Perbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan

Abstract

STT Bandung merupakan perguruan tinggi swasta yang memiliki potensi besar untuk menjadi perguruan tinggi terkemuka di Kota Bandung. Untuk mencapai tujuan perguruan tinggi, salah satu tahap yang harus dilakukan adalah evaluasi kinerja karyawan, yakni dengan pemantauan kedisiplinan karyawan. Untuk memudahkan penentuan tingkat kedisiplinan karyawan maka diperlukan teknik data mining untuk mengklaster data. Pada data mining terdapat beberapa metode klaster data, yang sering digunakan adalah metode K-Means dengan Fuzzy C-Means. Berdasarkan penelitian yang dilakukan kedua metode tersebut mengelompokan data kinerja karyawan menjadi 3 kluster, yakni tingkat kinerja tinggi, tingkat kinerja sedang dan tingkat kinerja rendah. Hasil dari penelitian ini menunjukkan bahwa metode Fuzzy C-Means adalah metode yang lebih baik dibandingkan K-Means untuk melakukan mengklasteran data pada tingkat kinerja karyawan  di STT Bandung karena nilai validasinya bernilai mendekati 1. Kata kunci : Data Mining, Perbandingan, K-Means, Fuzzy C-Means