PENENTUAN JADWAL KERJA BERDASARKAN KLASIFIKASI DATA KARYAWAN MENGGUNAKAN METODE DECISION TREE C4.5 (Studi Kasus Universitas Muhammadiyah Surabaya)
DOI:
https://doi.org/10.31504/komunika.v5i1.633Keywords:
Decision Tree, Algoritma C4.5, Jadwal Kerja, Cross ValidationAbstract
Banyaknya karyawan yang telah dan yang baru bekerja di sebuah lembaga, menuntut adanya kebijakan dalam penempatan dan pembagian jadwal kerja karyawan yang tepat. Dengan adanya penempatan dan pembagian jadwal kerja tersebut diharapkan bisa mensinergikan semua unsur yang ada di lembaga tersebut sehingga kuantitas dan kualitas kerja karyawan bisa meningkat dan terselesaikan tepat pada waktunya. Salah satu teknik yang ada pada data mining adalah klasifikasi. Dengan menerapkan teknik klasifikasi pada data-data karyawan dan jadwal kerja, diharapkan nantinya dapat menghasilkan suatu pola-pola tertentu.Metode yang digunakan adalah metode Decision Tree dan algoritma yang digunakan untuk membentuk pohon keputusan adalah algoritma C4.5. Metode penelitian yang dipakai adalah deskriptif kualitatif. Teknik memperoleh data didapat dari observasi data karyawan UM Surabaya. Beberapa tahapan pada penelitian ini antara lain : eksplorasi data karyawan UMSurabaya tahun 2015, transformasi data. Kemudian, dilakukan pengujian validitas model. Dari pohon keputusan ini dapat dibuat aplikasi untuk menampilkan jadwal kerja karyawan berdasarkan klasifikasi data umur dan jenis kelamin. Pada tahap akhir, hasil klasifikasi kinerja karyawan ini dievaluasi dan validasi dengan cross validation. Hasil penelitian berupa aplikasi penjadwalan kerja karyawan dengan metode decision tree algoritma C4.5 sebagai acuan dalam membuat kebijakan dan tindakan untuk efektifitas manajemen kinerja karyawan dengan memakai cross validation 5 fold di dapatakurasi pengujian sebesar 70%.
References
Andriani, Anik. (2011), Penerapan Algoritma C4.5 Pada Program Klasifikasi Mahasiswa Dropout. AMIK BSI Jakarta.
Anonim.(2013),“Peraturan Akademik Universitas Muhammadiyah Surabaya”, Surabaya.
Budi. (2007), “Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis”, Graha Ilmu, Yogyakarta.
Bramer, Max. (2007), “Principles of Data Mining”, Springer, London.
Chintakayala, Padmini. (2005), “Beginners Guide for Software Testing : Symbiosys Technologies”.
Guidici, P. & Figini, S. (2009), Applied Data Mining for Business and Industry (2nd ed). Italy. John Wiley & Sons, Ltd. ISBN:978-0-470-05886-2
Han, J. and Kamber, M, (2006), “Data Mining Concepts and Techniques Second Edition”. Morgan Kauffman, San Francisco.
Hermawati, AF.(2013), Data Mining. Penerbit Andi. Yogjakarta
Maris E R. (2015),“Analisis Kepuasan Pelanggan Menggunakan Algoritma C4.5”. Teknik Informatika, Fakultas Ilmu KomputerUniversitas Dian Nuswantoro, Semarang
Purnomo, J., YS Laksito, W., U. Wahyu, R.Y.(2014), “Implementasi Algoritma C 4.5 dalam pembuatan aplikasi penunjang keputusan penerimaan pegawai C.V. Dinamika Ilmu”, STMIK Sinar Nusantara, Surakarta,ISSN: 2338-4018
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
