PENERAPAN ALGORITMA K-MEANS CLUSTERING DATA TRANSAKSI ALAT BERAT DI CV ABC

STUDI KASUS DI CV ABC

Abstract

CV ABC memiliki data transaksi penyewaan alat berat yang terus bertambah dalam beberapa periode. Namun, data tersebut belum dimanfaatkan secara optimal untuk mengidentifikasi transaksi seperti apa yang mempengaruhi pendapatan perusahaan. Penelitian ini bertujuan untuk mengelompokkan data transaksi dengan jumlah cluster yang optimal sehingga dapat memberikan pemahaman kepada perusahaan terhadap karakteristik transaksi. Metode penelitian yang dilakukan adalah identifikasi masalah, pengumpulan data, seleksi data, pembersihan data, transformasi data menggunakan tools RapidMiner, pemrosesan data dengan algoritma K-Means, evaluasi model, serta interpretasi hasil dengan bantuan dashboard. Penentuan jumlah cluster optimal dilakukan menggunakan Davies-Bouldin Index (DBI) dengan nilai DBI sebesar 0,771, sedangkan kualitas hasil pengelompokan dievaluasi menggunakan Silhouette Coefficient dan menghasilkan nilai 0,5596 yang menyatakan struktur cluster berada pada kategori menengah. Data yang digunakan berjumlah 521 transaksi penyewaan alat berat periode Desember 2021 hingga Desember 2025. Hasil penelitian menyatakan bahwa jumlah cluster optimal adalah tiga cluster, yaitu cluster 1 (transaksi rendah) terdiri dari 108 data, cluster 2 (transaksi sedang) terdiri dari 50 data, dan cluster 3 (transaksi tinggi) terdiri dari 363 data. Kesimpulannya, penerapan algoritma K-Means dalam pengelompokan data transaksi mampu membantu perusahaan dalam pengambilan keputusan berdasarkan data, khususnya dalam mengevaluasi penggunaan alat berat, penentuan strategi pengadaan, dan penyesuaian harga sewa alat berat