Penerapan Algoritme Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance (LMKHNCN) Untuk Klasifikasi Hasil Kinerja Pegawai Negeri Sipil

Penulis

  • Adam Syarif Hidayatullah Universitas Brawijaya, Malang
  • Fitra Abdurrachman Bachtiar Universitas Brawijaya, Malang
  • Imam Cholissodin Universitas Brawijaya, Malang

DOI:

https://doi.org/10.25126/jtiik.2021834431

Abstrak

Keberhasilan sebuah perusahaan terjadi karena dapat mengelola sumber daya manusianya dengan baik begitu juga sebaliknya. Salah satu instansi yang mengelola sumber daya manusia menggunakan Manajemen Talenta adalah Badan Kepegawaian Daerah (BKD) kota Malang, dengan mengevaluasi pegawainya setiap tahunnya setelah pekerjaan selesai dilakukan. Hal ini menyebabkan hasil pekerjaan yang telah dilakukan tidak optimal, sehingga perlu identifikasi dini pegawai yang memiliki kinerja dibawah rata – rata sehingga dapat dievaluasi dan meminimalisir hasil pekerjaan yang tidak optimal dengan menggunakan teknik klasifikasi. Penelitian ini menggunakan teknik klasifikasi Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance (LMKHNCN). Metode ini merupakan metode modifikasi dari metode K-Nearest Neighbor (KNN) dan dibuktikan memiliki performa lebih baik dibandingkan dengan metode aslinya KNN. Dilakukan pengujian F1-Score dan akurasi menggunakan K-Fold Cross Validation untuk mengetahui persebaran akurasi dan juga pengujian mengenai pengaruh normalisasi karena tidak ada informasi normalisasi pada penelitian sebelumnya. Metode pada kasus ini menghasilkan performa klasifikasi yang baik, dibuktikan bahwa hasil akurasi dan F1-Score oleh metode ini berturut – turut ialah mencapai 98,8% dan 98,1%.

 

Abstract

The success of company occurs because is manage human resources well and vice versa. One of institute that mange human resource using Talent Management is Malang city Badan Kepegawaian Daerah (BKD), which evaluates its employee annually after the work is completed. This can cause not optimal work result, so it necessary to early identification of employees who have performance below average performance so that can be evaluated and minimize not optimal result. This study is use classification technique Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance (LMKHNCN). This method is modified base algorithm of K-Nearest Neighbor (KNN). F1-Score and Accuracy using K-Fold Cross Validation to measure performance of this method and normalization testing due to no any information about that in previous study. This method is proven to have better performance compared to it original algorithm KNN. The method in this study has produced good classification performance. The result of classification accuracy and F1-Score by this method reach 98,8% dan 98,1%.

Downloads

Download data is not yet available.

Referensi

AGGARWAL, C., 2015. Data Mining: The Text Book. Switzerland: Springer International Publishing.

CHAUDHURI, 1996. A New Definition of Neighborhood of a Point in Multidimensional Space. Pattern Recognition Letters, Volume 17, pp. 11-17.

DWI, R., BUDI, P. & YUDANINTYAS, E., 2018. Klasifikasi Kinerja Pegawai Universitas X dengan Pendekatan Neuro Fuzzy. Jurnal EECCIS, 12(1).

JONASON, K., 2016. Strategic Talent Management. Denmark: DK-2900

MEHTA, S., SHEN, X. & GOU, J., 2018. A New Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance. Information, 9(9), pp. 1-16.

PUTRI, IR., CHOLISSODIN, I., & SETIAWAN, BD., 2015, ‘Optimasi Metode Adaptive Fuzzy K-Nearest Neighbor Dengan Particle Swarm Optimization Untuk Klasifikasi Status Sosial Ekonomi Keluarga', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 3

RAIHAN, M. & PERMANA, A., 2019. Penerapan Metode K-Nearest Neighbor untuk Klasifikasi Kinerja Satpam Berbasis Web. Jurnal Teknologi dan Manajemen Informatika, 5(1).

SATRIA, N. & GITA, H., 2017. Pengaruh Manajemen Talenta terhadap Kinerja Karyawan Lintasarta Kota Jakarta. Jurnal Manajemen Indonesia, 17(3).

SETIYORINI, T. & TRI, R., 2018. Komparasi Metode Decision Tree, Naive Bayes dan K-Nearest Neighbor pada Klasifikasi Kinerja Siswa. Jurnal TECHNO Nusa Mandiri, 15(2).

SETIYORINI, T. & TRI, R., 2019. Penerapan Metode K-Nearest Neighbor dan Information Gain pada Klasifikasi Kinerja Siswa. Jurnal Ilmu Pengetahuan dan Teknologi komputer, 5(1).

SYALIMAN, U., NABABAN, E. & SITOMPUL, O., 2017. Improving The Accuracy Of K-Nearest Neighbor Using Local Mean Based And Distance Weight. Journal of Physics, Volume 978, pp. 1-6.

SUYANTO, 2017. Data Mining: untuk Klasifikasi dan Klasteriasi Data. Bandung: Informatika.

THEODORIDIS, S. & KOUTROMBAS, K., 2003. Pattern Recognition Second Edition. USA: Elsevier.

ZAKI, M. & MEIRA, W., 2014. Data Mining and Analysis: Fundamental Concepts and Algorithms. USA: Cambridge University

Diterbitkan

24-11-2021

Terbitan

Bagian

Ilmu Komputer

Cara Mengutip

Penerapan Algoritme Nearest Centroid Neighbor Classifier Based on K Local Means Using Harmonic Mean Distance (LMKHNCN) Untuk Klasifikasi Hasil Kinerja Pegawai Negeri Sipil. (2021). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(6), 1287-1292. https://doi.org/10.25126/jtiik.2021834431