REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer
Vol. 8 No. 1 (2024): Call for Paper: Volume 8 Nomor 1 Januari 2024

Klasifikasi Perpanjangan Kontrak Karyawan Pada PT Milpo Menggunakan Algoritma Naive bayes

Indah kurniawati, Indah (Unknown)
Muhidin, Asep (Unknown)
Putra, Fibi Eko (Unknown)



Article Info

Publish Date
10 Jan 2024

Abstract

Perkembangan ilmu pengetahuan dan teknologi yang ditandai dengan kemajuan di bidang teknologi komunikasi dan informasi saat ini telah berkembang begitu pesat. Peranan teknologi informasi sendiri pada aktivitas manusia pada saat ini begitu besar telah menjadi fasilitas utama bagi kegiatan berbagai sektor kehidupan dimana memberikan andil besar terhadap perubahan-perubahan yang semakin berkembang. Dalam setiap perusahaan untuk meningkatkan kinerja dan produktivitas secara maksimal, maka perusahaan dapat memberlakukan penilaian terhadap kinerja tenaga kerja. Perpanjangan kontrak karyawan merupakan agenda yang dilaksanakan oleh perusahaan dimana tenaga kerja yang memiliki kinerja yang baik bagi perusahaan berhak mendapat kontrak untuk masa waktu kedepan. Perusahaan dalam hal memberikan kesempatan perpanjangan masa kerja tentunya harus melakukan penilaian terhadap kinerja seluruh karyawannya terlebih dahulu, menilai karyawan bukan hal yang mudah bila jumlah karyawan terlalu banyak. Pada perusahaan kegiatan penilaian kinerja karyawan sulit dilaksanakan karena frekuensi tatap muka antara pihak manager dan karyawan sangat minim serta sulit menentukan nilai akurasi tingkat prediksi yang mempengaruhi perpanjangan kontrak karyawan. Pada penelitian ini diusulkan penggunaan teknik data mining untuk klasifikasi perpanjangan kontrak karyawan. Teknik data mining untuk memprediksi berdasarkan data karyawan PT.Milpo Indonesia bagian produksi. Metode data mining yang digunakan untuk memprediksi adalah klasifikasi, yaitu Naive Bayes. Dari penelitian ini Naive Bayes berhasil memprediksi 45 karyawan yang diperpanjang kontrak dan 41 karyawan yang diputus kontrak dari 86 karyawan dengan nilai accuracy sebesar 98.75%, nilai Precision sebesar 98.00% dan nilai Recall sebesar 100%, sehingga metode naive bayes merupakan metode yang cukup baik dalam penelitian ini.

Copyrights © 2024






Journal Info

Abbrev

remik

Publisher

Subject

Computer Science & IT Decision Sciences, Operations Research & Management Education

Description

REMIK adalah jurnal yang diterbitkan oleh Program Studi Manajemen Informatika Politeknik Ganesha Medan yang bertujuan untuk mewadahi penelitian di bidang Manajemen Informatika. REMIK adalah wadah informasi berupa hasil penelitian, studi kepustakaan, gagasan, aplikasi teori dan kajian analisis kritis ...