Disusun oleh:
Nama : Abdul Hamid
NIM : 311510273
Disusun oleh:
Nama : Abdul Hamid
NIM : 311510273
i
HALAMAN PERSETUJUAN
Menyetujui:
Dosen Pembimbing I Dosen Pembimbing II
Mengetahui:
Ka. Prodi Teknik Informatika Dekan Fakultas Teknik
ii
HALAMAN PENGESAHAN
Tugas Akhir ini telah diujikan dan dipertahankan dihadapan dewan penguji pada
sidang tugas akhir tanggal Januari 2020. Menurut pandangan kami, tugas akhir ini
memadai dari segi kualitas maupun kuantitas untuk tujuan penganugrahan gelar
Sarjana Komputer (S. Kom)
iii
PERNYATAAN KEASLIAN SKRIPSI
Sebagai mahasiswa Universitas Pelita Bangsa, yang bertanda tangan dibawah ini,
saya:
Nama : Abdul Hamid
NIM : 311510273
Menyatakan bahwa karya ilmiah saya yang berjudul:
“ANALISIS PENENTUAN KARYAWAN TETAP DENGAN
MENGGUNAKAN ALGORITMA K-MEANS DAN DAVIES BOULDIN
INDEX
(Studi Kasus: PT Pyojoon Mold Indonesia)”
Merupakan karya asli saya (kecuali cuplikan dan ringkasan yang masing-masing telah
saya jelaskan sumbernya dan perangkat pendukung seperti laptop dll). Apabila
dikemudian hari, karya saya disinyalir bukan karya asli saya, yang disertai dengan
bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar saya beserta hak
dan kewajiban yang melekat pada gelar tersebut. Demikian Surat pernyataan ini
sl;paya buat dengan sebenarnya.
Abdul Hamid
iv
PERNYATAAN PERSETUJUAN PUBLIKASI
Sebagai mahasiswa Universitas Pelita Bangsa, yang bertanda tangan dibawah ini,
saya:
Nama : Abdul Hamid
NIM : 311510273
Demi mengembangkan ilmu pengetahuan, menyetujui untuk memberikan kepada
Universitas Pelita Bangsa Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty-
Free Right) atas karya ilmiah saya yang berjudul:
“ANALISIS PENENTUAN KARYAWAN TETAP DENGAN
MENGGUNAKAN ALGORITMA K-MEANS DAN DAVIES BOULDIN
INDEX
(Studi Kasus: PT Pyojoon Mold Indonesia)”
Beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-
Eksklusif ini, Universitas Pelita Bangsa berhak untuk menyimpan data, mengcopy
ulang, mempergunakan dan mengelola dalam bentuk database, serta
mendistribusikan dan menampilkan/mempublikasikan karya ilmiah ini di internet
atau media lain untuk kepentingan akademis tanpa ijin dari saya selama tetap
mencantumkan saya sebagai penulis dan pemilik hak cipta. Segala bentuk tuntutan
hukum yang timbul atas pelanggaran Hak Cipta karya ilmiah ini menjadi
tanggungjawab saya pribadi.
Dibuat di: Bekasi
Tanggal: 26 Januari 2020
Yang menyatakan
Abdul Hamid
v
UCAPAN TERIMAKASIH
Segala puji dan syukur penulis panjatkan kepada Allah SWT yang telah
menyelesaikan Laporan Tugas Akhir ini. Penulisan Laporan Tugas Akhir dengan
Sarjana Komputer Strata Satu pada Program Studi Teknik Informatika, Universitas
Pelita Bangsa.
Penulis menyadari bahwa dalam penyusunan Laporan Tugas Akhir ini bukanlah
dari jerih payah sendiri, melainkan dari bimbingan berbagai pihak. Oleh sebab itu
penulis mengucapkan banyak terimakasih kepada semua pihak yang turut membantu
1. Hamzah Muhammad Mardi Putra, S.K.M, M.M selaku Rektor Universitas Pelita
Bangsa
2. Putri Anggun Sari, S.Pt., M.Si., selaku Dekan Fakultas Teknik Universitas Pelita
Bangsa
3. Aswan S. Sunge, SE., M.Kom, selaku ketua Program Studi Teknik Informatika
vi
5. Seluruh Dosen pengajar Strata satu (S1) Teknik Informatika Universitas Pelita
Penulis menyadari bahwa mungkin masih terdapat kekurangan dalam Laporan Tugas
Akhir ini. Oleh karena itu, kritik dan saran dari pembaca sangat bermanfaat bagi
penulis. Semoga laporan ini dapat bermanfaat bagi semua pihak yang membacanya.
Penulis
vii
ABSTRAK
Dengan adanya teknologi yang berkembang pesat pada saat ini tentunya akan
mempengaruhi dalam dunia pekerjaan. Karyawan adalah Sumber Daya Manusia
(SDM) yang merupakan aset perusahaan yang sangat berharga dan harus dikelola
dengan baik agar dapat memberikan kontribusi yang optimal dalam kemajuan
perusahaan atau instansi, PT Pyojoon Mold Indonesia memiliki karyawan kontrak
lebih dari 200 karyawan, masalah yang dihadapi adalah perusahaan kesulitan dalam
melakukan proses seleksi pengangkatan karyawan tetap, karena waktu proses yang
lama serta kerumitan pada proses pengambilan keputusan sehingga subjektifitas bisa
terjadi dalam penentuan keputusan. Tujuan dari penelitian ini adalah menganalisis
data penilaian kinerja karyawan untuk hasil yang lebih optimal dan efisien. Teknik
data mining dengan metode k-means digunakan dalam penelitian ini untuk melakukan
pengelompokan sehingga menghasilkan keputusan serta aturan-aturan yang berguna
sebagai masukan dalam menentukan proses pengambilan keputusan pengangkatan
karyawan tetap. Dari 504 dataset penilaian kinerja karyawan dilakukan pengujian
dengan menentukan 2 cluster dan validasi diuji dengan Davies Bouldin Index. Dan
dihasilkan 0.086, Berdasarkan hasil yang diperoleh menunjukan bahwa algoritma k-
means dapat di implementasikan dalam pengelompokan untuk penetapan karyawan
tetap dengan hasil validasi yang sangat baik.
viii
ABSTRACT
With the ever-expanding technology of today, it will certainly affect the world of
work. Employees are Human Resources (HR) which is a valuable asset of the
company and should be well managed in order to contribute optimally to the
progress of the company or agency, PT Pyojoon Mold Indonesia has more than 200
contract employees, the problem is the company is struggling in the process of
selecting a permanent employee selection process, due to the long processing times
and complexity of the decision making process so that subjectivity can be involved in
decision making. The purpose of this study is to analyze employee performance
appraisal data for more optimal and efficient results. Data mining techniques using
the k-means method were used in this study to group the results so as to make useful
decisions and rules as input in determining the decision making process of permanent
employee recruitment. From the 504 datasets the employee performance appraisal
was tested by defining 2 clusters and validation was tested with the Davies Bouldin
Index. And generated 0.086, Based on the results shown that the k-means algorithm
can be implemented in a grouping for fixed employee assignments with excellent
validation results.
ix
DAFTAR ISI
x
2.2.4 Kajian Jurnal Keempat ............................................................................ 10
xi
4.1.3 Implementasi Rapid Miner Studio ...................................................... 43
xii
DAFTAR TABEL
Tabel 4.1 Sampel Tabel Data Set untuk perhitungan jarak ....................................... 41
Tabel 4.3 Hasil perhitungan jarak cluster terhadaap titik pusat ................................ 45
Tabel 4.5 Hasil Cluster K-Means dalam implemetasi Rapid Miner .......................... 46
Tabel 4.6 Hasil Perhitungan antara jarak cluster dengan centroid ............................ 46
xiii
DAFTAR GAMBAR
Gambar 4.2 Hasil Pengujian Clustering K-Means pada Rapid Miner ....................... 45
Gambar 4.3 Hasil Cluster K-Means dalam implemetasi Rapid Miner ...................... 45
xiv
DAFTAR LAMPIRAN
xv
BAB I
PENDAHULUAN
Kemajuan teknologi adalah sesuatu yang tidak bisa dihindari dalam kehidupan
ini, karena kemajuan teknologi akan berjalan sesuai dengan kemajuan ilmu
pengetahuan. Dengan adanya teknologi yang berkembang pesat pada saat ini
Daya Manusia (SDM) yang merupakan aset perusahaan yang sangat berharga dan
harus dikelola dengan baik agar dapat memberikan kontribusi yang optimal dalam
kemajuan perusahaan atau instansi. Keberadaan karyawan adalah salah satu alasan
karyawan di perusahaan merupakan hal yang penting dan perlu diperhatikan demi
karyawan itu layak untuk diperpanjang kontrak kerjanya atau diputus kontraknya
sering terjadi kesulitan dalam menentukan hal tersebut, disamping banyaknya kriteria
penilaian yang diperlukan untuk memutuskan, faktor lain seperti sikap kerja dan
attitude karyawan tersebut juga perlu diperhatikan (Priyono & Indrajit, 2017).
frekuensi tatap muka antara Human Resources Departement (HRD) dan karyawan
sangat minim (Windy, Rika, & Kautsar, 2014). Keputusan seorang HRD adalah hal
yang sangat vital pada perusahaan kususnya dalam mengelola karyawan untuk
1
2
dilakukan secara obyektif dan efisien agar proses seleksi dapat berjalan sesuai
dengan yang diharapkan perusahaan. PT. Pyojoon Mold Indonesia yang bergerak di
bidang manufacturing memiliki karyawan kontrak lebih dari 200 karyawan sehingga
yang masih layak dan memenuhi syarat untuk dilakukan proses perpanjangan
kontrak kerja. Diperpanjang atau tidaknya kontrak kerja karyawan, sangat ditentukan
oleh fungsi seleksi ini. Jika fungsi ini tidak dilaksanakan dengan baik maka dengan
kecepatan dalam penilaian kerja kurang terpenuhi. Metode klustering data mining
yang diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip
kesamaan antar kelas / cluster. Adapun metode klustering data mining memiliki
K-MEANS yang dapat mengelola nilai inputan yang sesuai dengan kriteria-kriteria
pada penilaian kinerja karyawan yang mempunyai nilai prioritas tertentu. Algoritma
sebelumnya antara lain dilakukan oleh Harry Dhika dan Fitriana Destiawati pada
untuk Penilaian Karyawan pada Restoran Cepat Saji”. Penelitian dilakukan pada
restoran cepat saji untuk mengetahui atau memberikan nilai pada karyawannya
baik, sangat baik dan pengelompokan kurang kurang baik. Penerapan algoritma K-
MEANS pada karyawan restoran cepat saji memiliki tingkat pengelompokan yang
termasuk dalam pengelompokan sangat baik yakni 97,71% atau sekitar 135
karyawan dengan class presisi dan pengelompokan mencapai 100%, sedangkan yang
baik sebanyak 239 karyawan presisinya sebesar 97%, karyawan yang kurang baik
berjumlah 53 karyawan dengan presisi 92%. Kategori penelitian ini masuk dalam
pengelompokan yang sangat baik maka penilaian karyawan pada restoran cepat saji
perangkat lunak untuk kepentingan restoran cepat saji (Dhika & Destiawati, 2017).
Karyawan Tetap Studi Kasus PT Citra Abadi Sejati Bogor”. Penelitian ini membahas
hubungan kerja. Masalah yang dihadapi dalam pengangkatan karyawan adalah belum
yang akurat untuk menentukan pengangkatan karyawan tetap. Dalam penelitian ini
mendapatkan karyawan dari atribut masa kerja dengan nilai masa promosi 11
karyawan, dan dari atribut pendidikan dengan nilai SMA mendapatkan 2 karyawan
(Rachmawati, 2016).
seleksi Pengangkatan Karyawan Tetap pada PT. Pyojoon Mold Indonesia. Penelitian
pada proses seleksi Pengangkatan Karyawan Tetap di PT. Pyojoon Mold Indonesia.
Maka dalam penyusunan laporan tugas akhir ini penulis mengambil judul
masalah yang merupakan dasar bagi pembahasan. Adapun masalah yang dapat
diidentifikasikan adalah:
3. Jumlah karyawan tetap yang terlalu banyak sehingga jika terjadi pemutusan
mining dengan metode algoritma K-MEANS untuk menilai kinerja karyawan terbaik
dengan pengelompokan data yang tepat, sehingga dapat membantu proses seleksi
karyawan yang layak untuk diangkat menjadi karyawan tetap di PT. Pyojoon
6
karyawan tetap.
Hasil dari penelitian ini dapat digunakan sebagai referensi bagi peneliti lain
yang berkaitan dengan data mining menggunakan metode algortima K-MEANS dan
Mempermudah menganalisis data untuk hasil yang lebih tepat dan efisien
karyawan tetap.
menganalisis data.
Hasil dari penelitian ini dapat digunakan sebagai referensi bagi peneliti lain
yang berkaitan dengan data mining menggunakan metode algortima K-MEANS dan
dalam melakukan analisis data dengan tepat sehingga dalam proses seleksi
Dalam pembuatan laporan tugas akhir ini selain peneliti menggali informasi dari
buku-buku, peneliti juga melakukan tinjauan pustaka pada hasil penelitian terdahulu
yang berkaitan dengan judul yang digunakan sebagai studi literature dan penelusuran
antara penelitian terdahulu dengan penelitian yang dilakukan. Adapun penelitian yang
Penelitian yang dilakukan oleh Widiarina dan Romi Satria Wahono pada tahun
kualitas cluster yang optimal sehingga memberikan hasil pemetaan nasabah potensial
Penelitian yang dilakukan oleh Ai Rita Rizqiah dan Agus Subekti pada tahun
8
9
kaukasia, menstruasi awal, menopause terlambat dan lain-lain. Tujuan dari penelitian
ini yaitu untuk memperoleh knowledge dari sekumpulan data kekambuhan pasien
payudara secara kasat mata/ metode manual. Penelitian ini menggunaan algoritma
kanker berdasarkan atribut tertentu pada dataset kanker payudara. Hasil dari
Penelitian yang dilakukan oleh Andhika Novandya dan Isni Oktria pada tahun
Penelitian ini membahas prakiraan cuaca pada umumnya sering disebut peramalan
atmosfer bumi pada masa akan datang untuk suatu tempat tertentu. Penelitian ini
Penelitian yang dilakukan oleh Beti Novianti, Tedy Rismawan dan Syamsul
berdasarkan nilai rata-rata rapor SMP, nilai Ujian Nasional SMP, dan nilai tes MTK,
IPA, dan IPS. Pada penelitian ini, penjurusan siswa dipengelompokan berdasarkan
nilai tes akademik MTK, IPA, dan IPS, nilai rata-rata rapor SMP untuk mata
pelajaran MTK, IPA, dan IPS, nilai Ujian Nasional SMP untuk mata pelajaran MTK
dan IPA, dan minat siswa. Berdasarkan hasil penelitian, didapatkan hasil
pengelompokan optimal.
Penelitian yang dilakukan oleh Izza Khaerani dan Lekso Budi Handoko pada
ini membahas perihal serangan terhadap IDS yang kemungkinan terjadi dalam
jaringan, baik lokal maupun yang terhubung dengan internet ketika paket data yang
datang sangat banyak dan harus di analisa di kemudian hari. Tujuan dari penelitian ini
Penelitian ini menggunakan koleksi data dari KDD’99 dan memiliki 41 atribut
dimana atribut ini dilakukan fitur seleksi untuk menghapus atribut yang tidak relevan
dengan menggunakan teknik evolusi. Hasil yang didapatkan dari fitur seleksi ini
adalah 16 atribut dengan pengelompokan tinggi dari 41 atribut yang ada. Kemudian
pengelompokan data.
Analisis adalah sebuah kegiatan untuk mencari suatu pola selain itu analisis
merupakan cara berpikir yang berkaitan dengan pengujian secara sistematis terhadap
sesuatu untuk menentukan bagian, hubungan antar bagian dan hubungannya dengan
keseluruhan (Sugiono, 2015). Analisis adalah suatu usaha untuk mengurai suatu
susunan/tatanan bentuk sesuatu yang diurai itu tampak dengan jelas dan karenanya
bisa secara lebih terang ditangkap maknanya atau lebih jernih dimengerti duduk
dalam mewujudkan eksistensinya atau potensi yang merupakan aset dan berfungsi
sebagai modal non material dalam organisasi bisnis yang dapat diwujudkan menjadi
potensi nyata secara fisik dan non fisik dalam mewujudkan eksistensi organisasi
12
menjualtenaganya (fisik dan pikiran) kepada suatu perusahaan dan memperoleh balas
Data Mining adalah suatu teknik menggali informasi berharga yang terpendam
atau tersembunyi pada suatu koleksi data (database) yang sangat besar sehingga
ditemukan suatu pola yang menarik yang sebelumnya tidak diketahui (Muflikhah,
tidak diketahui.
otomatis, dari sejumlah besar data yang bertujuan untuk menemukan pola
database (KDD).
berikut:
13
b. Data mining biasa menggunakan data yang sangat besar. Biasanya data yang
1. Data mining merupakan suatu proses otomatis terhadap data yang sudah ada.
3. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin
Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan
untuk mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi
banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dahulu.
Gambar 2.1 menunjukkan bahwa data mining memiliki akar yang panjang dari
statistik, database, dan juga information retrieval Pramudiono, 2005 dalam (Kusrini
Istilah data mining dan Knowledge Discovery in Database (KDD) sering kali
tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut
memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu
Sumber : https://www.kajianpustaka.com/2017/09/data-mining.html
Menurut (Muflikhah, Ratnawati, & Rekyan, 2018) proses KDD secara garis
1. Data Selection
sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi
yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas,
2. Pre-processing/Cleaning
cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup
antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan
dilakukan proses enrichment, yaitu proses “memperkaya” data yang sudah ada
dengan data atau informasi lain yang relevan dan diperlukan untuk KDD,
3. Transformation
Coding adalah proses transformasi pada data yang telah dipilih, sehingga data
tersebut sesuai untuk proses data mining. Proses coding dalam KDD
merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi
4. Data Mining
Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih
dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma
16
dalam data mining sangat bervariasi. Pemilihan metode dan algoritma yang tepat
5. Interpretation/Evalution
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam
bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini
merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup
pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta
dikembangkan tahun 1996 oleh analis dari beberapa industri menyediakan standar
proses data mining sebagai strategi pemecahan masalah secara umum dari bisnis atau
unit penelitian. Dalam CRISP-DM, sebuah proyek data mining memiliki siklus hidup
yang terbagi dalam 6 (enam) fase. Keseluruhan fase berurutan yang ada tersebut
bersifat adaptif dan fase berikutnya dalam urutan bergantung kepada keluaran dari
fase sebelumnya. Hubungan penting antar fase digambarkan dengan panah. Sebagai
contoh, jika proses berada pada fase modeling. Berdasar pada perilaku dan
karakteristik model, proses mungkin harus kembali kepada fase data preparation
untuk perbaikan lebih lanjut terhadap data atau berpindah maju kepada fase
evaluation. Proses data mining menurut CRISP-DM dapat dilihat pada Gambar 2.3.
17
a. Penentuan tujuan proyek dan kebutuhan secara detail dalam hidup bisnis
data mining.
a. Mengumpulkan data.
d. Jika diinginkan, pilih sebagian kecil grup data yang mungkin mengandung
b. Pilih kasus dan variabel yang ingin dianalisis dan yang sesuai analisis
a. Pengevaluasi satu atau lebih model yang digunakan dalam fase pemodelan
digunakan.
awal.
mining.
Menurut Larose, 2005 dalam (Kusrini dan Luthfi 2009: 10) data mining dibagi
1. Deskripsi
Terkadang peneliti dan analis secara sederhana ingin mencoba mencari cara
keterangan atau fakta bahwa siapa yang tidak cukup profesional akan sedikit
kecenderungan.
2. Estimasi
estimasi lebih ke arah numerik dari masa ke arah kategori. Model dibangun
sistolik pada pasien rumah sakit berdasarkan umur pasien, jenis kelamin,
indeks berat badan, dan level sodium darah. Hubungan antara tekanan darah
Contoh lain yaitu estimasi nilai indeks prestasi kumulatif mahasiswa program
3. Pengelompokan
4. Pengklusteran
Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang
nilai dari variable target. Akan tetapi, algoritma pengklusteran mencoba untuk
yang besar.
5. Asosiasi
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul
dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang
pasar.
pengelompokan iteratif, algoritma ini melakukan partisi set data ke dalam sejumlah K
cluster yang sudah ditetapkan diawal. Partisi set data tersebut dilakukan untuk
2. Tetapkan titik pusat cluster secara acak atau random, titik pusat cluster sering
3. Hitung setiap jarak data yang ada terhadap masing-masing centroid dengan
= ( − ) +( − )
Keterangan :
= Euclidean Distance
i = banyaknya objek
diberi nama dengan nama mereka berdua, yaitu Davies-Bouldin Index (DBI) yang
Davies- Bouldin Index ini memiliki skema evaluasi internal cluster, dimana baik atau
tidaknya hasil cluster dilihat dari kuantitas dan kedekatan antar data hasil cluster
(Bates & Kalita 2016). Davies-Bouldin Index merupakan salah satu metode yang
kohesi didefinisikan sebagai jumlah dari kedekatan data terhadap titik pusat cluster
dari cluster yang diikuti. Sedangkan separasi didasarkan pada jarak antar titik pusat
memaksimalkan jarak inter-cluster antara cluster Ci dan Cj dan pada waktu yang
sama mencoba untuk meminimalkan jarak antar titik dalam sebuah cluster. Jika jarak
sedikit sehingga perbedaan antar-cluster terlihat lebih jelas. Jika jarak intra-cluster
kesamaan karakteristik yang tinggi (Wani & Riyaz 2017). Tahapan dari perhitungan
bidang, dan selalu dijumpai dimanapun karena aplikasi ini sangat universal. Software
25
excel ini memiliki banyak fitur kalkulasi dan pembuatan grafis, serta mudah
digunakan menjadikan excel sebagai software paling banyak diminati para pengguna
terutama pekerja.
pembuatan grafik, dan manajemen data. Software ini sangat membantu untuk
dapat dipakai untuk mengelola teks, angka, rumus, database, grafik dan lain-lain
dibuat oleh Dr. Markus Hofmann dari Institute of Technology Blanchardstown dan
Raif Klinkenberg dari rapid-i.com dengan tampilan GUI (Graphical User Interface)
lunak ini bersifat open source dan dibuat dengan menggunakan bahasa Java dibawah
lisensi GNU Public License dan RapidMiner dapat dijalankan disistem operasi
Adapun kerangka pemikiran dari penelitian yang dilakukan adalah sebagai berikut:
27
Rumusan Maslah
Bagaimana pengelompokan data penilaian
karyawan menggunakan metode algoritma K-
MEANS terkait dengan masalah proses
seleksi pengangkatan karyawan tetap sebagai
solusi permasalahan yang dihadapi?
Tujuan
Pengelompokan data penilaian
karyawan untuk proses seleksi
pengangkatan karyawan tetap agar
lebih akurat dan efisien
Pengumpulan Data
Data penilaian karyawan
Implementasi
Microsoft Exel dan Aplikasi RAPID
MINER
Hasil
Pengujian tingkat optimal dan tepat
berdasarkan perhitungan algoritma k-
means untuk pengangkatan karyawan
tetap
Pasir Sari Bekasi, Jawa Barat. Penelitian ini dilakukan untuk mengumpulkan data dan
Indonesia yang beralamat di Kawasan industri Jababeka 2 blok RR No 10A Pasir Sari
Bekasi, Jawa Barat, Jawa Barat. Sebagai perusahaan manufaktur PT. Pyojoon Mold
solutions dan didukung oleh tenaga yang cukup berpengalaman, terlatih, terdidik,
pelayanan yang terbaik untuk klien maupun kandidat karyawan yang dikelola. PT.
memberikan kepastian dan menjamin kepuasan bagi klien dan mitra usaha sehingga
28
29
memajukan usaha yang harmonis, dinamis, dan dapat terwujud dengan hasil yang
optimal.
Sebagai perusahaan yang baik dan ingin maju haruslah mempunyai visi dan
misi kedepan guna mencapai tujuan dari perusahaan tersebut, adapun visi dan misi
1. Visi
Struktur Organisasi adalah suatu susunan dan hubungan antara tiap bagian
serta posisi yang ada pada suatu organisasi atau perusahaan dalam menjalankan
dengan jelas pemisahan kegiatan pekerjaan antara yang satu dengan yang lain dan
Berikut ini adalah susunan struktur organisasi PT. Pyojoon Mold Indonesia:
30
1. Studi Pustaka
book, e-journal, dan beberapa referensi pembelajaran lain. Pada tahapan ini
2. Metode Observasi
31
permasalahan pada PT. Pyojoon Mold Indonesia yang berkaitannya dengan objek
yang diteliti yaitu proses seleksi penilaian karyawan untuk perpanjangan kontrak
kerja.
3. Analisis Data
entrophy dan gain untuk mendapatkan gambaran umun dari suatu riset data.
1. Data Kuantitatif
hasil observasi yakni data penilaian karyawan yang telah di berikan oleh
perusahaan.
2. Data Kualitatif
Data kualitatif menggunakan analisis dan data yang tidak dapat dinyatakan
dalam angka-angka hasil observasi, yakni gambaran atau objek proses penilaian
1. Data Primer
32
Data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari
ini.
2. Data Skunder
referensi atau literature lainnya yang berhubungan dengan penulisan skripsi ini,
meliputi pendapat dan penjelasan yang dikemukakan oleh para ahli maupun
Industry Process for Data Mining (CRISP-DM) yaitu melakukan pengujian tingkat
1. Bussiness understanding
Tahapan pertama yang dilakukan dalam penelitian ini ada survey lapangan,
2. Data understanding
dalam penelitian ini adalah formulir status penilaian kinerja karyawan yang akan
habis masa kontrak kerjanya dari tahun 2016-2019. Jumlah data adalah 633 data
3. Data preparation
Persiapan data yang dilakukan dalam penelitian ini adalah mengolah data
mentah menjadi data yang dapat diolah dengan data mining, yaitu
pengelompokan. Sampel data asli untuk data status penilaian kinerja karyawan
representasi dalam bentuk volume data yang telah berkurang jumlahnya namun
tetap mendapatkan hasil analisis yang sama. Berdasarkan gambar 3.1, berikut
No NAMA I1 I2 I3 I4 I5 I6 I7 I8
1 AHMAD SOBUR 5 4 4 4 5 4 5 5
2 EBI SOBIRIN 5 4 4 5 5 4 5 5
35
3 SETYAWAN 3 3 3 3 3 3 3 3
4 QOMARUDIN 4 5 3 3 4 3 3 3
5 ARI SETIADI 3 3 3 3 3 3 3 3
6 NUGRAHA 3 3 3 3 3 3 3 3
7 DADAN HERMAWAN 3 3 3 3 3 3 3 3
8 SUGIANTO 3 3 3 3 3 3 3 3
9 USEP HIDAYAT 4 4 4 4 4 4 5 4
10 SUHERIYANTO 3 3 3 3 4 3 5 5
11 WINDRA RAHMAT 3 4 4 4 4 3 3 3
12 ASEP SAPUTRA 3 3 3 3 3 3 3 3
13 YUDHA 3 3 3 3 4 3 4 4
14 ASEP EDRIN 3 3 3 3 4 3 5 4
15 AN HAMDANI 3 3 3 3 3 3 3 3
16 ABDUL HAMID 5 5 5 5 5 5 5 5
17 YOSEP PURNAMA 5 5 5 5 5 5 5 5
18 FACHRUROZI 4 4 4 4 4 3 3 4
19 DANIEL ARIFIN 4 5 5 5 5 5 5 5
20 SISWANTO 3 3 3 3 3 3 4 4
21 HERY FRASETIO 3 3 3 3 3 3 3 4
… … … … … … … … …
… … … … … … … … …
Dari hasil persiapan data, maka diperoleh 9 atribut, 1 atribut digunakan sebagai id
4. Modelling
Perangkat lunak merupakan sarana pendukung lainnya bagi penelitian ini. Pada
penelitian yang akan dilakukan untuk menyelesaikan tugas akhir ini, instrument
mengurangi, mencari nilai rata-rata, mencari nilai maximal ataupun minimal, serta
37
2. Rapid Miner
dan Raif Klinkenberg dari rapid-i.com dengan tampilan GUI (Graphical User
ini. Perangkat lunak ini bersifat open source dan dibuat dengan menggunakan
bahasa Java dibawah lisensi GNU Public License dan RapidMiner dapat
:
BAB IV
HASIL PENGUJIAN DAN PEMBAHASAN
4.1 Pembahasan
4.1.1 Persiapan Data
melakukan pengumpulan data awal, deskripsi data, dan eksplorasi . Penelitian ini
menggunakan data penilaian karyawan tetap tahun 2016,2017,2018 dan 2019, data
set dengan 504 sample, memiliki 8 atribut yang digunakan sebagai bahan untuk
Pada tahap ini dilakukan identifikasi dan pembangunan jawaban dari data
yang telah dikumpulkan, pada penelitian ini data preparation mencakup semua
kegiatan untuk membangun data set yang akan diolah dalam proses pemodelan
1. Memilih Data
Pada tahap ini melakukan proses pemilihan data, dari 10 atribut dipilih 8
2. Cleaning Data
Pada tahap cleaning data dilakukan penghapusan data atribut yang tidak
perhitungan K-means.
3. Transformasi Data
38
39
Pada tahap transformasi data dilakukan perubahan data dari nominal menjadi
1. Pada tahap ini dilakukan perhitungan dengan 10 data sampel diambil dari dataset
penilaian karyawan
2 EBI SOBIRIN 5 4 4 5 5 4 5 5
3 SETYAWAN 3 3 3 3 3 3 3 3
4 QOMARUDIN 4 5 3 3 4 3 3 3
5 ARI SETIADI 3 3 3 3 3 3 3 3
6 NUGRAHA 3 3 3 3 3 3 3 3
7 DADAN HERMAWAN 3 3 3 3 3 3 3 3
8 SUGIANTO 3 3 3 3 3 3 3 3
9 USEP HIDAYAT 4 4 4 4 4 4 5 4
10 SUHERIYANTO 3 3 3 3 4 3 5 5
kluster, kluster pertama (C1) dengan nilai lulus dan kluster kedua (C2) dengan
No Cluster NAMA I I2 I3 I4 I5 I6 I7 I8
1 C1 5 5 5 5 5 5 5 5
YOSEP PURNAMA
40
2 C2 AN HAMDANI 3 3 3 3 3 3 3 3
Menghitung jarak centroid atau rata – rata dari data yang ada ke masing – masing
a. Peluang ke 1
Jarak data dengan C1 adalah :
(5 − 5) + (4 − 5) + (4 − 5) + (4 − 5) + (5 − 5)
(1,1) =
+(4 − 5) + (5 − 5) + (5 − 5)
=4
(5 − 5) + (4 − 5) + (4 − 5) + (5 − 5) + (5 − 5)
(2,1) =
+(4 − 5) + (5 − 5) + (5 − 5)
=3
(3 − 5) + (3 − 5) +(3 − 5) + (3 − 5) + (3 − 5)
(3,1) =
+ (3 − 5) + (3 − 5) + (3 − 5)
= 33.66
(4 − 5) + (5 − 5) + (3 − 5) + (4 − 5) + (3 − 5)
(4,1) =
+(3 − 5) + (3 − 5) + (3 − 5)
= 23.41
(3 − 5) + (3 − 5) + (3 − 5) + (3 − 5) + (3 − 5)
(5,1) =
+(3 − 5) + (3 − 5) + (3 − 5)
= 33.66
(3 − 5) + (3 − 5) + (3 − 5) + (3 − 5) + (3 − 5)
(6,1) =
+(3 − 5) + (3 − 5) + (3 − 5)
= 33.66
41
(3 − 5) + (3 − 5) + (3 − 5) + (3 − 5) + (3 − 5)
(7,1) =
+(3 − 5) + (3 − 5) + (3 − 5)
= 33.66
(3 − 5) + (3 − 5) + (3 − 5) + (3 − 5) + (3 − 5)
(8,1) =
+(3 − 5) + (3 − 5) + (3 − 5)
= 33.66
(4 − 5) + (4 − 5) + (4 − 5) + (4 − 5) + (4 − 5)
(9,1) =
+(4 − 5) + (4 − 5) + (4 − 5)
= 7.41
(3 − 5) + (3 − 5) (3 − 5) + (3 − 5) + (4 − 5)
(10,1) =
+(3 − 5) + (5 − 5) + (5 − 5)
= 22.66
b. Peluang ke 2
(5 − 3) + (4 − 3) + (4 − 3) + (4 − 3) + (5 − 3)
(1,2) =
+(4 − 3) + (5 − 3) + (5 − 3)
= 21.66
(5 − 3) + (4 − 3) + (4 − 3) + (5 − 3) + (5 − 3)
(2,2) =
+(4 − 3) + (5 − 3) + (5 − 3)
= 24.66
(3 − 3) + (3 − 3) +(3 − 3) + (3 − 3) + (3 − 3)
(3,2) =
+ (3 − 3) + (3 − 3) + (3 − 3)
=0
(4 − 3) + (5 − 3) + (3 − 3) + (4 − 3) + (3 − 3)
(4,2) =
+(3 − 3) + (3 − 3) + (3 − 3)
42
= 3.41
(3 − 3) + (3 − 3) + (3 − 3) + (3 − 3) + (3 − 3)
(5,2) =
+(3 − 3) + (3 − 3) + (3 − 3)
=0
(3 − 3) + (3 − 3) + (3 − 3) + (3 − 3) + (3 − 3)
(6,2) =
+(3 − 3) + (3 − 3) + (3 − 3)
=0
(3 − 3) + (3 − 3) + (3 − 3) + (3 − 3) + (3 − 3)
(7,2) =
+(3 − 3) + (3 − 3) + (3 − 3)
=0
(3 − 3) + (3 − 3) + (3 − 3) + (3 − 3) + (3 − 3)
(8,2) =
+(3 − 3) + (3 − 3) + (3 − 3)
=0
(4 − 3) + (4 − 3) + (4 − 3) + (4 − 3) + (4 − 3)
(9,2) =
+(4 − 3) + (4 − 3) + (4 − 3)
= 11.41
(3 − 3) + (3 − 3) (3 − 3) + (3 − 3) + (4 − 3)
(10,2) =
+(3 − 3) + (5 − 3) + (5 − 3)
=9
Jarak ke Cluster
No NAMA Hasil
C1 C2
1 AHMAD SOBUR 4 21.66 1
3 SETYAWAN 33.66 0 2
6 NUGRAHA 33.66 0 2
8 SUGIANTO 33.66 0 2
10 SUHERIYANTO 22.66 9 2
mencari pola data sesuai dengan tujuan dari pengolahan data tersebut, Untuk
Dalam penelitian ini dilakukan implementasi dengan tools rapid miner untuk
kluster yang sudah ditentukan adalah sebanyak 2 kluster. Dimana data yang
pertama import data set dengan format exel dan dihubungkan dengan konektor model
clustering dan nilai k yang sudah ditentukan adalah k=2 selanjutnya di performace
vector untuk melihat hasi dari design model perhitungan algoritma k means.
45
Pada gambar di atas menunjukan nilai clustering untuk k=2 dihasil pengelompokan
dengan cluster 0 yang menunjukan angka kelulusan karyawan tetap berjumlah 340
karyawan dan cluster 1 yang menunjukan angka tidak lulus seleksi karyawan tetap
Gambar 4.3 Diagram hasil Cluster K-Means dalam implemetasi Rapid Miner
46
Pada gambar diatas menunjukan dari 10 set data yang diuji dihasilkan 2 karyawan
yang masuk dalam seleksi karyawan tetap yaitu Ahmad, Ebi dengan nilai persentase
Pada gambar di atas menunjukan nilai clustering untuk k=2 dihasil pengelompokan
dengan cluster 0 berjumlah 340 item dan cluster 1 berjumlah 164 item dari total
Uji validasi yang digunakan adalah uji validasi Davies Bouldin Index (DBI).
Berdasarkan uji DBI dapat ditentukan seberapa baik clustering sudah dilakukan
dengan parameter semakin kecil atau minimal nilai uji maka hasil clustering yang
didapat semakin baik seperti yang dituliskan pada tabel berikut ini :
3 0.169
4 0.149
47
5 0.140
6 0.152
Setelah dilakukan percobaan dengan pemodelan k=2 sampai dengan k=6, didapatkan
cluster optimal terdapat pada k = 2 dengan nilai DBI 0.086
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil analisa, implementasi dan pengujian terhadap data set
metode k-means dan Davies Bouldin Index untuk validasi maka dapat disimpulkan :
antara centroid dan cluster Hasil validasi DBI sebesar 0.086 hasil tersebut dapat
2. Penentuan 2 cluster yaitu cluster 0 dengan nilai lulus terdapat 340 data karyawan
dan cluster 1 dengan nilai tidak lulus terdapat 164 data karyawan, dari hasil
tersebut maka peluang potensi untuk pengangkatan karyawan dengan hasil lulus
5.2 Saran
Hasil dari penelitian ini mungkin akan mendorong adanya beberapa penelitian
lanjutan dengan hasil yang positif maupun negatif di masa yang akan datang.
algoritma k-means ataupun dengan algoritma yang lain untuk menghasilkan penilaian
48
DAFTAR PUSTAKA
49
50
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 9.6 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 8 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 8.5
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 8
SUHERIYANTO 9.57 10 8 8 7 7 8 8 9 8
QOMARUDIN 9.6 10 8 8 7.5 7.5 8 8 8 8
QOMARUDIN 10 10 8 7.5 8 8 7.5 7.5 8 8
SUHERIYANTO 10 10 8 8 7.5 7 8 8 9 7
SUGIANTO 10 10 8 8 8 8 8 7 8 7
SETYAWAN CAHYO WIBOW 10 10 8 7 7 8 8 8 8 8
QOMARUDIN 10 10 8 7.5 7.5 8 8 7 8 8
WINDRA RAHMAT 10 10 7.5 7.5 8 7 8 8 8 8
ARI SETIADI 10 10 8 8 8 8 7 7 8 8
WINDRA RAHMAT 10 10 7.5 8 7.5 7 8 8 8 8
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 7
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 8 7.5 7.5 7.5
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
SISWANTO 10 10 7.5 7.5 7 7.5 7.5 8 8 8
HERY FRASETIO 10 10 8 7.5 7.5 7.5 7.5 7.5 7.5 8
SISWANTO 10 10 7.5 7.5 7.5 7.5 7.5 7.5 8 8
HERY FRASETIO 10 10 8 7.5 7.5 7.5 7.5 7.5 7.5 8
ASEP SAPUTRA 10 10 8 7 7 8 8 7 8 8
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
SUHERIYANTO 10 10 8 8 7 7 8 8 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 9.6 10 8 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 7.5 8 7 8 8 8 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SETYAWAN CAHYO WIBOW 10 10 8 8 7 7 7 7 8 8
NUGRAHA 10 10 8 8 7 7 8 7 8 7
SUHERIYANTO 10 10 7 8 8 7 8 7 8 7
NUGRAHA 10 10 8 8 7 7 8 7 7 8
AN HAMDANI 10 10 8 8 7 7 7 7 8 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
DATA PENILAIAN KARYAWAN
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SUHERIYANTO 10 10 7 7.5 7 7 8 7.5 8 7.5
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
ASEP EDRIN 10 10 6 7 7 6 9 8 8 8
SUHERIYANTO 10 10 7 8 7 7 8 7 8 7
ASEP EDRIN 10 10 6.5 7 7 6 8 8 8 8
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
YUDHA HERMAWAN 10 10 6 7 7 6 9 7 8 8
ASEP EDRIN 10 10 6 7 7 6 8 8 8 8
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 10 10 7 7 8 7 6 8 8 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 10 10 7 7 8 7 6 8 8 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 9.6 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.6 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.6 10 7 7 6 7 7 8 8 8
YUDHA HERMAWAN 10 10 6.5 7 7 6 8 7 8 8
DADAN HERMAWAN 9.17 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.2 10 7 7 8 7 6 8 8 7
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ARI SETIADI 10 10 7 7 7 7 7 7 8 7
ARI SETIADI 10 10 7 7 7 7 7 7 7 8
DADAN HERMAWAN 10 10 7 7 6 7 7 7 8 8
ASEP SAPUTRA 10 10 7 7 7 7 7 7 8 7
YUDHA HERMAWAN 10 10 6 7 7 6 8 7 9 7
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
ASEP SAPUTRA 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
DADAN HERMAWAN 10 10 7 7 6 7 7 7 8 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 9.6 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 6.5 7 6.5 7 7 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
AN HAMDANI 10 10 6 6 5 5 6 5 6 6
AN HAMDANI 10 10 6 6 5 5 6 5 6 6
DATA PENILAIAN KARYAWAN
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
AN HAMDANI 10 10 6 6 5 5 6 5 6 6
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
DANIEL ARIFIN 10 10 8.5 10 10 10 10 10 10 10
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
ABDUL HAMID 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 10 10 10 10 9 10 10 9 10 9
YOSEP PURNAMA 9.5 10 10 10 9 10 10 9 10 9
EBI SOBIRIN 10 10 9.5 9.5 9.5 9.5 9.5 9.5 10 9
EBI SOBIRIN 10 10 9 9.5 9.5 9.5 9.5 9.5 10 9
AHMAD SOBUR 10 10 9 9.5 9.5 9.5 9.5 9.5 10 9
AHMAD SOBUR 9.6 10 10 9 9 9.5 9.5 9.5 10 9
EBI SOBIRIN 10 10 9 9.5 9.5 9.5 9.5 9 10 9
AHMAD SOBUR 10 10 9 9 9.5 9.5 9.5 9.5 10 9
EBI SOBIRIN 10 10 9 9.5 9 9.5 9.5 9 10 9
DANIEL ARIFIN 10 10 8 9 9 9 9 10 10 10
EBI SOBIRIN 10 10 9 9.5 9 9.5 9 9 10 9
DANIEL ARIFIN 10 10 8 9 9 9 9 10 10 10
AHMAD SOBUR 10 10 9 9 9 9.5 9.5 9 10 9
DANIEL ARIFIN 10 10 8 9 9 9 9 10 10 10
AHMAD SOBUR 10 10 9 9 9 9.5 9 9 10 9
DANIEL ARIFIN 9.6 10 8 9 9 9 9 10 9.5 10
DANIEL ARIFIN 9.6 10 8 9 9 9 9 10 9.5 10
EBI SOBIRIN 10 10 9 9 9 9 9 9 10 9
AHMAD SOBUR 10 10 9 9 9 9 9 9 10 9
EBI SOBIRIN 10 10 9 9 9 9 9 9 10 9
DANIEL ARIFIN 9.5 10 8 9 9 9 9 10 9.5 10
EBI SOBIRIN 10 10 9 9 9 9 9 8.5 10 9
AHMAD SOBUR 10 10 9 9 9 9 9 8.5 10 9
USEP HIDAYAT 10 10 9 9 8.5 9 9 9 10 9
EBI SOBIRIN 10 10 9 9 9 8.5 9 8.5 10 9
AHMAD SOBUR 10 10 9 9 9 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 9 9 8.5 8.5 9 9 10 9
EBI SOBIRIN 10 10 9 8.5 8.5 9 9 8.5 10 9
EBI SOBIRIN 10 10 9 8.5 8.5 9 9 8.5 10 9
EBI SOBIRIN 10 10 9 8.5 8.5 9 9 8.5 10 9
AHMAD SOBUR 10 10 9 9 8.5 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 9 9 8.5 8.5 9 8.5 10 9
AHMAD SOBUR 10 10 9 8.5 8.5 8.5 9 8.5 10 9
AHMAD SOBUR 10 10 9 8.5 8.5 8.5 9 8.5 10 9
AHMAD SOBUR 10 10 9 8.5 8.5 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 8.5 9 8.5 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 8.5 8.5 8.5 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 9 8.5 8 8 9 8.5 10 9
USEP HIDAYAT 10 10 8.5 8.5 8 8.5 9 8.5 10 9
USEP HIDAYAT 10 10 8.5 8.5 8 8 9 8.5 10 9
SUGIANTO 10 10 9 8 9 9 9 8 8 9
USEP HIDAYAT 10 10 8 8 8.5 8.5 8.5 8.5 10 8.5
USEP HIDAYAT 10 10 8 8 8.5 8.5 8.5 8.5 10 8.5
USEP HIDAYAT 10 10 8 8 8.5 8.5 8.5 8.5 10 8.5
USEP HIDAYAT 10 10 8 8 8.5 8.5 8.5 8.5 10 8.5
SETYAWAN CAHYO WIBOW 10 10 8 9 8 8 9 8 9 9
NUGRAHA 10 10 8 8 8 8 8 8 9 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 9 8 8 8 8 8 8 9
SUGIANTO 10 10 8 8 8 8 8 8 8 9
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
DATA PENILAIAN KARYAWAN
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 10 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8 8
SETYAWAN CAHYO WIBOW 9.6 10 8 8 8 8 8 8 8 8
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 8 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 8.5
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
FACHRUROZI YOGI 10 10 8 8 8 8 8 7.5 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 8
SUHERIYANTO 9.57 10 8 8 7 7 8 8 9 8
QOMARUDIN 9.6 10 8 8 7.5 7.5 8 8 8 8
QOMARUDIN 10 10 8 7.5 8 8 7.5 7.5 8 8
SUHERIYANTO 10 10 8 8 7.5 7 8 8 9 7
SUGIANTO 10 10 8 8 8 8 8 7 8 7
SETYAWAN CAHYO WIBOW 10 10 8 7 7 8 8 8 8 8
QOMARUDIN 10 10 8 7.5 7.5 8 8 7 8 8
WINDRA RAHMAT 10 10 7.5 7.5 8 7 8 8 8 8
ARI SETIADI 10 10 8 8 8 8 7 7 8 8
WINDRA RAHMAT 10 10 7.5 8 7.5 7 8 8 8 8
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
SUHERIYANTO 10 10 8 8 7 7 8 8 9 7
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 8 7.5 7.5 7.5
WINDRA RAHMAT 10 10 8 8 8 7 8 8 8 7
SISWANTO 10 10 7.5 7.5 7.5 7.5 8 8 8 8
HERY FRASETIO 10 10 8 7.5 8 8 7.5 7.5 7.5 8
SISWANTO 10 10 7.5 7.5 7 7.5 7.5 8 8 8
HERY FRASETIO 10 10 8 7.5 7.5 7.5 7.5 7.5 7.5 8
SISWANTO 10 10 7.5 7.5 7.5 7.5 7.5 7.5 8 8
HERY FRASETIO 10 10 8 7.5 7.5 7.5 7.5 7.5 7.5 8
ASEP SAPUTRA 10 10 8 7 7 8 8 7 8 8
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
SUHERIYANTO 10 10 8 8 7 7 8 8 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 10 10 8 8 8 8 8 7 7 7
NUGRAHA 10 10 8 8 7 8 8 7 8 7
QOMARUDIN 9.6 10 8 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 7.5 8 7 8 8 8 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
WINDRA RAHMAT 9.6 10 7.5 8 8 8 8 7 7 7
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SUHERIYANTO 10 10 7 7 7 6 8 7 9 9
SETYAWAN CAHYO WIBOW 10 10 8 8 7 7 7 7 8 8
NUGRAHA 10 10 8 8 7 7 8 7 8 7
SUHERIYANTO 10 10 7 8 8 7 8 7 8 7
NUGRAHA 10 10 8 8 7 7 8 7 7 8
AN HAMDANI 10 10 8 8 7 7 7 7 8 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
DATA PENILAIAN KARYAWAN
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
ARI SETIADI 10 10 8 8 7 7 7 8 8 7
YUDHA HERMAWAN 10 10 6 7 8 6 8 8 9 8
ASEP EDRIN 10 10 6 7 8 6 8 8 9 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SISWANTO 10 10 7 7.5 7 7 7.5 7.5 8 8
SUHERIYANTO 10 10 7 7.5 7 7 8 7.5 8 7.5
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
HERY FRASETIO 10 10 7.5 7.5 7 7 7.5 7.5 7 8
ASEP EDRIN 10 10 6 7 7 6 9 8 8 8
SUHERIYANTO 10 10 7 8 7 7 8 7 8 7
ASEP EDRIN 10 10 6.5 7 7 6 8 8 8 8
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
QOMARUDIN 10 10 8 8 7 7 8 7 7 6
YUDHA HERMAWAN 10 10 6 7 7 6 9 7 8 8
ASEP EDRIN 10 10 6 7 7 6 8 8 8 8
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 10 10 7 7 8 7 6 8 8 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 10 10 7 7 8 7 6 8 8 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
ASEP SAPUTRA 10 10 7 8 7 7 8 7 7 7
DADAN HERMAWAN 9.6 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.6 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.6 10 7 7 6 7 7 8 8 8
YUDHA HERMAWAN 10 10 6.5 7 7 6 8 7 8 8
DADAN HERMAWAN 9.17 10 7 7 8 7 6 8 8 7
DADAN HERMAWAN 9.2 10 7 7 8 7 6 8 8 7
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ASEP EDRIN 10 10 6 6 7 6 8 7 9 8
ARI SETIADI 10 10 7 7 7 7 7 7 8 7
ARI SETIADI 10 10 7 7 7 7 7 7 7 8
DADAN HERMAWAN 10 10 7 7 6 7 7 7 8 8
ASEP SAPUTRA 10 10 7 7 7 7 7 7 8 7
YUDHA HERMAWAN 10 10 6 7 7 6 8 7 9 7
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
NUGRAHA 10 10 7 7 7 7 7 7 7 7
SUGIANTO 10 10 7 7 7 7 7 7 7 7
YUDHA HERMAWAN 10 10 6 6 7 6 8 7 8 8
ASEP SAPUTRA 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
DADAN HERMAWAN 10 10 7 7 6 7 7 7 8 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
FACHRUROZI YOGI 10 10 8.5 8 8 8 8 7.5 8
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 7 7 7 7 7 7 7
AN HAMDANI 9.6 10 7 7 7 7 7 7 7 7
AN HAMDANI 10 10 7 6.5 7 6.5 7 7 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
SETYAWAN CAHYO WIBOW 10 10 7 6 7 6 7 6 7 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ARI SETIADI 10 10 7 6 6 6 6 7 6 7
DADAN HERMAWAN 10 10 7 7 6 7 5 6 6 7
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
ASEP SAPUTRA 10 10 6 6 6 6 6 6 6 6
AN HAMDANI 10 10 6 6 5 5 6 5 6 6
AN HAMDANI 10 10 6 6 5 5 6 5 6 6
DATA PENILAIAN KARYAWAN
DESKRIPSI PENILAIAN
PENGETAHUAN DISIPLIN
NAMA TANGGUNG
& KUALITAS INISIATIF & PROBLEM KOMUNIKASI & KERJA &
ABSENSI KESEHATAN JAWAB dalam TEAM WORK
KETERAMPILAN PEKERJAAN KREATIFITAS SOLVING KOORDINASI KEPATUHAN
PEKERJAAN
KERJA TERHADAP
AN HAMDANI 10 10 6 6 5 5 6 5 6 6