Article Per Year (5 Year)
p-Index From 2020 - 2025
0.835
P-Index
This Author published in this journals
All Journal SISFOTENIKA JURNAL ILMIAH INFORMATIKA
Nisa Hanum Harani
Universitas Logistik dan Bisnis Internasional
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Aplikasi Rekrutmen Karyawan Menggunakan Artificial Neural Network dan Flask Burhanudin Zuhri; Nisa Hanum Harani
SISFOTENIKA Vol 13, No 2 (2023): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v13i2.1367

Abstract

Kemajuan dan perkembangan terkini dalam pendekatan strategi berbasis kecerdasan buatan (Artificial Intelligence) telah banyak digunakan dalam berbagai bidang. Salah satu dampak positif dari pendekatan berbasis AI tersebut yaitu dapat meningkatkan keberlanjutan pada organisasi atau perusahaan. Dengan mengadopsi pendekatan strategi berbasis AI, perusahaan dapat meningkatkan pengambilan keputusan, produktivitas, dan kinerja sistem yang lebih baik. Saat ini, sebagian besar perusahaan belum mampu memprediksi kandidat karyawan akan bergabung atau tidak dalam perusahaan melalui proses rekrutmen karyawan. Oleh karena itu, dikembangkanlah sebuah sistem klasifikasi rekrutmen untuk mendukung keputusan pada proses perekrutan agar dapat meningkatkan kualitas sumber daya manusia pada perusahaan. Sistem klasifikasi rekrutmen karyawan ini merupakan sistem yang dapat mengklasifikasikan kandidat karyawan yang memiliki kemungkinan dapat akan bergabung dalam suatu perusahaan menggunakan salah satu pendekatan Data Science. Sistem ini dirancang menggunakan bahasa pemrograman Python serta menggunakan model hasil dari pendekatan prediksi dengan kemampuan interpretasi dari metode Deep Learning. Model pendekatan ini dilatih dengan menggunakan algoritma Artificial Neural Network (ANN) yang akan memberikan klasifikasi terbaik berdasarkan beberapa variabel yang dimiliki oleh kandidat karyawan. Dataset yang digunakan untuk membuat model sebanyak 11018 data yang telah diubah dari yang sebelumnya adalah 8995 data setelah dilakukan preprocessing data. Hasil yang didapat dengan evaluasi confusion matrix mendapatkan akurasi sebesar 78%. Dengan dibuatnya sistem klasifikasi ini, maka diharapkan perusahaan dapat meningkatkan kualitas sumber daya manusia dengan memprediksi kandidat karyawan terbaik yang berkemungkinan akan bergabung dalam perusahaan tersebut.
ANALISIS SENTIMEN UNTUK MEMPREDIKSI HASIL CALON PEMILU PRESIDEN MENGGUNAKAN LEXICON BASED DAN RANDOM FOREST Oktaviami Manullang; Cahyo Prianto; Nisa Hanum Harani
JURNAL ILMIAH INFORMATIKA Vol 11 No 02 (2023): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v11i02.7987

Abstract

The Presidential Election is one of the crucial moments in Indonesian politics. To predict the election results, sentiment analysis methods can be used to evaluate public opinions through social media. One of the popular social media platforms nowadays is Twitter. As the Republic of Indonesia's Presidential Election approaches, there is an increasing number of tweets discussing the event. This situation creates a favorable opportunity to conduct sentiment analysis on the election campaign topic. There are various opinions from Twitter users with positive, neutral, and negative sentiments. The collected tweet data undergoes preprocessing, involving two main processes: cleaning and stemming. Therefore, sentiment analysis is necessary to understand the public's tendencies towards the election. The objective of this research is to obtain sentiment analysis of the text documents to determine positive or negative sentiments. Two methods, namely Random Forest and Lexion Based, are used to predict the presidential candidates' sentiments. Random Forest is employed to analyze sentiments in text data collected from various sources, including social media, news websites, and online forums. This method involves an ensemble of decision trees working collectively to classify sentiments as positive, negative, or neutral towards the Presidential Election candidates. On the other hand, Lexion Based is used to associate words in the text with specific sentiments.
Co-Authors Alwizain Almas Trigreisian Burhanudin Zuhri Burhanudin Zuhri Cahyo Prianto M Ilyas Tri Khaqiqi Oktaviami Manullang Roni Andarsyah