Model Prediksi Perhitungan Gaji Karyawan Menggunakan Algoritma Decision Tree dengan Google Colab

Elsye Vegadinata; Fitriasih Fitriasih

doi:10.33506/insect.v12i01.5495

Authors

Elsye Vegadinata Program Studi D3 Teknik Informatika, Politeknik Purbaya, Tegal
Fitriasih Fitriasih Program Studi D3 Teknik Informatika, Politeknik Purbaya, Tegal

DOI:

https://doi.org/10.33506/insect.v12i01.5495

Keywords:

Decision Tree, Data Mining, Salary Prediction (atau Prediksi Gaji), Google Colab, Employee Performance

Abstract

Penelitian ini bertujuan untuk membangun model prediksi perhitungan gaji karyawan menggunakan algoritma Decision Tree yang diimplementasikan dengan Google Colab. Data simulasi sebanyak 100 sampel dibangkitkan menggunakan Python dengan variabel kinerja, lembur, absensi, dan tunjangan sebagai prediktor, serta total gaji sebagai target. Data dibagi menjadi 80% data latih dan 20% data uji. Hasil analisis menunjukkan bahwa kinerja merupakan faktor dominan dengan korelasi 0.875 terhadap gaji, sedangkan absensi memiliki korelasi negatif sebesar -0.053. Model Decision Tree mencapai akurasi 90%, precision 88.89%, dan recall 88.89% dengan confusion matrix [[10,1],[1,8]]. Penelitian ini membuktikan bahwa algoritma Decision Tree efektif untuk memprediksi gaji karyawan berbasis kinerja dan dapat diimplementasikan dengan mudah menggunakan Google Colab. Penelitian ini masih menggunakan data simulasi sehingga perlu validasi lebih lanjut dengan data riil perusahaan.

References

[1] S. Syam et al., Data Mining: Teori dan Penerapannya dalam Berbagai Bidang. PT. Sonpedia Publishing Indonesia, 2024.

[2] I. Himawati and F. Fitriasih, “Sistem Informasi Pembayaran Pada Lembaga Pendidikan Anak Hebat (Ahe) Unit Brekat Berbasis Web,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3610–3618, 2024, doi: 10.36040/jati.v8i3.9763.

[3] F. Fitriasih, M. Ainurrohman, F. Fahrudin, and Y. Nurasri, “Pengujian Keamanan Website JDIH Kab.Tegal Menggunakan Acunetix dengan Standar ISO/IEC/27001:2013,” J. Pengabdi. Sos., vol. 2, no. 3, pp. 3320–3323, 2025, doi: 10.59837/agthp967.

[4] A. N. Z. Hidayah and A. F. Rozi, “Penerapan Data Mining Dalam Menentukan Kinerja Karyawan Terbaik Dengan Menggunakan Metode Algoritma C4. 5 (Studi Kasus: Universitas Mercu Buana Yogyakarta),” J. Inf. Syst. Artif. Intell., vol. 1, no. 2, pp. 117–127, 2021.

[5] A. Aditama et al., “Klasifikasi Potensi Turnover Karyawan Berdasarkan Data Kinerja Menggunakan Algoritma C4. 5 Studi Kasus Pt. Republic Technology Nusantara,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2723–2730, 2025.

[6] N. R. Silaen et al., “Kinerja karyawan,” 2021.

[7] A. Nelson, A. Oktalia, L. Willyanto, and M. Ella, “Analisis jam kerja dan waktu lembur pada perusahaan manufaktur Kota Batam,” E-Bisnis J. Ilm. Ekon. dan Bisnis, vol. 16, no. 1, pp. 181–189, 2023.

[8] A. G. Mulia, “Sistem informasi absensi berbasis web di Politeknik Negeri Padang,” J. Teknol. Inf. Indones., vol. 5, no. 1, pp. 11–17, 2020.

[9] M. Fahrurrozi and S. Sriyanto, “Prediksi Loyalitas Karyawan Dengan Menggunakan Fitur Optimasi Pembobotan PSO dan Algoritma Decision Tree C4. 5,” TEKNIKA, vol. 17, no. 1, pp. 195–203, 2023.

[10] R. N. Pratama, R. Risdayanti, and N. F. Diniaty, “Sistem Informasi Penggajian Berbasis Web Pada Perusahaan Inkindo Provinsi Kalimantan Selatan,” J. INTEKNA Inf. Tek. dan Niaga, vol. 22, no. 02, pp. 76–94, 2022.

[11] I. M. Ienda, A. S. Wati, and L. R. Rahmi, “Pemanfaatan Algoritma Decision Tree Pada Machine Learning Dalam Penentuan Klasifikasi Kinerja Karyawan Pada CV Duta Media,” JUPITER J. Penelit. Ilmu dan Teknol. Komput., vol. 17, no. 1, pp. 169–177, 2025.

[12] F. F. Harryanto and S. Hansun, “Penerapan Algoritma C4. 5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE,” Jatisi, vol. 3, no. 2, pp. 95–103, 2017.

[13] A. Perdana, Data analytics: keterampilan teknis akuntan dan auditor di era digital. Madza Media, 2020.

[14] D. A. Darma and I. Wahyudin, “Analisis dan implementasi data mining untuk menentukan gaji karyawan tetap serta honorer memakai prosedur algoritma k-means clustering dan c4. 5,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 2, pp. 280–293, 2022.

[15] I. Jayanto, “Analisis Perbandingan Algoritma Decision Tree untuk Prediksi Karyawan dengan Potensi Atrisi di PT. XYZ,” J. Inform. Komputer, Bisnis dan Manaj., vol. 22, no. 1, pp. 49–59, 2024.

[16] D. A. Sahputra, M. R. R. Saelan, L. A. Utami, and W. Gata, “Penentuan Faktor Kelayakan Penerimaan Karyawan Menggunakan Algoritma Decision Tree pada Perusahaan PT. Personel Alih Daya,” J. Sains Dan Inform., vol. 6, no. 2, pp. 148–156, 2020.

[17] F. Fariyani, U. Nurbaiti, and I. Yulianti, “Comparison of Random Forest, K-Nearest Neighbors, Decision Tree, and Neural Network for Predicting Rainfall,” J. INFORMATICS Telecommun. Eng., vol. 9, no. 1, pp. 24–35, 2025.

[18] A. Alibasyah, A. Ajiz, G. Dwilestari, and E. Wahyudin, “Penerapan Algoritma Decision Tree dalam Penentuan Karyawan Kontrak,” MEANS (Media Inf. Anal. dan Sist., pp. 124–129, 2022.