Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Informatika
Deni Anugrah Sahputra
STMIK NUsa Mandiri
Computer Science & IT Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penentuan Faktor Kelayakan Penerimaan Karyawan Menggunakan Algoritma Decision Tree pada Perusahaan PT. Personel Alih Daya Deni Anugrah Sahputra; M. Rangga Ramadhan Saelan; Lilyani Asri Utami; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.225

Abstract

Kebutuhan pekerjaan yang semakin meningkat, membuat pelamar pekerjaan semakin meningkat[2]. PT Personel Alih Daya (PERSADA) adalah salah satu outsourcing di Indonesia yang sudah memiliki 19 kantor cabang. membutuhkan banyak kandidat untuk pemenuhan tenaga kerja di Mitra. oleh karena itu diadakan walkin interview dari hari Senin sampai dengan Jumat. Untuk mendapatan tenaga kerja yang memenuhi standar kualifikasi mitra. Pelamar kerja yang datang (walk in interview) ke PT Personel Alih Daya (PERSADA) rata-rata mencapai 50 orang setiap harinya. Untuk memaksimalkan penentuan kelayakan penerimaan tenaga kerja, serta terpenuhnya kebutuhaan tenaga kerja semakin cepat, maka diperlukannya sebuah prediksi cepat untuk mengetahui kelayakan penerimaan karyawan menggunakan algoritma decission tree pada perusahaan PT. Personel Alih Daya. Untuk menentukan kelayakan tenaga kerja baru bisa di klasifikasikan dengan cepat menggunakan prediksi berdasarkan kriteria paling berpengaruh dalam menentukan kelayakan penerimaan karyawan. dilakukan dengan menggunakan metode C4.5 artibut yang digunakan dalam penelitian tersebut berdasarkan umur, domisili, jenis kelamin, Posisi kerja, jurusan, referensi, level pendidikan dan hasil test. Dengan algoritma tersebut menghasilkan angka akurasi 73,27 serta dengan angka curva AUC 0,789.
Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption M. Rangga Ramadhan Saelan; Deni Anugrah Sahputra; Widiastuti Widiastuti; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.236

Abstract

Komparasi Algoritma Klasifikasi untuk Prediksi Minat Sekolah Tinggi Pelajar pada Students Alcohol Consumption M. Rangga Ramadhan Saelan; Deni Anugrah Sahputra; Widiastuti Widiastuti; Windu Gata
Jurnal Sains dan Informatika Vol. 6 No. 2 (2020): Jurnal Sains dan Informatika
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v6i2.236

Abstract

Terdapat banyak faktor yang menjadi kriteria penentu kinerja pelajar salah satu diantaranya adalah konsumsi alkohol oleh pelajar, hal ini dapat mempengaruhi pengambilan keputusan negatif yang menjadi faktor keberhasilan kinerja pelajar. Pada penelitian ini digunakan teknik klasifikasi untuk memprediksi minat pelajar dalam mengambil Langkah untuk melanjutkan pendidikan ke jenjang yang lebih tinggi yang dipengaruhi oleh berbagai faktor, salah satunya adalah tingkat konsumsi alkohol oleh pelajar. Dengan membuat model menggunakan algoritma klasifikasi Naïve Bayes dan Decision Tree yang diujikan pada data konsumsi alkohol oleh pelajar menggunakan tools Rapid Miner. Kemudian model yang dihasilkan dikomparasi untuk menentukan algoritma terbaik dalam mengidentifikasi kinerja pelajar. Dengan menggunakan Teknik Cross Validation didapatkan statistik yang menunjukan bahwa Algoritma Decision Tree memiliki kinerja lebih baik jika diabandingkan dengan Naïve Bayes. Algoritma Decision Tree memiliki tingkat akurasi sebesar 86.44% sedangkan Naïve Bayes hanya memiliki tingkat akurasi sebesar 82.60%. Dan berdasarkan statistic ROC, bisa dikatakan bahwa Naïve Bayes memiliki kinerja yang cukup buruk dengan tingkat Equal Error Rate (EER) sebesar 65%, sedangkan Decision Tree memiliki tingkat EER lebih rendah yaitu sebesar 55%. Dengan begitu algoritma Decision Tree memiliki kinerja lebih baik dalam mengidentifikasi kinerja pelajar dengan pengaruh berbagai faktor salah satunya alkohol.
Co-Authors Lilyani Asri Utami, Lilyani Asri M. Rangga Ramadhan Saelan Widiastuti Widiastuti Windu Gata