Penerapan Decision Tree Dengan Algoritma C4.5 Untuk Menentukan Rekomendasi Kenaikan Jabatan Karyawan

Abstract

Dalam perencanaan dan usaha untuk memenuhi kebutuhan Sumber Daya Manusia (SDM) dilakukan kenaikan jabatan karyawan yang dikelola secara profesional sehingga dapat menentukan mutu dan kesuksesan perusahaan. Seleksi yang baik dan akurat dari kenaikan jabatan karyawan akan menghasilkan SDM yang berkualitas bagi perusahaan tersebut. Apabila karyawan memliki kemampuan dan kualitas yang baik maka karyawan diberikan nilai baik. Kesalahan dalam memberikan kenaikan jabatan karyawan sangat besar dampaknya bagi perusahaan karena berpengaruh langsung pada produktivitas dan kinerja finansial perusahaan. Tujuan penelitian ini dimana ingin mengetahui bagaimana pelaksanaan penilaian kenaikan jabatan karyawan dengan menggunakan metode Decision Tree algoritma C4.5. Masalah yang diselesaikan adalah cara penentuan rekomendasi kenaikan jabatan karyawan dengan menggunakan data karyawan dengan beberapa indikator kinerja karyawan, yaitu : Kedisiplinan, Kerjasama, Inisiatif, dan Kepemimpinan. Langkah awal penyelesaian masalah penilaian kenaikan jabatan karyawan dengan menggunakan metode decision tree algoritma C4.5 adalah tahap preprocessing data. Langkah kedua yaitu menentukan nilai atribut, dimana dalam data sampel tentukan dulu node terpilih, yaitu dengan menghitung nilai informasi gain masing-masing atribut untuk menentukan node terpilih, gunakan nilai informasi gain yang paling besar. Kemudian akan dilakukan perhitungan nilai entropy dan gain masing-masing atribut. Nilai gain yang tertinggi ada pada atribut Kepemimpinan dengan nilai 0.509185925 maka Kepemimpinan akan menjadi sebuah akar pertama, selanjutnya perhitungan node ke 2 dengan nilai gain tertinggi adalah pada atribut Kedisiplinan yaitu 0.566509507, maka Kedisiplinan akan menjadi akar selanjutnya. Karena  tidak ditemukan nilai tertinggi dari Gain pada atribut Kerjasama dan Inisiatif, sehingga klasifikasi akar terakhir dari pohon keputusan yaitu atribut Kedisiplinan. Langkah ketiga dilakukan pemrosesan decision tree dengan menggunakan software RapidMiner Studio 9.10 dengan metode decision tree. Selanjutnya terbentuk example set, dumana example set adalah data set yang sudah terupload di aplikasi RapidMiner Studio 9.10.  Setelah itu ditampilkan Graph view yang menunjukan hasil dari klasifikasi dengan percabangan yang dapat dihasilkan kesimpulan. Hasil akhir dari decision tree adalah didapatnya aturan-aturan (rules) yang didapat dari hasil pohon keputusan dan deskripsi tree, untuk menganalisa faktor rekomendasi jabatan berdasarkan atribut. Dari hasil percobaan diatas untuk menganalisa faktor rekomendasi kenaikan jabatan maka dapat disimpulkan faktor yang menjadi penyebab utama karyawan di rekomendasikan untuk kenaikan jabatan  adalah Kepemimpinan dan Kedisiplinan.