Analisis Clustering Pegawai Berdasarkan Tingkat Kedisiplinan Menggunakan Algoritma K-Means dan Davies-Bouldin Index

Abstract

Fenomena kedisiplinan pegawai dalam organisasi menjadi salah satu aspek penting yang mempengaruhi efisiensi dan efektivitas operasional. Dalam konteks rumah sakit kedisiplinan pegawai tidak hanya berdampak pada kelancaran operasional tetapi juga berhubungan langsung dengan kualitas pelayanan. Namun, pengukuran dan penentuan tingkat kedisiplinan pegawai seringkali menjadi tantangan tersendiri. Metode tradisional seperti penilaian manual cenderung subjektif dan tidak konsisten. Oleh karena itu, diperlukan metode yang lebih objektif dan terstruktur untuk mengelompokkan pegawai berdasarkan tingkat kedisiplinan mereka. Data yang digunakan mencakup berbagai aspek seperti kepribadian, keterampilan teknis, kemampuan menyelesaikan tugas, dan hubungan kerja, yang dikumpulkan melalui aplikasi SIPEKA. Algoritma K-Means diterapkan untuk mengelompokkan pegawai ke dalam empat cluster, yaitu: dari 4788 data pegawai dari januari 2024 sampai juli didapatkan 1995 di dalam Cluster 1 yang berstatus sangat baik, 1936 di dalam Cluster 2 yang berstatus baik, 842 dalam Cluster 3 yang berstatus Cukup baik dan 15 dalam Cluster 4 yang berstatus kurang baik. Evaluasi Cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI) untuk mengukur validitas dan kepaduan cluster yang terbentuk. Hasil penelitian menunjukkan bahwa penentuan jumlah cluster (k=4) dan titik pusat (centroid) awal sangat berpengaruh terhadap hasil akhir Clusterisasi. Nilai DBI yang diperoleh sebesar 1.89 mengindikasikan bahwa nilai tersebut menandakan bahwa ada beberapa tingkat overlap atau ketidaksempurnaan dalam pemisahan cluster, meskipun nilai ini tidak terlalu buruk. Namun, tidak bisa disebut hasil clustering yang optimal, karena nilai yang ideal seharusnya mendekati 0.Fenomena kedisiplinan pegawai dalam organisasi menjadi salah satu aspek penting yang mempengaruhi efisiensi dan efektivitas operasional. Dalam konteks rumah sakit kedisiplinan pegawai tidak hanya berdampak pada kelancaran operasional tetapi juga berhubungan langsung dengan kualitas pelayanan. Namun, pengukuran dan penentuan tingkat kedisiplinan pegawai seringkali menjadi tantangan tersendiri. Metode tradisional seperti penilaian manual cenderung subjektif dan tidak konsisten. Oleh karena itu, diperlukan metode yang lebih objektif dan terstruktur untuk mengelompokkan pegawai berdasarkan tingkat kedisiplinan mereka. Data yang digunakan mencakup berbagai aspek seperti kepribadian, keterampilan teknis, kemampuan menyelesaikan tugas, dan hubungan kerja, yang dikumpulkan melalui aplikasi SIPEKA. Algoritma K-Means diterapkan untuk mengelompokkan pegawai ke dalam empat cluster, yaitu: dari 4788 data pegawai dari januari 2024 sampai juli didapatkan 1995 di dalam Cluster 1 yang berstatus sangat baik, 1936 di dalam Cluster 2 yang berstatus baik, 842 dalam Cluster 3 yang berstatus Cukup baik dan 15 dalam Cluster 4 yang berstatus kurang baik. Evaluasi Cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI) untuk mengukur validitas dan kepaduan cluster yang terbentuk. Hasil penelitian menunjukkan bahwa penentuan jumlah cluster (k=4) dan titik pusat (centroid) awal sangat berpengaruh terhadap hasil akhir Clusterisasi. Nilai DBI yang diperoleh sebesar 1.89 mengindikasikan bahwa nilai tersebut menandakan bahwa ada beberapa tingkat overlap atau ketidaksempurnaan dalam pemisahan cluster, meskipun nilai ini tidak terlalu buruk. Namun, tidak bisa disebut hasil clustering yang optimal, karena nilai yang ideal seharusnya mendekati 0.