Komparasi Metode Naïve Bayes dan SAW untuk Pemilihan Penerimaan Insentif Karyawan

Abstract

Pemberian insentif merupakan  penghargaan dalam bentuk uang kepada karyawan yang dapat bekerja melampaui standar yang telah ditentukan. Kriteria yang digunakan seperti absensi, responsibilitas, perencanaan, capaian tujuan, social, kreativitas dan lain  sebagainya. Beberapa teknik pendekatan yang dapat digunakan adalah dengan pendekatan machine learning dan juga pembobotan. Metode machine learning yang digunakan yaitu Algoritma Naive Bayes Classifier, merupakan salah satu metode yang menerapkan klasifikasi dalam teknik datamining. Cara kerjanya didasarkan pada anggapan penyederhanaan bahwa jika diberikan nilai output, maka nilai atribut secara mengikuti situasinya saling bebas, artinya memiliki otoritas yang kuat dari masing-masing kejadian. Sedangkan metode pembobotan yang relative simple dan mudah yaitu Simple Additive Weighting (SAW) karena memiliki kelebihan yaitu adanya perhitungan normalisasi matriks sesuai dengan nilai kriteria (antara nilai benefit dan cost) dan adanya bobot di setiap kriteria yang digunakan untuk menghitung preferensi sehingga hasilnya lebih tepat. Dalam perhitungannya naïve bayes menggunakan software rapidminer dan SAW menggunakan exel. Pengujian menggunakan data penilaian karyawan PT Wifgasindo Cabang Bojonegoro tahun 2011. Dari hasil analisa didapatkan akurasi untuk naïve bayes 90% dan SAW 93%.