ANALISIS CLUSTER DATA DAFTAR KENDARAAN BERMOTOR MENGGUNAKAN ALGORITMA K-MEANS

Abstrak

Dalam era modern ini, kendaraan bermotor telah menjadi sarana transportasi yang sangat umum dan mudah diakses oleh semua orang, menjadi kendaraan dengan pertumbuhan tercepat dan menghasilkan data dalam jumlah besar. Tantangan besar muncul dalam mengelola informasi dari Big Data yang dihasilkan oleh kendaraan bermotor. Penelitian ini memiliki tujuan utama untuk membuat model kelompok di cabang pelayanan yang menunjukkan kemiripan data di Provinsi Jawa Barat. Data daftar ulang kendaraan bermotor dikumpulkan selama 9 tahun dan digunakan sebagai sumber data, mencakup informasi seperti jumlah kendaraan, jenis kendaraan, dan lokasi geografis. Data yang kompleks ini diproses menggunakan algoritma K-Means, dengan langkah awal berupa pra-pemrosesan data, termasuk pemilihan atribut relevan dan penghapusan data tidak valid. Hasil clustering menunjukkan bahwa cluster optimal berada pada cluster 3, dengan nilai Davies-Bouldin Index (DBI) sebesar 0,270, dan titik centroid sebesar 1.287.880.558,278. Keselarasan antara nilai DBI dan titik centroid menegaskan konsistensi pada cluster 3. Temuan ini memberikan informasi berharga untuk pengambilan keputusan lebih efektif dalam pengelolaan dan pengembangan infrastruktur transportasi di Provinsi Jawa Barat. Hasil penelitian ini berpotensi meningkatkan efisiensi dan keselamatan lalu lintas serta memenuhi kewajiban pajak kendaraan bermotor, memberikan dasar kokoh untuk penyusunan kebijakan yang terarah dan berkelanjutan dalam meningkatkan sistem transportasi di wilayah tersebut.