[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-seo-227643-113":3,"detail-sidebar-cat-0-id-113":81,"doc-detail-227643-id":128},{"code":4,"msg":5,"data":6},0,"ok",{"site_id":7,"language":8,"slug":9,"title":10,"keywords":11,"description":12,"schema_data":13,"social_meta":74,"head_meta":76,"extra_data":78,"updated_unix":80},113,"id","application-of-algorithms-using-rapidminer-for-categorizing-cpns-basic-competencies-study-comparing-knearest-neighbor-and-c45","Penerapan Algoritma Menggunakan RapidMiner untuk Kategorisasi Kompetensi Dasar CPNS - Penelitian dan Perbandingan KNearest Neighbor serta C4.5","","Penelitian ini mengkaji penerapan data mining dalam seleksi Calon Pegawai Negeri Sipil (CPNS), dengan fokus pada Universitas Pattimura tahun 2021. Pemerintah menuntut rekrutmen PNS yang berkualitas dan kompeten, sehingga penelitian membandingkan KNearest Neighbor dan C4.5 untuk klasifikasi kompetensi dasar CPNS. Dari empat kelas klasifikasi, C4.5 pada Decision Tree menghasilkan akurasi 75%, kesalahan 5%, recall 97,14%, kappa 0,947, dan presisi 93,94%. Temuan ini menegaskan efektivitas C4.5 serta pentingnya data mining untuk meningkatkan efisiensi dan objektivitas seleksi.",{"@graph":14,"@context":73},[15,34,56],{"@type":16,"itemListElement":17},"BreadcrumbList",[18,23,27,31],{"item":19,"name":20,"@type":21,"position":22},"https://docshare.wps.com","Home","ListItem",1,{"item":24,"name":25,"@type":21,"position":26},"https://docshare.wps.com/id/document/","Document",2,{"item":28,"name":29,"@type":21,"position":30},"https://docshare.wps.com/id/document/penelitian-laporan/","Penelitian & Laporan",3,{"item":32,"name":10,"@type":21,"position":33},"https://docshare.wps.com/id/document/application-of-algorithms-using-rapidminer-for-categorizing-cpns-basic-competencies-study-comparing-knearest-neighbor-and-c45/227643/",4,{"url":32,"name":10,"@type":35,"image":36,"author":41,"headline":10,"publisher":44,"fileFormat":47,"inLanguage":8,"description":12,"dateModified":48,"datePublished":49,"encodingFormat":47,"isAccessibleForFree":50,"interactionStatistic":51},"DigitalDocument",{"url":37,"@type":38,"width":39,"height":40},"https://docshare.wps.com/thumbnails/application-of-algorithms-using-rapidminer-for-categorizing-cpns-basic-competencies-study-comparing-knearest-neighbor-and-c45/227643.png","ImageObject",300,407,{"name":42,"@type":43},"Angel","Person",{"url":19,"name":45,"@type":46},"DocShare","Organization","application/pdf","2026-10-09","2026-09-10",true,{"@type":52,"interactionType":53,"userInteractionCount":55},"InteractionCounter",{"@type":54},"ViewAction",6,{"@type":57,"mainEntity":58},"FAQPage",[59,65,69],{"name":60,"@type":61,"acceptedAnswer":62},"Penelitian ini membahas apa dalam konteks CPNS?","Question",{"text":63,"@type":64},"Penelitian ini membahas penggunaan data mining untuk seleksi CPNS, khususnya kategorisasi kompetensi dasar CPNS di Universitas Pattimura pada tahun 2021.","Answer",{"name":66,"@type":61,"acceptedAnswer":67},"Algoritma apa saja yang dibandingkan untuk klasifikasi kompetensi dasar CPNS?",{"text":68,"@type":64},"Penelitian membandingkan dua algoritma, yaitu KNearest Neighbor dan C4.5, menggunakan pendekatan klasifikasi.",{"name":70,"@type":61,"acceptedAnswer":71},"Bagaimana kinerja algoritma C4.5 pada model Decision Tree menurut hasil penelitian?",{"text":72,"@type":64},"Decision Tree dengan algoritma C4.5 mencapai akurasi 75%, tingkat kesalahan 5%, recall 97,14%, kappa 0,947, dan presisi 93,94%.","https://schema.org",{"og:url":32,"og:type":75,"og:title":10,"og:site_name":45,"og:description":12},"article",{"robots":77,"canonical":32},"index,follow",{"doc_id":79,"site_id":7},227643,1789011456,{"code":4,"msg":82,"data":83},"success",[84,89,93,97,101,105,108,112,116,120,124],{"id":85,"doc_module":4,"doc_module_name":25,"category_name":86,"show_sort_weight":87,"slug":88},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":90,"doc_module":4,"doc_module_name":25,"category_name":91,"show_sort_weight":87,"slug":92},48,"Cerita & Novel","story-novel",{"id":94,"doc_module":4,"doc_module_name":25,"category_name":95,"show_sort_weight":87,"slug":96},56,"Gaya Hidup","lifestyle",{"id":98,"doc_module":4,"doc_module_name":25,"category_name":99,"show_sort_weight":87,"slug":100},51,"Komik","comic",{"id":102,"doc_module":4,"doc_module_name":25,"category_name":103,"show_sort_weight":87,"slug":104},53,"Layanan Kesehatan","healthcare",{"id":106,"doc_module":4,"doc_module_name":25,"category_name":29,"show_sort_weight":87,"slug":107},54,"research-report",{"id":109,"doc_module":4,"doc_module_name":25,"category_name":110,"show_sort_weight":87,"slug":111},49,"Sastra","literature",{"id":113,"doc_module":4,"doc_module_name":25,"category_name":114,"show_sort_weight":87,"slug":115},52,"Teknologi","technology",{"id":117,"doc_module":4,"doc_module_name":25,"category_name":118,"show_sort_weight":87,"slug":119},50,"Ujian","exam",{"id":121,"doc_module":4,"doc_module_name":25,"category_name":122,"show_sort_weight":87,"slug":123},57,"Umum","general",{"id":125,"doc_module":4,"doc_module_name":25,"category_name":126,"show_sort_weight":4,"slug":127},181,"Formulir","formulir",{"code":4,"msg":82,"data":129},{"doc_id":79,"user_id":130,"nickname":42,"user_avatar":131,"doc_module":4,"category_id":106,"category_name":29,"doc_title":10,"doc_description":12,"doc_content":132,"file_id":133,"file_url":134,"file_type":135,"file_size":136,"view_count":55,"is_deleted":4,"is_public":22,"is_downloadable":22,"audit_status":22,"page_count":55,"language":137,"language_code":8,"site_id":7,"html_lang":8,"table_of_contents":138,"faqs":139,"seo_title":140,"seo_description":12,"update_tm":80,"read_time":141},687207412472,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","PENERAPAN ALGORITMA MENGGUNAKAN RAPIDMINER UNTUK KATEGORISASI KOMPOTENSI DASAR CPNS  \nSidik Mahesa Putra, Muhammad Rendi, Depi Rusda  \nProgram Studi Sistem Informasi S1, Fakultas Ilmu Komputer  \nUniversitas Darwan Ali, Jalan Batu Berlian No. 10 Kota Sampit, Indonesia  \n[sidikmp88@gmail.com](sidikmp88@gmail.com)  \nABSTRAK  \nPenelitian ini mengkaji penggunaan data mining dalam seleksi Calon Pegawai Negeri Sipil (CPNS) diIndonesia, khususnya Universitas Pattimura pada tahun 2021. Pemerintah dihadapkan pada tuntutan untuk merekrut PNS berkualitas dan kompeten. Dalam konteks ini, penelitian membandingkan dua algoritma, yaitu KNearest Neighbor dan C4.5, untuk mengklasifikasikan kompetensi dasar CPNS. Untuk empat kelas klasifikasi, hasil penelitian menunjukkan bahwa metode Decision Tree dengan algoritma C4.5 mempunyai tingkat akurasisebesar 75%, tingkat kesalahan klasifikasi sebesar 5%, recall sebesar 97,14 persen, kappa sebesar 0,947, dan presisi 93,94 persen. Temuan ini memberikan gambaran tentang efektivitas algoritma C4.5 dalam mengurutkankonsekuensi Pilihan Kemampuan Penting (SKD) anggota CPNS Perguruan Tinggi Pattimura. Penelitian ini menekankan pentingnya penggunaan teknik data mining dalam meningkatkan efisiensi dan objektivitas dalamproses seleksi PNS. Hasil ini mungkin memiliki implikasi positif dalam memastikan bahwa PNS yang direkrut memenuhi standar kompetensi yang diinginkan oleh pemerintah.  \nKata kunci: Pegawai Negeri, RapidMiner, CPNS, Kompetensi  \n1. PENDAHULUAN  \nPejabat berwenang Republik Indonesia berwenang mengangkat warga negara Indonesia menjadi pegawai dan menugaskannya dalam jabatanyang sesuai dengan keahlian dan kualifikasinya, sertamenerima gaji sesuai dengan undang-undang dan peraturan yang berlakua dalah Pejabat Pegawai Negeri Sipil (PNS) di Indonesia[1] . Pengalamansebagai seorang pegawai negeri merupakan hal menarik bagi berbagai kelompok di Indonesia, tidak lain adalah lulusan baru dan mantan siswa sekolah menengah pertama dan menengah atas di seluruh negeri. Oleh sebab itu, setiap tahun dalam seleksi CPNS, ribuan orang dapat bersaing untuk satu posisi di lembaga tertentu. Keuntungan menjadi pegawai negeri meliputi pendapatan yang tetap, manfaat pensiun, perlindungan dari pemecatan pegawai tanpa alasan yang jelas, danjalan karir yang jelas. Selain itu, sebagai pegawai negeri, terdapat banyak keuntungan lainnya[2] . Saat ini, keterbatasan jumlah PNS yang berkualifikasi adalah masalah yang dihadapipemerintah. Itu telah menjadi suatu hal penting dalam tata kelola Indonesia. Reformasi rekrutmen CPNSadalah salah satu reformasi penting yang harus segeradilakukan. Hal ini mengingat sebagian besar pegawai negeri sipil di Indonesia sedang menjalani prosespendaftaran CPNS. Pendaftaran adalah salah satu bagian penting dari teknik dewan bantuan umum. Pemilihan calon pegawai negeri sipil yang mempunyai integritas tinggi dankemampuan sumber daya manusia yang unggul merupakan tujuan rekrutmen CPNS. Hal ini dicapai melalui proses rekrutmen yang bertanggung jawab dan terbuka.  \nBersamaan dengan perkembangan teknologi, metode data mining menggunakan teknik klasifikasi data  \njuga telah berkembang. Berbagai penelitian telahdilakukan dalam konteks ini. Sebagai contoh, sebuah penelitian tentang algoritma klasifikasi untuk validasiuang kertas mencapai akurasi yang sangat tinggi, dengan hasil akurasi sebesar 98.5% menggunakan metode Decision Tree C4.5, sedangkan Neural Network mencapai 95%, dan Naive Bayes mencapai 85%[3] . Selain itu, penelitian lain menggunakan teknik data mining dengan SVM (Support Vector Machine) untuk memprediksi kompetensi dasar CPNS dan mencapai akurasi sebesar 43.33%[4] . Padaeksplorasi kali ini, pelaksanaan penanganan gambardan pemesanan menggunakan K-Closest Neighbor yang diunggulkan adalah dengan membangun aplikasi online untuk memisahkan daging sapi dan daging babi, dan berhasil mengklasifikasikan perbedaan antara daging sapi dan daging babi dengan akurasi 88.75% berdasarkan ekstraksi fitur teks","cbCaigNrH6hDYAl8","https://ap.wps.com/l/cbCaigNrH6hDYAl8","pdf",266325,"Indonesian","# PENDAHULUAN\n## Latar belakang seleksi CPNS dan kebutuhan rekrutmen berbasis kompetensi\n## Perkembangan data mining dan klasifikasi pada berbagai studi\n# TINJAUAN PUSTAKA\n## Data Mining\n## Faktor pendorong pertumbuhan data mining\n## Kelompok tugas dalam data mining","[{\"question\":\"Penelitian ini membahas apa dalam konteks CPNS?\",\"answer\":\"Penelitian ini membahas penggunaan data mining untuk seleksi CPNS, khususnya kategorisasi kompetensi dasar CPNS di Universitas Pattimura pada tahun 2021.\"},{\"question\":\"Algoritma apa saja yang dibandingkan untuk klasifikasi kompetensi dasar CPNS?\",\"answer\":\"Penelitian membandingkan dua algoritma, yaitu KNearest Neighbor dan C4.5, menggunakan pendekatan klasifikasi.\"},{\"question\":\"Bagaimana kinerja algoritma C4.5 pada model Decision Tree menurut hasil penelitian?\",\"answer\":\"Decision Tree dengan algoritma C4.5 mencapai akurasi 75%, tingkat kesalahan 5%, recall 97,14%, kappa 0,947, dan presisi 93,94%.\"}]","Penerapan Algoritma Menggunakan RapidMiner untuk Kategorisasi Kompetensi Dasar CPNS - Penelitian dan Perbandingan KNearest Neighbor serta C4.5 | PDF",9]