Clustering Data Remunerasi Dosen Untuk Penilaian Kinerja Menggunakan Fuzzy c-Means
| Main Authors: | Mas`udia, Putri Elfa, Arinie, Farida, Mustafa, Lis Diana |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2018
|
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/97 http://jurnal.iaii.or.id/index.php/RESTI/article/view/97/44 |
Daftar Isi:
- Remuneration of lecturers is closely related to the performance of lecturers as stated in Tri Dharma Perguruan Tinggi. The Three critera of Tri Dharma are teaching, research and devotion. The remuneration data will be clustered into some clusters to analyze the lecturers group. Each remuneration data consists of seven attributes such as teaching, research, textbook, training, community service, presence and certificate. For case study, the remuneration data of lecturers of telecommunication engineering will be used.Fuzzy c-means is the clustering method that will be implemented on this system.Different with K-Means, in Fuzzy c-means data will be mapped on each cluster with varying degrees of membership from 0-1. Based on the test results, there are 3 clusters formed with the number of lecturers who enter cluster 0 are 4 lecturers, 10 lecturers in cluster 1 , and 14 lecturers in cluster 2. Based on the analysis of the test result data, cluster 0 has a better value than other clusters because it has the highest cluster center point so that the lecturer's performance value included in cluster 0 is also high close to the cluster center point value.
- Remunerasi dosen erat kaitannya dengan Tri Dharma Perguruan Tinggi yang meliputi tiga kriteria yaitu Pengajaran, Penelitian dan Pengabdian. Dari data tersebut akan dilakukan clustering untuk menganalisa kelompok dosen. Data yang digunakan adalah data dosen teknik telekomunikasi, dengan 7 atribut yaitu pengajaran, pelatihan dan buku ajar, penelitian, pengabdian, jabatan, kehadiran dan penunjang. Metode yang digunakan adalah Fuzzy c-means, berbeda dengan k-means dimana satu data hanya masuk pada satu cluster saja, pada Fuzzy c-means data akan masuk pada setiap cluster dengan derajat keanggotaan yang berbeda-beda berkisar diantara 0-1. Berdasarkan hasil pengujian, terdapat 3 cluster yang terbentuk dengan jumlah dosen yang masuk cluster 0 sebanyak 4 dosen, Cluster 1 sebanyak 10 dosen, dan cluster 2 sebanyak 14 dosen. Berdasarkan analisa data hasil pengujian, cluster 0 memiliki nilai yang lebih baik dari cluster lainnya karena memiliki titik pusat cluster tertinggi sehingga nilai kinerja dosen yang masuk dalam cluster 0 juga tinggi mendekati nilai titik pusat cluster.