Sistem Pendukung Keputusan Perpanjang Kontrak Karyawan dengan Algoritma Decision tree

Authors

  • Muhammad Yan Handoko Putra F Handoko Universitas Potensi Utama
  • Lili Tanti Lili Universitas Potensi Utama

Keywords:

Sistem Pendukung Keputusan; Perpanjangan Kontrak Karyawan; Algoritma ID3; Decision Tree; Evaluasi Kinerja Karyawan

Abstract

Proses perpanjangan kontrak kerja di perusahaan sering kali menimbulkan kompleksitas karena melibatkan kesejahteraan karyawan serta kelangsungan produktivitas organisasi. PT. Duta Agung Jaya, sebagai perusahaan outsourcing di Kota Medan, masih mengalami hambatan dalam menentukan karyawan yang memenuhi syarat untuk perpanjangan kontrak. Hingga saat ini, proses penentuan dilakukan secara manual atau semi-komputerisasi menggunakan Microsoft Excel, yang berpotensi menimbulkan kesalahan perhitungan, kecenderungan subjektivitas, serta kurangnya pertimbangan komprehensif terhadap aspek-aspek kinerja. Variabel independen yang diterapkan mencakup absensi, pendidikan, kuantitas kerja, disiplin, masa kerja, prestasi, komunikasi, dan tanggung jawab, sedangkan variabel dependen adalah kelayakan perpanjangan kontrak karyawan (layak/tidak layak). Data penelitian terdiri dari 1000 dataset karyawan kontrak, yang kemudian diproses dan diuji untuk menghasilkan model keputusan yang lebih objektif. Dengan pendekatan ini, penelitian diharapkan dapat menyediakan sistem yang akurat dalam memberikan rekomendasi keputusan, mengurangi kesalahan akibat subjektivitas, serta memfasilitasi manajemen dalam mengevaluasi kinerja karyawan secara transparan dan terukur. Secara keseluruhan, hasil penelitian ini diharapkan memberikan kontribusi signifikan dalam meningkatkan kualitas pengambilan keputusan di PT. Duta Agung Jaya, serta menjadi referensi bagi penelitian serupa di bidang penerapan Sistem Pendukung Keputusan dengan algoritma ID3 pada kasus manajemen sumber daya manusia. Algoritma ID3 atau Iterative Dichotomiser 3 merupakan salah satu algoritma yang dapat digunakan untuk membangun decision tree dengan mencari semua kemungkinan dalam pohon keputusan melalui struktur hierarki untuk pembelajaran terawasi.

References

M. Ali, R. Prasetiyo, and B. Sujatmiko, “Rekayasa Sistem Pendukung Keputusan dengan Algoritma ID3 dalam Penentuan Jurusan Akademik (Studi Kasus: SMA Negeri 3 Ngajuk),” Inov. J. Ilm. Inov. Teknol. Inf., vol. 7, no. 1, pp. 17–23, 2022, doi: 10.33752/inovate.v7i1.3677.

M. B. P. Husaini, A. Pranata, and I. Mariami, “Sistem Pendukung Keputusan Untuk Menetukan Perpanjangan Kontrak Kerja Karyawan Menggunakan Motode Elimination and Choice Translation Reality (ELECTRE) Pada PT. Bengkel Bangun Service,” J. Cyber Tech, vol. 4, no. 5, pp. 1–11, 2021, doi: 10.53513/jct.v4i5.4000.

E. Turban and J. E. Aronson, Decision Support Systems and Intelligent Systems. Upper Saddle River, NJ, USA: Prentice Hall, 1998.

A. Abedinia and V. Seydi, “Building semi-supervised decision trees with semi-cart algorithm,” Int. J. Mach. Learn. Cybern., vol. 15, pp. 4493–4510, 2024, doi: 10.1007/s13042-024-02161-z.

S. Moslehi, N. Rabiei, A. R. Soltanian, and others, “Application of machine learning models based on decision trees in classifying the factors affecting mortality of COVID-19 patients in Hamadan, Iran,” BMC Med. Inform. Decis. Mak., vol. 22, p. 192, 2022, doi: 10.1186/s12911-022-01939-x.

Z. Mohammadi-Pirouz, K. Hajian-Tilaki, M. Sadeghi Haddat-Zavareh, and others, “Development of decision tree classification algorithms in predicting mortality of COVID-19 patients,” Int. J. Emerg. Med., vol. 17, p. 126, 2024, doi: 10.1186/s12245-024-00681-7.

I. Kurniawati, A. Muhidin, and F. E. Putra, “Klasifikasi Perpanjangan Kontrak Karyawan pada PT Milpo Menggunakan Algoritma Naive Bayes,” Remik Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 8, no. 1, pp. 249–259, 2024, doi: 10.33395/remik.v8i1.13358.

D. K. Widiyaningrum, R. Septiani, P. Larasati, and A. Wibowo, “Algoritma Naive Bayes untuk Menentukan Kelayakan Perpanjangan Kontrak pada PT. Gemilang,” J. Ilmu Komput. dan Bisnis, vol. 11, no. 2, pp. 2441–2445, 2020, doi: 10.47927/jikb.v11i2.5.

N. Ramadhani, A. W. Syahroni, and I. Darmawan, “Pencarian Klasifier Terbaik sebagai Solusi Rekrutmen Karyawan Menggunakan Algoritma Iterative Dichotomiser 3 (ID3),” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 6, no. 2, pp. 324–334, 2022, doi: 10.30743/infotekjar.v6i2.4747.

H. Blockeel, L. Devos, B. Frénay, G. Nanfack, and S. Nijssen, “Decision trees: from efficient prediction to responsible AI,” Front. Artif. Intell., vol. 6, p. 1124553, 2023, doi: 10.3389/frai.2023.1124553.

R. Ofori-Boateng, M. Aceves-Martins, N. Wiratunga, and others, “Towards the automation of systematic reviews using natural language processing, machine learning, and deep learning: a comprehensive review,” Artif. Intell. Rev., vol. 57, p. 200, 2024, doi: 10.1007/s10462-024-10844-w.

V. Blanco, A. Japón, and J. Puerto, “Robust optimal classification trees under noisy labels,” Adv. Data Anal. Classif., vol. 16, pp. 155–179, 2022, doi: 10.1007/s11634-021-00467-2.

M. Koren and O. Peretz, “A quantum procedure for estimating information gain in Boolean classification task,” Quantum Mach. Intell., vol. 6, no. 1, p. 16, 2024, doi: 10.1007/s42484-024-00151-6.

Suhartini, M. Sadali, and Y. K. Putra, “Sistem Informasi Berbasis Web SMA Al-Mukhtariyah Mamben Lauk Berbasis PHP dan MySQL dengan Framework CodeIgniter,” Infotek J. Inform. dan Teknol., vol. 3, no. 1, pp. 79–83, 2020, doi: 10.29408/jit.v3i1.1793.

S. Yang, J.-Z. Guo, and J.-W. Jin, “An improved Id3 algorithm for medical data classification,” Comput. & Electr. Eng., vol. 65, pp. 474–487, Jan. 2018, doi: 10.1016/j.compeleceng.2017.08.005.

R. Buaton, H. Mawengkang, M. Zarlis, S. Effendi, A. M. H. Pardede, and others, “Decision Tree Optimization in Data Mining with Support and Confidence,” in Journal of Physics: Conference Series, 2019, p. 12056. doi: 10.1088/1742-6596/1255/1/012056.

Y. Wang, Y. Li, Y. Song, X. Rong, and S. Zhang, “Improvement of ID3 Algorithm Based on Simplified Information Entropy and Coordination Degree,” Algorithms, vol. 10, no. 4, p. 124, 2017, doi: 10.3390/a10040124.

scikit-learn Developers, “Decision Trees — scikit-learn User Guide (Mathematical formulation),” 2025. [Online]. Available: https://scikit-learn.org/stable/modules/tree.html

Downloads

Published

2025-12-31

How to Cite

Handoko, M. Y. H. P. F., & Lili, L. T. (2025). Sistem Pendukung Keputusan Perpanjang Kontrak Karyawan dengan Algoritma Decision tree. Jurnal Sistem Komputer Dan Informatika (JSON), 7(2), 308–320. Retrieved from https://ejurnal.stmik-budidarma.ac.id/index.php/JSON/article/view/9157

Issue

Vol. 7 No. 2 (2025): Desember 2025

Section

Articles

License

Copyright (c) 2025 Jurnal Sistem Komputer dan Informatika (JSON)

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).