Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CSRID (Computer Science Research and Its Development Journal)

Sistem Pendukung keputusan Kenaikan Jabatan Karyawan Plaza Asia Dengan Menggunakan Metode Weighted Product Sambani, Egi Badar; Agustin, Yoga Handoko; Marlina, Rina
CSRID (Computer Science Research and Its Development Journal) Vol 8, No 2 (2016): CSRID Juni 2016
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (318.484 KB) | DOI: 10.22303/csrid.8.2.2016.121-130

Abstract

Pengambilan keputusan dalam suatu perusahaan sangatlah penting karena keputusan yang diambil oleh manager merupakan hasil pemikiran akhir yang harus dilaksanakan oleh karyawannya. Plaza Asia merupakan mall terbesar sepriangan timur, dimana proses penilaian kenaikan jabatan karyawannya meliputi kehadiran, produktifitas (hasil kerja), integritas (sifat), skill (kemampuan) dan loyalitas (kesetiaan). Menggunakan Metode Weighted Product (WP) dapat membantu dalam pengambilan keputusan untuk menentukan kenaikan jabatan karyawan pada perusahaan, serta proses penilaian karyawan lebih efisien sehingga store manager dapat menentukan kenaikan jabatan karyawan dengan cepat. Dengan menggunkan sistem pendukung keputusan yang memiliki database, data karyawan dapat disimpan didalam database. Sehingga apabila terjadi kesalahan dalam penginputan dapat diperbaiki tanpa harus menginput ulang data tersebut. Dengan adanya Sistem Penunjang Keputusan ini akan mengatasi permasalahan yang terjadi di Plaza Asia, sehingga proses kenaikan jabatan akan lebih cepat.
Klasifikasi Penerimaan Mahasiswa Baru Menggunakan Algortima C4.5 Dan Adaboost (Studi Kasus : STMIK XYZ) Agustin, Yoga Handoko; Kusrini, Kusrini; Luthfi, Emha Taufiq
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 1 (2017): CSRID FEBRUARI 2017
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.22 KB) | DOI: 10.22303/csrid.9.1.2017.1-11

Abstract

Setiap  perguruan  tinggi  ingin mendapatkan mahasiswa yang memiliki  kualitas yang  baik  serta  dengan kwantitas yang sesuai  dengan  kuota  yang  di  tetapkan  dari perguruan  tinggi  tersebut.Kualitas calon mahasiswa baru dapat diketahui secara dini dengan mengenali pola dari karakteristik mahasiswa yang sudah ada di tahun-tahun sebelumnya dan memperhatikan lama masa studi.Algoritma C4.5 merupakan model untuk membangun sebuah pohon keputusan, algortima ini  ditujukan  untuk supervised learning: memberikan nilai atribut pada dataset yang digambarkan oleh  koleksi  atribut  dan termasuk salah  satu dari  serangkaian  kelas  yang  saling berhubungan. Untuk meningkatkan ketelitian dalam proses klasifikasi dan prediksi dengan caramembangkitkan kombinasi dari suatu model, maka digunakan pemodelan boosting yaitu Adaboost.Ekperimen dilakukan terhadap 546 dataset menggunakan Algortima C4.5 berbasis adaboost untuk menghasilkan akurasi. Dari eksperimen yang dilakukan menghasilkan nilai akurasi yang sama antara Algoritma C4.5 dan Algoritma C4.5 berbasis Adaboost yaitu sebesar Precision 77.33%, Accuracy 90.28%, Recall 45.54% akan tetapi terjadi perbedaan pada nilai AUC untuk Algoritma C4.5 sebesar 0.683 sedangkan untuk Algoritma C4.5 berbasi Adaboost sebesar 0,717. Pola tersebut dapat membantu untuk mengambil keputusan penerimaan mahasiswa baru yang dapat lulus tepat waktu dan mahasiswa yang lulus terlambat dapat terprediksi lebih awal.