Komparasi 3 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Kenaikan Jabatan

Abstract

With the increasing growth of the company and employee access to increase the desire to make exemplary employees or become employees who have high ideas to become role models for subordinates or other employees, so from the research case on the university campus, quality conducts a survey with data obtained directly from the university. Employees who work as permanent or contract employees sometimes get the right as an increase for promotion from the company for each field as well as an allocation of satisfactory employee performance from the aspect of the work carried out. In this research model using three models from Naïve Bayes, K-Nearest Neighbor, and Neural Network by taking the dataset directly from the analysis results, for that an analysis is carried out on each aspect to determine the results of the value classification used in the evaluation using 5-Fold validation, 10-Fold, and 20-Fold Cross Validatio thus obtain results to identify in the promotion classification with the highest value of accuracy of 76.6%, the highest value of F1 of 67.8%, the highest value of precision of 65.9%, and the highest value of recall of 76.6%.

Evaluasi Kinerja Algoritma K-Nn Menggunakan K-Fold Cross Validation Pada Data Debitur KSP Galih Manunggal

“…Berikut ada beberapa jurnal yang digunakan penulis sebagai referensi untuk memecahkan permasalahn yang dihadapi. Penelitian yang dilakukan oleh Jaka Tirta Samudra Komparasi 3 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Kenaikan Jabatan, 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% [6].…”

“…Untuk memberikan hasil yang maksimal disaran membagi dataset menjadi 10-fold cross validation dalam suatu model. [6] [13] Metode Cross Validation adalah suatu teknik evaluasi yang digunakan dalam pembangunan model untuk mengevaluasi kinerja model pada data yang tidak terlihat oleh model sebelumnya [14]. Adapun alur penelitian yang disusun dalam penelitian ini digambarkan dalam gambar 2 berikut:…”

Data Mining Menentukan Minat Konsumen Memilih Sepeda Motor Idaman Dengan Algoritma C4.5

“…Data Mining merupakan proses semi otomatic yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan yang berguna dan bermanfaat yang tersimpan di dalam database besar. Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual [3]. Konsep data mining merupakan upaya dalam mengenali informasi yang tersembunyi didalam kumpulan data yang berjumlah besar.…”

“…Training samples berupa data contoh yang akan digunakan untuk membangun sebuah tree yang telah diuji kebenarannya. Sedangkan samples merupakan fieldfield data yang nantinya akan kita gunakan sebagai parameter dalam melakukan klasifikasi data [3]. Bahwa algoritma C4.5 dalam memprediksi jumlah pinjaman hasil yang didapatkan bersifat klasifikasi dengan mengubah fakta yang sangat besar menjadi pohon keputusan yang mempresentasikankan aturan.…”

Penerapan Data Mining Untuk Prediksi Perilaku Pelanggan Menggunakan Multiple Linear Regression

“…Dalam proses data mining, data mining dapat melakukan proses membagi dan mengekstraksi informasi dari data yang berjumlah besar untuk menemukan suatu pola. Penambangan data adalah serangkaian proses untuk mengekstraksi nilai dari kumpulan data dalam bentuk informasi yang tidak diketahui secara manual [5]. Beberapa metode atau algoritma dapat digunakan dalam data mining, algoritma yang digunakan dalam penelitian ini adalah algoritma multiple linear regression untuk memprediksi perilaku pelanggan.…”