Merekrut karyawan dengan cara seleksi yang baik dapat menunjukan keahlian perusahaan untuk mendapatkan kandidat yang kompeten untuk menunjang kinerja perusahaan dengan baik.Perekrutan karyawan di PT BERDIKARI MEUBEL NUSANTARA dilakukan secara manual dan menghasilkan keputusan subjektif ketika kemampuan calon karyawan tidak terlalu jauh berbeda. Dalam upaya mengatasi permasalah tersebut penelitian ini dibuat untuk membantu pihak rekruter (HRD) dalam menyeleksi dan memilih calon karyawan sesuai dengan kebutuhan perusahaan maka dari itu peneliti membuat Sistem Pendukung Keputusan(DSS).Dalam pembuatan Sistem Pendukung Keputusan (DSS) ini menggunakan metode Profile Matching dan Interpolasi Linear , agar metode tersebut berjalan dengan baik maka dibutuhkan beberapa kriteria calon karyawan agar metode tersebut mengeksekusi di dalam sistem dan mampu memberikan rekomendasi alternatif dan sesuai dengan kebutuhan perusahaan.Hasil dari penelitian ini dalam penerapan metode Profile Matching dengan Interpolasi Linear dapat membantu user memberikan rekomendasi calon karyawan yang sesuai diharapkan perusahaan, nilai core factor dan secondary factor sangat berpengaruh pada hasil akurasi karena digunakan sebagai persentase, hasil nilai total yang nantinya di ranking yang mendapatkan nilai total paling tinggi maka yang di akan rekomendasikan.

DETEKSI FAKE NEWS MENGGUNAKAN PENDEKATAN ANALISIS SENTIMEN BERBAHASA INDONESIA

Penempatan Praktek Kerja Lapangan (PKL) yang tepat untuk siswa merupakan suatu hal yang sangat penting, karena bisa memaksimalkan kemampuan dan bakat dari setiap siswa sehingga menghasilkan lulusan yang siap bersaing di dunia kerja. Dalam pemilihan tempat PKL siswa SMK Negeri 4 Malang, masalah yang sering terjadi adalah ketidaksesuaian kebutuhan siswa akan tempat PKL. Untuk mengatasi masalah tersebut diperlukan suatu sistem komputer berupa sistem pendukung keputusan yang dapat membantu siswa SMK Negeri 4 Malang untuk pemilihan tempat PKL yang tepat bagi siswa. Sistem pendukung keputusan yang dikembangkan dalam penelitian ini menggunakan metode Moora dan Simple Additive Weighting (SAW) dalam memutuskan penempatan siswa PKL. Berdasarkan hasil akhir dari Sistem pendukung keputusan berupa perankingan.. Keunggulan Moora sendiri antara lain stabil, dan kuat, bahkan metode ini tidak membutuhkan seorang ahli di bidang matematika untuk menggunakan nya serta membutuhkan perhitungan matematis yang sederhana. Moora juga memiliki tingkat selektifitas yang baik karena dapat menentukan tujuan dari kriteria yang bertentangan. Dimana kriteria dapat bernilai menguntungkan (benefit) atau yang tidak menguntungkan (cost). Metode SAW dipilih karena metode ini menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif terbaik. Penelitian dilakukan dengan mencari nilai bobot untuk setiap kriteria, dan kemudian membuat proses peringkat yang akan menentukan alternatif yang optimal.

Berita palsu (HOAKS) merupakan sebuah tantangan serius dalam era informasi digital saat ini. Dalam konteks Indonesia, sulitnya mendeteksi berita palsu telah menjadi permasalahan yang mempengaruhi masyarakat. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah sistem deteksi berita palsu pada berita daring berbahasa Indonesia menggunakan pendekatan Word Embedding dengan Word2Vec dan Deep Learning menggunakan Long Short Term Memory guna mempermudah masyarakat Indonesia dalam membedakan antara berita yang valid dan berita palsu. Metodologi penelitian yang digunakan adalah CRISP-DM (Cross-Industry Standard Process for Data Mining), yang meliputi tahap-tahap business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Data yang digunakan dalam penelitian ini adalah kumpulan berita dalam bahasa Indonesia yang terdiri dari berita valid dan berita palsu yang diambil dari Turnbackhoax, Lapor Isu Hoaks Kemkominfo, Detik.com, Kompas.com, Dan CNN Indonesia. Sistem deteksi berita palsu mengambil data berdasarkan headline maupun konten yang terdapat pada berita daring yang dapat membantu masyarakat dalam mengakses informasi yang valid, serta mengurangi dampak negatif yang diakibatkan oleh penyebaran berita palsu. Hasil dari penelitian ini menunjukkan bahwa sistem deteksi berita palsu menggunakan untuk word embedding dan deep learning memiliki rata-rata akurasi sebesar 91,22%, presisi sebesar 98,40%, recall sebesar 83,61%, dan F1-Score sebesar 90,40%. Hasil tersebut menunjukkan bahwa sistem memiliki kinerja yang baik dalam membedakan berita palsu dan valid. Selain itu, hasil skala Likert sebesar 79% menunjukkan bahwa masyarakat Indonesia secara umum setuju dengan sistem deteksi berita palsu ini.

Studi ini menyajikan pengembangan aplikasi pemantauan mesin produksi menggunakan metode PIECES (Performance, Information, Economy, Control, Efficiency, dan Service). Tujuan utama adalah untuk meningkatkan keandalan, kinerja, dan keamanan sistem, sambil juga mempertimbangkan variabel ekonomi untuk menyediakan solusi yang efektif biaya bagi perusahaan. Sistem ini dirancang dengan kontrol yang tepat dan tindakan keamanan untuk mencegah akses yang tidak sah dan memastikan integritas sistem. Kinerja sistem dioptimalkan, yang menghasilkan peningkatan efisiensi dari proses produksi. Penerapan metode PIECES telah menghasilkan sistem yang handal, memungkinkan pengambilan keputusan yang lebih cepat dan akurat. Studi ini menunjukkan bahwa metode PIECES adalah pendekatan yang efektif untuk mengembangkan dan mengimplementasikan sistem pemantauan mesin produksi.