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

Authors

  • Ahmad Ardhy Ansyah UPN "Veteran" Jawa Timur
  • Tresna Maulana Fahrudin UPN "Veteran" Jawa Timur
  • Dwi Arman Prasetya UPN "Veteran" Jawa Timur

DOI:

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

Keywords:

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

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.

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

Downloads

Published

2024-06-17

Issue

Section

Articles