Perbandingan Model NBC, SVM, dan C4.5 dalam Mengukur Kinerja Karyawan Berprestasi Pasca Pandemi Covid-19

Galih Galih, Mindit Eriyadi

Abstract


Pengklasifikasian penilaian kinerja karyawan merupakan salah satu cara meningkatkan mutu pekerja. Penilaian kinerja karyawan sangat penting dalam menentukan karyawan yang baik dalam suatu perusahaan. Proses penilaian kinerja karyawan hanya dinilai secara manual tanpa adanya suatu aplikasi atau sistem. Algoritma yang diterapkan untuk kinerja karyawan memanfaatkan algoritma Naïve Bayes Classifier karena mengacu pada penelitian yang telah dilakukan sebelumnya, terdapat beberapa temuan penelitian. Dengan menggunakan 310 data karyawan yang dibagi menjadi 5 kelompok yaitu Kinerja Sangat Tinggi, Kinerja Tinggi, Kinerja Sesuai Standar, Kinerja rendah dan Kinerja Tidak Efektif, pengujian ini menggunakan tools RapidMiner versi 7.2.0 model algoritma Naïve Bayes Classifier menghasilkan tingkat akurasi 84.52%, algoritma C4.5 menghasilkan tingkat akurasi 74.19% dan sedangkan menggunakan algoritma Support Vector Machine menghasilkan tingkat akurasi 56.13%. Jika menggunakan tools WEKA versi 3.8.0 Model algoritma Naïve Bayes Classifier menghasilkan tingkat akurasi 81.93%, algoritma C4.5 menghasilkan tingkat akurasi 75.80% dan sedangkan menggunakan algoritma Support Vector Machine menghasilkan tingkat akurasi 60.32%.

 

Classifying employee performance appraisals is one way to improve the quality of workers. Employee performance appraisal is very important in determining good employees in a company. The process of appraisal of employee performance is only assessed manually in the absence of an application or system. The algorithm applied to employee performance utilizes the Naïve Bayes Classifier algorithm because it refers to previous research, there are several research findings. Using 310 employee data divided into 5 groups, namely Very High Performance, High Performance, Standard Performance, Low Performance and Ineffective Performance, this test uses the RapidMiner tool version 7.2.0 naïve Bayes Classifier algorithm model resulting in an accuracy rate of 84.52%, the C4.5 algorithm produces an accuracy rate of 74.19% and while using the Support Vector Machine algorithm produces an accuracy rate of 56.13%. If using the WEKA tools version 3.8.0 The Naïve Bayes Classifier algorithm model produces an accuracy rate of 81.93%, the C4.5 algorithm produces an accuracy rate of 75.80% and while using the Support Vector Machine algorithm produces an accuracy rate of 60.32%.


Keywords


data mining, teknik klasifikasi, naive bayes classifier

References


Adisaputra Sinaga, N., Dalimunthe, K., Sayid Amir Ali Lubis, M., &

Rosnelly, R. (2021). Komparasi Metode Decision Tree, KNN, dan SVM Untuk Menentukan Jurusan Di SMK. Jurnal Sistem Komputer Dan Informatika (JSON) Hal: 94−, 100(2). https://doi.org/10.30865/json.v3i2.3598

Ajijah, J. H., & Selvi, E. (2021). Pengaruh kompetensi dan komunikasi terhadap kinerja perangkat desa. Jurnal Manajemen UNMUL, 13(2), 232–236. https://journal.feb.unmul.ac.id/index.php/JURNALMANAJEMEN/article/view/9800/1323

BPS. (2020). BERITA RESMI STATISTIK Pertumbuhan Ekonomi Indonesia Triwulan II-2020. In Pertumbuhan Ekonomi Indonesia Triwulan II. https://www.bps.go.id/website/materi_ind/materiBrsInd-20200805114633.pdf

BPS. (2021). Pertumbuhan Ekonomi Indonesia Triwulan III-2021. https://www.bps.go.id/website/materi_ind/materiBrsInd-20211105101025.pdf

Fauzy, A. (2019). Metode Sampling (Canty Arryta, Ed.; 2nd ed., Vol. 1). Universitas Terbuka. www.ut.ac.id.

Galih. (2022). Hasil Penelitian Dataset dengan tools RapidMiner dan WEKA : 1. Rapidminer 7.2.0 2. Weka. https://bit.ly/laporan-rapidminerdanweka-galih-2022

Gede, P., Cipta Nugraha, S., Dantes, G. R., Yota, K., & Aryanto, E. (2017). Putu Gede Surya Cipta Nugraha) Putu Gede Surya Cipta Nugraha, Gede Rasben Dantes, Kadek Yota Ernanda Aryanto. In International Journal of Natural Science and Engineering (Vol. 1, Issue 2).

Hijrah, M. P. T. M. (2020). Perbandingan Teknik Klasifikasi Untuk Memprediksi Kualitas Kinerja Karyawan. Jurnal Optimalisasi, 6(1).

Hijrah, Maulidar, & Adria. (2022). Analisis RapidMiner Dan Weka Dalam Memprediksi Kualitas Kinerja Karyawan Menggunakan Metode Algoritma C4.5. JATISI, 9(2), 1655–1665. https://doi.org/https://doi.org/10.35957/jatisi.v9i2.1992

Ibrahim Andi, A. H. A. M. dkk. (2018). Buku Metodologi Nazir 2005 dan Ibrahim 2018 (Ismail Ilyas, Ed.; 1st ed., Vol. 1). Gunadarma Ilmu.

Korompis, R. C. Y., Lengkong, V. P. K., & Walangitan, M. D. (2017). Pengaruh Sikap Kerja dan…. Jurnal EMBA, 5(2), 1238–1249.

Muslim Aziz, P. B. H. M. L. E. (2019). Buku Data Mining Algoritma C4.5 Disertai Contoh kasus dan penerapannya dengan program komputer (C. N. Listiana Eka, Ed.; 1st ed., Vol. 1). Universitas Negri Semarang. http://lib.unnes.ac.id/33080/6/Buku_Data_Mining.PDF

Nurhasan, F., Hikmah, N., & Yuni Utami, D. (2018). Perbandingan Algoritma C4.5, Knn, Dan Naive Bayes Untuk Penentuan Model Klasifikasi Penanggung Jawab Bsi Entrepreneur Center. Jurnal PILAR Nusa Mandiri, 14(2), 169. www.bsi.ac.idwww.bsi.ac.idwww.bsi.ac.id

Rukminingsih, Adnan, G., & Latief, M. A. (s). (2020). Metode Penelitian Pendidikan Erhaka Utama Yogyakarta (A. H. Munastiwi, Ed.; 1st ed., Vol. 1). Erhaka Utama. www.erhakautama.com

Senika, A., Rasiban, R., & Iskandar, D. (2022). Implementasi Metode Naïve Bayes Dalam Penilaian Kinerja Sales Marketing Pada PT. Pachira Distrinusa. JURNAL MEDIA INFORMATIKA BUDIDARMA, 6(1), 701. https://doi.org/10.30865/mib.v6i1.3331

Syukri Mustafa, M., Rizky Ramadhan, M., Thenata, A. P., Kunci -Algoritma Naive Bayes Classifier, K., & Akademik Mahasiswa, K. (2017). Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier Implementation of Data Mining for Evaluation of Student Academic Performance Using a NBC Algorithm. Citec Journal, 4(2).

Wahyudi, T., & Handayani, P. (2022). Perbandingan Akurasi C4.5 Dan Naive Bayes Untuk Evaluasi Kinerja Karyawan Pt Catur Sentosa Adiprana. Nusa Mandiri Tower Jl. Jatiwaringin Rya, 5(2).




DOI: https://doi.org/10.31294/inf.v9i2.13772

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Index by:

 
  
   
   JournalStories Main logo  
Published by Department of Research and Public Service (LPPM) Universitas Bina Sarana Informatika with supported Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License