Implementasi Data Mining Clustering Data Valuasi Ekspor Kertas Indonesia Menggunakan Algoritma K-Means

Abstract

Indonesia merupakan salah satu negara pengekspor ke negara-negara maju dan berkembang. Eksportir bertujuan untuk memperoleh keuntungan demi menunjang perekonomian dan kemakmuran masyarakat. Jurnal ini membahas tentang penerapan data mining clustering pada nilai ekspor kertas berdasarkan pelabuhan asal di Indonesia menggunakan algoritma K-Means. Data yang digunakan dalam penelitian ini adalah data valuasi ekspor kertas dari tahun Januari 2014 sampai Juni 2021 yang diambil dari publikasi Badan Pusat Statistik (BPS). Data akan diolah dengan melakukan clustering dalam 3 cluster yaitu cluster ekspor dengan nilai tinggi, nilai ekspor sedang dan nilai ekspor rendah. Sehingga nantinya dapat diperoleh informasi cluster pelabuhan-pelabuhan yang menghasilkan transaksi ekspor kertas yang tinggi. Juga akan menghasilkan informasi cluster pelabuhan-pelabuhan yang berada di kategori menengah untuk dikembangkan atau diperdayakan oleh badan terkait di pemerintahan maupun perusahaan-perusahaan dibidang manufaktur kertas dan logistic. Diharapkan pelabuha-pelabuhan yang memiliki potensial ini bisa diperdayakan untuk membantu meningkatkan kegiatan ekspor kertas dari Indonesia. Proses clustering akan dihitung menggunakan tools RapidMiner yang merupakan salah satu tools terkemuka dalam bidang data mining.