Analisa Dan Implementasi Metode Knowledge Base Recomendation Dalam Penerimaan Karyawan

Main Author: Simangunsong, Agustina
Format: Article info application/pdf Journal
Bahasa: eng
Terbitan: Institute Of Computer Science (IOCS) , 2019
Online Access: https://iocscience.org/ejournal/index.php/CNAPC/article/view/48
https://iocscience.org/ejournal/index.php/CNAPC/article/view/48/33
ctrlnum article-48
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Analisa Dan Implementasi Metode Knowledge Base Recomendation Dalam Penerimaan Karyawan</title><creator>Simangunsong, Agustina</creator><description lang="en-US">Rekomendasi usaha pertama yang dilakukan perusahaan untuk memperoleh karyawan yang qualified dankempeten yang akan ikut sarta mengerjakan semua pekerjaaan pada perusahaan. Untuk mempermudah perusahaan maka perusahaan membuat berbasis web (website) untuk menyeleksi karyawan dimana perusahaan akan mengambil data para pelamar sebagai bahan pertimbangan. Metode Knowledge Based Recommendation sering juga di kenal istilah metode penilaian. konsep dasar metode Knowledge based recommendation adalah mencari penilaian, ketanggapan dan prestasi. Metode ini membutuhkan proses normalisasi keputusan kesuatu skala yang dapat di perbandingkan dengan semua alternative yang ada. sistem rekomendasi ini dirancang untuk memberikan kemudahan pada pelamar dan perusahaan yang akan menggunakan sistem rekomendasi karyawan.</description><publisher lang="en-US">Institute Of Computer Science (IOCS)</publisher><date>2019-01-06</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>File:application/pdf</type><identifier>https://iocscience.org/ejournal/index.php/CNAPC/article/view/48</identifier><source lang="en-US">Journal Of Computer Networks, Architecture and High Performance Computing; Vol 1 No 1, Januari (2019): Computer Networks, Architecture and High Performance Computing; 38-40</source><source>2655-9102</source><language>eng</language><relation>https://iocscience.org/ejournal/index.php/CNAPC/article/view/48/33</relation><rights lang="en-US">Copyright (c) 2019 Journal Of Computer Networks, Architecture and High Performance Computing</rights><recordID>article-48</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
File:application/pdf
File
Journal:Journal
author Simangunsong, Agustina
title Analisa Dan Implementasi Metode Knowledge Base Recomendation Dalam Penerimaan Karyawan
publisher Institute Of Computer Science (IOCS)
publishDate 2019
url https://iocscience.org/ejournal/index.php/CNAPC/article/view/48
https://iocscience.org/ejournal/index.php/CNAPC/article/view/48/33
contents Rekomendasi usaha pertama yang dilakukan perusahaan untuk memperoleh karyawan yang qualified dankempeten yang akan ikut sarta mengerjakan semua pekerjaaan pada perusahaan. Untuk mempermudah perusahaan maka perusahaan membuat berbasis web (website) untuk menyeleksi karyawan dimana perusahaan akan mengambil data para pelamar sebagai bahan pertimbangan. Metode Knowledge Based Recommendation sering juga di kenal istilah metode penilaian. konsep dasar metode Knowledge based recommendation adalah mencari penilaian, ketanggapan dan prestasi. Metode ini membutuhkan proses normalisasi keputusan kesuatu skala yang dapat di perbandingkan dengan semua alternative yang ada. sistem rekomendasi ini dirancang untuk memberikan kemudahan pada pelamar dan perusahaan yang akan menggunakan sistem rekomendasi karyawan.
id IOS7134.article-48
institution INSTITUTE OF COMPUTER SCIENCE (IOCS)
institution_id 3102
institution_type library:special
library
library Journal of Midwifery and Nursing
library_id 2395
collection Journal of Midwifery and Nursing
repository_id 7134
city DELI SERDANG
province SUMATERA UTARA
repoId IOS7134
first_indexed 2020-03-19T15:08:49Z
last_indexed 2020-03-19T15:08:49Z
recordtype dc
merged_child_boolean 1
_version_ 1686503006829281280
score 17.538404