PENERAPAN DATA MINING MENGGUNAKAN K-MEANS CLUSTERING TERHADAP KINERJA KARYAWAN

Abstrak

Penambangan data dengan penggunaan algoritma K-Means Clustering telah terbukti menjadi metode yang efektif untuk mengelompokkan pegawai berdasarkan hasil kerja, serta membantu dalam pengambilan keputusan strategis di bidang manajemen SDM. Studi ini menganalisis penggunaan K-Means Clustering dalam menilai performa pegawai dengan merujuk pada literatur ilmiah dari tahun 2020 hingga 2025. Menggunakan kerangka kerja CRISP-DM, penelitian ini mengkaji metode, termasuk pengumpulan informasi, pemrosesan awal, pembuatan model, dan penilaian hasil. Hasil yang ditemukan menunjukkan bahwa K-Means Clustering dapat mengkategorikan pegawai ke dalam kelompok berkinerja tinggi, sedang, dan rendah berdasarkan indikator seperti produktivitas, tingkat kehadiran, dan kepuasan di tempat kerja. Temuan ini mendukung strategi manajerial terkait seperti pengembangan, promosi, dan distribusi sumber daya. Masalah seperti ketahanan terhadap data pencilan dan penentuan jumlah kluster dapat diatasi melalui pemrosesan awal data dan penggunaan metrik evaluasi seperti Davies-Bouldin Index (DBI). Penelitian ini menyoroti kemungkinan K-Means Clustering dalam meningkatkan efisiensi organisasi melalui analisis performa yang berbasis data.