Penerapan Metode Decision Tree C4.5 untuk Klasifikasi Data Kandidat Tenaga Kerja pada Perusahaan Outsourcing
DOI:
https://doi.org/10.26905/jasiek.v6i1.12670Keywords:
Klasifikasi, Tenaga Kerja, Outsourcing, Perusahaan, Decision Tree C4.5Abstract
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
Issue
Section
License
Authors who publish with this journal agree to the following terms:
The journal allow the authors to hold the copyright without restrictions and allow the authors to retain publishing rights without restrictions.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.