KOMPARASI ALGORITMA C 4.5 DAN NEURAL NETWORK BERBASIS PSO UNTUK PEREKRUTAN KARYAWAN : PT MUTUAL PLUS

KOMPARASI ALGORITMA C 4.5 DAN NEURAL NETWORK BERBASIS PSO UNTUK PEREKRUTAN KARYAWAN : PT MUTUAL PLUS

• By FAISAL ,MUHAMMAD;
• Tesis
• 207

MUHAMMAD FAISAL (14001225), Komparasi Algoritma C 4.5 dan Neural Network berbasis PSO untuk perekrutan Karyawan Studi kasus : PT.Mutual Plus Organisasi atau perusahaan harus melakukan kegiatan seleksi penerimaan karyawan karena sebagai metode dalam merekut karyawan-karyaan yang berkualitas dan sesuai dengan kualifikasi yang di butuhkan perusahaan.Pada PT.Mutual Plus terdapat 9 kategori dalam seleksi perekrutan karyawan diantaranya adalah Kelengkapan Berkas, Umur,Status Pernikahan,Pendidikan,Jurusan,Sertifikat,Pengalaman dan Test TPA serta Lolos atau tidaknya calon karyawan merupakan hasil dari seleksi. Identifikasi masalah yang diangkat oleh penulis adalah seberapa besar akurasi dan perbandingan antara Algortima C4.5 dan Neural Network dengan optimasi PSO (Particle Swarm Optimization) untuk menyeleksi penerimaan karyawan.. Dari 9 variabel prediktor dilakukan seleksi atribut sehingga menghasikan terpilihnya 9 atribut yang digunakan. Hasil eksperiment menunjukkan bahwa Neural Network berbasis PSO (Particle Swarm Optimization) akurasi sebesar 95,16% , AUC sebesar 0.968. Sedang kan untuk C 4.5 berbasis PSO(Particle Swarm Optimization) memiliki tingkat akurasi sebesar 95,52% , AUC sebesar 0,965. Hasil eksperiment menunjukkan seleksi penerimaan karyawan pada perusahaan Mutual Plus menggunakan C 4.5 berbasis PSO memiliki akurasi yang lebih tinggi di bandingkan dengan Neural Network Berbasis PSO sebesar 0.36%,Sedangkan AUC Neural Network Berbasis PSO memiliki nilai yang lebih tinggi dibandingkan dengan C 4.5 berbasis PSO yaitu sebesar 0.003 . Kata Kunci: Seleksi karyawan,Algoritma C 4.5 , Neural Network , Berbasis PSO (Particle Swarm Optimization)

• Katakunci
• URL http://
• Penerbit STMIK Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

DAFTAR PUSTAKA

 

 

 Al-Radaideh dan al- nagi.2012.Using Data Mining Techniques to Build a Classification Model for Predicting Employees Performance:   (IJACSA) International Journal of Advanced Computer Science and Applications, Vol. 3, No. 2, 2012.

 

Ahmad,Mourshed,Rezgui.2017. Trees vs Neurons: Comparison between random forest and ANN forhigh-resolution prediction of building energy consumption: Elsevier,Energy and Buildings. B.V.United Kingdom

 

Badrul. 2016. Optimasi Neural Network Dengan Algoritma Genetika Untuk Prediksi Hasil Pemilukada: Jurnal Bina Insani ICT.

 

Badrul. 2017. Optimasi Algoritma Neural Network Dengan Algoritma Genetika Dan Particle Swarm Optimization Untuk Memprediksi Hasil Pemilukada: Jurnal Pilar Nusa Mandiri Vol.13. No.1.

 

Defiyanti. 2017. Integrasi Metode Clustering dan Klasifikasi untuk Data Numerik: Jurnal CITEE 2017.

 

Gowda dan Gowda.2014.Comparison of Back Propagation Neural Network and Genetic Algorithm Neural Network for Stream Flow Prediction: Hindawi Publishing Corporation , Journal of Computational Environmental Sciences Volume 2014, Article ID 290127, 6 pages.

 

Hansun dan haryanto.2017.Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE: Jatisi, Vol. 3 No. 2 Maret 2017.

 

Handoko, Y. Hani, 2005, Manajemen Personalia dan Sumber Daya Manusia, B.P.F.E UGM, Yogyakarta

 

Hasibuan , Melayu SP. 2013. Manajemen Sumber Daya Manusia. Jakarta: PT Bumi Aksara

 

Iriadi dan Nuraeni. 2016. Kajian Penerapan Metode Klasifikasi Data

Mining Algoritma C4.5 Untuk Prediksi Kelayakan Kredit Pada Bank Mayapada Jakarta: Jurnal Teknik Komputer Amik BSI. Vol.II. No.1.

 

Kazze Dkk.2013. Comparison of two classifiers; K-nearest neighbor and artificial neural network, for fault diagnosis on a main engine journal-bearing. Teheran.IOS Press

 

Kurniawan.2015.Penerapan Algoritma C 4.5 dalam penerimaan calon karyawan PT.TELKOM Akses Area Lampung berbasis Website: PROSIDING ISSN: 2598 – 0246 | E-ISSN: 2598-0238. SEMNAS IIB DARMAJAYA

 

Kartodikromo, Tewal dan Trang.2017. Proses rekruitmen, Seleksi, Pelatihan kerja dan pegaruhnya pada kinerja karyawan CV . Celebes Indonesia Sakti Mer 99 Mega Mas Manado: Jurnal EMBA Vol.5 No.2 Juni 2017, Hal. 354 – 372.

 

Putranto, Wuryandari dan Sudarno:  Perbandingan Analisis Klasifikasi Anatara Decision Tree dan Support Vector Machine Multiclass untuk penentuan jurusan pada siswa SMA: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1007-1016.

 

Kusnadi dan Putra. 2016. Rancang bangun sistem informasi untuk menentukan kapabilitas konsumen dalammengambil pinjaman KPR: Jurnal Ultima InfoSys, Vol. VII. No.2.

 

Lumbantoruan dan Kennedy. 2015. Analisis Data Mining  Dan  Warehousing: Jurnal Ilmiah Buletin Ekonomi. Vol.19. No.1.

 

Mallu, Satriawaty .2015. Sistem Pendukung Keputusan Penentuan Karyawan Kontrak menjadi karyawan Tetap Menggunakan metode topsis. Makasar. JITTER

 

Puspita dan Wahyudi. 2015. Algoritma C4.5 Berbasis Decision Tree Untuk Prediksi Kelahiran Bayi Prematur: Konferensi Nasional Ilmu Pengetahuan dan Teknologi 2015

 

Sibaroni, Indwiarti dan Amin.2014. Implementasi klasifikasi Decision Tree dengan Algoritma C4.5 dalam pengambilan keputusan permohonan kredit debitur(Studi Kasus : Bank Pasar Daerah Istimewa Yogyakarta): e-Proceeding of Engineering : Vol.2, No.1 April 2015 | Page 1768. Prodi lmu Komputasi Fakultas Informatika Universitas Telkom.

 

Subekhi, Akhmad dan Mohammad Jauhar. 2012. Pengantar Manajemen Sumber Daya Manusia Prestasi Pustakarya, Jakarta.