PENERAPAN METODE NAÏVE BAYES DAN C4.5 PADA PENERIMAAN PEGAWAI DI UNIVERSITAS POTENSI UTAMA

Cindy Paramitha Lubis; Rika Rosnelly; Roslina Roslina; Zakarias Situmorang; Wanayumini Wanayumini

doi:10.22303/csrid.12.1.2020.51-62

PENERAPAN METODE NAÏVE BAYES DAN C4.5 PADA PENERIMAAN PEGAWAI DI UNIVERSITAS POTENSI UTAMA

Cindy Paramitha Lubis, Rika Rosnelly, Roslina Roslina, Zakarias Situmorang, Wanayumini Wanayumini

Sari

Penerapan metode Naïve Bayes dan C4.5 dibuat untuk digunakan terhadap seleksi dan klasifikasi calon pegawai yang berpotensi untuk masuk ke dalam kampus dengan cara membuat perhitungan dari persamaan pada setiap kriteria. Permasalahan yang sering ditemukan adalah tidak efektifnya penggunaan metode yang digunakan untuk menghasilkan penerimaan pegawai yang di perlukan sehingga belum sesuai dengan bidang keahlian bagi pelamar. Metode Naïve Bayes dan C4.5 tersebut merupakan metode klasifikasi yang diterapkan pada data mining. Tujuan dibuatnya penelitian ini untuk menentukan tingkat akurasi antara kedua metode tersebut berdasarkan ketepatan perhitungan Correctly Classified Instance dan Incorrectly Classified Instance. Pengujian metode pada penelitian ini dilakukan dengan menggunakan tools Weka 3.8. Hasil yang didapat Pada metode Naïve Bayes tingkat akurasi yang didapat 77,7778% dan C4.5 memiliki tingkat akurasi 94,444% dari 36 data latih berhasil diuji. Sehingga hasil yang didapat C4.5 merupakan metode yang lebih tepat di gunakan dari pada Naïve Bayes.

Kata Kunci

Naïve Bayes; C4.5; Akurasi

Teks Lengkap:

PDF

Referensi

A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Creat. Inf. Technol. J., vol. 2, no. 3, pp. 207–217, 2015.

A. Amrin, “Perbandingan Metode Neural Network Model Radial Basis Function Dan Multilayer Perceptron Untuk Analisa Risiko Kredit Mobil,” Paradigma, vol. XX, no. 1, pp. 31–38, 2018.

A. Saleh and F. Nasari, “Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, p. 353, 2018, doi: 10.25126/jtiik.201853705.

F. F. Harryanto and S. Hansun, “Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE,” J. Tek. Inform. Dan Sist. Inf., vol. 3, no. 2, pp. 95–103, 2017.

A. Tulis, K. Di, and C. V Mega, “Penerapan apriori pada penjualan produk alat tulis kantor di cv. mega stationery,” pp. 561–571.

H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 180, 2017, doi: 10.25126/jtiik.201743251.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018, doi: 10.25126/jtiik.201854773.

M. Ridwan, H. Suyono, and M. Sarosa, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Eeccis, vol. 7, no. 1, pp. 59–64, 2013, doi: 10.1038/hdy.2009.180.

S. Syarli and A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” J. Ilm. Ilmu Komput., vol. 2, no. 1, pp. 22–26, 2016.

B. Sugara, D. Widyatmoko, B. S. Prakoso, and D. M. Saputro, “Penerapan Algoritma C4.5 untuk Deteksi Dini Autisme Pada Anak,” Semin. Nas. Teknol. Inf. dan Komun., vol. 2018, no. Sentika, pp. 87–96, 2018.

N. Azwanti, “Algoritma C4.5 Untuk Memprediksi Mahasiswa Yang Mengulang Mata Kuliah (Studi Kasus Di Amik Labuhan Batu),” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 11–22, 2018, doi: 10.24176/simet.v9i1.1627.

A. Andriani, “Penerapan Algoritma C4.5 Pada Program Klasifikasi Mahasiswa Dropout,” Semin. Nas. Mat. 2012, pp. 139–147, 2012.

DOI: http://dx.doi.org/10.22303/csrid.12.1.2020.51-62