Skripsi
Oleh:
Sabrina Lestari
F1G119058
SABRINA LESTARI
F1G119058
Pembimbing I Pembimbing II
Dr. Andi Tenriawaru, S.Si., M.Si. Gunawan, S.Kom., M.Kom. Drs. Herdi Budiman, M.Si.
NIP. 197602082005012001 NIP. 198707102022031003 NIP. 196709041996031002
Menggunakan Metode Profile Matching” ini dengan baik. Serta tak lupa
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
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
kepada Ayahanda tercinta Mukmin dan Ibunda tercinta Haliman Onto yang
telah mencurahkan segenap cinta dan kasih sayang serta perhatian, moril maupun
keberkahan di dunia dan akhirat. Tak lupa kakakku tersayang Mawadda Sri
1. Bapak Prof. Dr. Muhammad Zamrun F., S.Si., M.Sc sebagai Rektor
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
6. Seluruh Bapak/Ibu Dosen dan staf Program Studi Ilmu Komputer Universitas
Halu Oleo, terimakasih atas ilmu dan pengetahuan yang bermanfaat serta
Sindi, Umu, Reni, Raysa terima kasih atas semangat yang selalu memberikan
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 .
Penulis
v
DAFTAR ISI
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
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN PESERTA
PELATIHAN KERJA MENGGUNAKAN METODE PROFILE MATCHING
( STUDI KASUS : DINAS TRANSMIGRASI DAN TENAGA KERJA
PROVINSI SULAWESI TENGGARA)
Oleh :
SABRINA LESTARI
F1G119058
ABSTRAK
ABSTRAK
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
xii
BAB I
PENDAHULUAN
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
pada Bab V Pelatihan Kerja Pasal 9 bahwa pelatihan kerja diselenggarakan dan
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,
keputusan, tidak jelas kriteria yang dipakai oleh manajemen untuk menentukan
calon peserta tersebut diterima atau tidak (Fitriyani & Yanuarti, 2019).
1
2
berkas yang diperiksa dalam jumlah banyak disortir satu per satu sehingga proses
seleksi peserta menjadi terhambat karena pihak penyeleksi terlalu lama dalam
peserta pelatihan kerja yang mendaftar pada Dinas Transmigrasi dan Tenaga
Kerja. Melakukan penyeleksian secara otomatis tentu akan lebih efisien untuk
dkk., (2012) sistem pendukung keputusan (SPK) merupakan alat yang efektif
untuk membantu pengambilan keputusan dalam situasi yang kompleks dan tidak
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
bobot yang berbeda, sehingga persyaratan memiliki bobot sesuai dengan jenis
atau standar yang diinginkan (Astari, 2019). Penggunaan SPK dan metode profil
Oleh karena itu, pada penelitian ini akan diterapkan metode profile
1. Keluaran sistem berupa lulus atau tidak lulus menjadi peserta pelatihan kerja
3. Pada penelitian ini menggunakan data peserta dari 2 bidang pelatihan yaitu
Pelatihan Kejuruan Barista dan Desain Grafis dari Dinas Transmigrasi dan
Sulawesi Tenggara.
masukan dalam penulisan ilmiah yang lebih baik dimasa yang akan datang.
BAB II
TINJAUAN PUSTAKA
Kasus : PT PBR Sukadama Prima, Pontianak). Tujuan dari penelitian ini dimana
yang diterapkan memiliki kesamaan dengan sistem yang akan dibuat yaitu
Penelitian yang dilakukan oleh Zarnelly & Yusuf (2018) yang berkaitan
5
6
menggunakan teknik Black Box testing, User Acceptance Test (UAT) dan
ini dapat lebih membantu kaprodi dalam menentukan dosen pembimbing dan
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
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
No Judul Metode Hasil
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
No Judul Metode Hasil
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
dkk., 2005) sebuah sistem pendukung keputusan menggabungkan model dan data
melibatkan pengguna. SPK atau Decision Support System (DSS) adalah sebuah
dan tak terstruktur (Pulu, 2018). SPK dapat menjadi perangkat interaktif yang
diambilnya.
dirancang dengan sangat teliti dan mempertimbangkan seluruh faktor yang ada,
diantaranya yaitu:
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
digunakan.
date.
11
terstruktur.
4. Kecepatan komputasi.
5. Peningkatan produktifitas.
6. Dukungan kualitas.
7. Berdaya saing.
menentukan keputusan yang akan diambil. Berikut ini beberapa manfaat sistem
3. Pembuatan keputusan yang lebih baik dalam menangani masalah yang lebih
kompleks.
12
5. Penggunaan data yang lebih baik (aktual, akurasi, akses dan ketersediaan)
8. Keuntungan komunikasi.
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
a. Langkah awal metode profile matching ini adalah menghitung nilai GAP
nilai GAP yang telah diperoleh dengan bobot nilai yang telah ditetapkan oleh
aspek yang paling dibutuhkan ketika akan menentukan hasil akhir suatu
menentukan faktor mana yang termasuk kedalam core factor dan faktor mana
Σ 𝑁𝐶𝐹 (2.1)
𝑁𝐶𝐹 =
Σ 𝐼𝐶
Keterangan :
Σ 𝑁𝑆 (2.2)
𝑁𝐶𝐹 =
Σ 𝐼𝑆
Keterangan :
d. Langkah keempat metode profile matching ini adalah perhitungan nilai total
dari tiap aspek. Perhitungan nilai total ditunjukkan pada Persaman 2.3.
14
Keterangan
e. Langkah terakhir dari profile matching adalah penentuan nilai akhir atau
Keterangan:
NA : Nilai Aspek
kemampuan kerja seseorang atau sekelompok orang. Para peserta pelatihan akan
kemampuan kerja dalam memenuhi kebutuhan tuntutan cara bekerja yang paling
efektif pada masa sekarang. Latihan kerja adalah keseluruhan kegiatan untuk
kerja dan etos kerja pada tingkat keterampilan tertentu berdasarkan persyaratan
teori.
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
2.5.2 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
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
Golongan yang termasuk bukan angkatan kerja ialah tenaga kerja atau
penduduk dalam usia kerja yang tidak bekerja, tidak mempunyai pekerjaan dan
wanita karir), serta menerima pendapatan tapi bukan merupakan imbalan langsung
dan jasa kerjanya (pensiun, penderita cacat yang mendapat sumbangan). Kedua
untuk bekerja
2.5.3 Keahlian
Keahlian merupakan sesuatu minat atau bakat yang harus dimiliki oleh
formal maupun non formal yang nantinya harus terus menerus ditingkatkan
(Wardani, 2009).
Keahlian kerja adalah suatu hasil kerja yang dicapai seseorang dalam
2.5.4 Pendidikan
perguruan tinggi.
2.5.5 Attitude
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
Metode Waterfall atau biasa disebut klasik yang bersifat sistematis dan
perangkat lunak yang selesai. Adapun model waterfall dapat dilihat pada Gambar
2.1.
18
1. Analisis
dibutuhkan dalam perancangan baik berupa dokumen maupun sumber lain yang
dapat membantu dalam menentukan solusi permasalahan yang ada baik dari sisi
2. Desain
Desain perangkat lunak adalah proses multi langkah yang fokus pada desain
perangkat lunak yang dihasilkan pada tahap ini juga perlu didokumentasikan.
3. Pengkodean
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
5. Pemeliharaan
ketika sudah dikirimkan ke user. Perubahan bisa terjadi karena adanya kesalahan
yang muncul dan tidak terdeteksi saat pengujian atau perangkat lunak harus
perangkat lunak yang sudah ada, tapi tidak untuk membuat perangkat lunak baru
(Sasmito, 2017).
2.7 XAMPP
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
Home Page”, selanjutnya PHP diganti nama menjadi FI (Form Interpreter). Sejak
kemunculan PHP versi 3.0, nama PHP kembali diganti menjadi “Hypertext
disebut sebagai Personal Home Pages adalah sebuah bahasa pemrograman yang
web dan biasa digunakan pada HTML. Hypertext Preprocessor adalah salah satu
programan web server-side yang bersifat open source atau tidak berbayar (Palit,
2015).
standar yang digunakan untuk membuat sebuah halaman web, yang kemudian
web Internet (Browser). HTML dapat juga digunakan sebagai link-link antara file-
file dalam situs atau dalam komputer dengan menggunakan localhost, atau link
sederhana ditulis dalam berkas format ASCII sehingga menjadi halaman web
diatur agar mudah dicari. Dalam arti basis data adalah sekumpulan data yang
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
adalah suatu model jaringan yang menggunakan susunan data yang disimpan
dalam sistem secara abstrak. ERD merupakan model jaringan yang menekankan
UML.
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.
2. Activity Diagram
sehingga dapat juga digunakan untuk aktifitas lainnya seperti use case atau
interaksi. Sebuah aktifitas dapat di realisasikan oleh satu use case atau lebih.
lunak. Black box testing ini menitikberatkan pada fungsi sistem. Pengujian pada
berfokus pada spesifikasi fungsional dari perangkat lunak. Black box testing
software untuk membuat himpunan kondisi input yang akan melatih seluruh
2.14 Codeigniter
PHP. Di dalam CI terdapat beberapa macam kelas (class) yang berbentuk library
program dengan menggunakan PHP yang lebih sistematis. MVC adalah konsep
dasar yang harus diketahui sebelum mengenal CI. MVC adalah singkatan dari
yang memisahkan alur bisnis, penyimpanan data dan antarmuka aplikasi atau
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-
classifier memiliki kesalahan ketika melakukan klasifikasi data, maka nilai dari
25
Wibowo, 2020). Bentuk confusion matrix serta penjelasannya dapat dilihat pada
Tabel 2.5.
dibagi dengan total data yang diklasifikasi positif. Sementara itu recall
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
Precision yaitu tingkat ketepatan antara informasi yang diminta oleh pengguna
dengan jawaban yang diberikan oleh sistem. Recall ialah tingkat keberhasilan
METODE PENELITIAN
Penelitian ini dilaksanakan mulai bulan April 2023 sampai dengan Juni
2023. Penelitian ini dilakukan di Dinas Transmigrasi dan Tenaga Kerja Provinsi
Sulawesi Tenggara.
konsep – konsep yang ingin diamati atau diukur melalui penelitian yang akan
dilakukan. Prosedur penelitian yang digunakan dalam penelitan ini dapat dilihat
27
28
(1) Pengumpulan data, dalam proses ini dilakukan pencarian data dan informasi
dari suatu sumber untuk dijadikan referensi atau dasar dalam menyelesaikan
(2) Analisis kebutuhan, dalam proses ini dilakukan analisis spesifikasi kebutuhan
dikembangkan.
(3) Perancangan sistem, dalam proses ini dilakukan pembuatan perangkat lunak
(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
Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara. Semua tahap pada
dan studi pustaka, dimana dalam penelitian ini data itu meliputi:
29
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
3.3.2 Observasi
Transmigrasi dan Tenaga Kerja Provinsi Sulawesi Tenggara yang bertujuan untuk
3.3.3 Wawancara
Jaya Saboli, S.IP., M.Si., selaku Kepala Seksi Pendidikan dan Pelatihan Kerja di
Kegiatan dilakukan pada tanggal 9 Maret 2023, Pada tahap ini di lakukan
Tenaga Kerja Provinsi Sulawesi Tenggara menentukan dua aspek dan empat
30
kriteria serta menetapkan nilai standar dari tiap kriteria ditetapkan oleh pakar yang
kategori sebagai input analisis data profile matching, sebagaimana pada Tabel 3.2.
Core Factor (CF) dan Secondary Factor (SF) dari tiap kriteria yang
Hasil akhir dari proses profile matching adalah ranking dari kandidat
peserta pelatihan kerja. Rumus perankingan yang didapatkan penulis dari hasil
wawancara yaitu :
model waterfall.
baik, yang isinya adalah langkah-langkah operasi dalam proses pengelolaan data
1) Pemodelan sistem
UML yang dirancang menggunakan Use Case Diagram dan Activity Diagram.
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
b. Activity Diagram
menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem aplikasi.
password yang telah diinput penulis pada database sistem. Setelah berhasil login
sistem akan menampilkan menu utama website. Ditunukkan pada Gambar 3.3.
homepage dari website dengan dua fitur utama yaitu input data peserta dan hasil
Pada Struktur Input Data Peserta Admin akan menginput data dan nilai
peserta setelah itu admin akan membobot nilai dari masing – masing peserta dan
yang terdiri dari tiga tabel utama, yaitu tabel peserta, penilaian, kriteria, dan
melalui tabel penilaian, yang berfungsi sebagai penghubung antara peserta dan
kriteria. Selain itu, terdapat tabel admin yang berdiri sendiri, yang mewakili data
informasi dan otorisasi admin dalam mengelola data peserta dan kriteria. Desain
2) Pengkodean
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
proses pengujian pada sistem yang telah dibuat. Testing adalah proses
yang ada dengan kondisi yang diinginkan. Metode yang digunakan dalam proses
38
pengujian sistem yaitu menggunakan black box testing. Dengan Black Box
mengetahui apakah fungsi yang dibutuhkan berjalan sesuai harapan atau tidak.
Confusion matrix atau sering juga disebut Error Matrix adalah suatu metode yang
BAB IV
4.1 Implementasi
Berikut ini adalah hasil analisis dan perancangan sistem yang telah
XAMPP sebagai web server dan MySQL sebagai DBMS. Dari hasil implementasi
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
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
yang telah di input ke sistem seperti, nama peserta, umur, jenis kelamin,
pekerjaan, alamat dan juga tombol reset data untuk menghapus data yang ada.
setiap spesifikasi peserta sesuai pada kriteria yang ditentukan sistem, seperti usia,
pendidikan, pekerjaan, keahlian dan attitude. Nilai-nilai inilah yang akan siap
keterangan dari sistem berupa Lulus atau Tidak Lulus berdasarkan nilai total yang
telah diranking dari yang tertinggi hingga terendah ditunjukkan pada Gambar 4.6.
lunak untuk menentukan apakah sistem tersebut sesuai dengan spesifikasi sistem
dan berjalan pada lingkungan yang diinginkan. Pengujian sering kali diasosiasikan
terminasi.
44
hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak
sebagaimana yang diharapkan tanpa ada kesalahan yang akan mengganggu kinerja
Black Box Testing yang terdiri dari pengujian halaman login Admin, form input
Halaman login merupakan halaman yang akan tampil jika admin ingin
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
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
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.
data peserta secara lengkap maka penilaian akan dilakukan secara otomatis dan
Tabel 4.3.
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.
Nilai peserta untuk data pelatihan barista kriteria aspek berkas dan aspek
Setelah nilai kriteria aspek berkas dan kompetensi dari semua data diperoleh,
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
Nilai GAP
No Nama Berkas Kompetensi
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
Nilai GAP
No Nama Berkas Kompetensi
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.
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
b) Pembobotan peserta untuk data pelatihan barista kriteria aspek berkas dan
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.
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
core factor sebesar 60% dan secondary factor sebesar 40%, untuk penentuan
Tabel 4.14.
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
b) Nilai total peserta pada tiap kriteria aspek untuk data peserta pelatihan barista
5) Penentuan Nilai Akhir dan Ranking dari setiap peserta untuk mendapatkan
lulus tidaknya peserta dari seleksi. Setiap kriteria aspek sebelumnya memiliki
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.
Hasil akhir penentuan peserta pelatihan barista ditunjukkan pada Tabel 4.18.
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.
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
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.
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,
3) Jika status kelulusan pada data real = tidak lulus dan hasil sistem = tidak
4) Jika status kelulusan pada data real = lulus dan hasil sistem = tidak lulus,
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
Kelas Kelas prediksi
sebenarnya Positive Negative
True 12 2
False 3 3
Tabel 4.22 Perbandingan Nilai Data Asli dan Data Sistem Barista
Kelas Kelas prediksi
sebenarnya Positive Negative
True 15 2
False 0 3
precision dan recall dari Persamaan 2.6, Persamaan 2.7, dan Persamaan 2.8 untuk
berupa nilai accuracy = 75%, precision = 85%, dan recall = 80%. Untuk data
88% dan recall = 100%. Perhitungan lebih detail dapat dilihat pada Lampiran 1.1
PENUTUP
5.1 Kesimpulan
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
sistem ini, proses seleksi peserta pelatihan kerja dapat dilakukan lebih efisien dan
obyektif. Dinas Transmigrasi dan Tenaga Kerja dapat memanfaatkan sistem ini
5.2 Saran
seperti analisis multi-kriteria atau pendekatan machine learning. Selain itu, perlu
digunakan sebagai faktor penentu dalam menentukan peserta yang lolos saat
terdapat nilai yang sama. Hal ini akan membantu meningkatkan objektivitas dan
62
DAFTAR PUSTAKA
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.
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%
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%