PENERAPAN DATA MINING PADA CLUSTERING DATA HARGA RUMAH DKI JAKARTA MENGGUNAKAN ALGORITMAK-MEANS

Abstrak

Rumah merupakan kebutuhan primer manusia, dan data harga rumah menjadi krusial untuk memahami pasar perumahan. Data harga rumah disetiap daerah berbeda-beda sesuai dengan daerah dan kategorinya masing-masing, khususnya pada data harga rumah yang berada di DKI Jakarta. DKI Jakarta sendiri memiliki data harga rumah yang berbeda sesuai dengan kategorinya. Algoritma clustering k-means dalam data mining ini digunakan untuk mengelompokan data harga rumah berdasarkan fitur-fitur seperti kode pos, daerah, luas tanah, dan harga. Serta untuk mengetahui perbedaan harga kelompok dan menunjukkan harga yang sesuai untuk masing-masing kelompok tersebut. Tujuan membuat laporan tugas akhir ini untuk memberikan informasi kepada masyarakat yang tidak mengetahui apakah data harga rumah DKI Jakarta tersebut termasuk kelompok tinggi, sedang, rendah dan membantu dalam proses pengambilan keputusan dalam properti industri, termasuk pemasaran, pengelompokan harga jual dan pengembangan properti. Berdasarkan hasil penelitian, hasil yang dapat disimpulkan pada data harga rumah DKI Jakarta dapat dikelompokan menjadi 3 kelompok cluster yaitu Cluster 0 menghasilkan harga rumah sedang sebanyak 193 items, cluster 1 menghasilkan harga rumah rendah sebanyak 1698 items, cluster 2 menghasilkan harga rumah tinggi sebanyak 51 items. Maka dari pengelompokan 3 cluster tersebut manghasilkan nilai optimal dari Davies Bouldin Index (DBI) sebesar 0,480.