Penerapan Data Mining Untuk Pengelompokan Pengajuan Golongan Karyawan PT. Perkebunan Nusantara Iv Dengan Algoritma C4.5

Angga Aldi Maswa

Abstract


Kenaikan golongan merupakan suatu penghargaan yang diberikan oleh perusahaan atas prestasi kerja disuatu perusahaan. Semakin berkembangnya suatu perusahaan semakin dibutuhkan tenaga kerja yang profesional, namun frekuensi tatap muka antara pihak manager dengan karyawan yang sangat minim sehingga menyulitkan dalam kegiatan penilaian kinerja karyawan. Data mining merupakan sebuah analisa dari observasi data dalam jumlah besar untuk menemukan hubungan yang tidak diketahui sebelumnya, data yang diolah dengan metode data mining akan menghasikan suatu pengetahuan baru yang bersumber dari data lama, hasil dari pengolahan dapat digunakan untuk menentukan keputusan di masa depan. Dengan menggunakan algoritma C4.5 akan memprediksi peluang dalam menentukan kelayakan kenaikan golongan pada karyawan PT. Perkebunan Nusantara IV. Sumber data penelitian ini dikumpulkan berdasarkan kuesioner (angket) yang di isi oleh karyawan pimpinan. Sehingga diperoleh hasil akhir yang diharapkan menjadi masukan kepada PT. Perkebunan Nusantara IV Unit Toba Sari Afdeling II dalam menentukan kenaikan golongan karyawan. (Pratiwi et al., 2020)
Kata Kunci : Kenaikan Golongan, Data Mining, Algoritma C4.5


References


Ardiansyah, D., & Walim, W. (2018). Algoritma c4.5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapid miner. Jurnal Inkofar, 1(2), 5–12.

Bimo, P., Setio, N., Retno, D., Saputro, S., & Winarno, B. (2020). Klasifikasi dengan Pohon Keputusan Berbasis Algoritme. 3, 64–71.

Eska, J. (2016). Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4.5. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 2, 1–6. https://doi.org/10.31227/osf.io/x6svc

Irawan, E., & Gunawan, I. (2019). Penerapan C4.5 pada Keaktifan Mahasiswa dalam Pengumpulan Berkas di Biro Akademik. REMIK (Riset Dan E-Jurnal Manajemen Informatika Komputer), 3(2), 87. https://doi.org/10.33395/remik.v3i2.10132

Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Edik Informatika, 2(2), 213–219. https://doi.org/10.22202/ei.2016.v2i2.1465

Miftahus Surur. (2017). DATA MINING Pengelompokan Data untuk Informasi dan Evaluasi.pdf (Moh. Afandi (ed.)). Duta Media.

Pemanen, K., & Camellia, T. E. H. (2019). FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN PERKEBUNAN TEH ( Camellia sinensis ) DI PTPN IV PERKEBUNAN TEH ( Camellia sinensis ) DI PTPN IV. 112.

Pratiwi, F., Hartama, D., Damanik, I. S., & Irawan, E. (2020). Implementasi Algoritma Naïve Bayes Dalam Memprediksi Kenaikan Golongan Karyawan. 2, 208–215. https://doi.org/2686-0260

Ratniasih, N. L. (2016). Konversi Data Training Tentang Pemilihan Kelas. EKSPLORA INFORMATIKA, 145–154.

Retno. (2017). Data Mining Teori dan Aplikasi Rapidminer. Gava Media.

Rismayanti, R., Damayanti, F., & Khairunnisa, K. (2018). Penerapan Data Mining Algoritma C4.5 dalam Menentukan Rekam Jejak Kinerja Dosen STT Harapan Medan. SinkrOn, 3(1), 99–104. https://doi.org/10.33395/sinkron.v3i1.173

Santoso, S., & Nurmalina, R. (2017). Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah Laut). Jurnal Integrasi, 9(1), 84–91.

Supangat, S., Amna, A. R., & Rahmawati, T. (2018). Implementasi Decision Tree C4.5 Untuk Menentukan Status Berat Badan dan Kebutuhan Energi Pada Anak Usia 7-12 Tahun. Teknika, 7(2), 73–78. https://doi.org/10.34148/teknika.v7i2.90


Refbacks

  • There are currently no refbacks.


 

LPPM STIKOM Tunas Bangsa
https://tunasbangsa.ac.id/lp2m/
Organized by STIKOM Tunas Bangsa
Published by LPPM STIKOM Tunas Bangsa
W: https://skripsi.tunasbangsa.ac.id/index.php/2022

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0