Klasifikasi Menentukan Jadwal Kerja Data Karyawan Menggunakan Algoritma C4.5 dan K-nearest Neighbor
Classification Determining Employee Data Work Schedules Using C4.5 and K-Nearest Neighbor Algorithm
Keywords:
Akurasi, C4.5, Data mining, KNN, Rapid MinerAbstract
Data mining merupakan proses dalam menemukan informasi yang bermanfaat dari banyaknya database dengan jumlah besar. Teknik yang sering digunakan pada metode data mining adalah klasifikasi, dengan adanya klasifikasi data karyawan untuk menyusun sebuah jadwal kerja diharapkan menghasilkan pola-pola tertentu. Membuat jadwal kerja memanglah tidak mudah Perusahaan menginginkan karyawannya dapat bekerja semaksimal mungkin sesuai dengan keahliannya. Dibutuhkan ketelitian dalam mengatur waktu agar jadwal seluruh karyawan teratur untuk memaksimalkan performa perusahaan. Algoritma C4.5 berupa teknik pohon keputusan yang memiliki kelebihan dapat mengolah data numerik (kontinyu) dan variabel, dapat menangani nilai atribut yang hilang, dan menghasilkan aturan-aturan yang mudah diintrepetasikan. Sedangkan dengan menggunakan K-nearest Neighbor untuk melakukan klasifikasi pada data dan jadwal kerja karyawan. Algoritma C4.5 (Decision Tree) dan K-nearest Neighbor digunakan untuk menentukan jadwal menggunakan data sebanyak 501 data. Software yang digunakan untuk mengelolah data tersebut adalah Rapid Miner dengan hasil akurasi dari algoritma C.45 yaitu 54% sedangkan KNN 16%.
References
J. Han, M. Kamber, and M. Kaufmann, “Data Mining: Concepts and Techniques (2nd edition) Classification and Prediction,” 2006.
H. Dhika and F. Destiawati, “Penerapan Algoritma C45 Untuk Penilaian Karyawan Pada RestoranCepat Saji,” no. September, pp. 55–59, 2018.
M. Fansyuri, “Analisa algoritma klasifikasi k-nearest neighbor dalam menentukan nilai akurasi terhadap kepuasan pelanggan (study kasus pt. Trigatra komunikatama),” Humanika J. Ilmu Sos. Pendidikan, dan Hum., vol. 3, no. 1, pp. 29–33, 2020.
T. Novianti and I. Santosa, “PENENTUAN JADWAL KERJA BERDASARKAN KLASIFIKASI DATA KARYAWAN MENGGUNAKAN METODE DECISION TREE C4.5 (Studi Kasus Universitas Muhammadiyah Surabaya),” J. Komunika J. Komunikasi, Media dan Inform., vol. 5, no. 1, p. 1, 2016, doi: 10.31504/komunika.v5i1.633.
D. M. U. Atmaja and R. Mandala, “Analisa Judul Skripsi untuk Menentukan Peminatan Mahasiswa Menggunakan Vector Space Model dan Metode K-Nearest Neighbor,” IT Soc., vol. 4, no. 2, pp. 1–6, 2020, doi: 10.33021/itfs.v4i2.1182.
