Klasifikasi Penilaian Kinerja Karyawan Menggunakan Algoritme Naïve Bayes (Studi Kasus PT. AS Sabar Sukses Berkah)

Ramadhan, Fajar (2024) Klasifikasi Penilaian Kinerja Karyawan Menggunakan Algoritme Naïve Bayes (Studi Kasus PT. AS Sabar Sukses Berkah). Kohesi : Jurnal Sains Dan Teknologi, 4 (2). pp. 61-70. ISSN ISSN 3025-1311

	Text Lembar Persetujuan Publikasi.pdf Download (464kB)
	Text (Artikel Publikasi) Artikel Fajar Ramadhan.pdf Download (397kB)

Abstract

Karyawan merupakan Sumber Daya Manusia (SDM) utama yang berperan penting dalam mencapai kesuksesan perusahaan. Karyawan yang berkinerja tinggi dapat menjadi aset yang sangat berharga bagi perusahaan. Dalam era persaingan bisnis yang intensif, kemampuan perusahaan untuk mengidentifikasi dan menilai kinerja karyawan yang optimal menjadi krusial untuk mencapai tujuan bisnis yang berkelanjutan. PT. As Sabar Sukses Berkah merupakan salah satu perusahaan yang bergerak di bidang produksi busana muslim. Penelitian ini bertujuan untuk mengetahui kinerja karyawan di PT. As Sabar Sukses Berkah dengan menerapkan Algoritme Naïve Bayes. Naïve Bayes digunakan untuk mengklasifikasikan karyawan berdasarkan beberapa atribut kinerja kunci seperti keterangan, tanggung jawab, komunikasi, disiplin, sikap, dan keahlian. Data yang dianalisis berasal dari evaluasi HRD yang dilakukan dari bulan April 2023 hingga Juni 2023. Proses klasifikasi memanfaatkan data latih untuk menghitung probabilitas masing-masing kelas yang mungkin serta probabilitas fitur untuk setiap atribut yang diamati. Metode pengembangan sistem yang diterapkan mengikuti model Waterfall, yang mencakup tahapan studi literatur, pengumpulan data, analisis sistem, implementasi, pengujian, evaluasi, dan penarikan kesimpulan. Hasil penelitian menunjukkan tingkat akurasi klasifikasi yang didapat dari Algoritme Naïve Bayes cukup tinggi sebesar 90%. Pengujian menggunakan black box menghasilkan tingkat kesuksesan mencapai 100%.

Item Type:	Article
Uncontrolled Keywords:	Penilaian Kinerja Karyawan, Algoritme Naïve Bayes, Data Mining
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Fajar Ramadhan
Date Deposited:	12 Feb 2024 16:44
Last Modified:	12 Feb 2024 16:44
URI:	http://eprints.umg.ac.id/id/eprint/11303

Actions (login required)

View Item