Perbandingan Efektifitas Algoritma K-Means Clustering-Topsis dan K-Medoids Clustering-Topsis dalam Menentukan Karyawan IT dengan Kinerja Terbaik

Abstract

Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat di era revolusi industri 4.0 mendorong berbagai sektor untuk terus berinovasi berkembang mengikuti jaman, namun di PT. Ises Solusi Teknologi belum adanya metode untuk menentukan kinerja karyawan IT dengan baik. Untuk mengatasi permasalahan ini, diperlukan adanya algoritma yang efisien untuk menilai karyawan IT di PT. Ises Solusi Teknologi, sehingga bisa menentukan kinerja karyawan IT yang berkualitas. Tujuan dari penelitian ini adalah dengan melakukan perbandingan antara dua algoritma clustering sehingga dapat di pilih mana algoritma yang paling efisien untuk melakukan pengelompokkan cluster dan di akhir akan di ranking dengan Topsis untuk menilai kinerja karyawan IT terbaik di PT. Ises Solusi Teknologi. Metode pengelompokkan data kinerja karyawan yang dibuat menggunakan metode clustering k-means, k-medoids dengan menggunakan tiga atribut, yaitu: hasil dari dataset yang dikumpulkan berdasarkan kinerja tugas dan penilaian belajar diambil 3 kriteria profesi keahlian yaitu administrasi perkantoran, digital marketing dan desain grafis, kemudian diolah dengan bantuan google collabs kemudian di akhir menggunakan Sistem Pendukung Keputusan (SPK) Topsis untuk melihat ranking mana karyawan IT Terbaik, Pada tahap berikutnya mencari nilai davies bouldin index memakai bantuan google collabs pada setiap metode yang dipakai untuk melakukan perbandingan serta menentukan metode yang lebih optimal dalam clustering. Hasil nilai yang diperoleh dari metode davies bouldin index di setiap algoritma, yaitu: k-means sebesar -0.350, k-medoids sebesar -1.408, maka algoritma terbaik untuk pengelompokkan data kinerja karyawan IT dalam penelitian ini adalah algoritma k-means, karena memiliki nilai DBI yang terkecil.