
syarat-syarat fungsional suatu program (Jaya, 2018).
2.14 Codeigniter
CodeIgniter (CI) adalah sebuah framework yang digunakan untuk
membuat sebuah aplikasi berbasisweb yang disusun dengan menggunakan bahasa
PHP. Di dalam CI terdapat beberapa macam kelas (class) yang berbentuk library
dan helper. Keduanya berfungsi untuk membantu programmer dalam
mengembangkan aplikasinya. CI juga merupakan framework pengembangan
aplikasidengan menggunakan PHP, suatu kerangka untuk bekerja atau membuat
program dengan menggunakan PHP yang lebih sistematis. MVC adalah konsep
dasar yang harus diketahui sebelum mengenal CI. MVC adalah singkatan dari
Model View Controller. MVC sebenarnya adalah sebuah Teknik pemrograman
yang memisahkan alur bisnis, penyimpanan data dan antarmuka aplikasi atau
secara sederhana adalah memisahkan antara desain, data dan proses
(Suharsana & Wirawan, 2016).
2.15 Confusion Matrix
Confusion matrix merupakan salah satu alat pengukur yang memiliki
fungsi untuk melakukan pengukuran ketika melakukan analisis terhadap sebuah
classifier. Apakah classifier tersebut baik dalam hal mengenali tuple dari kelas
yang berbeda atau tidak. Ketika classifier melakukan klasifikasi dan memiliki
data yang bernilai benar, maka nantinya nilai dari True-Positive dan True-
Negative berperan dalam memberikan informasi tersebut. Sedangkan apabila
classifier memiliki kesalahan ketika melakukan klasifikasi data, maka nilai dari
25
False-Positive dan False-Negative akan memberikan informasi tersebut (Putra &
Wibowo, 2020). Bentuk confusion matrix serta penjelasannya dapat dilihat pada
Tabel 2.5.
Tabel 2.5 Confusion Matrix

Kelas Kelas prediksi
sebenarnya Positive Negative
True True Positive (TP) True Negative (TN)
False False Positive (FP) False Negative (FN)
1. TP (True Positive), merupakan jumlah data dengan nilai sebenarnya positif
dan nilai prediksi positif.
2. FP (False Positive), merupakan jumlah data dengan nilai sebenarnya negatif
dan nilai prediksi positif.
3. FN (False Negative), merupakan jumlah data dengan nilai sebenarnya positif
dan nilai prediksi negatif.
4. TN (True Positive), merupakan jumlah data dengan nilai sebenarnya negatif
dan nilai prediksi negatif.
Confusion matrix dapat digunakan untuk mengukur sebuah evaluasi
terhadap accuracy, precision dan recall. Nilai accuracy menggambarkan seberapa
akurat sistem dapat mengklasifikasikan data secara benar. Nilai precision
menggambarkan jumlah data kategori positif yang diklasifikasikan secara benar
dibagi dengan total data yang diklasifikasi positif. Sementara itu recall
menunjukkan berapa persen data ketegori positif yang terklasifikasikan dengan
benar oleh system. Adapun rumusnya dapat dilihat pada Persamaan 2.5 tentang
accuracy, Persamaan 2.6 tentang precision, dan Persamaan 2.7 tentang recall.
26
𝑇𝑃+𝑇𝑁 (2.5)
Accuracy = TP+TN+FN+FP
𝑇𝑃 (2.6)
Precision = TP+FP
𝑇𝑃 ( 2.7)
Recall = FN+TP
Accuracy yaitu kedekatan antara nilai prediksi dan nilai aktual.
Precision yaitu tingkat ketepatan antara informasi yang diminta oleh pengguna
dengan jawaban yang diberikan oleh sistem. Recall ialah tingkat keberhasilan
sistem dalam menemukan kembali sebuah informasi.

BAB III
METODE PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan mulai bulan April 2023 sampai dengan Juni
2023. Penelitian ini dilakukan di Dinas Transmigrasi dan Tenaga Kerja Provinsi
Sulawesi Tenggara.
3.2 Prosedur Penelitian
Prosedur penelitian pada dasarnya adalah kerangka hubungan antara
konsep – konsep yang ingin diamati atau diukur melalui penelitian yang akan
dilakukan. Prosedur penelitian yang digunakan dalam penelitan ini dapat dilihat
pada Gambar 3.1.
Gambar 3.1 Prosedur Penelitian
27
28
Berikut adalah penjelasan langkah-langkah prosedur penelitian
berdasarkan Gambar 3.1.
(1) Pengumpulan data, dalam proses ini dilakukan pencarian data dan informasi
dari suatu sumber untuk dijadikan referensi atau dasar dalam menyelesaikan
permasalahan pada penelitian.
(2) Analisis kebutuhan, dalam proses ini dilakukan analisis spesifikasi kebutuhan
pengguna maupun pengembang terhadap perangkat lunak yang akan
dikembangkan.
(3) Perancangan sistem, dalam proses ini dilakukan pembuatan perangkat lunak
sesuai dengan desain yang telah dirancang sebelumnya.
(4) Implementasi, dalam proses ini desain dan rancangan yang telah dibuat akan
direalisasikan menjadi suatu sistem yang dapat berfungsi sesuai tujuan yang
diinginkan.
(5) Pengujian sistem, dalam proses ini menguji sistem secara keseluruhan untuk
mengetahui masing-masing fungsi pada sistem dapat berjalan atau tidak.
(6) Penarikan kesimpulan, dalam proses ini dilakukan penarikan kesimpulan
berdasarkan hasil yang diperoleh pada proses sebelumnya.
3.3 Metode Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data-data di Kantor Dinas
Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara. Semua tahap pada
proses pengumpulan data-data tersebut diperoleh dari hasil wawancara, observasi
dan studi pustaka, dimana dalam penelitian ini data itu meliputi:
29
3.3.1 Studi pustaka
Studi pustaka merupakan langkah awal dalam proses pengumpulan data
dengan cara mencari informasi yang relevan dengan topik penelitian melalui
dokumen tertulis. Dokumen yang dimaksud dapat berupa buku, jurnal, situs
internet, dan media informasi lainnya. Informasi yang diperoleh bisa digunakan
sebagai acuan atau referensi selama mengerjakan penelitian.
3.3.2 Observasi
Observasi dilakukan oleh peneliti dengan mendatangi langsung Dinas
Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara yang bertujuan untuk
mengetahui alur penerimaan peserta pelatihan kerja. Hasil observasi dapat
digunakan sebagai landasan dalam pengembangan sebuah sistem.
3.3.3 Wawancara
Pada tahapan ini, penulis melakukan wawancara dengan Bapak Arman
Jaya Saboli, S.IP., M.Si., selaku Kepala Seksi Pendidikan dan Pelatihan Kerja di
Kantor Dinas Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara .
Kegiatan dilakukan pada tanggal 9 Maret 2023, Pada tahap ini di lakukan
pengumpulan data penentuan kriteria calon peserta pelatihan kerja yang
menggunakan metode Profile Matching. Data kriteria yang didapatkan
diantaranya sebagai berikut :
1. Penentuan Aspek dan Kriteria
Untuk penentuan aspek dan kriteria Kantor Dinas Transmigrasi dan
Tenaga Kerja Provinsi Sulawesi Tenggara menentukan dua aspek dan empat
30
kriteria serta menetapkan nilai standar dari tiap kriteria ditetapkan oleh pakar yang
dapat dilihat pada Tabel 3.1.
Tabel 3.1 Aspek, Kriteria dan Nilai Target

Nama ID Nilai
Aspek Kriteria Penilaian Nilai
Kriteria Kriteria Target
Usia 26-28 1
Usia 23-25 2
Usia C1 4
Usia 20-22 3
Usia 17-19 4
SMP 1
SMA/SMK 2
Pendidikan C2 2
Berkas D3 3
S1 4
Pelajar/mahasiswa 1
Tidak bekerja (tidak
2
mencari kerja)
Pekerjaan C3 3
Tidak bekerja (mencari
3
kerja)
Bekerja (kontrak) 4
Pemula 1
Menengah 2
Keahlian C4 2
Mahir 3
Ahli 4
Kompetensi
Kurang 1
Cukup 2
Attitude C5 3
Baik 3
Sangat baik 4
2. Penentuan penilaian kriteria
Dengan adanya nilai dari kriteria tersebut, diperlukan penentuan nilai
kategori sebagai input analisis data profile matching, sebagaimana pada Tabel 3.2.
Tabel 3.2 Nilai Input Profile Matching

Penilaian Tabel Kriteria
4 Sangat baik
3 Baik
2 Cukup
1 Kurang
31
3. Core Factor dan Secondary Factor
Core Factor (CF) dan Secondary Factor (SF) dari tiap kriteria yang
didapatkan dari hasil wawancara dapat dilihat pada Tabel 3.3.
Tabel 3.3 CF dan SF Aspek Penilaian

Core Factor Secondary Factor
C1,C3,C4 (60 %) C2 dan C4 (40 %)
4. Perhitungan Penentuan Ranking
Hasil akhir dari proses profile matching adalah ranking dari kandidat
peserta pelatihan kerja. Rumus perankingan yang didapatkan penulis dari hasil
wawancara yaitu :
Ni : Aspek Kompetensi (60%) + Aspek Berkas (40%)
3.4 Metode Pengembangan Sistem
Pada penelitian ini, penulis menggunakan model waterfall dalam
pengembangan sistem. Berikut tahapan pengembangan sistem menggunakan
model waterfall.
3.4.1 Analisis kebutuhan sistem
Analisis kebutuhan, yaitu proses menganalisis spesifikasi kebutuhan
pengguna maupun pengembang terhadap perangkat lunak yang akan
dikembangkan berdasarkan hasil pengumpulan data.
3.4.2 Perancangan sistem
Perancangan sistem adalah merancang atau mendesain suatu sistem yang
baik, yang isinya adalah langkah-langkah operasi dalam proses pengelolaan data
dan proses prosedur-prosedur untuk mendukung operasi sistem.

32
1) Pemodelan sistem
Pada tahap proses pemodelan sistem yang akan dibangun menggunakan
UML yang dirancang menggunakan Use Case Diagram dan Activity Diagram.
a. Use Case Diagram
Use case diagram merupakan diagram yang mempresentasi interaksi yang
dilakukan oleh aktor terhadap sistem dan penjelasan setiap fungsi yang tersedia
untuk setiap aktor. Pada penjelasannya menggambarkan mengenai apa saja yang
dapat dilakukan aktor terhadap sistem, dalam hal ini admin dari penyeleksian.
Admin perlu login terlebih dahulu untuk dapat melakukan seleksi. Setelah login,
dari admin dapat melakukan seleksi, dari seleksi admin perlu terlebih dahulu
melakukan input peserta, dan juga input nilai. Terakhir dari input peserta dan nilai
tadi akan ditampilkan hasil perankingan. Ditunjukkan pada Gambar 3.2.
Gambar 3.2 Use Case Diagram Pelatihan Kerja

33
b. Activity Diagram
Activity diagram merupakan pengembangan dari Use Case Diagram
yang memiliki alur aktivitas. Diagram aktivitas atau Activity diagram
menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem aplikasi.
i. Perancangan Login Page
Pada Struktur Login Page, Admin akan memasukkan username dan
password yang telah diinput penulis pada database sistem. Setelah berhasil login
sistem akan menampilkan menu utama website. Ditunukkan pada Gambar 3.3.
Gambar 3.3 Activity Diagram Login Page

34
ii. Perancangan Main Menu Website
Pada Struktur Main Menu, Sistem akan bereaksi dengan menampilkan
homepage dari website dengan dua fitur utama yaitu input data peserta dan hasil
perankingan. Ditunjukkan pada Gambar 3.4.
Gambar 3.4 Activity Diagram Main Menu

35
iii. Perancangan Activity Diagram Input Data Peserta
Pada Struktur Input Data Peserta Admin akan menginput data dan nilai
peserta setelah itu admin akan membobot nilai dari masing – masing peserta dan
melakukan perhitungan nilai total. Ditunjukkan pada Gambar 3.5.
Gambar 3.5 Activity Diagram Input Data
iv. Perancangan Activity Diagram Hasil Perankingan
Pada Struktur hasil perankingan admin bisa melihat hasil perankingan
dari semua total nilai peserta. Ditunjukkan pada Gambar 3.6.

36
Gambar 3.6 Activity Diagram Hasil Perangkingan
c. Entity Relationship Diagram (ERD)
Dalam penelitian ini, digunakan Entity Relationship Diagram (ERD)
yang terdiri dari tiga tabel utama, yaitu tabel peserta, penilaian, kriteria, dan
admin. Tabel peserta merepresentasikan data peserta pelatihan kerja, sedangkan
tabel kriteria merepresentasikan kriteria evaluasi yang digunakan dalam proses
penilaian. Kedua tabel ini memiliki relasi many-to-many yang diimplementasikan
melalui tabel penilaian, yang berfungsi sebagai penghubung antara peserta dan
kriteria. Selain itu, terdapat tabel admin yang berdiri sendiri, yang mewakili data
administrator sistem. Tabel ini memiliki atribut-atribut yang relevan dengan

37
informasi dan otorisasi admin dalam mengelola data peserta dan kriteria. Desain
sistem dapat ditunjukkan pada Gambar 3.7.
Gambar 3.7 ERD Pelatihan Kerja
2) Pengkodean
Penulisan kode program sistem yang dibangun ditulis dengan bahasa
pemrograman PHP dan DBMS yang digunakan adalah MySQL.
3.4.3 Implementasi
Pada tahap ini, hasil dari pemodelan sistem diubah menjadi kode-kode
program. Implementasi akan dilakukan sesuai dengan jangka waktu dan analisa
kebutuhan sistem yang direncanakan.
3.5 Pengujian Sistem
Setelah tahap implementasi dilakukan tahapan selanjutnya adalah
proses pengujian pada sistem yang telah dibuat. Testing adalah proses
menganalisa suatu entitas software untuk mendeteksi perbedaan antara kondisi
yang ada dengan kondisi yang diinginkan. Metode yang digunakan dalam proses
38
pengujian sistem yaitu menggunakan black box testing. Dengan Black Box
Testing, pengujian yang dilakukan hanya berdasarkan pandangan pengguna untuk
mengetahui apakah fungsi yang dibutuhkan berjalan sesuai harapan atau tidak.
Untuk pengujian akurasi digunakan metode Confusion matrix. Metode
Confusion matrix atau sering juga disebut Error Matrix adalah suatu metode yang
biasanya digunakan untuk melakukan perhitungan akurasi pada konsep data
mining atau sistem pendukung keputusan.
3.6 Instrumen Penelitian
Instrumen yang digunakan pada penelitian ini terbagi menjadi dua,
yaitu perangkat keras (hardware) dan perangkat lunak (software). Instrumen
penelitian dapat dilihat pada Tabel 3.4.
Tabel 3.4 Instrumen Penelitian

Perangkat Keras Perangkat Lunak
Sistem operasi Windows 11
Visual Studio Code sebagai text editor
Laptop Acer series A314-22 AMD PHP sebagai bahasa pemrograman
ATHLON SILVER RAM 8 GB XAMPP sebagai web server
MySQL sebagai database
Chrome sebagai web browser
39
BAB IV
HASIL DAN PEMBAHASAN
4.1 Implementasi
Berikut ini adalah hasil analisis dan perancangan sistem yang telah
dibuat. Diimplementasikan dalam bentuk aplikasi berupa sebuah web sistem
pendukung keputusan yang digunakan untuk melakukan penentuan peserta
dengan menggunakan bahasa pemrograman PHP dengan framework Codegniter,
XAMPP sebagai web server dan MySQL sebagai DBMS. Dari hasil implementasi
ini diperoleh beberapa menu dan form.
4.1.1 Implementasi Halaman Login Admin
Pada halaman login terdapat teks bertuliskan Login. Pada bagian atas,
terdapat form username dan password yang harus diisi oleh admin. Jika password
dan username yang dimasukkan sesuai maka akan di arahkan kedalam sistem
sesuai dengan hak akses yang dimiliki oleh admin. Namun, jika password ataupun
username yang dimasukkan salah, maka admin akan diarahkan ke halaman login
kembali untuk memasukkan ulang password dan username yang sesuai dan
terdaftar dalam sistem. Tampilan halaman login ditunjukkan pada Gambar 4.1.
40
Gambar 4.1 Implementasi Halaman Login Admin
4.1.2 Impelementasi Halaman Dashboard
Halaman dashboard merupakan halaman yang hanya dapat diakses oleh
admin dan merupakan halaman utama dalam sistem. Pada menu dashboard
terdapat petunjuk penggunaan sistem, menu home, menu kriteria, menu logout,
menu peserta dan menu seleksi yang ditunjukkan pada Gambar 4.2
Gambar 4.2 Implementasi Halaman Dashboard

41
4.1.3 Implementasi Halaman Kriteria
Halaman kriteria akan menampilkan kode kriteria, nama kriteria, bobot,
dan target ditunjukkan pada Gambar 4.3.
Gambar 4.3 Implementasi Halaman Kriteria
4.1.4 Implementasi Halaman Data Peserta
Halaman data peserta menampilkan informasi mengenai data peserta
yang telah di input ke sistem seperti, nama peserta, umur, jenis kelamin,
pekerjaan, alamat dan juga tombol reset data untuk menghapus data yang ada.
Halaman data peserta ditunjukkan pada Gambar 4.4

42
Gambar 4.4 Implementasi Halaman Data Peserta
4.1.5 Implementasi Halaman Penilaian
Halaman penilaian menampilkan form nama peserta dan nilai awal
setiap spesifikasi peserta sesuai pada kriteria yang ditentukan sistem, seperti usia,
pendidikan, pekerjaan, keahlian dan attitude. Nilai-nilai inilah yang akan siap
digunakan pada proses perhitungan nilai akhir. Implementasi halaman penilaian
dapat dilihat pada Gambar 4.5.
Gambar 4.5 Implementasi Halaman Penilaian

43
4.1.6 Implementasi Halaman Perankingan
Halaman perankingan menampilkan tabel data peserta dengan
keterangan dari sistem berupa Lulus atau Tidak Lulus berdasarkan nilai total yang
telah diranking dari yang tertinggi hingga terendah ditunjukkan pada Gambar 4.6.
Gambar 4.6 Implementasi Halaman Perangkingan

4.2 Pengujian
Pengujian sistem merupakan proses pengeksekusian sistem perangkat
lunak untuk menentukan apakah sistem tersebut sesuai dengan spesifikasi sistem
dan berjalan pada lingkungan yang diinginkan. Pengujian sering kali diasosiasikan
dengan pencarian bug, ketidaksempurnaan program, kesalahan pada program
yang menyebabkan kegagalan pada eksekusi sistem perangkat lunak. Pengujian
kualitas perangkat lunak yang berfokus pada fungsionalitas perangkat lunak.
Bertujuan untuk menemukan fungsi yang tidak benar, kesalahan antarmuka,
kesalahan pada struktur data, kesalahan performansi, kesalahan inisialisasi, dan
terminasi.
44
4.2.1 Black box testing
Black Box Testing adalah pengujian yang dilakukan dengan mengamati
hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak
dengan hanya memperhatikan masukan kedalam sistem dan keluaran sistem.
Hasil dari pengujian sistem yaitu semua fungsionalitas sistem bekerja
sebagaimana yang diharapkan tanpa ada kesalahan yang akan mengganggu kinerja
sistem secara keseluruhan. Berikut adalah hasil pengujian menggunakan metode
Black Box Testing yang terdiri dari pengujian halaman login Admin, form input
data peseta, Form Penilaian.
1) Pengujian Halaman Login Admin
Halaman login merupakan halaman yang akan tampil jika admin ingin
mengakses sistem. Skenario pengujian halaman login yaitu saat pengguna
memasukkan username dan password yang telah tersimpan di dalam database,
maka hasil pengujian berhasil dan pengguna dapat mengakses sistem sesuai
dengan hak akses yang dimiliki. Tetapi apabila username dan password salah
maka, maka sistem akan menampilkan pesan kesalahan username dan password
salah. Hasil pengujian halaman login dapat ditunjukkan pada Tabel 4.1
Tabel 4.1 Pengujian Halaman Login Admin

Kasus dan hasil uji (data benar)
Skenario Hasil yang
No Hasil Pengujian Kesimpulan
Pengujian diharapkan
Admin
Jika data login data login valid,
melakukan login
valid, maka maka sistem
dengan
1 akan diarahkan mengarahkan Berhasil
memasukkan
ke halaman admin ke halaman
username dan
dashboard dashboard
password
45
Kasus dan hasil uji (data salah)
Skenario Hasil yang

Sistem
Jika data login
menampilkan
Admin melakukan yang
kesalahan yaitu
login dengan dimasukkan
Salah kombinasi
memasukkan salah, maka
username dan
1 username dan sistem akan Berhasil
passworddan data
password yang menampilkan
tidak diproses lalu
salah atau belum pesan kesalahan
admin diarahkan
terdaftar dan data tidak
kembali
akan diproses.
kehalaman login
2) Pengujian Halaman Form Input Data Peserta
Pada pengujian form input data peserta, admin memilih file data peserta
yang akan diseleksi. File tersebut diupload ke database sehingga data peserta
dapat terisi. Form input data peserta ini terdapat pada halaman dashboard. Hasil
pengujian form input data peserta dapat ditunjukkan pada Tabel 4.2.
Tabel 4.2 Pengujian Form Input Data Peserta

Skenario Hasil yang
Admin Data yang
Jika data peserta yang
melakukan diinputkan
diinputkan lengkap dan
penginputan lengkap dan
sesuai maka sistem
1 data peserta sesuai, sistem Berhasil
akan memperbaharui
pada form memperbaharui
database dan data
input data database dan data
peserta akan bertambah
peserta peserta bertambah
Skenario Hasil yang Kesimpula
No Hasil Pengujian
Pengujian diharapkan n
Admin melakukan Jika data peserta Data yang diinputkan
penginputan data yang diinputkan tidak lengkap dan
peserta pada form tidak lengkap dan tidak sesuai, sistem
1 input data peserta tidak sesuai maka menampilkan pesan Berhasil
secara tidak sistem akan kesalahan dan tidak
lengkap dan menampilan memperbaharui
sesuai. pesan kesalahan database
46
3) Pengujian Form Penilaian
Pada pengujian form penilaian setelah melakukan proses memasukkan
data peserta secara lengkap maka penilaian akan dilakukan secara otomatis dan
melakukan perangkingan. Pengujian halaman penilaian dapat ditunjukkan pada
Tabel 4.3.
Tabel 4.3 Pengujian Form Penilaian

Skenario Hasil yang
Jika data peserta
Admin
tersebut lengkap Data peserta
melakukan
dan sesuai tersebut lengkap
pengecekan data
makan sistem dan sistem
peserta untuk
1 akan melakukan memasukkan Berhasil
melakukan
proses hasil perhitungan
penilaian dengan
perhitungan dan dan perangkingan
menekan tombol
perangkingan kedalam database.
mulai seleksi.
secara otomatis.
Skenario Hasil yang Hasil
No Kesimpulan
Pengujian diharapkan Pengujian
Jika data peserta Data peserta
Admin melakukan
tidak ada sistem tidak ada sistem
pengecekan data
akan menampilkan
peserta untuk
menampilkan pesan yang
1 melakukan Berhasil
pesan peringatan mengharuskan
penilaian dengan
dan sistem tidak admin mengisi
menekan tombol
akan memulai data peserta
mulai seleksi.
proses penilaian. terlebih dahulu.
4.2.2 Penerapan Metode Profile Matching
Dalam penyelesaian analisis data menggunakan metode profile
matching terlebih dahulu diketahui aspek, kriteria, dan nilai kriteria yang ada pada
Tabel 3.1. Untuk penentuan penilaian kriteria dapat dilihat pada Tabel 3.2.
Selanjutnya penilaian peserta dilakukan berdasarkan kriteria dari aspek berkas dan
47
aspek kompetensi yang ada. Nilai peserta untuk data pelatihan desain grafis
kriteria aspek berkas dan aspek kompetensi ditunjukkan pada Tabel 4.4.
Tabel 4.4 Kriteria Aspek Berkas dan Aspek Kompetensi

Nilai Data Peserta
No Nama Berkas Kompetensi
C1 C2 C3 C4 C5
1 IA 2 4 3 1 2
2 PM 2 2 1 1 1
3 MA 3 2 2 2 4
4 KAT 2 4 2 1 2
5 MDA 2 2 1 3 1
6 LMNSY 3 2 3 2 2
7 HE 2 2 3 2 3
8 M 3 2 3 2 4
9 MIS 2 2 3 2 3
10 DSN 2 2 3 2 3
11 WA 4 2 1 2 1
12 ZFAA 4 2 1 2 2
13 ADK 2 4 2 2 1
14 QG 3 2 1 2 4
15 ZM 2 2 1 3 3
16 RI 2 4 2 1 4
17 MIH 3 2 4 2 4
18 DPP 4 2 1 2 3
19 LMAA 3 2 4 2 3
20 AAAP 2 3 4 2 4
Nilai peserta untuk data pelatihan barista kriteria aspek berkas dan aspek
kompetensi ditunjukkan pada Tabel 4.5.
Tabel 4.5 Kriteria Aspek Berkas dan Aspek Kompetensi

Nilai Data Peserta
C1 C2 C3 C4 C5
1 WLN 2 4 4 1 2
2 PAS 3 2 4 2 1
3 YH 2 4 4 2 4
4 PMN 4 2 4 2 2
48
Nilai Data Peserta

C1 C2 C3 C4 C5
5 BT 2 2 4 2 3
6 RHM 2 2 2 2 4
7 ABS 2 2 3 2 1
8 ART 2 2 3 2 3
9 SAN 2 2 3 2 4
10 MDT 2 2 4 2 2
11 KM 4 2 2 2 2
12 MAF 3 2 2 2 4
13 MRDHS 4 2 2 2 1
14 MBRP 4 2 3 2 4
15 API 4 2 2 2 2
16 AS 2 2 4 2 1
17 AA 2 2 4 2 4
18 AP 2 4 4 1 2
19 HSDNT 2 4 3 1 2
20 SF 4 2 1 2 2
Setelah nilai kriteria aspek berkas dan kompetensi dari semua data diperoleh,
proses profile matching mulai dilakukan dengan tahapan sebagai berikut:
1) Menghitung nilai GAP untuk masing-masing kriteria untuk setiap aspek. Nilai
GAP diperoleh dari Nilai Kriteria peserta – Nilai Target tiap kriteria. Nilai
GAP yang diperoleh untuk tiap data untuk aspek berkas dan aspek kompetensi
sebagai berikut.
a) GAP peserta untuk data pelatihan desain grafis kriteria aspek berkas dan
aspek kompetensi ditunjukkan pada Tabel 4.6.
Tabel 4.6 Pemetaan GAP Pelatihan Desain Grafis

Nilai GAP
C1 C2 C3 C4 C5
1 IA -2 2 0 -1 -1
49
Nilai GAP
C1 C2 C3 C4 C5
2 PM -2 0 -2 -1 -2
3 MA -1 0 -1 0 1
4 KAT -2 2 -1 -1 -1
5 MDA -2 0 -2 1 -2
6 LMNSY -1 0 0 0 -1
7 HE -2 0 0 0 0
8 M -1 0 0 0 1
9 MIS -2 0 0 0 0
10 DSN -2 0 0 0 0
11 WA 0 0 -2 0 -2
12 ZFAA 0 0 -2 0 -1
13 ADK -2 2 -1 0 -2
14 QG -1 0 -2 0 1
15 ZM -2 0 -2 1 0
16 RI -2 2 -1 -1 1
17 MIH -1 0 1 0 1
18 DPP 0 0 -2 0 0
19 LMAA -1 0 1 0 0
20 AAAP -2 1 1 0 1
b) GAP peserta untuk data pelatihan barista kriteria aspek kompetensi
ditunjukkan pada Tabel 4.7.
Tabel 4.7 Pemetaan GAP Barista

Nilai GAP
C1 C2 C3 C4 C5
1 WLN -2 2 1 -1 -1
2 PAS -1 0 1 0 -2
3 YH -2 2 1 0 1
4 PMN 0 0 1 0 -1
5 BT -2 0 1 0 0
6 RHM -2 0 -1 0 1
7 ABS -2 0 0 0 -2
8 ART -2 0 0 0 0
9 SAN -2 0 0 0 1
50
Nilai GAP
C1 C2 C3 C4 C5
10 MDT -2 0 1 0 -1
11 KM 0 0 -1 0 -1
12 MAF -1 0 -1 0 1
13 MRDHS 0 0 -1 0 -2
14 MBRP 0 0 0 0 1
15 API 0 0 -1 0 -1
16 AS -2 0 1 0 -2
17 AA -2 0 1 0 1
18 AP -2 2 1 -1 -1
19 HSDNT -2 2 0 -1 -1
20 SF 0 0 -2 0 -1
2) Proses pembobotan, Nilai bobot diperoleh dari konversi nilai GAP atau selisih
dari Tabel 4.6 dan Tabel 4.7 dengan nilai Bobot pada Tabel 4.8.
Tabel 4.8 Bobot GAP

Bobot
No Selisih Keterangan
Nilai
Tidak ada selisih (Kompetensi sesuai yang
1 0 5
dibutuhkan)
2 1 4,5 Kompetensi individu kelebihan 1 tingkat/level
3 -1 4 Kompetensi individu kekurangan 1 tingkat/level
Nilai yang diperoleh pada pemetaan GAP peserta diubah ke nilai bobot
GAP seperti pada peserta MBRP nilai pemetaan C1 adalah 0 maka bobot nilainya
5 dengan keterangan tidak ada selisih, semakin kecil GAP yang dihasilkan maka
bobot nilainya semakin besar yang berarti memiliki peluang lebih besar untuk
lulus seleksi.
51
a) Pembobotan peserta untuk data pelatihan desain grafis kriteria aspek berkas dan
Tabel 4.9 Pembobotan Kriteria Data Pelatihan Desain Grafis

Konversi Bobot Nilai
C1 C2 C3 C4 C5
1 IA 3 3,5 5 4 4
2 PM 3 5 3 4 3
3 MA 4 5 4 5 4,5
4 KAT 3 3,5 4 4 4
5 MDA 3 5 3 4,5 3
6 LMNSY 4 5 5 5 4
7 HE 3 5 5 5 5
8 M 4 5 5 5 4,5
9 MIS 3 5 5 5 5
10 DSN 3 5 5 5 5
11 WA 5 5 3 5 3
12 ZFAA 5 5 3 5 4
13 ADK 3 3,5 4 5 3
14 QG 4 5 3 5 4,5
15 ZM 3 5 3 4,5 5
16 RI 3 3,5 4 4 4,5
17 MIH 4 5 4,5 5 4,5
18 DPP 5 5 3 5 5
19 LMAA 4 5 4,5 5 5
20 AAAP 3 4,5 4,5 5 4,5
b) Pembobotan peserta untuk data pelatihan barista kriteria aspek berkas dan
Tabel 4.10 Pembobotan Kriteria Data Pelatihan Barista

C1 C2 C3 C4 C5
1 WLN 3 3,5 4,5 4 4
2 PAS 4 5 4,5 5 3
3 YH 3 3,5 4,5 5 4,5
4 PMN 5 5 4,5 5 4
52

C1 C2 C3 C4 C5
5 BT 3 5 4,5 5 5
6 RHM 3 5 4 5 4,5
7 ABS 3 5 5 5 3
8 ART 3 5 5 5 5
9 SAN 3 5 5 5 4,5
10 MDT 3 5 4,5 5 4
11 KM 5 5 4 5 4
12 MAF 4 5 4 5 4,5
13 MRDHS 5 5 4 5 3
14 MBRP 5 5 5 5 4,5
15 API 5 5 4 5 4
16 AS 3 5 4,5 5 3
17 AA 3 5 4,5 5 4,5
18 AP 3 3,5 4,5 4 4
19 HSDNT 3 3,5 5 4 4
20 SF 5 5 3 5 4
3) Perhitungan Dan Pengelompokan Core Factor (Faktor Utama) Dan Secondary
Factor (Faktor Pendukung). Setiap aspek kriteria yang ada memiliki core
factor (NCF) dan secondary factor (NSF) masing-masing dapat dilihat pada
Tabel 3.3. Untuk memperoleh nilai NCF dan NSF masing-masing peserta di
tiap aspek yang ada dilakukan dengan menggunakan Persamaan 2.2 dan 2.3.
Contoh Perhitungan ditunjukkan pada Tabel 4.11.
Tabel 4.11 Contoh Perhitungan NCF dan NSF

Nama
No Aspek NCF dan NSF
Pelatihan
3+5
𝑁𝑆𝐹 = = 4.00
Desain 2
1 Berkas
Grafis
5.00
𝑁𝑆𝐹 = = 5.00
1
53
4.00
𝑁𝐶𝐹 = = 4.00
1
Kompetensi 4.00
𝑁𝑆𝐹 = = 4.00
1
3 + 4.5
𝑁𝐶𝐹 = = 3,75
2
Berkas 3.50
𝑁𝑆𝐹 = = 3.50
1
2 Barista
4.00
𝑁𝐶𝐹 = = 4.00
1
Kompetensi 4.00
𝑁𝑆𝐹 = = 4.00
1
a) Perhitungan core factor dan secondary factor pada kriteria aspek berkas dan
Tabel 4.12 Perhitungan NCF dan NSF Kriteria Data Pelatihan Desain Grafis
Berkas Kompetensi
No Nama
NCF NSF NCF NSF
1 IA 4,00 3,50 4,00 4,00
2 PM 3,00 5,00 4,00 3,00
3 MA 4,00 5,00 5,00 4,50
4 KAT 3,50 3,50 4,00 4,00
5 MDA 3,00 5,00 4,50 3,00
6 LMNSY 4,50 5,00 5,00 4,00
7 HE 4,00 5,00 5,00 5,00
8 M 4,50 5,00 5,00 4,50
9 MIS 4,00 5,00 5,00 5,00
10 DSN 4,00 5,00 5,00 5,00
11 WA 4,00 5,00 5,00 3,00
12 ZFAA 4,00 5,00 5,00 4,00
13 ADK 3,50 3,50 5,00 3,00
14 QG 3,50 5,00 5,00 4,50
15 ZM 3,00 5,00 4,50 5,00
16 RI 3,50 3,50 4,00 4,50
17 MIH 4,25 5,00 5,00 4,50
18 DPP 4,00 5,00 5,00 5,00
19 LMAA 4,25 5,00 5,00 5,00
20 AAAP 3,75 4,50 5,00 4,50
54
b) Perhitungan core factor dan secondary factor pada kriteria aspek berkas dan
Tabel 4.13 Perhitungan NCF dan NSF Kriteria Data Pelatihan Barista
Berkas Kompetensi
No Nama
NCF NSF NCF NSF
1 WLN 3,75 3,50 4,00 4,00
2 PAS 4,25 5,00 5,00 3,00
3 YH 3,75 3,50 5,00 4,50
4 PMN 4,75 5,00 5,00 4,00
5 BT 3,75 5,00 5,00 5,00
6 RHM 3,50 5,00 5,00 4,50
7 ABS 4,00 5,00 5,00 3,00
8 ART 4,00 5,00 5,00 5,00
9 SAN 4,00 5,00 5,00 4,50
10 MDT 3,75 5,00 5,00 4,00
11 KM 4,50 5,00 5,00 4,00
12 MAF 4,00 5,00 5,00 4,50
13 MRDHS 4,50 5,00 5,00 3,00
14 MBRP 5,00 5,00 5,00 4,50
15 API 4,50 5,00 5,00 4,00
16 AS 3,75 5,00 5,00 3,00
17 AA 3,75 5,00 5,00 4,50
18 AP 3,75 3,50 4,00 4,00
19 HSDNT 4,00 3,50 4,00 4,00
20 SF 4,00 5,00 5,00 4,00
4) Perhitungan Nilai Total dari Tiap Aspek adalah memasukkan x% dari masing
masing kriteria tiap peserta sesuai core factor dan secondary factor untuk
selanjutnya dijumlahkan sehingga diperoleh nilai setiap peserta. Nilai untuk
core factor sebesar 60% dan secondary factor sebesar 40%, untuk penentuan
nilai total digunakan Persamaan 2.4. Contoh perhitungan ditunjukkan pada
Tabel 4.14.
Tabel 4.14 Contoh Perhitungan Nilai Total

No Nama Pelatihan Aspek Nilai Total
𝑁 = 0.6 x 4.00 + 0.4 x 3.50
1 Desain Grafis Berkas
= 3.80
55
𝑁 = 0.6 x 4.00 + 0.4 x 4.00

Kompetensi
= 4.00
𝑁 = 0.6 x 3.75 + 0.4 x 3.50

Berkas
= 3.65
2 Barista
𝑁 = 0.6 x 4.00 + 0.4 x 4 .00
Kompetensi = 4.00
a) Nilai total peserta pada tiap kriteria aspek untuk data peserta pelatihan desain
grafis ditunjukkan pada Tabel 4.15.
Tabel 4.15 Nilai Total Kriteria Data Pelatihan Desain Grafis

Nilai Total
No Nama
Berkas Kompetensi
1 IA 3,80 4,00
2 PM 3,80 3,60
3 MA 4,40 4,80
4 KAT 3,50 4,00
5 MDA 3,80 3,90
6 LMNSY 4,70 4,60
7 HE 4,40 5,00
8 M 4,70 4,80
9 MIS 4,40 5,00
10 DSN 4,40 5,00
11 WA 4,40 4,20
12 ZFAA 4,40 4,60
13 ADK 3,50 4,20
14 QG 4,10 4,80
15 ZM 3,80 4,70
16 RI 3,50 4,20
17 MIH 4,55 4,80
18 DPP 4,40 5,00
19 LMAA 4,55 5,00
20 AAAP 4,05 4,80
b) Nilai total peserta pada tiap kriteria aspek untuk data peserta pelatihan barista
ditunjukkan pada Tabel 4.16.

56
Tabel 4.16 Nilai Total Kriteria Data Pelatihan Barista

Nilai Total
No Nama
Berkas Kompetensi
1 WLN 3,65 4,00
2 PAS 4,55 4,20
3 YH 3,65 4,80
4 PMN 4,85 4,60
5 BT 4,25 5,00
6 RHM 4,10 4,80
7 ABS 4,40 4,20
8 ART 4,40 5,00
9 SAN 4,40 4,80
10 MDT 4,25 4,60
11 KM 4,70 4,60
12 MAF 4,40 4,80
13 MRDHS 4,70 4,20
14 MBRP 5,00 4,80
15 API 4,70 4,60
16 AS 4,25 4,20
17 AA 4,25 4,80
18 AP 3,65 4,00
19 HSDNT 3,80 4,00
20 SF 4,40 4,60
5) Penentuan Nilai Akhir dan Ranking dari setiap peserta untuk mendapatkan
lulus tidaknya peserta dari seleksi. Setiap kriteria aspek sebelumnya memiliki
persentase yang menunjukkan prioritas atau bobot dari kriteria aspek.
Berdasarkan hasil wawancara, untuk total nilai akhir peserta diperoleh dari
60% nilai kriteria aspek berkas, dan 40% dari nilai kriteria aspek kompetensi.
Nilai akhir tiap peserta desain grafis ditunjukkan pada Tabel 4.17.
Tabel 4.17 Nilai Akhir Pelatihan Desain Grafis

No Nama Nilai Akhir Keterangan
1 M 4,82 Lulus
2 MIH 4,76 Lulus
3 MIS 4,76 Lulus
4 MA 4,76 Lulus
5 LMAA 4,76 Lulus
57

6 LMNSY 4,76 Lulus
7 HE 4,70 Lulus
8 DSN 4,64 Lulus
9 DPP 4,64 Lulus
10 QG 4,52 Lulus
11 ZFAA 4,52 Lulus
12 AAAP 4,50 Lulus
13 WA 4,34 Lulus
14 ZM 4,28 Lulus
15 MDA 3,92 Tidak Lulus
16 KAT 3,92 Tidak Lulus
17 IHLAS. A 3,92 Tidak Lulus
18 RI 3,86 Tidak Lulus
19 ADK 3,80 Tidak Lulus
20 PM 3,68 Tidak Lulus
Hasil akhir penentuan peserta pelatihan barista ditunjukkan pada Tabel 4.18.
Tabel 4.18 Nilai Akhir Pelatihan Barista

1 MBRP 4,88 Lulus
2 PMN 4,76 Lulus
3 SAN 4,7 Lulus
4 MAF 4,7 Lulus
5 KM 4,64 Lulus
6 API 4,64 Lulus
7 ART 4,64 Lulus
8 BT 4,64 Lulus
9 RHM 4,58 Lulus
10 MRDHS 4,52 Lulus
11 SF 4,52 Lulus
12 AA 4,46 Lulus
13 PAS 4,4 Lulus
14 YH 4,34 Lulus
15 ABS 4,34 Lulus
16 AS 4,28 Lulus
17 MDT 4,22 Lulus
18 AP 3,92 Tidak Lulus
19 HSDNT 3,86 Tidak Lulus
20 WLN 3,86 Tidak Lulus
58
4.2.3 Confusion matrix
Confusion matrix adalah suatu metode yang biasanya digunakan untuk
melakukan perhitungan akurasi. Untuk melakukan pengujian confusion matrix
terlebih dahulu perlu untuk mengetahui status kelulusan untuk setiap peserta pada
tiap bidang pelatihan berdasarkan penilaian pakar dan berdasarkan sistem. Untuk
perbandingan hasilnya dapat dilihat pada Tabel 4.17 untuk data peserta pelatihan
desain grafis dan Tabel 4.18 untuk data peserta pelatihan barista.
Tabel 4.19 Confussion Matrix Pelatihan Desain Grafis

No Nama Nilai Pakar Nilai Sistem
1 IA Tidak Lulus Tidak Lulus
2 PM Tidak Lulus Tidak Lulus
3 MA Lulus Lulus
4 KAT Lulus Tidak Lulus
5 MDA Lulus Tidak Lulus
6 LMNSY Lulus Lulus
7 HE Lulus Lulus
8 M Lulus Lulus
9 MIS Lulus Lulus
10 DSN Lulus Lulus
11 WA Lulus Lulus
12 ZFAA Lulus Lulus
13 ADK Lulus Tidak Lulus
14 QG Lulus Lulus
15 ZM Tidak Lulus Lulus
16 RI Tidak Lulus Tidak Lulus
17 MIH Lulus Lulus
18 DPP Lulus Lulus
19 LMAA Lulus Lulus
20 AAAP Tidak Lulus Lulus
Berdasarkan Tabel pengujian ditemukan nilai pengujian lulusnya
peserta pelatihan pada suatu bidang pelatihan tersebut dilakukan analisis kepada
hasil pengujian, terdapat beberapa perbedaan hasil antara hasil keputusan dari
pakar penyeleksi dan hasil keputusan dari sistem. Pada data pelatihan desain
59
grafis, peserta KAT dan ADK dinyatakan oleh pakar LULUS, namun pada sistem
dinyatakan TIDAK LULUS, peserta ZM dan AAAP dinyatakan oleh pakar
TIDAK LULUS, namun pada sistem dinyatakan LULUS.
Tabel 4.20 Confussion Matrix Pelatihan Barista

No Nama Nilai Pakar Nilai Sistem
1 WLN Tidak Lulus Tidak Lulus
2 PAS Lulus Lulus
3 YH Lulus Lulus
4 PMN Lulus Lulus
5 BT Lulus Lulus
6 RHM Lulus Lulus
7 ABS Lulus Lulus
8 ART Lulus Lulus
9 SAN Tidak Lulus Lulus
10 MDT Tidak Lulus Lulus
11 KM Lulus Lulus
12 MAF Lulus Lulus
13 MRDHS Lulus Lulus
14 MBRP Lulus Lulus
15 API Lulus Lulus
16 AS Lulus Lulus
17 AA Lulus Lulus
18 AP Tidak Lulus Tidak Lulus
19 HSDNT Tidak Lulus Tidak Lulus
20 SF Lulus Lulus
Pada data pelatihan barista, peserta SAN dinyatakan oleh pakar TIDAK
LULUS, namun oleh sistem LULUS, peserta AS dinyatakan oleh pakar LULUS,
namun oleh sistem dinyatakan TIDAK LULUS. Sisa data dari pakar maupun
sistem keduanya memiliki hasil keputusan yanga sama terhadap seleksi peserta.
Berdasarkan hasil keputusan ini selanjutnya dilakukan perhitungan tingkat akurasi
diantaranya Positive Positive (TP), Positive Negative (TN), Negative Positive
(FP), dan Negative Negative (FN) dengan aturan sebagai berikut:

60
1) Jika status kelulusan pada data real = lulus dan hasil sistem = lulus, maka
true positif
2) Jika status kelulusan pada data real = tidak lulus dan hasil sistem = lulus,
maka false positif
3) Jika status kelulusan pada data real = tidak lulus dan hasil sistem = tidak
lulus, maka true negative
4) Jika status kelulusan pada data real = lulus dan hasil sistem = tidak lulus,
maka false negative
Hasil perbandingan nilai asli dan data sistem dapat dilihat pada Tabel 4.20 untuk
data pelatihan desain grafis dan Tabel 4.21 untuk data pelatihan barista.
Tabel 4.21 Perbandingan Nilai Data Asli dan Data Sistem Desain Grafis
True 12 2
False 3 3
Tabel 4.22 Perbandingan Nilai Data Asli dan Data Sistem Barista
True 15 2
False 0 3
Berdasarkan tabel perbandingan diatas dapat diperoleh accuracy,
precision dan recall dari Persamaan 2.6, Persamaan 2.7, dan Persamaan 2.8 untuk
data pelatihan desain grafis dan pelatihan barista.
Diperoleh hasil Confusion matrix untuk data peserta desain grafis
berupa nilai accuracy = 75%, precision = 85%, dan recall = 80%. Untuk data
peserta pelatihan barista diperoleh nilai diperoleh accuracy = 90%, precision =

61
88% dan recall = 100%. Perhitungan lebih detail dapat dilihat pada Lampiran 1.1
dan Lampiran 1.2.

BAB V
PENUTUP
5.1 Kesimpulan
Implementasi sistem pendukung keputusan menggunakan metode profile
matching dalam penerimaan peserta pelatihan kerja berhasil dan memberikan hasil
positif. Evaluasi kinerja sistem menunjukkan penilaian yang akurat dan konsisten
terhadap peserta pelatihan desain grafis (akurasi 75%, presisi 85%, recall 80%)
dan Barista (akurasi 90%, presisi 88%, recall 100%). Sistem ini mampu
mengidentifikasi peserta dengan kesesuaian profil yang diinginkan. Dengan
sistem ini, proses seleksi peserta pelatihan kerja dapat dilakukan lebih efisien dan
obyektif. Dinas Transmigrasi dan Tenaga Kerja dapat memanfaatkan sistem ini
untuk pengambilan keputusan yang cepat dan optimal.
5.2 Saran
Dalam penelitian selanjutnya, disarankan untuk mengeksplorasi
penggunaan metode atau pendekatan lain dalam sistem pendukung keputusan,
seperti analisis multi-kriteria atau pendekatan machine learning. Selain itu, perlu
dipertimbangkan pemilihan kriteria tambahan atau metode lain yang dapat
digunakan sebagai faktor penentu dalam menentukan peserta yang lolos saat
terdapat nilai yang sama. Hal ini akan membantu meningkatkan objektivitas dan
keadilan dalam proses seleksi peserta pelatihan kerja.
62
DAFTAR PUSTAKA
Astari, S. R. (2019). Penerapan Profile Matching Untuk Seleksi Asisten

Laboratorium. Telematika, 16(1), 1.
Candra, H. (2018). Pengaruh Tingkat Pendidikan dan Masa Kerja terhadap
Kinerja Karyawan pada PT Sibatel Silangkitang Barata Telekomunikasi.
Skripsi Thesis, 1–78. http://ojs.itbhas.ac.id/index.php/MB/article/view/357
Februariyanti, H., & Zuliarso, E. (2012). Rancang Bangun Sistem Perpustakaan
untuk Jurnal Elektronik. Teknologi Informasi Dinamik, 17(2), 124–132.
Fitriyani, & Yanuarti, E. (2019). Seleksi Calon Karyawan Pada Perusahaan
Menggunakan Metode AHP di STMIK Atma Luhur Pangkalpinang. Jurnal
Sisfokom (Sistem Informasi dan Komputer), 8(1), 79–84.
Fridayanthie, E. W., & Mahdiati, T. (2016). Rancang Bangun Sistem Informasi
Permintaan ATK Berbasis Intranet. Jurnal Khatulistiwa Informatika, 4(2).
Hanifah, U., Alit, R., & Sugiarto, S. (2016). Penggunaan Metode Black Box Pada
Pengujian Sistem Informasi Surat Keluar Masuk. SCAN-Jurnal Teknologi
Informasi dan Komunikasi, 11(2), 33–40.
Hasibuan, M. S. (2005). Manajemen Sumber Daya Manusia Jakarta Bumi
Aksara.
Jaya, T. S. (2018). Pengujian Aplikasi Dengan Metode Blackbox Testing
Boundary Value Analysis (Studi Kasus: Kantor Digital Politeknik Negeri
Lampung). Jurnal Informatika: Jurnal Pengembangan IT, 3(1), 45–48.
Kosasi, S. (2015). Perancangan Sistem Electronic Customer Relationship
Management Untuk Mempertahankan Loyalitas Pelanggan | E-JURNAL
JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi. Jurnal Sistem
Informasi dan Teknologi (JUSITI), 4(2), 92–102.
https://ejurnal.dipanegara.ac.id/index.php/jusiti/article/view/12
Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Penerbit
ANDI.
Lestanti, S., And Susana, A. D. (2016). Sistem Pengarsipan Dokumen Guru dan
Pegawai Menggunakan Metode Mixture Modelling Berbasis Web. Antivirus :
Jurnal Ilmiah Teknik Informatika, 10(2), 69–77.
https://Doi.Org/10.35457/Antivirus.V10i2.164
Munah, K. (2018). Sistem Informasi Penerimaan Peserta Didik Baru (PPDB)
Berbasis Web Menggunakan PHP Dan MySQL di SMK Nasional Berbah. 21,
1–9.
Nazim, R., Raja, B., Rozi, M., & Malim, B. (2012). Supplier Selection Decision
Support System : A Case Study in Malaysian Hypermarket. January, 189–
194.
Palit, R. (2015). Rancangan Sistem Informasi Keuangan Gereja Berbasis Web. E-
Journal Teknik Elektro dan Komputer, 4(7).
Pulu, J. P. . (2018). Sistem Pendukung Keputusan Penentuan Siswa Berprestasi
Pada Sman 1 Haharu Menggunakan Metode Analytical Hierarchy Process.
Jati, 2(2), 142–149.
Putra, D., & Wibowo, A. (2020). Prediksi Keputusan Minat Penjurusan Siswa
SMA Yadika 5 Menggunakan Algoritma Naïve Bayes. Prosiding Seminar
Nasional Riset Dan Information Science (SENARIS), 2, 84–92.
Saputra, R., Gusdevi, H., & Sulaeman, H. (2020). Sistem Pendukung Keputusan
Penentuan Dosen Pembimbing Skripsi Menggunakan Metode Profile
Matching Berbasis Android. 02(02), 57–60.
Sari, B. W. (2015). Perbandingan Metode Profile Matching Dan Simple Additive
Weighting Pada Penentuan Jurusan Siswa Kelas X Sma N 2 Ngaglik
Pendahuluan Landasan Teori. Jurnal Ilmiah Dasi, 16(1), 7.
Sasmito, G. W. (2017). Penerapan Metode Waterfall Pada Desain Sistem
Informasi Geografis Industri Kabupaten Tegal. Jurnal Informatika:Jurnal
Pengembangan IT (JPIT), 2.
Setianingsih, W. (2015). Konsep Sistem Pendukung Keputusan (E. F. Rochman
(ed.)). Yayasan Edelweis.
Siagian, S. P. (2019). Manajemen Sumber Daya Manusia (Ed. 1). Bumi Aksara.
Sidin, A. I., & Della, R. H. (2021). Perilaku Organisasi. Literasi Nusantara.
Sukirno, S. (2004). Makro Ekonomi Teori Pengantar. Raja Grafindo.
Sundari, J., & Sunarti. (2018). Perbandingan Metode SAW dan Profile Matching
Pada Pemilihan Rumah Tinggal Studi Kasus: Perumahan Depok. Intensif,
2(2), 2549–6824.
Sutarman, & Fahmi, D. (2016). Sistem Informasi Penginputan Hasil Analisis
Bahan Kimia Cair Pada PT. Indochemmical Citra Kimia. Jurnal Sisfotek
Global, 6(1), 58–62.
Sutinah, E. (2017). Sistem Pendukung Keputusan Menggunakan Metode Profile
Matching dalam Pemilihan Salesman Terbaik. Informatics for Educators and
Professionals, 2(1), 234409.
Turban, E., Aronson, J. E., & Liang, T. P. (2005). Decision Support Systems and
Intelligent Systems (hal. 103–105). Prentice Hall.
Wardani, E. S. (2009). Pengaruh Kompensasi, Keahlian, Dan Motivasi Kerja
Terhadap Prestasi Kerja Karyawan Pada PT Pembangkitan Jawa Bali Unit
Pembangkitan Muara Tawar. Manajemen.
Yasin, M., & Priyono, J. (2016). Analisis Faktor Usia, Gaji Dan Beban
Tanggungan Terhadap Produksi Home Industri Sepatu Di Sidoarjo (Studi
Kasus Di Kecamatan Krian). Jurnal Ekonomi dan Bisnis, 1, 95–120.
Yeni, K. (2010). Pemrograman Basis Data Berbasis Web Menggunakan PHP &
MySQL. Graha Ilmu.
Zarnelly, & Yusuf, N. (2018). Sistem Pendukung Keputusan Penentuan Peserta
Pelatihan Berprestasi Menggunakan Metode Simple Additive Weighting.
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 4(1), 99–109.
LAMPIRAN
HASIL WAWANCARA
DINAS TRANSMIGRASI DAN TENAGA KERJA PROVINSI SULTRA
Narasumber : Arman Jaya Saboli S.IP., M.Si
Jabatan : Kepala Seksi Pembinaan Pelatihan dan Produktivitas
No Pertanyaan Jawaban
Apakah dinas transnaker
Ya, pada ini pelatihan kerja yang diberikan
terdapat pelatihan kerja yang
1. biasa dikenal juga dengan sebutan
diberikan kepada pencari
bimbingan kerja
kerja?
Sampai saat ini belum maksimal. Dalam
Apakah pelatihan kerja yang hal ini seperti anggaran belum
2. diberikan sudah maksimal atau maksimal,jangka waktu yang kurang
belum? memadai dan pelatihan harus diuji
kompetensi.
Untuk kriterianya sendiri seperti usia,
karena sangat mempengaruhi seseorang
Untuk pelatihan kerja di dinas
dalam bekerja . Lalu pendidikan terakhir
transnaker ini apa saja yang
3. menjadi salah satu kriteria, Attitude atau
menjadi kriteria penentu
sikap peserta yang dinilai oleh
pelatihan ?
pewawancara dan keahlian dasar atau
kemampuan menjadi kriteria penting.
Untuk pelatihan sendiri diperuntukkan
Untuk pengalaman kerja dalam untuk orang sedang mencari kerja yakni
4. bekerja apa juga menjadi salah pengangguran. Orientasinya lebih kepada
satu kriteria. orang yang sedang mencari kerja bukan
yang sudah bekerja.
Kriteria keahlian dasar merupakan kriteria
Dari semua kriteria, mana
yang paling di utamakan, karena pelatihan
kriteria yang paling di
di Disnaker Sultra mempunyai waktu yang
5. prioritaskan pada penerimaan
cukup singkat yaitu seminggu, jadi setiap
peserta pelatihan kerja
peserta di wajibkan sudah menguasai dasar
keahlian dari pelatihan yang peserta daftar.
Untuk dua kriteria itu akan di nilai oleh tim
Kriteria dari aspek kompeten penyeleksi yang biasanya tim seleksi
6. yaitu keahlian dan attitude itu terdiri dari trainer dari pelatihan kerja dan
di nilai oleh siapa ? juga saya sendiri.
Untuk faktor utama dari aspek berkas yaitu
Untuk penentuan core factor usia dan faktor pendukung yaitu
7. dan secondari factor dari tiap Pendidikan sedangkan faktor utama dari
aspek ? aspek kompetensi yaitu keahlian
sedangkan faktor pendukung yaitu attitude.
Aspek kompetensi menjadi aspek yang
paling di butuhkan dalam penyeleksian,
Dalam metode yang penulis
karena setiap peserta wajib mengetahui
pakai ada rumus perankingan
dasar – dasar keahlian dari bidang
berdasarkan prioritas dari tiap
8. pelatihan kerja yang peserta daftar dan
aspek yang ada. Dari dua aspek
mempunyai attitude yang baik pada saat
tersebut aspek mana yang
proses seleksi. Anda bisa menaruh 60 %
prioritas?
untuk aspek kompeten dan 40 % untuk
aspek berkas.
Kendari , 09 Maret 2023

Perhitungan Confussion Matrix
𝑇𝑃+𝑇𝑁
Accuracy = 𝑇𝑃+𝑇𝑁+𝐹𝑁+𝐹𝑃 x 100%
12 +3
= x 100%
12+3+3+2
15
= 20 x 100%
= 75%
𝑇𝑃
Precision = 𝑇𝑃+𝐹𝑃 x 100%
12
= 12+2 𝑥 100%
12
= 14 𝑥 100%
= 85%
𝑇𝑃
Recall = 𝐹𝑁+𝑇𝑃 𝑥 100%
12
= 3+12 𝑥 100%
12
= 15 𝑥 100%
= 80%
Lampiran 1.1 Confussion Matrix Pelatihan Desain Grafis
𝑇𝑃+𝑇𝑁
Accuracy = 𝑇𝑃+𝑇𝑁+𝐹𝑁+𝐹𝑃 x 100%
15+3
= 15+3+0+2 x 100%
18
= 20 x 100%
= 90%
𝑇𝑃
Precission = 𝑇𝑃+𝐹𝑃 x 100%
15
= 15+2 𝑥 100%
15
= 17 𝑥 100%
= 88%
𝑇𝑃
Recall = 𝐹𝑁+𝑇𝑃 𝑥 100%
15
= 0+15 𝑥 100%
15
= 15 𝑥 100%
= 100%
Lampiran 2.2 Confussion Matrix Pelatihan Barista
Lampiran 3.3 Wawancara

Skripsi Sabrina Lestari f1g119058 Ilkom

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skripsi Sabrina Lestari f1g119058 Ilkom

Diunggah oleh

Hak Cipta:

Format Tersedia

HALAMAN JUDUL

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PESERTA

Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana (S-1)

PROGRAM STUDI ILMU KOMPUTER

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PESERTA

Telah dipertahankan di depan Dewan Penguji Pada tanggal 14 Juli 2023

Susunan Tim Penguji

La Surimi, S.Si., M.Cs. Ferdinand Murni Hamundu S.T., M.Sc., Ph.D.

Anggota Tim Penguji

Penguji I Penguji II Penguji III

Kendari, 14 Juli 2023

Dr. Ida Usman, S.Si., M.Si.

Assalamualaikum Warahmatullahi Wabarakatuh

Alhamdulillahirabbil’aalamiin. Segala puji dan syukur penulis

panjatkan kehadirat Allah Subhanahu Wa Ta'alaatas limpahan rahmat

dankarunianya sehingga penulis dapat menyelesaikan penelitian yang berjudul

“Sistem Pendukung Keputusan Penerimaan Peserta Pelatihan Kerja

shalawat dan salam senantiasa tercurah kepada baginda Rasulullah ‫ ﷺ‬yang

mengantarkan manusia dari zaman kegelapan ke zaman yang terang benderang

mengucapkan terima kasih dan penghargaan setinggi-tingginya kepada Bapak La

telah meluangkan waktunya untuk memberikan bimbingan, arahan, motivasi dan

ide sejak penentuan judul sampai terselesainya skripsi ini.

materil. Semoga Allah SWT selalu melimpahkan rahmat, Kesehatan, karunia,

Lestari atas support doa dan dukungannya.

Penulis juga menyampaikan terima kasih kepada:

Universitas Halu Oleo.

2. Bapak Dr. Ida Usman., S.Si., M.Si sebagai Dekan FMIPA.

penulis dalam menyelesaikan skripsi ini.

bantuan selama penulis mengikuti perkuliahan.

7. Sahabat seperjuangan Salak Pride, Gusti, Paska, Malik, Rangga, Anjar,

dukungan penuh kepada penulis dalam menyelesaikan tugas akhir ini.

bantuan serta doa selama menempuh perkuliahan.

Penulis mengucapkan terimakasih yang sebesar besarnya kepada semua

pihak, terimakasih atas segala dukungan dan bantuan yang telah

diberikan.Semoga Allah SWT memberikan balasan yang berlipat ganda kepada

Semoga Allah menambahkan ilmu dan semangat kepada kita.

Kendari, Juli 2023

HALAMAN JUDUL ........................................................................................... i

BAB I PENDAHULUAN ................................................................................... 1

BAB II TINJAUAN PUSTAKA ........................................................................ 5

BAB III METODE PENELITIAN .................................................................. 27

BAB IV HASIL DAN PEMBAHASAN........................................................... 39

BAB V PENUTUP ........................................................................................... 62

Pelatihan kerja adalah suatu proses pendidikan atau pembelajaran yang

Kata Kunci: Sistem Pendukung Keputusan, Profile Matching, Penerimaan Peserta

Work training is an educational or learning process that is held to provide

Keywords: Decision Support System, Profile Matching, Acceptance of Work

1.1 Latar Belakang

Pelatihan kerja merupakan salah satu jalur untuk meningkatkan kualitas

serta mengembangkan karier tenaga kerja. Kegiatan pelatihan sangat penting

karena bermanfaat guna menambah pengetahuan atau keterampilan terutama bagi

yang mempersiapkan diri memasuki lapangan pekerjaan. Indonesia berdasarkan

itu pemerintah melalui UU No. 13 Thn. 2003 Tentang Ketenagakerjaan dijelaskan

diarahkan untuk membekali, meningkatkan dan mengembangkan kompetensi

kerja guna meningkatkan kemampuan produktivitas dan kesejahteraan.

Pada penyelenggaraan pelatihan kerja, terlebih dahulu dilakukan proses

2018). Permasalahan lain pada sistem manual adalah dalam mengambil

Kelemahan tersebut disebabkan karena banyaknya pendaftar yang masuk dan

mengambil keputusan secara cepat dan tepat.

Dengan mempertimbangkan hal tersebut maka diperlukan suatu sistem

yang dapat berfungsi sebagai penyeleksi otomatis dari masing-masing calon

menghemat waktu dalam penerimaan peserta pelatihan kerja. Menurut Nazim

pasti serta meminimalkan risiko kesalahan pengambilan keputusan.

Penelitian menunjukkan bahwa metode profile matching efektif