INFORMATION EXTRACTION MENGGUNAKAN METODE NAIVE BAYES UNTUK PEMBAGIAN TASK KARYAWAN (STUDI KASUS: PT. ASSIST SOFTWARE INDONESIA PRATAMA)

Mustafidatun, Nashihah (2022) INFORMATION EXTRACTION MENGGUNAKAN METODE NAIVE BAYES UNTUK PEMBAGIAN TASK KARYAWAN (STUDI KASUS: PT. ASSIST SOFTWARE INDONESIA PRATAMA). Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia.

	Text ABSTRAK.docx Download (74kB)
	Text BAB I.docx Download (97kB)
	Text BAB II.docx Download (155kB)
	Text BAB III.docx Download (2MB)
	Text BAB IV.docx Restricted to Repository staff only Download (6MB)
	Text BAB V.docx Download (74kB)

Abstract

Ketepatan dan kesesuaian dalam pembagian task karyawan mempunyai peranan penting dalam pembagian task karyawan, agar mendapatkan kriteria list yang sesuai dengan kemampuan karyawan dalam satu divisi. PT. Assist Software Indonesia Pratama saat ini dalam pembagian tasknya masih manual yaitu dengan cara memilah milah task berdasarkan fitur, aplikasi, divisi, dan karyawan yang biasanya mengerjakan pekerjaan tersebut. Sehingga hal tersebut memerlukan waktu yang lama dalam proses pembagian task karyawan, salah satu faktornya adalah hrd harus memilah milah task berdasarkan fitur, aplikasi agar dapat menentukan divisi dan karyawan yang mengerjakan task tersebut. Tujuan dari penelitian ini adalah untuk mempermudah pembagian tugas kepada pegawai agar mendapatkan daftar kriteria yang sesuai dengan kemampuan pegawai dalam satu divisi dengan menggunakan metode Naive Bayes. Sehingga diperlukan sebuah sistem yang dapat membantu hrd dalam melakukan pembagian task karyawan yang sesuai dengan divisi dan kemampuan karyawan. Pada sistem pembagian task ini menggunakan metode Multinomial Naïve Bayes Clasiffier sebagai penentu pembagian task karyawan. Pembagian task karyawan didasarkan pada task yang pernah dikerjakan oleh karyawan sebelumnya, sehingga sistem dapat melakukan pembagian task yang sesuai. Sistem dapat melihat kemiripan antar task menggunakan metode Multinomial Naïve Bayes sebagai bahan pertimbangan penentuan divisi dan karyawan yang mengerjakan dengan persentase akurasi sebesar 92,5% dan 82,5%.

Item Type:	Thesis (Sarjana)
Subjects:	Information system > Information retrieval
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	16 Aug 2023 07:15
Last Modified:	16 Aug 2023 07:17
URI:	http://repository.stiki.ac.id/id/eprint/1869

Actions (login required)

View Item