BAB I PENDAHULUAN
1.1 Latar Belakang Permasalahan Aturan-aturan asosiasi semakin luas dipergunakan di berbagai bidang dan sektor. Selain digunakan dalam Bussiness Intelligent, seiring perkembangan pesat media sosial dan jaringan world wide internet, melalui text mining, penggalian informasi melalui aturan-aturan asosiasi ini semakin banyak diimplementasikan. Untuk memperoleh aturan-aturan asosiasi ini, machine learning dan teknik data mining telah banyak dikembangkan para ahli. Pada studi-studi sebelumnya, pencarian aturan-aturan asosiasi lebih terfokus pada basis data yang bernilai biner, kenyataannya data-data transaksi pada umumnya sering ditemukan memiliki nilai kuantitatif, sehingga para periset data mining membuat algoritma-algoritma pencarian aturan-aturan asosiasi untuk data kuantitatif. Aturan-aturan asosiasi lebih seringnya digunakan di sektor-sektor ekonomi
bisnis,
engineering
dan
sains
terapan.
Di
sektor-sektor
pemerintahan, teknik ini masih sangat jarang digunakan. Teknik ini menarik untuk dikaji pada salah satu sektor pemerintahan, yakni sektor kepegawaian pemerintah. Pada tahun 2010 lalu pemerintah mengeluarkan Peraturan Pemerintah No.81 tentang Grand Design Reformasi Birokrasi. Program Reformasi Birokrasi, menjadi inisiatif yang sangat diperlukan agar tercapainya efektivitas dan produktivitas Pegawai Negeri Sipil (PNS). Reformasi birokrasi ini merupakan restrukturisasi proses birokrasi dari level tertinggi hingga terendah dan melakukan terobosan-terobosan baru dengan melakukan pengambilan langkah-langkah strategis secara bertahap, konkret, realistis, dan bersungguh-sungguh serta berbagai perubahan dalam hal pemikiran yang inovatif, dan perubahan paradigma.
1
Sesuai dengan ketentuan Pasal 17 Undang-undang Nomor 43 Tahun 1999 tentang Perubahan atas Undang-undang Nomor 8 Tahun 1974 tentang Pokok-pokok Kepegawaian, PNS diangkat dalam jabatan dan pangkat tertentu, dengan demikian pengertian formasi termasuk di dalamnya yaitu jumlah susunan jabatan PNS yang diperlukan suatu satuan organisasi negara untuk mampu melaksanakan tugas pokok dalam jangka waktu tertentu. Kementerian Sosial RI (Kemensos RI), wajib memberikan pelayanan publik secara prima kepada masyarakat di bidang kesejahteraan sosial. Penempatan pegawai yang sesuai dengan kompetensi yang dimiliki pada suatu posisi jabatan, diharapkan mampu memberikan output yang optimal, sehingga mampu memberikan pelayanan publik secara profesional dan berintegritas tinggi sesuai amanat PP No. 81 Tahun 2010. Terkait pengertian formasi yang terkandung dalam Pasal 17 UU Nomor 43 Tahun 1999 di atas, seluruh satuan kerja (satker) di internal Kemensos RI masing-masing memiliki tugas pokok yang berbeda, sehingga jumlah susunan jabatan PNS yang diperlukan juga bervariasi. Biro Organisasi & Kepegawaian (Orpeg) Kemensos RI sebagai pemeran utama dalam proses pembenahan
formasi
ini
belum
mempunyai
sistem
baku
untuk
melaksanakannya. Terdapat satu kondisi dimana satker A sangat membutuhkan banyak jabatan fungsional X yakni, sejumlah sepuluh orang, sedangkan satker B sangat membutuhkan banyak jabatan fungsional X yakni, sejumlah lima orang. Kondisi tersebut memunculkan suatu permasalahan yakni, kata “banyak” di atas harus berapa jumlahnya, kata “banyak”nya pejabat fungsional X yang dibutuhkan suatu satker bervariasi jumlahnya, hal ini menunjukkan bahwa kata “banyak” memiliki pengertian yang samar (fuzzy). Berdasarkan kondisi di atas, diperlukan adanya suatu sistem pendukung keputusan berdasar logika fuzzy sebagai dasar ilmiah untuk menentukan formasi suatu jabatan fungsional di lingkungan internal lembaga. Dasar ilmiah ini diperlukan guna mengatasi kendala ketidakpuasan dalam menerima hasil penentuan keputusan formasi pegawai di masing-masing satker.
2
Sistem pendukung keputusan fuzzy ini merupakan sistem pembuat keputusan manusia-komputer untuk mendukung keputusan manajerial, dan intuisi untuk memecahkan masalah manajerial dengan memberikan informasi yang diperlukan, menghasilkan, mengevaluasi dan memberikan putusan alternatif. (Sri Yulianto, Indrastanti, & Oktriani, 2008). 1.2 Rumusan Permasalahan Berdasarkan uraian di atas, maka rumusan permasalahan yang akan dikaji adalah bagaimana membuat sebuah protoype sistem sebagai pendukung keputusan untuk menentukan formasi Jabatan Fungsional Widyaiswara di lingkungan Balai Besar Pendidikan dan Pelatihan Kesejahteraan Sosial (BBPPKS) Regional IV Kalimantan, Kementerian Sosial RI yang berdasar ilmiah, sesuai aturan Pasal 17 Undang-undang Nomor 43 Tahun 1999 dan amanat PP No.81 Tahun 2010. 1.3 Maksud, Tujuan dan Manfaat Penelitian a) Maksud Penelitian Teridentifikasinya kompetensi dan karakteristik yang dimiliki setiap Widyaiswara
di
lingkungan
BBPPKS
Regional
IV
Kalimantan,
Kementerian Sosial RI. b) Tujuan Penelitian Terbentuknya sebuah prototype sistem pendukung keputusan bagi Biro Orpeg sebagai dasar ilmiah untuk menentukan formasi Jabatan Fungsional Widyaiswara di lingkungan BBPPKS Regional IV Kalimantan khususnya, BBPPKS Regional lainnya yang tersebar di seluruh Indonesia, dan Pusdiklat Kessos secara umum. Sistem ini dapat dijadikan sebagai model acuan untuk menentukan formasi jabatan-jabatan fungsional lainnya di Kementerian Sosial RI khususnya. c) Manfaat Penelitian Penempatan Widyaiswara untuk setiap BBPPKS di seluruh Indonesia dan juga Pusdiklat Kessos menjadi lebih efektif dan sesuai dengan tingkat kompetensi yang dimiliki oleh masing-masing individunya.
3
1.4 Metodologi Penelitian Metode yang digunakan dalam penelitian ini diawali dengan studi literatur yang diambil dari jurnal-jurnal terkait serta buku-buku penunjang yang berhubungan dengan fuzzy sets, logika fuzzy, sistem fuzzy, konsep taksonomi, konsep multiple level, algoritma apriori dan association rules sebagai teori dasar penelitian. Proses awal penelitian dimulai dengan pencarian aturan-aturan asosiasi menggunakan algoritma modifikasi fuzzy multiple-level association rule. Aturan-aturan asosiasi ini digunakan sebagai meta-knowledge untuk memodifikasi aturan-aturan “IF...THEN...” yang akan digunakan pada tahapan dalam sistem fuzzy yang dirancang. Aturan-aturan yang dihasilkan ini tidak akan dipergunakan seluruhnya, diambil aturan-aturan yang memang dibutuhkan user sebagai pendukung keputusan untuk menentukan formasi widyaiswara, kemudian dimodifikasi sedemikian hingga sesuai dengan apa yang ingin dimanfaatkan user. Aturanaturan hasil modifikasi tersebut menjadi input sistem pada tahap defuzzyfikasi. Selanjutnya, pada tahapan inferensi sistem digunakan metode inferensi fuzzy Takagi-Sugeno, kemudian ditentukan metode penegasannya untuk tiaptiap variabel solusi sebagai pendukung keputusan Biro Orpeg dalam menentukan formasi Jabatan Fungsional Widyaiswara di lingkungan BBPPKS Regional IV Kalimantan, Kementerian Sosial RI. Penggunaan sistem fuzzy pada penelitian ini karena konsepnya yang mudah dimengerti yang berdasar pada bahasa alami, sangat fleksibel, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, juga dapat bekerjasama dengan teknik-teknik kontrol secara konvensional (Sri Yulianto, Indrastanti, & Oktriani, 2008).
4
Pada penelitian ini, penulis menggunakan data kepegawaian Kementerian Sosial RI yang dihimpun dari basis data Biro Orpeg Kementerian Sosial RI, serta data pendukung dari satuan kerja BBPPKS Regional IV Kalimantan. 1.5 Tinjauan Pustaka Barbagai penelitian pendahuluan mendasari penulis menggunakan algoritma modifikasi fuzzy multiple-level association rule untuk menentukan formasi pegawai negeri sipil di lingkungan Kementerian Sosial RI. Beberapa diantaranya adalah: Khare, Adlakha dan Pardasani (2009) memperkenalkan sebuah algoritma untuk menggali aturan-aturan asosiasi fuzzy multidimensional dalam jurnal ilmiahnya. Algoritma tersebut berfungsi untuk membangkitkan fuzzy multidimensional association rules mining sebagai generalisasi dari interdimensional association rule. Algoritma ini didasarkan pada konsep banyaknya nilai/kategori yang lebih besar pada sebuah dimensi/atribut berakibat derajat asosiasi nya lebih rendah diantara item-item dalam transaksi. Lebih lanjut, untuk menggeneralisasi inter-dimension association rules, dibahas konsep dari fuzzy itemset dengan maksud untuk memperkenalkan konsep fuzzy multidimensional association rules. Lin, Chien, dan Hong (2003) merancang sebuah algoritma untuk menggali aturan-aturan asosiasi fuzzy multiple-level untuk data kuantitatif. Algoritma awal yang mendasari pembuatan algoritma modifikasi mining fuzzy multiple-level association rule from quantitative data yang diusulkan oleh Kousari, Mirabedini, dan Ghasemkhani (2012). Algoritma ini menggunakan pendekatan “top-down progressively deepening” untuk menemukan large itemset. Algoritma ini juga mengintegrasikan konsep himpunan fuzzy, teknologi data mining dan taksonomi multiple-level untuk menemukan fuzzy association rules dari data transaksi. Aturan-aturan penggalian informasi dinyatakan dalam linguistic terms, yang lebih alamiah dan mudah dipahami orang. Jika dibandingkan dengan metode fuzzy mining lain, maka dengan algoritma yang diusulkan ini
5
menunjukkan waktu kompleksitas yang lebih baik, karena hanya bagian fuzzy yang penting yang digunakan setiap item. Jika seluruh bagian fuzzy dipergunakan, kemungkinan kombinasi pencarian menjadi lebih besar. Oleh karena itu, sebuah trade-off akan muncul antara aturan kelengkapan dan kompleksitas waktunya. Gautam, Khare, dan Pardasani (2010) dalam jurnal ilmiahnya menggunakan algoritma yang menggunakan konsep-konsep himpunan fuzzy, multiple-level taxonomy dan nilai minimum support yang berbeda pada setiap levelnya untuk menemukan fuzzy association rule dalam sebuah data transaksi. Model tersebut memberikan hasil yang baik dalam mengatasi permasalahan yang melibatkan unsur ketidakpastian dalam data relationships, yang diwakili oleh konsep-konsep himpunan fuzzy. Algoritma ini juga mampu membangkitkan large itemsets level demi level dan kemudian menghasilkan fuzzy association rules dari dataset transaksi dibawah penggunaan nilai-nilai support yang berbeda secara mudah dan efektif. Sri Yulianto, Indrastanti, dan Oktriani (2008) merancang sebuah sistem aplikasi pendukung keputusan dengan menggunakan logika fuzzy. Pada proses perancangan sistem aplikasi tersebut diterapkan metode logika fuzzy dalam studi kasus pemilihan spesifikasi komputer berdasarkan kebutuhan konsumen. Sistem aplikasi tersebut lebih praktis digunakan sebagai sistem pendukung keputusan pada penentuan spesifikasi komputer yang di dalamnya diterapkan metode logika fuzzy. Sistem tersebut ditujukan untuk menangani pencarian spesifikasi paket komputer lengkap sesuai dengan kriteria-kriteria yang diinginkan konsumen. Dari berbagai item yang tersedia, dipilih sesua kriteria yang diinginkan, untuk selanjutnya digabungkan menjadi suatu paket yang utuh. Dari proses penggabungan tersebut dipilih 5 paket yang mempunyai nilai rekomendasi tertinggi sesuai dengan kriteria dan prioritas konsumen, untuk ditampilkan sebagai hasil akhir dari sistem pencarian tersebut.
6
1.6 Sistematika Penulisan Berikut adalah sistematika penulisan proposal tesis yang mengacu kepada hasil Workshop Penulisan Tesis S2 Program Pasca Sarjana Matematika 2012: Bab I Pendahuluan Bab
ini
menguraikan
latar
belakang
permasalahan,
rumusan
permasalahan, maksud, tujuan dan manfaat penelitian, metodologi penelitian, tinjauan pustaka dan sistematika penulisan. Bab II Landasan Teori Bab ini menguraikan tentang teori-teori dasar penelitian yakni, teori himpunan fuzzy, logika fuzzy, sistem fuzzy, apriori, taksonomi, association rules, konsep mining multiple-level association rules from quantitative data, serta grand design reformasi birokrasi. Bab III Pembahasan Hasil Bab ini mengurai tentang proses pencarian aturan-aturan asosiasi menggunakan algoritma fuzzy multiple level association rules yang dilanjutkan dengan pengaplikasian sistem fuzzy yang telah dirancang, output sistem fuzzy sebagai rekomendasi dari sistem bagi user dalam menentukan jumlah formasi jabatan fungsional widyaiswara. Bab IV Kesimpulan, Saran dan Rekomendasi Bab ini mengurai kesimpulan secara keseluruhan, saran dan juga rekomendasi jumlah WI secara berjenjang berdasar hasil penelitian yang dilakukan.
7
