ANALISIS K-MEANS DAN K-MEDOIDS CLUSTERING DENGAN DAVIES BOULDIN INDEX DATA KELOMPOK PETANI KARET PT KIRANA MEGATARA

PERDANA, AIRIZA YUDDHA YULIAN (2024) ANALISIS K-MEANS DAN K-MEDOIDS CLUSTERING DENGAN DAVIES BOULDIN INDEX DATA KELOMPOK PETANI KARET PT KIRANA MEGATARA. S1 thesis, Universitas Mercu Buana - Menteng.

[img] Text (Cover)
41521120027-Airiza Yuddha Yulian Perdana-01 Cover - AIRIZA YUDDHA YULIAN PERDANA.pdf

Download (611kB)
[img] Text (Abstrak)
41521120027-Airiza Yuddha Yulian Perdana-02 Abstrak - AIRIZA YUDDHA YULIAN PERDANA.pdf

Download (399kB)
[img] Text (Bab 1)
41521120027-Airiza Yuddha Yulian Perdana-03 Bab 1 - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (289kB)
[img] Text (Bab 2)
41521120027-Airiza Yuddha Yulian Perdana-04 Bab 2 - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (656kB)
[img] Text (Bab 3)
41521120027-Airiza Yuddha Yulian Perdana-05 Bab 3 - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (291kB)
[img] Text (Bab 4)
41521120027-Airiza Yuddha Yulian Perdana-06 Bab 4 - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (Bab 5)
41521120027-Airiza Yuddha Yulian Perdana-07 Bab 5 - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (225kB)
[img] Text (Daftar pustaka)
41521120027-Airiza Yuddha Yulian Perdana-08 Daftar Pustaka - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (292kB)
[img] Text (Lampiran)
41521120027-Airiza Yuddha Yulian Perdana-09 Lampiran - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Registered users only

Download (996kB)
[img] Text (Formulir keabsahan dan publikasi TA)
41521120027-Airiza Yuddha Yulian Perdana-10 Hasil Scan Formulir Pernyataan Keabsahan dan Persetujuan - AIRIZA YUDDHA YULIAN PERDANA.pdf
Restricted to Repository staff only

Download (115kB)

Abstract

Penelitian ini berjudul “Analisis K-Means Dan K-Medoids Clustering Dengan Davies Bouldin Index Data Kelompok Petani Karet PT Kirana Megatara”. Karet merupakan salah satu komoditas utama tanaman perkebunan Indonesia. PT Kirana Megatara adalah salah satu perusahaan swasta di Indonesia yang bergerak di bidang karet. Untuk dapat menentukan strategi bisnis terkait pengadaan karet yang berkualitas, perusahaan perlu mengelompokkan supplier dengan kualitas premium dan regular berdasarkan suplai berat basah dan berat keringnya. Tujuan dari penelitian ini adalah untuk menghasilkan klaster atau pengelompokan supplier karet pada dataset kelompok petani PT Kirana Megatara. Pengelompokkan data menggunakan algoritma K-Means dan K-Medoids dengan Bahasa pemrogaman python yang diakses pada Google Colab. Selain itu penelitian ini juga bertujuan untuk mengetahui tingkat akurasi dan uji performa dari K-Means dan K-Medoids menggunakan DBI. K-Means dan K-Medoids clustering digunakan untuk mengelompokkan data kelompok petani karet berdasarkan karakteristik tertentu. Dengan menggunakan metode ini diharapkan PT Kirana Megatara dapat mengidentifikasi strategi bisnis yang lebih efektif dan efisien dalam hal pasokan karet. Data yang digunakan pada penelitian ini adalah data suplai karet pada tahun 2023 yang terdiri atas 82 supplier. Hasil klaster dari kedua algoritma didapatkan sebanyak 26 kelompok tani atau 32% supplier termasuk ke dalam klaster supplier premium dan 56 kelompok tani atau 68% supplier yang termasuk supplier kecil. Dari hasil perbandingan algoritma K-Means dan K-Medoids didapatkan kesimpulan bahwa algoritma K-Medoids lebih unggul secara akurasi. Hal ini dibuktikan dengan nilai DBI dari K-Medoids lebih kecil jika dibandingkan dengan algoritma K-Means. Kemudian dari sisi performa algoritma K-Means lebih unggul dengan waktu eksekusi 3 detik lebih cepat dibandingkan dengan K-Medoids. This research is entitled " Analisis K-Means Dan K-Medoids Clustering Dengan Davies Bouldin Index Data Kelompok Petani Karet PT Kirana Megatara ". Rubber is one of the main commodities of Indonesian plantation crops. PT Kirana Megatara is a private company in Indonesia which operates in the rubber sector. To be able to determine a business strategy related to the procurement of quality rubber, companies requires a classification suppliers with premium and regular quality. The aim of this research is to produce clusters of rubber suppliers in the PT Kirana Megatara farmer group dataset. Data grouping uses the K-Means and K-Medoids algorithms with the Python programming which is accessed on Google Colab. This research also aims to determine the level of accuracy and performance test of K-Means and K-Medoids using DBI. Using K-Means and K-Medoids clustering method, it is hoped that company can identify a more effective and efficient business strategy in terms of rubber supply. The data used in this research is rubber supply data in 2023 which consists of 82 suppliers. The cluster results showed that 32% of suppliers were included in the premium supplier cluster and 68% of suppliers were included in the small supplier cluster. From the results of the comparison of the K-Means and K-Medoids algorithms, K-Medoids algorithm was superior in terms of accuracy. This is proven by the DBI value of K-Medoids being smaller when compared to the K-Means algorithm. Then, in terms of performance, the K-Means algorithm is superior with an execution time of 3 seconds faster than K-Medoids.

Item Type: Thesis (S1)
NIM/NIDN Creators: 41521120027
Uncontrolled Keywords: K-Means, K-Medoids, Davies Bouldin Index, Clustering, Python. K-Means Clustering, Davies Bouldin Index, Clustering, Evaluate, K-Medoids
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: WIDYA AYU PUSPITA NINGRUM
Date Deposited: 29 Jun 2024 04:03
Last Modified: 29 Jun 2024 04:03
URI: http://repository.mercubuana.ac.id/id/eprint/89280

Actions (login required)

View Item View Item