Penerapan Algoritma Naives Bayes dalam menentukan Student Staff terpilih

Penerapan Algoritma Naives Bayes dalam menentukan Student Staff terpilih

Studi Kasus

Rekrutmen Student Staff Kantor Kerjsama dan promosi UAJY  tahun 2019

Abstrak

Proses seleksi dalam mencari seorang karyawan  sudah dilakukan sejak lama. Proses ini dapat memakan waktu cukup banyak apabila calon karyawan  yang mendaftar cukup banyak. Pada paper ini akan dibahas dengan studi kasus pada Rekrutmen Student Staff KKP UAJY tahun 2019. Naives Baiyes adalah sebuah algoritma klasifikasi dalam data mining yang digunakan untuk menemukan pola informasi yang bermanfaat.  Dengan algoritma ini kita dapat melakukan prediksi pada suatu data dengan kondisi tertentu apakah akan masuk ke kelas yang sama dengan data sebelumnya. Dengan Menggunakan Algoritma Naives Bayes kita dapat menentukan suatu kandidat akankah diterima  atau tidak berdasarkan kumpulan data yang sudah diolah. Sehingga dapat disimpulkan data mining membantu pekerjaan kita.

Kata Kunci:Penerapan Algoritma Naives Baiyes , Seleksi, Student Staff ,Prediksi , Peramalan, Studi Kasus

1.      Permasalahan

            Proses Seleksi dalam rekrutmen karyawan baru secara manual sudah dikenal oleh manusia sejak jaman dahulu. Proses seleksi ini melibatkan beberapa orang yang akan diambil pendapatnya dalam menentukan apakah seseorang diterima atau tidak dalam suatu pekerjaan. Namun seiirng berkembangnya waktu, proses seleksi secara manual cenderung menghabiskan energi dan sumber daya yang sebetulnya bisa dihemat bila menggunakan system pendukung keputusan sederhana. Contoh Kasus Nyata  dalam paper ini diambil dari proses rekrutmen student staff KKP UAJY. Butuh waktu sekitar 1 bulan  untuk melakukan seleksi berkas , wawancara , dan pengambilan keputusan untuk menetapkan Student Staff baru

Tingginya minat mahasiswa UAJY dalam mendaftar menjadi Student Staff Kantor Kerjasama dan promosi. Dengan tingginya pendaftar berdampak baik pada persaingan, namun selai berdampak baik , hal ini juga memiliki dampak buruk. Degnan tinggginya minat tersebut, panitia yang bertugas melakukan seleksi akan kesulitan dalam melakukan seleksi secara manual . Dan proses seleksi secara manual akan memakan waktu yang cukup lama. Sehingga dapat menimbulkan masalah di kemudian hari.

2.      Tujuan Penelitian

·         Menemukan suatu pola dalam proses rekrutmen Student Staff KKP

·         Melakukan Prediksi apakah seseorang dengan kriteria tertentu akan diterima menjadi student staff

·         Membuat suatu rekomendasi berdasarkan pola data yang ada

·         Menerapkan Algoritma Naives Bayes dalam kehidupan sehari hari

3.      Tinjauan Pustaka

Naives Baiyes adalah suatu metode statistikal yang digunakan untuk memprediski kemungkinan sebuah  data dengan atribut tertentu masuk kedalam kelas tertentu. Metode ini didasarkan pada teorema Baiyes. Dimana metode ini mempelajari perbandingan berbagai algoritma klasifikasi yang telah ada. Kemudian ditemukan  metode ini , dimana metode ini memliki performa yang baik jika dibandingkan dengan decision tree dan jaringan syaraf tiruan. Selain itu Metode ini juga menunjukan akurasi yang tinggi serta kecepatan yang cukup jika diaplikasikan kedalam data berjumlah besar. Dengan Penulisan Paper ini, diharapkan penulis dapat mencoba mengaplikasikan teori Naives Baiyes kedalam kasus nyata yang masih dalam konteks sederhana dalam kehidupan sehari-hari. Selain itu, pembaca juga diharapkan mampu memhami penerapan dan contoh kasus dari Algoritma Klasifikasi Naives Baiyes .

4.      Landasan Teori

Rumus Dari  Teori Naives Baiyes adalah

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(c) : Probabilitas hipotesis (prior probability)
P(x|c) : Probabilitas berdasarkan kondisi pada hipotesis
P(x) : Probabilitas c

Suatu data dianggap masuk kedalam kelas jika dan hanya jika memiliki kemungkinan yang lebih tinggi disbanding dengan kelas lainnya – (  P.Ci jX/ > P.Cj jX/  )

5.      Metode Penelitian

a.       Bahan :

·         Data Respon Pendaftaran Student Staff Kantor Kerjasama dan Promosi 2019

·         Data Student Staff KKP  yang diterima 2019

b.      Alat :

·         Microsoft Excel

Metode yang digunakan disini adalah studi kasus dengan sebuah contoh permasalahan

6. Langkah Penelitian

1.      Mengumpulkan data respon pendaftar Student Staff Kantor Kerjasama dan Promosi 

2.      Membersihkan data respon pendaftar dari data duplikat , field kosong

3.      Menyusun data respon pendaftar dan data Student Staff yang diterima sedemikian rupa sehingga siap digunakan dalam analisis menggunakan Algoritma Naives Baiyes

7.    Hasil dan Pembahasan

Tabel 1. Data Training

Data Tidak ditampilkan

Keterangan :

Bahasa Inggris adalah kemampuan Bahasa Inggris

Organsasi adalah Jumlah Organisasi yang pernah diikuti

Jam Kerja adalah alokasi waktu yang akan diberikan bila diterima menjadi Student Staff

Desain adalah  Apakah yang bersangkutan mengirimkan hasil desain pribadi miliknya

 Permasalahan

Noni mendaftar bidang promosi dan memiliki kemampuan inggris pasif , dan meluangkan waktu 5 – 10 Jam  serta ikut 2 organisasi dan mengirimkan hasil desain apakah diterima menjadi SS KKP?

Penyelesaian:

Kita cari dulu kemungkinan dari setiap 2 kelas dari 91 kumpulan data  training yang sudah kita olah.

P(Diterima = ya) =  23./91 = 0.2527

P(Diterima = tidak)=64/91=0.7032

Selanjutnya kita cari  Kemungkinan dari bidang promosi untuk diterima dan tidak diterima

P( Bidang = Promosi | diterima= ya )= 18/23= 0.7826

P(Bidang = Promosi | diterima= tidak )= 49/64=0.7656

Untuk Kemampuan Berbahasa Inggris

P( Inggris = Pasif | diterima = ya) = 15/23=0.6521

P( Inggris = Pasif | diterima =tidak) = 32/64=0.5

Untuk Jam Kerja

P(Jam kerja = 5 – 10 Jam | diterima = ya )=18/23=0.7826

P(Jam kerja = 5 – 10 Jam | diterima = tidak )=41/64=0.6406

Untuk  Organisasi

P( Organisasi = 2 | diterima = ya)= 6/23=0.2608

P( Organisasi = 2 | diterima = tidak )= 25/64=0.3906

Untuk Desain

P(Desain =ya | diterima = ya)=9/23=0.3913

P(Desain =ya | diterima = tidak)=5/64=0.0781

Sleanjutnya kita akan mengkaluklasikan P(Noni | Diterima ) dari data diatas

Sehingga

P(Noni | Diterima)= P( Bidang = Promosi | diterima= ya ) x P( Inggris = Pasif | diterima = ya) x P(Jam kerja = 5 – 10 Jam | diterima = ya ) x P( Organisasi = 2 | diterima = ya) x P(Desain =ya | diterima = ya) = 0.7826 x 0.6521*0.7826*0.2608*0.3913 =0.0407

P(Noni | Tidak Diterima )= P( Bidang = Promosi | diterima= tidak ) x P( Inggris = Pasif | diterima = tidak) x P(Jam kerja = 5 – 10 Jam | diterima = tidak ) x P( Organisasi = 2 | diterima = tidak) x P(Desain =tidak | diterima = tidak) = 0.7656 x 0.5 x 0.6406 x 0.3906 x 0.0781 =0.0082

Untuk mengetahui P(Noni | Diterima) P(Diterima)

P(Noni | Diterima) x P(Diterima= ya)=0.0407*0.2527=0.01028

P(Noni | Tidak  Diterima) x P(Diterima= tidak )=0.0082*0.7032=0.00576624

Karena P(Noni | Diterima) x P(Diterima= ya) > P(Noni | Tidak  Diterima) x P(Diterima= tidak ) maka dapat disimpulkan bahwa Noni diterima menjadi Student Staff KKP UAJY

8.             Kesimpulan

Proses rekrutmen student staff melibatkan suatu prose seleksi. Proses ini akan memakan waktu cukup lama bila datanya banyak. Algoritma Naives Baiyes dapat digunakan untuk menemukan suatu pola  dari data yang ada. Sehingga pola ini dapat digunakan untuk menentukan Student Staff yang memiliki kemungkinan untuk diterima. Algoritma ini kedepannya dapat dikembangkan untuk memberikan bantuan system pendukung keputusan dalam rekrutmen Student Staff KKP

Daftar Pustaka

Informatikalogi. 2017. Algoritma Naïve Bayes dan contoh kasusnya diakses dari https://informatikalogi.com/algoritma-naive-bayes/ pada 14 Juni 2019

Han Jiawei dkk .2012 . Data Mining Concepts and Techniques .  Waltham : Morgan Kaufman