ANALISIS DAN PREDIKSI KINERJA PEGAWAI DENGAN ALGORITMA KNN DAN SVM DI DINAS PENDIDIKAN DAN KEBUDAYAAN PROVINSI LAMPUNG

Hasanah, Neneng Uswatun and Lestari, Sri (2025) ANALISIS DAN PREDIKSI KINERJA PEGAWAI DENGAN ALGORITMA KNN DAN SVM DI DINAS PENDIDIKAN DAN KEBUDAYAAN PROVINSI LAMPUNG. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text 1. Cover.pdf Download (21kB)
	Text Hal Pernyataan.pdf Download (262kB)
	Text Hal Pengesahan.pdf Download (356kB)
	Text Hal Persetujuan.pdf Download (377kB)
	Text 7. Abstract.pdf Download (188kB)
	Text 9. Daftar Isi.pdf Download (187kB)
	Text 12. Bab I Pendahuluan.pdf Download (311kB)
	Text 13. Bab II Landasan Teori.pdf Download (485kB)
	Text 14. Bab III Metodologi Penelitian.pdf Download (452kB)
	Text 15. Bab IV Hasil dan Pembahasan.pdf Download (1MB)
	Text 16. Bab V Kesimpulan dan Saran.pdf Download (289kB)
	Text 17. Daftar Pustaka.pdf Download (308kB)
	Text lampiran.pdf Download (208kB)

Abstract

Sumber daya manusia (SDM) merupakan aset strategis yang berperan penting dalam mendukung efektivitas organisasi pemerintahan, termasuk di lingkungan Dinas Pendidikan dan Kebudayaan Provinsi Lampung. Penelitian ini bertujuan untuk menganalisis serta memprediksi kinerja pegawai dengan menerapkan dua algoritma machine learning, yaitu K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). Dataset penelitian terdiri dari 215 data pegawai dengan atribut meliputi usia, lama bekerja, tingkat pendidikan, jabatan, kehadiran, kepuasan kerja, serta status pencapaian kinerja sebagai label klasifikasi. Tahapan penelitian mencakup pra-pemrosesan data, penerapan algoritma klasifikasi, dan evaluasi model menggunakan metrik akurasi, presisi, recall, serta confusion matrix. Hasil penelitian menunjukkan bahwa algoritma KNN memperoleh akurasi sebesar 99,54%, sedangkan SVM menghasilkan akurasi sebesar 96,76%. Temuan ini membuktikan bahwa penerapan algoritma KNN dan SVM dapat menjadi dasar pengambilan keputusan berbasis data dalam pengelolaan kinerja pegawai sektor publik. Kata Kunci: Kinerja Pegawai, Data Mining, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Prediksi, Evaluasi Mode

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Neneng Uswatun Hasanah
Date Deposited:	09 Dec 2025 03:23
Last Modified:	09 Dec 2025 03:23
URI:	http://repo.darmajaya.ac.id/id/eprint/23365

Actions (login required)

View Item