<![CDATA[Pengelolaan data presensi pada Sistem Kepegawaian STMIK El Rahma Yogyakarta saat ini masih terbatas pada pencatatan administratif sehingga belum mampu menghasilkan informasi analitis terkait kedisiplinan pegawai. Permasalahan tersebut mendorong perlunya pemanfaatan teknik data mining untuk mengelompokkan tingkat kedisiplinan secara objektif. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam mengelompokkan tingkat kedisiplinan pegawai berdasarkan data presensi. Metode yang digunakan mengacu pada tahapan Knowledge Discovery in Databases (KDD), meliputi selection, preprocessing, transformation, data mining, dan evaluation. Data yang diolah berupa persentase pemenuhan jam kerja dan kehadiran selama tiga bulan. Hasil penelitian menunjukkan bahwa data berhasil dikelompokkan menjadi tiga klaster, yaitu kedisiplinan tinggi, sedang, dan rendah. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata sebesar 0,500844 yang menunjukkan kualitas klasterisasi dalam kategori cukup baik. Hasil klasterisasi juga telah diimplementasikan ke dalam sistem sehingga mampu menyajikan informasi kedisiplinan pegawai secara otomatis dan mendukung proses evaluasi kinerja secara lebih efektif. Pengujian sistem menggunakan metode blackbox menunjukkan bahwa seluruh fungsi aplikasi berjalan sesuai dengan yang diharapkan]]>
Copyrights © 2026
