Garuda - Garba Rujukan Digital

Sistem Pendukung Keputusan Perpanjang Kontrak Karyawan dengan Algoritma Decision tree Handoko, Muhammad Yan Handoko Putra F; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar

Proses perpanjangan kontrak kerja di perusahaan sering kali menimbulkan kompleksitas karena melibatkan kesejahteraan karyawan serta kelangsungan produktivitas organisasi. PT. Duta Agung Jaya, sebagai perusahaan outsourcing di Kota Medan, masih mengalami hambatan dalam menentukan karyawan yang memenuhi syarat untuk perpanjangan kontrak. Hingga saat ini, proses penentuan dilakukan secara manual atau semi-komputerisasi menggunakan Microsoft Excel, yang berpotensi menimbulkan kesalahan perhitungan, kecenderungan subjektivitas, serta kurangnya pertimbangan komprehensif terhadap aspek-aspek kinerja. Variabel independen yang diterapkan mencakup absensi, pendidikan, kuantitas kerja, disiplin, masa kerja, prestasi, komunikasi, dan tanggung jawab, sedangkan variabel dependen adalah kelayakan perpanjangan kontrak karyawan (layak/tidak layak). Data penelitian terdiri dari 1000 dataset karyawan kontrak, yang kemudian diproses dan diuji untuk menghasilkan model keputusan yang lebih objektif. Dengan pendekatan ini, penelitian diharapkan dapat menyediakan sistem yang akurat dalam memberikan rekomendasi keputusan, mengurangi kesalahan akibat subjektivitas, serta memfasilitasi manajemen dalam mengevaluasi kinerja karyawan secara transparan dan terukur. Secara keseluruhan, hasil penelitian ini diharapkan memberikan kontribusi signifikan dalam meningkatkan kualitas pengambilan keputusan di PT. Duta Agung Jaya, serta menjadi referensi bagi penelitian serupa di bidang penerapan Sistem Pendukung Keputusan dengan algoritma ID3 pada kasus manajemen sumber daya manusia. Algoritma ID3 atau Iterative Dichotomiser 3 merupakan salah satu algoritma yang dapat digunakan untuk membangun decision tree dengan mencari semua kemungkinan dalam pohon keputusan melalui struktur hierarki untuk pembelajaran terawasi.

Klasifikasi Kelayakan Penerima Program Indonesia Pintar (PIP) Menggunakan Teknik Data Mining Naive Bayes Ahmad, Ahmad Syah Lubis; Lili, Lili Tanti; Ratih, Ratih Puspasari
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9160

Program Indonesia Pintar (PIP) merupakan inisiatif bantuan pendidikan dari pemerintah yang ditujukan bagi siswa dari keluarga kurang mampu. Namun, dalam pelaksanaannya, proses seleksi penerima PIP sering kali dilakukan secara manual dan subjektif, sehingga rentan terhadap kesalahan dan ketidaktepatan sasaran. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kelayakan penerima PIP dengan menggunakan teknik data mining melalui algoritma Naive Bayes. Pengujian dilakukan dengan data historis siswa di SMA Laksamana Martadinata. Hasil evaluasi menunjukkan bahwa metode Naive Bayes menghasilkan performa yang memuaskan, dengan akurasi sebesar 95% pada data pengujian dan 90% pada data baru. Sistem ini diharapkan dapat mendukung pihak sekolah dalam proses seleksi penerima PIP secara lebih objektif, efisien, dan akurat.

Penerapan Metode Combined Compromise Solution (CoCoSo) Dalam Penentuan Kelayakan Pemberian Insentif Karyawan Anggi, Anggi Canita Simanjuntak; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9161

Penilaian kelayakan pemberian insentif kepada karyawan merupakan salah satu aspek penting dalam manajemen sumber daya manusia, guna mendorong motivasi dan produktivitas kerja. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis website dengan menerapkan metode CoCoSo dalam menentukan kelayakan insentif karyawan di PT. Bolon Jaya Karya. Metode CoCoSo digunakan karena kemampuannya dalam menggabungkan beberapa kriteria penilaian menjadi satu skor akhir yang objektif dan adil. Proses evaluasi dilakukan terhadap 200 data karyawan, dan hasil pengujian menggunakan confusion matrix menunjukkan nilai akurasi sebesar 85%, presisi 89%, recall 82%, specificity 88%, dan F1-score sebesar 85%. Hasil ini menunjukkan bahwa sistem yang dibangun mampu memberikan hasil klasifikasi yang akurat dan andal. Implementasi sistem ini memberikan manfaat signifikan bagi perusahaan, antara lain mempercepat proses evaluasi, mengurangi bias subjektif, serta meningkatkan transparansi dan kepercayaan karyawan terhadap sistem insentif yang berlaku.

Pengoptimalan Penjadwalan Rute Pengiriman Barang dengan Algoritma Genetika pada Logistik Terpadu Jasri, Jasri Ramadhan; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9169

Pengiriman barang yang efisien merupakan faktor penting dalam sistem logistik terpadu, terutama dalam penentuan rute pengiriman yang optimal untuk meminimalkan jarak tempuh dan biaya operasional. Penelitian ini mengembangkan sistem penjadwalan rute pengiriman barang menggunakan Algoritma Genetika (AG). Proses optimasi dilakukan melalui tahapan seleksi, crossover, dan mutasi terhadap populasi awal berisi 5 kandidat rute. Hasil pengujian menunjukkan bahwa algoritma genetika berhasil menurunkan total jarak tempuh rute pengiriman dari rute awal 90 km menjadi 70 km, atau terjadi efisiensi jarak sebesar 22,2%. Selain itu, algoritma mampu menghasilkan beberapa konfigurasi rute optimal yang konsisten dengan nilai fitness tertinggi pada tiap generasi. Dengan pengurangan jarak tersebut, estimasi biaya operasional dapat ditekan hingga 20–25%, bergantung pada konsumsi bahan bakar kendaraan. Sistem penjadwalan rute yang dihasilkan juga mampu menyesuaikan secara dinamis terhadap perubahan jumlah titik tujuan dan kondisi operasional. Dengan demikian, penerapan Algoritma Genetika terbukti meningkatkan efisiensi distribusi dan mendukung proses pengambilan keputusan pada perusahaan logistik terpadu.

Model Pengelompokkan Penerima Bantuan Sosial PKH dengan Teknik Data Mining Dhooni, Dhoni Briliant; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9170

Program Keluarga Harapan (PKH) merupakan bantuan sosial yang diberikan kepada keluarga kurang mampu, namun proses penentuan penerima masih sering menghadapi kendala karena banyaknya data dan belum optimalnya analisis terhadap karakteristik calon penerima. Penelitian ini menerapkan teknik data mining K-Means clustering untuk mengelompokkan penerima bantuan sosial PKH di Kantor Camat Medan Labuhan berdasarkan sejumlah indikator sosial-ekonomi. Metode K-Means digunakan untuk menghasilkan pola pengelompokan yang dapat membantu perangkat kecamatan dalam memetakan tingkat kelayakan penerima bantuan secara lebih objektif. Kontribusi penelitian ini adalah menyediakan model pengelompokan yang dapat dijadikan alat bantu pendukung keputusan dalam proses penentuan prioritas penerima PKH. Hasil penelitian menunjukkan bahwa data dapat terbagi ke dalam beberapa kelompok yang menggambarkan variasi tingkat kebutuhan dan kondisi ekonomi masyarakat. Keterbatasan penelitian ini terletak pada cakupan data yang hanya berasal dari satu kecamatan dan variabel yang digunakan masih terbatas pada data administratif yang tersedia. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 92%, presisi 96,67%, recall 90,63%, dan F1-score 93,52%. Dengan penerapan sistem ini, proses seleksi penerima bantuan dapat dilakukan secara lebih cepat, transparan, dan tepat sasaran.

Estimasi Penjualan Sembako Menggunakan Teknik Data Mining Regresi Linear Berganda alya, Alya Rahmadani; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9171

Penelitian ini bertujuan untuk membangun model prediksi penjualan sembako menggunakan teknik data mining dengan metode regresi linear berganda pada CV. Surya Kencana Sembako. Model ini dirancang untuk membantu perusahaan dalam memperkirakan jumlah penjualan secara lebih akurat berdasarkan data historis. Dataset akhir yang digunakan dalam penelitian ini terdiri dari 867 data penjualan setelah melalui proses pembersihan data, seleksi fitur, dan penanganan outlier. Pengujian dilakukan terhadap dua kelompok data, yaitu 30 data baru dan 174 data testing. Hasil pengujian menunjukkan bahwa model memiliki kinerja prediksi yang sangat baik, dengan nilai Mean Squared Error (MSE) sebesar 628.18 dan 520.7, Root Mean Squared Error (RMSE) sebesar 25.06 dan 22.82, serta Mean Absolute Error (MAE) sebesar 13.91 dan 10.21 pada masing-masing pengujian. Nilai koefisien determinasi (R²) yang diperoleh sebesar 0.92 pada data baru dan 0.97 pada data testing menunjukkan bahwa model dapat menjelaskan variasi data penjualan dengan sangat baik. Kontribusi utama penelitian ini adalah menghasilkan model estimasi penjualan berbasis regresi linear berganda yang terintegrasi ke dalam sistem informasi penjualan berbasis web. Implikasi dari penelitian ini adalah perusahaan dapat melakukan perencanaan stok dan pengambilan keputusan operasional secara lebih efisien dan tepat sasaran berdasarkan prediksi penjualan yang akurat.

Model Clustering Anomali Detection pada Jaringan LAN dengan Algoritma K-Means fachrie, Fachrie Ditya; Lili, Lili Tanti
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9173

Penelitian ini menganalisis deteksi anomali pada jaringan LAN PT. Jala Lintas Media menggunakan metode clustering K-Means. Sebanyak 156 paket trafik jaringan digunakan sebagai dataset, yang diekstraksi menjadi beberapa fitur utama seperti panjang paket, jenis protokol, flag koneksi, ukuran payload, dan waktu kedatangan paket. Proses clustering dilakukan untuk memisahkan pola trafik normal dan anomali, kemudian hasilnya dievaluasi menggunakan confusion matrix berdasarkan label aktual. Model menghasilkan precision 100%, menunjukkan bahwa seluruh paket yang terdeteksi sebagai anomali benar-benar merupakan anomali. Namun, recall hanya 61%, yang mengindikasikan bahwa model gagal mendeteksi sebagian besar anomali. Rendahnya recall dipengaruhi oleh ketidakseimbangan distribusi data (anomali jauh lebih sedikit), kemiripan fitur antara trafik normal dan anomali, serta nilai K yang belum sepenuhnya memisahkan cluster secara optimal. F1-Score sebesar 76% menunjukkan kebutuhan untuk meningkatkan sensitivitas model terhadap variasi anomali. Penelitian ini berkontribusi pada pemahaman penerapan K-Means dalam deteksi anomali jaringan LAN serta memberikan arah pengembangan metode yang lebih adaptif untuk meningkatkan deteksi anomali di lingkungan jaringan operasional.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search