PENERAPAN DATA MINING UNTUK CLUSTERING ARMADA MENGGUNAKAN METODE K-MEANS DI PT. SIAGA TRANSPORT INDONESIA

SUGESTI, MELISTA (2018) PENERAPAN DATA MINING UNTUK CLUSTERING ARMADA MENGGUNAKAN METODE K-MEANS DI PT. SIAGA TRANSPORT INDONESIA. Skripsi thesis, Universitas Panca Marga.

[img]
Preview
Text
0.Cover MELISTA SUGESTI .pdf

Download (96kB) | Preview
[img] Text
7. Daftar Isi MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (13kB)
[img]
Preview
Text
5. ABSTRAK MELISTA SUGESTI .pdf

Download (88kB) | Preview
[img] Text
BAB I MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (157kB)
[img] Text
BAB II MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (581kB)
[img] Text
BAB III MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (361kB)
[img] Text
BAB IV MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (509kB)
[img] Text
BAB V MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (85kB)
[img] Text
Daftar Pustaka MELISTA SUGESTI .pdf
Restricted to perpustakaan UPM

Download (85kB)

Abstract

PT. Siaga Transport Indonesia adalah perusahaan yang bergerak dibidang expedisi. Armada menjadi aset penting untuk perusahaan yang bergerak di bidang ini. Beratnya muatan yang diangkut, jauhnya jarak yang ditempuh, dan usia armada menjadi faktor penyebab kerusakan armada. Hal ini berpengaruh terhadap potensi armada, sehingga keuntungan perusahaan akan mengalami peurunan. Untuk itu diperlukan analysis clustering menggunakan metode k-means untuk mengetahui armada mana yang potensial, mana yang tidak untuk selanjutnya dieliminasi. Clustering merupakan salah satu teknik pengelompokkan yang bertujuan untuk mengelompokkan objek yang didasarkan pada kemiripan antar objek dalam satu cluster. K-means merupakan salah satu metode clustering yang sering digunakan karena mempunyai kemampuan mengelompokkan data dalam jumlah cukup besar dengan waktu komputasi yang relatif cepat dan efisien. Dalam penelitian ini sistem akan mengelompokkan 33 armada dengan menggunakan variabel biaya operasional, tahun kendaraan, produktivitas armada dan kilometer armada menjadi 3 kelompok dengan kategori cluster armada berpotensi rendah, sedang dan tinggi. Dari hasil akhir sistem diketahui cluster 1 atau armada dengan potensi rendah ada 7 armada, cluster 2 atau armada dengan potensi sedang ada 14 armada, cluster 3 atau armada dengan potensi tinggi ada 12 armada. Pengujian dilakukan dengan metode silhouette coefficient dan memiliki akurasi sebesar 87,88%.

Item Type: Thesis ( Skripsi)
Uncontrolled Keywords: Armada, Analysis cluster, k-means, silhouette coefficient
Subjects: Fakultas Teknik dan Informatika
Divisions: S1 Teknik Elektro
Fakultas dan Lembaga Layanan Universitas > Fakultas Teknik dan Informatika > S1 Teknik Elektro
Depositing User: Admin Perpustakaan
Date Deposited: 03 Jul 2025 01:53
Last Modified: 03 Jul 2025 01:53
URI: http://repository.upm.ac.id/id/eprint/5453

Actions (login required)

View Item View Item