<![CDATA[Abstract: Human resources are strategic organizational assets; therefore, an objective, systematic, and data-driven performance evaluation system is required. At Universitas Alifah Padang, employee performance assessment is still dominated by conventional approaches that are subjective and have not been able to comprehensively describe performance patterns. This study aims to apply Data Mining using K-Means Clustering and the C4.5 algorithm to analyze employee performance evaluation. The research method employs the Knowledge Discovery in Database (KDD) framework, which includes data collection, data analysis, variable analysis, K-Means analysis, C4.5 analysis, and evaluation. The K-Means Clustering algorithm is used to group employees based on similarities in performance characteristics, while the C4.5 algorithm is applied to build a decision tree–based classification model to identify patterns and dominant factors influencing performance evaluation. The research dataset consists of 96 employee records assessed using six performance indicators: responsibility, initiative, teamwork, work quality, work quantity, and discipline. The results indicate the formation of three performance clusters, namely very good (42 records), good (48 records), and fairly good (6 records), with consistent results between manual calculations and RapidMiner testing. This study contributes a Data Mining–based employee performance evaluation model that can serve as a foundation for strategic decision-making in higher education institutions. Keywords: Data Mining;K Means Clustering;C4.5;Performa Evaluation Abstrak: Sumber daya manusia merupakan aset strategis organisasi sehingga diperlukan sistem penilaian kinerja yang objektif, sistematis, dan berbasis data. Di Universitas Alifah Padang, penilaian kinerja karyawan masih didominasi pendekatan konvensional yang bersifat subjektif dan belum mampu menggambarkan pola kinerja secara komprehensif. Penelitian ini bertujuan menerapkan konsep Data Mining dengan algoritma K-Means Clustering dan C4.5 untuk menganalisis penilaian kinerja karyawan. Metode penelitian menggunakan kerangka Knowledge Discovery in Database (KDD) yang meliputi kumpul data, analisa data, analisa variabel, analisis k means, C4.5 dan evaluasi. Algoritma K-Means Clustering digunakan untuk mengelompokkan karyawan berdasarkan kemiripan karakteristik kinerja, sedangkan algoritma C4.5 digunakan untuk membangun model klasifikasi berbasis pohon keputusan guna mengidentifikasi pola dan faktor dominan penilaian kinerja. Dataset penelitian terdiri dari 96 data karyawan dengan enam indikator kinerja, yaitu tanggung jawab, inisiatif, kerja sama tim, kualitas kerja, kuantitas kerja, dan disiplin. Hasil pengujian menunjukkan terbentuknya tiga klaster kinerja, yaitu sangat baik (42 data), baik (48 data), dan cukup baik (6 data), dengan hasil yang konsisten antara perhitungan manual dan RapidMiner. Penelitian ini berkontribusi menyediakan model analisis penilaian kinerja berbasis Data Mining sebagai dasar pengambilan keputusan strategis di perguruan tinggi. Abstrak ditulis menggunakan times new roman 11 maksimal 200 kata dalam satu paragraf. Abstrak ditulis dengan ringkas, jelas, dalam bahasa Indonesia dan bahasa inggris. Abstrak minimal memuat tujuan, metodologi, hasil penelitian, dan simpulan. Abstrak didampingi oleh kata kunci. Kata kunci sedapat mungkin menjelaskan isi tulisan, ditulis dengan huruf kecil kecuali singkatan, maksimum 5 (Lima) kata, masing-masing dipisahkan dengan titik koma; Times New Roman 11. Kata kunci: Data Mining; K Means Clustering; C4.5; Penilaian Kinerja]]>
