Abstract
Efforts to evaluate employees in the work is to assess the performance of each employee. For it has been formulated assessment is based upon work objectives according to the position or job title, and by weighting against six indicators into three groups. The number of data values and indicators to be used will certainly lead to difficulties in implementation, not effective and less objective. Therefore we need a clustering process more optimal assessment. This study aims to analyze the performance of FCM algorithm implemented on employee performance evaluation PT. Bank Syariah Mandiri into 3 clusters. Some of the steps that must be performed before clustering, first performed pretreatment, namely data cleaning and data transformation for further clustering using the algorithm. The results of the calculations used to analyze the performance of the algorithm with FCM Tsukamoto. Compatibility calculation value data by Tsukamoto algorithm is pretty good and for the FCM algorithm is Very Good. FCM algorithm can be used in the assessment of grouping data based on the three criteria of assessment.
Highlights
Abstrak— Upaya untuk mengevaluasi pegawai dalam bekerja adalah dengan melakukan penilaian kinerja setiap pegawai
This study aims to analyze the performance of FCM algorithm implemented on employee performance evaluation PT
"Implementasi Fuzzy Inference System Metode Tsukamoto Pada Pengambilan Keputusan Pemberian Kredit Pemilikan Rumah." Telematika 10.2 (2014)
Summary
Fuzzy Clustering adalah salah satu teknik untuk menentukan cluster yang optimal dalam suatu ruang vector yang didasarkan pada bentuk normal euclidian untuk jarak antar vector. Pemilihan metode atau algoritma sangat berguna pada tujuan dan proses pengelompokan nilai secara keseluruhan. Salah satu proses Clustering ini adalah pengelompokan nilai pegawai dari beberapa atribut. Pengelompokan nilai pegawai merupakan salah satu teknik untuk menentukan pegawai yang berprestasi berdasarkan sasaran kerja (Tugas Utama), Kompetensi dan Kepatuhan sebagai seorang pegawai[3]. Pengelompokan nilai yang dilakukan akan memberi kemudahan bagi perusahaan untuk mencari pegawai yang masuk ke dalam kelas nilai terbaik. Nilai yang akan dikelompokkan dalam proses pengelompokan ini adalah nilai derajat keanggotaan yang menjadi ciri utama dalam penalaran dengan logika fuzzy tersebut[4]. Pengelompokan ini dikelompokkan menggunakan metode Fuzzy C-Means clustering dan Tsukamoto. Sedangkan Konsep Fuzzy C-Means adalah pengklasteran data yang dilakukan yaitu dengan menentukan pusat cluster yang akan menandai lokasi rata-rata untuk tiap cluster. Parameter yang digunakan untuk analisis kinerja metode tersebut adalah Tsukamoto dan C-Means. Proses input data dilakukan untuk membangkitkan bilangan acak (random) sebagai data awal, seperti pada tabel 1 berikut: TABEL I DATA INPUT MODEL C-MEANS
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callMore From: InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
