<![CDATA[Banyak elemen yang berkontribusi, termasuk jarak ke tempat kerja, waktu keberangkatan dan bangun tidur, cuaca, moda transportasi, dan tingkat lalu lintas, menjadi pertimbangan ketika menilai keterlambatan karyawan. Oleh karena itu, untuk mengukur dan meramalkan keterlambatan karyawan, diperlukan pendekatan kategorisasi. Data karyawan dari BPJS Kesehatan Cabang Medan diklasifikasikan dalam penelitian ini dengan menggunakan pendekatan Decision Tree. Data survei, yang meliputi informasi jam bangun, jam berangkat, waktu perjalanan, cuaca, transportasi, dan status keterlambatan, dikumpulkan dari 150 karyawan. Dengan menggunakan metodologi pembagian data pelatihan dan pengujian, program RapidMiner digunakan untuk pemrosesan dan analisis data. Dengan akurasi maksimum 94,00%, temuan akhir dari penelitian ini menunjukkan bahwa algoritma Decision Tree dapat mengkategorikan data secara efektif. Hal ini menunjukkan bahwa, dengan menggunakan data yang diamati, model yang dikembangkan dapat digunakan untuk membantu memprediksi kemungkinan keterlambatan karyawan.]]>
Copyrights © 2025
