Klasifikasi Seleksi Penerimaan Karyawan Baru Menggunakan Algoritma C4.5
Classification of New Employee Selection Using the C4.5 Algorithm
Keywords:
Data Mining, Klasifikasi, Algoritma C4.5, RekrutmenAbstract
Proses seleksi penerimaan calon karyawan baru dalam menentukan kandidat yang sesuai kualifikasi dengan posisi yang sedang dibutuhkan, tanpa alat bantu analisis yang efektif, proses ini cenderung menjadi subyektif dan tidak konsisten. Diharapkan adanya penelitian ini membuat penyeleksian calon karyawan menjadi lebih efisien dan memudahkan dalam memilih calon karyawan yang tepat. Dengan obyek penelitian calon karyawan baru yang diseleksi melalui screening CV, Wawancara, psikotest, interview user. Dengan algoritma C4.5 yang merupakan salah satu metode untuk menganalisis data dalam jumlah yang banyak menggunakan konsep entropy dan gain. Hasil dari penelitian ini membantu proses seleksi penerimaan calon karyawan baru dengan memberikan analisis yang objektif dan konsisten. Implementasinya dapat mengurangi waktu dan biaya yang dibutuhkan dalam proses seleksi, serta meningkatkan kualitas kandidat yang diterima. Hasil pengujian dengan algoritma C4.5 memiliki nilai yang bagus yaitu dengan accuracy 99.43%, precision 99.29%, recall 97.69% dan AUC 0.750.
References
J. Setiyono dan S. Sutrimah, “Analisis Teks dan Konteks Pada Iklan Operator Seluler (XL dengan Kartu AS),” Pedagog. J. Pendidik., vol. 5, no. 2, hal. 297–310, 2016, doi: 10.21070/pedagogia.v5i2.263.
N. Nuryanta, “Pengelolaan Sumber Daya Manusia (Tinjauan Aspek Rekrutmen dan Seleksi),” el-Tarbawi, vol. 1, no. 1, hal. 55–69, 2008, doi: 10.20885/tarbawi.vol1.iss1.art5.
Suwinardi, “Profesionalisme Dalam Bekerja,” Orbith, vol. 13, no. 2, hal. 81–85, 2017.
J. Rahayu, E. A., & Susilowibowo, “Pengaruh Manajemen Modal Kerja Pada Industri Manufaktur yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2011.,” J. Ilmu Manaj., vol. 2, no. 4, hal. 1444–1455, 2013.
N. Aprilyani, I. Zulfa, dan H. Syahputra, “Penerapan Algoritma Decision Tree C4.5 Untuk Model Penentuan Penerima Beasiswa Program Indonesia Pintar (Pip) Studi Kasus Sma Negeri 3 Timang Gajah,” J. Tek. Inform. dan Elektro, vol. 5, no. 1, hal. 96–109, 2022, doi: 10.55542/jurtie.v5i1.452.
I. Romli dan A. T. Zy, “Penentuan Jadwal Overtime Dengan Klasifikasi Data Karyawan Menggunakan Algoritma C4.5,” J. Sains Komput. Inform. (J-SAKTI, vol. 4, no. 2, hal. 694–702, 2020.
C. Nas, “Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5,” J. Manaj. Inform., vol. 11, no. 2, hal. 131–145, 2021, doi: 10.34010/jamika.v11i2.5506.
Y. A. Fiandra, S. Defit, dan Y. Yuhandri, “Penerapan Algoritma C4.5 untuk Klasifikasi Data Rekam Medis berdasarkan International Classification Diseases (ICD-10),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 2, hal. 82–89, 2017, doi: 10.29207/resti.v1i2.48.
R. Wajhillah dan I. Yulianti, “Penerapan Algoritma C4.5 Untuk Prediksi Penggunaan Jenis Kontrasepsi Berbasis Web,” Klik - Kumpul. J. Ilmu Komput., vol. 4, no. 2, hal. 160, 2017, doi: 10.20527/klik.v4i2.98.
Y. H. Agustin, . K., dan E. T. Luthfi, “Klasifikasi Penerimaan Mahasiswa Baru Menggunakan Algortima C4.5 Dan Adaboost (Studi Kasus?: STMIK XYZ),” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 9, no. 1, hal. 1, 2017, doi: 10.22303/csrid.9.1.2017.1-11.
E. Elisa, “Prediksi Profit Pada Perusahaan Dengan Klasifikasi Algoritma C4.5,” Klik - Kumpul. J. Ilmu Komput., vol. 5, no. 2, hal. 179, 2018, doi: 10.20527/klik.v5i2.153.
S. Mita, Y. Yamazoe, T. Kamataki, dan R. Kato, Metabolic activation of a tryptophan pyrolysis product, 3-amino-1-methyl-5H-pyrido[4,3-b]indole(Trp-P-2) by isolated rat liver nuclei, vol. 14, no. 3. 1981. doi: 10.1016/0304-3835(81)90152-X.
T. Turap, T. B. Merupakan, T. B. Lebih, dan T. D. Turap, Covariance Structure Analysis of Health-Related Indicators in Home-Dwelling Elderly Focused on Subjective Health Perceptions.
R. Goebel, J. Siekmann, dan W. Wahlster, Learning Clisifier Systems. 2002.
M. Rivki, A. M. Bachtiar, T. Informatika, F. Teknik, dan U. K. Indonesia, Covariance Structure Analysis of Health-Related Indicators in Home-Dwelling Elderly Focused on Subjective Health Perceptions, no. 112.
M. Hofmann dan R. Klinkenberg, Data Mining and Knowledge Discovery Series. 2014.
P. Chapman et al., “Crisp-Dm,” SPSS inc, vol. 78, hal. 1–78, 2000.
Mariscal, Gonzalo, Oscar Marban, and Covadonga Fernandez. 2010. “A Survey of Data Mining and Knowledge Discovery Process Models and Methodologies.” The Knowledge Engineering Review, Cambridge University Press 25:2(2010): 137–66
Hermanto B, Sn A, Putra FP. 2017. Analisis Kinerja Decision Tree C4.5 dalam Prediksi Potensi Pelunasan Kredit Calon Debitur. Jurnal Inovasi dan Teknologi (Inovtek) Polbeng Seri Informatika. 2 (2): 189–197.
Saifudin, A., & Wahono, R. S. (2015). Penerapan teknik ensemble untuk menangani ketidakseimbangan kelas pada prediksi cacat software.IlmuKomputer. com Journal of Software Engineering,1(1), 28-37
