PENERAPAN ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN DATA PENGIRIMAN PAKET DI KANTOR POS CIREBON
DOI:
https://doi.org/10.34151/technoscientia.v15i1.3858Keywords:
Data Mining, Clustering, K-Means, Kantor PosAbstract
Pada era industri sekarang ini perkembangan ekspedisi jasa kirim mengalami peningkatan yang relatif pesat, membuat jalur perdagangan barang maupun bidang jasa menjadi meningkat untuk memenuhi kebutuhan konsumen. Salah satu ekspedisi jasa kirim yaitu PT Pos Indonesia yang merupakan Badan Usaha Milik Negara (BUMN). Kantor Pos Cirebon saat ini mempunyai banyak pesaing diantaranya yaitu JNE,TIKI, Sicepat, dan J&T. Salah satu faktor utama dalam proses pengiriman yaitu dibutuhkan keakuratan dalam mengelompokkan data pengiriman, maka diperlukan proses perhitungan yang tepat, agar dapat mencapai hasil yang akurat. Pada penelitian ini dilakukan proses clustering dengan algoritma K-Means dengan tujuan untuk mendapatkan informasi dari data pengiriman paket yang ada di Kantor Pos Cirebon pada bulan juli 2020 serta memperoleh kelompok terbaik berdasarkan hasil evaluasi DBI. Hasil cluster data pengiriman paket menggunakan algoritma K-means serta dengan perhitungan Davies Bouldin Index nilai yang paling mendekati angka 0 dengan percobaan cluster 2 sampai cluster 10 menghasilkan nilai k terbaik pada cluster 3 yaitu 0.104 dengan jumlah anggota Cluster 0: 414 items, Cluster 1: 280 items, Cluster 2: 6 items.
References
Aditya, A., Jovian, I., & Sari, B. N. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019. Jurnal Media Informatika Budidarma, 4(1), 51. https://doi.org/10.30865/mib.v4i1.1784
Annur, H. (2019). Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering. Jurnal Informatika Upgris, 5(1). https://doi.org/10.26877/jiu.v5i1.3091
Halimah, M. A., & Yanti, R. D. (2020). Pengaruh Strategi Penetapan Harga Terhadap Loyalitas Pelanggan Produk Kilat Khusus Mitra Korporat Kantor Pos Purwokerto. Jurnal Ecoment Global, 5(1), 70. https://doi.org/10.35908/jeg.v5i1.916
Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119. https://doi.org/10.24014/rmsi.v5i1.7381
Muliono, R., & Sembiring, Z. (2019). Data Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen. CESS (Journal of Computer Engineering, System and Science), 4(2), 2502–2714.
Muttaqin, M. R., & Defriani, M. (2020). Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa. ILKOM Jurnal Ilmiah, 12(2), 121–129. https://doi.org/10.33096/ilkom.v12i2.542.121-129
Nas, C. (2020). Data Mining Pengelompokan Bidang Keahlian Mahasiswa Menggunakan Algoritma K-Means (Studi Kasus : Universitas Cic Cirebon). Syntax : Jurnal Informatika, 9(1), 1. https://doi.org/10.35706/syji.v9i1.3472
Tendean, T., & Purba, W. (2020). Analisis Cluster Provinsi Indonesia Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means. Jurnal Sains Dan Teknologi, 1(2), 5–11.
Yunaida, E. (2017). Analisis Strategi Pemasaran untuk Meningkatkan Pendapatan Produk Surat dan Paket Kantor Pos Langsa. Jurnal Manajemen & Keuangan, 6(1), 688–699
