Perpustakaan Digital ITB

PT PLN (Persero), sebagai perusahaan kelistrikan terbesar di Indonesia dengan unit-unit cabangnya yang tersebar di berbagai wilayah dengan karakteristik geografis dan sosial-ekonomi yang beragam. Variasi dalam data pengusahaan dan kompleksitas pengelolaan pada masing-masing unit menuntut pendekatan yang tepat untuk mengoptimalkan alokasi tenaga kerja. Penelitian ini bertujuan untuk mengelompokkan unit Pelaksana Pelayanan Pelanggan (UP3) berdasarkan data pengusahaan dan kompleksitas pengelolaannya, serta menganalisis efisiensi produktivitas unit untuk pertimbangan perencanaan tenaga kerja yang optimal. Pendekatan penelitian dilakukan melalui klasterisasi menggunakan empat metode: DBSCAN, Gaussian Mixture Model (GMM), K-Means, dan Weighted K-Means. Untuk menentukan jumlah klaster optimal pada GMM, K-Means, dan Weighted KMeans, digunakan metode Elbow dan silhouette. Visualisasi hasil klasterisasi dilakukan menggunakan Principal Component Analysis (PCA) untuk mempermudah interpretasi. Hasil perbandingan menunjukkan bahwa metode Weighted K-Means memberikan hasil klasterisasi paling sesuai, dengan jumlah klaster optimal sebanyak enam klaster. Unit-unit dalam klaster yang terbentuk selanjutnya dianalisis efisiensinya menggunakan metode Data Envelopment Analysis (DEA). Hasil analisis DEA menunjukkan bahwa masih terdapat unit-unit dengan tingkat produktivitas yang masih rendah pada masing-masing kelompok klaster. Informasi ini memberikan peluang untuk meningkatkan produktivitas unit melalui perencanaan tenaga kerja yang lebih baik, dengan mempertimbangkan karakteristik masing-masing klaster. Penelitian ini menyimpulkan bahwa implementasi machine learning, khususnya metode klasterisasi Weighted K-Means, dapat dilakukan dengan baik untuk pengelompokan unit. Selain itu, analisis efisiensi menggunakan DEA memberikan gambaran terkait produktivitas unit, yang dapat digunakan sebagai dasar dalam menyusun strategi pengelolaan tenaga kerja untuk meningkatkan kinerja operasional PT PLN (Persero).