Analisis Algoritma Naive Bayes Pada Penerimaan CPNS (Studi Kasus : Kementerian Hukum Jawa Timur 2024 Penjaga Tahanan)
Abstract
Pengadaan Calon Pegawai Negeri Sipil (CPNS) Kementerian Hukum Jawa Timur tahun 2024 formasi penjaga tahanan menyediakan kuota 252 laki-laki dan 108 perempuan. Dengan jumlah pendaftar yang sangat besar, proses seleksi harus dilakukan secara ketat untuk memastikan terpilihnya calon ASN yang kompeten. Penerapan algoritma Naive Bayes untuk melakukan prediksi penerimaan peserta CPNS, bertujuan untuk menganalisis kinerjanya pada formasi penjaga tahanan tahun 2024 dan memperoleh tingkat akurasi tinggi. Naive Bayes dipilih karena kemampuan klasifikasi yang baik dan proses perhitungannya yang efisien. Data yang digunakan berjumlah 150, dengan 7 atribut : nilai TWK, TIU, TKP, CAT, kesehatan dan pengamatan fisik, kesamaptaan dan keterampilan, serta wawancara. Analisis dilakukan dengan perbandingan data latih dan data uji ke dalam tiga scenario yaitu 90:10, 80:20, dan 70:30. Hasil evaluasi memperlihatkan analisis pertama menghasilkan akurasi 93,33%, precision 83,33%, recall 100%, dan f1-score 90,90%. Analisis kedua dan ketiga mencapai nilai sempurna 100% untuk seluruh metrik. Hasil menunjukkan bahwa algoritma Naive Bayes sangat tepat dan pantas digunakan untuk memprediksi penerimaan CPNS, khususnya pada formasi penjaga tahanan di Kementerian Hukum Jawa Timur.
Keywords
Full Text:
PDFReferences
N. Nurhikmah, “Hegemoni Tes CPNS 2024: Dampak Psikologis dan Sosial terhadap Masyarakat dalam Mencapai Kesetaraan Peluang Kerja di Sektor Publik,” Abdurrauf Science and Society, vol. 1, no. 1, pp. 38–47, Oct. 2024, doi: 10.70742/asoc.v1i1.99.
R. D. Syah, “Metode Decision Tree Untuk Klasifikasi Hasil Seleksi Kompetensi Dasar Pada CPNS 2019 Di Arsip Nasional Republik Indonesia,” infokom, vol. 25, no. 2, pp. 107–114, 2020, doi: 10.35760/ik.2020.v25i2.2750.
. C. Media, H. P. sari, and D. Prabowo, “Kemenkumham Dipecah Jadi 3 Kementerian, Yusril: Supaya Lebih Fokus,” KOMPAS.com. Accessed: Aug. 07, 2025. [Online]. Available: https://nasional.kompas.com/read/2024/10/21/10271091/kemenkumham-dipecah-jadi-3-kementerian-yusril-supaya-lebih-fokus
K. Jatim, “Pengumuman CPNS 2024.” Accessed: Aug. 11, 2025. [Online]. Available: https://jatim.kemenkum.go.id/component/content/article/pengumuman-cpns-2024?catid=63&Itemid=101
A. F. Watratan, A. Puspita, and D. Moeis, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” JACOST, vol. 1, no. 1, pp. 7–14, Jul. 2020, doi: 10.52158/jacost.v1i1.9.
I. Priyanto, E. M. Dewanti, T. Tundo, M. Nurdin, and R. Kasiono, “Penerapan Algoritma Metode Naive Bayes Untuk Penentuan Penerimaan Bantuan Program Indonesia Pintar (PIP),” JMIJayakarta, vol. 4, no. 2, p. 162, Apr. 2024, doi: 10.52362/jmijayakarta.v4i2.1355.
M. Irsyad and T. Fatimah, “Implementasi Algotirma Naive Bayes Untuk Penerimaan Karyawan Pada PT. Ghara Indonesia Berbasis Web,” vol. 3, no. 2, pp. 382–389, 2024.
W. Ningsih, B. Budiman, and I. Umami, “Implementasi Algoritma Naïve Bayes Untuk Menentukan Calon Penerima Beasiswa Di SMK YPM 14 Sumobito Jombang,” JTEKSIS, vol. 4, no. 2, pp. 446–454, Jul. 2022, doi: 10.47233/jteksis.v4i2.570.
M. A. Na’im and S. Mujilahwati, “Analisis Sentimen Kinerja Kepemimpinan Bupati Dari Data Komentar Menggunakan Metode Naïve Bayes Classifier (Studi: Kabupaten Lamongan),” SNST, vol. 13, no. 1, pp. 253–258, Nov. 2023, doi: 10.36499/psnst.v13i1.9717.
N. Rahayu, “Penerimaan Karyawan Baru Pada lembaga Perkreditan desa (LPD) Dengan Sistem Pendukung Keputusan Menggunakan Naive Bayes Classifier (NBC),” vol. 02, no. 01, pp. 16–24, 2021.
A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” siskom-kb, vol. 4, no. 1, pp. 15–21, Oct. 2020, doi: 10.47970/siskom-kb.v4i1.169.
A. Kausar, A. Irawan, Wahyuddin, and I. Fernando, “Implementasi Algoritma Naive Bayes Classifier Untuk Penilaian Kinerja Dosen,” PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer, vol. 10, no. 2, Art. no. 2, Aug. 2023, doi: 10.30656/prosisko.v10i2.6922.
M. Ikbal, S. Andryana, and R. T. Komala Sari, “Visualisasi dan Analisa Data Penyebaran Covid-19 dengan Metode Klasifikasi Naïve Bayes,” jtik, vol. 5, no. 4, pp. 389–394, Dec. 2021, doi: 10.35870/jtik.v5i4.233.
M. Riefky and A. R. Anandyani, “Klasifikasi Persepsi Pengguna twitter Perhadap Puntutan Keringanan Pembayaran Uang Kuliah Tunggal (ukt) Pada Masa Pandemi Covid-19 Menggunakan K-Nearest Neighbor,” Seminar Nasional Official Statistics, vol. 2020, no. 1, pp. 247–257, 2020, doi: 10.34123/semnasoffstat.v2020i1.443.
T. W. Putra and A. Triayudi, “Analisis Sentimen Pembelajaran Daring menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” 2022.
Ernianti Hasibuan and Elmo Allistair Heriyanto, “Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier,” JTS, vol. 1, no. 3, pp. 13–24, Oct. 2022, doi: 10.56127/jts.v1i3.434.
DOI: http://dx.doi.org/10.30872/jurti.v9i4.22042
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Rekayasa Teknologi Informasi (JURTI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.