Implementasi Algoritma C4.5 Untuk Klasifikasi Data Insentif Karyawan PT. Adhi Cakra Utama Mulia

Abstract

Penentuan insentif karyawan yang akurat dan adil merupakan salah satu tantangan utama dalam manajemen sumber daya manusia. Penelitian ini bertujuan untuk mengimplementasikan algoritma C4.5 dalam proses klasifikasi data insentif karyawan guna meningkatkan ketepatan dan keadilan dalam penentuan insentif. Algoritma C4.5 dipilih karena kemampuannya dalam menangani data kontinu dan kategorik serta kemampuannya untuk menghasilkan pohon keputusan yang mudah dipahami. Data penelitian diperoleh dari PT Adhi Cakra Utama Mulia, yang mencakup atribut seperti nama karyawan, wilayah, nama toko, minimal penjualan, pencapaian dan keputusan. Proses penelitian dimulai dengan pengumpulan dan pra-pemrosesan data, yang meliputi pembersihan data dan normalisasi. Selanjutnya, algoritma C4.5 diterapkan untuk membangun model klasifikasi berdasarkan data yang telah diproses. Hasil implementasi menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan data insentif karyawan dengan tingkat akurasi yang tinggi. Selain itu, pohon keputusan yang dihasilkan memberikan wawasan yang jelas mengenai faktor-faktor yang paling berpengaruh dalam penentuan insentif. Penelitian ini diharapkan dapat membantu perusahaan dalam mengambil keputusan yang lebih objektif dan transparan terkait pemberian insentif kepada karyawan. Berdasarkan penelitian yang di lakukan dapat disimpulkan bahwa data mining yang digunakan dengan metode algoritma C45 dapat diterapkan dengan tingkat accuracy = 77.73%, dengan nilai entropy 0.829762 dan gain information terbesar 0.038638 sedangkan untuk recall = 35.67% dan precision = 61.76%.

Determining accurate and fair employee incentives is one of the main challenges in human resource management. This research aims to implement the C4.5 algorithm in the employee incentive data classification process in order to increase accuracy and fairness in determining incentives. The C4.5 algorithm was chosen because of its ability to handle continuous and categorical data and its ability to produce decision trees that are easy to understand. Research data was obtained from PT Adhi Cakra Utama Mulia, which includes attributes such as employee name, region, shop name, minimum sales, achievements and decisions. The research process begins with data collection and pre-processing, which includes data cleaning and normalization. Next, the C4.5 algorithm is applied to build a classification model based on the processed data. The implementation results show that the C4.5 algorithm is able to classify employee incentive data with a high level of accuracy. In addition, the resulting decision tree provides clear insight into the most influential factors in determining incentives. It is hoped that this research can help companies make more objective and transparent decisions regarding providing incentives to employees. Based on the research conducted, it can be concluded that data mining used with the C45 algorithm method can be applied with an accuracy level = 77.73%, with an entropy value of 0.82962 and the largest information gain of 0.038638, while for recall = 35.67% and precision = 61.76%.