Implementasi Machine Learning dengan Decision Tree Algoritma C4.5 dalam Penerimaan Karyawan Baru pada PT. Gitareksa Dinamika Jakarta
DOI:
https://doi.org/10.59188/jurnalsostech.v1i7.126Keywords:
Machine learning, Decision tree, Algoritma C4.5, Peneriman karyawanAbstract
Melakukan proses penerimaan karyawan merupakan hal yang sangat penting bagi suatu perusahaan, hal ini dilakukan mengingat karyawan dipandang sebagai salah satu aset penting bagi perusahaan dan perlu dikelola serta dikembangkan untuk mendukung suatu kelangsungan hidup, kemampuan untuk bersaing, mendapatkan laba, serta pencapaian pada tujuan perusahaan, PT. Gitareksa Dinamika Jakarta biasanya melakukan beberapa persyaratan atau kriteria untuk mengetahui kemampuan dan pribadi para pelamar tersebut, data hasilnya tersebut biasanya disimpan dalam suatu arsip yang harus dibandingkan satu persatu sehingga didapatkan suatu hasil atau keputusan. Tentu hal tersebut memakan waktu yang lama dan kurang efektif dalam menggambil suatu keputusan. Dengan demikian dibutuhkan suatu perencanaan model otomatis dari sekumpulan data, dengan tujuan memberikan komputer kemampuan untuk belajar (machine learning). Maka dari itu diperlukan sebuah metode untuk menentukan perancang dalam pengambilan keputusan penerimaan karyawan baru “Decision Tree Algoritma C4.5” tujuan khusus pada penelitian ini adalah membangun suatu sistem dengan mudah yang dapat mengelola data dan dapat diakses dengan mudah oleh staff HRD dalam menentukan karyawan baru pada PT. Gitareksa Dinamika Jakarta.
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Imam Khoeri, Dadang Iskandar Mulyana
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.