Klasifikasi Absensi Pegawai Kantor Pusat Universitas Sebelas Maret Menggunakan Naive Bayes untuk Optimalisasi Sistem Penggajian

Pegawai memiliki peran strategis dalam menentukan keberhasilan suatu institusi, termasuk di Universitas Sebelas Maret. Salah satu aspek penting dalam pengelolaan pegawai adalah sistem absensi yang berhubungan langsung dengan kedisiplinan dan penggajian. Namun, sistem absensi yang masih dilakukan secara manual menimbulkan berbagai kendala, seperti potensi kesalahan pencatatan, keterlambatan rekapitulasi, serta ketidakakuratan dalam perhitungan gaji. Kondisi ini mengurangi efektivitas manajemen sumber daya manusia dan berisiko menimbulkan ketidakadilan dalam kompensasi. Untuk mengatasi permasalahan tersebut, penelitian ini mengimplementasikan algoritma Naïve Bayes sebagai metode klasifikasi absensi pegawai guna mendukung sistem penggajian yang lebih objektif dan efisien.
Penelitian menggunakan data primer berupa rekap absensi pegawai Kantor Pusat Universitas Sebelas Maret serta data sekunder dari literatur terkait. Metode pengembangan sistem dilakukan dengan model Prototype, yang mencakup tahapan komunikasi, perencanaan cepat, perancangan model, pembangunan prototipe, serta evaluasi melalui umpan balik pengguna. Sistem diuji menggunakan metode black box testing untuk memastikan seluruh fungsi berjalan sesuai kebutuhan.
Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan tingkat kedisiplinan pegawai ke dalam kategori disiplin, toleransi, dan tidak disiplin secara akurat. Sistem ini membantu mempercepat rekap absensi, meminimalkan kesalahan pencatatan, serta meningkatkan transparansi penggajian. Dengan demikian, pengembangan sistem absensi berbasis klasifikasi otomatis ini dapat memberikan kontribusi terhadap peningkatan efisiensi, objektivitas, dan keadilan dalam pengelolaan sumber daya manusia.