artikel ilmiah - repository.uksw.edu€¦ · undang-undang republik indonesia nomor 13 tahun 2003...
Post on 28-Jul-2020
18 Views
Preview:
TRANSCRIPT
Rekomendasi Pencari Kerja dan Pekerjaan Terbaik
Pada Sistem Informasi Lowongan Kerja
Menggunakan Metode Weighted Product (WP)
Artikel Ilmiah
Diajukan kepada
Fakultas Teknologi Informasi
untuk memperoleh Gelar Sarjana Komputer
Peneliti:
Tangguh Yoga Pratama (672011193)
Magdalena A. Ineke Pakereng, M.Kom.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
November 2016
i
ii
iii
iv
1
1. Pendahuluan
Undang-Undang Republik Indonesia Nomor 13 Tahun 2003 Tentang
Ketenagakerjaan Pasal 1 Butir 2 dan 4 menjelaskan tentang pengertian tenaga
kerja dan pemberi kerja. Tenaga kerja adalah setiap orang yang mampu
melakukan pekerjaan guna menghasilkan barang dan/atau jasa baik untuk
memenuhi kebutuhan sendiri maupun untuk masyarakat. Pemberi kerja adalah
orang perseorangan, pengusaha, badan hukum, atau badan-badan lainnya yang
mempekerjakan tenaga kerja dengan membayar upah atau imbalan dalam bentuk
lain.
Setiap orang membutuhkan pekerjaan dengan tujuan mencari penghasilan
demi mempertahankan kelangsungan hidup, dan setiap para pemberi kerja
membutuhkan tenaga kerja demi kelangsungan usaha yang dibangunnya. Setiap
pelamar kerja yang diterima pasti telah memenuhi persyaratan umum yang
biasanya dibuat oleh sebuah perusahaan. Persyaratan umum dalam proses
penerimaan karyawan atau pegawai meliputi faktor tingkat pendidikan atau
bidang studi pendidikan yang dijalani oleh pelamar apakah cocok dengan posisi
yang dicari oleh perusahaan, faktor usia, faktor pengalaman kerja, serta besaran
gaji yang diharapkan. Sebagai pemberi kerja biasanya memperhatikan faktor-
faktor seperti usia, pengalaman kerja, tingkat pendidikan, dan gaji yang
diharapkan dari pelamar kerja sebagai pertimbangan untuk diterima sebagai
tenaga kerja.
Seorang pelamar kerja berharap mendapatkan pekerjaan yang sesuai dengan
minat dan penghasilan yang diharapkan, dan sebagai seorang pemberi kerja
mengharapkan mendapatkan calon tenaga kerja yang memiliki kompetensi serta
keunggulan untuk posisi yang ditawarkan. Proses rekomendasi posisi kerja dan
calon tenaga kerja diharapkan dapat membantu pelamar maupun pemberi kerja
dalam menentukan siapa saja yang layak menempati posisi kerja yang dibutuhkan
serta rekomendasi pekerjaan apa saja yang cocok untuk seseorang yang sedang
mencari lowongan pekerjaan. Implementasi metode Weighted Product
yang menggunakan perkalian untuk menghubungkan rating atribut, di mana
rating setiap atribut harus dipangkatkan dulu dengan bobot atribut yang
bersangkutan, diharapkan dapat memberikan solusi guna membantu pencari kerja
dan pemberi kerja dalam membuat keputusan penerimaan tenaga kerja baru, serta
rekomendasi pekerjaan yang cocok untuk para pencari kerja.
Berdasarkan latar belakang tersebut, maka dilakukan penelitian yang
berjudul "Rekomendasi Pencari Kerja dan Pekerjaan Terbaik Pada Sistem
Informasi Lowongan Kerja Menggunakan Metode Weighted Product (WP)".
2. Tinjauan Pustaka
Penelitian yang berjudul "Sistem Pendukung Keputusan untuk Penentuan
Calon Pelamar Kerja dan Perusahaan Dengan Menggunakan Metode Simple
Additive Weighting (SAW) Studi Kasus STIKOM Career Center Surabaya"
membahas tentang implementasi metode SAW dalam rekomendasi calon tenaga
2
kerja yang dibutuhkan oleh sebuah perusahaan yang telah menjalin kerja sama
dengan STIKOM Surabaya. Berdasarkan permasalahan tersebut maka dibuatkan
suatu sistem informasi lowongan pekerjaan berbasis web yang memiliki fungsi
sebagai sarana untuk menampung data alumni beserta kompetensi yang
dimilikinya dan data perusahaan beserta lowongan pekerjaan yang ditawarkan.
Data tersebut digunakan dalam proses pencarian calon pelamar kerja yang sesuai
dengan kompetensi alumni dan proses ini juga dapat menghasilkan informasi
mengenai perusahaan yang sesuai dengan kompetensi alumni. Proses pembobotan
tersebut memberikan informasi mengenai data alumni yang sesuai berdasarkan
kompetensi yang diperlukan oleh perusahaan, setelah itu alumni yang
bersangkutan memperoleh email mengenai informasi lowongan pekerjaan
tersebut. Proses rekomendasi ini menghasilkan sebuah informasi berupa siapa saja
alumni yang memenuhi kriteria dan layak menempati posisi lowongan kerja yang
ada pada perusahaan tersebut [1].
Penelitian lain yang berjudul "Sistem Pendukung Keputusan Seleksi
Penerimaan Karyawan Baru", membahas tentang proses pendukung keputusan
penerimaan karyawan baru menggunakan metode AHP. Metode AHP (Analytical
Hierarchy Process) digunakan untuk mengatasi sebuah penyeleksian penerimaan
karyawan. Data diperoleh melalui cara nilai test dan wawancara, yang dibentuk ke
dalam sebuah tabel. Kemudian tabel ditransformasikan ke dalam bentuk matriks.
Matriks yang digunakan yaitu n(n-1)/2. Langkah selanjutnya menghitung matriks
yang dihasilkan dari tabel. Matriks tersebut dibandingkan masing-masing
perbandingan calon karyawan keseluruhan. Tahap terakhir yaitu tahap
ditentukannya titik akhir yang nantinya dijadikan rekomendasi bagi calon
karyawan dengan memanfaatkan ketiga matriks yang dihasilkan pada tahap
sebelumnya. Kesimpulan hasil penelitian yaitu diperoleh tujuan untuk seleksi
penerimaan karyawan baru dengan metode AHP (Analytical Hierarchy Process),
dapat membantu memecahkan kasus penyeleksian penerimaan karyawan baru.
Model penerapan logika dinamis yang diterapkan dalam AHP (Analytical
Hierarchy Process) memiliki keuntungan dimana proses penyeleksian
memberikan hasil yang sangat fleksibel [2].
Penelitian lain yang berjudul "Sistem Pendukung Keputusan Rekrutmen
Karyawan Produksi Menggunakan Metode Weighted Product (WP) Pada PT.
PLOSS Asia Semarang", membahas tentang implementasi metode WP dalam
proses penerimaan karyawan baru. Rekrutmen merupakan proses pencarian dan
penarikan tenaga kerja yang memiliki potensi untuk mengisi lowongan pekerjaan,
tenaga kerja yang berkualitas sangat berpengaruh pada performa kemajuan
perusahaan. Dalam proses pengambilan keputusan penerimaan karyawan produksi
masih dipengaruhi faktor subjektifitas dan perusahaan sering kali mengalami
kesulitan dalam memilih karyawan, karena banyaknya calon karyawan yang
melamar sedangkan yang diterima menjadi karyawan sangat terbatas. Penelitian
ini menggunakan metode WP karena metode WP merupakan salah satu metode
penyelesaian multi kriteria dimana dalam perekrutan karyawan banyak kriteria
yang harus dipertimbangkan. Metode pengembangan sistem pada sistem ini
menggunakan metode waterfall. Bahasa pemograman yang digunakan adalah
Microsoft Visual Basic 6.0 dan MySQL sebagai database server. Hasil penelitian
3
ini diharapkan dapat memberi kemudahan dalam pengambilan keputusan untuk
menentukan karyawan yang sesuai dengan kebutuhan dan kriteria perusahaan [3].
Berbeda dari penelitian sebelumnya yang membahas tentang sistem
pendukung keputusan menggunakan algoritma metode AHP, WP, dan SAW,
penelitian yang dilakukan sekarang adalah dengan menggunakan metode WP
namun dalam implementasi metode WP, rekomendasi keputusan dibuat dalam 2
(dua) sisi yakni dari sisi pelamar kerja dan pemberi kerja. Pelamar kerja
mendapatkan informasi berupa rekomendasi pekerjaan terbaik, dan pemberi kerja
mendapatkan informasi berupa calon tenaga kerja terbaik untuk posisi yang
kosong di perusahaan tersebut.
Konsep Sistem Pendukung Keputusan (SPK) ditandai dengan sistem
interaktif berbasis komputer yang membantu pengambil keputusan memanfaatkan
data dan model untuk menyelesaikan masalah yang tidak terstruktur. Pada
dasarnya SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan
mulai dari mengidentifikasi masalah, memilih data yang relevan, menentukan
pendekatan yang digunakan dalam proses pengambilan keputusan, sampai
mengevaluasi pemilihan alternatif [4].
Adapun tujuan dari SPK adalah membantu manajer dalam pengambilan
keputusan atas masalah semi-terstruktur, memberikan dukungan atas
pertimbangan manajer dan bukannya dimaksudkan untuk menggantikan fungsi
manajer, meningkatkan efektivitas keputusan yang diambil manajer lebih daripada
perbaikan efisiensinya, kecepatan komputasi yakni komputer memungkinkan para
pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan
biaya yang rendah, peningkatan produktivitas, dukungan kualitas, berdaya saing,
dan mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan [5].
Beberapa keuntungan dalam sistem pendukung keputusan adalah mampu
mendukung pencari solusi dari masalah yang kompleks, respon cepat pada situasi
yang tidak diharapkan dalam kondisi yang berubah-ubah, mampu menerapkan
berbagai strategi pada konfigurasi berbeda secara cepat dan tepat, pandangan dan
pembelajaran baru, memfasilitasi komunikasi, meningkatkan kontrol manajemen
dan kinerja, menghemat biaya, keputusan lebih tepat, meningkatkan efektifitas
manajerial sehingga menjadikan manajer dapat bekerja lebih singkat dengan
sedikit usaha, serta meningkatkan produktivitas analisis [6].
Fuzzy Multiple Attribute Decision Making (FMADM) adalah metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan
kriteria tertentu. FMADM menentukan nilai bobot untuk setiap atribut, kemudian
melakukan proses perangkingan dari alternatif yang sudah ada. FMADM
mempunyai tiga pendekatan untuk mencari nilai atribut, yakni secara subyektif,
obyektif, dan integrasi antara subyektif dan obyektif [7].
Weighted Product merupakan salah satu metode dari FMADM yang
digunakan untuk memberikan solusi dalam bentuk perangkingan data. Weighted
Product adalah salah satu model dalam sistem pendukung keputusan yang
menggunakan perkalian untuk menghubungkan rating atribut, dimana rating setiap
atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang
bersangkutan [8].
4
Secara umum, prosedur metode WP mengikuti langkah-langkah sebagai
berikut [9]: (1) Menentukan kriteria yang digunakan sebagai parameter penilaian;
(2) Melakukan perhitungan nilai relatif bobot awal (wj). Nilai bobot awal (w0)
digunakan untuk menunjukkan tingkat kepentingan relatif dari setiap kriteria.
Nilai bobot awal (w0) dinormalisasi menggunakan Rumus 1 sehingga total nilai
relatif bobot awal wj = 1;
Rumus 1 Rumus Denormalisasi
(3) Melakukan perhitungan nilai preferensi untuk setiap alternatif Ai (vektor S).
Perhitungan nilai preferensi untuk alternatif Ai diawali dengan memberikan nilai
rating kinerja perumahan ke-i terhadap kriteria ke j (xij). Setelah masing-masing
kandidat perumahan diberi nilai rating kinerja, nilai ini dipangkatkan dengan nilai
relatif bobot yang telah dihitung sebelumnya (wj). wj akan bernilai positif untuk
atribut benefit (keuntungan) dan bernilai negatif untuk atribut cost (biaya). Rumus
yang digunakan untuk menghitung nilai preferensi untuk setiap alternatif Ai
(vektor S) adalah Rumus 2;
Rumus 2 Rumus Preferensi
(4) Melakukan perhitungan nilai preferensi relatif dari setiap alternatif
menggunakan Rumus 3;
Rumus 3 Rumus Total Preferensi
(5) Perhitungan nilai preferensi untuk alternatif Ai dilakukan dengan membagi
nilai vektor S pada perumahan ke-i dan kriteria ke-j.
5
3. Metode dan Perancangan Sistem
Tahapan penelitian yang dilakukan dalam menyelesaikan penelitian ini,
terbagi ke dalam 4 (empat) tahapan, yaitu: (1) tahap identifikasi masalah, (2)
tahap perancangan sistem, (3) tahap implementasi sistem, dan (4) tahap pengujian
sistem, seperti ditunjukkan dalam bentuk diagram pada Gambar 1.
Gambar 1 Tahapan Penelitian
Tahapan penelitian pada Gambar 1, dijelaskan sebagai berikut. Langkah
pertama dalam tahapan penelitian adalah identifikasi masalah. Pada Tahap
identifikasi masalah dilakukan analisis kebutuhan sistem yang dibutuhkan sebagai
persyaratan penerimaan tenaga kerja baru, dan rekomendasi pekerjaan terbaik
bagi seorang pencari kerja dan pemberi kerja. Langkah kedua adalah perancangan
sistem. Pada tahap ini dilakukan proses perancangan sistem menggunakan UML
seperti use case diagram, activity diagram, dan class diagram. Pada tahap ini juga
dilakukan perancangan metode WP dalam proses rekomendasi, dan perancangan
database yang dibutuhkan pada sistem. Langkah ketiga adalah implementasi
sistem. Tahap ini merupakan pengembangan lebih lanjut dari tahap perancangan
sistem. Pada tahap ini dilakukan proses pembangunan sistem atau aplikasi
berdasarkan rancangan yang telah dibuat. Langkah keempat adalah pengujian
sistem. Pada Tahap ini dilakukan pengujian sistem apakah sistem sudah berjalan
sesuai dengan tujuan yang ditetapkan sebelumnya.
Use case diagram menggambarkan fungsionalitas yang diharapkan dari
sebuah sistem yang menjelaskan keseluruhan kerja sistem secara garis besar
dengan merepresentasikan interaksi antara actor dengan sistem yang dibuat serta
memberikan gambaran fungsi-fungsi (nilai balik) yang diberikan sistem kepada
pengguna (user) [10]. Use case diagram sistem ditunjukkan pada Gambar 2.
6
Gambar 2 Use Case Diagram Sistem
Gambar 2 menunjukkan use case diagram pada sistem, dijelaskan sebagai
berikut. Terdapat tiga user pada sistem yakni admin, pencari kerja, dan pemberi
kerja. Admin adalah orang yang bertugas untuk mengatur proses penilaian dan
rekomendasi serta mengatur data kriteria penilaian yang dibutuhkan oleh sistem.
Pencari kerja adalah user yang mendaftarkan diri ke sistem dan kemudian mengisi
biodata yang digunakan untuk proses rekomendasi kerja. Pemberi kerja adalah
perusahaan yang bertugas untuk memasukkan informasi lowongan kerja di
tempatnya. Informasi ini kemudian diproses oleh pencari kerja dan hasil pegisian
lamaran dari pencari kerja kemudian diproses untuk menghasilkan siapa saja
pencari kerja yang terbaik untuk posisi yang bersangkutan.
Class diagram merupakan diagram yang memvisualisasi struktur kelas-kelas
dari suatu sistem. Class diagram memperlihatkan hubungan antar kelas dan
penjelasan detail tiap-tiap kelas [10].
Biodata Pelamar Biodata PerusahaanUser Login
Kriteria
Proses Pengajuan Lamaran Kerja Proses Loker
Edit
Tambah
Lihat
Pencari Kerja Pemberi Kerja
Admin
Proses Data
Hapus
<<extend>>
<<extend>> <<extend>>
<<extend>>
7
Gambar 3 Class Digram Sistem
Gambar 3 merupakan class diagram yang digunakan oleh sistem. Derajat
relasi antar kelas menggunakan derajat relasi one to one dan one to many. One to
one digunakan untuk kelas pelamar yang berelasi dengan kelas login dimana satu
pelamar hanya memiliki satu username dan password. Selain itu kelas perusahaan
juga berelasi one to one dengan kelas login dimana satu perusahaan hanya
memiliki satu username dan password untuk masuk ke sistem. Contoh derajat
relasi one to many adalah pada kelas pelamar dan kelas lamaran dimana satu
pelamar bisa mengajukan lebih dari satu surat lamaran kerja. Detail relasi one to
many dapat dilihat pada Gambar 3.
4. Pembahasan dan Hasil Pengujian
Tahapan perancangan WP diawali dengan penentuan kriteria penilaian yang
digunakan untuk proses penilaian data lamaran sehingga dapat menghasilkan
informasi berupa pekerjaan terbaik maupun pekerja terbaik. Kriteria dibagi atas
dua bagian yakni kriteria pekerja terbaik dan kriteria pekerjaan terbaik. Kriteria
pekerja terbaik yang digunakan dapat dilihat pada Tabel 1.
Tabel 1 Kriteria Pekerja Terbaik
No Kriteria Bobot Kriteria Deskripsi
1 IPK 4 Apabila IPK berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 5, apabila IPK sama
dengan yang diminta maka nilai nya
8
adalah 3, dan apabila IPK berada di
bawah standar yang diminta maka
nilainya adalah 1.
2 Usia 3 Apabila usia berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 1, apabila usia sama
dengan yang diminta maka nilai nya
adalah 5, dan apabila usia berada di
bawah standar yang diminta maka
nilainya adalah 3.
3 Pengalaman
Kerja
5 Apabila pengalaman kerja berada di
atas range yang ditentukan maka nilai
untuk pelamar tersebut adalah 5,
apabila pengalaman kerja sama
dengan yang diminta maka nilai nya
adalah 3, dan apabila pengalam kerja
berada di bawah standar yang diminta
maka nilainya adalah 1.
4 Gaji 3 Apabila gaji berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 1, apabila gaji sama
dengan yang diminta maka nilai nya
adalah 5, dan apabila gaji berada di
bawah standar yang diminta maka
nilainya adalah 3.
5 Pendidikan 5 Apabila pendidikan sama dengan yang
diminta maka nilainya 5 dan apabila
tidak sama maka nilainya 3.
Tabel 1 merupakan tabel kriteria penilaian yang digunakan untuk
mendapatkan pekerja terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang
dicari oleh sebuah perusahaan adalah seseorang yang mempunyai IPK di atas
standar, usia yang sesuai dengan yang diminta, pengalaman kerja yang berada di
atas standar, gaji yang sesuai standar, dan tingkat pendidikan yang sama dengan
yang diminta. Selain kriteria untuk pekerja terbaik maka selanjutnya menentukan
kriteria untuk pekerjaan terbaik. Kriteria pekerjan terbaik dapat dilihat pada Tabel
2. Tabel 2 Kriteria Pekerjaan Terbaik
No Kriteria Bobot Kriteria Deskripsi
1 IPK 4 Apabila IPK berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 1, apabila IPK sama
dengan yang diminta maka nilai nya
adalah 3, dan apabila IPK berada di
bawah standar yang diminta maka
9
nilainya adalah 5.
2 Usia 3 Apabila usia berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 1, apabila usia sama
dengan yang diminta maka nilai nya
adalah 5, dan apabila usia berada di
bawah standar yang diminta maka
nilainya adalah 3.
3 Pengalaman
Kerja
5 Apabila pengalaman kerja berada di
atas range yang ditentukan maka nilai
untuk pelamar tersebut adalah 1,
apabila pengalaman kerja sama
dengan yang diminta maka nilai nya
adalah 3, dan apabila pengalam kerja
berada di bawah standar yang diminta
maka nilainya adalah 5.
4 Gaji 3 Apabila gaji berada di atas range yang
ditentukan maka nilai untuk pelamar
tersebut adalah 3, apabila gaji sama
dengan yang diminta maka nilai nya
adalah 5, dan apabila gaji berada di
bawah standar yang diminta maka
nilainya adalah 1.
5 Pendidikan 5 Apabila pendidikan sama dengan yang
diminta maka nilainya 5 dan apabila
tidak sama maka nilainya 3.
Tabel 2 merupakan tabel kriteria penilaian yang digunakan untuk
mendapatkan pekerjaan terbaik. Pada kolom deskripsi terlihat bahwa kriteria yang
dicari oleh seorang pencari kerja adalah ipk yang sama atau di bawah standar, gaji
yang sesuai dengan yang diharapkan atau diatasnya, pengalaman kerja di bawah
standar perusahaan, batasan usia yang di bawah standar perusahaan, dan tingkat
pendidikan yang sama dengan yang diminta oleh perusahaan.
Pada Tabel 1 dan Tabel 2 terlihat kolom kriteria. Nilai pada kolom kriteria
merupakan tingkat kepentingan yang digunakan pada sistem. Tingkat kepentingan
menggunakan angka 1-5 dimana 1 melambangkan tidak penting, 2 melambangkan
tidak terlalu penting, 3 melambangkan cukup penting, 4 melambangkan penting
dan 5 melambangkan sangat penting. Setelah menentukan kriteria beserta
bobotnya maka langkah selanjutnya dalam proses WP adalah melakukan
perhitungan nilai relatif bobot awal seperti yang terlihat pada Tabel 3.
Tabel 3 Perhitungan Nilai Relatif Bobot
Kriteria Bobot Nilai Relatif
IPK 4 4 / 20 = 0.2
Usia 3 3 / 20 = 0.15
10
Pengalaman Kerja 5 5 / 20 = 0.25
Gaji 3 3 / 20 = 0.15
Pendidikan 5 5 / 20 = 0.25
Langkah selanjutnya adalah menentukan perhitungan nilai preferensi untuk
setiap alternatif Ai (vektor S). Perhitungan vektor S dilakukan menggunakan
Rumus 2. Namun sebelum menghitung nilai referensi maka dibutuhkan data awal
untuk proses perhitungan WP. Data awal yang dibutuhkan dapat dilihat pada
Tabel 4.
Tabel 4 Data Awal
Pelamar IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
Pekerjaan
P001 2.75 22 Akuntansi 3000 2 Mgnt.
Trainer
P002 3.00 23 IT 2500 0 Mgnt.
Trainer
P003 3.40 21 Akuntansi 3500 4 Mgnt.
Trainer
P004 2.25 22 Management 2500 3 Mgnt.
Trainer
P005 3.50 25 Elektro 3000 1 Mgnt.
Trainer
P001 2.75 22 Akuntansi 3000 2 Bank
Officer
P002 3.00 23 IT 2500 0 Bank
Officer
P003 3.40 21 Akuntansi 3500 4 Bank
Officer
P004 2.25 22 Management 2500 3 Bank
Officer
P005 3.50 25 Elektro 3000 1 Bank
Officer
Pada Tabel 4 terlihat data awal yang dibutuhkan pada aplikasi. Terdapat 5
orang calon pelamar dengan posisi pekerjaan sebagai Management Trainer dan
Bank Officer. Setiap posisi kerja mempunyai persyaratan seperti yang terlihat
pada Tabel 5.
11
Tabel 5 Persyaratan Lamaran
Pekerjaan IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
Mgnt. Trainer 2.75 22 Akuntansi, IT, Management 2750 1
Bank Officer 3.00 21 IT, Elektro, Akuntansi 2750 1
Data awal pada aplikasi harus diubah menjadi bentuk angka 1-5 sesuai
dengan deskripsi penilaian setiap kriteria yang telah ditentukan sebelumnya.
Contoh berikut merupakan rekomendasi pekerjaan terbaik untuk pelamar dengan
kode P001. Data awal yang telah diubah sesuai deskripsi untuk pelamar dengan
kode P001 dapat dilihat pada Tabel 6.
Tabel 6 Penilaian Data Pelamar P001
Pelamar IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
Pekerjaan
P001 3 5 5 1 1 Mgnt.
Trainer
P001 1 1 5 1 1 Bank
Officer
Langkah selanjutnya menghitung nilai vektor S untuk masing-masing
kriteria pada setiap pekerjaan dari pelamar P0001 untuk menghasilkan
rekomendasi pekerjaan terbaik.Hasil perhitungan nilai vektor dapat dilihat pada
Tabel 7.
Tabel 7 Perhitungan Nilai Vektor S Pelamar P001
Pekerjaan IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
0.2 0.15 0.25 0.15 0.25
Mgnt. Trainer 1.246 1.273 1.495 1 1
Bank Officer 1 1 1.495 1 1
Total 2.246 2.273 2.99 2 2
Langkah terakhir adalah menentukan nilai vektor V dengan cara membagi
nilai vektor S pada sebuah alternatif dengan nilai total vektor S pada alternatif
yang bersangkutan. Hasil perhitungan vektor V dapat dilihat pada Tabel 8.
12
Tabel 8 Perhitungan Nilai Vektor V Pelamar P001
Pekerjaan IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
Total
Mgnt. Trainer 0.554764 0.560052 0.5 0.5 0.5 2.614816
Bank Officer 0.445235 0.439947 0.5 0.5 0.5 2.385182
Pada Tabel 8 terlihat bahwa Bank Officer merupakan rekomendasi pekerjaan
terbaik untuk pelamar P001 karena memiliki hasil akhir perhitungan yang lebih
tinggi dari Mgnt. Trainer.
Gambar 4Aplikasi Rekomendasi Pekerjaan Terbaik
Gambar 4 merupakan tampilan sistem untuk rekomendasi pekerjaan terbaik.
User hanya memasukkan NoKTP yang sudah dimasukkan sebelumnya pada
biodata pelamar, kemudian proses perhitungan dimulai dengan mencocokkan
semua data pelamar dengan data loker yang sudah terekam pada system. Hasil
perhitungan berupa rekomendasi pekerjaan terbaik dari semua loker yang
dilampirkan oleh pelamar.
Selain merekomendasikan pekerjaan terbaik, sistem juga merekomendasikan
pekerja terbaik untuk sebuah posisi. Langkah awal rekomendasi dimulai sama
seperti proses mencari pekerjaan terbaik yakni membuat data awal dalam bentuk
deskripsi seperti yang terlihat pada Tabel 9.
Tabel 9 Penilaian Data Pekerjaan Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji
Pengalaman Pekerjaan
P001 3 5 5 1 1 Mgnt. Trainer
P002 5 1 5 3 5 Mgnt. Trainer
P003 5 3 5 1 1 Mgnt. Trainer
13
P004 1 5 5 3 1 Mgnt. Trainer
P005 5 1 3 1 3 Mgnt. Trainer
Tabel 9 merupakan tabel data pelamar pada posisi Mgnt. Trainer yang
sudah diubah ke dalam bentuk deskripsi. Setelah menentukan nilai deskripsi maka
selanjutnya menentukan nilai vektor S dan vektor V untuk menentukan pekerja
terbaik. Hasil perhitungan nilai vektor S untuk posisi Mgnt. Trainer dapat dilihat
pada Tabel 10.
Tabel 10 Perhitungan Nilai Vektor S Posisi Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
0.2 0.15 0.25 0.15 0.25
P001 1.246 1.273 1.495 1 1
P002 1.380 1 1.495 1.179 1.495
P003 1.380 1.179 1.495 1 1.1
P004 1 1.273 1.495 1.179 1
P005 1.380 1 1.316 1 1.316
Total 6.386 5.725 7.296 5.358 5.811
Langkah terakhir adalah menentukan nilai vektor V untuk mencari pekerja
terbaik pada posisi Mgnt. Trainer seperti yang terlihat pada Tabel 11.
Tabel 11 Perhitungan Nilai Vektor V Posisi Mgnt. Trainer
Pelamar IPK Usia Pendidikan Gaji
(000)
Pengalaman
Kerja (thn)
Total
P001 0.195114 0.222358 0.204913 0.186636 0.172087 0.981101
P002 0.216097 0.174672 0.204913 0.220044 0.257270 1.072989
P003 0.216097 0.205938 0.204913 0.186636 0.172087 0.985664
P004 0.156592 0.222358 0.204913 0.220044 0.172087 0.975987
P005 0.216097 0.174672 0.180347 0.186636 0.19348 0.984244
Pada Tabel 11 terlihat bahwa dari hasil perhitungan akhir maka pelamar
dengan kode P002 mempunyai nilai tertinggi sehingga direkomendasikan sebagai
pekerja terbaik untuk mengisi posisi Mgnt. Trainer.
14
Gambar 5Aplikasi Rekomendasi Pekerja Terbaik
Gambar 5 merupakan tampilan sistem untuk rekomendasi pekerja terbaik.
Pekerja terbaik direkomendasikan berdasarkan semua lamaran yang masuk pada
loker tersebut. Kemudian setiap pelamar akan dicocokkan identitasnya dengan
persyaratan pada loker yang dibuka. Hasil akhir dari perhitungan adalah
rekomendasi pekerja terbaik untuk loker yang bersangkutan.
Hasil akhir dari penggunaan metode WP didapat dengan mencari nilai
vektor S dan V. Implementasi vektor S dapat dilihat pada Kode Program 1.
Kode Program 1 Koding Vektor S
Kode Program 1 merupakan implementasi perintah SQL untuk
menghasilkan nilai Vektor S. Nilai vektor ditentukan dengan menghitung data
penilaian setiap kriteria kemudian dipangkatkan dengan nilai bobot dibagi total
bobot seperti yang terlihat pada baris ke-1 sampai dengan baris ke-4.Setelah
menentukan nilai vektor S, maka langkah terakhir adalah menentukan nilai vektor
V. Implementasi nilai vektor V dapat dilihat pada Kode Program 2.
Kode Program 2 Koding Vektor V
Kode Program 2 merupakan perintah SQL yang digunakan untuk
menghitung nilai vektor V. Nilai vektor V atau nilai akhir didapatkan dengan cara
menjumlahkan nilai vektor S pada setiap kriteria penilaian seperti yang terlihat
pada baris perintah ke-1 dan ke-2.
1. select idkriteria, SUM(cast(VektorS as decimal(18,3))) vektor_V from vw_vector_S
2. group by idkriteria
1. SELECT A.IDLoker,A.NoKTP,A.IDKriteria,A.Nilai ,B.RelatifBobot
2. ,power(cast(a.nilai as decimal(18,3)) ,cast(B.RelatifBobot as decimal(18,3))) VektorS
3. FROM Tbl_Penilaian A JOIN vw_realtif_bobot B
4. on A.IDKRITERIA = B.IDKRITERIA
15
Pengujian Sistem menggunakan data pelamar kerja yang digunakan pada
Job Fair yang dilakukan pada Universitas Kristen Satya Wacana. Hasil pengujian
sistem yang telah dibuat, ditunjukkan pada Tabel 12.
Tabel 12 Hasil Testing untukProses Output
No Nama Pelamar Fakultas Posisi Keterangan
Hasil
Sistem
1 Kresna Budiharto Fak. Ekonomi Fungsional Diterima Diterima
2 Paulus Sanjaya Fak. Ekonomi Fungsional Ditolak Diterima
3 Siti Suwarsi
D3 Komputer
Akt Fungsional Ditolak Ditolak
4 Larasati H
Sistem
Informasi Fungsional Diterima Diterima
5 Putri Tiara M
D3 Komputer
Akt Fungsional Ditolak Ditolak
6 Rangga Mahendra
D3 Komputer
Akt Fungsional Ditolak Ditolak
7
Indra Putra
Prasetyo
Sistem
Informasi Fungsional Ditolak Ditolak
8 Lisa M Fak. Ekonomi Fungsional Ditolak Ditolak
9 Herlinda Anandita Fak. Ekonomi Fungsional Ditolak Ditolak
10 Rosmawati Susanti
Sistem
Informasi Fungsional Ditolak Diterima
11 Nicholaus K Fak. Ekonomi Fungsional Ditolak Ditolak
12 Rahmawati Fak. Ekonomi Fungsional Ditolak Diterima
13 Sri Listanti Fak. Ekonomi Fungsional Ditolak Ditolak
14 Danar Yoga
Teknik
Informatika Fungsional Diterima Diterima
15 Kristien Manulang
Sistem
Informasi Fungsional Ditolak Ditolak
Jumlah kecocokan sistem manual dan aplikasi 12
Data pelamar yang digunakan adalah data pelamaran pada sebuah
perusahaan swasta yang membuka lowongan untuk posisi fungsional. Hasil yang
ditampilkan adalah rekomendasi untuk pekerjaan yang memenuhi persyaratan
berdasarkan perhitungan metode WP.
Berdasarkan hasil pengujian menggunakan data yang ada bahwa terlihat dari
15 kandidat yang memenuhi persyaratan yang dilakukan oleh perusahaan adalah 3
orang sedangkan pada sistem terlihat pelamar yang memenuhi persyaratan adalah
6 orang sehingga presentasi kecocokan antara aplikasi dan perusahaan adalah 12 /
15 * 100 % = 80%.
16
5. Simpulan
Berdasarkan pembahasan, pengujian, dan analisis sistem, maka dapat
diambil kesimpulan bahwa metode Weighted Product pada sistem informasi
lowongan kerja dapat memberikan rekomendasi pekerjaan dan pekerja sesuai
dengan yang diharapkan dan berdasarkan hasil akhir dari perhitungan WP.
Saran pengembangan aplikasi ke depan adalah aplikasi dapat dibuat berbasis
web sehingga dapat mempermudah pencari kerja dan perusahaan dalam
melakukan proses lowongan kerja.
6. Daftar Pustaka
[1] Hosama, Novita., 2012, Sistem Pendukung Keputusan Untuk Penentuan
Calon Pelamar Kerja dan Perusahaan dengan Menggunakan Metode Simple
Weighting Additove Studi Kasus STIKOM Career Center (SCC) Surabaya,
STIKOM, Surabaya.
[2] Istikhomah, 2016, Sistem Pendukung Keputusan Seleksi Penerimaan
Karyawan Baru, Universitas Nusantara PGRI, Kediri.
[3] Ardi, Kusumaning., 2013, Sistem Pendukung Keputusan Rekrument
Karyawan Produksi Menggunakan Metode Weighted Product Pada PT.
PLOSS Asia Semarang, Universitas Dian Nuswantoro, Semarang.
[4] Hasan, I., 2002, Pokok-Pokok Materi Teori Pengambilan Keputusan, Jakarta
: Ghalia Indonesia.
[5] Turban, E., dkk., 2005, Decision Support Systems and Intelligent Systems.
Yogyakarta : Penerbit Andi.
[6] Subakti, Irfan., 2002, "Sistem Pendukung Keputusan (Decision Support
System)", Institute Teknologi Sepuluh November, Surabaya.
[7] Gerdon, 2012, Sistem Pendukung Keputusan Untuk Menentukan
Penerimaan Beasiswa Bagi Mahasiswa, STMIK Amikom, Yogyakarta.
[8] Kusumadewi, S., Hartati, S., Harjoko A., Wardoyo R., 2006, Fuzzy Multi
Attribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta.
[9] Savitha, K., Chandrasekar, C., 2011, Vertical Handover decision schemes
using SAW and WPM for Network selection in Heterogeneous Wireless
Networks, Global Journal of Computer Science and Technology Volume 11,
Global Journals Inc. (USA).
[10] Nugroho, Adi., 2010, Mengembangkan Aplikasi Basis Data Menggunakan
C# + SQL Server, Yogyakarta : Penerbit Andi Offset.
top related