Clustering Data Remunerasi Dosen Untuk Penilaian Kinerja Menggunakan Fuzzy c-Means

Abstract

Remunerasi dosen erat kaitannya dengan Tri Dharma Perguruan Tinggi yang meliputi tiga kriteria yaitu Pengajaran, Penelitian dan Pengabdian. Dari data tersebut akan dilakukan clustering untuk menganalisa kelompok dosen. Data yang digunakan adalah data dosen teknik telekomunikasi, dengan 7 atribut yaitu pengajaran, pelatihan dan buku ajar, penelitian, pengabdian, jabatan, kehadiran dan penunjang. Metode yang digunakan adalah Fuzzy c-means, berbeda dengan k-means dimana satu data hanya masuk pada satu cluster saja, pada Fuzzy c-means data akan masuk pada setiap cluster dengan derajat keanggotaan yang berbeda-beda berkisar diantara 0-1. Berdasarkan hasil pengujian, terdapat 3 cluster yang terbentuk dengan jumlah dosen yang masuk cluster 0 sebanyak 4 dosen, Cluster 1 sebanyak 10 dosen, dan cluster 2 sebanyak 14 dosen. Berdasarkan analisa data hasil pengujian, cluster 0 memiliki nilai yang lebih baik dari cluster lainnya karena memiliki titik pusat cluster tertinggi sehingga nilai kinerja dosen yang masuk dalam cluster 0 juga tinggi mendekati nilai titik pusat cluster.

Optimalisasi Penyaluran Bantuan Pemerintah Untuk UMKM Menggunakan Metode Fuzzy C-Means

“…Mampu menangani persebaran data yang mengalami overlap yang tidak bisa ditangani K-Means [9] dan memberikan hasil pengujian yang lebih baik dibandingkan dengan K-Means [9][11] [12][13] [14]. Dapat mengelompokkan data dengan banyak atribut atau mengelompokkan data berdasarkan kriteria tertentu sesuai dengan kebutuhan penelitian [15]. Mampu memberikan rekomendasi keputusan yang lebih baik dalam penentuan prioritas sehingga keputusan yang diperoleh lebih tepat, terkomputerisasi dan objektif, serta mampu melakukan pengelompokkan data yang sangat besar, dan memiliki hasil perhitungan yang akurat dan konsisten [16].…”

Perbandingan Clustering Karyawan Berdasarkan Nilai Kinerja Dengan Algoritma K-Means Dan Fuzzy C-Means

“…Penelitian ini menggunakan metode k-means dan fuzzy c-means (FCM). Metode k-means adalah metode untuk mengelompokkan data dengan sistem partisi [1], sedangkan metode FCM merupakan metode untuk mengelompokkan data yang mana derajat keanggotaannya menentukan keberadaan tiap-tiap titik data dalam suatu kelompok [2]. Manfaat dari penelitian ini yaitu mempermudah pengelompokkan data dengan nilai yang diperoleh masing-masing karyawan sehingga dapat digunakan untuk evaluasi dan membuat keputusan serta dapat mengetahui metode mana yang lebih baik digunakan untuk clustering karyawan berdasarkan nilai kinerja.…”