Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Tekno Insentif Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika
Ramadhan, Bachtiar
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
ANALISIS DATA PEGAWAI UNTUK MEMPREDIKSI GAJI BERDASARKAN FAKTOR-FAKTOR SPESIFIK DENGAN PENDEKATAN MACHINE LEARNING Ramadhan, Bachtiar; Firdaus, Diash; Adiningrum, Nur Tri Ramadhanti
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.205

Abstract

Perusahaan tidak dapat dipisahkan dari tenaga kerjanya. Salah satu faktor yang memengaruhi kemajuan perusahaan adalah kinerja karyawannya. Menyediakan gaji yang sesuai merupakan salah satu faktor penting untuk meningkatkan kinerja tenaga kerja. Sayangnya, pengembangan perusahaan saat ini tidak memiliki media keputusan untuk memprediksi gaji karyawan berdasarkan kualitas data. Studi ini bertujuan untuk menentukan prediksi gaji karyawan berdasarkan faktor-faktor tertentu. Dalam studi ini, faktor-faktor yang diuji termasuk variabel independen berupa Usia, Tingkat Jabatan, Total Tahun Bekerja, dan Tahun di Perusahaan. Kemudian variabel dependen adalah Pendapatan Bulanan. Dalam melakukan prediksi gaji karyawan terdapat beberapa Teknik analisis, Teknik analisis data yang digunakan adalah analisis regresi linier multivariat. Output aplikasi untuk hasil prediksi gaji karyawan akan ditampilkan dalam bentuk web. Pengujian model dilakukan dengan Uji f (ANOVA), R-Squared, Linearitas, Normalitas, Multikolinearitas, Autokorelasi dan Homoskedatisitas. Berdasarkan uji validitas, nilai akurasi 0,909 menunjukkan bahwa MonthlyIncome dipengaruhi oleh faktor independen (Age, YearsAtCompany) sebesar 0,909 atau 90,9%. Nilai sisa dari akurasi tersebut adalah 0,091 atau 9,1% yang artinya MonthlyIncome dipengaruhi oleh faktor lain yang tidak diketahui sebesar 9,1%. Model yang dibuat berhasil melewati semua uji pada tahap validasi model, sehingga dapat disimpulkan bahwa model yang dibuat dapat bekerja dengan baik untuk memprediksi gaji karyawan. Visualisasi data dari hasil model prediksi gaji karyawan dapat digunakan menjadi bentuk aplikasi berbasis web base dengan menggunakan framework Django. Dengan aplikasi tersebut, admin dapat melakukan prediksi gaji karyawan dengan mudah dan dengan cepat.
Pengaruh Hyperparameter Tuning untuk Efektivitas pada Pendekatan Hybrid dalam Mendiagnosis Stres dan Depresi : Tinjauan Studi Literatur Ramadhan, Bachtiar; Pane, Syafrial Fachri
Jurnal Tekno Insentif Vol 18 No 2 (2024): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36787/jti.v18i2.1516

Abstract

Tinjauan Sistematik Literatur ini mengkaji efektivitas hyperparameter tuning dalam pendekatan hybrid untuk diagnosis kesehatan mental, menggunakan metode PRISMA untuk evaluasi model prediksi. Penelitian menunjukkan bahwa masih jarang studi yang mengintegrasikan machine learning dengan tuning untuk mengidentifikasi variabel krusial dalam diagnosis kesehatan mental. Tujuan utama adalah menganalisis variabel penting, model yang sering digunakan, dan metode tuning terbaik. Hasil menunjukkan bahwa usia dan jenis kelamin adalah variabel kunci, dengan Random Forest dan Tree-Structured Parzen Estimator dengan Gradient Boosting sebagai model tuning terbaik, mencapai akurasi 0.986. Penelitian ini menyarankan penggunaan genetic algorithm untuk meningkatkan efisiensi dan mengatasi masalah overfitting dan underfitting, serta mendorong eksplorasi lebih lanjut pada kombinasi model dalam kesehatan mental.
Co-Authors Adiningrum, Nur Tri Ramadhanti Firdaus, Diash Syafrial Fachri Pane, Syafrial Fachri