Sistem Pendukung Keputusan Penentuan Status Karyawan Menggunakan Metode Naïve Bayes
Article Sidebar
Main Article Content
Abstract
Dalam penelitian ini dirumuskan masalah tentang bagaimana mengimplementasikan metode naïve bayes dalam menentukan keputusan status karyawan, dengan tujuan dapat mempercepat dan mempermudah pengambilan keputusan dalam menentukan status karyawan magang menjadi karyawan kontrak pada PT EMSONIC INODONESIA. Metode naïve bayes menggunakan kriteria-kriteria karyawan sebagai data training, dan menghitung data tersebut untuk medapatkan nilai probabilitasnya sehingga dengan nilai probabilitas tersebut dapat memprediksi hasil keputusan apakah seorang karyawan layak atau tidak diubah statusnya. Dalam membangun sistem pendukung keputusan penentu status karyawan digunakan visual studio 2010, dan juga menggunakan MySql sebagai database untuk menyimpan data-data yang digunakan. Hasil dari sistem pendukung keputusan menggunakan metode naïve bayes terbukti dapat memprediksi dengan tepat kelayakan status karyawan.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
E. Afrianti, F. Fathoni, and R. I. Heroza, “Klasifikasi Teks dengan Naïve Bayes Classifier (NBC) untuk Pengelompokan Keterangan Laporan dan Durasi Recovery Time Laporan Gangguan Listrik PT.PLN (Persero) WS2JB Area Palembang,” JSI J. Sist. Inf., vol. 12, no. 1, pp. 1955–1961, 2020.
F. Handayani and F. S. Pribadi, “Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110,” J. Tek. Elektro, vol. 7, no. 1, pp. 19–24, 2015, doi: 10.15294/jte.v7i1.8585.
S. Adi, “Implementasi Algoritma Naive Bayes Classifier untuk Klasifikasi Penerima Beasiswa PPA di Universitas AMIKOM Yogyakarta,” J. Mantik Penusa, vol. 22, no. 1, pp. 11–16, 2018.
V. M. M. Siregar, “Sistem Pendukung Keputusan Penentuan Insentif Bulanan Pegawai dengan Menggunakan Metode Naive Bayes,” SISTEMASI, vol. 7, no. 2, pp. 87–94, 2018, doi: https://doi.org/10.32520/stmsi.v7i2.287.
G. Gustientiedina, M. Siddik, and Y. Desnelita, “Penerapan Naïve Bayes untuk Memprediksi Tingkat Kepuasan Mahasiswa Terhadap Pelayanan Akademis,” J. Infomedia, vol. 2, no. 4, pp. 2–6, 2019, doi: http://dx.doi.org/10.30811/jim.v4i2.1892.
I. Anggraini, Y. N. Kunang, and F. Firdaus, “Penerapan Naive Bayes pada Pendeteksian Malware dengan Diskritisasi Variabel,” Telematika, vol. 13, no. 1, pp. 11–21, 2020, doi: http://dx.doi.org/10.35671/telematika.v13i1.886.
R. Y. Hayuningtyas, “Penerapan Algoritma Naïve Bayes untuk Rekomendasi Pakaian Wanita,” J. Inform., vol. 6, no. 1, pp. 18–22, 2019, doi: 10.31311/ji.v6i1.4685.
Y. Yuliyana and A. S. R. M. Sinaga, “Sistem Pakar Diagnosa Penyakit Gigi Menggunakan Metode Naive Bayes,” Fountain Informatics J., vol. 4, no. 1, p. 19, 2019, doi: 10.21111/fij.v4i1.3019.
A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Creat. Inf. Technol. J., vol. 2, no. 3, pp. 207–217, 2015, doi: https://doi.org/10.24076/citec.2015v2i3.49.
S. Riyadi, “Penerapan Metode Naive Bayes dalam Pengklasifikasian Trafik Jaringan,” smatika, vol. 53, no. 9, pp. 1689–1699, 2013, doi: https://doi.org/10.32664/smatika.v6i02.45.