PENERAPAN ALGORITMA COSINE SIMILARITY DAN TF-IDF DALAM MENENTUKAN RUMPUN JABATAN

• Príomhchruthaitheoir: Rangga Saputra, (Údar)
• Formáid: LEABHAR
• Foilsithe / Cruthaithe: 2024-01-09.
• Ábhair: Thesis; NonPeerReviewed
• Rochtain ar líne: Link Metadata
• Notes: http://repository.upnvj.ac.id/27831/44/ABSTRAK.pdf; http://repository.upnvj.ac.id/27831/45/AWAL.pdf; http://repository.upnvj.ac.id/27831/24/BAB%201.pdf; http://repository.upnvj.ac.id/27831/25/BAB%202.pdf; http://repository.upnvj.ac.id/27831/26/BAB%203.pdf; http://repository.upnvj.ac.id/27831/27/BAB%204.pdf; http://repository.upnvj.ac.id/27831/28/BAB%205.pdf; http://repository.upnvj.ac.id/27831/29/DAFTAR%20PUSTAKA.pdf; http://repository.upnvj.ac.id/27831/30/RIWAYAT%20HIDUP.pdf; http://repository.upnvj.ac.id/27831/31/HASIL%20PLAGIARISME.pdf; http://repository.upnvj.ac.id/27831/42/ARTIKEL%20KI.pdf
• Keywords: QA75 Electronic computers. Computer science

Pada tahun 2019, sebuah instansi pemerintah memperkenalkan sistem rumpun jabatan untuk meningkatkan efisiensi dalam penugasan jabatan pegawai. Tantangan muncul ketika data pegawai tahun sebelumnya tidak memiliki klasifikasi rumpun jabatan, dan data yang tersedia berupa teks dalam jumlah besar. Rumpun jabatan hanya dikelompokkan berdasarkan kesamaan karakteristik, termasuk keluarga jabatan, fungsi jabatan, dan peran jabatan. Rumpun Jabatan adalah kelompok dari jabatan administrasi yang saling terkait dalam tugas, fungsi, dan kompetensi untuk melaksanakan pekerjaan tertentu. Karena jumlah pegawai yang banyak, informasi yang melimpah, dan data yang dikelola merupakan data teks dalam jumlah yang besar, maka pengklasifikasian manual menjadi tidak efisien. Kondisi ini menyulitkan Biro SDM yang bertanggung jawab atas data pegawai. Untuk mengatasi permasalahan ini, diperlukan metode bantu yang dapat memproses data dengan cepat dan akurat. Salah satu pendekatan yang digunakan adalah Cosine Similarity menggunakan metode TF-IDF. Evaluasi hasil menunjukkan bahwa metode ini memberikan nilai precision untuk keluarga jabatan dan fungsi secara berurutan mencapai 89% dan 81%. Sementara itu, dalam mengklasifikasikan peran, tingkat precision yang dihasilkan rendah sebesar 52%. Meskipun terdapat error rate sebesar 26%, model ini dianggap cukup akurat dalam mengidentifikasi kesamaan antara data pegawai dan rumpun jabatan. Dengan toleransi error rate sebesar 30%, model ini dapat dipertimbangkan untuk implementasi oleh Biro SDM guna otomatisasi penentuan rumpun jabatan. Meskipun terdapat perbedaan kinerja antara kategori rumpun jabatan, model ini dianggap dapat diandalkan terutama untuk keluarga jabatan dan fungsi. Penelitian ini menyoroti potensi positif dalam penerapan algoritma tersebut sebagai solusi dalam konteks pengelolaan data pegawai dan klasifikasi rumpun jabatan. Kata kunci: Instansi Pemerintahan; Rumpun Jabatan; Cosine Similarity