PERBANDINGAN ALGORITMA K-MEANS DENGAN K-MEDOIDS PADA PENGELOMPOKAN ARMADA KENDARAAN TRUK BERDASARKAN PRODUKTIVITAS

Aceng Supriyadi
Agung Triayudi
Ira Diana Sholihati


DOI: https://doi.org/10.29100/jipi.v6i2.2008

Abstract


Armada kendaraan truk merupakan salah satu aset utama dalam bisnis di bidang jasa transportasi. Evaluasi kinerja amada secara cepat dan akurat diperlukan untuk mendukung tercapainya produktivitas armada secara maksimal sehingga target perusahaan dapat mudah tercapai. Proses evaluasi kinerja armada yang masih dilakukan secara manual menyebabkan rumitnya proses pengolahan dan kurang akurat nya hasil evaluasi yang diperoleh, sehingga diperlukan suatu teknik pengolahan data secara cepat dan lebih akurat salah satunya dengan namun menerapkan teknik data mining menggunakan metode clustering. Metode Clustering akan digunakan untuk mengelompokkan setiap armada kendaraan berdasarkan produktivitas kinerjanya. Penelitian ini membandingkan penerapan Algoritma K-Means dan K-Medoids, yang kemudian dilakukan uji validitas terhadap hasil cluster yang terbentuk. Davies Bouldin Index sebagai metode dalam analisis klaster menghasilkan nilai validitas sebesar 0,67 untuk K-Means clustering dan 1,78 untuk K-Medoids. Berdasarkan nilai validitas yang dihasilkan Algoritma K-Means dipilih untuk diimplementasikan pada pembuatan aplikasi clustering armada kendaraan berbasis web karena paling relevan dengan nilai validitas DBI yang lebih rendah dari pada K-Medoids. Pengujian yang telah dilakukan terhadap hasil clustering pada aplikasi web didapatkan persentase kesesuaian sebesar 97 % baik dengan tool Rapidminer maupun dengan perhitungan secara manual

Keywords


Armada Kendaraan; Clustering; K-Means; K-Medoids;

Full Text:

PDF

Article Metrics :

References


S. Handoko, F. Fauziah, and E. T. E. Handayani, Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data TELKOMSEL Menggunakan Metode K-Means Clustering, Jurnal Ilmiah Teknologi dan Rekayasa, vol. 25, no. 1, pp. 7688, 2020, doi: 10.35760/tr.2020.v25i1.2677.

D. S. Maylawati, T. Priatna, H. Sugilar, and M. A. Ramdhani, Data Science For Digital Culture Improvement in Higher Education Using K-means Clustering and Text Analytics, International Journal of Electrical and Computer Engineering, vol. 10, no. 5, pp. 45694580, 2020, doi: 10.11591/IJECE.V10I5.PP4569-4580.

D. F. Pramesti, Lahan, M. Tanzil Furqon, and C. Dewi, Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 9, pp. 723732, 2017.

M. T. Islam, P. K. Basak, P. Bhowmik, and M. Khan, Data Clustering Using Hybrid Genetic Algorithm with k-Means and k-Medoids Algorithms, 2019, doi: 10.1109/ICSEC47112.2019.8974797.

Y. Siyamto, Pemanfaatan Data Mining Dengan Metode Clustering Untuk Evaluasi Biaya Dokumen Ekspor di PT Winstar Batam, Media Informatika Budidarma, vol. 1, no. 2, pp. 2831, 2017.

F. Tempola, M. Muhammad, and A. Mubarak, Penggunaan Internet Dikalangan Siswa SD di Kota Ternate: Suatu Survey, Penerapan Algoritma Clustering dan Validasi DBI, Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 6, pp. 11531160, 2020, doi: 10.25126/jtiik.2020722370.

A. Badruttamam, S. Sudarno, and D. A. I. Maruddani, Penerapan Analisis Klaster K-Modes Dengan Validasi Davies Bouldin Index Dalam Menentukan Karakteristik Kanal Youtube di Indonesia (Studi Kasus: 250 Kanal Youtube Indonesia Teratas Menurut Socialblade), Jurnal Gaussian, vol. 9, no. 3, pp. 263272, 2020, doi: 10.14710/j.gauss.v9i3.28907.

I. Kamila, U. Khairunnisa, and M. Mustakim, Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau, Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119125, 2019, doi: 10.24014/rmsi.v5i1.7381.

Y. H. Susanti and E. Widodo, Perbandingan K-Means dan K-Medoids Clustering terhadap Kelayakan Puskesmas di DIY Tahun 2015, Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami), vol. 1, no. 1, pp. 116122, 2017.

M. Aryuni, E. Didik Madyatmadja, and E. Miranda, Customer Segmentation in XYZ Bank Using K-Means and K-Medoids Clustering, 2018, doi: 10.1109/ICIMTech.2018.8528086.

B. Karthikeyan, D. J. George, G. Manikandan, and T. Thomas, A Comparative Study on K-Means Clustering and Agglomerative Hierarchical Clustering, International Journal of Emerging Trends in Engineering Research, vol. 8, no. 5, 2020, doi: 10.30534/ijeter/2020/20852020.

W. Reda, H. Elazhary, and E. Hassanein, Comparing K-means, K-medoids and Isodata Clustering Algorithms for a Cloud Service Search Engine, International Journal of Recent Technology and Engineering, vol. 8, no. 3, 2019, doi: 10.35940/ijrte.C5632.098319.

D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak, Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 4, no. 2, 2018, doi: 10.24014/coreit.v4i2.4498.

S. Budiman, D. Safitri, and D. Ispriyanti, Perbandingan Metode K-Means Dan Metode Dbscan Pada Pengelompokan Rumah Kost Mahasiswa Di Kelurahan Tembalang Semarang, Jurnal Gaussian, vol. 5, no. 4, pp. 757762, 2016.

T. Thi Bi Dan, S. Widya Sihwi, and R. Anggrainingsih, Implementasi Iterative Dichotomiser 3 Pada Data Kelulusan Mahasiswa S1 Di Universitas Sebelas Maret, Jurnal Teknologi & Informasi ITSmart, vol. 4, no. 2, 2016, doi: 10.20961/its.v4i2.1770.

M. Kadafi, Penerapan Algoritma FP-Growth untuk Menemukan Pola Peminjaman Buku Perpustakaan UIN Raden Fatah Palembang, MATICS, vol. 10, no. 2, 2019, doi: 10.18860/mat.v10i2.5628.

D. Aggarwal and D. Sharma, Application Of Clustering For Student Result Analysis, International Journal of Recent Technology and Engineering, vol. 7, no. 6, pp. 5053, 2019.

M. M. Khairunnisa, A. Triayudi, and E. T. E. Handayani, Application of K-Means Clustering on the Performance Evaluation of Lecturers Based on Student Questionnaire, Manajemen, Teknologi Informatika dan Komunikasi (Mantik), vol. 4, no. 1, pp. 760766, 2020.

S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. Ilmi R.H.Zer, and D. Hartama, Analisis Algoritma K-Medoids Clustering Dalam Pengelompokan Penyebaran Covid-19 di Indonesia, Jti (Jurnal Teknologi Informasi), vol. 4, no. 1, pp. 166173, 2020.

N. Qonaah, A. R. Devi, and I. M. G. M. Dana, Laboratory Clustering using K-Means, K-Medoids, and Model-Based Clustering, Indonesian Journal of Applied Statistics, vol. 3, no. 1, pp. 6477, 2020, doi: 10.13057/ijas.v3i1.40823.

E. Buulolo, R. Syahputra, and A. Fau, Algoritma K-Medoids Untuk Menentukan Calon Mahasiswa Yang Layak Mendapatkan Beasiswa Bidikmisi di Universitas Budi Darma, JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 3, 2020, doi: 10.30865/mib.v4i3.2240.