Akurasi Pemberian Insentif Menggunakan Algoritma K-Medoids Terhadap Tingkat Kedisiplinan Pegawai

Abstract

Assessment of a discipline is a performance evaluation stage that is important for the continuity of company activities. Monitoring and assessment of an employee's discipline must be carried out continuously in order to improve the quality of human resources. This research was conducted to make the accuracy of providing incentives based on the level of employee discipline. The data processed in this study is a recapitulation of the attendance of AMIK and STIKOM Tunas Bangsa Pematangsiantar employees as many as 25 employees as a sample. For grouping the employee data using the K-Medoids Algorithm. K-Medoids groups a set of n objects into a number of k clusters using the partition clustering method. Furthermore, the employee data is processed using Rapid Miner software. Research using this method obtained results in the form of grouping employees into 3 groups that have good discipline levels of 12 employees, sufficient discipline levels of 8 employees, and less disciplinary levels of 5 employees. Based on the grouping results that have been produced, it can be a consideration for the leadership to determine the amount of incentives for employees.

Perbandingan Algoritma K-Means dan K-Medoids Dalam Penclusteran Data Penjualan PT. United Teknologi Integrasi

“…Penggunaan Euclidean Distance untuk menghitung jarak antara kedekatan objek dengan pusat (medoid) sehingga kemungkinan besar objek yang dipilih secara acak mirip dengan objek medoidnya. Tahapan penyelesaian K-Medoids adalah sebagai berikut: [2] [7] a. Melakukan inisialisasi pusat cluster sebanyak jumlah cluster (k). b. Mengalokasikan setiap objek ke cluster terdekat menggunakan Euclidean Distance dengan rumus persamaan (3).…”

“…Pengelompokan data rekam medis pasien ini menghasilkan informasi baru mengenai pola pengelompokan penyebaran penyakit di setiap kecamatan berdasarakan data rekam medis pasien dari rumah sakit anwar medika sebanyak 534 data dengan waktu penyelesaian sebanyak 0.06 detik. Penelitian lainnya yang berjudul Akurasi Pemberian Insentif Menggunakan Algoritma K-Medoids Terhadap Tingkat Kedisiplinan Pegawai [7]. Penelitian ini juga membahas terakit penerapan metode clustering dengan Algoritma K-Medois.…”