Journal of Digital Business and Technology Innovation (DBESTI) Vol.
2 No.
2 2025, 286-290
Journal of Digital Business and Technology Innovation (DBESTI) https://journal.
id/index.
php/DBESTI P-ISSN: 3047-1028 E-ISSN: 3032-775X
IMPLEMENTASI SISTEM PENGOLAHAN DATA TERINTEGRASI DENGAN
ALGORITMA K-MEANS PADA KNIME
Zakiah Nabila1.
Ahmad Rio Adriansyah2 Teknik Informatika.
Sekolah Tinggi Teknologi Terpadu Nurul Fikri Jakarta Selatan.
DKI Jakarta.
Indonesia 12640 zaki21071ti@student.
id, arasy@nurulfikri.
Abstract This research aims to develop and implement an integrated data processing system based on KNIME to analyze employee satisfaction at X School.
The methodology involved collecting data via a survey distributed to 125 employees, integrating data from Google Sheets, preparing the data, applying the K-Means algorithm to cluster employees by satisfaction levels, and visualizing the results in an interactive dashboard.
The research results indicate that the system was successfully built and can group employees into three clusters: Very Satisfied.
Satisfied, and Less Satisfied.
User acceptance testing (UAT) showed that the system met 80% of the testing criteria, indicating that most features functioned as expected by users.
Evaluation using the Silhouette Coefficient produced an average value of 0.
19, indicating less-than-optimal clustering quality, but the system still provided an overview of employee satisfaction levels.
This system supports KNIME use for employee satisfaction analysis and provides strategic recommendations for X School to improve employee satisfaction and retention.
Keywords: Clustering.
Employee Satisfaction.
Integrated Data.
K-Means.
KNIME Abstrak Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem pengolahan data terintegrasi berbasis KNIME untuk menganalisis kepuasan karyawan di Sekolah X.
Metode yang digunakan meliputi pengumpulan data melalui survei yang didistribusikan kepada 125 karyawan, integrasi data dari Google Sheets, persiapan data, penerapan algoritma KMeans untuk mengelompokkan karyawan berdasarkan tingkat kepuasan, serta visualisasi hasil analisis melalui dashboard Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan mampu mengelompokkan karyawan ke dalam tiga cluster: Sangat Puas.
Puas, dan Kurang Puas.
User acceptance testing (UAT) menunjukkan bahwa sistem memenuhi 80% dari kriteria pengujian, menunjukkan sebagian besar fitur berfungsi sesuai harapan pengguna.
Evaluasi menggunakan Silhouette Coefficient menghasilkan nilai rata-rata 0.
19, mengindikasikan kualitas clustering yang kurang optimal, namun sistem tetap memberikan gambaran umum mengenai tingkat kepuasan karyawan.
Sistem ini memberikan kontribusi dalam pemanfaatan KNIME untuk analisis kepuasan karyawan, serta memberikan rekomendasi strategis bagi Sekolah X untuk meningkatkan kepuasan dan retensi karyawan.
Kata kunci: Clustering.
Data Terintegrasi.
K-Means.
Kepuasan Karyawan.
KNIME
PENDAHULUAN
Kepuasan karyawan merupakan salah satu indikator penting dalam keberhasilan suatu organisasi.
Dalam era kerja yang semakin kompetitif, memahami kepuasan karyawan bukan hanya berdampak pada produktivitas individu, tetapi juga pada retensi sumber daya manusia.
Kondisi lingkungan kerja yang kondusif, baik fisik maupun psikologis, sangat penting untuk kepuasan karyawan.
Lingkungan kerja yang sehat, aman, dan nyaman berkontribusi pada peningkatan produktivitas, karena menciptakan suasana yang positif dan meningkatkan motivasi kerja.
Tingkat turnover karyawan di Indonesia pada tahun 2023 mencapai 41%, dengan industri layanan profesional dan bisnis mencatat tingkat tertinggi, yaitu 57%, diikuti oleh industri konstruksi 54% dan perdagangan, transportasi, serta utilitas 49%.
Angka ini menekankan urgensi untuk menciptakan lingkungan kerja yang dapat mempertahankan dan mengembangkan karyawan.
Dalam proses analisis kepuasan karyawan, banyak organisasi menghadapi masalah dalam pengolahan data yang terfragmentasi.
Data sering kali berasal dari berbagai Diterima 11 Juli 2025.
Direvisi 16 Desember 2025.
Diterima untuk publikasi 16 Desember 2025 287 | Journal of Digital Business and Technology Innovation (DBESTI) Vol.
2 No.
2 November 2025 sumber, seperti survei dan wawancara, yang tidak terintegrasi dengan baik.
Hal ini mengakibatkan kesulitan dalam mengakses dan menganalisis data secara holistik, yang pada gilirannya dapat menghambat pengambilan keputusan strategis.
Sekolah X, sebagai lembaga pendidikan inklusif di Kota Depok, juga menghadapi tantangan serupa dalam mengelola data kepuasan karyawannya.
Data kepuasan karyawan yang ada sering kali berasal dari berbagai sumber seperti survei manual, umpan balik informal, dan data kinerja yang belum Hal ini menyebabkan kesulitan dalam memperoleh gambaran komprehensif mengenai faktorfaktor yang mempengaruhi kepuasan karyawan, serta menghambat pengambilan keputusan berbasis data yang Pemilihan Sekolah X sebagai objek penelitian didasarkan pada ketersediaan data empiris, relevansi permasalahan, dan potensi manfaat untuk meningkatkan kepuasan dan retensi karyawan.
UAT berfungsi sebagai validasi akhir bahwa sistem pengolahan data terintegrasi telah berhasil memenuhi kebutuhan dan harapan manajemen.
Skenario pengujian mencakup tugas-tugas spesifik yang relevan dengan penggunaan sistem, seperti memasukkan data, menjalankan sistem, dan menghasilkan laporan.
Umpan balik dari peserta UAT kemudian diambil untuk menilai kenyamanan, kemudahan penggunaan, dan fitur-fitur sistem.
2 Tahapan Penelitian Penelitian ini dilakukan melalui beberapa tahapan yang terstruktur, dimulai dari studi pendahuluan hingga evaluasi Penelitian ini diharapkan dapat memberikan manfaat bagi Sekolah X dalam pengambilan keputusan, peningkatan efisiensi pengolahan informasi, peningkatan kepuasan dan retensi karyawan, serta kontribusi akademis.
Untuk memastikan fokus dan efektivitas penelitian, batasan masalah ditetapkan sebagai berikut: .
Penelitian dilakukan berdasarkan data yang diambil pada bulan April 2018.
Penelitian mengutamakan faktor-faktor kepuasan kerja seperti komunikasi, peluang pengembangan karier, dan lingkungan kerja.
Tools yang digunakan adalah KNIME Analytic platform versi 5.
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif dengan desain penelitian pengembangan .
esearch development / R&D) untuk membangun dan menguji sistem pengolahan data terintegrasi.
Pendekatan ini dipilih untuk menguji efektivitas sistem dalam menganalisis kepuasan karyawan.
1 Metode Pengumpulan Data Metode pengumpulan data dalam penelitian ini adalah survei yang didistribusikan kepada 125 karyawan di Sekolah X.
Kuesioner survei dirancang untuk mengukur tingkat kepuasan karyawan terhadap berbagai aspek pekerjaan, seperti lingkungan kerja, komunikasi, gaji, dan Kuesioner dibuat menggunakan Google Forms, yang memungkinkan pengumpulan data secara Responden diminta memberikan penilaian menggunakan skala Likert 1-5, dengan 1 = "Sangat Tidak Setuju" dan 5 = "Sangat Setuju".
2 Metode Pengujian Metode pengujian yang digunakan adalah User acceptance testing (UAT).
Proses UAT melibatkan pengujian oleh pengguna akhir untuk memastikan sistem berfungsi sesuai dengan persyaratan yang telah ditetapkan.
Di Sekolah X.
Gambar 1.
Alur Penelitian Alur penelitian dapat dilihat pada Gambar 1, yang mengilustrasikan tahapan penelitian secara sistematis, mulai dari studi pendahuluan, analisis, perancangan sistem, implementasi, pengujian, hingga evaluasi.
Tahapan penelitian ini secara rinci meliputi:
1 Studi Pendahuluan Tahap ini melibatkan pengumpulan informasi dari dokumen internal Sekolah X, jurnal, dan artikel terkait kepuasan karyawan, analisis data, algoritma K-Means, dan penggunaan KNIME Analytic platform.
2 Analisis Data dikumpulkan melalui kuesioner yang didistribusikan kepada 125 responden.
Ringkasan statistik deskriptif digunakan untuk memahami distribusi jawaban dan tren umum dalam data survei.
288 | Journal of Digital Business and Technology Innovation (DBESTI) Vol.
2 No.
2 November 2025 3 Perancangan Sistem Pernyataan Perancangan sistem pengolahan data terintegrasi menggunakan KNIME Analytic platform, yang mencakup integrasi data, implementasi algoritma K-Means, dan visualisasi hasil.
merasa puas bekerja di Sekolah X 3 Implementasi Sistem diimplementasikan dengan mengintegrasikan data dari Google Sheets, melakukan persiapan data, menerapkan algoritma K-Means, dan membuat visualisasi hasil dalam bentuk dashboard.
Min Max Mean Std.
Dev Skewness Kurtosis N Saya puas dengan 1 pekerjaan saya dan jenis tugas yang saya kerjakan 3,928 0,795 0,632 -0,947 4,056 0,816 0,666 -0,918 Pekerjaan saya menantang dan 3 Testing Sistem diuji menggunakan metode UAT untuk memastikan fungsi dan fitur bekerja sesuai rancangan.
3 Evaluasi Hasil pengujian UAT dievaluasi untuk menilai tingkat keberhasilan sistem dalam memenuhi kebutuhan pengguna dan mengidentifikasi area yang perlu diperbaiki.
HASIL DAN PEMBAHASAN
Data yang digunakan dalam penelitian ini diperoleh melalui kuesioner yang didistribusikan kepada 125 karyawan di Sekolah X pada April 2018.
Kuesioner dirancang untuk mengukur tingkat kepuasan karyawan terhadap berbagai aspek pekerjaan, seperti komunikasi, lingkungan kerja, gaji, tunjangan, dan kepemimpinan.
Responden diminta untuk memberikan penilaian menggunakan skala Likert 1-5, dengan 1 menunjukkan "Sangat Tidak Setuju" dan 5 menunjukkan "Sangat Setuju".
Data dari kuesioner yang dikumpulkan melalui Google Form secara otomatis tersimpan di Google Sheets.
Setelah pengumpulan data, dilakukan analisis deskriptif untuk memahami distribusi jawaban dan tren umum dalam data Tabel 1 menyajikan contoh ringkasan statistik deskriptif dari beberapa pertanyaan survei, termasuk nilai minimum, maksimum, rata-rata .
, standar deviasi, skewness, kurtosis, dan jumlah keseluruhan.
Dalam analisis data, analisis deskriptif berperan sebagai alat untuk memberikan deskripsi yang jelas dan ringkas mengenai suatu kondisi.
Pendekatan ini memanfaatkan berbagai teknik visualisasi, seperti tabel dan grafik, untuk menyajikan data observasi secara efektif, sehingga memudahkan pembaca dalam memahami informasi statistik yang disajikan.
Berdasarkan analisis deskriptif yang telah dilakukan, secara umum karyawan di Sekolah X cenderung merasa puas dengan aspek yang ditanyakan dalam pertanyaan survei.
Distribusi jawaban cenderung terkonsentrasi pada nilai-nilai yang lebih tinggi, dengan variasi jawaban yang relatif kecil.
Data survei kepuasan karyawan yang tersimpan di Google Sheets diintegrasikan ke dalam KNIME Analytic platform untuk memudahkan analisis.
Integrasi dilakukan menggunakan node Google Authenticator.
Google Sheets Connector, dan Google Sheets Reader.
Proses integrasi dimulai dari otentikasi hingga pembacaan data.
Keunggulan KNIME pendekatan no-code yang memungkinkan pengguna membangun alur analisis secara modular dan fleksibel.
Tabel 1.
Ringkasan Statistik Deskriptif Pernyataan Min Max Mean Std.
Dev
Skewness Kurtosis N Sekolah X
merupakan salah satu tempat bekerja yang terbaik 4,184 0,766 0,587 -1,312 Saya bangga
mengatakan kepada orang lain bahwa saya bekerja di Sekolah X
4,192 0,849 0,721
-1,344
Mempertimbangkan 1 segala hal, saya 3,896 0,860 0,739 -0,958 Sekolah X saya dengan baik 4,010 0,842 0,710 -1,152 Setelah data berhasil diintegrasikan, langkah selanjutnya adalah persiapan data.
Pada tahap ini, data disiapkan untuk analisis lebih lanjut.
Proses persiapan data dilakukan dengan menggunakan node String to Number untuk transformasi Setelah data siap, algoritma K-Means diterapkan untuk mengelompokkan karyawan berdasarkan tingkat kepuasan.
Algoritma K-Means digunakan untuk mengidentifikasi pola dan struktur dalam data yang kompleks, mengelompokkan karyawan berdasarkan karakteristik yang serupa.
Kemudian dilakukan evaluasi hasil clustering untuk menilai kualitas pengelompokan data menggunakan Silhouette Coefficient yang merupakan alat ukur yang mengukur seberapa baik suatu data point berada dalam cluster-nya.
Hal ini dilakukan dengan membandingkan kemiripan data point tersebut dengan data point lain dalam cluster yang sama, dibandingkan dengan data point di cluster lain.
289 | Journal of Digital Business and Technology Innovation (DBESTI) Vol.
2 No.
2 November 2025 Hasil evaluasi menunjukkan kualitas clustering yang kurang Selanjutnya hasil analisis divisualisasikan menggunakan node Scatter Plot.
Tile View.
Bar Chart, dan Data Explorer untuk mempresentasikan hasil analisis dalam bentuk Dashboard.
Gambar 2.
Workflow Dashboard Visualisasi Gambar 2 menunjukkan workflow untuk visualisasi hasil analisis dalam bentuk dashboard.
Pengembangan dashboard difokuskan pada visualisasi data untuk mendukung pengambilan keputusan yang lebih baik.
Melalui tampilan data yang terorganisir dan mudah dipahami, dashboard memfasilitasi pengguna dalam menganalisis informasi dan mengidentifikasi area-area penting.
Dashboard yang dihasilkan pada penelitian ini menyajikan informasi yang komprehensif dan mudah mengidentifikasi area yang perlu ditingkatkan.
Metode pengujian yang digunakan adalah User acceptance testing (UAT).
UAT melibatkan beberapa karyawan dan direktur di Sekolah X.
Skenario pengujian mencakup tugastugas spesifik yang relevan dengan penggunaan sistem, seperti memasukkan data, menjalankan sistem, dan menghasilkan laporan.
Tabel 2.
Pengujian Sistem Fitur yang Diuji Data Uji Hasil yang Diharapkan Status Hasil Integrasi Google Drive Akun Google dengan akses ke file Google Drive berisi data survei Data dari Google Drive berhasil dibaca ditampilkan di KNIME Google Drive dengan KNIME dan data Pengubahan tipe data String Menjadi Numerik (String to Numbe.
Data String yang berisi angka dalam format teks Data berhasil Data berhasil Fitur yang Diuji Data Uji Hasil yang Diharapkan Status Hasil Clustering KMeans Keseluruhan dataset yang Data ke dalam 3 Data berhasil ke dalam 3 Evaluasi Silhouette Coefficient Hasil dari node KMeans Nilai rata-rata Silhouette Coefficient Tidak berhasil, hasil Silhouette Coefficient yang muncul Dashboard Visualisasi Dashboard Visualisasi yang telah Dashboard interaktif yang wawasan bagi Berhasil Dashboard visualisasi yang dengan baik Tabel 2 merupakan skenario pengujian sistem dengan hasil yang menunjukkan bahwa sistem memenuhi 80% dari kriteria pengujian.
Penelitian ini berhasil membangun sistem pengolahan data terintegrasi untuk menganalisis kepuasan karyawan di Sekolah X menggunakan KNIME.
Sistem ini mampu mengintegrasikan data dari Google Sheets, melakukan persiapan data, menerapkan algoritma K-Means, dan menghasilkan visualisasi hasil analisis dalam bentuk Dashboard.
Hasil penelitian menunjukkan bahwa sistem berhasil mengelompokkan karyawan ke dalam tiga cluster: Sangat Puas.
Puas, dan Kurang Puas.
Hasil UAT menunjukkan bahwa sistem berfungsi sesuai dengan harapan pengguna.
Penelitian ini memiliki persamaan dan perbedaan dengan penelitian sebelumnya.
Persamaannya adalah penggunaan algoritma K-Means untuk clustering dan penerapan metode Perbedaannya terletak pada konteks penelitian, yaitu analisis kepuasan karyawan di Sekolah X, serta penggunaan KNIME sebagai platform analisis data.
KESIMPULAN
Penelitian ini berhasil mencapai tujuan utama, yaitu membangun dan mengimplementasikan sistem pengolahan data terintegrasi untuk menganalisis kepuasan karyawan di Sekolah X menggunakan KNIME.
Sistem yang dibangun mampu mengintegrasikan data dari Google Sheets, melakukan persiapan data, menerapkan algoritma K-Means untuk pengelompokan, dan menghasilkan visualisasi hasil analisis dalam bentuk dashboard yang informatif.
Hasil penelitian menunjukkan bahwa sistem berhasil mengelompokkan karyawan ke dalam tiga cluster utama:
Sangat Puas.
Puas, dan Kurang Puas.
Temuan ini memberikan gambaran yang jelas mengenai variasi tingkat kepuasan karyawan di Sekolah X, yang dapat menjadi dasar bagi pengambilan keputusan strategis.
Implementasi sistem 290 | Journal of Digital Business and Technology Innovation (DBESTI) Vol.
2 No.
2 November 2025 ini juga terbukti efisien dalam proses pengolahan data, yang sebelumnya dilakukan secara manual.
Evaluasi sistem menggunakan User acceptance testing (UAT) menunjukkan bahwa sistem berfungsi sesuai dengan harapan pengguna, dengan tingkat pemenuhan kriteria pengujian mencapai 80%.
Hal ini mengindikasikan bahwa sistem tidak hanya efektif dalam menghasilkan analisis, tetapi juga mudah digunakan dan memberikan manfaat nyata bagi pihak sekolah.
Meskipun evaluasi Silhouette Coefficient menunjukkan kualitas clustering yang kurang optimal, sistem tetap memberikan gambaran umum mengenai tingkat kepuasan karyawan.
DAFTAR PUSTAKA