Penerapan Data Mining Dalam Mengelompokkan Index Kinerja Performance Berdasarkan Absensi Pegawai Menggunakan Algoritma K-Medoid
Abstract
Kinerja pegawai adalah hasil kerja yang dicapai seseorang atau kelompok orang sesuai dengan wewenang/tanggung jawab masing-masing pegawai selama periode tertentu. Sebuah perusahaan perlu melakukan penilaian kinerja pada pegawainya. Semakin baik kinerja pegawai dalam sebuah perusahaan tentunya akan sejalan dengan semakin baiknya kualitas sebuah perusahaan dan tentunya dapat berpengaruh pada produktifitas serta benefit sebuah perusahaan. Penelitian ini dilakukan untuk mengetahui index kinerja performance dalam prestasi pegawai berdasarkan absensi. Data yang diolah dalam penelitian ini berupa data rekapitulasi absensi pegawai AMIK dan STIKOM Tunas Bangsa Pematangsiantar sebanyak 30 pegawai sebagai sampel. Untuk pengelompokkan data pegawai tersebut menggunakan Algoritma K-Medoids. K-Medoids mengelompokkan sekumpulan objek menjadi sejumlah cluster menggunakan metode pengelompokan partisi. Selanjutnya data pegawai tersebut diolah menggunakan software Rapid Miner.Penelitian dengan menggunakan metode ini mendapatkan hasil berupa pengelompokkan pegawai menjadi 3 kelompok yang mempunyai prestasi baik, cukup dan rendah. Sehingga hasil pengelompokan yang telah dihasilkan dapat menjadi pertimbangan bagi pimpinan untuk memberikan reward kepada pegawai yang memilki absensi tertinggi dan yang memiliki absensi terendah dapat dilakukan pembinaan.
Full Text:
Diterima: Revisi MayorReferences
Anggreini, N. L. (2019) ‘Teknik Clustering Dengan Algoritma K-Medoids Untuk Menangani Strategi Promosi Di Politeknik Tedc Bandung’, Jurnal Teknologi Informasi dan Pendidikan, 12(2), pp. 1–7. doi: 10.24036/tip.v12i2.215.
Fadri, H. (2017) ‘Analisis Kinerja Karyawan Pada Pt . Sinar Galesong’, JOM Fekon, 4(1), pp. 131–133.
Marbun, M. and Sinaga, B. (2018) Buku Ajar Sistem Pendukung Keputusan Penilaian Hasil Belajar | 1 STMIK Pelita Nusantara Medan, Rudang Mayang Publisher. Available at: https://iocscience.org/ejournal/index.php/rm/article/viw/121.
Oktara, P., 1 and Yulianti, Liza2Fredricka, J. (2021) ‘Analisis Kinerja Pegawai Menggunakan Algoritma K- Kabupaten Bengkulu Tengah’, 17(2), pp. 8–14.
Pramesti, D. F. et al. (2017) ‘Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(9), pp. 723–732. doi: 10.1109/EUMC.2008.4751704.
Prasetyowati, E. (2017) ‘Data Mining Pengelompokan Data untuk Informasi dan Evaluasi’, Duta Media, pp. 97–98. Available at: https://books.google.com.sg/books?id=rEH2DwAAQBAJ&dq=%22pengertian+data+mining%22&lr=&hl=id&source=gbs_navlinks_s.
Pulungan, N., Suhada, S. and Suhendro, D. (2019) ‘Penerapan Algoritma K-Medoids Untuk Mengelompokkan Penduduk 15 Tahun Keatas Menurut Lapangan Pekerjaan Utama’, KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1), pp. 329–334. doi: 10.30865/komik.v3i1.1609.
Sadikin, M. et al. (2019) ‘Analisis Pola Keterkaitan Profil Dengan Tingkat Kehadiran Pegawai Menggunakan Clustering K-Means . Studi Kasus Pada Sekretariat BPJT The Analysis of Association Rule Between Profile and Employee ’ s Presence Using K-Means Clustering . Case Study BPJT Secr’, pp. 104–112.
Safii, M. (2019) ‘Implementasi Data Mining Dengan Metode Pohon Keputusan Algoritma Id3 Untuk Menentukan Status Mahasiswa’, Jurnal Mantik Penusa, 2(1), pp. 82–86.
Santoso and Nurmalina, R. (2017) ‘Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah Laut)’, Jurnal Integrasi, 9(1), pp. 84–91.
Sundari, S. et al. (2019) ‘Analisis K-Medoids Clustering Dalam Pengelompokkan Data Imunisasi Campak Balita di Indonesia’, Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), p. 687. doi: 10.30645/senaris.v1i0.75.
Refbacks
- There are currently no refbacks.
 | LPPM STIKOM Tunas Bangsa
|
