PREDIKSI PEMBERIAN GAJI KARYAWAN MENGGUNAKAN
ALGORITMA NAIVE BAYES PADA TOKO MATAHARI KOTA BENGKULU

PREDIKSI PEMBERIAN GAJI KARYAWAN MENGGUNAKAN
ALGORITMA NAIVE BAYES PADA TOKO MATAHARI KOTA BENGKULU

Toko Matahari merupakan sebuah perusahaan yang bergerak di bidang industri pembuatan snak dan roti. Salah satu asset yang berharga dalam sebuah perusahaan adalah sumberdaya manusia (SDM). Karyawan adalah sdm tersebut, karyawan menjadi peran penting. Dalam proses penilaian kinerja kryawan sering mengalami kendala dalam segi teknis dan efektifitas karena penilaian yang manual dan kadang keputusannya di nilai secara subyektif. Oleh karena itu dilakukan penelitian untuk prediksi kinerja serta pemberian gaji karyawan menggunakan metode Naïve Bayes dan RapidMiner. Algoritma Naïve Bayes menggunakan cabang matematika yang mencari peluang dari kemungkinan klasifikasi, dengan cara mellihat frekuensi tiap klasifikasi pada proses penilaian kinerja karyawan dilakukan dengan cara manual dengan mengalikan nilai yang diperoleh karyawan dengan bobot masing-masing kriteria. Dalam penelitian ini menggunakan Empat atribut criteria penilaian yaitu: pelayanan, jam masuk/jam pulang, presensi, dan disiplin. Yang digunakan sebagai labelnya adalah atribut disiplin. Hasil perhitungan manual dan penggunaan Rapid Miner menghasilkan nilai disiplin (baik) adalah 2,5185185186 sedangkan untuk nilai disiplin (buruk) adalah 0,4814814815. Berdasarkan perbandingan hasil perhitungan manual nilai yang tertinggi adalah BAIK jadi hasil yang didapatkan dari proses ini untuk prediksi pemberian gaji karyawan took matahari kota Bengkulu dengan atribut dan nilai,presensi : baik, disiplin : disiplin dan pelayanan : baik. Dan hasil performance dari Naïve Bayes menggunakan Rapid Miner adalah DISPLIN.

ADITHIO ARNOLD
1560100248

Pembimbing 1 : Erwin Dwika Putra, S.Kom, M.Kom

Pembimbing 2 : Muntahanah, S.Kom, M.Kom

TEKNIK INFORMATIKA

UPT PERPUSTAKAAN

08/03/2021

UNIVERSITAS MUHAMMADIYAH BENGKULU

UNIVERSITAS MUHAMMADIYAH BENGKULU

Rahman, Darmawidjadja, & Alamsyah.2017. Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN) Jurnal Informatika, 11(1),36-45.
Khadafy. & Wahono. 2015. Penerapan Naïve Bayes Untuk Mengurangi Data Noise Pada Klasifikasi Multi Kelas Dengan Decision Tree. Journal of Intelligent Systems,1(2), 136-142.
Muthia. 2014. ANALISIS SENTIMEN PADA REVIEW BUKU MENGGUNAKAN ALGORITMA NAÏVE BAYES. Jurnal Paradigma, XVI(1), 8-16.
Antoni Wibowo, 2017.MasteOf Information Technology. mti.binus.ac.id. klasifikasi. 2017
Nagendra, V, K and Rajendra, C, 2012 “Customer Behaviour Analysis Using Cba ( Data Mining Approach ),” National Conference on Research Trends in Computer Science and Technology, Vol. 3, No. 1, pp. 65–68.
Gusmelia Testiana,2018. Perancangan Model Prediksi Kelulusan Mahasiswa Tepat Waktu pada UIN Raden Fatah. JUSIFO (Jurnal Sistem Informasi) - Vol. 02, No.1, Juni 2018
Alfa Saleh. 2015. Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga.Citec Journal, Vol. 2, No. 3,Juli 2015. Universitas Potensi Utama
Sulianta, Feri, & Dominus Juju. 2010. RapidMiner (YALE). PT. Elex Media Komputindo.

PDF

BAHASA INDONESIA

Jurnal