Analisis Pengelompokan Kompetensi Karyawan Telkom Indonesia Berdasarkan Self Assessment dengan Metode K-Means Clustering

Sabrina, Rizka Winal and Dr. Ir. Dian Eka Ratnawati, S.Si., M.Kom. (2025) Analisis Pengelompokan Kompetensi Karyawan Telkom Indonesia Berdasarkan Self Assessment dengan Metode K-Means Clustering. Sarjana thesis, Universitas Brawijaya.

Abstract

Penilaian kompetensi karyawan merupakan langkah strategis dalam pengelolaan sumber daya manusia, terutama bagi perusahaan seperti Telkom Indonesia yang memiliki ribuan karyawan dengan peran beragam. Penelitian ini bertujuan untuk mengelompokkan karyawan berdasarkan hasil self assessment guna mengidentifikasi pola kompetensi menggunakan metode clustering KMeans. Pengelompokan ini dilakukan untuk memberikan wawasan mendalam mengenai kekuatan dan kelemahan karyawan pada berbagai aspek kompetensi, sehingga dapat mendukung pengambilan keputusan yang lebih terarah dalam pengembangan sumber daya manusia. Metode penelitian mencakup beberapa tahapan, yaitu pengumpulan data self assessment, preprocessing data untuk memastikan data siap diolah, penerapan algoritma K-Means, dan evaluasi kualitas cluster menggunakan silhouette coefficient. Analisis dilakukan pada sembilan variabel utama yang mencakup bidang kompetensi Mathematics, Statistics & Probabilities, Data Structures & Algorithms, Econometrics, Data Analysis, and Data Visualization (EDAViz), Machine Learning (ML), Deep Learning, Data & Cloud Engineering, dan MLOPS. Hasil penelitian menunjukkan bahwa empat cluster yang dihasilkan memiliki karakteristik kompetensi yang berbeda. Cluster pertama terdiri dari karyawan dengan kompetensi tinggi di bidang tertentu namun rendah di lainnya. Cluster kedua mencerminkan karyawan yang relatif baru pada peran tersebut dengan kompetensi rendah hampir di semua aspek. Cluster ketiga menunjukkan karyawan dengan kompetensi tinggi namun masih perlu peningkatan di beberapa area, sementara cluster keempat berisi karyawan dengan kompetensi terbaik di hampir semua bidang. Keputusan untuk menggunakan empat cluster didasarkan pada kebutuhan analisis yang lebih rinci dan relevan meskipun evaluasi silhouette coefficient menunjukkan cluster terbaik secara matematis adalah dua. Penelitian ini diharapkan dapat membantu perusahaan merancang program pelatihan yang lebih spesifik dan efektif untuk meningkatkan kualitas sumber daya manusia.

English Abstract

Employee competency assessment is a strategic step in human resource management, especially for a company like Telkom Indonesia, which employs thousands of individuals in diverse roles. This study aims to cluster employees based on self-assessment results to identify competency patterns using the KMeans clustering method. The clustering process is conducted to provide in-depth insights into the strengths and weaknesses of employees across various competency aspects, supporting more targeted decision-making in human resource development. The research methodology involves several stages, including collecting selfassessment data, preprocessing the data to ensure readiness for processing, applying the K-Means algorithm, and evaluating cluster quality using the silhouette coefficient. The analysis focuses on nine key competency areas: Mathematics, Statistics & Probabilities, Data Structures & Algorithms, Econometrics, Data Analysis and Data Visualization (EDAViz), Machine Learning (ML), Deep Learning, Data & Cloud Engineering, and MLOps. The results of the study indicate that the four clusters formed exhibit distinct competency characteristics. The first cluster consists of employees with high competencies in specific areas but low in others. The second cluster represents employees who are relatively new to their roles, with low competencies in almost all aspects. The third cluster includes employees with generally high competencies but who still require improvement in certain areas. Lastly, the fourth cluster contains employees with the highest competencies across nearly all fields. The decision to use four clusters was based on the need for a more detailed and relevant analysis, although the silhouette coefficient evaluation mathematically suggested the best number of clusters to be two. This study is expected to assist the company in designing more specific and effective training programs to enhance the quality of human resources.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	kompetensi karyawan, self assessment, clustering, K-Means, Telkom Indonesia
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	S Sucipto
Date Deposited:	12 Feb 2025 04:22
Last Modified:	12 Feb 2025 04:22
URI:	http://repository.ub.ac.id/id/eprint/236478

Text (DALAM MASA EMBARGO) rizka winal sabrina.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item