57
Jurnal Indonesia Sosial Teknologi: p–ISSN: 2723 - 6609
e-ISSN : 2745-5254
Spesial Issue - Vol. 2, No.1 Januari 2021
PENERAPAN METODE BAYES DALAM SISTEM PENDUKUNG KEPUTUSAN
SELEKSI KARYAWAN BARU
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
Program Studi Teknik Informatika STMIK YMI Tegal
1dan2
Email: [email protected]
1
2
Abstrak
Sebuah perusahaan yang sedang berkembang harus memiliki manajemen yang baik dan
terstruktur. Manajemen yang baik berasal dari sumber daya manusia yang baik pula. Pemilihan
karyawan yang baik dan berkualitas sesuai dengan kebutuhan yang telah ditentukan oleh
perusahaan merupakan harapan yang sangat diinginkan oleh sebuah perusahaan. Karyawan yang
memiliki kemampuan dan kualitas sesuai dengan standar yang telah ditentukan oleh perusahaan
akan mendukung tercapainya tujuan perusahaan. Pentingnya kualitas karyawan yang akan
digunakan membuat manajemen bekerja keras dan berhati-hati dalam menentukan kriteria yang
akan ditentukan untuk proses pengambilan keputusan penerimaan karyawan baru tersebut.
Dengan teknologi informasi, perusahaan dapat mengoptimalkan aktifitasnya dalam mengambil
keputusan dengan efektif dan efesien tanpa terkendala oleh waktu yang berlebihan, biaya
berlebihan dan birokrasi yang tidak bertanggung jawab. Apabila teknologi informasi tersebut
dapat dimanfaatkan dengan baik maka dapat membantu mengoptimalkan segala kegiatan yang
dilakukan dan dibutuhkan oleh perusahaan. Proses seleksi penerimaan karyawan pada perusahan
atau instansi swasta masih mengalami kendala pada proses hasil pengambilan keputusan karena
banyaknya pelamar dan kriteria yang ditentukan untuk memberikan keputusan penerimaan
karyawan yang sesuai dengan yang diharapkan. Tujuan dilakukan penelitian ini adalah untuk
menerapkan Sistem Pendukung Keputusan (SPK) dalam proses penerimaan karyawan. Metode
yang digunakan dalam SPK ini adalah metode Bayes. Dimana metode naïve Bayes dipilih karena
dapat menentukan perangkingan untuk setiap atribut, kemudian memilih alternatif terbaik dari
sejumlah alternatif yang ada. Maka dibuatlah sistem pendukung keputusan seleksi penerimaan
karyawan menggunakan metode Bayes.!
!
Kata kunci: Penerimaan Karyawan; Seleksi Karyawan; Sistem Pendukung Keputusan; Bayes
Abstract
A growing company must have good and structured management. Good management comes from
good human resources too. Selection of good and quality employees in accordance with the needs
that have been determined by the company is a very desired expectation by a company. Employees
who have the ability and quality in accordance with the standards set by the company will support
the achievement of company goals. The importance of the quality of employees who will be used
makes management work hard and be careful in determining the criteria that will be determined
for the decision-making process for the acceptance of new employees. With information
technology, companies can optimize their activities in making decisions effectively and efficiently
without being constrained by excessive time, excessive costs and irresponsible bureaucracy. If
the information technology can be used properly, it can help optimize all activities carried out
and needed by the company. The selection process for hiring employees at companies or private
institutions is still experiencing problems in the decision-making process due to the large number
of applicants and the criteria determined to provide an employee recruitment decision that is as
expected. The purpose of this research is to implement a Decision Support System (DSS) in the
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
58 Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021
process of hiring employees. The method used in this DSS is the Bayes method. Where the nave
Bayes method is chosen because it can determine the ranking for each attribute, then choose the
best alternative from a number of alternatives. Then a decision support system for employee
recruitment selection was made using the Bayes method.!
Keywords: Recruitment of employees; Employee Selection; Decision Support System; Bayes
Pendahuluan
Perusahaan yang sedang berkembang harus memiliki manajemen yang baik dan terstruktur
(Iskandar & Rangkuti, 2008). Manajemen yang baik juga berasal dari sumber daya manusia yang
baik (Susan, 2019). Pemilihan karyawan yang baik dan berkualitas sesuai dengan kebutuhan yang
diidentifikasi oleh perusahaan merupakan harapan yang sangat diinginkan perusahaan (Suria
Alamsyah Putra & Sari, 2022). Pilihan-pilihan yang diambil perusahaan saat merekrut karyawan
baru sangat memengaruhi kualitas dan kemajuan perusahaan (Islami, 2014).
Karyawan dengan kompetensi dan kualitas yang memenuhi standar yang ditetapkan
perusahaan akan mendukung tercapainya tujuan perusahaan (Suryadana, 2013). Pentingnya
kualitas karyawan yang akan disalahgunakan memaksa manajemen untuk bekerja keras
(Rifmawati & Suyasa, 2016) dan berhati-hati dalam menetapkan kriteria pengambilan keputusan
karyawan baru (Gunawan, 2014).
Perusahaan mengalami kesulitan dalam menyeleksi calon karyawan karena calon yang
potensial sangat banyak (Sunandar & Satar, 2020) dan jumlah karyawan yang akan dipekerjakan
sangat terbatas (Priartini & Rahmawati, 2020). Tidak dapat dipungkiri bahwa pesatnya
perkembangan teknologi informasi mempengaruhi kemajuan perusahaan untuk mendukung
pengambilan keputusan (Prayoga, 2017). Berdasarkan bantuan teknologi informasi, perusahaan
dapat mengoptimalkan aktivitasnya (Ari Satrio Putra & Haryono, 2021) untuk mengambil
keputusan secara efektif dan efisien tanpa kendala waktu yang berlebihan (Setiawan, 2019), biaya
yang mahal dan birokrasi yang tidak bertanggung jawab. Ketika digunakan dengan benar (Nesia
& Arenawati, 2013), teknologi informasi dapat membantu mengoptimalkan semua aktivitas yang
dilakukan dan dibutuhkan perusahaan.Penelitian yang pernah dilakukan terkait dengan metode
ini menghasilkan Metode Naïve Bayes dapat diterapkan pada sistem pendukung keputusan
pemilihan metode kontrasepsi. Tingkat akurasi yang dihasilkan pada sistem pendukung keputusan
pemilihan metode kontrasepsi menggunakan metode Naïve Bayes adalah 82,2 % (Naafian,
Siswanti, & Saptomo, 2017). Begitu juga dalam penelitian terkait lainya dimana hasil
penelitiannya sebagai berikut Hasil perhitungan probabilitas pada setiap kategori Umur Tanaman:
Panas, produksi: Tinggi, Serangan Hama: Rendah, Ketahanan Penyakit: Tinggi. Perhitungan
probabilitas mempengaruhi Likelihood, Dari lima jenis bibit yang diteliti dengan perhitungan
Naive Bayes, urutan perangkingan R2 – R3 – R4 – R6 – R7 - R1 – R5, diperoleh 2 bibit berkualitas
baik yaitu Bibit Kode R2 dan Kode R3 dengan Nilai Probabilitas 0.3334534 dan 0.3334534 dan
Sistem ini dapat mempertimbangkan konsistensi yang logis dalam penilaian yang digunakan
sehingga menghasilkan alternatif yang tidak banyak dibandingkan dengan sistem lama yang tidak
memiliki konsistensi yang logis dalam melakukan penilaian (Zulfikar & Fahmi, 2019). Dari
penelitian terdahulu maka dalam penelitian ini metode yang Naive Bayes. Metode Naïve Bayes
merupakan penyederhanaan dari teorema Bayes, penemu metode ini adalah seorang ilmuwan
Inggris yang bernama Thomas Bayes (Yunita & Indrawati, 2014). Perhitungan akan sesuai
dengan metode ini apabila alternatif yang terpilih memenuhi kriteria yang telah ditentukan. Dari
latar belakang masalah yang ada diatas maka dalam penelitian ini akan menerapkan metode Bayes
kedalam sistem seleksi pegawai.
Metode Penelitian
Penerapan Metode Bayes dalam Sistem Pendukung Keputusan Seleksi Karyawan Baru
Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021 59
Metode yang digunakan dalam penelitian pengambilan keputusan ini adalah metode Bayes.
Teorema Bayes Metode Teorema Bayes merupakan suatu metode untuk menghasilkan estimasi
parameter dengan menggabungkan informasi dari sampel dan informasi lain yang telah tersedia
sebelumnya (Perdana, Karlitasari, & Utami, 2017); (Hamdani, 2016).
Persamaan teori Bayes:
P(c|x) =
!
"
𝑥
#
𝑐
$
!"%$
!"&$
………....…………………………1
Keterangan:
x : Data dengan class yang belum diketahui
c : Hipotesis data merupakan suatu class spesifik
P(c|x) : Probabilitas hipotesis berdasar kondisi (posteriori probability)
P© : Probabilitas hipotesis (prior probability)
P(x|c) : Probabilitas berdasarkan kondisi pada hipotesis
P(x) : Probabilitas c
Dimana : P(Hi|E): probabilitas hipotesis Hi terjadi jika evidence E terjadi.
P(E|Hi): probalilitas munculnya evidence E, jika hipotesis Hi terjadi.
P(Hi ) : probabilitas hipotesis Hi tanpa memandang evidence apa pun.
N : Jumlah hipotesis yang terjadi Untuk evidence ganda E1, E2, ….., Em dan hipotesis
ganda H1, H2,….Hn adalah:
p
(
Hi
|
𝐸1𝐸2 … . 𝐸𝑚) =
'
"
()(*+ ,,(-.
#
./)$.0'"/1$
2
…………………………………2
∑
𝑝5
(
𝐸15𝐸2 … … 𝐸𝑚5
|
5𝐻𝑘) ∗ 𝑝 (𝐻𝑘)
34)
…………………………………3
Hasil dan Pembahasan
Metode Bayes
Metode Bayes dalam prosesnya memerlukan kriteria-kriteria yang akan dijadikan bahan
perhitungan pada proses perankingan dan seleksi pelamar untuk seleksi penerimaan karyawan
pada RSUI Harapan Anda Tegal. Kriteria-kriteria yang menjadi bahan pertimbangan pada proses
seleksi tersebut merupakan ketentuan yang telah ditetapkan di RSUI Harapan Anda Tegal. Berikut
ini adalah tabel sample perhitungan yang ada pada
3
ndepe pendukung keputusan seleksi
karyawan menggunakan metode bayes:
Tabel 1. Data Training
No
Nama
Usia
Psikotest
Pengalaman
Wawancara
IPK
Hasil
1
PS1
24
SB
Ya
SB
>3.20
Diterima
2
PS2
25
C
Ya
B
<3.00
Ditolak
3
PS3
24
B
Tidak
B
<3.00
Ditolak
4
PS4
25
SB
Ya
B
>3.00
Diterima
5
PS5
25
SB
Ya
B
>3.20
Diterima
6
PS6
26
SB
Ya
SB
>3.20
Diterima
7
PS7
25
C
Tidak
SB
<3.00
Ditolak
8
PS8
24
B
Ya
B
>3.20
Diterima
9
PS9
25
SB
Ya
B
>3.20
Diterima
10
PS10
26
B
Tidak
SB
>3.20
Diterima
Dalam proses perhitungan kreteria dalam penelitian ini tercermin pada tabel 2 berikut ini:
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
60 Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021
Tabel 2. Kreteria
No
Kriteria Seleksi
1
Usia Peserta
2
Nilai Psikotest
3
Pengalaman
4
Nilai Wawancara
5
IPK
Tabel 3. Tabel Data Testing, sample calon karyawan
No
Nama
Usia
Psikotest
Pengalaman
Wawancara
IPK
Hasil
1
PSN
24
SB
YA
SB
>3.20
Diterima
Contoh dalam perhitungan ini terdapat pada tabel 3 dimana diambil 1 data calon karyawan
berserta hasil dari seleksi. Berikut perhitungan bayes berdasarkan studi kasus diatas.
1. Mecari probabilitas di terima, ditolak dengan menggunakan persamaan:
P(H) = Diterima, Ditolak
P(Diterima) = 7/10 = 0.7
P(Ditolak) = 3/10 = 0.3
2. Langkah selanjutnya menghitung probabilitas berdasar kondisi pada hipotesis P(X|H)
perhitunganya sebagai berikut:
P(Usia = 24 | Hasil = Diterima) =2/7 = 0.29
P(Usia = 24 | Hasil = Ditolak) =1/3 = 0.33
P(Psikotest = SB | Hasil = Diterima) =5/7 = 0.71
P(Psikotest = SB | Hasil = Ditolak) =0/3 = 0
P(Pengalaman = YA | Hasil = Diterima) =6/7 = 0.86
P(Pengalaman = YA | Hasil = Ditolak) =1/3 = 0.33
P(Wawancara = SB | Hasil = Diterima) =3/7 = 0.43
P(Wawancara = SB | Hasil = Ditolak) =1/3 = 0.33
P(IPK = >3.20 | Hasil = Diterima) =6/7 = 0.86
P(IPK = >3.20 | Hasil = Ditolak) =0/3 = 0
3. Menghitung probabilitas nilai diterima dan tidak diterima
P(X|Diterima) = 0.29 x 0.71 x 0.86 x 0.43 x 0.86 = 0.06548197
P(X|Ditolak) = 0.33 x 0 x 0.33 x 0.33 x 0 = 0
4. Melihat dari perhitungan probailitas nilai diterima dan ditolak dengan menggunakan data
sampel diatas makan hasil rekomendasi perhitungan sebagai berikut:
P(X|Diterima) x P(Diterima) = 0.06548197 x 7 = 0.45837375
P(X|Ditolak) x P(Ditolak) = 0 x 3 = 0
Berdasarkan perhitungan dari kriteria yang dimiliki oleh pelamar dengan nama PS01
dinyatakan DITERIMA dengan nilai rekomendasi diterima.
Rancangan ERD Sistem
Penerapan Metode Bayes dalam Sistem Pendukung Keputusan Seleksi Karyawan Baru
Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021 61
Gambar 1. ERD Sistem
Gambaran secara umum proses dari
2
ndepe dapat di gambarkan melalui diagram konteks
dan data flow diagram lavel 0 sebagai berikut:
Gambar 2. Diagram Konteks
Dalam diagram konteks diatas terdiri dari 3 entitas yaitu HRD, Direktur dan pelamar, setiap
entitas memiliki peranan masing masing dimana HRD memilik peranan yang sangat besar dalam
input data. Dari dasar diagram konteks diatas maka dapat dijabarkan ke dalam data flow diagram
dimana proses akan di gambarkan dengan jelas. Berikut DFD
2
ndepe ini.
Pelamar
HRD
Data Training
Seleksi
Direktur
Hasilmengelola
mengelola perbandingan
mendapat
memiliki
mengikuti
M
1
1
1
1
1
M M
1
1
1
1
Kd_training
variabel variabel
rekomendasi
Nama
id Jabatan
variabel
Id_pelamar
Id_seleksi
Id_hasil
Id_pelamar
rekomendasi
Id_pelamar
nama kriteria
kriteria
Id_user
nama
Jabatan: HRD
mengelola
M
1
0
SPK
Seleksi
Penerimaan
Karyawan
HRD Pelamar
DIREKTUR
Data Pelamar
Hasi l Seleksi
Info D a ta
Pelamar
Hasi l Seleksi
Data Testing
Hasi l Seleksi
Data Training
Info D a ta
Training
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
62 Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021
Gambar 3. DFD system
Rancangan Tampilan
Rancangan Layar (Dialog) program dibuat untuk memberikan gambaran tentang bentuk
dan model aplikasi yang akan dibangun.
1. Rancangan Layar Login
Gambar 4. Rancangan Login
2. Rancangan Layar Dashboard Admin
1
Mai ntenance
Data
Masuk an
2
Seleksi
3
Laporan
Data Pelamar
Data Training
Data Seleksi
Data User
HRDDIREKTUR
Hasi l
Data User
Kelola Masukan
Kelola Seleksi
Data Pelamar
Data Pelamar
Data Training
Laporan Hasil
Seleksi
Data Seleksi
Data Pelamar
Data Training
Data Seleksi
Hasi l
Data Pelamar
Data TrainingData User
Data Seleksi
Hasi l
Laporan Hasil
Seleksi
Penerapan Metode Bayes dalam Sistem Pendukung Keputusan Seleksi Karyawan Baru
Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021 63
Gambar 5. Layar Dashboard Admin
Pengujian Sistem
Proses pengujian menggunakan pengujian white box, dimana barisan kode dalam aplikasi
yang di uji adalah logika percangan sebagai berikut:
Gambar 6. Souce code percabangan dalam system
1. Grafik Path yang dihasilkan dari code diatas
Gambar 7. Grafik Path
2. Value Path
Kompleksitas siklomatis (pengukuran kuantitatif terhadap kompleksitas logis suatu
program) dari grafik alir dapat diperoleh dengan perhitungan:
Rumus :
V(G) = E – N + 2
1
23
4
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
64 Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021
Keterangan :
E = Jumlah edge grafik alir ditandai dengan gambar panah
N = Jumlah simpul grafik alir yang ditandai dengan gambar lingkaran.
Kompleksitas siklomatis dari grafik alir di atas adalah:
V(G) = 5 – 4 + 2
V(G) = 3
Cyclomatic complexity untuk diagram alir gambar di atas adalah 3. Basis set yang
dihasilkan dari lajur
2
ndependent secara linier adalah jalur sebagai berikut:
Path 1 = 1-2-4
Path 2 = 1-3-4
Path 3 = 1-4
3. Value Test
Berdasarkan basis test yang dicoba, maka basis path 1-3 yang telah didefinisikan di atas
merupakan basis set untuk diagram alir. Basis yang dihasilkan 1-4 terlihat bahwa simpul telah
dieksekusi satu kali. Berdasarkan ketentuan dari segi kelayakan software, system ini telah
memenuhi syarat.
Kesimpulan
Berdasarkan hasil dari penelitian dan uraian pembahasan pada bab-bab sebelumnya
yang penulis lakukan mengenai implementasi metode Bayes untuk Sistem Pendukung
Keputusan Seleksi Penerimaan Karyawan pada RSUI Harapan Anda Tegal bahwa Sistem
Pendukung Keputusan ini dibuat untuk mengembangkan suatu metode-metode yang
dapat mempermudah proses dalam pengambilan keputusan serta dapat membantu dalam
meningkatkan ketepatan sasaran dari penerimaan karyawan baru. Sistem Pendukung
Keputusan Seleksi Penerimaan Karyawan pada RSUI Harapan Anda Tegal menggunakan
metode Bayes merupakan metode dengan penjumlahan perangkingan yang dapat
membantu dalam pengambilan keputusan suatu kasus.
Penerapan Metode Bayes dalam Sistem Pendukung Keputusan Seleksi Karyawan Baru
Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021 65
Bibliografi
Gunawan, Ade. (2014). Sistem Pendukung Keputusan Untuk Perekrutan Karyawan
Dengan Menggunakan Metode Ahp (Analytical Hierarchy Process) Study Kasus
Pada PT. Valprisma Jaya Abadi, Eprints. Dinus. Ac. Id.
Hamdani, Rita. (2016). Penerapan Metode Bayes Dalam Mendiagnosa Gangguan
Perkembangan Pada Anak. Jurnal Mantik Penusa, 20(1), 69–73.
Iskandar, Agus, & Rangkuti, A. Haris. (2008). Perancangan Sistem Informasi Penjualan
Tunai pada PT. Klaten Bercahaya. Jurnal Basis Data, ICT Research Center UNAS,
3(2), 124–131.
Islami, Dipo Khairul. (2014). Strategi Peningkatan Kualitas Pelayanan Haji Dan Umrah
Pt. Margi Suci Minarfa Jakarta Pusat.
Naafian, Nuur Rochman, Siswanti, Sri, & Saptomo, Wawan Laksito Yuly. (2017). Sistem
Pendukung Keputusan Pemilihan Metode Kontrasepsi Di Puskesmas II Colomadu
Dengan Algoritma Naïve Bayes. Jurnal Teknologi Informasi Dan Komunikasi
(TIKomSiN), 5(1), 1–10.
https://doi.org/http://dx.doi.org/10.30646/tikomsin.v5i1.281
Nesia, Andin, & Arenawati, Arenawati. (2013). High Performance Work Dan
Peningkatan Kinerja Birokrasi. Jurnal Administrasi Publik, 4(2).
Perdana, Yuki Januardi, Karlitasari, Lita, & Utami, Dian Kartika. (2017). Penerapan
Metode Teorema Bayes Pada Identifikasi Penyakit Kacang Tanah.
Prayoga, J. Prayoga J. (2017). Penerapan Teknologi Informasi Dalam Peningkatan
Efektivitas, Efisiensi dan Produktivitas Perusahaan. Warta Dharmawangsa, (53).
Priartini, Ni Made, & Rahmawati, Putu Indah. (2020). Analisis Proses Rekrutmen Daily
Worker pada Holiday Inn Express Baruna Bali. Jurnal Manajemen Perhotelan Dan
Pariwisata, 3(2), 58–68.
Putra, Ari Satrio, & Haryono, Kholid. (2021). Implementasi Object Oriented Metodologi
dan UML pada Pengembangan Sistem Informasi Keuangan Organisasi.
AUTOMATA, 2(2).
Putra, Suria Alamsyah, & Sari, Vina Winda. (2022). Pengadaan SDM Perusahaan.
Yayasan Kita Menulis.
Rifmawati, Yosefin Nila, & Suyasa, PTYS. (2016). Peran kualitas kehidupan kerja
terhadap keinginan untuk mengundurkan diri dan komitmen organisasi. Proceeding
Forum Ilmiah Psikologi Indonesia, 73–95.
Setiawan, Abdi. (2019). Pengaruh Gaya Kepemimpinan, Komunikasi Efektif Dan
Pengambilan Keputusan Terhadap Kinerja Karyawan Pada Cv. Bintang Anugerah
Sejahtera. JUMANT, 11(1), 19–34.
Sunandar, Hardiki Suandika, & Satar, Muhammad. (2020). Tinjauan Tentang Proses
Recruitment Tenaga Kerja di Kantor Pusat PT. Y Bandung. Jurnal Industri Elektro
Dan Penerbangan, 6(1).
Suryadana, M. Liga. (2013). Pengaruh Kompetensi Dan Kualitas Kehidupan Kerja
Terhadap Kinerja Pegawai. Majalah Bisnis Dan IPTEK, 6(1), 1–10.
Susan, Eri. (2019). Manajemen sumber daya manusia. Adaara: Jurnal Manajemen
Pendidikan Islam, 9(2), 952–962.
Yunita, Yunita, & Indrawati, Novi. (2014). Rancang Bangun Sistem Pendukung
Keputusan Penerimaan Beasiswa Menggunakan Meotde Naive Bayes Classiffier.
ReTII.
Diana Pramestiningsih
1
dan Aang Alim Murtopo
2
66 Jurnal Indonesia Sosial Teknologi, Spesial Issue - Vol. 2, No.1 Januari 2021
Zulfikar, Muhammad, & Fahmi, Hasanul. (2019). Penerapan Sistem Pendukung
Keputusan Dengan Metode Naïve Bayes Dalam Menentukan Kualitas Bibit Padi
Unggul Pada Balai Pertanian Pasar Miring. Jurnal Nasional Komputasi Dan
Teknologi Informasi (JNKTI), 2(2), 159–165.
https://doi.org/https://doi.org/10.32672/jnkti.v2i2.1566
