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.

Preview	Text 0.Cover MELISTA SUGESTI .pdf Download (96kB) | Preview
	Text 7. Daftar Isi MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (13kB)
Preview	Text 5. ABSTRAK MELISTA SUGESTI .pdf Download (88kB) | Preview
	Text BAB I MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (157kB)
	Text BAB II MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (581kB)
	Text BAB III MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (361kB)
	Text BAB IV MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (509kB)
	Text BAB V MELISTA SUGESTI .pdf Restricted to perpustakaan UPM Download (85kB)
	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%.

Actions (login required)

View Item