JNATIA Volume 2, Nomor 1, November 2023

Jurnal Nasional Teknologi Informasi dan Aplikasinya

p-ISSN: 2986-3929

Sistem Pendukung Keputusan Menentukan Karyawan Kontrak menjadi Karyawan Tetap dengan Algoritma Regresi Linear Berganda

Anak Agung Made Krisna Astrawana1, I Ketut Gede Suhartanaa2

aProgram Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana, Bali

Jln. Raya Kampus UNUD, Bukit Jimbaran, Kuta Selatan, Badung, 08261, Bali, Indonesia 1aamadekrisnaastrawan@student,unud.ac.id 2[email protected]

Abstract

This study aims to aid in decision-making for determining the employment status of contract employees versus permanent employees using the Multiple Linear Regression algorithm. The analysis shows that the independent variables, including Work Experience (X1), Education Length (X2), and Attendance (X3), strongly influence the dependent variable of Employee Status (Y). With a coefficient of determination of 0.734, the model explains 73.4% of the variation in Employee Status based on these variables. The integrated decision support system facilitates decision-making by providing recommendations based on user inputs. Application testing confirms the system's effectiveness in assisting decisions regarding the eligibility of contract employees for permanent employment. Overall, this research contributes to informed and accurate decision-making in employee status determination.

Keywords: Decision Support System, Multiple Linear Regression

  • 1.    Pendahuluan

Untuk mengambil keputusan dalam suatu perusahaan adalah hal yang penting dilakukan, karena keputusan yang diambil merupakan hasil akhir dari pertimbangan yang sudah dilakukan sebelumnya. Pengambilan keputusan merupakan suatu proses pemikiran dalam memecahkan suatu masalah agar memperoleh hasil akhir untuk dilaksanakan. Dalam penentuan status karyawan kontrak menjadi karyawan tetap banyak yang harus dipertimbangkan. Adanya keputusan yang salah dan kurang tepat terhadap penentuan karyawan kontrak menjadi karyawan tetap pada saat proses penilaian secara manual menjadikan hal ini sangat tidak efektif. Masalah tersebut merupakan masalah yang cukup serius dan harus segera diselesaikan. Kehilangan sumber daya manusia yang berkualitas dan berpotensi akan terjadi jika masalah tersebut tidak diselesaikan.

Sistem Pendukung keputusan merupakan solusi yang dapat diterapkan untuk mengatasi permasalahan tersebut. Dengan menerapkan sistem pendukung keputusan untuk menentukan karyawan kontrak menjadi karyawan tetap, nantinya akan dapat memberikan keputusan yang akurat. Algoritma yang digunakan juga berpengaruh dalam memberikan hasil yang akurat atau tidak. Dalam Sistem Pendukung Keputusan ini, Regresi Linier Berganda menjadi algoritma yang akan digunakan, karena dapat digunakan untuk mengidentifikasi efek yang dimiliki variable independen terhadap variable dependen.

Algoritma Regresi Linier merupakan sebuah perhitungan statistic untuk menentukan pengaruh antara variable satu dan yang lainnya, dengan analisis Regresi Linear dapat melakukan perdiksi nilai antara variable dengan lebih akurat [4]. Algoritma ini akan memodelkan hubungan antara dua variabel dengan mencocokkan persamaan linear dengan data yang akan diamati, Dalam konteks Sistem Pendukung Keputusan dalam menentukan Status karyawan, algoritma ini dapat menghitung hubungan linear antara variabel dependen (Y) dan variabel independen (X). Analisis

regresi dapat memprediksi tren dan nilai-nilai yang berkaitan pada masa depan. Dengan demikian algoritma ini cocok digunakan untuk menentukan keputusan status karyawan kontrak menjadi karyawan tetap.

  • 2.    Metode Penelitian

    2.1.  Alur Penelitian

    Gambar 1. Alur Penelitian


Pengumpulan data diperlukan untuk pembuatan model dengan algoritma regresi linier berganda. Data ini berupa data sekunder yang berasal dari sumber lain. Data yang sudah dikumpulkan akan dianalisis untuk mengetahui apakah variable independen (X) berpengaruh dengan variabel dependen (Y). Dilakukan beberapa pengujian, Uji F dan Uji T, serta memperhatikan titik sebar dari data, apakah linear atau tidak. Pembuatan model dilakukan setelah hasil analisis memberikan hasil yang diharapkan. Pembuatan Model Regresi Linier Berganda, memperhatikan aturan-aturan yang sudah dilakukan pada tahap analisis data. Model yang sudah dibuat selanjutnya dilakukan analisis, apakah model sudah sesuai dengan hasil yang diharapkan atau tidak. Hasil model yang belum sesuai nantinya akan diperbaiki. Model yang sudah sesuai akan diintegrasikan pada Sistem Pendukung Keputusan berbasis website.

  • 2.2.    Variabel Penelitian

Variabel pada penelitian ini adalah:

  • 1.    Variabel Independen (X): (X1) Lama Kerja, dalam hitungan bulan. (X2) Lama Pendidikan, dalam hitungan tahun. (X3) Kehadiran, dalam hitungan persen.

  • 2.    Variabel Dependen (Y): Status Karyawan, 1 (Karyawan Tetap), 0 (Karyawan Kontrak).

  • 2.3.    Regresi Linier Berganda

Regresi linier bereganda adalah metode statistik yang digunakan untuk memodelkan hubungan antara variabel dependen dan dua atau lebih variabel independen. Dalam model ini, variabel dependen dijelaskan oleh kombinasi linier dari variabel-variabel independen [4]. Untuk mengetahui pengaruh linier status karryawan berdasarkan kehadiran, lama kerja, dan Pendidikan. Bentuk umum model regresi linier berganda dengan k variabel independen adalah sebagai berikut:

(1)


Y — β0+ β1^1 + β2^2+∙. + βk%k + ε

Dimana Y adalah variable dependen, X1, X2, …, Xk adalah variable-variabel independen, ε adalah galat acak (random error), dan β0, β1, …, βk adalah parameter-parameter populasi yang nilainya tidak diketahui. Variabel independen X1, X2, …, Xk dianggap bukan variable acak dan dapat diobservasi dengan kekeliruan yang dapat diabaikan. Hal ini berakibat bahwa means dari variable dependen.

  • 3.    Hasil dan Pembahasan

    3.1.  Analisis Data

Tabel 1. Tabel Data Uji

Lama Kerja (bulan)

Pendidikan (tahun)

Kehadiran (%) Status Karyawan

X1

X2

X3

Y

24

14

95

1

36

12

90

1

12

10

85

0

6

8

80

0

48

16

100

1

60

18

100

1

18

12

90

0

6

8

80

0

36

14

90

1

24

14

95

1

12

10

85

0

6

8

80

0

48

16

100

1

60

18

100

1

18

12

90

0

6

8

80

0

36

14

90

1

24

14

95

1

12

10

85

0

6

8

80

0

Tabel 1 tersebut merupakan data status karyawan, dengan 3 variabel independen. Variabel dependen (Y) dengan keterangan sebagai berikut: (1) merupakan karyawan tetap, dan (0) merupakan karyawan kontrak.

Hipotesis:

H0: β1 = 0 (tidak ada pengaruh terhadap variabel Y)

  • H1: β1 ≠ 0 (ada pengaruh terhadap variabel Y)

Adjusted R Std. Error of the

Model R R Square Square        Estimate Durbin-Watscn

1           .856a        .734             .684          .28857            1.429

  • a.    Predictors: (Constant), Kehadiran(X3), Lama Bekerja(XI), Lama Pendidikan(X2)

  • b.    Dependent Variable: Status Karyawan(Y)

  • Gambar 2. Model Summary

Dalam gambar 1 model summary menjukkan bahwa besarnya R2 sebesar 0.734, dari hasil tersebut menjelaskan sebesar 73.4% Status Karyawan (Y) memiliki pengaruh yang signifikan terhadap variable Kehadiran(X3), Lama Bekerja(X1), Lama Pendidikan(X2). Sedangkan sebanyak (100% - 73.4% = 26.6%) dijelaskan oleh faktor-faktor yang tidak dimasukkan kedalam model. Standard error of estimate (SEE) sebesar 0.28857 menunjukkan bahwa model regresi semakin tepat dalam memprediksi variable dependen. Semakin kecil nilai SEE akan membuat model regresi semakin tepat untuk memprediksi variabel dependen.

ANOVAa

Model

Sum of Squares

df

Mean Square

F

Sig.

1       Regression

3.668

3

1.223

14.681

.000 b

Residual

1.332

16

.083

Total

5.000

19

  • a.    Dependent Variable: Status Karyawan(Y)

  • b.    Predictors: (Constant), Kehadiran(X3), Lama Bekerja(XI), Lama Pendidikan(X2)

  • Gambar 3. Anova Linier Regresi Berganda

Berdasarkan data diatas diketahui bahwa Fhitung sebesar 14.681, untuk menentukan pengaruh antara variabel independen dan dependen, nilai Fhitung harus lebih besar dari nilai Ftabel untuk menghitung nilai Ftabel dengan rumus berikut:

Ftabel  = (k; n-k)

= (3; 20 – 3) = (3; 17)

= 3.20


Dimana:

n = banyak sampel data yang diuji k = banyak variabel independen

Jika nilai Sig. < 0.05 maka variabel independen(X) secara simultan berpengaruh terhadap variabel dependen (Y) [5]. Berdasarkan dari data diatas adalah nilai Sig < 0.05 ini menunjukan bahwa secara simultan ada pengaruh antara variabel X1, X2, X3 terhadap Y. Semakin tinggi nilai X1, X2, X3 akan meningkatkan hasil Y.

Pengujian nilai Ttabel.

Ttabel = (α/2; n – k – 1)

= (0.05 / 2; 20 – 3 – 1)

= (0.025; 16)

= 2.120


Dimana:

α = tingkat kepercayaan

n = banyak sampel data yang diuji

k = banyak variabel independen

Gambar 4. Scatterplot Data


Terlihat pada grafik gambar 4, sebaran titik-titik dari grafik, relative mendekati garis lurus, sehingga dapat disimpulkan bahwa data residual terdistribusi normal yang berarti uji normalitas terpenuhi.

  • 3.2.    Pembuatan Model Machine Learning

Setelah analisis data dilakukan, dapat disimpulkan bahwa algoritma Regresi Linier Berganda bisa digunakan dalam sistem pendukung keputusan. Karena berdasarkan hasil Analisa diperoleh bahwa variabel independen (X) berpengaruh kuat terhadap variabel dependen (Y).


Koefisien

Lama Kerja (bulan)   0.006606

Pendidikan (tahun)   0.081257

Kehadiran 0.007022

Gambar 5. Histogram Koefisien Model

Setelah model dibuat, hasil koefisien setiap variabel Independen dapat dilihat pada gambar histogram diatas.

Nilai

Score 0.733522

Intercept -1.284258

Gambar 6. Hasil Model Score

Model Score mengukur sejauh mana variasi variabel dependen dapat dijelaskan oleh variabel independen yang ada dalam model, dengan rentang nilai antara 0 hingga 1. Hasil model score yang didapatkan adalah 0.733522, dengan demikian model yang dibuat berarti sudah cukup baik untuk melakukan keputusan berdasarkan variabel independen.

Lama Kerja (bulan) = 24 bulan Pendidikan (tahun) = 16 tahun Kehadiran = 95%

Hasil prediksi adalah: θ.84

Gambar 7. Hasil Prediksi Model

Hasil prediksi dari model yang sudah dibuat, dengan masukan variabel independen X1 = 24 Bulan, X2 = 16 Tahun, X3 = 95% adalah sebesar 0.84. Ini menandakan bahwa terdapat kecenderungan yang tinggi, dengan tingkat probabilitas sebesar 0.84, bahwa karyawan dengan karakteristik tersebut akan diterima sebagai karyawan tetap.

  • 3.3.    Pembuatan Sistem Pendukung Keputusan

Setelah model selesai dibuat, pembuatan sistem pendukung keputusan berdasarkan model yang sudah dibuat dengan menggunakan algoritma regresi linear berganda,

  • Gambar 8. Tampilan Sistem Pendukung Keputusan

Sistem pendukung keputusan dibuat berbasis website dan diintegrasikan dengan model yang sudah dibuat. Dibuat berbasis website untuk memudahkan pengguna dalam mengakses Sistem Pendukung Keputusan yang telah dibuat. Integrasi model yang telah dibuat menjadi bagian pada website Sistem Pendukung keputusan, yang memungkinkan pengguna untuk memberikan input data melalui website. Data yang diperlukan sebagai inputan merupakan variabel independen X1, X2, X3. Setelah pengguna memasukkan data yang diperlukan, variabel inputan tadi akan diolah dengan menggunakan model yang telah diintegrasikan. Hasil keputusan kemudian akan ditampilkan langsung pada website.

Gambar 9. Hasil Keputusan

Pada hasil keputusan, ditampilkan juga chart pie untuk. Diberikan chart pie tersebut untuk memvisualisasikan berapa persen keputusan dari model untuk menetapkan status karyawan menjadi karyawan tetap. Chart pie yang disajikan dengan tampilan yang informatif untuk memberikan gambaran proporsi presentasi keputusan yang diberikan oleh model Regresi Linier Berganda. Chart tersebut memungkinkan pengguna dengan mudah melihat sejauh mana model tersebut cenderung menetapkan karyawan sebagai karyawan tetap atau karyawan kontrak.

  • 4.    Kesimpulan

Penelitian ini dilakukan dengan tujuan untuk membantu dalam membuat keputusan dalam menetapkan status karyawan kontrak atau karyawan tetap. Dengan menggunakan algoritma Regresi Linier Berganda. Berdasarkan hasil Analisa diperoleh bahwa variabel Independen (X), yaitu X1 Lama Kerja dalam hitungan bulan, X2 Lama Pendidikan dalam hitungan tahun, X3 Kehadiran dalam hitungan persen berpengaruh kuat terhadap variabel dependen (Y) Status Karyawan. Dengan nilai koefisien determinasi adalah sebesar 0.734, dari hasil tersebut menjelaskan sebesar 73.4% adanya pengaruh variabel X1, variabel X2, variabel X3 terhadap variabel Y dan sisanya dipengaruhi oleh faktor-faktor lainnya. Model yang telah dibuat juga menghasilkan model score sebesar 0.734, yang dapat diinterpretasikan sebagai tingkat kecocokan atau kualitas model dalam menjelaskan hubungan antara variabel independen dan variabel dependen. Sistem pendukung keputusan yang sudah diintegrasikan dengan model dapat memberikan keputusan berdsarkan masukan pengguna terkait dengan variabel independen. Dari pengujian aplikasi yang dilakukan dengan mengimplementasikannya dapat membantu untuk pengambilan keputusan untuk memutuskan apakah karyawan kontrak sudah memenuhi kriteria untuk menjadi karyawan tetap.

Daftar Pustaka

  • [1]      N. L. P. Wulandari, N. L. A. K. Y. Sarja, and I. G. A. D. Saryanti, “Prediksi Jumlah

Pelanggan Dan Persediaan Barang Menggunakan Metode Regresi Linier Berganda Pada Bali Orchid,” Eksplora Inform., pp. 1–12, 2014.

  • [2]     Egi Badar Sambami.Fajar Nugraha, “Sistem Pendukung Keputusan Untuk Menentukan

Status Karyawan Kontrak Menjadi Karyawan Tetap Menggunakan Metode SMART”, vol.7, no.2, Oktober 2018.

  • [3]    Ardhitya Wiedha Irawan. Teddy Rismawan. Sri Kusumadewi, “Sistem Pendukung

Keputusan Penentu Kadak Prosentasi Lemak Tubuh Menggunakan Regresi Linier”, Juni 2008.

  • [4]      Prod. Dr. Suyono, M.Si, “Analisis Regresi Untuk Penelitian”, 2018.

  • [5]     Imam Ghozali, “Aplikasi Analisis Multivariate dengan Program IMB SPSS 19”, 2011

Halaman ini sengaja dibiarkan kosong

102