MEMANFAATKAN ALGORITMA K-MEANS DALAM MENENTUKAN PEGAWAI YANG LAYAK MENGIKUTI ASESSMENT CENTER UNTUK CLUSTERING PROGRAM SDP

Iin Parlina, Agus Perdana Windarto, Anjar Wanto, M.Ridwan Lubis

Abstract


Data mining merupakan teknik pengolahan data dalam jumlah besar untuk pengelompokan. Teknik Data mining mempunyai beberapa metode dalam  mengelompokkan salah satu teknik yang dipakai penulis saat ini adalah K-Means. Dalam hal ini penulis mengelompokan data daftar program SDP tahun 2017 untuk mengetahui manakah pegawai yang layak lolos dalam program SDP sehingga dapat melakukan Registrasi Asessment Center. Pengelompokan tersebut berdasarkan kriteria – kriteria data Program SDP. Pada penelitian ini, penulis menerapkan algoritma K-Means Clustering untuk pengelompokan data Program SDP di PT.Bank Syariah. Dalam hal ini, pada umumnya untuk memamasuki program SDP tersebut disesuaikan dengan ketentuan dan parameter Program SDP saja, namun dalam penelitian ini pengelompokan disesuaikan dengan kriteria – kriteria Program SDP seperti kedisiplinan pegawai, Target Kerja Pegawai, Kepatuhan Program SDP. Penulis menggunakan beberapa kriteria tersebut agar pengelompokan yang dihasilkan menjadi lebih optimal. Tujuan dari pengelompokan ini adalah terbentuknya kelompok SDP pada Program SDP yang menggunakan algoritma K-Means clustering. Hasil dari pengelompokan tersebut diperoleh tiga kelompok yaitu kelompok Lolos, Hampir Lolos dan Tidak Lolos. Terdapat pusat cluster dengan Cluster-1= 8;66;13, Cluster-2= 10;71;14 dan Cluster-3=7;60;12. Pusat cluster tersebut didapat dari beberapa iterasi sehingga mengahasilakan pusat cluster yang optimal.

Full Text:

PDF

References


I Parlina, H Mawengkang, S Efendi InfoTekJar (2017) ”Analisis Kinerja Algoritma Clustering Fuzzy Tsukamoto Dengan Fuzzy C-Means” (Jurnal Nasional Informatika dan Teknologi Jaringan) 1 (2), 90-94

Nur, F., Zarlis, M., & Nasution, B. B. (2017). PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN. InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan), 1(2), 100-105.

N Butarbutar, AP Windarto, D Hartama, S Solikhun Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) 1 (1), 46-55

AP Windarto International Journal of artificial intelligence research 1 (2), 26-33

MG Sadewo, AP Windarto, D Hartama InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) 2 (1), 60-67

AP Windarto “Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method” International Journal of Artificial Intelligence Research 1 (2)

N Butarbutar, AP Windarto, D Hartama, S Solikhun

“Komparasi Kinerja Algoritma Fuzzy C-Means Dan K-Means Dalam Pengelompokan Data Siswa Berdasarkan Prestasi Nilai Akademik Siswa” Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) 1 (1), 46-55

MG Sadewo, AP Windarto, D Hartama “Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging Di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering” InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) 2 (1), 60-67

RW Sembiring, JM Zain, A Embong ”Clustering high dimensional data using subspace and projected clustering algorithms” arXiv preprint arXiv:1009.0384

PA Zizwan, M Zarlis, EB Nababan ”PERFORMANCE ANALYSIS OF COMBINED METHODS OF GENETIC ALGORITHM AND K-MEANS CLUSTERING IN DETERMINING THE VALUE OF CENTROID” Journal of Physics: Conference Series 930 (1), 012008




DOI: https://doi.org/10.24114/cess.v3i1.8192

Article Metrics

Abstract view : 3806 times
PDF - 4164 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License