Data Mining Pengelompokan Dataset Bus Biskita Di Kota Bogor Menggunakan Metode K-Means

Abstract

Data mining merupakan proses penemuan informasi dengan mengidentifikasi pola dari dataset. Proses penemuan informasi tersebut dapat dilakukan dengan  metode pengelompokan data ke dalam beberapa kelompok dari sebuah dataset yang dalam data mining disebut metode clustering. Clustering merupakan proses mempartisi dataset menjadi beberapa subset atau kelompok berdasarkan kesamaan karakteristik masing-masing data pada kelompok yang ada. Metode Clustering yang digunakan dalam penelitian ini adalah K-Means yang termasuk ke dalam golongan algoritma Partition Clustering. Metode ini juga sudah banyak digunakan dalam penyelesaian masalah terkait klasterisasi pejualan, kebakaran hutan, pertanian, transportasi, dan sebagainya. Pada penelitian digunakan algoritma k-means untuk mengelompokkan dataset bus Bisikita Bogor berdasarkan data yang diambil selama tahun 2022. Dalam melakukan proses mengubah dataset mentah menjadi suatu informasi yang bermanfaat, maka digunakan proses Knowledge Discovery in Database (KDD). Pada tahap awal akan dilakukan pembersihan data, selanjutnya dilakukan seleksi data, transformasi data, dan data mining dengan menggunakan perangkat lunak Rapidminer. Hasil pemodelan dievaluasi menggunakan instrumen Davies Bouldin Index (DBI). Berdasarkan penelitian yang telah dilakukan, dapat diketahui bahwa algoritma K-Means dapat digunakan untuk mengelompokan dataset bus biskita. Yang nantinya bisa dimanfaatkan oleh perusahaan sebagai gambaran, penelitian juga ini bisa digunakan sebagai masukan bagi perusahaan/penyedia jasa.