PENILAIAN KINERJA TIM EVALUASI PERIJINAN PEMBUKAAN PROGRAM STUDI DENGAN TEKNIK CLUSTERING K-MEANS
Abstract
Abstrak: Mengelompokan karyawan atau staff mana yang memiliki kinerja yang baik dengan yang kurang baik bisa jadi hal yang krusial. Evaluasi perijinan program studi memerlukan kinerja tim penilai yang tinggi karenanya perlu dikelompokan mana tim penilai yang kinerjanya baik dan yang kurang baik. Clustering merupakan Teknik data mining yang efektif untuk melakukan pengelompokkan. Clustering termasuk ke dalam unsupervised learning. Salah satu Teknik clustering yang cukup terbukti secara empiris adalah K-Means. Tujuan dari penelitian ini adalah melakukan pengelompokkan tim penilai yang berkinerja tinggi dengan yang biasa saja dengan menggunakan Teknik clustering K-Means, guna meningkatkan atau mempercepat proses evaluasi usulan perijinan Program Studi pada Kementerian Pendidikan dan Kebudayaan.
Downloads
References
Dabbura, I. (2018). K-means Clustering: Algorithm, Applications, Evaluation Methods, and Drawbacks. Towardsdatascience.Com. https://towardsdatascience.com/k-means-clustering-algorithm-applications-evaluation-methods-and-drawbacks-aa03e644b48a
Grover, N. (2014). A study of various Fuzzy Clustering Algorithms. International Journal of Engineering Research, 3(3), 177–181. https://doi.org/10.17950/ijer/v3s3/310
Hofmann, M., & Klinkenberg, R. (2014). RapidMiner Data Mining Use Cases and Business Analytics Applications. In Taylor & Francis Group. CRC Press.
Irwansyah, E. (2017). Clustering. Socs.Binus.Ac.Id. https://socs.binus.ac.id/2017/03/09/clustering/
Kassambara, A. (2021). PARTITIONAL CLUSTERING IN R: THE ESSENTIALS. Www.Datanovia.Com. https://www.datanovia.com/en/courses/partitional-clustering-in-r-the-essentials/
Kutbay, U. (2016). Partitional Clustering. Intech, i(tourism), 13.
Pulkit, S. (2019). The Most Comprehensive Guide to K-Means Clustering You’ll Ever Need. AnalyticsVidhya.
Seif, G. (2018). The 5 Clustering Algorithms Data Scientists Need To Know. Towardsdatascience.Com. https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68
Soni, N., & Ganatra, A. (2012). Comparative study of several Clustering Algorithms. International Journal of Advanced Computer Research (ISSN (Print): 2249-7277 ISSN (Online): 2277-7970), 7(4), 2–6.
Steinbach, M., Karypis, G., & Kumar, V. (2013). Comparison of Document Clustering Techniques. Researchgate, April 2013, 75–78. http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=4721382
Abstract viewed = 241 times
PDF downloaded = 295 times
Copyright (c) 2021 Ibnu Akil
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
