Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–1 dari 1 artikel
Evaluating Civil Servant Selection through Machine Learning Analysis of National Insight, General Intelligence, and Personal Characteristics Test Scores
This study analyzes the score distribution of 2,490 candidates in the 2024 Ministry of Finance Public sector recruitment, focusing on the CNI, GIT, and PCT sections using machine learning classification. Models used include Logistic Regression (accuracy 0.7897), Random Forest (0.9779), and XGBoost (0.9809), all trained with default parameters (n_estimators=100, max_depth=None) and evaluated using accuracy, precision, recall, and F1-score. While ensemble models outperformed Logistic Regression, t...
Google Scholar
DOI