PENERAPAN ALGORITMA MENGGUNAKAN RAPIDMINER UNTUK KATEGORISASI KOMPOTENSI DASAR CPNS
Abstract
Penelitian ini mengkaji penggunaan data mining dalam seleksi Calon Pegawai Negeri Sipil (CPNS) di Indonesia, khususnya Universitas Pattimura pada tahun 2021. Pemerintah dihadapkan pada tuntutan untuk merekrut PNS berkualitas dan kompeten. Dalam konteks ini, penelitian membandingkan dua algoritma, yaitu K-Nearest Neighbor dan C4.5, untuk mengklasifikasikan kompetensi dasar CPNS. Untuk empat kelas klasifikasi, hasil penelitian menunjukkan bahwa metode Decision Tree dengan algoritma C4.5 mempunyai tingkat akurasi sebesar 75%, tingkat kesalahan klasifikasi sebesar 5%, recall sebesar 97,14 persen, kappa sebesar 0,947, dan presisi 93,94 persen. Temuan ini memberikan gambaran tentang efektivitas algoritma C4.5 dalam mengurutkan konsekuensi Pilihan Kemampuan Penting (SKD) anggota CPNS Perguruan Tinggi Pattimura. Penelitian ini menekankan pentingnya penggunaan teknik data mining dalam meningkatkan efisiensi dan objektivitas dalam proses seleksi PNS. Hasil ini mungkin memiliki implikasi positif dalam memastikan bahwa PNS yang direkrut memenuhi standar kompetensi yang diinginkan oleh pemerintah.