MODEL SISTEM EVALUASI KINERJA PROGRAM STUDI BERDASARKAN LED K-MEANS CLUSTERING

HENDERI, Prof. Dra. Sri Hartati, M.Sc., Ph.D.

2018 | Disertasi | DOKTOR ILMU KOMPUTER

Sistem evaluasi kinerja organasisi umumnya belum memanfaatkan data dari basis data legacy system, akibatnya berpotensi tidak menggambarkan kinerja sesungguhnya. Evaluasi kinerja sebagian besar juga masih dilakukan dengan pendekatan tradisional, belum menerapkan ambang batas target kinerja, dan belum menganalisis aspek kuanitatif. K-means telah digunakan untuk berbagai bidang karena menampilkan hasil analisa berbentuk pola yang mudah dipahami, memungkinkan mengenali anomali, dan dapat digunakan untuk mengevaluasi kinerja. Namun K-mean memiliki kelemahan, diantaranya menghasilkan cluster yang berkinerja rendah dari sisi kepadatan cluster sehingga pengguna dapat keliru menafsirkannya. Penelitian ini mengembangkan pendekatan baru yang disebut model sistem evaluasi kinerja berdasarkan LED K-means clustering. Model sistem evaluasi kinerja yang dikembangkan menerapkan ambang batas target kinerja, menggunakan data dari basis data legacy system, dan menggunakan metode Log LED K-means untuk menghasilkan cluster yang lebih lebih baik dibandingkan metode K-means. Metode LED K-means diuji untuk mengevaluasi kinerja program studi. Pada bagian lain, cluster indikator kinerja hasil LED K-means clustering dievaluasi menggunakan pengukuran nilai silhouette coefficient, entropy, centre tendency, dan local density cluster hasil LED K-mean clustering, dan membandingkannya dengan hasil K-means. Metode LED K-means telah diuji menggunakan data set 8 indikator kinerja program studi pada STMIK Raharja. Hasil pengujian menunjukan bahwa LED K-means meningkatkan kinerja K-means dari sisi kepadatan cluster yang ditunjukan oleh nilai rata-rata entropy, centre tendency, dan local density, berturut-turut dari 2,5; 14,2 dan 16,1 menjadi 0,4; 1,5 dan 1,6 (86,06%), dan memperbaiki nilai silhouette coeficient dari -0,44 menjadi -0,14 (68,18%).

Organizational performance evaluation system generally has not utilized data from legacy system database, so the result is not potential to describe the actual performance. In addition, performance evaluations are mostly still done with traditional approaches, have not yet implemented target performance thresholds, and have not yet analyzed the kuanitative aspects. K-means has been used for many fields because it displays easily understood pattern-shaped analysis results, enables recognizing anomalies, and can be used to evaluate performance. But K-means has weaknesses, such as producing a low-performing cluster in terms of cluster density so that users can mistakenly interpret it. This research develops a new approach called model of performance evaluation system based on LED K-means clustering. Model of performance evaluation system was developed to apply threshold performance targets, using data from database legacy systems, and using the Log Function For Euclidean Distance in K-means (LED K-means) to produced a cluster that is better than K-means. LED K-means was tested in evaluating the performance of the study program. While the results of key performance indicators cluster LED K-means clustering was evaluated using a measurement value of silhouette coefficient, entropy, center tendency, and local density of the results of LED K-means clustering and compare them with the results of K-means. LED K-means has been tested using data sets of 8 study programs performance indicators on STMIK Raharja. The results showing LED K-means improves the K-means performance of the cluster density shown by the average value of entropy, center tendency, and local density, they are 2.5; 14.2; and 16.1 to 0.4; 1.5; and 1.6 (86.06%), and improved the value of silhouette coeficient from -0.44 to -0.14 (68.18%).

Kata Kunci : K-means, LED K-means, evaluasi kinerja