Implementasi Data Mining K-Means Clustering Dalam Penentuan Prioritas Perbaikan Jalan Berbasis Web

Erfan Karyadiputra; Agus Setiawan; Muhammad Rizal Abdi; Renny Melanda Febriyanti

doi:10.30591/smartcomp.v12i4.5685

Implementasi Data Mining K-Means Clustering Dalam Penentuan Prioritas Perbaikan Jalan Berbasis Web

Erfan Karyadiputra, Agus Setiawan, Muhammad Rizal Abdi, Renny Melanda Febriyanti

Abstract

Pertumbuhan perekonomian di Kabupaten Barito Kuala sangat dipengaruhi oleh kelancaran pendistribusian barang dan jasa. Oleh sebab itu maka, sektor transportasi perhubungan antar daerah terutama infrastruktur jalan dan jembatan memiliki peranan penting sebagai prasarana kelancaran suatu distribusi barang dan jasa. Kondisi infrastruktur ruas jalan yang rusak tentunya dapat menghambat pendistribusian barang dan jasa sehingga perlu terus dilakukan pemeliharaan dan perbaikan terhadap jalan yang rusak tersebut agar pendistribusian barang maupun jasa tetap berjalan lancar. Namun, tidak semua infrastruktur jalan yang rusak dapat diperbaiki secara langsung untuk ditangani. Hal ini karena terkendala alokasi anggaran dana yang terbatas sehingga instansi terkait perlu menentukan daftar prioritas jalan yang akan diperbaiki. Oleh sebab itu maka, dibutuhkan perencanaan pengolahan data informasi yang terintegrasi sistem aplikasi berupa klasterisasi kondisi jalan. Penelitian ini bertujuan untuk mengimplementasikan penerapan metode K-Means Clustering berbasis Web untuk membantu dalam mengklaster daftar prioritas perbaikan jalan. Hasil penelitian ini menghasilkan jumlah klaster optimal berdasarkan evaluasi nilai davies bouldin index dan elbow method kedalam 4 klaster kondisi jalan yaitu klaster kondisi jalan baik, sedang, rusak ringan dan rusak berat sehingga diharapkan dapat memudahkan penentu kebijakan dalam memprioritaskan pemeliharaan maupun perbaikan ruas jalan sesuai klaster.

Kata Kunci— Jalan, Elbow, K-Means, Klaster, Web

Full Text:

References

G. L. M. A. Toyib Nasikun, Kabupaten Barito Kuala Dalam Angka 2023. Marabahan: Badan Pusat Statistik Kabupaten Barito Kuala, 2023.

N. H. Erfan Karyadiputra, “Analisis Penerapan Algoritma Naive Bayes untuk Klasifikasiprioritas Pengembangan Jalan di Provinsi Kalimantan Selatan,” Technologia, vol. 9, no. 2, pp. 105–108, 2018.

Gita Ayu Syafarina, “Penerapan Algoritma Neural Network dalam Menentukan Prioritas Pengembangan Jalan di Provinsi Kalimantan Selatan,” Technologia, vol. 7, no. 2, pp. 80–88, 2016.

Y. H. A. H. I. N. A. I. F. Dede Kurniadi, “Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang,” AITI J. Teknol. Inf., vol. 20, no. 1, pp. 64–77, 2023.

N. H. Erfan Karyadiputra, “Penerapan Algoritma Decision Tree C4.5 untuk Klasifikasi Penentuan Daftar Prioritas Pengembangan Jembatan,” Technologia, vol. 10, no. 1, pp. 43–46, 2019, [Online]. Available: http://www.academia.edu

Kemen PUPR RI, Peraturan Menteri Pekerjaan Umum Republik Indonesia Nomor 13 Tahun 2023 Tentang Tata Cara Pemeliharaan dan Penilikan Jalan. 2011.

C. S. S. Meidia Refiyanni, “Analisis Nilai Kondisi Jalan dan Kemantapan Jalan Sebagai Jalur Evakuasi,” J. Tek. Sipil dan Teknol. Konstr., vol. 6, no. 2, pp. 41–51, 2020.

R. H. I. Arya Bagaskara Isag, “Implementasi K-means dalam Prioritas Perbaikan Jembatan dan Saluran Air di Kecamatan Ngronggot,” Semin. Nas. Inov. Teknol., pp. 1–5, 2021.

D. Sunia, K. Kurniabudi, P. J.-J. I. Mahasiswa, and undefined 2019, “Penerapan Data Mining untuk Clustering Data Penduduk Miskin Menggunakan Algoritma K-Means,” ejournal.stikom-db.ac.id, vol. 6, no. 2, p. first_page-end_page, 2015, Accessed: Apr. 12, 2023. [Online]. Available: http://ejournal.stikom-db.ac.id/index.php/jimti/article/view/705

S. Asmiatun and N. Wakhidah, “Identifikasi Pengelompokkan Kondisi Permukaan Jalan Menggunakan Algoritma K-Means,” Pengemb. Rekayasa dan Teknol., vol. 14, no. 1, pp. 17–23, 2018, [Online]. Available: http://journals.usm.ac.id/index.php/jprt/index

S. Asmiatun, N. Wakhidah, and A. N. Putri, “Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang,” J. Tek. Inform. dan Sist. Inf. , vol. 6, no. 2, pp. 171–180, 2020, [Online]. Available: http://jurnal.mdp.ac.id

S. E. Damayanti and S. K. Kuswayati, “Analisis Dan Implementasi Framework CRISP-DM (Cross Industry Standard Process For Data Mining) Untuk Clustering Perguruan Tinggi Swasta,” ejournal sttbandung, 2018.

T. Thi Bi Dan, S. Widya Sihwi, and R. Anggrainingsih, “Implementasi Iterative Dichotomiser 3 Pada Data Kelulusan Mahasiswa S1 Di Universitas Sebelas Maret,” J. Teknol. Inf. ITSmart, vol. 4, no. 2, p. 84, 2016, doi: 10.20961/its.v4i2.1770.

C. Satria and A. Anggrawan, “Aplikasi K-Means Berbasis Web untuk Klasifikasi kelas Unggulan,” Matrik J., vol. 21, pp. 111–124, 2021.

Y. D. Wijaya and M. W. Astuti, “Pengujian Blackbox Sistem Informasi Penilaian Kinerja Karyawan Pt Inka (Persero) Berbasis Equivalence Partitions,” J. Digit. Teknol. Inf., vol. 4, no. 1, p. 22, 2021, doi: 10.32502/digital.v4i1.3163.

B. Jumadi Dehotman Sitompul, O. Salim Sitompul, and P. Sihombing, “Enhancement Clustering Evaluation Result of Davies-Bouldin Index with Determining Initial Centroid of K-Means Algorithm,” J. Phys. Conf. Ser., vol. 1235, no. 1, 2019, doi: 10.1088/1742-6596/1235/1/012015.

N. T. Hartanti, “Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional,” J. Nas. Teknol. dan Sist. Inf., vol. 6, no. 2, pp. 82–89, 2020, doi: 10.25077/teknosi.v6i2.2020.82-89.

DOI: https://doi.org/10.30591/smartcomp.v12i4.5685