Aji, Fadhil (2020) PENERAPAN DATA MINING CLUSTERING KELAYAKAN KARYAWAN UNTUK MENDAPATKAN PERPANJANGAN KONTRAK KERJA DI PT.KAJANGLAKO. Skripsi thesis, Universitas Dinamika Bangsa.
Text
BAB I.pdf Download (306kB) |
|
Text
BAB II.pdf Restricted to Registered users only Download (579kB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (25kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB V.pdf Download (956kB) |
|
Text
BAB VI.pdf Download (286kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (119kB) |
Abstract
Proses penyeleksian bagi karyawan di PT.Kajanglako masih menggunakan sistem manual yang mana hanya berdasarkan pengamatan terhadap terhadap keseharian karyawan, tujuan dari penelitian ini adalah menerapkan dan mengvaluasi metode k-means clustering untuk menentukan tingkat kelayakan karyawan dalam mendapatkan perpanjangan kontrak kerja. Data yang digunakan dalam penelitian ini berjumlah 250 data karyawan yang memiliki jabatan sebagai satpam dan office boy. Metode yang digunakan dalam penelitian adalah algoritma k-means clustering. Attribut yang digunakan dalam penelitian ini adalah usia, tingkat pendidikan terakhir, kerapian, respon dan sikap, kedisplinan, absensi. Penelitian ini merekomendasikan 3 Cluster yang mana setiap cluster mewakili tingkat kelayakan karyawan untuk mendapatkan perpanjangan kontrak kerja, cluster 1 mewakili “sangat layak”, cluster 2 mewakili “cukup layak” dan cluster 3 mewakili “tidak layak”. Hasil dari penelitian ini adalah C1 terdapat 126 data, C2 terdapat 83 data, dan C3 terdapat 41 untuk perhitungan manual, untuk perhitungan menggunakan tools Rapid Miner memiliki hasil yang sama dengan perhitungan manual, sedangkan untuk perhitungan menggunakan tools weka adalah C0 terdapat 124 data, C1 terdapat 52 data, dan C2 terdapat 74 data.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Artificial Intelligence |
Divisions: | Skripsi > Teknik Informatika > 2020 |
Depositing User: | Digital Library |
Date Deposited: | 16 Sep 2020 04:49 |
Last Modified: | 16 Sep 2020 04:49 |
URI: | http://repository.unama.ac.id/id/eprint/1432 |
Actions (login required)
View Item |