Perbandingan Teknik Klasifikasi Untuk Memprediksi Kualitas Kinerja Karyawan

Hijrah Hijrah, Mukhlizar Mukhlizar, T.M. Aziz Pandria

Abstract


This study was conducted to compare several classification techniques used to determine the quality of employee performance. the quality of employee performance is very influential on the development of a company, there are many attributes that are used as a measure of employee performance the more attributes used then the better the results of the quality of assessment performed. to get maximum result hence done by comparison of technique of classification, comparison done by seeing result of performance of method used. method used by algorithm C4.5, Naive Bayes, and k-nearest neighbors, method to be used will be tested using tool rapid miner.


Keywords


Employee Performance; Attributes; Classification Method, Rapid Miner

Full Text:

PDF

References


Brahmasari, I. A., & Suprayetno, A., 2008, Pengaruh motivasi kerja, kepemimpinan dan budaya organisasi terhadap kepuasan kerja karyawan serta dampaknya pada kinerja perusahaan (Studi kasus pada PT. Pei Hai International Wiratama Indonesia), Jurnal Manajemen dan kewirausahaan, vol 10, no 2, hal 124-135.

Jananto, A., 2013, Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa, Dinamik, vol 18, no 1, hal 9-16.

Astuti, D. A. L. W., 2006, Penciptaan sistem penilaian kinerja yang efektif dengan assessment centre, Jurnal Manajemen Maranatha, vol 6, no 1, hal 23-34.

Sylvia, T., Hidayat, A., & Putri, S. A., 2013, Penilaian Kinerja Karyawan Bagian Personalia Berdasarkan Kompetensi dengan Menggunakan Metode Analytic Network Process (ANP) dan Rating Scale, Industria: Jurnal Teknologi dan Manajemen Agroindustri, vol 2, no 2.

Rahmayuni, I., 2014, Perbandingan Performansi Algoritma C4.5 Dan Cart dalam Klasifiksi Data Nilai Mahasiswa Prodi Teknik Komputer Politeknik Negeri Padang, Jurnal TeknoIf, vol 2, no 1.

Fadillah, A. P., 2015, Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ), Jurnal Teknik Informatika Dan Sistem Informasi, vol 1, no, 3, hal 260-269.

Mulyadi, M., 2011, Penelitian Kuantitatif dan Kualitatif serta Pemikiran Dasar Menggabungkannya, Jurnal Studi Komunikasi dan Media, vol 15, no 1, hal 127-138.

Fatmawati., 2016, Perbandingan Algoritma Klasifikasi Data mining Model C4.5 dan Naive Bayes untuk Prediksi Penyakit Diabetes, Jurnal Techno Nusa Mandiri, vol 13, no 1, hal 50-59.

Prahudaya, T. Y., & Harjoko, A., 2017, Metode Klasifikasi Mutu Jambu Biji Menggunakan Knn Berdasarkan Fitur Warna Dan Tekstur, Jurnal Teknosains, vol 6, no 2, hal 113-123.

Andriani, A., 2013, Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus: Amik “Bsi Yogyakarta”, Seminar Nasional Teknologi Informasi Dan Komunikasi, vol 2013, hal 163-168.

Kori, A., 2017, Comparative Study of Data Classifiers Using Rapidminer, IJEDR, vol 5, no 2, hal 1041-1043.

Celik, U., & Basarir, C., 2017, The Prediction of Precious Metal Prices via Artificial Neural Network by Using RapidMiner, Alphanumeric Journal, vol 5, no 1, hal 45-45.

Retnosari, P., & Jananto, A., 2013, Implementasi data mining untuk menemukan hubungan antara kota kelahiran mahasiswa dengan tingkat kelulusan mahasiswa pada fakultas teknologi informasi unisbank, vol 5, no 2.

Mayadewi, P., & Rosely, E., 2015, Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining, SESINDO 2015.




DOI: https://doi.org/10.35308/jopt.v6i1.1990

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Jurnal Optimalisasi

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

JOPT: Jurnal Optimalisasi Indexing and Abstracting by: