IMPLEMENTASI ALGORITMA RANDOM FOREST DALAM SISTEM SELEKSI KARYAWAN TERBAIK UNTUK MENINGKATKAN EFEKTIVITAS KEPUTUSAN DI PT. XYZ
Abstract
Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) dalam proses seleksi karyawan terbaik di PT. XYZ menggunakan algoritma Random Forest. Permasalahan utama yang dihadapi perusahaan adalah proses penilaian karyawan yang masih dilakukan secara manual melalui Microsoft Excel, sehingga rawan terhadap kesalahan perhitungan, duplikasi data, serta memerlukan waktu yang lama untuk menentukan karyawan berprestasi. Untuk mengatasi hal tersebut, penelitian ini mengusulkan penerapan sistem berbasis web yang terintegrasi dengan model klasifikasi machine learning guna meningkatkan efisiensi dan objektivitas proses evaluasi. Metode penelitian yang digunakan meliputi tiga tahap pengumpulan data, yaitu studi pustaka, observasi, dan wawancara. Proses pengembangan sistem dilakukan menggunakan model Software Development Life Cycle (SDLC) dengan pendekatan Waterfall, yang mencakup tahapan perencanaan, analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Hasil implementasi menunjukkan bahwa sistem mampu menampilkan hasil penilaian karyawan berdasarkan empat kriteria utama: kedisiplinan, kinerja, sikap kerja, dan keahlian, yang kemudian diolah menggunakan algoritma Random Forest untuk menentukan peringkat akhir. Hasil pengujian menunjukkan bahwa penerapan metode Random Forest memberikan tingkat akurasi yang tinggi dalam proses klasifikasi dengan nilai akurasi mencapai 91,2%, serta menghasilkan peringkat karyawan yang konsisten dengan hasil evaluasi HRD. Sistem ini juga dilengkapi dengan antarmuka pengguna yang sederhana dan informatif, yang memudahkan admin, HRD, dan karyawan dalam mengakses informasi sesuai hak akses masing-masing. Secara keseluruhan, penerapan algoritma Random Forest dalam sistem pendukung keputusan ini terbukti efektif dalam meningkatkan kecepatan, objektivitas, dan transparansi proses penilaian karyawan di PT. XYZ.
References
[2] Azka Naufal Nurrahman, Eddy Prasetyo Nugroho, and Yudi Ahmad Hambali, “Sistem Pendukung Keputusan Penerima Bantuan Zakat Menggunakan Random Forest dan Fuzzy Analytical Hierarchy Process,” J. Komput. Teknol. Inf. Sist. Inf., vol. 4, no. 2, pp. 720–732, 2025, doi: 10.62712/juktisi.v4i2.510.
[3] L. Y. Sari, D. S. Nasution, F. Rafdhi, and N. K. Dewi, “Implementasi Sistem Pendukung Keputusan Dengan Metode Multi-Attribute Utility Theory Untuk Pemilihan Karyawan Terbaik Di PT Sharp Electronics Indonesia,” vol. 7, pp. 46–51, 2025.
[4] N. Elah and R. Sudrajat, “Implementasi Metode Analytical Hierarchy Process ( AHP ) pada Rancang Bangun Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Pada PT XYZ Available at :,” vol. 9, no. 1, 2025.
[5] E. Sahelvi, P. Cikita, and R. M. Sapitri, “Comparison of K-Nearest Neighbors and Random Forest Algorithms for Recommendations for a Healthy Lifestyle in Prevent Heart Disease Perbandingan Algoritma K-Nearest Neighbors dan Random Forest untuk Rekomendasi Gaya Hidup Sehat dalam Mencegah Penyakit Jan,” vol. 5, no. July, pp. 830–840, 2025.
[6] A. Sari, M. Arifin, E. Darmanto, F. Teknik, and U. M. Kudus, “Prediksi kebutuhan stok barang menggunakan algoritma random forest untuk meningkatkan efisiensi penjualan,” vol. 9, no. 2, pp. 339–351, 2025.
[7] A. R. B. J. Jamroni, Wahyu Hadikristanto, and Muhamad Fatchan, “Analisis Faktor dan Prediksi Atrisi untuk Optimalisasi Retensi Karyawan Menggunakan Machine Learning,” bit-Tech, vol. 7, no. 3, pp. 1057–1067, 2025, doi: 10.32877/bt.v7i3.2301.
[8] W. Naf’ul Huja, Muslim Hidayat, and Muhamad Fuat Asnawi, “Analisis Model Prediksi Kinerja Karyawan Pada Sebuah Perusahaan Garmen Menggunakan Machine Learning,” TECHNOMEDIA Informatics Comput., vol. 2, no. 1, pp. 9–14, 2025, doi: 10.58641/technomedia.v2i1.123.
[9] M. T. Informasi, U. Pembangunan, and P. Budi, “Analisis Pola Peningkatan Indeks Profesionalitas ASN Kabupaten Asahan Menggunakan Random Forest Dan Gradient Boosting Machines,” vol. 07, no. 02, pp. 141–149, 2025.
[10] Widia Ramadhani, Yuliwanda Anggi Kusumastuti, Elvi Fetrina, Qurrotul Aini, and Meinarini Catur Utami, “Penerapan Metode Profile Matching untuk Menunjang Keputusan Seleksi Penerimaan Anggota pada Perusahaan Marikator,” J. Appl. Comput. Sci. Technol., vol. 6, no. 1, pp. 46–56, 2025, doi: 10.52158/jacost.v6i1.1109.
[11] W. A. Samsudin and A. I. Nurhidayat, “Implementasi Metode Simple Additive Weighting (Saw) Dalam Perancangan Aplikasi Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Berbasis Website Pada Pt. Eternity Tech International,” 2025.
[12] M. Iqbal, D. Abdullah, and Y. Afrillia, “Penerapan Algoritma Random Forest Untuk Menentukan Kelayakan Penerima Blt,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1220–1230, 2025, doi: 10.36341/rabit.v10i2.6503.
[13] NI Wayan Priscila Yuni Praditya, E. Purnamasari, and R. M. Fajri, “Perancangan Sistem Pakar Diagnosis Penyakit Kulit Dengan Menggunakan Algoritma Forward Chaining,” J. Ilm. Inform. Glob., vol. 16, no. 1, pp. 50–56, 2025, doi: 10.36982/jiig.v16i1.5167.
[14] I. Puspitorini, J. T. Kumalasari, and I. D. Sintawati, “Analisis Penerimaan Karyawan Konveksi Posisi Tukang Jahit Menggunakan Algoritma Decision Tree Pada PT. Nilosa Rama Buana,” J. Minfo Polgan, vol. 14, no. 1, pp. 1406–1411, 2025, doi: 10.33395/jmp.v14i1.15060.
[15] W. T. R. Ridwan, S. Sunardi, and S. Alam, “Implementasi Algoritma Sequential Search dalam Pencarian Data Cuti pada Aplikasi Cuti Pegawai,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 5, no. 1, pp. 198–206, 2024, doi: 10.57152/malcom.v5i1.1735.
This work is licensed under a Creative Commons Attribution 4.0 International License.
_uk200_pxl.jpg)
_Barcode3.png)
