Implementasi Algoritma Genetika Untuk Optimalisasi Random Forest Dalam Proses Klasifikasi Penerimaan Tenaga Kerja Baru : Studi Kasus PT.XYZ

Binarwati, Laras (2017) Implementasi Algoritma Genetika Untuk Optimalisasi Random Forest Dalam Proses Klasifikasi Penerimaan Tenaga Kerja Baru : Studi Kasus PT.XYZ. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
Implementasi Algoritma Genetika untuk Optimalisasi Random Forest dalam Proses Klasifikasi Penerimaan Tenaga Kerja Baru - Studi Kasus PT XYZ .pdf - Published Version

Download (4MB) | Preview

Abstract

Kualitas sumber daya manusia sangat penting bagi suatu perusahaan untuk mempertahankan keunggulan kompetitifnya agar mampu bersaing dengan perusahaan lainnya maupun untuk meningkatan kualitas dari perusahaan itu sendiri. Oleh karena itu, menggali pola penerimaan tenaga kerja baru sangat diperlukan. Pada penelitian ini, metode random forest digunakan untuk menggali pola penerimaan tenaga kerja baru. Adapun algoritma genetika (GA) digunakan untuk mengoptimalkan akurasi berdasarkan pola yang didapat. Hasil pengujian program ini menunjukkan keakuratan pola yang dihasilkan oleh random forest yang dioptimalkan dengan algoritma genetika lebih tinggi dengan hasil keakuratan berkisar antara 91%-95% dibanding dengan hanya menggunakan random forest saja yang hanya berkisar 40-95%. =================================================================== The quality of human resources is very important for a company to maintain its competitive advantage in order to compete with other companies and also to improve the quality of the company itself. Therefore, discovering new labor recruitment patterns is necessary. In this research, the random forest method is used to discover new recruitment patterns. The genetic algorithm (GA) is used to optimize the accuracy based on the obtained patterns. The results of this program show the accuracy of pattern generated by optimized random forest with genetic algorithm ranging between 91% -95%, that result is higher than using only random forest method thus ranging between 40-95%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Penerimaan Tenaga Kerja, Klasifikasi, Random Forest, Algoritma Genetika
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Mathematics and Science > Mathematics > (S1) Undergraduate Theses
Depositing User: Binarwati Laras
Date Deposited: 12 Dec 2017 07:07
Last Modified: 06 Mar 2019 03:31
URI: http://repository.its.ac.id/id/eprint/47233

Actions (login required)

View Item View Item