Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang

Authors

  • Dede Kurniadi Institut Teknologi Garut
  • Yoga Handoko Agustin Institut Teknologi Garut
  • Hari Ilham Nur Akbar Institut Teknologi Garut
  • Ida Farida Institut Teknologi Garut

DOI:

https://doi.org/10.24246/aiti.v20i1.64-77

Keywords:

k-means, algorithm, clustering, road construction, PUPR

Abstract

Determining road construction priorities at the Garut Regency Public Works and Spatial Planning (PUPR) Office could be more effective in terms of validity in achieving goals and recap time because it needs good clustering. This study uses the Cross-Industry Standard Process for Data Mining and the k-means algorithm to classify road construction data with type, length, and construction cost attributes. The results of this study are the selection of five clusters with the smallest Davies-Bouldin index evaluation value of 0.1617. The analysis of the characteristics of the largest cluster road construction is from Group 1,  Group 2,  Group 3,  Group 5, and  Group 4, with nominal development depending on the type of construction. From the clustering knowledge and cluster characteristics results, the Garut District PUPR office can prioritize the construction of small roads more than the construction of medium or large roads by looking at the submissions based on the cluster.

Downloads

Download data is not yet available.

References

N. Puspitasari, R. Rosmasari, and S. Stefanie, “Penentuan Prioritas Perbaikan Jalan Menggunakan Fuzzy C-Means : Studi Kasus Perbaikan Jalan Di Kota Samarinda,” J. Teknol. dan Sist. Komput., vol. 5, no. 1, p. 7, 2017, doi: 10.14710/jtsiskom.5.1.2017.7-14.

S. Asmiatun and N. Wakhidah, “Identifikasi Pengelompokkan Kondisi Permukaan Jalan Menggunakan Algoritma K-means,” J. Pengemb. Rekayasa dan Teknol., vol. 14, no. 1, p. 17, 2018, doi: 10.26623/jprt.v14i1.1215.

D. Kurniadi, E. Abdurachman, H. L. H. S. Warnars, and W. Suparta, “A proposed framework in an intelligent recommender system for the college student,” J. Phys. Conf. Ser., vol. 1402, no. 6, 2019, doi: 10.1088/1742-6596/1402/6/066100.

K. A. Terbuka, “Prediksi penerima beasiswa di perguruan tinggi menggunakan algoritma k-Nearest Neighbor Prediksi penerima beasiswa di perguruan tinggi menggunakan algoritma k-Nearest Neighbor,” 2018.

L. Listiani, Y. H. Agustin, and M. Z. Ramdhani, “Implementasi algoritma k-means klaster untuk rekomendasi pekerjaan berdasarkan pengelompokkan data penduduk,” SENSITIf Semin. Nas. Sist. Inf. dan Teknol. Inf., pp. 761–769, 2019.

S. Asmiatun, N. Wakhidah, and A. N. Putri, “Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 6, no. 2, pp. 171–180, 2020, doi: 10.35957/jatisi.v6i2.193.

A. A. Vernanda, A. Faisol, and N. Vendyansyah, “Penerapan Metode K-means Klastering Untuk Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Di Kota Malang Berbasis Website,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 836–844, 2021, doi: 10.36040/jati.v5i2.3791.

Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Klastering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

R. Gustrianda and D. I. Mulyana, “Penerapan Data Mining Dalam Pemilihan Produk Unggulan dengan Metode Algoritma K-means Dan K-Medoids,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 27, 2022, doi: 10.30865/mib.v6i1.3294.

D. J. Lubis and M. B. Tamam, “Penerapan K-means Untuk Pengelompokkan Beasiswa Santri di Pondok Pesantren Miftahul Huda Bogor,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 12, no. 1, pp. 7–20, 2022, doi: 10.36350/jbs.v12i1.125.

R. Hasibuan Budiansyah, H. Hafizah, and R. Mahyuni, “Penerapan Data Mining Klastering Dengan Menggunakan Algoritma K-means Pada Data Nasabah Kredit Bermasalah PT. BPR Milala,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 5, no. 1, p. 7, 2022, doi: 10.53513/jsk.v5i1.4767.

Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-means Klastering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” J. Teknol. Inform. dan Komput., vol. 6, no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.

L. Kartikawati, K. Kusrini, and E. T. Luthfi, “Algoritma K-means pada Pengelompokan Pembelajaran Tatap Muka Terbatas Sesudah Vaksinasi COVID-19,” J. Eksplora Inform., vol. 11, no. 1, pp. 20–28, 2022, doi: 10.30864/eksplora.v11i1.560.

H. A. Nizar and V. E.Purba, “Evaluasi Jalan Rabat Beton baru pada STA 2.000 -STA 3.000 di Jalan Jambuara Nagori Buntu Bayu Kecamatan Hatanduhan Kabupaten Simalungun,” Angew. Chemie Int. Ed. 6(11), 951–952., pp. 10–27, 2018.

F. A. Jatnika, J. Akbardin, R. Natawidjana, D. Nanang, and D. Herman, “Perancangan Petunjuk Pelaksanaan (Sop) Berdasarkan Rencana Pembangunan Jalan Di Provinsi Banten,” no. 229, 2020.

Downloads

Published

2023-03-30

How to Cite

[1]
D. Kurniadi, Y. H. Agustin, H. I. N. Akbar, and I. Farida, “Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang”, AITI, vol. 20, no. 1, pp. 64–77, Mar. 2023.

Issue

Vol. 20 No. 1 (2023)

Section

Articles

License

Creative Commons License
All articles published in AITI: Jurnal Teknologi Informasi is licensed under a Creative Commons Attribution 4.0 International License.