Implementasi Sistem Klasifikasi Tim Kerja Menggunakan Algoritma Naïve Bayes (Studi Kasus: PT.MNL)

Tasya Angelya(1*), Abdul Rahman(2), Iis Pradesan(3)
(1) Universitas Multi Data Palembang
(2) Universitas Multi Data Palembang
(3) Universitas Multi Data Palembang
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v9i2.2023.86-94


Abstrak


PT.MNL adalah perusahaan swasta yang bergerak dibidang jasa kehutanan khususnya Hutan Tanaman Industri. Perusahaan memiliki banyak areal kerja yang memiliki banyak tim kerja di semua arealnya. Mengingat besarnya tim kerja, pemilik perusahaan harus bisa menjaga kinerja tim kerjanya agar selalu berada dalam posisi baik. Dengan semakin banyaknya tim kerja maka data yang masuk ke dalam perusahaan semakin banyak pula, data-data tersebut tentunya perlu dimanfaatkan dengan cara mengolah dan menganalisis untuk menghasilkan suatu informasi yang berguna bagi perusahaan. Sehingga dapat digunakan dalam mengklasifikasikan seluruh anggota-anggota tim pada lokasi kerja tertentu. Maka dari itu, diperlukan sebuah teknologi Data Mining yang dapat membantu perusahaan dalam memilah nama tim yang sebaiknya dipilih. Metode yang dipakai untuk klasifikasi tim kerja adalah algoritma Naïve Bayes. Penelitian ini menghasilkan tingkat akurasi klasifikasi sebesar 93,66%, hasil recall 90,74% serta hasil precision sebesar 88,58% sehingga hal ini menunjukkan bahwa sistem klasifikasi tim menggunakan algoritma Naive Bayes dapat digunakan oleh pemilik perusahaan sebagai bahan pertimbangan dalam mengatur persebaran tim di setiap lokasi kerja.

Kata Kunci


Naive Bayes


Teks Lengkap:

PDF


Referensi


[1] H. T. Sherly, Yosef Stephen, “Analisis dan Perancangan Data Warehouse Pada Koperasi IPEKA,” Encycl. Geogr. Inf. Sci., hal. 1–6, 2018, doi: 10.4135/9781412953962.n41.

[2] H. Lubis dan D. B. Srisulistiowati, “Implementasi Sistem Data Mining Untuk Menentukan Stock Accuracy Pada Warehouse PT Coca-Cola Amatil Indonesia Cibitung–Plant,” J. Media Inform. Budidarma, vol. 4, no. 1, hal. 72, 2020, doi: 10.30865/mib.v4i1.1795.

[3] M. Kusmawaty, “Perancangan dan implementasi data mining dalam proses penerimaan siswa baru dengan metode quantitative association rule,” J. Tek. Komput., 2017.

[4] Retroningsih, “Bab II Landasan Teori,” J. Chem. Inf. Model., vol. 53, no. 9, hal. 8–24, 2019.

[5] D. Puspitasari, S. S. Al Khautsar, dan W. P. Mustika, “Algoritma Naïve Bayes Untuk Memprediksi Kredit Macet Pada Koperasi Simpan Pinjam,” J. Inform. Upgris, vol. 4, no. 2, 2019, doi: 10.26877/jiu.v4i2.2919.

[6] A. W. Syaputri dan E. Irwandi, “Naive Bayes Algorithm for Classification of Student Major’s Specialization,” J. Intell. Comput. Heal. Informatics, vol. 1, no. 1, hal. 1–5, 2020.

[7] A. Saleh, “Implementasi Naive Bayes,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 2, no. 3, hal. 73–81, 2015, doi: 10.20895/inista.v1i2.73.

[8] E. Manalu, F. A. Sianturi, dan M. R. Manalu, “Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan Dan Jumlah Pemesanan Pada Cv. Papadan Mama Pastries,” J. Mantik Penusa, vol. 1, no. 2, hal. 16–21, 2017.

[9] dan P. Han, Kamber, Data mining: Data mining concepts and techniques. 2014.

[10] H. F. Putro, R. T. Vulandari, dan W. L. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” vol. 8, no. 2, 2020.

[11] F. Fitriyani, “Implementasi Forward Selection dan Bagging untuk Prediksi Kebakaran Hutan Menggunakan Algoritma Naïve Bayes,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 1, hal. 1–8, 2022, doi: 10.25077/teknosi.v8i1.2022.1-8.

[12] E. Y. Hidayat dan M. A. Rizqi, “Klasifikasi Dokumen Berita Menggunakan Algoritma Enhanced Confix Stripping Stemmer dan Naïve Bayes Classifier,” J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 2, hal. 90–99, 2020, doi: 10.25077/teknosi.v6i2.2020.90-99.

[13] M. Silvana, R. Akbar, dan A. Syahnum, “Pemanfaatan Metode Naïve Bayes dalam Implementasi Sistem Pakar Untuk Menganalisis Gangguan Perkembangan Anak,” J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 2, hal. 74–81, 2020, doi: 10.25077/teknosi.v6i2.2020.74-81.

[14] Abiyoga, A. Wicaksana, dan N. M. S. Iswari, “Decision Support System for Choosing an Elective Course Using Naive Bayes Classifier,” in Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing, R. Lee, Ed. Cham: Springer International Publishing, 2020, hal. 97–110.

[15] M. S. Anam, “Social Assistance Decision Support System Using the Naive Bayes Method,” JTECS J. Sist. Telekomun. Elektron. Sist. Kontrol Power Sist. dan Komput., vol. 1, no. 1, hal. 85, 2021, doi: 10.32503/jtecs.v1i1.1433.

[16] D. M. Khairina, S. Maharani, Ramadiani, dan H. R. Hatta, “Decision support system for admission selection and positioning human resources by using naive bayes method,” Adv. Sci. Lett., vol. 23, no. 3, hal. 2495–2497, 2017, doi: 10.1166/asl.2017.8653.

[17] F. Burdi, A. H. Setianingrum, dan N. Hakiem, “Application of the naive bayes method to a decision support system to provide discounts (Case study: PT. Bina Usaha Teknik),” Proc. - 6th Int. Conf. Inf. Commun. Technol. Muslim World, ICT4M 2016, hal. 281–285, 2017, doi: 10.1109/ICT4M.2016.57.

[18] A. P. Fadillah, “Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ),” J. Tek. Inform. dan Sist. Inf., vol. 1, no. 3, hal. 260–270, 2015, doi: 10.28932/jutisi.v1i3.406.

[19] M. H. Adiya dan Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru,” vol. 01, hal. 17–24, 2019.

[20] M. K. Suryadewiansyah dan T. E. E. Tju, “Naïve Bayes dan Confusion Matrix untuk Efisiensi Analisa Intrusion Detection System Alert,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 2, hal. 81–88, 2022, doi: 10.25077/teknosi.v8i2.2022.81-88.

[21] D. K. Sharma, M. Chatterjee, G. Kaur, dan S. Vavilala, “3 - Deep learning applications for disease diagnosis,” D. Gupta, U. Kose, A. Khanna, dan V. E. B. T.-D. L. for M. A. with U. D. Balas, Ed. Academic Press, 2022, hal. 31–51.


Artikel Statistik

Abstrak telah dilihat : 59 kali
PDF telah dilihat : 27 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.