Perpustakaan Digital ITB

Dalam rangka mengoptimalkan promosi dan pengembangan karir bagi pegawai di Unit Pelaksana Pelayanan Pelanggan (MUP3) PLN, penelitian ini berfokus pada optimalisasi pengembangan karir dan promosi pegawai di Unit Pelaksana Pelayanan Pelanggan (MUP3) PLN melalui pendekatan berbasis data. Dengan mengintegrasikan data historis kinerja dari Januari 2019 hingga Desember 2023 dengan teknik machine learning terhadap penilaian kompetensi dan potensi promosi pegawai. Metode yang digunakan meliputi algoritma Random Forest, Support Vector Machine (SVM), Artificial Neural Network (ANN), dan Ada-boost yang di gabungkan dengan ANN, dengan memanfaatkan data dari tinjauan kinerja tahunan, penilaian kompetensi, dan penilaian pegawai pada stream MUP3. Dataset yang terdiri dari 17.428 pegawai yang pernah atau sedang menduduki jabatan di MUP3 PLN dianalisis. Hasilnya menunjukkan bahwa menggabungkan sumber data yang beragam dapat meningkatkan akurasi prediksi, dengan satu algoritma yang menghasilkan kinerja yang lebih baik. Model ini kemudian digunakan untuk mengidentifikasi pegawai yang cocok untuk dipromosikan. Temuan ini memvalidasi efektivitas pembelajaran mesin dalam memprediksi potensi karier, membangun kerangka kerja pengambilan keputusan yang kuat untuk manajemen sumber daya manusia. Pendekatan sistematis ini menyelaraskan pengembangan pegawai dengan tujuan organisasi dan menyederhanakan proses promosi.