ALGORITMA K-MEANS UNTUK PENINGKATAN MODEL SEGMENTASI DATA ASET TETAP PADA PT. XYZ
DOI:
https://doi.org/10.23960/jitet.v13i1.5936Abstract Views: 150 File Views: 109
Abstract
Abstrak. Pengelolaan aset tetap merupakan salah satu elemen penting dalam operasional suatu Organisasi ataupun perusahaan, termasuk di PT. XYZ. Namun demikian, metodologi manual sering menimbulkan tantangan seperti inefisiensi, kesalahan klasifikasi, dan kekurangan analitis yang menghambat dalam pengambilan keputusan yang sangat strategis. Penelitian ini berusaha untuk menerapkan algoritma K-Means dalam peningkatan model segmentasi data aset tetap, dengan penekanan terkonsentrasi pada pengoptimalan parameter nilai K, yang bertujuan meningkatkan ketepatan hasil pengelompokan. Berbagai studi sebelumnya, termasuk yang dilakukan oleh Yuan & Yang (2019), Ahmed et al. (2020), dan Ikotun et al. (2023), menunjukkan bahwa algoritma K-Means telah digunakan secara luas, namun, masih ada kekurangan dalam pengoptimalan parameter dan penerapannya pada data aset tetap. Penelitian ini mengadopsi metodologi eksperimental yang memanfaatkan data aset tetap dari PT. XYZ sebagai objek penelitian. Algoritma K-Means diterapkan untuk mengkategorikan data berdasarkan karakteristik tertentu, seperti kategori aset, umur ekonomis, kondisi dan tingkat pemanfaatan. Hasil penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan efisiensi proses pengelolaan aset tetap yang diperoleh nilai Davies Bouldin Index (DBI) = 0,395 melalui pengujian parameter dengan nilai K Optimal = 4. Dengan demikian, penelitian ini memberikan kontribusi teoretis dalam pengembangan algoritma K-Means dan manfaat praktis bagi perusahaan dalam pengelolaan aset tetap mereka.Downloads
References
F. Y. Y. Choi, “Segmentation,” in Routledge Encyclopedia of Translation Technology, London: Routledge, 2023, pp. 713–725. doi: 10.4324/9781003168348-44.
Z. A. Sofyan et al., “Optimasi Parameter Algoritma K-Means Pada Data Rekam Medis,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3667–3672, 2023.
A. V. Mukti and V. T. Noerwasito, “Penggunaan Metode Segmentasi dan Narasi dalam Redesain Gertak di Pesisir Sungai Kapuas,” Jurnal Sains dan Seni ITS, vol. 11, no. 5, Apr. 2023, doi: 10.12962/j23373520.v11i5.97824.
F. Febriansyah, “PENERAPAN ALGORITMA K-MEANS CLUSTERING DATA GIZI BALITA PADA UPTD PUSKESMAS BUMI AGUNG,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4923.
K. A. Lubis, M. Rusdi, and S. Sugianto, “Proses Segmentasi Citra Satelit Untuk Pemetaan Tutupan Lahan,” Jurnal Ilmiah Mahasiswa Pertanian, vol. 6, no. 4, pp. 691–698, Nov. 2021, doi: 10.17969/jimfp.v6i4.18414.
E. E. K. Putri Lestari, D. Swanjaya, and R. A. Ramadhani, “Segmentation of Avocado Seed Buyers Using K-Means Clustering,” JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, vol. 3, no. 2, p. 151, Jul. 2023, doi: 10.32503/jtecs.v3i2.3886.
Muslih Muslih, “SEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MATA MENGGUNAKAN METODE REGION GROWING,” Jurnal Informatika Polinema, vol. 8, no. 4, pp. 25–30, Aug. 2022, doi: 10.33795/jip.v8i4.960.
D. P. Pamungkas and F. M. Wijaya, “Analisis Hasil Segmentasi Citra Daun Bawang Dengan Metode Adaptive Thesholding dan K-Means Clustering,” JOINTECS (Journal of Information Technology and Computer Science), vol. 8, no. 3, p. 95, Sep. 2023, doi: 10.31328/jointecs.v8i3.4791.
A. D. A. Lusinta, T. Titin, and L. N. Azizah, “ANALISIS SEGMENTING, TARGETING DAN POSITIONING UNTUK MERUMUSKAN STRATEGI PEMASARAN GLOBAL PADA UKM KACANG MEDE ‘BAWANG MAS’ SURABAYA,” JURNAL MANAJEMEN, vol. 4, no. 2, p. 907, Jun. 2019, doi: 10.30736/jpim.v4i2.249.
A. M. Ikotun, A. E. Ezugwu, L. Abualigah, B. Abuhaija, and ..., “K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data,” Information …, 2023, [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0020025522014633
M.-S. Yang and K. P. Sinaga, “A Feature-Reduction Multi-View k-Means Clustering Algorithm,” IEEE Access, vol. 7, pp. 114472–114486, 2019, doi: 10.1109/ACCESS.2019.2934179.
M. Harahap, Y. Lubis, and Z. Situmorang, “Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering,” Data Sciences Indonesia (DSI), vol. 1, no. 2, pp. 76–88, Jan. 2022, doi: 10.47709/dsi.v1i2.1348.
E. M. Fitri, R. R. Suryono, and A. Wantoro, “Klasterisasi Data Penjualan Berdasarkan Wilayah Menggunakan Metode K-Means Pada Pt Xyz,” Jurnal Komputasi, 2023, [Online]. Available: https://komputasi.fmipa.unila.ac.id/index.php/komputasi/article/view/226
