Analisis Kesuksesan Sistem Informasi Computer Based Testing (CBT) Pegawai Menggunakan Model Delone and Mclean
Keywords:
Analisis Sistem, Sistem Informasi, Model Delone and McleanAbstract
CBT (Computer Based Testing) Pegawai merupakan program aplikasi yang dibuat untuk mengetahui kinerja pegawai pada perusahaan PT. Ching Luh Indonesia. Faktanya, aplikasi tersebut dirasa pengguna masih belum efektif dan efisien. Hal inilah yang melatar belakangi penelitian ini untuk menguji kebeneran dengan menganalisis sistem tersebut secara empiris dari fakta-fakta yang ditemukan. Tujuan penelitian ini adalah menganalisis atau mengevaluasi sebuah sistem informasi CBT (Computer Based Testing) Pegawai demi meningkatkan kualitas sistem tersebut. Penelitian ini dilakukan kepada semua pengguna aplikasi tersebut lalu menganalisis atau menguji variabel-variabel yang mempengaruhi kualitas sistem menggunakan model penelitian Delone and Mclean IS Success Model karena model kesuksesan sistem teknologi informasi yang dikembangkan oleh Delone and Mclean (1992) merupakan model yang sederhana namun dianggap valid. Terdapat enam variabel dalam penelitian ini yaitu kualitas sistem (system quality), kualitas informasi (information quality), kualitas layanan (service quality), kepuasan pengguna (user statisfaction), penggunaan (use) dan keuntungan bersih (net benefits). Hasil analisis menunjukan bahwa kedelapan hipotesis berpengaruh terhadap sistem CBT (Computer Based Testing) Pegawai yang ada pada PT. Ching Luh Indonesia.
References
Arif Irwandy, dan Gatut S.Adisumo, 2000, Perencanaan Tambang, Diktat Kuliah, Jurusan Teknik Pertambangan ITB, Bandung.
Gorunescu, F. (2021). Data Mining Concepts, Model and Techniques. Berlin : Springer.
Han, j., & Kamber, M. (2006). Data Mining Concepts & Techniques 2nd Edition. San Fransisco: Elsevier.
Jacek, M. Zurada. (2020). Could Decision trees Improve the Classification Accuracy and Interpretability of Loan Granting Decision?. Hawaii International Conference
Jiang, Y. (2020). Credit Scoring Model Based on Decision Tree and the Simulated Annealing Algorithm. 2020 World Congress on Computer Science and Information Engineering (hal. 18 - 22). Los Angeles: IEEE Computer Society.
Larose, D. T. (2019). Discovering Knowledge in Data: An Introduction to Data Mining. John Willey & Sons, Inc.
Leidiyana, Henny. (2021). Komparasi Algoritma Klasifikasi Data Mining Dalam Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor. Jakarta: STIMIK Nusa Mandiri.
Moertini, V. S. (2023). Towards the Use of C4.5 Algorithm for Classifying Banking Dataset. INTEGRAL, 105-116.
Mujab, Syaeful. (2020). Pencarian Model Terbaik Antara Algoritma C4.5 dan C4.5 berbasis Particle Swarm Optimization untuk Prediksi Promosi Deposito. Universitas Dian Nuswantoro. Semarang.
Nurfaizah, Imron, M., & Perdanawati, L. (2019). Algoritma decicion Tree-J48, K-Nearest dan Zero-R Pada Kinerja Akademik. Seminar Nasional Teknologi Informasi.
Rani N, Larissa. (2019). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. Padang: UPI YPTK.
Rifqo H, Muhammad & Arzi, Taufik. (2019). Implementasi Algoritma C4.5 Untuk Menentukan Calon Debitur Dengan Mengukur Tingkat Resiko Kredit pada Bank BRI Cabang Curup. Universitas Muhammadiyah. Bengkulu.
Rusito & Firmansya T, Meida. (2019). Implementasi Metode Decision Tree dan Algoritma C4.5 Untuk Klasifikasi Data Nasabah Bank. STEKOM. Semarang.
Syarif, Mulkan. (2015). Particle Swarm Optimization untuk Menentukan Kredit Kepemilikan Rumah Dengan Menggunakan Algoritma C4.5. AMIK BSI. Jakarta Barat: Cengkareng.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Eneng Susilistia Agustini, Hayadi Hamuda
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
