PENERAPAN K-MEANS CLUSTERING PADA PENERIMAAN KARYAWAN BARU (STUDI KASUS: PT. ERDIKHA ELIT SEKURITAS)

research
  • 27 Aug
  • 2020

PENERAPAN K-MEANS CLUSTERING PADA PENERIMAAN KARYAWAN BARU (STUDI KASUS: PT. ERDIKHA ELIT SEKURITAS)

PT. Erdikha Elit Sekuritas adalah sebuah perusahaan yang merupakan anggota bursa efek yang bergerak dalam bidang transaksi sekuritas (jual beli efek), sekuritas merupakan jembatan antara investor dengan pasar modal, dan perusahaan ini memiliki lisensi khusus, yang berlokasi di Gedung Sucaco Lt. 3 Jl. Kebon Sirih Kav. 71 Jakarta Pusat 10340. Dalam hal penerimaan karyawan baru sulitnya bagian SDM PT. Erdikha Elit Sekuritas dalam mengelompokkan data-data karyawan baru dan tidak adanya sistem tes dalam pemilihan karyawan baru. Metode K-Means Clustering adalah salah satu metode cluster analysis non hirarki yang berusaha untuk mengelompokkan data- data yang ada kedalam satu atau lebih cluster atau kelompok, oleh karena itu metode ini sangat cocok digunakan untuk mengatasi permasalahan dalam mengelompokkan data-data calon karyawan baru dan mengimplementasikan menggunakan software RapidMiner dengan hasil penelitian 0,125% untuk cluster 1 yang berjumlah 2 data karyawan baru, 0,125% untuk cluster 2 yang berjumlah 2 data karyawan baru, dan 0,750% untuk cluster 3 yang berjumlah 12 data karyawan baru. Strategi pemilihan karyawan baru nantinya akan mengikuti cluster yang terbentuk berdasarkan data yang paling banyak diantara 3 cluster yang ada, yaitu di cluster ke- 3, karena dengan data cluster yang paling banyaklah yang lebih banyak memenuhi kriteria yang dibutuhkan, yang nantinya akan diproses lebih lanjut oleh HRD yaitu Ivan Kasulthan, Hafidh Qarazia Barly, Rowlinari Natalia Napitupulu, Fithria Al-Aghni, Riska Hernawati, Muhammad Dewa Bagaskoro, Daniel Andreas Sitohang, Nurul Wahyuningsih, Edo Ardiansyah, Junaidy Muzhary, Dede Sumarjono, Rudi Saefudin.

.

Unduhan

 

REFERENSI

A.     Muri Yusuf. (2014). Metode Penelitian Kuantitatif, Kualitatif & Penelitian Gabungan

(P. A. M. Y. M. P. Dr., ed.). Jakarta: KENCANA.

 

Anggara, M., Sujiani, H., & Helfi, N. (2016). Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness. Jurnal Sistem Dan Teknologi Informasi, 1(1), 1–6.

Bintoro, M. T., & Daryanto. (2017). Manajemen Penilaian kinerja karyawan. Yogyakarta. Chasanah, T. T., & Widiyono. (2017). Penentuan Strategi Promosi Penerimaan

Mahasiswa Baru dengan Algoritma Clustering K-Means. IC-Tech, XII(1), 39–44.

 

Darma, B., Setiawan, D., & Perdana, R. S. (2018). Algoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(February), 3865–3872. Retrieved from https://www.researchgate.net/publication/323365687

 

Haryati, S., & SudarsonHaryati, S., Sudarsono, A., & Suryana, E. (2015). Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu). Jurnal Media Infotama, 11(2), 130–138.

Hermawati, F. A. (2013). DATA MINING (Putri Christian, ed.). Surabaya: Andi Offset. Jaroji, Danuri, F. P. P. (2016). K-Means Untuk Menentukan Calon Penerima Beasiswa

Bidik Misi Di Polbeng. Kmeans, 1(1), 8.

Joko, S. (2011). Metode Penelitian Dalam Teori dan Praktek. Jakarta: Rineka Cipta. Kusrini, L. dan E. T. (2009). ALGORITMA DATA MINING (1st ed.). Yogyakarta: ANDI

OFSET.

 

Nasari, F., & Darma, S. (2015). Seminar Nasional Teknologi Informasi dan Multimedia 2015 PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS POTENSI UTAMA).

Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus: Universitas Potensi Utama), (membantu pihak marketing President Unversity dalam melakukan pemasaran dan mencari calon mahasiswa baru dari berbagai kota di Indonesia.), 6–8.

 

Noor Juliansyah, D. (2011). Metodologi Penelitian: Skripsi, Tesis, Disertasi & Karya Ilmiah (1st ed.; D. Noor Juliansyah, ed.). Jakarta: Prenada Media, 2016.

Ruslan, R. (2008). Metode Penelitian public relations dan komunikasi (R. Ruslan, ed.).

Jakarta: RajaGrafindo Persada, 2006.

 

Sari, R. W., Wanto, A., & Windarto, A. P. (2018). Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi). KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1), 224–230. https://doi.org/10.30865/komik.v2i1.930

 

Sibarani, R., & Chafi. (2018). Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasiswa Baru Universitas Satya Negara Indonesia [ Algorithma K- Means Clustering Strategy Marketing Admission Universitas Satya Negara Indonesia ]. Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasiswa Baru Universitas Satya Negara Indonesia., (Membantu pihak Universitas Satya Negara Indonesia dalam strategi pemasaran penerimaan mahasiswa baru), 685–690.

 

Siregar, A. M., & Pusbabhuana, A. (2018). DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner (1, ed.). Retrieved from https://books.google.co.id/books?id=rTlmDwAAQBAJ&dq=buku+rapid+miner+pu spabhuana&hl=id&source=gbs_navlinks_s

 

Vulandari, R. T. (2017). Data Mining Teori dan Aplikasi Rapidminer (I; Turi, ed.).

Surakarta: Gava Media.

 

Wardiani, D. S., & Merlina, N. (2019). IMPLEMENTASI DATA MINING UNTUK MENGETAHUI MANFAAT RPTRA MENGGUNAKAN METODE K-MEANS CLUSTERING. 15(1), 125–132.

 

Yunita. (2018). Yunita, Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Islam Indragiri) 1 238. Penerapan Data Mining Menggunakan Algooritma K-Means Clustering Pada Penerimaan Mahasiswa Baru, 7(September), 238–249.


Cari

Bidang Ilmu

Kategori

Kiriman Terbaru