Aditia Yudhistira
Universitas Teknokrat Indonesia

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Klasterisasi Penilaian Kinerja Pegawai Menggunakan Metode Fuzzy C-Means (Studi Kasus : Pengadilan Tinggi Agama bandar lampung) Aditia Yudhistira; Ahmad Ari Aldino; Dedi Darwis
EDUTIC Vol 9, No 1 (2022): November 2022
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (271.862 KB) | DOI: 10.21107/edutic.v9i1.17134

Abstract

Data mining merupakan teknik pengolahan Data dalam jumlah  besar untuk pengelompokan. Teknik data mining mempunyai beberapa metode dalam mengelompokan salah satunya tekn ik yang dipakai penulis saat ini adalah Fuzzy C-means. dalam hal ini penulis akan mengelompokan Penilaian kinerja pegawai bertujuan untuk mengevaluasi kinerja pegawai  dan pemberian apresiasi terhadap pegawai Yang memiliki kinerja baik, guna meningkatkan semangat pegawai dalam bekerja. Penilian kinerja pegawai dilakukan dengan menjumlahkan nilai tiap kriteria penilaian dan menggunakan standar nilai untuk menentukan nilai akhir. Pada penelitian ini penelitian kinerja pegawai yang digunakan adalah nilai perilaku yaitu nilai orientasi, nilai integritas, nilai komitmen, nilai kedisiplinan dan nilai kerjasama.  Nilai tersebut diolah dengan menggunakan metode Fuzzy C-Means (FCM) dengan tools aplikasi matlab sehingga menghasilkan sejumlah kelompok karyawan yang memiliki standar penilaian bersifat dinamis.  Penetapan nilai yang di peroleh pegawai didasarkan pada pengurutan pusat cluster hasil pengolahan total nilai pegawai menggunakan FCM. Pada Penelitian ini berhasil dikelompokan pegawai dengan kelompok pegawai yang termasuk sangat baik, baik, cukup, kurang dan buruk. Dari hasil analisis pengelompokan FCM dengan 5 cluster dengan 35x iterasi  diperoleh fungsi objektif sebesar 111.949781. Dimana  kelompok  pertama terdiri dari 940 pegawai, klaster ke dua 692 pegawai, kelompok 23 pegawai , kelompok ke empat   terdiri dari 8 pegawai dan kelompok ke lima terdiri dari 17 pegawai. Dari hasil centroid ini telah dianalisa bahwa rata-rata nilai pegawai memiliki nilai sangat baik pada fitur nilai komitmen dan nilai kesidipilinan. Hal ini dapat menjadi pola bahwa seorang pegawai dikatakan layak untuk mendapatkan reward ketika nilai komitmen dan nilai kedisiplinan sangat baik.
Sistem Pendukung Keputusan Rekrutmen Staff Marketing Menggunakan Metode Analytical Hierarchy Process Aditia Yudhistira
Journal of Information Technology, Software Engineering and Computer Science Vol. 2 No. 2 (2024): Volume 2 Number 2 April 2024
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/itsecs.v2i2.110

Abstract

The company's marketing staff recruitment process focuses on finding individuals who have strong communication skills, high creativity, and a deep understanding of the market and industry trends. The ideal candidate should be able to develop innovative marketing strategies to increase brand visibility and expand the company's market share. The decision support system (DSS) for marketing staff recruitment using the analytical hierarchy process (AHP) method is an application designed to assist HR managers or recruitment teams in making effective and efficient decisions related to marketing staff recruitment. The AHP method is used to evaluate criteria that are important in the recruitment process, as well as to compare prospective employees based on these criteria. By using AHP, DSS can assign relative weight to each criterion and alternative, thus enabling managers to make decisions based on structured and mature analysis. This DSS will help minimize errors in employee selection and improve the match between prospective employees and company needs, so as to improve the performance of the marketing team and the company's overall contribution. The ranking results found that Budi became the 1st best in marketing staff recruitment with a value of 2.170024213.