SEGMENTASI POLA PENCATATAN PRESENSI PEGAWAI MENGGUNAKAN GAUSSIAN MIXTURE MODEL
Keywords:
People Analytics; presensi; GMM; segmentasi; kualitas pencatatanAbstract
Penelitian ini mengidentifikasi pola pencatatan presensi pegawai menggunakan Gaussian Mixture Model (GMM) pada perusahaan jasa energi yang dianonimkan. Data September 2026 mencakup 6.464 observasi layak. Hari masuk tercatat dan kelengkapan catatan pulang distandardisasi, lalu diuji pada K=2–8. K=2 dipilih dengan Silhouette 0,4799, DBI 0,9986, CH 5.211,91, dan rata-rata peringkat 3,40. K=8 memiliki BIC dan AIC terendah, tetapi pemisahan labelnya lebih lemah. Segmen 1 mencakup 32,22% observasi, dengan rata-rata 14,1 hari masuk dan kelengkapan pulang 50,7%; Segmen 2 mencakup 67,78%, dengan 22,9 hari dan kelengkapan 98,0%. Profil mendukung usulan pemeriksaan administratif dan pemeliharaan kualitas pencatatan. Hasil bersifat deskriptif satu periode dan tidak membuktikan kedisiplinan individu maupun dampak intervensi.
References
Alfian, W., Kusrini, & Hidayat, T. (2024). Analisis clustering pegawai berdasarkan tingkat kedisiplinan menggunakan algoritma K-Means dan Davies-Bouldin Index. Journal of Electrical Engineering and Computer (JEECOM), 6(2), 437–448. https://doi.org/10.33650/jeecom.v6i2.9556
Alyarahma, N. N., Kholijah, G., & Sormin, C. (2024). Pengelompokan provinsi di Indonesia menggunakan Gaussian Mixture Model berdasarkan indikator kemiskinan. Journal of Mathematics: Theory and Applications, 6(2), 158–167. https://doi.org/10.31605/jomta.v6i2.4032
Darma, S., Yusman, Y., & Hendrawan, J. (2024). Analisis data tingkat kehadiran pegawai dengan menggunakan clustering K-Means pada Dinas Pekerjaan Umum dan Penataan Ruang Kabupaten Langkat. Jurnal Minfo Polgan, 13(1), 1105–1116. https://doi.org/10.33395/jmp.v13i1.13958
Diana, P., Yusup, R., & Pebrianti, D. (2026). Analisis segmentasi konsumen e-commerce menggunakan model RFM melalui metode K-Means, DBSCAN, dan Agglomerative Clustering. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 12(2), 111–124. https://jurnal.untan.ac.id/index.php/jepin/article/view/111025
Karnaidi, A., & Fudholi, D. H. (2026). Optimasi strategi pemasaran perguruan tinggi berbasis segmentasi data menggunakan HDBSCAN dan GMM. SAINSTEK, 14(1), 168–179. https://ejournal.sttp-yds.ac.id/index.php/js/article/view/426
Mira, M., Nurcahyo, A. C., Gudiato, C., & Kusnanto, K. (2024). Implementasi data mining metode K-Means menggunakan framework Python dalam mengelompokkan pegawai berdasarkan data presensi. Jurnal Media Informatika Budidarma, 8(3), 1334–1343. https://doi.org/10.30865/mib.v8i3.7716
Ramadhan, B. F., Abdillah, B. M., Hidayatullah, M., Faizal, M. N., Winata, R. A., & Alfian, Z. (2025). Analisis performa clustering: K-Means dan similarity matrix dalam evaluasi Silhouette, DBI, CHI, dan Dunn Index. Jurnal Pendidikan Tambusai, 9(2), 22961–22967. https://jptam.org/index.php/jptam/article/view/30265
Sumantri, A. D., Binabar, S. W., & Amalia, N. (2026). Penerapan algoritma K-Means clustering untuk klasterisasi pola kehadiran pegawai. IJAI (Indonesian Journal of Applied Informatics), 10(1), 167–177. https://doi.org/10.20961/ijai.v10i1.110323
Wahidah, Z., & Utari, D. T. (2023). Comparison of K-Means and Gaussian mixture model in profiling areas by poverty indicators. BAREKENG: Journal of Mathematics and Its Applications, 17(2), 717–726. https://doi.org/10.30598/barekengvol17iss2pp0717-0726
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Muhammad Handika Maulana Sifa, Yuniar Rachmawati, Muhammad Nasrudin, Mohammad Idhom (Author)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

