Klasifikasi Penetapan Status Karyawan Dengan Menggunakan Metode Naïve Bayes Dan RapidMiner

Fattya Ariani, Amir Amir, Nur Alam, Khairul Rizal

Abstract


Salah satu asset yang berharga dalam sebuah perusahaan adalah sumber daya manusia (SDM).  Karyawan adalah sdm tersebut. Karyawan menjadi peran penting. Dalam perusahaan besar pasti mempunyai banyak karyawan. Didalam perusahaan terdapai tiga jenis karyawan yaitu, outsourcing, karyawan kontrak dan karyawan tetap. Untuk mendapatkan karyawan tetap dilakukan proses penyariangan melaui penilaian yang dilakukan oleh bagian SDM. Dalam proses tersebut mengalami kendala dalam segi teknis dan efektifias karena penilaian manual dan kadang keputusannya dinilai secara subyektif. Oleh karena itu dilakukan penilitian untuk klasifikasi penetapan status karyawan dengan metode Naïve Bayes dan Rapidminer. Penelitian ini menggunakan lima atribut yaitu : absensi, attitude, psikotes,wawancara dan diangkat.yang digunakan sebagai labelnya adalah atribut diangkat. Hasilnya adalah perhitungan manual dan penggunaan rapidminer menghasilkan nilai yang sama. Dengan nilai c1(diangkat) adalah 0.567 sedangkan untuk nilai c2 (tidak diangkat ) adalah 0.433. Dan nilai yang tertinggi adalah diangkat. Jadi pola yang didapatkan dari proses ini untuk penetapan status karyawan dengan atribut dan nilai, absensi : bagus, attitude: baik, psikotes: tinggi, dan wawancara : baik.


References


Mukminin, A., & Riana, D. (2017). Komparasi Algoritma C4 . 5 , Naïve Bayes Dan Neural Network Untuk Klasifikasi Tanah. Jurnal Informatika, 4(1), 21–31.

Muthia, D. A. (2014). Analisis Sentimen Pada Review Buku Menggunakan Algoritma Naïve Bayes. Jurnal Paradigma, XVI(1), 8–16.

Panda, M., & Patra, M. R. (2007). Network Intrusion Detection Using Naïve Bayes. International Journal of Computer Science and Network Security, 7(12), 258–263. https://doi.org/10.1.1.128.936

Rahman, M. F., Darmawidjadja, M. I., & Alamsah, D. (2017). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN). Jurnal Informatika, 11(1), 36–45.




DOI: https://doi.org/10.31294/p.v20i2.4024

ISSN2579-3500

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Dewi Sartika No. 289, Cawang, Jakarta Timur Telp : 021-8010836, ext. 202
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License