Clustering Data Kinerja Karyawan Menggunakan Algoritma K-Means

Setiap tahun diselenggarakan penilaian kinerja karyawan terbaik, namun mengalami kesulitan dalam proses pengelompokan karyawan terbaik. Tujuan penelitian ini yaitu clustering kinerja karyawan menggunakan metode data mining dengan menerapkan algoritma Kmeans serta dapat membandingkan hasilnya untuk mengetahui cluster terbaik, data yang digunakan merupakan data kinerja dari tahun 2022 sampai 2023. Berdasarkan hasil penelitian menggunakan perhitungan Python dan RapidMiner, jumlah cluster adalah 3 yang terbentuk menggunakan algoritma kmeans berdasarkan perhitungan, maka kesimpulan sebagai berikut : 1. Cluster 1 sangat produktif terdiri dari 27 karyawan, Cluster 2 kurang produktif terdiri dari 48 karyawan, Cluster 3 tidak produktif terdiri dari 25 karyawan, Jika ditinjau dari nilai DBI menunjukan nilai yang sama pada algoritma kmeans yaitu 1,348, hal ini berdasarkan metode Davies Bouldien Index (DBI) menujukan bahwa perhitungan pyhton dan rapidminer algoritma kmeans merupakan perhitungan algoritma terbaik karena memiliki nilai DBI yang mendekati 0 dan tidak negative, hal ini dikarenakan pada proses perhitungan hasil cluster yang diperoleh pengelompokan jumlah cluster adalah sama. Maka cluster 1 dengan jumlah 27 karyawan dengan kategori sangat produktif yang akan diberikan penghargaan dari perusahaan, karena dedikasinya terhadap perusahaan.

Kata Kunci: data mining, davies bouldien index, kmeans, pengelompokan, python