Analisis Segmentasi Kedisiplinan Karyawan Berdasarkan Data Absensi Menggunakan Algoritma K-Means Clustering
Abstrak
Data absensi karyawan merupakan sumber informasi penting untuk menilai tingkat kedisiplinan dan pola kehadiran karyawan dalam suatu perusahaan. Namun, data absensi yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan bagi perusahaan. Penelitian ini bertujuan untuk mengelompokkan karyawan berdasarkan pola absensi menggunakan metode K-Means Clustering. Variabel yang digunakan meliputi total menit keterlambatan, total melakukan absensi, serta status kehadiran seperti duty, leave, sick, dan WFO. Tahapan penelitian terdiri dari pengumpulan data, preprocessing data, analisis korelasi, transformasi data, penentuan jumlah cluster, proses clustering, serta evaluasi model. Hasil penelitian ini menunjukkan bahwa K-Means menghasilkan 3 cluster dengan nilai Silhouette Score sebesar 0,414. Nilai tersebut menunjukkan bahwa struktur cluster cukup lemah namun layak, serta mampu menggambarkan perbedaan karakteristik kedisiplinan serta pola kehadiran karyawan. Hasil clustering ini dapat digunakan sebagai dasar evaluasi sumber daya manusia secara lebih objektif.
Referensi
Y. Muharmi and S. Nadriati, “Analysis Of Employee Discipline Based On Digital Attendance With The K-Means Algorithm Method,” J. Teknol. Dan Open Source, vol. 5, no. 2, pp. 115–135, 2022, doi: 10.36378/jtos.v5i2.2628.
I. Reisandi, D. Daryana, F. Sri Mulyati, and M. Fauzi, “Implementasi Clustering K-Means Terhadap Penilaian Kinerja Karyawan PT. XYZ,” J. Sos. Teknol., vol. 1, no. 8, pp. 757–767, 2021, doi: 10.59188/jurnalsostech.v1i8.162.
W. Alfian, K. -, and T. Hidayat, “Analisis Clustering Pegawai Berdasarkan Tingkat Kedisiplinan Menggunakan Algoritma K-Means dan Davies-Bouldin Index,” J. Electr. Eng. Comput., vol. 6, no. 2, pp. 437–448, 2024, doi: 10.33650/jeecom.v6i2.9556.
S. Darma, Y. Yusman, and J. Hendrawan, “Analisis Data Tingkat Kehadiran Pegawai dengan Menggunakan Clustering K-Means Pada Dinas Pekerjaan Umum dan Penataan Ruang Kabupaten Langkat,” J. Minfo Polgan, vol. 13, no. 1, pp. 1105–1116, 2024, doi: 10.33395/jmp.v13i1.13958.
P. Marpaung, I. Febrian, and W. Putri, “Penerapan Data Mining Dalam Menentukan Tingkat Kedisiplinan Karyawan Perhotelan Menggunakan Algoritma K-Means Clustering,” J. Ilmu Komput. dan Sist. Inf., vol. 7, no. 1, pp. 167–172, 2024, doi: 10.55338/jikomsi.v7i1.2905.
Adih Adih, Wahyu Aji Dwi Pangestu, Muhamad Fauzi Akbar, Purnamasari Purnamasari, and Saprudin Saprudin, “Analisis K-Means Clustering pada Sistem Presensi Mobile dengan Fitur GPS Radius dan Foto Selfie untuk Pegawai Non-PNS di Puskesmas Kosambi,” Modem J. Inform. dan Sains Teknol., vol. 3, no. 1, pp. 15–30, 2024, doi: 10.62951/modem.v3i1.324.
A. Nur Khusna, W. Efendi, and N. A. Hidayati, “Tackling Attendance Analysis: Unraveling Employee Patterns using K-means Clustering for Workforce Optimization,” Ilk. J. Ilm., vol. 17, no. 1, pp. 54–63, 2025, [Online]. Available: https://jurnal.fikom.umi.ac.id/index.php/ILKOM/article/view/2309
A. N. Ramadhani and G. Athalina, “Optimalisasi Kinerja Karyawan Berbasis HR Analytics dengan K-Means Clustering dan Analisis Faktor Demografi,” J. SAINTEKOM, vol. 15, no. 1, pp. 1–14, 2025, doi: 10.33020/saintekom.v15i1.779.
B. Sabila, J. P. Sari, M. N. Kholis, D. S. Harefa, and D. Hartama, “Algoritma K-Means Menggunakan Metode Elbow Untuk Mengelompokkan Kinerja Performance Index Berdasarkan Dataset Absensi Pegawai,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 8, no. 1, pp. 77–82, Jan. 2026, doi: 10.47233/jteksis.v8i1.2119.
M. Angelica, S. Sahid, M. M. F. Simanullang, and R. Putra, “Analisis Hierarchical Clustering untuk Segmentasi Pelanggan pada Dataset Mall Customers,” J. Sist. Inf. dan Inform., vol. 4, no. 1, pp. 58–63, 2026, doi: https://doi.org/10.47233/jiska.v4i1.2615.
P. Arienda, E. Ginting, R. Immanuel, and M. Raihansyah, “Penerapan Metode Agglomerative Clustering Untuk Segmentasi Data Dalam Lingkungan Big Data,” J. Sist. Inf. dan Inform., vol. 4, no. 1, pp. 70–78, 2026, doi: https://doi.org/10.47233/jiska.v4i1.2639.
P. R. Fitrayana and D. R. S. Saputro, “Algoritme Clustering Large Application (CLARA) untuk Menangani Data Outlier,” Prism. Pros. Semin. Nas. Mat., vol. 5, pp. 721–725, 2022.
P. R. Sihombing, S. Suryadiningrat, D. A. Sunarjo, and Y. P. A. C. Yuda, “Identifikasi Data Outlier (Pencilan) dan Kenormalan Data Pada Data Univariat serta Alternatif Penyelesaiannya,” J. Ekon. Dan Stat. Indones., vol. 2, no. 3, pp. 307–316, Jan. 2023, doi: 10.11594/jesi.02.03.07.
W. Nugraha, R. Sabaruddin, and S. Murni, “Teknik Scaling Menggunakan Robust Scaler Untuk Mengatasi Outlier Data Pada Model Prediksi Serangan Jantung,” Techno.Com, vol. 23, no. 2, pp. 319–327, May 2024, doi: 10.62411/tc.v23i2.10463.
M. Ahsan, M. Mahmud, P. Saha, K. Gupta, and Z. Siddique, “Effect of Data Scaling Methods on Machine Learning Algorithms and Model Performance,” Technologies, vol. 9, no. 3, p. 52, Jul. 2021, doi: 10.3390/technologies9030052.
Y. Permata Sari and C. Basir, “ANALISIS KLASTER DENGAN METODE K-MEANS PADA PERSEBARAN KASUS COVID-19 BERDASARKAN DESA DI KECAMATAN KEMANG – BOGOR,” Pelita J. Penelit. dan Karya Ilm., vol. 24, no. 2, pp. 33–45, Apr. 2025, doi: 10.33592/pelita.v24i2.5504.
A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” J. Tekno Kompak, vol. 15, no. 2, p. 25, Aug. 2021, doi: 10.33365/jtk.v15i2.1162.
W. Wahyu Pribadi, A. Yunus, and A. S. Wiguna, “PERBANDINGAN METODE K-MEANS EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE PADA PENENTUAN ZONASI COVID-19 DI KABUPATEN MALANG,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 493–500, Aug. 2022, doi: 10.36040/jati.v6i2.4808.
A. P. Riani, A. Voutama, and T. Ridwan, “Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 6, no. 1, p. 164, Jan. 2023, doi: 10.53513/jsk.v6i1.7351.
M. Shutaywi and N. N. Kachouie, “Silhouette Analysis for Performance Evaluation in Machine Learning with Applications to Clustering,” Entropy, vol. 23, no. 6, p. 759, Jun. 2021, doi: 10.3390/e23060759.
H. Mulyani, R. A. Setiawan, and H. Fathi, “Optimization of K Value in Clustering Using Silhouette Score (Case Study: Mall Customers Data),” J. Inf. Technol. Its Util., vol. 6, no. 2, pp. 45–50, Dec. 2023, doi: 10.56873/jitu.6.2.5243.
##submission.copyrightStatement##
##submission.license.cc.by4.footer##
