Implementasi Clustering K-Medoid dan Hierachical Untuk Penguatan Kepuasan Kerja Terhadap Profesi Guru
Kode Repository :SKI216/SUC/20
NPM :065116152
Nama :Suci Putri Utami
Pembimbing 1 :-Eneng Tita Tosida, S.Tp, M.Si
Pembimbing 2 :-Irma Anggraeni, M.Kom
Abstrak :-IMPLEMENTASI CLUSTERING K-MEDOID DAN HIERACHICAL UNTUK PENGUATAN KEPUASAN KERJA TERHADAP PROFESI GURU
Eneng Tita Tosida
Computer Science Dept.
Pakuan Univeristy
Bogor, Indonesia
enengtitatosida@unpak.ac.id
Irma Anggraeni
Computer Science Dept.
Pakuan University
Bogor, Indonesia
irmairhamna@unpak.ac.i
Suci Putri Utami
Computer Science Dept.
Pakuan University
Bogor, Indonesia
usuciputri@gmail.com
Abstract— Pendidikan merupakan unsur yang saat ini sangatlah penting dalam kehidupan bermasyarat untuk menunjang pembentukan karakter individu. Tujuan penelitian ini adalah mengimplementasikan penguatan kepuasan kerja terhadap profesi guru menggunakan metode Clustering K-medoid dan Hierarchical. Dalam peneltian ini data yang digunakan berasal dari data Sekunder dari Thesis Prod. Dr. H. Thamrin Abdullah, MM., M.Pd. dan Dr. Hj. Sri Setyaningsih, M.Si. melalui penyebaran angket kuesioner. Kemudian data tersebut diolah dengan metode Knowledge Discovery and Data Mining (KDD). Dari hasil analisis yang telah dilakukan dengan menggunakan 5 kategori yaitu gaji, promosi, supervisi atasan, hubungan dengan rekan kerja dan pekerjaan itu sendiri. Pengujian dilakukan dengan menggunakan sebanyak 136 reponden dan 39 variabel dengan tahap pertama dilakukan tahap pengolahan data dengan menggunakan software anaconda setelah itu data dilakukan sebanyak 3 kali percobaan dengan pemodelan K=2 K=3 dan K=4 didapatkan nilai cluster optimal terdapat pada K=3 dengan nilai DBI 2,823 untuk metode K-Medoid dan K=4 dengan nilai DBI 1,415 untuk metode Hierarchical. Dengan hasil persentase prioritas pertama terdapat pada indikator gaji sebesar 50% untuk metode K-Medoid dan 65% pada metode Hierarchical. Sedangkan hasil persentase prioritas yang perlu di pertahankan terdapat pada indikator hubungan dengan rekan kerja sebesar 10% pada metode K-Medoid an 5% pada metode Hierarchical
Kata Kunci—Knowledge Discovery and Data Mining, Penguatan Kepuasan, K-Medoid, Hierarchical