Penilaian Prestasi Pekerja Pada Bidang Penanganan Prasarana Dan Sarana Umum Menggunakan Algoritma Decision Tree C4.5
DOI:
https://doi.org/10.32664/smatika.v15i01.1414Kata Kunci:
C4.5, Decision Tree, worker performanceAbstrak
Salah satu cara yang harus dilakukan untuk menentukan pelaksanaan yang representatif adalah dengan menentukan nilai yang diperoleh secara adil berdasarkan ukuran kedisiplinan partisipasi, kewajiban penyelesaian pekerjaan, dan konsistensi terhadap komitmen dan penolakan, dengan menggunakan perhitungan pohon pilihan C4.5. Data yang diteliti yaitu Formulir Penilaian Prestasi Pekerja dengan total 108 pekerja, pada tahun 2023-2024 berdasarkan kriteria tertentu dengan data yang dipilih adalah Pekerja yang masih aktif sebanyak 96 pekerja. Data tersebut memiliki beberapa kriteria adalah disiplin kehadiran, tanggung jawab penyelesaian pekerjaan, dan kepatuhan terhadap kewajiban dan larangan. Tujuan utama penulisan ini adalah untuk menentukan prestasi pekerja dari masing-masing kriteria. Algoritma decision tree C4.5 dapat membantu dalam proses pengambilan keputusan terkait peningkatan kinerja dan pelatihan pekerja di bidang penanganan prasarana dan sarana umum, dapat dilihat hasil penelitian yang telah dilakukan sebagai data training telah dihitung nilai gain dan entrophy. Pada partisi pertama didapat nilai gain tertinggi Kepatuhan Terhadap Kewajiban Dan Larangan dengan nilai sebesar 0,489943 serta yang terkecil ialah Tanggung Jawab Penyelesaian Pekerjaan dengan nilai 0,172824. Algoritma ini dapat digunakan untuk menentukan prestasi pekerja sebagai kandidat pekerja prestasi yang akan ditentukan pada Instansi terkait.
Referensi
Izzudin, “Jalur Hijau JORR Cengkareng Timur akan Ditata Menjadi Taman.†Accessed: Feb. 27, 2025. [Online]. Available: https://barat.jakarta.go.id/berita/jalur-hijau-jorr-cengkareng-timur-akan-ditata-menjadi-taman#
K. A. Mutiarasari, “PPSU Kepanjangan dari Apa? Penjelasan dan Tugas Pekerja PPSU .†Accessed: Feb. 27, 2025. [Online]. Available: https://news.detik.com/berita/d-6228605/ppsu-kepanjangan-dari-apa-penjelasan-dan-tugas-pekerja-ppsu
M. Barbieri, L. Micacchi, F. Vidè, and G. Valotti, “The Performance of Performance Appraisal Systems: A Theoretical Framework for Public Organizations,†Rev Public Pers Adm, vol. 43, no. 1, pp. 104–129, Mar. 2023, doi: 10.1177/0734371X211043560.
C. J. ARIMIE and A. I. OROBOSA, “EMPLOYEE PERFORMANCE APPRAISAL AND CAREER ADVANCEMENT IN NIGERIAN PUBLIC ORGANIZATIONS: AN EXPLICATORY REVIEW,†NIGERIAN JOURNAL OF MANAGEMENT SCIENCES, 2023.
G. Thabroni, “Pengertian Kinerja Karyawan.†Accessed: Feb. 27, 2025. [Online]. Available: https://serupa.id/kinerja-karyawan-pengertian-penilaian-evaluasi-indikator-faktor-dsb/#google_vignette
C. L. Andesti, F. Lonanda, N. Azizah, A. Info, D. Mining, and E. Language, “Potential for Improvement of Student ’ s English Language with,†vol. 5, no. 1, 2022.
K. F. Irnanda and A. P. Windarto, “Penerapan Klasifikasi C4.5 Dalam Meningkatkan Kecakapan Berbahasa Inggris dalam Masyarakat,†in Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 2020, pp. 304–308.
Z. Azam, Md. M. Islam, and M. N. Huda, “Comparative Analysis of Intrusion Detection Systems and Machine Learning-Based Model Analysis Through Decision Tree,†IEEE Access, vol. 11, pp. 80348–80391, 2023, doi: 10.1109/ACCESS.2023.3296444.
S. V. Natasya, R. M. Awangga, and M. Y. H. Etyawan, “Penerapan Decision Tree (ID3) Untuk Profiling Mahasiswa dan Alumni,†Smatika Jurnal, vol. 13, no. 02, pp. 250–259, 2023, doi: 10.32664/smatika.v13i02.898.
A. Schidler and S. Szeider, “SAT-based Decision Tree Learning for Large Data Sets,†Proceedings of the AAAI Conference on Artificial Intelligence, vol. 35, no. 5, pp. 3904–3912, May 2021, doi: 10.1609/aaai.v35i5.16509.
Adnan Darwiche and Auguste Hirth, On the Reasons Behind Decisions, vol. 352. 2020.
M. Bansal, A. Goyal, and A. Choudhary, “A comparative analysis of K-Nearest Neighbor, Genetic, Support Vector Machine, Decision Tree, and Long Short Term Memory algorithms in machine learning,†Decision Analytics Journal, vol. 3, p. 100071, Jun. 2022, doi: 10.1016/j.dajour.2022.100071.
R. Balontong and J. Pomperada, “C4.5 Decision Tree Algorithm and Linear Regression in Guidance and Counseling Decision Support System,†Journal of Innovative Technology Convergence, vol. 6, no. 1, pp. 115–128, Apr. 2024, doi: 10.69478/JITC2024v6n2a12.
M. Ahmad, N. A. Al-Shayea, X.-W. Tang, A. Jamal, H. M. Al-Ahmadi, and F. Ahmad, “Predicting the Pillar Stability of Underground Mines with Random Trees and C4.5 Decision Trees,†Applied Sciences, vol. 10, no. 18, p. 6486, Sep. 2020, doi: 10.3390/app10186486.
J. Zhou et al., “Decision tree models for the estimation of geo-polymer concrete compressive strength,†Mathematical Biosciences and Engineering, vol. 21, no. 1, pp. 1413–1444, 2023, doi: 10.3934/mbe.2024061.
S. V. Natasya, R. M. Awangga, and M. Y. H. Etyawan, “Penerapan Decision Tree (ID3) Untuk Profiling Mahasiswa dan Alumni,†SMATIKA JURNAL, vol. 13, no. 02, pp. 250–259, Dec. 2023, doi: 10.32664/smatika.v13i02.898.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
