Klasifikasi kinerja karyawan berbasis Support Vector Machine menggunakan Screen Monitor Duration

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Almi, Muhammad Aziz (2022) Klasifikasi kinerja karyawan berbasis Support Vector Machine menggunakan Screen Monitor Duration. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Muhammad Aziz Almi_H76218035.pdf Download (2MB)

Abstract

Banyaknya karyawan pada suatu perusahaan akan membuat pemilik perusahaan kesulitan untuk melakukan monitoring dan mengukur kinerja seluruh karyawannya terlebih saat karyawan bekerja dari rumah. Untuk mengatasi masalah tersebut, maka diperlukan adanya pemanfaatan teknologi yang telah berkembang pada saat ini dalam mengatasi masalah monitoring dan mengukur kinerja karyawan. Dalam memecahkan masalah tersebut aplikasi screen monitor duration berbasis Support Vector Machine (SVM) dapat membantu para pemilik perusahaan dalam menjawab masalah. Berdasarkan hasil penelitian yang telah dilakukan, secara garis besar SVM digunakan untuk mengklasifikasikan kinerja karyawan ke dalam kategori produktif atau tidak produktif melalui aplikasi yang dikembangkan. Kemudian metode SVM ini dibandingkan dengan metode Support Vector Regression (SVR) untuk mengetahui metode terbaik dalam klasifikasi. Untuk mengetahui hasil akhir ditentukan bahwa klasifikasi terbaik adalah menggunakan metode SVM dibuktikan dengan nilai pengujian Root Mean Square Error (RMSE) sebesar 0.4299697 untuk SVM dan sebesar 0.7159644 untuk SVR. Dengan begitu penelitian ini dapat menjawab masalah utama tentang bagaimana cara mengontrol dan monitoring para karyawan, sehingga para pemilik perusahaan dapat mengetahui kinerja karyawan.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Almi, Muhammad Aziz h76218035@uinsby.ac.id H76218035
Contributors:	Contribution Name Email NIDN Thesis advisor Wibowo, Achmad Teguh atw@uinsby.ac.id 2026108801 Thesis advisor Milad, Mohammad Khusnu m.milad@uinsby.ac.id 0729017902
Subjects:	Teknologi > Teknologi Informasi
Keywords:	Kinerja karyawan; pengembangan perangkat lunak; Root Mean Square Error; Support Vector Machine; Support Vector Regression
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Editor : Abdun Nashir------ Information------library.uinsby.ac.id
Date Deposited:	09 Mar 2022 06:50
Last Modified:	09 Mar 2022 06:50
URI:	http://digilib.uinsa.ac.id/id/eprint/52387

Actions (login required)

View Item