ANALISIS PERBANDINGAN K-MEANS DAN DBSCAN DALAM PENGELOMPOKAN DATA TRAVEL REVIEW RATINGS MENGGUNAKAN EVALUASI SILHOUETTE INDEX DAN DAVIES-BOULDIN INDEX

Nezza Anggraini Yolandari; Lastri Elisabet Butarbutar; Gloria Citra Hasiana Rajagukguk; M. Fikri Zulfi; Arnita; Fanny Ramadhani

doi:10.23960/jitet.v13i3.6884

Authors

Nezza Anggraini Yolandari Universitas Negeri Medan
Lastri Elisabet Butarbutar Universitas Negeri Medan
Gloria Citra Hasiana Rajagukguk Universitas Negeri Medan
M. Fikri Zulfi Universitas Negeri Medan
Arnita Universitas Negeri Medan
Fanny Ramadhani Universitas Negeri Medan

DOI:

https://doi.org/10.23960/jitet.v13i3.6884

Abstract Views: 123 File Views: 111

Keywords:

Clustering, K-Means, DBSCAN, Silhouette Index, Davies-Bouldin Index

Abstract

Dalam era digital, data ulasan wisatawan menjadi sumber informasi penting untuk analisis preferensi dan pengambilan keputusan di sektor pariwisata. Teknik Clustering menjadi salah satu pendekatan yang efektif untuk mengidentifikasi pola tersembunyi dalam data ulasan tersebut. Penelitian ini bertujuan untuk membandingkan performa dua algoritma clustering, yaitu K-Means dan DBSCAN, dalam mengelompokkan data Travel Review Ratings. K-Means menggunakan Elbow Method untuk menentukan jumlah klaster optimal, sedangkan DBSCAN mengandalkan kepadatan data dengan parameter epsilon dan minPts. Evaluasi hasil klasterisasi dilakukan menggunakan metrik Silhouette Index (SI) dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa DBSCAN menghasilkan performa yang lebih baik dibandingkan K-Means dengan nilai SI sebesar 0,27204 dan DBI sebesar 0,83869. DBSCAN dinilai lebih efektif dalam mengidentifikasi struktur klaster yang tidak beraturan serta menangani outlier, sehingga lebih cocok digunakan untuk dataset ulasan wisata yang kompleks.

Downloads

Download data is not yet available.

References

F. Fahira and C. Prianto, “Prediksi Pola Kedatangan Turis Mancanegara dan Menganalisis Ulasan Tripadvisor dengan LSTM dan LDA,” J. Tekno Insentif, vol. 17, no. 2, pp. 69–83, 2023.

S. Mutiah, Y. Hasnataeni, A. Fitrianto, and L. M. R. D. Jumansyah, “Perbandingan Metode Klastering K-Means dan DBSCAN dalam Identifikasi Kelompok Rumah Tangga Berdasarkan Fasilitas Sosial Ekonomi di Jawa Barat Dalam era digital saat ini , jumlah data yang tersedia dari berbagai bidang , termasuk sosial dan ekonomi , terus,” vol. 09, no. September, pp. 247–260, 2024.

A. Nur, A. Maulidhia, I. Ika, W. Friska, I. Sukarno, and R. Basya, “Implementasi Perbandingan Algoritma k-Means dan DB-Scan Pada Beban Listrik Rumah Tangga,” pp. 85–94, 2021.

A. Tania, T. Handhayani, and J. Hendryli, “Perbandingan Antara Algoritma K-Means Dan Algoritma Bisecting K-Means Dalam Menganalisis Gempa Bumi Di Indonesia,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 8, no. 2, pp. 265–270, 2023.

A. A. Baskara, N. M. Piranti, and M. F. Romdendine, “Framework Data Mining : Sebuah Survei,” vol. 9, no. 3, pp. 4886–4895, 2025.

I. Pii, N. Suarna, and N. Rahaningsih, “Penerapan Data Mining Pada Penjualan Produk Pakaian Dameyra Fashion Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 423–430, 2023.

S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat,” PENA Tek. J. Ilm. Ilmu-Ilmu Tek., vol. 6, no. 2, p. 48, 2021.

A. A. Zulyani, A. S. Y. Irawan, and A. Jamaludin, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan Tingkat Vaksinasi Pada Kecamatan Tambun Selatan,” J. Soc. Sci. Res., vol. 3, no. 3, pp. 7037–7050, 2023.

G. A. Rahman et al., “Dalam Pengelompokan Kabupaten / Kota Di Sulawesi Tenggara Berdasarkan Indikator,” vol. 10, no. 1, pp. 184–193, 2025.

M. Wangge, “Penerapan Metode Principal Component Analysis (PCA) Terhadap Faktor-faktor yang Mempengaruhi Lamanya Penyelesaian Skripsi Mahasiswa Program Studi Pendidikan Matematika FKIP UNDANA,” J. Cendekia J. Pendidik. Mat., vol. 5, no. 2, pp. 974–988, 2021.

W. Wahyu Pribadi, A. Yunus, and A. S. Wiguna, “Perbandingan Metode K-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 493–500, 2022.

M. R. Mauludin, O. Nurdiawan, and F. M. Basysyar, “Penerapan Algoritma K-Means Clustering Untuk Analisis Kinerja Pengiriman Paket Shopee Express Di Hub Transit Kedawung,” vol. 13, no. 1, pp. 1188–1192, 2025.

L. B. A. 2025 Prasetya, “Computer Based Information System Journal Clustering Dalam Menentukan Tindak Lanjut Hasil Annual Check Mental Health Dengan Algoritma K- Lorensius Bima Ade Prasetya,” vol. 01, pp. 55–61, 2025.

R. S. Gumelar, M. Akrom, and G. A. Trisnapradika, “Optimasi model machine learning untuk prediksi inhibitor korosi berbasis augmentasi dataset senyawa n-heterocyclic menggunakan KDE Machine learning model optimization for corrosion inhibitor prediction based on n-heterocyclic compound dataset augmentation using KDE,” vol. 10, no. 1, pp. 1–12, 2025.

R. Efendi, A. Junaidi, and A. M. Rizki, “Penentuan Pusat Klaster Secara Otomatis Pada Algoritma Density Peaks Clustering Berbasis Metode Inter Quartile Range,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, 2024.

A. Deli, P. K. Kondang, W. D. Awil, and A. Ranti, “Analisis Segmentasi Anggaran Pemasaran dan Penjualan Produk di Industri Retail Menggunakan K-Means Clustering Berbasis R Shiny,” vol. 4, no. 1, pp. 41–54, 2025.

D. Setiadi et al., “Penerapan Algoritma K-Means Clustering Pada Pembesaran,” vol. 7, no. 6, pp. 3320–3327, 2023.