Gideon Bartolomeus Kaligis
Universitas Kristen Satya Wacana

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISA PERBANDINGAN ALGORITMA K-MEANS, K-MEDOIDS, DAN X-MEANS UNTUK PENGELOMPOKKAN KINERJA PEGAWAI Gideon Bartolomeus Kaligis; Sri Yulianto
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 1 No 3 (2022): IT-Explore Oktober 2022
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (598.993 KB) | DOI: 10.24246/itexplore.v1i3.2022.pp179-193

Abstract

Kinerja pegawai menjadi rangkuman dalam hal kualitas, kuantitas, jam kerja dan juga kerja sama untuk mencapai suatu tujuan yang telah ditetapkan oleh instansi atau perusahaan, namun dalam Sekretariat DPRD Provinsi Sulawesi Utara belum adanya metode untuk menentukan pengelompokkan kinerja pegawai. Untuk mengatasi permasalahan ini, diperlukan adanya pengelompokan kinerja pegawai di Sekretariat DPRD Provinsi Sulawesi Utara, sehingga bisa menentukan kinerja pegawai yang berkualitas. Tujuan dari penelitian ini dengan melakukan perbandingan metode-metode clustering untuk mendapatkan metode yang lebih baik dalam pengelompokkan cluster terhadap kinerja pegawai di Sekretariat DPRD Provinsi Sulawesi Utara. Metode pengelompokkan data kinerja pegawai yang dibuat menggunakan metode clustering k-means, k-medoids, x-means dengan menggunakan lima atribut, yaitu: orientasi pelayanan, integritas, komitmen, disiplin, dan kerjasama, kemudian diolah dengan bantuan rapidminer, sehingga membagi data menjadi dua cluster yang dikategorikan sebagai nilai tinggi dan rendah. Pada tahap berikutnya mencari nilai davies bouldin index memakai bantuan rapidminer pada setiap metode yang dipakai untuk melakukan perbandingan serta menentukan metode yang lebih optimal dalam clustering. Hasil nilai yang diperoleh dari metode davies bouldin index di setiap algoritma, yaitu: k-means sebesar -0.377, k-medoids sebesar -0.930, dan x-means sebesar -0.497, maka algoritma terbaik untuk pengelompokkan data kinerja pegawai dalam penelitian ini adalah algoritma k-means, karena memiliki nilai DBI yang terkecil.