Penerapan Metode Decision Tree C4.5 untuk Klasifikasi Data Kandidat Tenaga Kerja pada Perusahaan Outsourcing

Ahmad Ardhy Ansyah, Tresna Maulana Fahrudin, Dwi Arman Prasetya

Abstract


Sebuah perusahaan biasanya melakukan screening menggunakan metode konvensional dalam mencari kandidat tenaga kerja. Hal tersebut berdampak pada proses pemilihan kandidat tenaga kerja yang menghabiskan waktu yang cukup lama dan ketidakkonsistenan dalam pengambilan keputusan. Oleh karena itu, dalam proses pemilihan kandidat tenaga kerja dapat menggunakan sebuah model machine learning yang dapat melakukan klasifikasi berdasarkan profil dan kompetensi kandidat tenaga kerja. Model machine learning yang digunakan salah satunya adalah Decision Tree C4.5 yang mampu menghasilkan sebuah keputusan pemilihan kandidat tenaga kerja secara otomatis berdasarkan data.  Hasil pengujian menunjukkan bahwa model ini memiliki akurasi dan precision yang tinggi, terutama pada validation model menggunakan holdout atau percentage split dengan proporsi data training dan testing sebesar 70:30 masing-masing yakni mencapai akurasi terbaik sebesar 0.99, dan precision sebesar 0.9. Dengan demikian, model ini dapat dimplementasikan dalam sistem seleksi kandidat untuk meningkatkan efisiensi proses seleksi dan pengelolaan data kandidat.

Keywords


Klasifikasi; Tenaga Kerja; Outsourcing; Perusahaan; Decision Tree C4.5

Full Text:

PDF

References


J. B. Bullock, “Artificial Intelligence, Discretion, and Bureaucracy,” Am. Rev. Public Adm., vol. 49, no. 7, pp. 751–761, 2019, doi: 10.1177/0275074019856123.

P. R. Sihombing and I. F. Yuliati, “Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 417–426, 2021, doi: 10.30812/matrik.v20i2.1174.

A. Amrulloh and A. P. Wibowo, “Implementasi Algoritma Decission Tree Untuk Mengklasifikasi Kondisi Kesuburan Pria,” JASIEK (Jurnal Apl. Sains, Informasi, Elektron. dan Komputer), vol. 1, no. 1, pp. 7–11, 2019, doi: 10.26905/jasiek.v1i1.3096.

I. G. A. M. P. Dewi, W. G. S. Parwita, and I. M. D. Setiawan, “Algoritma Decision Tree untuk Klasifikasi Calon Debitur LPD Desa Adat Anggungan,” J. Krisnadana, vol. 1, no. 1, pp. 23–36, 2021, doi: 10.58982/krisnadana.v1i1.79.

A. S. Lombu, S. Hidayat, and A. F. Hidayatullah, “Pemodelan Klasifikasi Gaji Menggunakan Support Vector Machine,” J. Comput. Syst. Informatics, vol. 3, no. 4, pp. 363–370, 2022, doi: 10.47065/josyc.v3i4.2137.

A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Produk Laris,” J. Ilm. Ilmu Komput., vol. 7, no. 2, pp. 45–51, 2021, doi: 10.35329/jiik.v7i2.203.

T. M. Fahrudin, I. Syarif, and A. R. Barakbah, “Data Mining Approach for Breast Cancer Patient Recovery,” Emit. Int. J. Eng. Technol., vol. 5, no. 1, pp. 36–71, 2017, doi: 10.24003/emitter.v5i1.190.

L. Bachtiar and M. Mahradianur, “Analisis Data Mining Menggunakan Metode Algoritma C4.5 Menentukan Penerima Bantuan Langsung Tunai,” J. Inform., vol. 10, no. 1, pp. 28–36, 2023, doi: 10.31294/inf.v10i1.15115.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

M. Idhom, D. A. Prasetya, P. A. Riyantoko, T. M. Fahrudin, and A. P. Sari, “Pneumonia Classification Utilizing VGG-16 Architecture and Convolutional Neural Network Algorithm for Imbalanced Datasets,” TIERS Inf. Technol. J., vol. 4, no. 1, pp. 73–82, 2023, doi: 10.38043/tiers.v4i1.4380




DOI: https://doi.org/10.26905/jasiek.v6i1.12670

Refbacks

  • There are currently no refbacks.



JASIEK(Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer)
Department of Electrical Engineering, Universitas Merdeka Malang



Image result for address iconTaman Agung Street No. 1, Sukun, Malang Kota, Jawa Timur, 65146, Indonesia
Image result for address blue icon[email protected]
Image result for address blue icon0822-3333-4114
@jasiekunmer

Supported By: