Algoritma K-Means Dan Early Warning System Pada Aplikasi Penugasan Dan Penilaian Hasil Kinerja Pegawai Berbasis Website

Farhan Ikhsan Maulidan(1*),Fauziah Fauziah(2),Frenda Farahdinna(3)
(1) Universitas Nasional
(2) Universitas Nasional
(3) Universitas Nasional
(*) Corresponding Author
DOI : 10.35889/jutisi.v12i3.1491

Abstract

Employee performance is the key to increasing competitiveness, especially in government agencies. However, not all companies have the right media to accommodate employee performance measurement, one of which is the Ministry of Education and Culture. So far, the performance of Ministry of Education and Culture employees has been measured manually, resulting in the potential for bias and loss of data due to the fact that the recording system is still paper-based. Therefore, researchers are trying to create an application called a performance system (SIJA) which helps to increase timeliness in completing assigned tasks. This research uses the early warning system (EWS) algorithm which is used as an early detection of each employee's task completion and uses the K-Means algorithm for filtering and grouping data results to assess employee performance. The result of this research is the availability of a system that makes it easier for Finance Bureau leaders to manage the performance of their employees. Based on tests with Katalon Studio, it shows that the SIJA application received the title "passed", which indicates that the application runs well.

Kata kunci: Website; Performance system; K-Means; Early Warning System; Employee Performance

Abstrak

Kinerja pegawai merupakan kunci dalam meningkatkan daya saing khususnya pada instansi pemerintahan. Namun demikian, tidak semua perusahaan memiliki media yang tepat untuk mengakomodir pengukuran kinerja pegawai salah satunya di Kemendikbudristek. Selama ini, kinerja pegawai Kemendikbudristek diukur secara manual sehingga berpotensi terjadi bias dan kehilangan data akibat sistem pencatatannya masih berbasis kertas. Oleh sebab itu, peneliti mencoba membuat suatu aplikasi yang dinamakan sistem kinerja (SIJA) yang membantu untuk meningkatkan ketepatan waktu dalam penyelesaian tugas yang diberikan. Penelitian ini menggunakan algoritma early warning system (EWS) yang digunakan sebagai deteksi dini terhadap penyelesaian tugas setiap pegawai dan menggunakan algoritma K-Means untuk filterisasi dan pengolompokan hasil data untuk hasil menilai performa pegawai. Hasil dari penelitian ini adalah tersedianya sistem yang mempermudah pimpinan Biro Keuangan dalam mengelola kinerja pegawainya. Berdasarkan uji dengan katalon studio memperlihatkan bahwa aplikasi SIJA mendapatkan predikat “passed” yang mengindikasikan bahwa aplikasi berjalan dengan baik.

 

Keywords


Website; Sistem Kinerja; K-Means; Early Warning System; Kinerja Pegawai

References


S. Sharofoviya Olimov, “Information Technology in Education,” JARSP, [Online]. Available: http://innosci.org/ [Diakses 24 April 2023]

I. Ahmed, I. Sultana, S. K. Paul, and A. Azeem, “Employee performance evaluation: A fuzzy approach,” International Journal of Productivity and Performance Management, vol. 62, no. 7, pp. 718-734, 2013, doi: 10.1108/IJPPM-01-2013-0013.

J. Purwanto and S. Hartono, “Employee Performance Review Of Competence, Motivation, And Work Discipline At PT INDAH LOGISTIC SOLO BRANCH,” International Journal of Economics, Business and Accounting Research (IJEBAR), vol. 6, no. 2, pp. 618-625, 2022, doi: 10.29040/ijebar.v6i2.5779.

W. Setiawan, “Era Digital dan Tantangannya,” Seminar Nasional Pendidikan, 2017.

J. E. Raffaghelli, M. E. Rodríguez, A. E. Guerrero-Roldán, and D. Bañeres, “Applying the UTAUT model to explain the students’ acceptance of an early warning system in Higher Education,” Comput Educ, vol. 182, no. 5, pp. 1-14, 2022, doi: 10.1016/j.compedu.2022.104468.

R. Rizal, Perancangan Early Warning System Untuk Mendukung Sistem Persediaan Barang Dagang,” Prosiding SISFOTEK, vol. 2, no. 1, pp. 166-174, 2018.

A. Saputra, “Pemanfaatan Early Warning System (EWS) Untuk Meningkatkan Disiplin Pemustaka dalam Meminjam Koleksi Perpustakaan (Studi Kasus: UPT Perpustakaan Universitas Andalas),” Media Pustakawan, vol. 26, no. 1, pp. 41-48, 2019.

N. M. Budiari, I. M. D. P. Susila, and G. A. B. Arisudhana, “Pengaruh Edukasi Early Warning System (EWS) Terhadap Respon Time Perawat Di IGD Brsud Kabupaten Tabanan,” Jurnal Ilmiah PANNMED (Pharmacist, Analyst, Nurse, Nutrition, Midwivery, Environment, Dentist), vol. 16, no. 2, pp. 352-357, 2021, doi: 10.36911/pannmed.v16i2.1117.

N. Febriyanti, “Implementasi Early Warning System (Ews) Dalam Menekan Tingkat Non Performing Financing (NPF) Di Perbankan Syariah,” ASY SYAR’IYYAH: JURNAL ILMU SYARI’AH DAN PERBANKAN ISLAM, vol. 5, no. 2, pp. 124-154, 2020, doi: 10.32923/asy.v5i2.1445.

A. Yudhistira, A. A. Aldino, and D. Darwis, “Analisis Klasterisasi Penilaian Kinerja Pegawai Menggunakan Metode Fuzzy C-Means (Studi Kasus : Pengadilan Tinggi Agama bandar lampung),” Jurnal Ilmiah Edutic : Pendidikan dan Informatika, vol. 9, no. 1, pp. 77-82, 2022, doi: 10.21107/edutic.v9i1.17134.

H. N. Hadi and W. F. Mahmudy, “Penilaian Prestasi Kinerja Pegawai Menggunakan Fuzzy Tsukamoto,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 1, pp. 41-48, 2015, doi: 10.25126/jtiik.201521129.

M. Ahmed, R. Seraj, and S. M. S. Islam, “The k-means algorithm: A comprehensive survey and performance evaluation,” Electronics (Switzerland), vol. 9, no. 8, p. 1295 2020. doi: 10.3390/electronics9081295.

B. H. Nugroho, Jusak, and P. Susanto, “Rancang Bangun Prototipe Aplikasi Wireless Sensor Network Untuk Peringatan Dini Terhadap Banjir,” Journal of Control and Network Systems, 2013.

N. Araminta and A. Wagyana, “Pengembangan Aplikasi Android Pada Sistem Pendeteksi Dini Kebakaran Lahan,” TESLA: Jurnal Teknik Elektro, vol. 23, no. 2, pp. 134-150, 2021, doi: 10.24912/tesla.v23i2.13225.

B. Fiqi, I. Turyana, and E. W. Santoso, “Sistem Informasi Bencana Tanah Longsor (Si-Benar) Berbasis Web Untuk Wilayah Desa Cililin, Kecamatan Cililin, Kabupaten Bandung Barat,” Jurnal Alami : Jurnal Teknologi Reduksi Risiko Bencana, vol. 2, no. 2, pp. 131-138, 2018, doi: 10.29122/alami.v2i2.3102.

M. Ary and A. Bsi Bandung, “Aplikasi Prediksi Banjir Dengan Algoritma Spade,” IJCIT (Indonesian Journal on Computer and Information Technology, vol. 2, no. 1, pp. 11-16, 2017.

R. F. Rasyid, F. Pradana, and B. Priyambadha, “Pengembangan Sistem Peringatan Dini Masa Kontrak Kerja Karyawan dengan Menerapkan Pendekatan Kolaboratif Athena pada Elisitasi Kebutuhan (Studi Kasus PT. Surya Optima Nusa Raya),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), vol. 1, no. 11, pp. 1178-1187, 2017.

Zarnelly and Rusmitasari, “Sistem Peringatan Dini Kenaikan Pangkat Dan Kenaikan Gaji Berkala Pegawai Negeri Dinas Tanaman Pangan Dan Hortikultura,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 1, no. 1, pp. 67-72, 2017.

S. Syamsu, “Sistem Peringatan Dini Berbasis SMS Gateway Pada Kantor Imigrasi Kelas II Pare-Pare Sulawesi Selatan,” Inspiration : Jurnal Teknologi Informasi dan Komunikasi, vol. 7, no. 1, pp. 86-91, 2017, doi: 10.35585/inspir.v7i1.2440.

S. Adha, D. Wandi, and Y. Susanto, “Pengaruh Kepuasan Kerja terhadap Kinerja Pegawai pada Dinas Perindustrian, Perdagangan dan ESDM Kabupaten Pandeglang,” Jurnal Ekonomi Vokasi, vol. 2, no. 1, pp. 61-72, 2019.

D. Sopian and W. Suwartika, “Pengaruh Sistem Informasi Akuntansi Dan Sistem Pengendalian Internal Terhadap Kinerja Karyawan,” JSMA (Jurnal Sains Manajemen dan Akuntansi), vol. 11, no. 2, pp. 40-53, 2019, doi: 10.37151/jsma.v11i2.5.

I. H. Rani and M. Mayasari, “Pengaruh Penilaian Kinerja Terhadap Kinerja Karyawan Dengan Motivasi Sebagai Variabel Moderasi,” Penilain Kinerja, vol. 3, no. 2, pp. 263-270, 2016, doi: S0168-3659(05)00367-6 [pii] 10.1016/j.jconrel.2005.08.005.

J. Jamaludin, S. Rahayu, S. Sulistiani, H. Prasetyo, and G. Ishak, Manajemem Mutu Teori dan Aplikasi pada Lembaga Pendidikan, vol. 1, no. 2, pp. 1-3, 2020.

Y. Sha, M. Li, H. Xu, S. Zhang, and T. Feng, “Smart City Public Safety Intelligent Early Warning and Detection,” Sci Program, vol. 2022, no. 1, pp. 1-11, 2022, doi: 10.1155/2022/7552601.

N. Liu, Y. Bouzembrak, L. M. van den Bulk, A. Gavai, L. J. van den Heuvel, and H. J. P. Marvin, “Automated food safety early warning system in the dairy supply chain using machine learning,” Food Control, vol. 136, no. 1, pp. 1-11, 2022, doi: 10.1016/j.foodcont.2022.108872.

F. Farahdinna, I. Nurdiansyah, A. Suryani, and A. Wibowo, “Perbandingan Algoritma K-Means Dan K-Medoids Dalam Klasterisasi Produk Asuransi Perusahaan Nasional,” Jurnal Ilmiah FIFO, vol. 11, no. 2, pp. 208-214, 2019, doi: 10.22441/fifo.2019.v11i2.010.

Y. Lase and E. Panggabean, “Implementasi Metode K-Means Clustering Dalam Sistem Pemilihan Jurusan Di SMK Swasta Harapan Baru,” Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), vol. 2, no. 2, pp. 375-379, 2019, doi: 10.34012/jutikomp.v2i2.723.

C. A. Prawastiyo and I. Hermawan, “Pengembangan Front-End Website Perpustakaan Politeknik Negeri Jakarta dengan menggunakan Metode User Centered Design,” Jurnal Teknologi Terpadu, vol. 6, no. 2, pp. 89-95, 2020, doi: 10.54914/jtt.v6i2.280.


The PDF file you selected should load here if your Web browser has a PDF reader plug-in installed (for example, a recent version of Adobe Acrobat Reader).

If you would like more information about how to print, save, and work with PDFs, Highwire Press provides a helpful Frequently Asked Questions about PDFs.

Alternatively, you can download the PDF file directly to your computer, from where it can be opened using a PDF reader. To download the PDF, click the Download link above.

Fullscreen Fullscreen Off

Full Text: File PDF

How To Cite This :

Refbacks

  • There are currently no refbacks.