Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Romadloni, Pristian
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KOMPARASI METODE PEMBELAJARAN MESIN UNTUK IMPLEMENTASI PENGAMBILAN KEPUTUSAN DALAM MENENTUKAN PROMOSI JABATAN KARYAWAN Romadloni, Pristian; Adhi Kusuma, Bagus; Maulana Baihaqi, Wiga
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5238

Abstract

Di era industri 4.0, perusahaan multinasional dituntut untuk beradaptasi dengan kemajuan teknologi dan perlu untuk bergerak cepat. Jenjang karier karyawan yang seimbang dengan beban kerja dan kebutuhan karyawan di lapangan, merupakan salah satu kunci pertahanan perusahaan. Selama ini tidak sedikit divisi pengelola sumber daya manusia di perusahaan yang menetapkan jenjang karier karyawan, dilakukan penilaian secara konvesional, yaitu dengan melihat nilai-nilai karyawan dari database perusahaan dan menimbang beberapa kriteria yang ada. Hal tersebut kemudian memakan waktu yang cukup lama. Sedangkan permintaan untuk menentukan promosi jabatan akan ada di setiap bulan. Kemudian dari masalah tersebut, dengan menggunakan data penelitian yang di peroleh dari perusahaan PT. Telkom Akses yang mana kriteria untuk promosi jabatan berbeda dengan perusahaan lain. Pada penelitian ini kami ingin memberikan solusi yaitu membuat perbandingan atau komparasi metode pembelajaran mesin untuk implementasi pengambilan keputusan dalam menentukan promosi jabatan karyawan, dengan menggunakan media aplikasi Rapidminer versi 9.10 dan dua metode, Decision Tree dan Naïve Bayes. Besar harapan kami dapat menjadi referensi khasanah ilmu pengetahuan baru di bidang Pengelolaan Sumber Daya Manusia. Pada penelitian ini, didapatkan hasil akurasi yang tertinggi yaitu, pada metode Naïve Bayes dengan nilai akurasi 92.29%, nilai presisi 97.05% dan nilai recall 89.86%.
Co-Authors Adhi Kusuma, Bagus Maulana Baihaqi, Wiga