ABSTRAKSI: Konsep yang dipakai untuk membuat sistem pendukung keputusan, salah satu nya adalah Decission Tree Learning (DCT). Algoritma ID3 dan CART merupakan bagian dari DCT, konsep daripada kedua algoritma tersebut akan menghasilkan sebuah generate dari pohon keputusan dan nantinya akan menjadi sebuah rule. Penelitian kali ini dibangun sebuah sistem yang dapat menganalisis implementasi penilaian kinerja pegawai dengan menggunakan algoritma ID3, dan CART. Data yang digunakan didapatkan dari perusahaan X tentang penilaian kinerja pegawai untuk merekomendasikan bonus tunjangan tahunan.
Pada penelitian ini didapatkan performance dari ID3, dan CART, untuk nilai presisi pencapaian tertinggi ada pada masing masing algoritma antara lain ID3 ada pada pembagian partisi 70% data latih, dan 30% data uji, sedangkan untuk pembagian nilai presisi pada CART ada pada pembagian partisi 80% data latih, dan 20% data uji. Untuk pencapaian tertinggi nilai recall pada algoritma ID3 ada pada pembagian partisi 50% data latih, dan 50% data uji, sedangkan untuk pencapaian nilai recall tertinggi pada CART ada pada pembagian partisi 30% data latih, dan 70% data uji. Untuk pencapaian nilai akurasi pada algoritma ID3 ada pada pembagian partsi 70% data latih, dan 30% data uji, sedangkan untuk pencapaian tertinggi nilai recall pada CART ada pada pembagian partisi 80% data latih, dan 20% data uji. Secara dominan pada penelitian ini ID3 mempunyai nilai performance yang lebih baik dibandingkan dengan CART.KATA KUNCI: ID3, CART, Pohon Keputusan, Sistem Pendukung Keputusan (SPK).ABSTRACT: The concepts which have been used to create decision supporting system, one of them are Decision Tree Learning (DCT). Algorithm ID3 and CART are a part of DCT, concept from both of the algorithm will produce a generation from decision tree and it will become a rule. This research built a system that can analyze implementation of employees’ working assessment by using algorithm ID3, and CART. Data that used is obtained from company X about employees’ working assessment to make a recommendation about annual financial aid.
In this research obtained performance from ID3, and CART, for precision value on highest achievement there is in each algorithm they are ID3 in distribution part 70% training data, and 30% testing data, whereas for distribution precision value on CART is 80% training data, and 20% testing data. For the highest achievement recall value in algorithm ID3 is 50% training data, 50% testing data, whereas for the highest recall achievement value on CART is 30% training data, and 70% testing data. For the accuracy value in algorithm ID3 is 70% training data, and 30% testing data, whereas for the highest recall value on CART is 80% training data, and 20% testing data. In this research ID3 is dominant which has performance value is better than CART.KEYWORD: ID3, CART, Decision Tree, Decision Support Systems (DSS).