Klasifikasi Kompetensi Jabatan Pada Pegawai Negeri Sipil (PNS) Dalam Jabatan Fungsional Umum (JFU) Menggunakan Metode Multi Rough Set

Yulianti, Asri (2016) Klasifikasi Kompetensi Jabatan Pada Pegawai Negeri Sipil (PNS) Dalam Jabatan Fungsional Umum (JFU) Menggunakan Metode Multi Rough Set. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2215206704-Master_Theses.pdf - Published Version

Download (1MB) | Preview

Abstract

Pada instansi pemerintah, seorang Pegawai Negeri Sipil (PNS) dituntut harus memiliki kompetensi atau kemampuan untuk dapat melakukan pekerjaan secara efektif dan efisien sesuai dengan bidang dan lingkup pekerjaannya. Pada kenyataannya, proses penentuan nama jabatan dan penempatan bagi Pejabat Fungsional Umum masih dilakukan secara manual, sehingga membutuhkan waktu yang cukup lama dan hasil yang diperoleh belum tentu akurat sesuai dengan kompetensi yang dimiliki. Pada penelitian ini, Metode Multi Rough Set digunakan dalam penentuan klasifikasi kompetensi jabatan bagi PNS yang belum diketahui kompetensinya maupun sebagai bahan evaluasi kinerja pegawai yang telah menduduki suatu jabatan. Metode Multi Rough Set ini dilakukan dengan cara membagi data set menjadi beberapa data set dengan atribut yang sejenis. Berdasarkan penelitian yang telah dilakukan, diketahui bahwa tingkat akurasi hasil klasifikasi dengan Metode Multi Rough Set meningkat lebih baik dibandingkan dengan Metode Single Rough Set yaitu dari tingkat akurasi 53.85% correct, 26.92% incorrect dan 19.23% unclassified, meningkat menjadi 57.14% correct, 42.86% uncorrect dan 0% unclassified, disamping itu Metode Multi Rough Set mempunyai luas daerah di bawah kurva berdasarkan hasil kurva Reveiver Operating Characteristic (ROC) yaitu sebesar 0.866 sehingga dapat dikatakan bahwa Metode Multi Rough Set sebagai metode klasifikasi yang baik (Good Classifier) untuk penentuan klasifikasi kompetensi jabatan pada Pegawai Negeri Sipil (PNS) dalam Jabatan Fungsional Umum (JFU). ========================================================= In government agencies, a Civil Servantsis required to have the competency or the ability to finish the work effectively and efficiently in accordance with the field and scope of work. In fact, a process of determining positions and placements for a functional worker is still be done manually, thus, it takes delay. Moreover, its obtained results are not totally accurate regarding with their competencies. In this research, Multi Rough Set Method was used to determine Civil Servant’s classification of whose positions were still undecided, and as an evaluation of employee’s competency who have occupied a position as well. Multi Rough Set Method was applied by dividing data set into several data sets with similar attributes. The result of this research was showing that the accuracy rate of Multi Rough Set Method is used and it’s combined with Fuzzy Rule Set. It has shown that final decision result in Multi Rough Set is higher than Single Rough Set Method. The previous accuracy rate was shown as 38.78% correct, 32.65% incorrect and 28.57% unclassified, then it’s increased to 57.14% correct, 42.86% incorrect and 0% unclassified, beside that Multi Rough Set Method has Area Under Cover (AUC) based on Receiver Operating Characteristic (ROC) Curve Result that is 0.866, so it can be concluded that Multi Rough Set Method is a Good Classifier for Job-Competency in Functional Works Classification Of Civil Servants decision-making.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Klasifikasi Kompetensi Jabatan; Pegawai Negeri Sipil (PNS); Jabatan Fungsional Umum (JFU); Multi Atribut; Multi Rough Set
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Faculty of Industrial Technology > Electrical Engineering > (S2) Master Theses
Depositing User: Asri Yulianti
Date Deposited: 15 Mar 2017 07:10
Last Modified: 28 Dec 2018 02:25
URI: http://repository.its.ac.id/id/eprint/1876

Actions (login required)

View Item View Item