IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN
<p><em>Pegawai merupakan salah satu aspek penting dalam keberhasilan berjalannya produksi suatu perusahaan. Dalam suatu perusahaan dibutuhkan sumber daya manusia yang berkualitas untuk meningkatkan kinerja. Dengan kinerja pegawai yang baik maka akan menghasilkan produksi perusaahan se...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Dian Nuswantoro
2016-10-01
|
| Series: | Techno.Com |
| Online Access: | http://publikasi.dinus.ac.id/index.php/technoc/article/view/1245 |
| _version_ | 1811331832256397312 |
|---|---|
| author | Afif Ramadhan - Wijanarto |
| author_facet | Afif Ramadhan - Wijanarto |
| author_sort | Afif Ramadhan |
| collection | DOAJ |
| description | <p><em>Pegawai merupakan salah satu aspek penting dalam keberhasilan berjalannya produksi suatu perusahaan. Dalam suatu perusahaan dibutuhkan sumber daya manusia yang berkualitas untuk meningkatkan kinerja. Dengan kinerja pegawai yang baik maka akan menghasilkan produksi perusaahan secara maksimal sebaliknya jika pegawai tidak menunjukan kinerja yang baik akan mengurangi angka produksi suatu perusahaan. Kinerja pegawai merupakan nilai kerja ataupun pencapaian kerja pegawai pada periode waktu tertentu dalam melaksanakan pekerjaanya sesuai dengan tanggung jawab dan target produksi. Dari hal tersebut perlu adanya evaluasi yang dilakukan dalam jangka waktu tertentu. Proses evaluasi sangat penting bagi setiap pegawai yang harus dilakukan secara adil, jujur, transparan dan akurat yang sesuai dengan pekerjaan yang dilakukan untuk menentukan kebijakan yang dilakukan perusahaan selanjutnya yang diberikan kepadanya. Dengan memanfaatkan data mining penulis membandingkan algoritma KNN dan CART untuk mengetahui hasil klasifikasi serta akurasi yang lebih baik dari kedua algoritma tersebut ketika memprediksi data evaluasi pegawai di perusahaan. Hasil penelitian menunjukan bahwa algortima KNN memiliki akurasi sebesar 85,895% dan algoritma CART memiliki akurasi sebesar 88,46%. </em></p> <p><strong><em>Kata kunci</em></strong><em> : evaluasi, Algortima KNN, Algoritma CART, data</em></p> |
| first_indexed | 2024-04-13T16:26:51Z |
| format | Article |
| id | doaj.art-6e989e03f4e84f7aa0daa80e0ce95b3f |
| institution | Directory Open Access Journal |
| issn | 1412-2693 2356-2579 |
| language | Indonesian |
| last_indexed | 2024-04-13T16:26:51Z |
| publishDate | 2016-10-01 |
| publisher | Universitas Dian Nuswantoro |
| record_format | Article |
| series | Techno.Com |
| spelling | doaj.art-6e989e03f4e84f7aa0daa80e0ce95b3f2022-12-22T02:39:43ZindUniversitas Dian NuswantoroTechno.Com1412-26932356-25792016-10-01153258265900IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAANAfif Ramadhan0- Wijanarto1Jurusan Ilmu Komputer , Fakultas Ilmu Komputer Universitas Dian Nuswantoro , SemarangJurusan Ilmu Komputer , Fakultas Ilmu Komputer Universitas Dian Nuswantoro , Semarang<p><em>Pegawai merupakan salah satu aspek penting dalam keberhasilan berjalannya produksi suatu perusahaan. Dalam suatu perusahaan dibutuhkan sumber daya manusia yang berkualitas untuk meningkatkan kinerja. Dengan kinerja pegawai yang baik maka akan menghasilkan produksi perusaahan secara maksimal sebaliknya jika pegawai tidak menunjukan kinerja yang baik akan mengurangi angka produksi suatu perusahaan. Kinerja pegawai merupakan nilai kerja ataupun pencapaian kerja pegawai pada periode waktu tertentu dalam melaksanakan pekerjaanya sesuai dengan tanggung jawab dan target produksi. Dari hal tersebut perlu adanya evaluasi yang dilakukan dalam jangka waktu tertentu. Proses evaluasi sangat penting bagi setiap pegawai yang harus dilakukan secara adil, jujur, transparan dan akurat yang sesuai dengan pekerjaan yang dilakukan untuk menentukan kebijakan yang dilakukan perusahaan selanjutnya yang diberikan kepadanya. Dengan memanfaatkan data mining penulis membandingkan algoritma KNN dan CART untuk mengetahui hasil klasifikasi serta akurasi yang lebih baik dari kedua algoritma tersebut ketika memprediksi data evaluasi pegawai di perusahaan. Hasil penelitian menunjukan bahwa algortima KNN memiliki akurasi sebesar 85,895% dan algoritma CART memiliki akurasi sebesar 88,46%. </em></p> <p><strong><em>Kata kunci</em></strong><em> : evaluasi, Algortima KNN, Algoritma CART, data</em></p>http://publikasi.dinus.ac.id/index.php/technoc/article/view/1245 |
| spellingShingle | Afif Ramadhan - Wijanarto IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN Techno.Com |
| title | IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN |
| title_full | IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN |
| title_fullStr | IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN |
| title_full_unstemmed | IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN |
| title_short | IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESSION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN |
| title_sort | implementasi perbandingan algoritma k nearest neighbor dan classification and regression tree dalam klasifikasi evaluasi kinerja pegawai di perusahaan |
| url | http://publikasi.dinus.ac.id/index.php/technoc/article/view/1245 |
| work_keys_str_mv | AT afiframadhan implementasiperbandinganalgoritmaknearestneighbordanclassificationandregressiontreedalamklasifikasievaluasikinerjapegawaidiperusahaan AT wijanarto implementasiperbandinganalgoritmaknearestneighbordanclassificationandregressiontreedalamklasifikasievaluasikinerjapegawaidiperusahaan |