K-Means Clustering Dalam Penerimaan Karyawan Baru

  • Anggun Setiadi Sistem Informasi; STMIK Nusa Mandiri
  • Erma Delima Sikumbang Sistem Informasi Akuntansi; Universitas Bina Sarana Informatika

Abstract

Dalam penerimaan karyawan baru sulitnya bagian SDM PT. Erdikha Elit Sekuritas dalam mengelompokkan data-data karyawan baru dan tidak adanya sistem tes dalam pemilihan karyawan baru. Metode K-Means Clustering adalah salah satu metode cluster analysis non hirarki yang berusaha untuk mengelompokkan data-data yang ada satu atau lebih cluster atau kelompok, oleh karena itu metode ini sangat cocok digunakan untuk mengatasi permasalahan dalam mengelompokkan data-data calon karyawan baru dan mengimplementasikan menggunakan software RapidMiner dengan hasil penelitian 0,125% untuk cluster 1 yang berjumlah 2 data karyawan baru, 0,125% untuk cluster 2 yang berjumlah 2 data karyawan baru, dan 0,750% untuk cluster 3 yang berjumlah 12 data karyawan baru. Strategi pemilihan karyawan baru nantinya akan mengikuti cluster yang terbentuk berdasarkan data yang paling banyak diantara 3 cluster yang ada, yaitu di cluster ke- 3, karena dengan data cluster yang paling banyaklah yang lebih banyak memenuhi kriteria.
Kata kunci: K-Means Clustering, Penerimaan Karyawan Baru
Abstract: In the case of hiring new employees, the difficulty of the HR department of PT. Erdikha Elit Sekuritas in classifying new employee data and the absence of a test system in the selection of new employees. K-Means Clustering method is a non-hierarchical cluster analysis method that seeks to group existing data into one or more clusters or groups, therefore this method is very suitable to be used to overcome problems in grouping data on prospective new employees and implements using RapidMiner software with research results of 0.125% for cluster 1 which amounts to 2 new employee data, 0.125% for cluster 2 which amounts to 2 new employee data, and 0.750% for cluster 3 which amounts to 12 new employee data. The new employee selection strategy will follow the clusters formed based on the most data among the 3 existing clusters, namely in the 3rd cluster, because with the most data clusters that meet more the required criteria.
Keywords: Acceptance of new employees, K-Means Clustering.

Author Biographies

Anggun Setiadi, Sistem Informasi; STMIK Nusa Mandiri
Sistem Informasi; STMIK Nusa Mandiri
Erma Delima Sikumbang, Sistem Informasi Akuntansi; Universitas Bina Sarana Informatika
Sistem Informasi Akuntansi; Universitas Bina Sarana Informatika

References


[1] N. Fina and D. Surya, “Seminar Nasional Teknologi Informasi dan Multimedia 2015 Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Potensi Utama),” pp. 6–8, 2015.
[2] S. W. Riyani, W. Anjar, and W. P. Agus, “Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 224–230, 2018.
[3] V. T. Retno, Data Mining Teori dan Aplikasi Rapidminer. Surakarta: Media, Gava, 2017.
[4] H. A. Fajar, Data Mining. Surabaya: ANDI OFFSET, 2013.
[5] S. M. Amril and P. Adam, Data Mining : Pengolahan Data Menjadi Informasi dengan RapidMiner. CV. Kekata Group, 2018.
[6] W. Rita, “Pengaruh Pengawasan Internal Dan Kepemimpinan Terhadap Kinerja Karyawan (Studi Kasus Di Politeknik Lp3I Jakarta),” Maj. Ilm. Bijak, vol. 15, no. 1, pp. 77–90, 2018.
[7] S. Riama and Chafid, “Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasisswa Baru Universitas Satya Negara Indondesia [Algorithma K-Means Clustering Strategy Marketing Admission Universitas Satya Negara Indonesia],” Semin. Nas. Cendekiawan ke 4, no. 2, pp. 685–690, 2018.
[8] T. Tria and W. Chasanah, “Penentuan Strategi Promosi Penerimaan Mahasiswa Baru Dengan Algoritma Clustering K-Means,” vol. XII, no. 25, pp. 39–44, 2017.
[9] A. Mario, S. Herry, and H. Nasution, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.
[10] Y. Fitri, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” Sistemasi, vol. 7, no. 3, p. 238, 2018.

Published
2020-06-02
How to Cite
SETIADI, Anggun; SIKUMBANG, Erma Delima. K-Means Clustering Dalam Penerimaan Karyawan Baru. INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics, [S.l.], v. 4, n. 2, p. 103-112, june 2020. ISSN 2548-3412. Available at: <http://ejournal-binainsani.ac.id/index.php/ITBI/article/view/1304>. Date accessed: 20 oct. 2020.