<![CDATA[Karyawan kontrak adalah karyawan tidak tetap yang dipekerjakan untuk melakukan pekerjaan didalam perusahaan, dan tidak ada jaminan kelangsungan masa kerjanya. Penilaian terhadap karyawan tetap maupun karyawan kontrak dilakukan dengan cara menilai kinerja seorang karyawan tersebut. Oleh karena itu, perusahaan selalu melakukan evaluasi terhadap kinerja karyawannya. Penelitian ini bertujuan untuk mengelompokkan status karyawan kontrak yang layak diperpanjang atau tidak layak secara objektif sehingga mempermudah perusahaan dalam menganalisa data agar hasil lebih tepat dan dapat menghindari kecurangan dalam prosesnya. Algoritma yang digunakan dalam penelitian ini adalah K-Medoids menggunakan tiga metode pengukuran jarak yaitu Euclidean Distance, Manhattan Distance dan Chebyshev Distance. Sementara, untuk uji akurasi menggunakan Silhouette Coefficient (SC) dan Sum of Square Error (SSE). Data yang digunakan adalah data penilaian karyawan kontrak berjumlah 42 karyawan kontrak. Berdasarkan pengujian nilai SC diperoleh bahwa dari ketiga metode pengukuran jarak yang digunakan, chebyshev distance menghasilkan nilai yang mendekati 1 dengan nilai 0.3220214. Sedangkan, hasil uji cluster SSE diperoleh bahwa nilai error terkecil dimiliki oleh 2 cluster. Lebih lanjut, hasil pengelompokan status keberlanjutan karyawan kontrak menempatkan 20 data ke dalam kategori Tidak Layak (C1) dan 22 data ke dalam kategori Layak (C2). Contract employees are temporary workers hired to perform tasks within a company without any guarantee of tenure. Evaluations of both permanent and contract employees are conducted based on their performance, which is essential for the company's continuous performance assessment. This study aims to classify the status of contract employees to determine their eligibility for contract extension objectively. This objective classification facilitates the company's data analysis, resulting in more accurate outcomes and minimizing the risk of fraud in the evaluation process. The algorithm employed in this research is K-medoids, utilizing three distance measurement methods: Euclidean distance, Manhattan distance, and Chebyshev distance. The accuracy of the classifications was tested using the silhouette coefficient (SC) and sum of squares error (SSE). The data set comprised performance assessments of 42 contract employees. Testing the SC values revealed that among the three distance measurement methods, the Chebyshev distance yielded the closest value to 1, specifically 0.3220214. Additionally, the SSE cluster test results indicated that the smallest error value was achieved with 2 clusters. Consequently, the grouping results classified 20 employees as Ineligible (C1) and 22 employees as Eligible (C2) for contract extension.]]>
Copyrights © 2024
