Claim Missing Document
Check
Articles

Found 2 Documents
Search

PERBANDINGAN AKURASI C4.5 DAN NAIVE BAYES UNTUK EVALUASI KINERJA KARYAWAN PT CATUR SENTOSA ADIPRANA Rudianto, Rudianto; Wahyudi, Tedi; Handayani, Popon
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 5 No. 2 (2022): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2350

Abstract

ABSTRAK- Proses evaluasi penilaian kinerja karyawan PT Catur Sentosa Adiprana (CSA) belum sepenuhnya efektif dikarenakan proses perhitungannya yang masih dilakukan secara manual dan masih terdapat unsur subjektif dalam proses penilaiannya, sehingga hasil penilaian yang diperolehpun menjadi kurang akurat dan Algoritmamenyebabkan ketidakpuasan serta ketidakadilan bagi karyawan. Menilai setiap karyawan tentunya bukan hal yang mudah jika jumlah karyawan begitu banyak, maka dari itu penerapan data mining dengan metode Algoritma klasifikasi C4.5 (Decision tree) dan Naïve Bayes dipilih untuk membantu proses evaluasi penilaian kinerja karyawan dalam menentukan mana karyawan yang layak dan mana yang tidak layak untuk dipertahankan dengan mengidentifikasi berbagai faktor apa saja yang dapat memengaruhinya. Pengimplementasian kedua metode algoritma ini diharapkan dapat digunakan untuk mengetahui perbadingan akurasi yang lebih komprehensif dengan mencari nilai tertinggi. Berdasarkan hasil penelitian yang dilakukan, diperoleh hasil uji komparasi algoritma klasifikasi C4.5 memiliki nilai akurasi sebesar 98.18% lebih unggul 3.03% dibandingkan dengan Naïve Bayes yang memiliki nilai akurasi 95.15%. sedangkan pada nilai uji ROC, kedua algoritma ini memiliki nilai uji ROC yang masuk tingkat paling baik (excellent classification), yaitu C4.5 sebesar 0.994 dan Naïve Bayes 0.981 dengan perbedaan yang tidak terlalu signifikan. Dengan demikian, Algoritma C4.5 memiliki performa lebih baik dan dapat diterapkan sebagai bahan dasar pertimbangan dalam menentukan karyawan yang layak atau tidak layak untuk dipertahankan secara adil, objektif, dan cepat oleh pihak pengambil keputusan dengan bantuan perangkat lunak Rapid Miner Studio. Kata kunci : Klasifikasi, Karyawan, Algoritma C4.5, Naïve Bayes, Rapid Miner.
Spatial Analysis for Habitat Estimation of the Sumatran Chestnut-necklaced Partridge Tropicoperdix charltonii atjenensis (Galliformes: Phasianidae) in Aceh, Sumatra, Indonesia Wahyudi, Tedi; Radinal; Kiswayadi , Dedi
BIO PALEMBANICA Vol 2 No 1 (2025): Bio Palembanica
Publisher : Lembaga Penelitian, Pengabdian Kepada Masyarakat dan Kepustakaan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/bio.v2i1.5338

Abstract

The Sumatran Chestnut-necklaced Partridge Tropicoperdix charltonii atjenensis is a subspecies endemic to the lowland forests of Aceh and Lampung, Sumatra. This study used the Analytical Hierarchy Process (AHP) to identify suitable habitats for this subspecies, considering environmental variables such as elevation, tree cover, slope, distance to water sources, and anthropogenic factors. Data collection and spatial analysis were conducted from July 22 to August 23, 2023. The AHP analysis revealed that T. c. atjenensis is typically found in lowland habitats with specific characteristics: average elevation of 130 meters, proximity to water sources, and very dense forest cover (93%). Additionally, suitable habitats tend to be far from road access (average distance of 1.7 km) and residential settlements (average distance of 5.3 km). The resulting distribution map highlights the importance of well-preserved, forested areas as primary habitats for this subspecies.