Keywords
Clustering
K-means
How to Cite
Abstract
Unit Pelayanan Publik(UPP) adalah merupakan unit kerja non struktural yang melakukan kegiatan penyelengaraan pelayanan publik langsung ke masyarakat. Setiap tahun, Kementerian Pendayagunaan Aparatur Negara dan Reformasi Birokrasi (PANRB). Melalui Bagian Organisasi Pemerintah Kota Kediri membentuk sebuah tim yang bertugas membuat asesmen tentang pelayanan publik di UPP wilayah kota Kediri. Dalam pelaksanaan Asesmen tersebut masih menggunakan media kertas, kinerja kunjungan assesor ke tempat yang akan dilakukan monev tidak termonitoring dengan baik dan dan untuk menentukan sebuah lembaga mendapatkan predikat hasil yang baik masih belum punya standar yang jelas. Maka, Langkah yang tepat untuk mengatasi permasalahan tersebut adalah membuat aplikasi yang dapat menghemat penggunaan kertas, memantau kinerja, dan melakukan clustering untuk memberikan saran dan hasil yang lebih terukur. K-Means Clustering merupakan metode untuk mengklasterisasi input non hirarki kedalam beberapa bentuk cluster. Penelitian ini berusaha membuktikan metode K-Means Clustering dapat diandalkan untuk membantu Assesor dalam mempertimbangkan kualitas dari UPP yang dilakukan asesmen. Setiap masukan input akan diperhitungan menjadi 3 cluster predikat. Hasilnya adalah persentasi predikat untuk dipertimbangkan menjadi rekomendasi untuk perbaikan kualitas UPP tersebut dimasa mendatang.
References
M. Anggara, H. Sujiani, and H. Nasution, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–6, 2016.
A. Wanto, et al, Data Mining : Algoritma dan Implementasi, Medan : Yayasan Kita Menulis, 2020 .
Dwi, Nayuni , Jose A Tampubolon dan Sandi Prayoga, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 Di Indonesia” JIT (Jurnal Teknologi Informasi) Vol.4, No.1, Juni 2020.
Muflikhah, L., Ratnawati, D. E., dan Regasari, R.(2018). Data Mining. Malang: Universita Brawijaya Press.
Irwansyah, E., dan Faisal, M. (2015). AdvancedClustering: Teori dan Aplikasi. Yogyakarta: DeePublish.
Dan, P. M. P. A. N., & Nomor, R. B. R. I. (17). Tahun 2017 Tentang Pedoman Penilaian Kinerja Unit Penyelenggara Pelayan Publik.
Sadewo, M. G., Windarto, A. P., dan Wanto, A. (2018). Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan K-Means. Konferensi Nasional Teknologi Informasi dan Komputer. Vol 2 No 1.
Muslehatin, W., & Ibnu, M. (2017). Penerapan Naïve Bayes Classification untuk Klasifikasi Tingkat Kemungkinan Obesitas Mahasiswa Sistem Informasi UIN Suska Riau, 18–19.
I, B. R. C. T., Gafar, A. A., Fajriani, N., Ramdani, U., Uyun, F. R., P, Y. P., & Ransi, N. (2017). Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan. Seminar Nasional Riset Kuantitatif Terapan, (April), 58–62.