Search for collections on Repository Universitas Satya Negara Indonesia

IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENGANALISIS KINERJA KARYAWAN DI PT ALFAMART

Hidayat, Prastiyo (2017) IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENGANALISIS KINERJA KARYAWAN DI PT ALFAMART. Undergraduate thesis, Universitas Satya Negara Indonesia.

[img] Text
bab 1.pdf

Download (1MB)
[img] Text
abstrak.pdf

Download (2MB)

Abstract

Masalah mendasar yang sering dihadapi perusahaan adalah bagaimana mengelola sumber daya manusia untuk melakukan tugas dengan sebaik-baiknya dalam rangka mencapai tujuan yang telah ditetapkan perusahaan. Terdapat hubungan yang erat antara kompetensi dengan kinerja karyawan. Pengembangan sumber daya manusia berbasis kompetensi dilakukan agar dapat memberikan hasil yang sesuai dengan tujuan dan sasaran organisasi dengan standar kinerja yang telah ditetapkan. Pengelompokan data karyawan berdasarkan atribut dapat membantu dalam proses kenaikan jabatan. Atribut adalah nama-nama property dari sebuah kelas yang menjelaskan batasan nilainya dari property yang dimiliki kelas tersebut. Metode yang bisa digunakan untuk pengelompokan data karyawan ini adalah K-MEANS. Metode ini berusaha mengelompokan data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama. Data karyawan dikelompokkan menjadi tiga cluster yaitu sangat layak, cukup layak, tidak layak, Kemudian setiap cluster diklasifikasikan berdasarkan atribut mana yang lebih dipriotiskan. Cluster dengan nilai terbesar pada centroid akhir merupakan cluster yang direkomendasikan untuk kenaikan jabatan, sedangkan cluster dengan nilai terkecil pada centroid akhir merupakan cluster yang tidak naik untuk jabatan.

Item Type: Thesis (Undergraduate)
Subjects: Technology > Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika (S1)
Depositing User: Tn Andrian Prayudho
Date Deposited: 21 Feb 2023 02:09
Last Modified: 21 Feb 2023 02:09
URI: http://repo.usni.ac.id/id/eprint/2695

Actions (login required)

View Item View Item