REKOGNISI KARYAWAN BERDASARKAN KINERJA MENGGUNAKAN ALGORITMA K-MEANS PADA APLIKASI RAPIDMINER

Abstract

Absensi karyawan menjadi parameter penting dalam suatu rekognisi di suatu perusahaan. Dataset mengenai absensi karyawan pada penelitian ini di ambil dari UCI Machine Learning Repository dengan data latih sebanyak 740 karyawan dengan beberapa kriteria penilaian kinerja dan memilih 5 atribut centroid yaitu biaya transportasi, jarak tempat tinggal ke kantor, usia, ketidakdisiplinan dan pendidikan. Penelitian ini menggunakan metode klasterisasi dengan algoritma K-Means dimana aplikasi atau peragkat lunak yang digunakan adalah RapidMiner yang berfungsi sebagai alat pembelajan pada ilmu data mining. Hasil penelitian ini dibagi menjadi 2 skenario yaitu pertama, cluster dibagi menjadi 2 yaitu 0 dengan kinerja baik dan 1 dengan kinerja buruk. Kedua, cluster dibagi menjadi 4 dimana 0 dengan kinerja sangat baik, 1 kinerja baik, 2 kinerja cukup, 3 kinerja kurang. Dari kedua skenario tersebut dapat disimpulkan bahwa K-Means clustering mengelompokkan data yang ada ke dalam beberapa kelompok dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain. Dengan menggunakan metode ini perusahaan akan mudah menentukan penghargaan/rekognisi kepada karyawannya.