PERBANDINGAN ALGORITMA KNN, DECISION TREE,*DAN RANDOM*FOREST PADA DATA IMBALANCED CLASS UNTUK KLASIFIKASI PROMOSI KARYAWAN
Abstract
Di era big data, promosi karyawan dapat dilakukan dengan menggunakan algoritma machine learning yang akan mengklasifikasikan dan memprediksi data secara cepat dan konsisten. Pada penelitian ini dilakukan proses klasifikasi dengan algoritma machine learning, diantaranya*K-Nearest Neighbor (KNN),*Decision Tree dan*Random Forest. Penelitian bertujuan untuk menganalisa performa model machine learning pada data klasifikasi*karyawan,*data yang*digunakan pada penelitian*ini merupakan data imbalanced class sehingga dilakukan teknik Synthetic Minority Over-Sampling Technique (SMOTE). Berdasarkan hasil uji coba, algoritma KNN merupakan algoritma yang memiliki performa terbaik dan tidak mengalami underfitting, maupun overfitting.
Kata kunci: Decision Tree, KNN, Machine Learning, Random Forest, SMOTE
Downloads
References
Anis Nikmatul Kasanah, M. U. 2019. Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objekvitas Berita Online Menggunakan Algoritma KNN. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi). vol 3 (2): 196-201.
Ardiansyah, F. 2020. Sistem Prediksi Harga Sewa Kost Dengan Menggunakan Random Forest Analytics (Studi Kasus: Kost Eksklusif di Daerah Istimewa Yogyakarta) [Tugas Akhir]. Yogyakarta: Universitas Islam Indonesia Yogyakarta.
Citra Ayu Ningsi, T. A. 2015. Pengaruh Pelatihan dan Promosi Terhadap Motivasi dan Kinerja Karyawan (Studi Pada Karyawan PT. PLN (Persero) Area kendari). Jurnal Administrasi Publiki. vol 5 (1): 131-143.
Dadi Darwis, N. S. 2021. Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional. Jurnal Tekno Kompak. vol 15 (1): 131-145.
Hermawan, D. P. 2017. Efektivitas Penggunaan Game Edukasi Berjenis Puzzle, RPG dan Puzzle RPG Sebagai Sarana Belajar Matematika [Disertasi]. Surabaya: Institut Teknologi Sepuluh November.
Jatmiko Indriyanto, P. C. 2014. Algoritma K-Nearest Neighbor Berbasis Chi-Squared untuk Prediksi Nasabah Asuransi. Jurnal Dian Nuswantoro University.
Mardi, Y. 2017. Data Mining : Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika. vol 2 (2): 213-219.
Mus Mulyadi Baharuddin, T. H. 2019. Analisis Performa Metode K-Nearest Neighbor untuk Identifikasi Jenis Kaca. ILKOM Jurnal Ilmiah. vol 11 (3): 269-274.
Naufal, M. F. 2021. Analisis Perbandingan Algoritma SVM, KNN dan CNN untuk Klasifikasi Citra Cuaca. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK). vol 8 (2): 311-317.
Nobertus Krisandi, H. B. 2013. Algoritma K-Nearest Neihbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada PT. Minamas Kecamatan Parindu. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster). vol 2 (1): 33-38.
Oman Somantri, M. K. 2017. Feature Selection Klasifikasi Kategori Cerita Pendek Menggunakan Naive Bayes dan Algoritme Genetika. Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI). vol 6 (3): 301-3016.
Putri, N. K. 2013. Peran Human Capital terhadap Kesuksesan Organisasi: Karyawan Adalah Investasi. Jurnal Administrasi Kebijakan Kesehatan. vol 11 (2): 93-95.
Sutoyo, I. 2018. Implementasi Algoritma Decision Tree untuk Klasifikasi Data Peserta Didik. Jurnal PILAR Nusa Mandiri. vol 14 (2): 217-224.
Unik Desthiani, S. S. 2018. Peranan Gaya Kepemimpinan, Motivasi dan Disiplin Kerja terhadap Kinerja karyawan. Jurnal Sekretari Universitas Pamulang. vol 5 (1): 1-16.