Seminar Nasional Teknologi Informasi dan Komunikasi 2018 (SENTIKA 2018) ISSN: 2089-9815 Yogyakarta, 23-24 Maret 2018 PREDIKSI KOMPETENSI KARYAWAN MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS : PT HANKOOK TIRE INDONESIA) Aswan Supriyadi Sunge Program Studi Teknik Informatika, Sekolah Tinggi Teknologi Pelita Bangsa Jln. Inspeksi Kalimalang Tegal Danas Delta Mas, Cikarang Pusat Kabupaten Bekasi Provinsi Jawa Barat E-mail: aswan.sunge@pelitabangsa.ac.id ABSTRAKS Ketidak kompetensi merupakan hal yang merugikan dari segi perusahaan maupun karyawan tersebut, apalagi persaingan yang sangat ketat pada era sekarang ini yang harus mencari orang-orang berkompenten, oleh karena itu dibutuhkan teknik klasifikasi dan prediksi data mining dalam memecahkan masalah tersebut. Klasifikasi yang digunakan dalam data mining adalah Decision Tree dikarenakan merupakan teknik yang banyak digunakan dan menghasilkan output yang dengan aturan yang ada, dengan hal tersebut dapat menyajikan data ketidak kompetensi karyawan. Dalam penelitian ini menggunakan Algoritma C4.5 untuk menghasilkan aturan klasifikasi ketidak kompentesi karyawan dan hasil akurasinya di dapat 78.75 %. Kata Kunci: kompetensi karyawan, data mining, Decision Tree, Algoritma C4.5 1. PENDAHULUAN 1.1 Latar Belakang Masalah Jumlah tenaga kerja di Indonesia pada tahun 2016 berjumlah 127 juta orang yang merupakan jumlah yang sangat besar sedangkan jumlah lowongan pekerjaan di perusahaan di Indonesia tidak sebanding dengan jumlah tenaga kerja. Maka dari itu perusahaan bagaimana mencari calon karyawan yang sesuai dengan kategori perusahaan yang diinginkan. PT Hankook Tire Indonesia setiap tahun menerima calon karyawan belum lagi mencari pengganti karyawan yang sudah masuk masa pensiun, namun mencari karyawan yang dibutuhkan sangat sulit mengambil keputusan dan terutama butuh waktu yang cukup lama. Karyawan merupakan terjemahan dari kata “performance” yang memiliki arti sebagai sebuah hasil kerja seorang pegawai atau pekerja, sebuah proses manajemen yang mana hasil kerja tersebut harus memiliki sebuah bukti konkret yang juga dapat diukur (Sedarmayanti, 2011). Penentuan karyawan disuatu perusahaan mempunyai penilaian yang berbeda-beda seperti penyeleksian berkas, tes lisan atau tertulis maupun wawancara. Cara tersebut biasa dan umum yang dilakukan dalam penentuan karyawan disuatu perusahaan. Namun penilaian tersebut oleh tersebut intinya mencari karyawan yang berkompenten dalam menjalani atau jabatan yang dibebankan kepada karyawan tersebut. Secara etimologi kompetensi dari kata “competency” yang artinya kecakapan atau kemampuan (Echols dan Shadily, 2005). Namun kompetensi bukan hanya keahlian maupun kecakapan dalam berkerja tetapi sebagai karakteristik yang mendasari seseorang dan berkaitan dengan efektifitas kinerja individu dalam pekerjaannya (Spencer and Spencer, 1993). 1.2 Rumusan Masalah Berdasarkan dari latar belakang diatas, maka dirumuskan beberapa permasalahan sebagai berikut ; a. Apakah prediksi kompetensi menggunakan data mining memiliki tingkat akurat yang tinggi ? b. Bagaimana akurasi dari Algoritma C4.5 dalam memprediksi kompetensi karyawan ? 1.3 Tinjauan Pustaka 1.3.1 Data Mining Asal muasal data mining dari kata mining yang artinya tambang jika dikembangkan menggali data yang telah lampau. Data mining merupakan proses terpadu dari analisis data yang terdiri dari serangkaian kegiatan yang berjalan berdasarkan definisi tujuan yang akan dianalisis, dengan analisis datanya sampai interpretasi dan evaluasi hasil (Giudici & Figini, 2009). Pengumpulan data mining bukan sekedar terkumpul data saja tetapi mencakup analisis dan prediksi dari informasi yang ingin ditampilkan. Data yang dikumpulkan disimpan dalam database kemudian diproses sehingga dapat dijadikan untuk pengambilan keputusan dalam melihat informasi yang akan digunakan. Data mining dan Knowledge Discovery in Databases (KDD) sering kali digunakan secara bergantian dalam menjelaskan proses penggalian informasi dalam basis data yang sangat besar akan tetapi berkaitan satu sama yang lain, skema proses KDD (Han & Kamber, 2006) digambarkan dibawah ini : 15