PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS KINERJA PENGIRIMAN PAKET SHOPEE EXPRESS DI HUB TRANSIT KEDAWUNG

Abstract

Penelitian ini bertujuan menganalisis kinerja pengiriman Shopee Express (SPX) di Hub Transit Kedawung menggunakan algoritma K-Means Clustering. Data sebanyak 359 pengiriman dengan 12 atribut dikumpulkan dari operator SPX. Model Knowledge Discovery in Databases (KDD) digunakan dalam penelitian, meliputi pemilihan data, pra-pemrosesan, transformasi, penerapan algoritma K-Means, dan evaluasi model menggunakan Davies-Bouldin Index (DBI). Tahapan pra-pemrosesan mencakup pembersihan data, pemilihan atribut relevan, dan normalisasi data, sementara transformasi dilakukan untuk mengubah atribut nominal menjadi numerik. Hasil evaluasi menunjukkan nilai DBI terbaik sebesar 0.288 dengan jumlah cluster optimal K = 10. Cluster 4 dan Cluster 6 menunjukkan performa terbaik dengan pengiriman tercepat, sedangkan Cluster 7 dan Cluster 9 memiliki tingkat on-hold tertinggi, disebabkan penerima tidak tersedia atau alamat tidak valid. Atribut seperti Driver ID, Zone ID, dan On-hold Reason menjadi faktor signifikan dalam pengelompokan. Penelitian ini memberikan wawasan bagi manajemen logistik SPX untuk meningkatkan efisiensi operasional dengan strategi seperti optimalisasi rute, peningkatan SOP, dan validasi alamat. Hasilnya diharapkan menjadi dasar untuk penerapan lebih lanjut algoritma clustering dalam manajemen logistik skala besar.