FARCHAN, RAFLY MOCHAMMAD (2022) IMPLEMENTASI ALGORITMA K-MEANS UNTUK MENENTUKAN KINERJA PEGAWAI PADA DINAS KEBUDAYAAN DAN PARIWISATA KOTA TANGERANG. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (773kB) | Preview |
|
|
Text (ASBTRAK)
02 ABSTRAK.pdf Download (23kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
03 BAB 1.pdf Restricted to Registered users only Download (40kB) |
|
|
Text (BAB II)
04 BAB 2.pdf Restricted to Registered users only Download (123kB) |
|
|
Text (BAB III)
05 BAB 3.pdf Restricted to Registered users only Download (145kB) |
|
|
Text (BAB IV)
06 BAB 4.pdf Restricted to Registered users only Download (84kB) |
|
|
Text (BAB V)
07 BAB 5.pdf Restricted to Registered users only Download (121kB) |
|
|
Text (BAB VI)
08 BAB 6.pdf Restricted to Registered users only Download (49kB) |
|
|
Text (DAFTAR PUSTAKA)
09 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (96kB) |
|
|
Text (LAMPIRAN)
10 LAMPIRAN.pdf Restricted to Registered users only Download (477kB) |
Abstract
Assessment of an employee's performance is an important performance evaluation stage for the continuity of government service activities. Monitoring and evaluation of an employee's assessment must be carried out continuously in order to improve the quality of human resources. This research was conducted to determine the accuracy of incentives based on the level of service_orientation and commitment. The data that is processed in this study is in the form of assessment data for the cultural and tourism office of Tangerang City. For grouping the employee data using the K-Means Algorithm. K-means is an unsupervised learning algorithm. It is the most commonly used clustering algorithm because of its small iterations and fast convergence speed. It is the most commonly used clustering algorithm because of its small iterations and fast convergence speed. Research using this method obtained results in the form of grouping employees into 3 groups that have a good rating level, quite good, not good, totaling 30 employees as a sample, a good rating level of 10 employees, good amounting to 10 employees, and less good amounting to 10 employees. Based on the results of the grouping that has been produced, it can be considered for leaders to determine the amount of incentives for employees. Key words: Clustering, Employee Assessment, K-Means, Elbow Penilaian terhadap suatu kinerja pegawai merupakan suatu tahap evaluasi kinerja yang penting bagi kelangsungan aktivitas dinas pemerintahan. Pemantauan dan penilaian terhadap suatu penilaian pegawai harus dilakukan secara terus-menerus agar dapat meningkatkan kualitas sumber daya manusia. Penelitian ini dilakukan untuk membuat akurasi pemberian insentif berdasarkan tingkat Orientasi_Pelayanan dan Komitmen. Data yang diolah dalam penelitian ini berupa data penilaian pegawai dinas kebudayaan dan pariwisata kota tangerang. Untuk pengelompokan data pegawai tersebut menggunakan Algoritma K-Means. Kmeans adalah algoritma pembelajaran tanpa pengawasan. Ini adalah algoritma pengelompokan yang paling umum digunakan karena iterasi kecil dan kecepatan konvergensi yang cepat. Ini adalah algoritma pengelompokan yang paling umum digunakan karena iterasi kecil dan kecepatan konvergensi yang cepat. Penelitian dengan menggunakan metode ini mendapatkan hasil berupa pengelompokkan pegawai menjadi 3 kelompok yang mempunyai tingkat penilaian baik, cukup baik, kurang baik, berjumlah 30 pegawai sebagai sampel, tingkat penilaian baik berjumlah 10 pegawai, baik berjumlah 10 pegawai, dan kurang baik berjumlah 10 pegawai. Berdasarkan hasil pengelompokan yang telah dihasilkan dapat diharapkan menjadi pertimbangan bagi pimpinan untuk menentukan jumlah insentif untuk pegawai. Kata kunci: Clustering, Penilaian Pegawai, K-Means, Elbow
Actions (login required)
 |
View Item |
