<![CDATA[Transformasi digital melalui penerapan Industri 4.0 dan e-Government telah mengubah paradigma administrasi publik, sehingga menuntut sistem evaluasi kinerja pegawai yang lebih adaptif dan objektif. Penelitian ini bertujuan untuk mengklasifikasikan kinerja pegawai ke dalam lima kategori, yaitu "sangat baik", "baik", "cukup", "buruk", dan "sangat buruk", dengan menggunakan pendekatan Neural Network Backpropagation. Metodologi yang digunakan mencakup beberapa tahapan utama, dimulai dari proses preprocessing data yang menge-lompokkan kriteria penilaian ke dalam empat aspek: kualifikasi, kom-petensi, kinerja, dan disiplin. Selanjutnya, dilakukan seleksi fitur menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS), dan hasilnya digunakan sebagai data pelatihan pada model Neural Network Backpropagation. Hasil pelati-han menunjukkan performa model yang cukup baik, dengan nilai loss dan Mean Squared Error (MSE) sebesar 0,000465, Mean Absolute Per-centage Error (MAPE) sebesar 19,59%, dan akurasi mencapai 80,41%. Sementara itu, hasil eksperimen dengan metode TOPSIS secara terpisah mencatat akurasi sebesar 81% dan nilai loss sebesar 0,377. Kombinasi metode TOPSIS dan Neural Network Backpropagation ter-bukti efektif dalam mengklasifikasikan kinerja pegawai secara konsis-ten. Temuan ini memberikan kontribusi terhadap pengembangan sis-tem evaluasi kinerja berbasis kecerdasan buatan yang lebih akurat dan adaptif terhadap tantangan administrasi publik modern.]]>
Copyrights © 2025
