FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2896284920> ?p ?o ?g. }

• W2896284920 endingPage "80" @default.
• W2896284920 startingPage "71" @default.
• W2896284920 abstract "Abstrak- Rekrutmen merupakan langkah awal yang dilakukan oleh Universitas Muhammadiyah Riau (UMRI), guna menjaring calon tenaga kerja yang professional. Profesionalitas dibutuhkan sebagai salah satu input bagi lembaga pendidikan Muhammadiyah untuk menghasilkan output yang sesuai dengan visi dan misi lembaga pendidikan Muhammadiyah. UMRI sebagai Amal Usaha Muhammadiyah (AUM) dibidang pendidikan perlu melakukan beberapa upaya untuk bisa mendapatkan calon pegawai dan dosen yang professional. Seiring perkembangan ilmu pengetahuan dan teknologi, UMRI perlu mengimplementasikan Erecruitment sebagai salah satu teknologi yang bisa digunakan untuk menjaring pegawai dan dosen yang profesional. Penelitian ini bertujuan bagaimana penerapan metode klasifikasi KNearest Neighbor (K-NN) dalam system e-recruitment untuk seleksi awal pegawai dan dosen UMRI. Metode K-NN akan menghitung tingkat kemiripan dengan cara mengukur jarak antara persyaratan yang ditetapkan oleh bagian kepegawaian UMRI dengan data yang dimiliki oleh calon pegawai dan dosen. Selanjutnya diambil nilai K dari pelamar yang nilai kemiripannya ≥80%. Pelamar yang mimiliki nilai kemiripan ≥80% inilah nantinya yang akan diikutsertakan pada tes berikutnya. Penelitian ini menghasilkan sebuah system informasi e-recruitment yang dikembangkan menggunakan metode pengembangan perangkat lunak waterfall. Kata kunci: Seleksi Pegawai, Seleksi Dosen, E-Recruitmen. Abstract- Recruitment is the first step taken by Muhammadiyah University of Riau (UMRI), in order to capture prospective professional workforce. Professionalism is needed as an input for the Muhammadiyah educational institution to produce output in accordance with the vision and mission of the Muhammadiyah educational institution. UMRI as a Amal Usaha Muhammadiyah (AUM) in the field of education needs to make some efforts to get prospective employees and professional lecturers. Along with the development of science and technology, UMRI needs to implement E-recruitment as one of technology that can be used to gather professional officers and lecturers. This study aims how the application of the K-Nearest Neighbor (K-NN) classification method in e-recruitment system for early selection of employees and lecturers of UMRI. The K-NN method will calculate the level of similarity by measuring the distance between the requirements set by the employment department of UMRI with data held by prospective employees and lecturers. Furthermore, K value was taken from applicants whose value is similar to ≥80%. Applicants who have a similarity value of ≥80% later this will be included in the next test. This research produces an e-recruitment information system developed using waterfall software development method. Keywords: Employee Recruitment, Lecturer Recruitment, E-recruitment." @default.
• W2896284920 created "2018-10-26" @default.
• W2896284920 creator A5031758999 @default.
• W2896284920 creator A5046413142 @default.
• W2896284920 date "2017-11-16" @default.
• W2896284920 modified "2023-09-27" @default.
• W2896284920 title "Seleksi Pegawai dan Dosen UMRI Berbasis E-Recruitment Menggunakan Metode K-Nearest Neighbor" @default.
• W2896284920 doi "https://doi.org/10.31849/digitalzone.v8i2.631" @default.
• W2896284920 hasPublicationYear "2017" @default.
• W2896284920 type Work @default.
• W2896284920 sameAs 2896284920 @default.
• W2896284920 citedByCount "0" @default.
• W2896284920 crossrefType "journal-article" @default.
• W2896284920 hasAuthorship W2896284920A5031758999 @default.
• W2896284920 hasAuthorship W2896284920A5046413142 @default.
• W2896284920 hasBestOaLocation W28962849201 @default.
• W2896284920 hasConcept C121332964 @default.
• W2896284920 hasConcept C138885662 @default.
• W2896284920 hasConcept C15708023 @default.
• W2896284920 hasConcept C15744967 @default.
• W2896284920 hasConcept C17744445 @default.
• W2896284920 hasConcept C33923547 @default.
• W2896284920 hasConceptScore W2896284920C121332964 @default.
• W2896284920 hasConceptScore W2896284920C138885662 @default.
• W2896284920 hasConceptScore W2896284920C15708023 @default.
• W2896284920 hasConceptScore W2896284920C15744967 @default.
• W2896284920 hasConceptScore W2896284920C17744445 @default.
• W2896284920 hasConceptScore W2896284920C33923547 @default.
• W2896284920 hasIssue "2" @default.
• W2896284920 hasLocation W28962849201 @default.
• W2896284920 hasLocation W28962849202 @default.
• W2896284920 hasOpenAccess W2896284920 @default.
• W2896284920 hasPrimaryLocation W28962849201 @default.
• W2896284920 hasRelatedWork W2740647293 @default.
• W2896284920 hasRelatedWork W2748952813 @default.
• W2896284920 hasRelatedWork W2899084033 @default.
• W2896284920 hasRelatedWork W2902782467 @default.
• W2896284920 hasRelatedWork W2935759653 @default.
• W2896284920 hasRelatedWork W3105167352 @default.
• W2896284920 hasRelatedWork W54078636 @default.
• W2896284920 hasRelatedWork W1501425562 @default.
• W2896284920 hasRelatedWork W2954470139 @default.
• W2896284920 hasRelatedWork W3084825885 @default.
• W2896284920 hasVolume "8" @default.
• W2896284920 isParatext "false" @default.
• W2896284920 isRetracted "false" @default.
• W2896284920 magId "2896284920" @default.
• W2896284920 workType "article" @default.