NURYANTI, Linda and Suseno, Jatmiko Endro and Wibowo, Adi (2022) SISTEM HUMAN RESOURCE PLANNING MENGGUNAKAN K-MEANS CLUSTERING DAN ALGORITMA TABU SEARCH UNTUK PEMERATAAN BEBAN KERJA PEGAWAI. Masters thesis, School of Postgraduate Studies.

	Text Cover_Linda Nuryanti.pdf Download (328kB)
	Text Lembar Pengesahan, Daftar Isi, dll_Linda Nuryanti.pdf Download (803kB)
	Text Bab I_Linda Nuryanti.pdf Download (292kB)
	Text Bab II_Linda Nuryanti.pdf Download (736kB)
	Text Bab III_Linda Nuryanti.pdf Restricted to Repository staff only Download (1MB)
	Text Bab IV_Linda Nuryanti.pdf Restricted to Repository staff only Download (2MB)
	Text Bab V_Linda Nuryanti.pdf Download (282kB)
	Text Daftar Pustaka dan Lampiran.pdf Restricted to Repository staff only Download (835kB)

Abstract

Keberhasilan suatu organisasi bergantung pada kinerja pegawainya karena pegawai merupakan elemen kunci pada organisasi. Masalah umum yang terjadi pada Human Resource Planning (HRP) adalah beban kerja yang tidak merata. Penelitian ini berfokus pada pemerataan distribusi pekerjaan dengan mempertimbangkan karakteristik pegawai. Kombinasi pengelompokan data dan proses pencocokan dapat digunakan untuk memprediksi pekerjaan karyawan. Penelitian ini menyajikan pengelompokan data menggunakan K-Means Clustering yang dapat digunakan untuk proses pengelompokan pengalaman pegawai. Algoritma K-Means Clustering banyak digunakan karena dapat dengan mudah mengelompokkan data ke dalam grup yang paling relevan. Pada metode ini, informasi tingkat cluster dapat diperoleh berdasarkan k cluster centroid. Algoritma Tabu Search digunakan untuk proses evaluasi pengalaman pegawai dan pencocokan pekerjaan. Tabu Search dikenal sangat efektif karena dapat mengurangi masalah pencarian pada solusi yang sama. Tabu Search menggunakan strategi daftar kandidat solusi yang dinamis untuk menghasilkan solusi terbaik. Hasil pencocokan dan pemerataan 58 pegawai dan 261 pekerjaan menggunakan K-Means Clustering dan algoritma Tabu Search menghasilkan validasi pencocokan sebesar 100% terhadap constraint yang berlaku. Penelitian ini dapat membantu untuk mengetahui pegawai yang tidak sesuai dengan pekerjaan dan menghasilkan rekomendasi pencocokan terbaik dalam proses pengambilan keputusan
Kata Kunci: Human Resource Planning, K-Means Clustering, Algoritma Tabu Search, Pemerataan Beban Kerja

The success of an organization depend on the employee performance because the employee is the key element. The problem of Human Resource Planning (HRP) is unbalance workload. This study focuses on the distribution of work by considering the characteristics of employees. Combination procedure based on data clustering and matching process may be used by the authority to predict the employee jobs. This study presents how data clustering using K-Means Clustering can be applied for evaluating the employee experience grouping. K-Means Clustering algorithm well-known for its easily assigned to the most relevant group. In this method, cluster level information is captured by the k cluster centroids. Tabu Search Algorithm is use for evaluating employee experience and jobs matching. Tabu Search is highly effective, it can reduce cycling problem. Tabu Search use a dinamic candidate list strategy to generate the best solution. The results of the matching and workload balancing of 58 employees and 261 jobs using K-Means Clustering and the Tabu Search algorithm resulted in 100% matching validation based on the applicable constraints. This study help to identify employees who are not suitable for job and provide the best match recommendation for decision making process.
Keywords: Human Resource Planning, K-Means Clustering, Tabu Search Algorithm, Workload Balancing

Actions (login required)

View Item