Rabu, 04 Januari 2023

Sistem Pendukung Keputusan Untuk Penerimaan Pegawai Baru Dengan Teknik Klasifikasi Dengan Metode Naive Bayes Classifier | PHP&MySQL


Abstrak

Rekrutmen karyawan merupakan cara untuk mendapatkan karyawan sesuai dengan kriteria perusahaan. Proses rekrutmen karyawan di instansi atau perusahaan masih menggunakan cara manual dengan membandingkan berkas calon pelamar dan kriteria perusahaan kemudian dilanjutkan dengan tes seperti tes wawancara dan tes kemampuan, sehingga menyebabkan divisi kepegawaian mengalami kendala terkait proses pengambilan keputusan karena banyaknya jumlah pelamar dan penerimaan karyawan yang terbatas dan penerimaan karyawan harus tepat sasaran agar pengerjaan proyek dapat berjalan sesuai manajemen perussahaan. Oleh karena itu pada penelitian ini penulis ingin membangun sebuah sistem web untuk analisis data dan menyeleksi data karyawan secara online dan real time. Dalam membangun sebuah sistem penerimaan karyawan berbasis website. Pendekatan rancang bangunnya menggunakan metode Naive Bayes Classifier untuk memprediksi penerimaan karyawan . Naive Bayes Classifier merupakan teknik prediksi berbasis probabilistic sederhana yang berdasar penerapan teorema Bayes dengan asumsi independensi yang kuat (naif). Naive Bayes Classifier digunakan untuk membantu membuat keputusan dengan sistem dengan cara yaitu melatih data Training dalam hal ini data pelamar tahun sebelumnya yang pernah diseleksi,  dan kemudian data latih akan di uji variabel nilainya pada data Uji yaitu data pegawai yang akan dilakukan seleksi,  sehingga akan membuat hasil keputusan lebih cepat, akurat serta kredibel dengan mengandalkan sistem.

Kata Kunci : Sistem Pendukung Keputusan, Naive Bayes Classifier, PHP-MySQL

Download File PDF : 
BAB 1, 2, 3, 4 dan 5 (.word) (hubungi admin)


Download Source Code Program SPK=pegawai-naive-bayes-classifier.rar

Screnshot Program :











Senin, 02 Januari 2023

Jaringan Saraf Tiruan (JST) Menggunakan Metode Learning Vector Quantization Untuk Klasifikasi Kesehatan Ibu Hamil | Web PHP

 ABSTRAK

Penanganan proses bersalin oleh tenaga medis bisa dijadikan salah satu acuan untuk mengukur pelayanan kesehatan disuatu wilayah. Indikator yang perlu dianggap penting dalam pelayanan kesehatan ibu adalah Angka Kematian Ibu (AKI) serta pada bayi adalah Angka Kematian Bayi (AKB) (Kementerian Kesehatan, et. al., 2013). Klasifikasi menggunakan Learning Vector Quantization (LVQ) adalah bagian dari Jaringan Saraf Tiruan (JST) yang merupakan single layer net dengan setiap lapisan input terhubung secara langsung dengan neuron output. Keduanya dihubungkan dengan suatu bobot. Struktur jaringan pada LVQ terdiri dari xi adalah input, wii merupakan bobot dan yi sebagai output. Dengan adanya metode klasifikasi ini maka dapat memantau kesehatan bayi dan ibu hamil dengan memantau indikator seperti Adanya peningkatan berat badan, kadar hormone, perkembangan perut ibu hamil, detak jantung yang stabil, pergerakan janin dalam perut, gerakan bayi akan menurun sebelum kelahiran dan sebaginya.

Program dirancang dengan menggunakan bahasa pemrograman PHP berbasis web dengan tujuan hasil dari klasifikasi dengan menggunakan JST LVQ diharapkan dapat bermanfaat bagi puskesmas dalam menentukan klasifikasi kesehatan bayi dan ibu hamil.

Kata Kunci : Jaringan Saraf Tiruan, Learning Vector Quantization, Klasifikasi Kesehatan Ibu Hamil, Web