Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Analisis Penilaian Kinerja Pekerja Building Maintenance Menggunakan Metode Klasifikasi Dengan Algoritma Decision Tree

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 4 No. 1 (2024) · hlm. 129–137

DOI
10.51454/decode.v4i1.250
ISSN
2775-1813, 2775-2984
Terbit
2024-01-19
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

Dalam pemeliharaan bangunan, kegagalan memahami kondisi ketidakpastian dapat berpotensi menimbulkan risiko yang akan mempengaruhi tujuan proyek konstruksi yaitu, pada biaya yang optimal namun dengan kualitas yang sesuai terhadap konsep dan spesifikasi proyek yang diinginkan serta waktu pelaksanaan yang tepat. Kualitas hasil pekerja yang melaksanakan tugas dan tanggung jawabnya dapat dilakukan penilaian kinerja pekerja. PT Harewa merupakan perusahaan yang bergerak di bidang jasa building maintenance. Penelitian ini untuk menganalisis data penilaian kinerja pekerja building maintenance menggunakan metode klasifikasi dengan algoritma Decision Tree bertujuan untuk mengetahui aspek variable dalam meningkatkan kinerja pekerja building maintenance sehingga memberikan hasil keputusan analisis data penilaian kinerja pekerja dengan pemanfaatan algoritma Decision Tree. Performance accuracy dalam pengoptimalisasi pemodelan kinerja klasifikasi algoritma Decision Tree mendapati nilai accuracy sebesar 77.50%, Precision tertinggi 82.28%, dan recall tertinggi 83.33%. Hasil performance algoritma Decision Tree dapat dimanfaatkan sebagai keputusan peningkatan kinerja pekerja, karena hasil performance accuracy, precision, dan recall membuktikan nilai rata-rata diatas 50%. Dengan demikian, pemanfaatan algoritma Decision Tree dapat membuat hasil keputusan analisis data penilaian kinerja pekerja building maintenance sebagai penunjang peningkatan kinerja pekerja building maintenance dalam kualitas pengerjaan building maintenance yang akan mendatang.

Jaringan kolaborasi para penulis

4 penulis · 6 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Analisis Penilaian Kinerja Pekerja Building Maintenance Menggunakan Metode Klasifikasi Dengan Algoritma Decision Tree</dc:title><dc:creator>Capah, Dwi Ade Handayani</dc:creator><dc:creator>Gerryco Muda Siam Trapsilo</dc:creator><dc:creator>Nevia Andita Wulandari</dc:creator><dc:creator>Yunita Rahayu Apriani</dc:creator><dc:description>&lt;jats:p&gt;Dalam pemeliharaan bangunan, kegagalan memahami kondisi ketidakpastian dapat berpotensi menimbulkan risiko yang akan mempengaruhi tujuan proyek konstruksi yaitu, pada biaya yang optimal namun dengan kualitas yang sesuai terhadap konsep dan spesifikasi proyek yang diinginkan serta waktu pelaksanaan yang tepat. Kualitas hasil pekerja yang melaksanakan tugas dan tanggung jawabnya dapat dilakukan penilaian kinerja pekerja. PT Harewa merupakan perusahaan yang bergerak di bidang jasa building maintenance. Penelitian ini untuk menganalisis data penilaian kinerja pekerja building maintenance menggunakan metode klasifikasi dengan algoritma Decision Tree bertujuan untuk mengetahui aspek variable dalam meningkatkan kinerja pekerja building maintenance sehingga memberikan hasil keputusan analisis data penilaian kinerja pekerja dengan pemanfaatan algoritma Decision Tree. Performance accuracy dalam pengoptimalisasi pemodelan kinerja klasifikasi algoritma Decision Tree mendapati nilai accuracy sebesar 77.50%, Precision tertinggi 82.28%, dan recall tertinggi 83.33%. Hasil performance algoritma Decision Tree dapat dimanfaatkan sebagai keputusan peningkatan kinerja pekerja, karena hasil performance accuracy, precision, dan recall membuktikan nilai rata-rata diatas 50%. Dengan demikian, pemanfaatan algoritma Decision Tree dapat membuat hasil keputusan analisis data penilaian kinerja pekerja building maintenance sebagai penunjang peningkatan kinerja pekerja building maintenance dalam kualitas pengerjaan building maintenance yang akan mendatang.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2024-01-19</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v4i1.250</dc:identifier><dc:identifier>10.51454/decode.v4i1.250</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 4 No 1 (2024); 129-137</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/250/137</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>