Implementasi Algoritma Decision Tree (C4.5) untuk Memprediksi Kecocokan Kandidat dalam Seleksi Pegawai Baru di CV. Gemilang Kreasi Harmoni

Syahrudin, Muhammad Rafif and Mair, Zaid Romegar and Heriansyah, Rudi (2025) Implementasi Algoritma Decision Tree (C4.5) untuk Memprediksi Kecocokan Kandidat dalam Seleksi Pegawai Baru di CV. Gemilang Kreasi Harmoni. Masters thesis, Universitas Indo Global Mandiri.

[thumbnail of M. Rafif Syahrudin_2022110052P_File Cover_Daftar Isi.pdf] Text
M. Rafif Syahrudin_2022110052P_File Cover_Daftar Isi.pdf

Download (788kB)
[thumbnail of M. Rafif Syahrudin_2022110052P_File Full Karya Ilmiah.pdf] Text
M. Rafif Syahrudin_2022110052P_File Full Karya Ilmiah.pdf
Restricted to Repository staff only

Download (5MB) | Request a copy
[thumbnail of 2022110052P_MAR_2025_3.pdf] Text
2022110052P_MAR_2025_3.pdf
Restricted to Repository staff only

Download (15MB) | Request a copy

Abstract

Proses rekrutmen yang efisien dan akurat menjadi salah satu faktor penting dalam mendukung keberhasilan suatu organisasi. CV. Gemilang Kreasi Harmoni, sebuah perusahaan yang bergerak di berbagai bidang usaha, menghadapi tantangan dalam menyeleksi calon pegawai yang memiliki latar belakang beragam. Seleksi pegawai yang dilakukan secara manual memerlukan waktu yang cukup lama dan berpotensi menghasilkan keputusan yang kurang objektif. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Decision Tree dalam memprediksi kecocokan kandidat pada proses seleksi pegawai baru.
Data yang digunakan dalam penelitian ini mencakup data pelamar dari Januari 2022 hingga Desember 2024, dengan parameter penilaian meliputi kelengkapan berkas, nilai rata-rata akademik, nilai tes pengetahuan, nilai wawancara, jenjang pendidikan, dan pengalaman kerja. Algoritma Decision Tree diterapkan untuk memetakan hubungan antarparameter tersebut guna menghasilkan model prediksi yang efektif.
Hasil penelitian menunjukkan bahwa penerapan algoritma Decision Tree pada proses seleksi pegawai CV. Gemilang Kreasi Harmoni berhasil menghasilkan model prediksi dengan tingkat akurasi mencapai 70% berdasarkan pengujian menggunakan 100 data sampel, 80% data latih dan 20% data uji Keakuratan ini mencerminkan kemampuan model dalam mengklasifikasikan kecocokan kandidat secara tepat sesuai parameter yang telah ditentukan.
Kata Kunci: Decision Tree, seleksi pegawai, rekrutmen, prediksi kecocokan kandidat, efisiensi rekrutmen

Item Type: Thesis (Masters)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Ilmu Komputer > Teknik Informatika S1
Depositing User: Muhammad Rafif Syahrudin
Date Deposited: 21 Mar 2025 06:29
Last Modified: 21 Mar 2025 06:29
URI: http://repository.uigm.ac.id/id/eprint/4277

Actions (login required)

View Item
View Item