Kilat
Vol 10 No 1 (2021): KILAT

Algoritma K-Means dan K-Medoids Analisis Algoritma K-Means dan K-Medoids Untuk Clustering Data Kinerja Karyawan Pada Perusahaan Perumahan Nasional

Akhmad upi fitriyadi (personal)



Article Info

Publish Date
13 Apr 2021

Abstract

Penilaian kinerja dilakukan untuk mengukur kinerja seorang karyawan terhadap pekerjaan yang dilakukan. Perusahaan Perumahan Nasional melakukan penilaian kinerja terhadap karyawan setiap 6 bulan sekali, yang melibatkan semua karyawan, baik karyawan tetap maupun karyawan kontrak. Tujuan dari penlitian ini adalah untuk melakukan analisis terhadap kinerja algoritma K-Means dan algoritma K-Medoids dalam melakukan proses clustering. Clustering akan dikelompokan menjadi 4 cluster yaitu: tingkat kinerja sangat baik, tingkat kinerja baik, tingkat kinerja cukup dan tingkat kinerja kurang baik. Proses clustering akan dilakukan mengunakan software rapidminer. Pengukuran performa algoritma dalam rapidminer dilakukan mengunakan metode Confusion Matrix dengan parameter accuracy,recall dan precision. Dari penelitian yang dilakukan diperoleh hasil algoritma K-Means mempunyai tingkat accuracy 56%, presision 25% dan recall 60%, sedankan algoritma K-Medoids mempunyai tingkat akurasi 14%, presision 25% dan recall 25%. Dengan hasil tersebut dapat disimpulkan bahwa algoritma K-Means mempunyai performa lebih baik bila dibandingkan dengan algoritma K-Medoids, karena mempunyai tinngkat akurasi dan recell lebih tinggi bila dibandingkan dengan algoritma K-Medoids

Copyrights © 2021






Journal Info

Abbrev

kilat

Publisher

Subject

Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Energy

Description

KILAT Journal is a scientific journal published by STT-PLN. KILAT Journal is published twice in one year in April and October and contains the results of research in the fields of Mechanical Engineering, Electrical Engineering, Civil Engineering and Information Engineering, Law and Economics related ...