Perancangan Sistem Penerimaan Karyawan Menggunakan Metode Adaptive Boosting

Authors

  • Jackri Hendrik STMIK Time
  • Joni STMIK Time
  • Satriya Miharja STMIK Time
  • Edi Wijaya STMIK Time

DOI:

https://doi.org/10.36520/jai.v8i1.98

Keywords:

Seleksi, Karyawan, Adaptive Boosting

Abstract

Sumber Daya Manusia  merupakan salah satu faktor yang sangat penting dalam suatu perusahaan, maka SDM harus dikelola dengan baik untuk meningkatkan efektivitas dan efesiensi dari perusahaan tersebut. Kinerja didefinisikan sebagai apa yang dilakukan atau tidak dilakukan pegawai.  Kinerja pegawai adalah yang mempengaruhi seberapa banyak mereka memberi kontribusi kepada organisasi. Seleksi atau Selection adalah proses untuk memilih pelamar untuk dijadikan karyawan dan menempatkan mereka pada posisi yang dibutuhkan oleh organisasi. Dengan kata lain, seleksi adalah suatu proses pencocokan kebutuhan dan persyaratan organisasi terhadap keterampilan dan kualifikasi para pelamar kerja.  Aplikasi penerimaan karyawan menerapkan metode Adaptive Boosting untuk membantu pengambilan keputusan terkait diterima atau tidaknya karyawan.

References

H. H. U. Rahardi, M. T. P., & Setiawan, “Pengaruh Stress Kerja dan Kedisiplinan Terhadap Kinerja karyawan Di GH Universal Hotel,” pp. 16–52, 2019.

R. Endrayani, “Rekrutmen Dan Seleksi Karyawan Dengan Metode Penjaringan Di Lembaga Pendidikan Berdampak Terhadap Kinerja Karyawan Di Nibras House Sidorejo (Studi Pada Karyawan Nibras House Sidorejo Lampung Timur),” J. Ekon. Manaj. Sist. Inf., vol. 2, no. 2, pp. 139–147, 2020, doi: 10.31933/jemsi.v2i2.378.[5] H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,” J. Edukasi dan Penelit. Inform., vol. 5, no. 1, p. 62, 2019, doi: 10.26418/jp.v5i1.29611.

M. P. Silaban and H. Sunandar, “Penerapan Algoritma Adaptive Boosting Dan Wavelet Dalam Pengenalan Wajah Manusia,” Inf. dan Teknol. Ilm., vol. 13, pp. 40–44, 2018.

G. Abdurrahman, “Klasifikasi Penyakit Diabetes Melitus Menggunakan Adaboost Classifier,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 7, no. 1, pp. 59–66, 2022, doi: 10.32528/justindo.v7i1.4949.

I. G. A. Purnajiwa Arimbawa and N. A. Sanjaya ER, “Penerapan Metode Adaboost Untuk Multi-Label Classification Pada Dokumen Teks,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 9, no. 1, p. 127, 2020, doi: 10.24843/jlk.2020.v09.i01.p13.

E. Pradana, “Analisis Penerapan Adaptive Boosting ( Adaboost ) Dalam Meningkatkan Performasi Algoritma C4.5,” J. Teknol. Pelita Bangsa, p. 24, 2018.

Z. K. S. Domas and R. Rakhmadi, “Peningkatan Performa Decision Tree dengan AdaBoost untuk Klasifikasi Kekurangtransparanan Informasi Anti-Korupsi,” Appl. Inf. Syst. Manag., vol. 5, no. 2, pp. 75–82, 2022, doi: 10.15408/aism.v5i2.24887.

Downloads

Published

2024-06-01

How to Cite

Hendrik, J., Joni, Miharja, S., & Wijaya, E. (2024). Perancangan Sistem Penerimaan Karyawan Menggunakan Metode Adaptive Boosting. Jurnal Armada Informatika, 8(1), 31–39. https://doi.org/10.36520/jai.v8i1.98