ANALISIS CLUSTER DENGAN ALGORITMA K-MEANS UNTUK CLUSTERING DATA DONATUR LEMBAGA AMIL ZAKAT
Kata Kunci:
K-Means; , Clustering; , RFM Model;, DBI; Average SilhouetteAbstrak
K-Means Clustering merupakan metode untuk menghasilkan k Cluster, yang k didefenisikan oleh pengguna. Analisis cluster adalah salah satu metode analisis multivariat yang tujuannya untuk mengelompokkan suatu objek ke dalam suatu kelompok berdasarkan karasteristik tertentu. Dalam analisis cluster menentukan jumlah cluster awal sangat penting agar cluster yang dihasilkan juga optimal. Dalam penelitian ini, akan dilakukan analisis jumlah cluster yang optimal terhadap klasifikasi data menggunakan metode K-Means. Data dianalisis menggunakan model RFM dan dilakukan analisis perbandingan berdasarkan nilai DBI dan cluster compactness yang dinilai dari average silhouette score. Metode K-Means menghasilkan nilai DBI terkecil sebesar 0,485 dan nilai average silhouette score tertinggi 0,781 berada pada jumlah k=6. Hasil menunjukkan metode terbaik untuk clustering data donatur adalah menggunakan metode K-Means dengan jumlah cluster optimal sebanyak 6 cluster
Referensi
Adi, S., Er, M., & Nugroho, B. (2018). ScienceDirect ScienceDirect Curriculum Assessment of Higher Educational Institution Using Aggregate Profile Clustering. Procedia Computer Science, 124, 264–273. https://doi.org/10.1016/j.procs.2017.12.155
Ali, A. (2019). Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 19(1), 186–195. https://doi.org/10.30812/matrik.v19i1.529
Astuti, R. D. (2019). Analisis Perbandingan Algoritma K-Means Dan K-Medoids Untuk Menerapkan Segmentasi Pelanggan (Issue 14002140).
Govender, P., & Sivakumar, V. (2020). Application of k-means and hierarchical clustering techniques for analysis of air pollution: A review (1980–2019). In Atmospheric Pollution Research (Vol. 11, Issue 1). Turkish National Committee for Air Pollution Research and Control. https://doi.org/10.1016/j.apr.2019.09.009
Johnson, W., & Dean, R. (2007). Clustering, Distance Methods, and Ordination. In Applied Multivariate Statistical Analysis (pp. 671–757).
Talakua, M. W., Leleury, Z. A., & Taluta, A. W. (2017). Analisis Cluster Dengan Menggunakan Metode K-Means Untuk Pengelompokkan Kabupaten/Kota Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2014. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 119–128. https://doi.org/10.30598/barekengvol11iss2pp119-1
