SEGMENTASI POLA PENCATATAN PRESENSI PEGAWAI MENGGUNAKAN GAUSSIAN MIXTURE MODEL

Authors

  • Muhammad Handika Maulana Sifa Program Studi Sains Data, Universitas Pembangunan Nasional Veteran Jawa Timur, Indonesia Author
  • Yuniar Rachmawati Program Studi Sains Data, Universitas Pembangunan Nasional Veteran Jawa Timur, Indonesia Author
  • Muhammad Nasrudin Program Studi Sains Data, Universitas Pembangunan Nasional Veteran Jawa Timur, Indonesia Author
  • Mohammad Idhom Program Studi Sains Data, Universitas Pembangunan Nasional Veteran Jawa Timur, Indonesia Author

Keywords:

People Analytics; presensi; GMM; segmentasi; kualitas pencatatan

Abstract

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

2026-11-22

How to Cite

SEGMENTASI POLA PENCATATAN PRESENSI PEGAWAI MENGGUNAKAN GAUSSIAN MIXTURE MODEL. (2026). Spektrum Akademika: Jurnal Multidisiplin, 1(2), 125-144. http://journal-edu.org/index.php/jsa/article/view/496