ANALISA METODE FUZZY C MEANS UNTUK KLASTERISASI KINERJA TEKNISI CCAN TELKOM KEDIRI

Yayak Kartika Sari
Joko Iskandar
Agung Prasetya


DOI: https://doi.org/10.29100/joeict.v6i1.1208

Abstract


PT. Telkom akses membutuhkan sumber daya manusia (SDM) yang berkualitas dan berkompetensi baik dalam aspek skill maupun aspek knowledge. Dalam menciptakan sumber daya manusia yang berkualitas diperlukan penilaian pekerjaan para teknisi khususnya pada divisi CCNA PT. Telkom akses Kediri. Penilaian tersebut penting dilakukan karena berkaitan dengan prestasi yang dicapai oleh setiap teknisi. Penilaian tersebut dilakukan dengan memberikan nilai terhadap setiap teknisi berdasarkan kriteria yang telah ditetapkan oleh perusahaan menggunakan sistem manual, sehingga suatu manager membutuhkan waktu yang lama dalam melakukan penilaian karena berkaitan dengan jumlah teknisi PT. TELKOM Akses di Kediri relative banyak sebesar 37 teknisi selain itu juga setiap karyawan memiliki kompetensi yang hampir sama. Maka dari itu perlunya Klasterisasi karyawan PT. Telkom akses agar memudahkan manager dalam mengambil sebuah keputusan. Pada penelitian ini menggunakan Fuzzy C-Means dalam teknik klasterisasi. Dari data teknisi diproses menggunakan metode fuzzy c means dengan pendefinisian parameter awal yaitu max iter sebesar 100, bobot sebesar 2, target error sebesar 0,001 dan fungsi objektif awal yaitu 0, dan diperoleh cluster 1 sebanyak 8 karyawan, cluster 2 sebanyak 22 karyawan, dan cluster 3 sebanyak 7 karyawan.


Keywords


Fuzzy C Means; Klasterisasi

Full Text:

PDF

Article Metrics :

References


Hariandja, M. T. E. (2002). Manajemen Sumber Daya Manusia: Pengadaan, Pengembangan, Pengkompensasian dan Peningkatan Produk-tivitas Pegawai.Jakarta: PT. Grasindo.

Kusrini & Emha Taufiq Luthfi, 2009, Algoritma Data Mining,. CV ANDI OFFSET, Yogyakarta.

Hidayah, Alfi Novia Zahrotul, Anief fauzan Rozi. 2021. Penerapan Data Mining Dalam Menentukan Kinerja Karyawan Terbaik Dengan Menggunakan Metode Algoritma C4.5 ( Studi Kasus : Universitas Mercu Buana Yogyakarta ). Journal of Information System and Artifi-cial Intelligence. Vol I No. II.

Gunawan, Wawan, Muhammad Riski Firmansyah. 2020. Monitoring dan Evaluasi Kinerja Karyawan menggunakan Algoritma Simple Additive Weighting dan Hungarian. ILKOM Jurnal Ilmiah. Vol 12 No. 2.pp 87-95.

Oktara, Panggi, Liza Yulianti, dan Jhoanne Fedricka. 2021. Analisis Kinerja pegawai Menggunakan Algoritma K-means pada Dinas Pen-didikan dan kebudayaan Kabupaten Bengkulu Tengah. Juenal media Infotama. Vol 17 No. 2.pp 8-14.

Martin, Yessica Nataliani. 2020. Klasterisasi Kinerja Karyawan Menggunakan Algoritma Fuzzy C-Means. Jurnal Teknologi Informasi (aiti). Vol. 17 No. 2 pp 118-129.

Ristanto, Ignatius Bagas, Yustina Retno Wahyu Utami, Teguh Susyanto. 2021. Penerapan Metode Clustering dengan Fuzzy C-Means untuk Memetakan Daerah Rawan Kecelakaan lalu lintas di Surakarta. Jurnal Ilmiah Sinus (JIS). Vol 19, No. 2 pp 27-36.

Pramitasari, Anissa Enggar, Yessica Nataliani. 2021. Perbandingan Clustering Karyawan Berdasarkan Nilai Kinerja Dengan Algoritma K-Means dan Fuzzy C-Means. Jurnal Teknik Informatika dan Sistem Informasi. Vol. 8 No. 3.

Sri Kusumadewi dan Sri Hartati. (2010). Neuro-Fuzzy: Integrasi Sistem Fuzzy & Jaringan Syaraf. Yogyakarta: Graha Ilmu.

Jang, S., Sun T., dan Mizutani E. (1997). Neuro-Fuzzy and Soft Computing A Computational Approach to Learning and Machine intelli-gence, Prentice Hall, Inc. ISBN 0132610663

Hasibuan. Z. A. 2007. Metodologi Penelitian Pada Bidang Ilmu Komputer Dan Teknologi Informasi. Depok : Fakultas Ilmu Komputer Universitas Indonesia.

Coghlan, D., dan Brannick, T. 2001. Doing Action Research in Your Own Organization. London: Sage Publications.