UDiNus Repository

IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN

AFIF, RAMADHAN (2016) IMPLEMENTASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN CLASSIFICATION AND REGRESION TREE DALAM KLASIFIKASI EVALUASI KINERJA PEGAWAI DI PERUSAHAAN. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (3964b) | Preview

    Abstract

    Pegawai merupakan salah satu aspek penting dalam keberhasilan berjalannya produksi suatu perusahaan. Dalam suatu perusahaan dibutuhkan sumber daya manusia yang berkualitas untuk meningkatkan kinerja. Dengan kinerja pegawai yang baik maka akan menghasilkan produksi perusaahan secara maksimal sebaliknya jika pegawai tidak menunjukan kinerja yang baik akan mengurangi angka produksi suatu perusahaan. Kinerja pegawai merupakan nilai kerja ataupun pencapaian kerja pegawai peda periode waktu tertentu dalam melaksanakan perkerjaanya sesuai dengan tanggung jawab dan target produksi. Dari hal tersebut perlu adanya evaluasi yang dilakukan dalam jangka waktu tertentu. Proses evaluasi sangat penting bagi setiap pegawai yang harus dilakukan secara adil, jujur, transparan dan akurat yang sesuai dengan pekerjaan yang dilakukan untuk menentukan kebijakan yang dilakukan perusahaan selanjutnya yang diberikan kepadanya. Dengan memanfaatkan data mining penulis membandingkan algoritma KNN dan CART untuk mengetahui akurasi yang lebih baik dari kedua algoritma tersebut ketika memprediksi data evaluasi pegawai di perusahaan. Hasil penelitian menunjukan bahwa algortima KNN memiliki akurasi sebesar 85, 895% dan algoritma CART memiliki akurasi sebesar 88,46%.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 22 Sep 2016 14:37
    Last Modified: 22 Sep 2016 14:37
    URI: http://eprints.dinus.ac.id/id/eprint/19734

    Actions (login required)

    View Item