Perancangan Model Sistem Pendukung Keputusan Untuk Menentukan Formasi CASN Menggunakan Naïve Bayes dan Simple Additive Weighting

Abstract

Di era reformasi birokrasi, pengelolaan manajemen Aparatur Sipil Negara (ASN) menjadi satu hal penting karena dapat mendorong efisiensi anggaran serta memaksimalkan kinerja dan layanan pemerintah. Salah satu penyebab belum optimalnya kinerja ASN hingga saat ini yaitu belum tepatnya penempatan formasi penerimaan pegawai CASN yang disebabkan belum adanya sistem pendukung keputusan yang digunakan oleh biro kepegawaian pada instansi pemerintah pada saat menentukan formasi CASN berdasarkan pada analisa kebutuhan pegawai dari setiap unit kerja. Oleh sebab itu kebijakan pemerintah melalui Surat kementrian PANRB Nomor: B-2156/M.PAN.RB/5/2014 terkait optimalisasi kebutuhan ASN, diperlukan analisa penyusunan kebutuhan formasi CASN dari setiap instansi pemerintah menggunakan e-Formasi. Dalam mendukung kebijakan pemerintah tersebut, tujuan penelitian ini adalah membuat model sistem pendukung keputusan untuk membantu instansi pemerintah dalam menganalisa kebutuhan formasi CASN dengan metode Naïve Bayes Classifier dan Simple Additive Weighting (SAW). Model algoritma Naïve Bayes Classifier yang menghasilkan nilai akurasi 94,44%. SAW digunakan untuk meranking unit kerja prioritas yang sangat membutuhkan formasi pegawai. Hasil penelitian ini dari sebuah model sistem pendukung keputusan dengan kombinasi algortima Naïve Bayes dan SAW didapatkan kelas dan alternatif A7, A8, A9, A4, dan A6 yang merupakan top 5 unit kerja prioritas yang paling membutuhkan pegawai CASN.