ANALISIS ALGORITMA K-MEDOIDS PADA PENGELOMPOKAN KINERJA KARYAWAN

OKTAVIANI, EVI (2022) ANALISIS ALGORITMA K-MEDOIDS PADA PENGELOMPOKAN KINERJA KARYAWAN. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi18312243.pdf - Published Version Download (1MB)
	Text (Abstrak) abstrak18312243.pdf - Published Version Download (8kB)
	Text (Bab I Pendahuluan) b118312243.pdf - Published Version Download (149kB)
	Text (Bab II Landasan Teori) b218312243.pdf - Published Version Download (415kB)
	Text (Daftar Pustaka) daftar_pustaka18312243.pdf - Bibliography Download (301kB)

Abstract

ABSTRAK ANALISIS ALGORITMA K-MEDOIDS PADA PENGELOMPOKAN KINERJA KARYAWAN Oleh : Evi Oktaviani 18312243 Evaluasi kinerja dilakukan secara periodik yang telah ditetapkan oleh perusahaan terhadap kinerja karyawan. Data merupakan aspek penting dalam suatu perusahaan, data dikelola untuk mendapatkan informasi yang berguna bagi perusahaan. Informasi yang didapat dari data tersebut dapat digunakan untuk melakukan strategi bisnis, maupun pengambilan suatu kebijakan atau keputusan. Dengan memanfaatkan data mining dapat mempermudah departement perusahaan dalam melakukan evaluasi kerja. Pada penelitian ini bermaksud untuk dapat melakukan pengelompokan kinerja karyawan berdasarkan karakteristik yang terbentuk dengan menggunakan algoritma k-medoids yang dimana algoritma k-medoids dapat mengatasi kelemahan algoritma k-means yang sensitive terhadap outliers pada dataset dan menggunakan metode elbow untuk dapat menentukan cluster optimal yang digunakan. Adapaun untuk menguji hasil kualitas dari klasterisasi algoritma k-medoids menggunakan metode silhouette coefficient untuk mengetahui seberapa jauh jarak antar cluster yang terbentuk. Hasil penelitian yang dilakukan didapatkan algoritma k-medoids dapat mengelompokan data karyawan menjadi 4 cluster cluster 0 memiliki nilai kurang produktif dengan jumlah data sebanyak 2156, cluster 1 memiliki nilai sangat produktif dengan jumlah data sebanyak 2054, cluster 2 memiliki nilai cukup produktif dengan jumlah data sebanyak 2110, cluster 3 memiliki nilai sangat tidak produktif dengan jumlah data sebanyak 2016 dan memiliki nilai silhoute sebesar 0,584 dengan struktur sedang.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Evaluasi Kinerja, Cluster, Algoritma K-Medoids, E-lbow, Silhoutte
Subjects:	INFORMATIKA INFORMATIKA > TN Mining engineering. Metallurgy INFORMATIKA > TP Chemical technology TP Chemical technology
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	18 Apr 2023 08:23
Last Modified:	18 Apr 2023 08:23
URI:	http://repository.teknokrat.ac.id/id/eprint/4615

Actions (login required)

View Item