KLASIFIKASI CALON PEGAWAI DENGAN MENGGUNAKAN METODE K-MEANS

Endriyono, Dony - 135610017 (2017) KLASIFIKASI CALON PEGAWAI DENGAN MENGGUNAKAN METODE K-MEANS. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.

Preview	Text 1) 13561007_HALAMAN DEPAN.pdf - Published Version Download (878kB) | Preview
Preview	Text 2) 135610017_BAB I.pdf - Published Version Download (16kB) | Preview
Preview	Text 3) 135610017_BABII.pdf - Published Version Download (325kB) | Preview
	Text 4) 135610017_BABIII.pdf - Published Version Restricted to Repository staff only Download (738kB) | Request a copy
	Text 5) 135610017_BABIV.pdf - Published Version Restricted to Repository staff only Download (915kB) | Request a copy
Preview	Text 6) 135610017_BABV.pdf - Published Version Download (9kB) | Preview
Preview	Text 7) 135610017_DAFTAR PUSTAKA.pdf - Published Version Download (158kB) | Preview
Preview	Text 8) 135610017_MENJALANKAN_PROGRAM.pdf - Published Version Download (69kB) | Preview
	Text 9) 135610017_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (426kB) | Request a copy

Abstract

Permasalahan yang sering muncul saat proses penyeleksian calon pegawai antara lain penilaian masih secara subyektif sehingga hasil seleksi tidak sesuai dengan harapan oleh instansi. Berdasarkan permasalahan tersebut, instansi membutuhkan suatu aplikasi komputer yang dapat pengelompokan data calon pegawai menggunakan metode K-means calon pegawainya. Pada sistem klasifikasi data calon pegawai mengunakan variabel nilai psikotes dan nilai wawancara. Salah satu metode data mining yang digunakan pada penelitian ini adalah metode K-Means. Metode K-Means digunakan untuk melakukan clustering data variabel nilai psikotes dan wawancara dari calon pegawai tenaga kependidikan yang akan dicapai, serta membantu memberikan informasi pengelompokan data. Metode ini mengklasifikasi data ke dalam suatu cluster tertentu. Proses klasifikasi dilakukan dengan cara Menghitung jarak terdekat titik pusat dengan rumus distance space euclidean, sehingga data yang mempunyai karakteristik yang sama dikelompokan ke dalam satu cluster yang sama. Hasil akhir pengelompokan terbagi tiga kategori yaitu disarankan, dipertimbangkan dan tidak dipertimbangkan. Hasil pengujian pada aplikasi yang dibangun menunjukkan klasifikasi data yang diperoleh sama dengan hasil perhitungan secara manual. Kata kunci : Calon Pegawai, Clustering, K-Means, Euclidean

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing: Pulut Suryati, S.Kom., M.Cs
Uncontrolled Keywords:	Kata kunci : Calon Pegawai, Clustering, K-Means, Euclidean
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi
Divisions:	Jenjang Strata Satu > Sistem Informasi (Information System)
Depositing User:	Users 516 not found.
Date Deposited:	16 Feb 2017 09:08
Last Modified:	16 Feb 2017 09:08
URI:	http://eprints.akakom.ac.id/id/eprint/3778

Actions (login required)

View Item