Analisis Segmentasi Kedisiplinan Karyawan Berdasarkan Data Absensi Menggunakan Algoritma K-Means Clustering

Steffany Marcellia Witanto (Program Studi Sains Data, Fakultas Ilmu Komputer, UPN Veteran Jawa Timur)
Wahyu Syaifullah Jauharis Saputra (Program Studi Sains Data, Fakultas Ilmu Komputer, UPN Veteran Jawa Timur)

Jurnal Sistem Informasi dan Informatika
Vol 4 No 1 (2026): Januari 2026

Data absensi karyawan merupakan sumber informasi penting untuk menilai tingkat kedisiplinan dan pola kehadiran karyawan dalam suatu perusahaan. Namun, data absensi yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan bagi perusahaan. Penelitian ini bertujuan untuk mengelompokkan karyawan berdasarkan pola absensi menggunakan metode K-Means Clustering. Variabel yang digunakan meliputi total menit keterlambatan, total melakukan absensi, serta status kehadiran seperti duty, leave, sick, dan WFO. Tahapan penelitian terdiri dari pengumpulan data, preprocessing data, analisis korelasi, transformasi data, penentuan jumlah cluster, proses clustering, serta evaluasi model. Hasil penelitian ini menunjukkan bahwa K-Means menghasilkan 3 cluster dengan nilai Silhouette Score sebesar 0,414. Nilai tersebut menunjukkan bahwa struktur cluster cukup lemah namun layak, serta mampu menggambarkan perbedaan karakteristik kedisiplinan serta pola kehadiran karyawan. Hasil clustering ini dapat digunakan sebagai dasar evaluasi sumber daya manusia secara lebih objektif.