Suharyadi, Joshua (2018) Rancang Bangun Sistem Rekomendasi Pekerjaan Berdasarkan Dua Dominan pada Hasil Psikotes Menggunakan Algoritma KNN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Karyawan merupakan salah satu faktor penting dalam majunya sebuah perusahaan. Karyawan dengan kinerja yang baik tentu akan memberikan hasil yang positif untuk perusahaan. Salah satu yang dapat menentukan kinerja karyawan adalah penempatan yang tepat dalam pekerjaan. Untuk mengetahui penempatan yang tepat dalam sebuah pekerjaan, salah satu caranya dapat dilakukan dengan psikotes. Psikotes dapat membantu untuk mengetahui sifat dari seorang karyawan dan pekerjaan yang cocok berdasarkan sifatnya. Dibangunnya sistem aplikasi rekomendasi pekerjaan dibuat untuk membantu para calon karyawan mengetahui jati dirinya dan pekerjaan yang cocok sehingga dapat melamar sesuai dengan keahliannya. Sistem ini dibangun dengan bahasa pemrograman PHP, Javascript, HTML untuk platform berbasis web dan algoritma KNN sebagai metodenya. Algoritma KNN digunakan untuk mengukur jarak terdekat antara data training dan data uji untuk menghasilkan rekomendasi pekerjaan. Data training diambil dari pakar ahli, dan referensi buku. Pencobaan sistem diberikan kepada user dengan mengisi psikotes dan kuisioner mengenai kepuasan penggunaan sistem. Setelah mendapatkan feedback dari user, nilai kepuasan sistem mencapai 85%. Hal ini menyatakan bahwa sistem dapat memberikan rekomendasi pekerjaan yang sesuai dengan hasil psikotes dari user.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | K-Nearest Neighbor(KNN), Sistem rekomendasi |
Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ |
Divisions: | Faculty of Engineering & Informatics > Informatics |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 05 Dec 2019 03:00 |
Last Modified: | 25 Aug 2023 08:21 |
URI: | https://kc.umn.ac.id/id/eprint/11262 |
Actions (login required)
View Item |