DASHBOARD UNTUK CLUSTERING PENILAIAN PEGAWAI DINAS PU SUMBER DAYA AIR PROVINSI JAWA TIMUR

Rifdah Alifia
Rokhmatul Insani
Sri Hidayati


DOI: https://doi.org/10.29100/jipi.v10i3.6201

Abstract


Dinas PU Sumber Daya Air Provinsi Jawa Timur merupakan instansi milik pemerintahan yang memiliki wewenang dalam pengelolaan sumber daya air yang menyeluruh. Instansi tersebut memiliki evaluasi dan penilaian kinerja untuk para pegawai yang bekerja di dalamnya, dimana evaluasi tersebut digunakan untuk meningkatkan kinerja sumber daya manusia pada instansi terkait. Akan tetapi, evaluasi tersebut kurang komprehensif karena mereka belum memiliki sistem monitoring dan visualisasi untuk hasil pengelompokan penilaian pegawai. Oleh karena itu, penelitian ini dibuat yaitu dengan tujuan untuk menganalisis evaluasi dan penilaian prestasi kerja berdasarkan kelompok kinerja serta menganalisis variabel-variabel terkait yang digunakan untuk menilai para pegawai. Sasaran dari pengelompokan evaluasi kinerja pegawai yang dilakukan pada penelitian ini yaitu 128 pegawai ASN yang bekerja di Dinas PUSDA pada tahun 2023. Adapun metode yang digunakan dalam penelitian ini yaitu menggunakan algoritma K-Means Clustering berdasarkan data penilaian kinerja pegawai dengan 8 variabel, yaitu berorientasi pelayanan, akuntabel, kompeten, harmonis, loyal, adaptif, kolaboratif, dan hasil kerja. Penelitian ini menggunakan bahasa pemrograman Python dalam pengolahan datanya. Penentuan k optimal-nya menggunakan metode elbow, dengan hasil cluster terbaik adalah 3 cluster. Dimana cluster 0 memiliki 48 data, cluster 1 memiliki 74 data, dan cluster 2 memiliki 6 data. Dengan hasil evaluasi meggunakan metode Silhouette Coefficient sebanyak 0.593. Hasil dari clustering penilaian pegawai menggunakan K-Means digunakan untuk membuatan visualisasi dashboard pengelompokan kinerja pegawai menggunakan tools Tableau. Dengan adanya pengelompokan kinerja pegawai, diharapkan penelitian ini dapat memberi rekomendasi dalam pengambilan keputusan terkait pengembangan strategi pengelolaan SDM di Dinas PU Sumber Daya Air Provinsi Jawa Timur.

Keywords


dashboard; data mining; evaluasi kinerja; k-means clustering; penilaian pegawai

Full Text:

PDF

Article Metrics :

References


Stephen P., Perilaku Organisasi. Jakarta: PT. Indeks Kelompok Gramedia, 2006.

Anwar Prabu Mangkunegara, Evaluasi Kinerja Sumber Daya Manusia. Bandung: Refika Aditama, 2005.

PU SDA Provinsi Jawa Timur, “Selamat Datang.”

G. B. Kaligis and S. Yulianto, “ANALISA PERBANDINGAN ALGORITMA K-MEANS, K-MEDOIDS, DAN X-MEANS UNTUK PENGELOMPOKKAN KINERJA PEGAWAI (Studi Kasus: Sekretariat DPRD Provinsi Sulawesi Utara),” IT-EXPLORE, vol. 1, no. 3, pp. 179–193, 2022.

S. Regina, E. Sutinah, and N. Agustina, “Clustering Kualitas Kinerja Karyawan Pada Perusahaan Bahan Kimia Menggunakan Algoritma K-Means,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 573, Apr. 2021, doi: 10.30865/mib.v5i2.2909.

Della Aulia, M Safii, and Dedi Suhendro, “Penerapan Algoritma K-Means dalam Proses Clustering Penilaian Kinerja ASN,” Jurnal Riset Sistem Informasi dan Teknik Informatika (JURASIK), vol. 6, no. 1, pp. 47–60, Feb. 2021.

Kusrini and Emha Taufiq Luthfi, Algoritma Data Mining, 1st ed. Yogyakarta: ANDI, 2009.

Agus Nur Khomarudin, “Teknik Data Mining : Algoritma K-Means Clustering,” IlmuKomputer.Com, 2016.

S. Hidayati, A. T. Darmaliana, and R. Riski, “Comparison of K-Means, Fuzzy C-Means, Fuzzy Gustafson Kessel, and DBSCAN for Village Grouping in Surabaya Based on Poverty Indicators,” Jurnal Pendidikan Matematika (Kudus), vol. 5, no. 2, p. 185, Dec. 2022, doi: 10.21043/jpmk.v5i2.16552.

M. Nishom, “Perbandingan Akurasi Euclidean Distance, Minkowski Distance, dan Manhattan Distance pada Algoritma K-Means Clustering berbasis Chi-Square,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 4, no. 1, pp. 20–24, Jan. 2019, doi: 10.30591/jpit.v4i1.1253.

M. S. Pangestu and M. A. Fitriani, “Perbandingan Perhitungan Jarak Euclidean Distance, Manhattan Distance, dan Cosine Similarity dalam Pengelompokan Data Bibit Padi Menggunakan Algoritma K-Means,” Sainteks, vol. 19, no. 2, p. 141, Oct. 2022, doi: 10.30595/sainteks.v19i2.14495.

M. Monshizadeh, V. Khatri, R. Kantola, and Z. Yan, “A deep density based and self-determining clustering approach to label un-known traffic,” Journal of Network and Computer Applications, vol. 207, p. 103513, Nov. 2022, doi: 10.1016/j.jnca.2022.103513.

Dyah Putri Rahmawati, Sri Hidayati, Paramaditya Arismawati, and Ahmad Wali Satria Bahari Johan, “Prospective New College Student Dashboard: Insights from K-Means Clustering with Principal Component Analysis,” Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 9, no. 2, pp. 137–144, Jul. 2024.

S. Sahibu, R. Bambang, and I. Taufik, “Penerapan Data Mining Dalam Analisis Penilaian Kinerja Pegawai Menerapkan Metode K-Means,” Jurnal Media Informatika Budidarma, 2023.

Sonia Sundari, Relita Buaton, and Rusmin Saragih, “Clustering Kepuasan Layanan Pengguna Bus Trans Binjai Dengan Metode Cluster Data Mining Studi Kasus Dinas Perhubungan Kota Binjai,” Seminar Nasional Informatika (SENATIKA), 2021.

A. Septiarini, I. A. Thaher, and N. Puspitasari, “Pengelompokan Kualitas Kinerja Pegawai Menggunakan Metode K-Means Clustering,” Komputika : Jurnal Sistem Komputer, vol. 11, no. 2, pp. 131–141, Jul. 2022, doi: 10.34010/komputika.v11i2.5518.

EKO PRASETYO, DATA MINING : KONSEP DAN APLIKASI MENGGUNAKAN MATLAB, 2nd ed. Yogyakarta: ANDI, 2012.

D. Alfiandi, E. Ernawati, and E. P. Purwandari, “Implementasi K-Means Clustering dan Pemetaan Pemukiman Kumuh di Kota Bengkulu Berbasis Web,” Rekursif J. Informatika, vol. 6, no. 2, Nov. 2018.

A. T. R. Saragih, A. S. Sembiring, and M. Sayuthi, “Penerapan Metode Clustering KMeans untuk Proses Seleksi Calon Peserta Lomba MTQ,” Pelita Inform, vol. 17, pp. 117–122, 2018.

Solmin Paembonan, Hisma Abduh, and K. Kunci, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat Clustering; K-means; Silhouette coeficient,” Pena Teknik, vol. 6, no. 2, pp. 48–54, Sep. 2021.

Annisa Jamilatul, “5 Cara MendetekApa Itu Outlier dan Bagaimana Cara Mendeteksinyasi Outlier dalam Data,” Pacmann.

Bunga Dea Laraswati, “5 Cara Mendeteksi Outlier dalam Data,” algoritma.

A. Chusyairi and P. Ramadar Noor Saputra, “Pengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering,” Telematika, vol. 12, no. 2, pp. 139–148, Aug. 2019, doi: 10.35671/telematika.v12i2.848.

Andre Oliver, “Mengenal Google Colab: Mulai dari Definisi, Cara Menggunakan, hingga Manfaatnya,” glints.


  • VIPBET88 menjadi situs judi bola online terpercaya yang menawarkan kenyamanan bermain via mobile serta layanan resmi untuk setiap member.
  • VIPBET88 menjadi pilihan tepat situs SBOBET88 online terpercaya dengan keamanan tinggi, layanan profesional, dan bonus eksklusif setiap hari.
  • VIPBET88 adalah link terbaru dari situs judi bola online resmi dari provider sbobet88 yang merupakan agen taruhan bola terbaik tahun 2025 memiliki ratusan pilihan game judi bola yang dapat dimainkan.
  • VIPBET88 merupakan pusat judi bola online resmi Sbobet88 dengan akses link terbaru, fitur modern, dan layanan profesional sepanjang waktu.