Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Data Penerimaan Pegawai Outsourcing

Abstract

Mempekerjakan karyawan dalam ikatan kerja outsoucing nampaknya sedang menjadi trend saat ini, Banyak perusahaan outsourcing yakni perusahaan yang bergerak di bidang penyedia tenaga kerja aktif menawarkan jasa tenaga kerja Dengan kata lain, perusahaan menyetujui untuk melakukan beberapa tugas dengan perusahaan lain. Studi sebelumnya menunjukkan bahwa outsourcing adalah memindahkan beberapa fungsi perusahaan kepada pihak lain, termasuk pengambilan keputusan yang diatur dalam kontrak.. Penelitian ini bertujuan untuk memberikan evaluasi terhadap data penerimaan pegawai outsourcing dengan metode klasifikasi dari data mining. Diharapkan metode klasifikasi data mining mampu mengolah data, membuat analisis penerimaan karyawan outsourcing lebih mudah. Metode klasifikasi data mining Naive Bayes digunakan, dan proses pengujiannya menggunakan alat Rapid Miner untuk mengevaluasi akurasi teknik yang digunakan. Adapun beberapa atribut yang dipakai adalah Usia, wawancara, pengalaman dan akademis. Dimana dari hasil perhitungan terhadap data uji menggunakan algoritma naïve bayes menghasilkan nilai probabilitas sebesar 0,83 untuk klasifikasi Tidak Layak dan dilakukan pengujian dengan tools rapidminer menghasilkan nilai akurasi sebesar 98,18% berada pada class tidak layak, Sedangkan untuk nilai AUC (Area Under Curve) adalah 0.875 yang berada pada class tidak layak, di mana tingkat akurasi meningkat jika nilai AUC mendekati angka 1. Hasil ini menunjukkan bahwa teknik Naive Bayes dapat membantu dalam prediksi. penerimaan pegawai outsourcing  dengan nilai probabilitas dan akurasi yang tinggi dengan keputusan yang dihasilkan adalah tidak layak.