Pertemuan Ke 10 - Matakuliah RPL - Implementasi dan Testing

 1. Implementasi Sistem

Implementasi Perangkat Keras

Implementasi Perangkat Lunak

Implementasi Antarmuka

2. Pengujian Sistem

Pengujian Black Box

Pengujian Confusion Matrix

3. Skenario Pengujian

IMPLEMENTASI SISTEM

Tahap implementasi sistem merupakan tahap pembangunan perangkat lunak, tahap lanjut dari tahap perancangan sistem. Tahap yang dilakukan untuk menerjemahkan perancangan berdasarkan hasil analisis dalam bahasa yang dimengerti oleh komputer serta penerapan perangkat lunak pada keadaan yang sebenarnya.

Implementasi Sistem dibedakan menjadi  tiga yaitu : 

Implementasi Perangkat Keras

Implementasi Perangkat Lunak

Implementasi Antarmuka

IMPLEMENTASI PERANGKAT KERAS

Spesifikasi perangkat keras (hardware) yang digunakan untuk membangun Analisis Sentimen Berdasarkan Aspek menggunakan Metode Bayesian Network seperti dapat dilihat pada

IMPLEMENTASI PERANGKAT LUNAK

Spesifikasi perangkat lunak (software) yang digunakan untuk membangun Analisis Sentimen Berdasarkan Aspek menggunakan Metode Bayesian Network seperti dapat dilihat pada table dibawah ini.

IMPLEMENTASI ANTARMUKA

Implementasi antarmuka dilakukan untuk setiap tampilan program yang dibangun dalam bentuk file code. Deskripsi implementasi antarmuka pada sistem yang dibangun dapat dilihat pada  berikut :

PENGUJIAN SISTEM

Pengujian sistem merupakan tahap yang dilakukan untuk memastikan bahwa sistem sesuai dengan rancangan sistem yang dibangun sebelumnya

Pengujian Sistem dibedakan menjadi :

1. Pengujian Black Box

2. Pengujian Confusion Matrix

PENGUJIAN BLACK BOX

Pengujian black box merupakan pengujian yang berfokus pada spesifikasi fungsional dari perangkat lunak. 

Contoh :

Kasus Dan Hasil Pengujian Sistem Penilaian Karyawan Terbaik PT. XYZ

Kasus dan hasil pengujian berisi pemaparan dari rencana pengujian yang telah disusun pada skenario pengujian. Pengujian ini dilakukan secara black box dengan hanya memperhatikan masukan ke dalam sistem dan keluaran dari masukan tersebut. 

Kasus dan Hasil Pengujian

PENGUJIAN CONFUSION MATRIX

Contoh : 

Sistem Penilaian Karyawan Terbaik PT. XYZ

Berikut ini merupakan pemilihan metode terbaik atau perbandingan antara penilaian dengan keputusan Manajemen, perhitungan dengan metode WASPAS maupun MPE. Hasil penilaian pihak Manajement atau HRD terdapat pada table berikut.

Tabel hasil perankingan: 

Untuk memilih metode yang tepat, penulis menggunakan acuan Confusion Metrix. 

Berdasarkan Confusion Matrix, peneliti bisa menentukan Accuracy, Precission, Recall dan Specificity.

Keterangan:

TP (True Positif) = kondisi dimana karyawan yang diprediksi (Positif) ranking satu dan memang benar (True) sesuai dengan penilaian Manajemen.

TN (True Negatif) = kondisi dimana karyawan yang diprediksi (Negatif) tidak ranking satu dan memang benar (True) sesuai dengan penilaian Manajemen.

FP (False positif) = kondisi dimana karyawan yang diprediksi (Positif) ranking satu, akan tetapi dalam penilaian Manajemen karyawan tersebut tidak ranking satu (False).

FN (False Negatif) = kondisi dimana karyawan yang diprediksi (Negatif) tidak ranking satu, akan tetapi dalam penilaian Manajemen karyawan tersebut ranking satu (False).

1. Pengukuran Tingkat Accuration

Dengan mengacu pada rumus :

                       Accuracy (%) = (TP + TN) / (TP + FP + FN + TN) 100%

- Hasil Perhitungan WASPAS

Accuracy (%) = (TP + TN) / (TP + FP + FN + TN) 100%

      = (3 + 10) / (3 + 1 + 1 + 10) 100%

      = (13) / (15) 100%

      = 86,666 %

Keterangan:

TP = NIK A2, A13, A25

TN = NIK A5, A6, A8, A9, A10, A11, A12, A22, A23, A26

FP = NIK A19

FN = NIK A17

- Hasil Perhitungan MPE

                          Accuracy (%) = (TP + TN ) / (TP + FP + FN + TN ) 100%

      = (4 + 18) / (4 + 0 + 0 + 18) 100%

      = (22) / (22) 100%

      = 100 %

Keterangan:

TP = NIK A2, A13, A17,  A25

TN = NIK A3, A4, A8, A9, A10, A11, A12, A14, A15, A16, A18, A19, A20, A21, A22, A23, A24, A26

FP = Tidak ada

FN = Tidak ada

2.  Pengukuran Precission

Dengan mengacu pada rumus  :

                                          Precission (%) = ((TP) / (TP + FP)) 100%

- Hasil Perhitungan WASPAS

                    Precission (%)  = ((TP) / (TP + FP)) 100%

               = ((3) / (3 + 1)) 100%

         = (3) / (4) 100%

         = 75 %

- Hasil Perhitungan MPE

                Precission (%)  = ((TP) / (TP + FP)) 100%

= ((4) / (4 + 0)) 100%

= (4) / (4) 100%

= 100 %

3. Pengukuran Recall

Dengan mengacu pada rumus  :

                                         Recall (%) = ((TP) / (TP + FN)) 100%

- Hasil Perhitungan WASPAS

             Recall (%) = ((TP) / (TP + FN)) 100%

= ((3) / (3 + 1)) 100%

= (3) / (4) 100%

= 75 %

- Hasil Perhitungan MPE

                       Recall (%) = ((TP) / (TP + FN)) 100%

= (((4) / (4 + 0)) 100%

= (4) / (4) 100%

= 100 %

4. Pengukuran Specificity

Specificity untuk mengetahui ada persen karyawan yang benar "ranking satu (karyawan terbaik)" dibandingkan dengan keseluruhan karyawan yang sebenarnya "tidak ranking satu (bukan karyawan terbaik)".

Dengan mengacu pada rumus  :

                     Specificity (%) = 2x ((Recall x Precission) / (Recall + Precission))

- Hasil Perhitungan WASPAS

                      Specificity (%)  = 2x ((Recall x Precission) / (Recall + Precission))

                                                = 2x ((75 x 75) / (75 + 75))

                                                = 75 %

- Hasil Perhitungan MPE

                     Specificity (%)  = 2x ((Recall x Precission) / (Recall + Precission))

                                               = 2x ((100 x 100) / (100 + 100))

                                               = 100 %

Hasil pengukuran:

Berdasarkan hasil pengukuran Confusion Matrix terhadap  perhitungan sampel alternatif metode WASPAS dan MPE, maka didapatkan bahwa metode MPE lebih baik dengan specificity 100%. Sehingga penulis menggunakan metode MPE untuk membuat model sistem pendukung keputusan penilaian karyawan terbaik pada PT. XYZ.