MENGETAHUI PROFIL PEGAWAI BPJT DILIHAT DARI TINGKAT KEHADIRAN DENGAN METODE CLUSTERING (K-MEANS)

HAPSARI, TYAS ATUS (2019) MENGETAHUI PROFIL PEGAWAI BPJT DILIHAT DARI TINGKAT KEHADIRAN DENGAN METODE CLUSTERING (K-MEANS). S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Jurnal Yudisium.pdf Restricted to Registered users only Download (799kB)

Abstract

Based on the mandate of laws and regulations, Government is obliged to enforce discipline to Civil Servants (PNS) and non PNS. One aspect that is very closely related to the level of employee discipline is attendance. Employees who came on time and never skip work can be said to have good discipline, and the opposite. Analysis of the employee attendance on 2017 can be used as an effort to improve the control of employee absences within Indonesia Toll Road Authority (BPJT). The dataset is taken from this employee attendance recap will be used to determine the profile of BPJT employees based on their level of attendance. This dataset consists of staffing data including employee tenure, employment status, percentage of attendance etc. The dataset testing is done by clustering method and using the k-means algorithm fin Rapidminer Studio 8.1 application. The results were obtained by 6 groups with each of the same characteristics, including 5 groups of employees who had good levels of discipline and 1 group of employees who needed to be improved. Profiles of employees who have a very good level of discipline are men, married, civil servants, have a working period of 21 years and over, echelon 3 and has51-60 years. While the profile of employees who need to be increased by discipline is male, married, Non PNS, has a working period of 6-10 years, staff and has 31-40 years old. Key words: K-Means Algorithm, Clustering, RapidMiner, Data mining, Attendance, BPJT Berdasarkan amanat peraturan perundang undangan yang berlaku saat ini, Pemerintah wajib melaksanakan penegakan disiplin terhadap para Pegawai Negeri Sipil (PNS) dan Pegawai non PNS. Salah satu aspek yang sangat erat berkaitan dengan tingkat disiplin pegawai adalah absensi atau tingkat kehadiran. Pegawai yang hadir tepat waktu dan tidak pernah membolos bekerja bisa dikatakan mempunyai sifat disiplin baik, begitu pula sebaliknya. Analisis terhadap rekap absensi pegawai tahun 2017 ini bisa dijadikan sebagai salah satu upaya dalam meningkatkan penertiban absensi pegawai di lingkungan Badan Pengatur Jalan Tol (BPJT). Dataset diambil dari rekap absensi pegawai tersebut akan digunakan untuk mengetahui profil pegawai BPJT berdasarkan tingkat kehadirannya. Dataset ini terdiri dari data-data kepegawaian antara lain masa kerja pegawai, status kepegawaian, persentase kehadiran dll. Pengujian dataset dilakukan dengan metode clustering dan menggunakan algoritma k-means yang terdapat pada aplikasi Rapidminer Studio 8.1. Hasilnya diperoleh 6 kelompok dengan masing-masing karakteristik yang hampir sama, diantaranya 5 kelompok pegawai yang sudah baik tingkat disiplinnya dan 1 kelompok pegawai yang perlu ditingkatkan. Profil pegawai yang memiliki tingkat disiplin sangat baik adalah laki-laki, sudah menikah, PNS, memiliki masa kerja 21 tahun ke atas, eselon 3 dan berusia 51-60 tahun. Sedangkan profil pegawai yang perlu ditingkatkan kedisiplinnya adalah laki-laki, sudah menikah, Non PNS, memiliki masa kerja 6-10 tahun, pelaksana dan berusia 31-40 tahun. Kata kunci: Algoritma K-Means, Clustering, RapidMiner, Data mining, Absensi, BPJT

Actions (login required)

View Item