Review Literature Sistem Rekomendasi Rekrutmen Karyawan
DOI:
https://doi.org/10.17977/um068v2i122022p536-540Keywords:
data maining, k-nearest neighbor, rekrutmen, fuzzy k-nearest neighborAbstract
The Decision Support System for providing recommendations is expected to be able to assist various parties in providing employee recommendations in the needs of an organization or company. The various factors that affect individual performance make predictions have a high gain. So it is necessary to have a method that can make recommendations that are effective against high gain. To create a recommendation system, data maining techniques are needed. One method in the classification is K-Nearest Neighbor which has the advantage of high gain. K-Nearest Neighbor also has many variations to support optimization such as the combination with the Fuzzy method, namely Fuzzy K-Nearest Neighbor (FK-NN). FK-NN has the advantage of providing labeling for predicted data. Apart from the KNN method, there is the AHP or Analytical Hierarchy Process method which has advantages for multiple criteria. Then TOPSIS (Technique for Order Preference by Similarty to Ideal Solution) which has the same advantages as the AHP method which is often used for multiple criteria, but cannot carry out criteria if there is only one data. Another method is the WPM or Weighted Product Model which can solve multi-criteria problems, but does not have a minimum limit for each criterion assessment.
Sistem Pendukung Keputusan untuk memberikan rekomendasi diharapkan dapat membantu berbagai pihak dalam memberikan rekomendasi karyawan dalam kebutuhan suatu organisasi ataupun perusahaan. Beraneka ragamnya faktor yang mempengaruhi kinerja individu membuat prediksi memiliiki Gain yang tinggi. Sehingga perlu adanya metode yang bisa melakukan rekomendasi yang efektif terhadap gain yang tinggi. Untuk membuat sebuah sistem rekomendasi diperlukan teknik Data Maining. Salah satu metode di dalam klasifikasi adalah K-Nearest Neighbor yang memiliki keunggulan terhadap gain yang tinggi. K-Nearest Neighbor juga mempunyai banyak variasi untuk mendukung optiomalisasi seperti adanya penggabungan dengan metode Fuzzy yaitu Fuzzy K-Nearest Neighbor (FK-NN). FK-NN memiliki keunggulan dalam memberikan pelabelan pada data yang diprediksi. Selain metode KNN, terdapat metode AHP atau Analytical Hierarchy Process memiliki keunggulan untuk multi kriteria. Kemudian TOPSIS (Technique for Order Preference by Similarty to Ideall Solution) yang memiliki keunggulan sama seperti metode AHP yang sering digunakan untuk multi kriteria, tetapi tidak bisa melakukan kriteria jika data hanya ada satu. Metode yang lain adalah WPM atau Weighted Product Model yang bisa menyelesaikan masalah multi kriteria, tetapi tidak memiliki batas minimal untuk masing-masing penilaian kriteria.
References
Candra Silvia, Yuciana Wilandari dan Abdyl Hoyyi, “Ketepatan Klasifikasi Tingkat Keparahan Korban Kecelakaan Lalu Lintas Menggunakan Metode Regresi Logistik Ordinal Dan Fuzzy K-Nearest Neighbor In Every Class”. ISSN: 2339-2541
Harunur Rosyd, Eko Prasetyo, Soffiana Agustin, “Perbaikan Akurasi Fuzzy K-Nearest Neighbor In Every Class Menggunakan Fungsi Kernel”. ISSN: 2302-3805
Chen, HL., Yang, B., Wang, G., Liu, J., Vu, X., Wang, SJ., Liu, DY., 2011. "A novel bankruptcy prediction model based on an adaptive fuzzy k-nearest neighbor method", Knowledge-Based Systems, Vol. 24, Issue 8, pp. 1348– 1359
Jatmiko Indriyanto, Purwanto dan Catur Supriyanto, “Algoritma K-Nearest Neighbor Berbasis Chi-Squared Untuk Prediksi Nasabah Asuransi”, Dian Nuswantoro Unviersity 2014
Mochammad Yusa, Ema Utami, dan Emba T. Luhfi, “Analisis Komparatif Evaluasi Performa Algoritma Klasifikasi pada Readmisi Pasien Diabetes”. Volume 7 Nomor 4, Oktober 2016: 293-302
Leidiyana, Henny, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bemotor”. 1(1): 65-76 (2013)
Syafitr, Nesi, “Perbandingan Metode K-Nearest Neighbor (Knn) Dan Metode Nearest Cluster Classifier (Ncc) Dalam Pengklasifikasian Kualitas Batik Tulis”. ISSN: 2084 – 4981
Selvia Loena Br Ginting, Wendi Zarman, Astrid Darmawan, “Teknik Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood”, Jurus Teknik Komputer Unikom – Komputika – Volume 2, No.2 2014
Didik Srianto, Edi Mulyanto, “Perbandingan K-Nearest Neighbor Dan Naive Bayes Untuk Klasifikasi Tanah Layak Tanam Pohon Jati”, Techno.COM, Vol. 15, No. 3, Agustus 2016: 241 – 245
Yullyanti, Ellyta, “Analisis Proses Rekrutmen dan Seleksi pada Kinerja Pegawai”. ISSN 0854-3844
Ni Kadek Puri Ariani, I Made Gede Sumarya, I Made Agus Wirawan, “Pengembangan Sistem Pendukung Keputusan Dengan Metode Analytic Hierarchy Process (Ahp) Untuk Memberikan Rekomendasi Properti Di Kabupaten Buleleng”. ISSN 2252-9063
Angga Ginanjar Mabrur, Riani Lubis, “ Penerapan Data Maining untuk memprediksi Kriteria Nasabah Kredit”. Edisi I Volume 1, Maret 2012
Mujib Ridwan, Hadi Suryono dan M. Sarosa “Penerapan Data Maining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes Classifier”. Jurnal EECCIS Vol., No.1, Juni 2013
Andreas Daniel Arifin, Isye Arieshanti, Agus Zainal Arifin, “Implementasi Algoritma K-Nearest Neighbor yang berdasarkan one pass clustering untuk kategori teks”
S. Lestari dan W. Priyodiprodjo, “Implementasi Metode Fuzzy TOPSIS untuk Seleksi Penerimaan KAryawan”, IJCCS, Vol.5 No.2, Juli, 2011
Lestari, Sri. “Penerapan Metode Weighted Product Model Untuk Seleksi Calon Karyawan”, ISSN: 2355-4614
Nuri Guntur Perdana dan Tri Widodo, “Sistem Pendukung Keputusan Pemberian Beasiswa Kepada Peserta Didik Baru Menggunakan Metode TOPSIS” ISBN: 979-26-0266-6
Hilman Cahya Saputra Acep Irham Gufroni dan Rohmat Gunawan, “Sistem Pendukung Keputusan Penerima Zakat Maal Menggunakan Metode Topsis Di Baznas Kota Tasikmalaya”
Lidya Merry, Meriastuti Ginting dan Budi Marpaung, “PEMILIHAN SUPPLIER BUAH DENGAN PENDEKATAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN TOPSIS: Studi KAsus Pada perusahaan retail”. Vol. 3 No. 09, Jan – Mar 2014
Ma’ruf, “Pengembangan Sistem Pendukung Keputusan Pemilihan Supplier Menggunakan Metode TOPSIS Pada Perusahaan Furniture”. Prosiding Seminar Nasional Ekonomi dan Bisnis & Call For Paper FEB UMSIDA 2016
Magdalena, Hilyah, “Sistem Pendukung Keputusan Untuk Menentukan Mahasiswa Lulusan Terbaik di Perguruan Tinggi”. ISSN: 2089-9815
Muhammad ANsori dan Udisubakti Ciptomlyono, “Usulan Model Keputusan Multikreiteria Terintegrasi untuk Pemilihan UKM Penerima Pinjaman Lunak di Wilayah Surabaya”. ISBN: 979-99735-0-3
Ulil, Muhammad Abror, “Sistem Pendukung Keputusan Pemilihan Barang Elektronik Berbasis Web dengan Metode TOPSIS”.
Aziz Ahmadi dan Dian Tri Wiyanti, “Implementasi WEIGHTED PRODUCT dalam Penentuan Penerima Bantuan Langsung Masyarakat PNPM MAndiri Perdesaan”
Syahfitri Kartika Lidya, Opim Salim Sitompul dan Syahril Efendi. “Sentiment Analysis pada teks Bahasa Indonesia Menggunakan Support Vector Machine (SVM) dan K-Nearest Neighbor (K-NN)”.
3.png)
1.png)
1.png)
