<![CDATA[Pada tahun 2019, sebuah instansi pemerintah memperkenalkan sistem rumpun jabatan untuk meningkatkan efisiensi dalam penugasan jabatan pegawai. Namun, tantangan muncul ketika data pegawai tahun sebelumnya tidak memiliki klasifikasi rumpun jabatan, dan data yang tersedia berupa teks dalam jumlah besar. Dikarenakan jumlah pegawai yang banyak, informasi yang melimpah, dan data yang dikelola merupakan data teks dalam jumlah yang besar. Proses pengklasifikasian manual menjadi tidak efisien. Untuk mengatasi permasalahan ini, diperlukan metode bantu yang dapat memproses data dengan cepat dan akurat. Salah satu pendekatan yang digunakan adalah Cosine Similarity menggunakan metode TF-IDF. Evaluasi hasil menunjukkan bahwa metode ini memberikan rata – rata precision sebesar 74%. Lebih rinci, nilai precision untuk keluarga jabatan dan fungsi secara berurutan mencapai 89% dan 81%. Namun, dalam mengklasifikasikan peran, tingkat precision yang dihasilkan rendah sebesar 52%.]]>
Copyrights © 2024
