Penerapan Fuzzy C-Means Clustering untuk Klasterisasi Data Human Resource Development

Abstract

Data mining adalah proses untuk medapatkan informasi yang berguna dari basis data yang besar dan perlu diekstraksi agar menjadi informasi baru dan dapat membantu dalam pengambilan keputusan. Sebagai bidang ilmu yang relative baru Data mining menjadi salah satu pusat perhatian para akademis maupun praktisi. Dan salah satu tekniknya yaitu clustering sebuah metode pengelompokkan data. Clustering sebuah proses untuk mengelompokkan data ke dalam beberapa cluster atau kelompok sehingga dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data antar cluster memilki kemiripan. Fuzzy C-Means adalah suatu algoritma pengklasteran data yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaannya. Untuk data hrd yang digunakan adalah suatu data pegawai yang mengajukan pensiun, data pegawai yang memiliki jabatan, lama waktu bekerja perlu di kelompokkan agar dapat menentukan kelompok data berdsarkan jabatan, lama jabatan, untuk dilakukan prioritas dalam mengajukan berkas pegawai. Oleh karena itu penilitian ini merumuskan masalah yaitu bagaimana menerapkan algoritma Fuzzy C-Means kedalam suatu sistem untuk menggelompokkan pegawai yang mengajukan pensiun. penulis memiliki tujuan untuk membangun sebuah sistem dan menerapkan metode dalam sistem agar mempermudah dalam pengurusan berkas pensiun pegawai. Pengujian dengan data berjumlah 1303 data Human Resource Development dengan jumlah cluster 1 dengan masing-masing iterasi sebanyak 3 dan minimum error 0.7 mendapatkan hasil Silhouette Index (SI) 0.95504618735587, untuk cluster 2 mendapatkan hasil Silhouette Index (SI) 1. Silhouette Coefficient (SC) pada clustering Human Resource Development dengan menggunakan meode Fuzzy C-Means mendapatkan hasil 0.97254424443181 pada jumlah cluster 2 dengan kode C0008, yang artinya struktur clustering bagus. Data mining is the process of obtaining useful information from a large database and needs to be extracted so that it becomes new information and can assist in decision making. As a relatively new field of science, data mining has become a center of attention for both academics and practitioners. Clustering is a process of grouping data into several clusters or groups so that one cluster has the maximumlevel of similarity and the data between clusters have similarities. Fuzzy C-Means is a data clustering algorithm in which the existence of each data point in a cluster is determined by its membership degree. For HRD data used is employee data applying for retirement, employee data with positions, length of time working needsto be grouped so that data groups can be determined based on position, length of office, to be prioritized in submitting employee files. Therefore, this research formulates a problem, namely how to apply the fuzzy cmeans algorithm into a system to classify employees applying for retirement. the author has a goal to build a system and apply methods in the system to make it easier to manage employee retirement files. Testing with data totaling 1303 Human Resource Development data with the number of clusters 1 with each iteration of 3 and a minimum error of 0.7 obtained the results of the Silhouette Index (SI) 0.95504618735587, for cluster2 the results of the Silhouette Index (SI) 1. Silhouette Coefficient (SC) in Human Resource Development clustering using the Fuzzy C-Means method, the results are 0.97254424443181 in the number of clusters 2 with code C0008, which means a good clustering structure.