Komparasi 3 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Kenaikan Jabatan

Abstract

Dengan semakin berkembangnya perusahaan dan akses karyawan untuk meningkatkan keinginan untuk menjadikan karyawan teladan atau menjadi karyawan yang memiliki ide tinggi untuk menjadi panutan bagi bawahan atau karyawan lainnya, maka dari kasus penelitian di kampus universitas, kualitas melakukan survei dengan data yang diperoleh langsung dari universitas. Karyawan yang bekerja sebagai karyawan tetap atau kontrak terkadang mendapatkan hak sebagai kenaikan kenaikan pangkat dari perusahaan untuk masing-masing bidang serta alokasi kinerja karyawan yang memuaskan dari aspek pekerjaan yang dilakukan. Pada model penelitian ini menggunakan tiga model dari Naïve Bayes, K-Nearest Neighbor, dan Neural Network dengan mengambil dataset langsung dari hasil analisis, untuk itu dilakukan analisis pada setiap aspek untuk mengetahui hasil klasifikasi nilai yang digunakan pada evaluasi menggunakan validasi 5-Fold, 10-Fold, dan Cross Validatio 20-Fold sehingga diperoleh hasil identifikasi pada klasifikasi promosi dengan nilai akurasi tertinggi 76,6%, nilai F1 tertinggi 67,8%, nilai presisi tertinggi sebesar 65,9%, dan nilai recall tertinggi sebesar 76,6%.