PENERAPAN ALGORITMA NAÏVE BAYES UNTUK EVALUASI PENILAIAN KINERJA KARYAWAN (STUDI KASUS : PT. RIMBA HUTANI MAS)

Rachmakartika, Aulia (2023) PENERAPAN ALGORITMA NAÏVE BAYES UNTUK EVALUASI PENILAIAN KINERJA KARYAWAN (STUDI KASUS : PT. RIMBA HUTANI MAS). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (298kB)
	Text BAB II.pdf Download (508kB)
	Text BAB III.pdf Download (309kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (193kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (397kB)

Abstract

Dalam dunia kerja terutama pada sebuah perusahaan atau instansi, karyawan merupakan sumber daya manusia utama yang berperan dalam kesuksesan perusahaan atau instansi tersebut. Dengan demikian, perusahaan harus selektif dalam melakukan perekrutan dan penilaian karyawan agar dapat mempertahankan karyawan dengan kinerja terbaik. Penilaian kinerja diperlukan untuk mengetahui hasil atau tingkat keberhasilan karyawan di sebuah perusahaan. Pada PT. Rimba Hutani Mas merupakan perusahaan yang bergerak di bidang Hutan Tanaman Industri yang setiap tahunnya akan mengadakan ujian penilaian karyawan. PT. Rimba Hutani Mas memiliki kendala dalam proses penginputan nilai evaluasi kinerja karyawan dikarenakan jumlah data karyawan yang tidak sedikit, sehingga terdapat beberapa data penilaian evaluasi kinerja karyawan yang di input kedalam data excel menjadi tidak akurat dan tidak relevan dengan hasil akhir score yang didapat, akibatnya penilaian menjadi tidak akurat. Maka dari itu penulis menerapkan metode data mining terutama dengan menggunakan algoritma Naïve Bayes pada data penilaian kinerja karyawan dengan tujuan mendapatkan akurasi yang terbaik serta membantu perusahaan dalam menangani permasalahan human error dalam penginputan hasil akhir penilaian kinerja pada perusahaan tersebut. Penulis menggunakan 214 data karyawan yang kemudian disajikan kedalam format CSV. Dalam melakukan analisis, penulis menggunakan Tools WEKA dan Tools Rapid Miner sebagai alat bantu. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes dengan hasil persentasi akurasi terbesar yang diperoleh dengan menggunakan Use Training Set Correctly yaitu sebesar 95,333%, menggunakan 10 Fold Cross Validatio Correctly sebesar 95,333% dan 5 Fold Cross Validation Correctly sebesar 95,333%.

Actions (login required)

View Item