PREDIKSI HASIL PERMOHONAN MUTASI PEGAWAI NEGERI SIPDI LINGKUNGAN PEMERINTAH KABUPATEN KEBUMEN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Detail Cantuman

Prodi Teknik Informatika

PREDIKSI HASIL PERMOHONAN MUTASI PEGAWAI NEGERI SIPDI LINGKUNGAN PEMERINTAH KABUPATEN KEBUMEN MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

XML

Mutasi Pegawai Negeri Sipil di lingkungan Pemerintah KabupatenKebumen dilakukan oleh Bupati Kebumen setelah memperoleh pertimbangan dariTim Penilai Kinerja Pegawai Negeri Sipil di lingkungan Pemerintah KabupatenKebumen. Untuk membantu Tim Penilai Kinerja Pegawai tersebut memberikanpertimbangan perlu membuat sebuah prediksi tentang hasil permohonan mutasi.Prediksi tersebut juga dapat diberikan kepada Pegawai Negeri Sipil yangbersangkutan untuk mempertimbangkan permohonan mutasinya.Metode yang dipilih untuk perhitungan prediksi tersebut adalah NaiveBayes Classifier dimana dalam perhitungan tersebut class adalah apakah suatupermohonan mutasi desetujui atau tidak disetujui sementara atribut ataukriterianya adalah golongan, jenis kelamin, umur, masa kerja, keadaan formasiunit kerja yang ditinggalkan, keadaan formasi unit kerja yang dituju, alasanmutasi, dan persetujuan dari unit kerja. Data yang digunakan sebanyak 291permohonan mutasi yang telah dibahas oleh Tim Penilai Kinerja KabupatenKebumen pada tahun 2020 dan 2021. Aplikasi prediksi tersebut dikembangkandengan bahasa pemrograman PHP dan MySQL dan diintegrasikan ke SistemInformasi Manajemen Kepegawaian milik Pemerintah Kabupaten Kebumen.Aplikasi yang dihasilkan juga dapat menerima input permohonan mutasi baru danmenghitung prediksinya berdasarkan data yang terekam di dalam sistem.Hasil perhitungan prediksi menggunakan adalah Naive Bayes Classifiertersebut dibandingkan dengan data aktualnya. Prediksi yang benar sebanyak 275dari 291 prediksi atau 94,50%, sementara prediksi yang salah sebanyak 16 dari291 prediksi atau 6,50%. Pengujian menggunakan Confusion Matrixmenghasilkan nilai Accuracy sebesar 94,50%, Precision sebesar 96,04% danRecall sebesar 96,89% sementara menggunakan kurva Receiver OperatingCaracteristic dan Area Under the Curve diperoleh nilai akurasi sebesar 0,941,menunjukkan bahwa model sudah sesuai karena mendekati nilai 1.
Kata Kunci : mutasi, pegawai negeri sipil, naive bayes classifier


Detail Information

Item Type
Laporan Tugas Akhir
Penulis
Anwar Firdaus - Personal Name
Student ID
2016157036
Dosen Pembimbing
Erna Dwi Astuti., M.Kom. - - Dosen Pembimbing 1
Adi Suwondo, M.Kom - - Dosen Pembimbing 2
Penguji
Kode Prodi PDDIKTI
55201
Edisi
Published
Departement
Teknik Informatika
Kontributor
Bahasa
Indonesia
Penerbit Universitas Sains Al-Qur'an : Wonosobo.,
Edisi
Published
Subyek
No Panggil
Copyright
Individu Penulis
Doi

Lampiran Berkas

LOADING LIST...



Informasi


DETAIL CANTUMAN


Kembali ke sebelumnya  XML Detail