Klasifikasi Absensi Pegawai Kantor Pusat Universitas Sebelas Maret Menggunakan Naive Bayes Untuk Optimalisasi Sistem Penggajian

Nailurrizqi, Adistya
Maulindar, Joni
Dwi Irawan, Ridwan

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025

Sistem absensi pegawai sebagai komponen kritis dalam manajemen SDM di lingkungan pendidikan seperti Universitas Sebelas Maret masih menghadapi tantangan berupa ketidakefektifan sistem manual berbasis Excel yang rentan terhadap kesalahan input, manipulasi data, dan keterlambatan rekapitulasi. Penelitian ini mengembangkan solusi berbasis algoritma Naïve Bayes untuk mengklasifikasikan tingkat kedisiplinan pegawai (disiplin, toleransi, tidak disiplin) melalui tahapan pengumpulan data, verifikasi, validasi, dan integrasi dengan sistem penggajian. Algoritma Naïve Bayes dipilih karena keunggulannya dalam klasifikasi probabilistik yang cepat dan akurat. Implementasi sistem ini didukung oleh teori manajemen absensi, penggajian terkomputerisasi, dan efektivitas Naïve Bayes, yang secara signifikan meningkatkan akurasi, kecepatan, dan objektivitas pengelolaan absensi. Temuan penelitian menunjukkan pembagian kategori proporsional: Disiplin (0-26.7%), Toleransi (26.8-53.5%), dan Tidak Disiplin (53.6-81%). Sistem ini tidak hanya mengotomatisasi proses absensi tetapi juga memperkuat transparansi dan keadilan kebijakan SDM, sekaligus merekomendasikan integrasi variabel kinerja dan pengembangan fitur real-time untuk penelitian selanjutnya.