Klasifikasi Data Kinerja Karyawan Menggunakan Metode Hybrid Naïve Bayes – K Nearest Neighbor untuk Kenaikan Jabatan

Abstract

Ketika karyawan dipromosikan, ada kesulitan untuk mengidentifikasi siapa yang layak untuk dinaikan jabatan. Proses penilaian kinerja karyawan untuk kenaikan jabatan melalui tahap penyeleksian kriteria - kriteria seperti pendidikan, keterlibatan kerja, dan lainnya. Dari data kinerja karyawan dapat memberikan informasi untuk kenaikan jabatan pada posisi yang harus ditempati dan layak diisi. Maka dari itu, dibutuhkannya suatu teknik klasifikasi data kinerja karyawan untuk kenaikan jabatan. Dalam penelitian ini akan menggunakan metode hybrid naïve bayes – k nearest neighbor. metode na¨ιve bayes digunakan sebagai proses penyeleksian kriteria dengan mempertimbangkan probabilitas setiap kiteria. Kriteria yang telah memenuhi syarat minimum probabilitas akan dilanjutkan dengan proses klasifikasi menggunakan metode k-nearest neighbor. Penelitian ini bertujuan untuk mengetahui performa metode Hybrid Naïve Bayes – K Nearest Neighbor dalam mengklasifikasi data kinerja karyawan untuk kenaikan jabatan. Dengan mempertimbangkan penelitian terdahulu. Maka dari itu, peneliti membuat klasifikasi data kinerja karyawan menggunakan metode Hybrid Naïve Bayes – K Nearest Neighbor untuk kenaikan jabatan. Dari hasil pengujian pada Metode Hybrid Naïve Bayes – K Nearest Neighbor menunjukkan Accuracy terbaik 85%, Precision 85%, Recall 98%, F1-Score 91% dengan menggunakan K = 9.  Oleh sebab itu, menghasilkan kriteria yaitu tingkat kerja, perfoma, keterlibatan kerja, pendidikan, tahun pelatihan, keseimbangan kehidupan kerja, dan kepuasan lingkungan untuk kenaikan jabatan. Kata Kunci: hybrid  na¨ιve bayes k-nearest neighbor, klasifikasi, kenaikan jabatan karyawan