Klasterisasi Data Jamaah Umrah pada Tanurmutmainah Tour Menggunakan Algoritma K-Means

Muhamad  Djaka Permana; April  Lia Hananto; Elfina  Novalia; Baenil  Huda; Tukino  Paryono

doi:10.35134/komtekinfo.v10i1.332

Authors

Muhamad Djaka Permana Universitas Buana Perjuangan Karawang
April Lia Hananto Universitas buana perjuangan Karawang
Elfina Novalia Universitas Buana Perjuangan Karawang
Baenil Huda Universitas Buana Perjuangan Karawang
Tukino Paryono Universitas Buana Perjuangan Karawang

DOI:

https://doi.org/10.35134/komtekinfo.v10i1.332

Keywords:

Tanurmutmainah Tour, Clustering, K-Means, Umroh, Haji

Abstract

Wisata religi khususnya umroh dan haji semakin diminati oleh masyarakat saat sekarang ini. Tanurmutmainah Tour merupakan salah satu agen travel yang bergerak dibidang jasa wisata relegi untuk memberikan layanan umroh dan haji. Fakta yang terjadi bahwa Tanurmutmainah Tour memiliki banyak data jamaah yang berbeda-beda, sehingga permasalahan yang dihadapi dalam hal ini adalah sulitnya menemukan pengetahuan seputar strategi yang dibutuhkan dalam pengembangan. Berdasarkan permasalahan tersebut maka, penelitian ini bertujuan untuk menggali pengetahuan yang tersembunyi dari data jemaah umroh dan haji dengan menggunakan algoritma K-Mean Cluster. Algoritma tersebut digunakan untuk melakukan pengelompokan data guna melihat minat calon jemaah umroh dan haji dalam memilih paket yang telah disediakan. Pengelompokan tersebut akan menyajikan kategori C1 (Sangat Diminati), C2 (Diminati) dan C3 (Kurang Diminati). Proses kluster nantinya akan menguji sejumlah 27 dataset penelitian calon jemaah umroh haji yang tercatat didatabase sistem Tanurmutmainah Tour. Berdasarkan proses kinerja algoritma K-Means, bahwa hasil proses kluster menghasilkan 38% kelompok sangat diminati dengan paket kamar Quad, 34% kelompok diminati dengan paket kamar Triple, dan 28% kelompok kurang diminati untuk paket kamar Double. Hasil tersebut dapat disimpulkan bahwa kinerja algoritma K-Means telah sesuai untuk melakukan proses klusterisasi kategori paket yang akan dipilih bagi calon jemaah umroh dan haji Tanurmutmainah Tour. Dengan hasil tersebut maka kontribusi penelitian mampu memberikan informasi baru kepada pihak pengelola Tanurmutmainah dalam strategi pelayanan kepada calon jemaah umroh dan haji.

References

H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering ( Studi Kasus Toko Luxor Variasi Gorontalo ),” vol. 5, no. 1, 2019.

A. Ali, “KLASTERISASI DATA REKAM MEDIS PASIEN MENGGUNAKAN METODE K-MEANS CLUSTERING DI RUMAH SAKIT ANWAR MEDIKA BALONG BENDO SIDOARJO,” vol. 19, no. 1, 2019.

S. Annas, B. Poerwanto, S. Sapriani, and M. F. S, “Implementation of K-Means Clustering on Poverty Indicators in Indonesia,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 257–266, 2022, doi: 10.30812/matrik.v21i2.1289.

I. P. K. Yasa, N. K. D. Rusjayanthi, and W. S. M. Binti Mohd Luthfi, “Classification of Stroke Using K-Means and Deep Learning Methods,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 13, no. 1, p. 23, 2022, doi: 10.24843/lkjiti.2022.v13.i01.p03.

N. R. Das, S. C. Rai, and A. K. Nayak, “Performance analysis of heuristic optimization algorithms for demand side energy scheduling with TOU pricing,” Int. J. Eng. Technol., vol. 7, no. 4, pp. 3835–3842, 2018, doi: 10.14419/ijet.

H. A. Septilia and Styawati, “Sistem Pendukung Keputusan Pemberian Dana Bantuan Menggunakan Ahp,” J. Teknol. dan Sist. Inf., vol. 1, no. 2, pp. 34–41, 2020.

S. Hilabi et al., “Analysis of Drug Data Mining with Clustering Technique Using K-Means Algorithm,” J. Phys. Conf. Ser., vol. 1908, no. 1, 2021, doi: 10.1088/1742-6596/1908/1/012024.

N. F. Adani et al., “Implementasi Data Mining Untuk Pengelompokan Data Penjualan Berdasarkan Pola Pembelian Menggunakan Algoritma K-Means Clustering Pada Toko Syihan,” no. x, pp. 1–11, 2019.

S. Gadal, R. Mokhtar, M. Abdelhaq, R. Alsaqour, E. S. Ali, and R. Saeed, “Machine Learning-Based Anomaly Detection Using K-Mean Array and Sequential Minimal Optimization,” Electronics, vol. 11, no. 14, p. 2158, 2022.

E. Herman, K.-E. Zsido, and V. Fenyves, “Cluster analysis with k-mean versus k-medoid in financial performance evaluation,” Appl. Sci., vol. 12, no. 16, p. 7985, 2022.

I. Zada et al., “Performance evaluation of simple K-mean and parallel K-mean clustering algorithms: big data business process management concept,” Mob. Inf. Syst., vol. 2022, pp. 1–15, 2022.

M. A. Ayub, H. Khan, J. Peng, and Y. Liu, “Consumer-driven demand-side management using K-mean clustering and integer programming in standalone renewable grid,” Energies, vol. 15, no. 3, p. 1006, 2022.

M. R. Muttaqin, T. I. Hermanto, and M. A. Sunandar, “Penerapan K-Means Clustering dan Cross-Industry Standard Process For Data Mining (CRISP-DM) untuk Mengelompokan Penjualan Kue,” Komputasi J. Ilm. Ilmu Komput. dan Mat., vol. 19, no. 1, pp. 38–53, 2022.

H. Syahputra, “Clustering Tingkat Penjualan Menu (Food and Beverage) Menggunakan Algoritma K-Means,” J. KomtekInfo, vol. 9, pp. 29–33, 2022, doi: 10.35134/komtekinfo.v9i1.274.

A. F. Sallaby, R. T. Alinse, V. N. Sari, and T. Ramadani, “Pengelompokan Barang Menggunakan Metode K-Means Clustering Berdasarkan Hasil Penjualan Di Toko Widya Bengkulu,” J. MEDIA INFOTAMA, vol. 18, no. 1, pp. 99–104, 2022.

L. Suriani, “Pengelompokan Data Kriminal Pada Poldasu Menentukan Pola Daerah Rawan Tindak Kriminal Menggunakan Data Mining Algoritma K-Means Clustering,” J. Sist. Komput. dan Inform., vol. 1, no. 2, p. 151, 2020, doi: 10.30865/json.v1i2.1955.

D. R. Sari, A. P. Windarto, D. Hartama, and S. Solikhun, “Decision Support System for Thesis Graduation Recommendation Using AHP-TOPSIS Method,” J. Teknol. dan Sist. Komput., vol. 6, no. 1, pp. 1–6, 2018, doi: 10.14710/jtsiskom.6.1.2018.1-6.

T. Magrisa, K. D. K. Wardhani, and M. R. A. Saf, “Implementasi Metode SMART pada Sistem Pendukung Keputusan Pemilihan Kegiatan Ekstrakurikuler untuk Siswa SMA,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 13, no. 1, p. 49, 2018, doi: 10.30872/jim.v13i1.648.

Tukino, S. Shofia Hilabi, and H. Romadhon, “Production RAW Material Inventory Control Information System at PT. SIIX EMS Indonesia,” Buana Inf. Technol. Comput. Sci. (BIT CS), vol. 1, no. 1, pp. 8–11, 2020, doi: 10.36805/bit-cs.v1i1.681.

M. R. Pratama and R. Supardi, “Decision Support System Metode K-Means Clustering Dalam Memprediksi Tingkat Penjualan Pada Store Ryan Mart,” J. MEDIA INFOTAMA, vol. 18, no. 1, pp. 81–86, 2022.

M. Silalahi, “Analisis Clustering Menggunakan Algoritma K-Means Terhadap Penjualan Produk Padapt Batamas Niaga Jaya,” Comput. Based Inf. Syst. J., vol. 02, pp. 20–35, 2018.

N. Erlangga, S. Solikhun, and I. Irawan, “Penerapan Data Mining Dalam Mengelompokan Produksi Jagung Menurut Provinsi Menggunakan Algoritma K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 702–709, 2019, doi: 10.30865/komik.v3i1.1681.

F. I. Manek, S. Faisal, and B. Priyatna, “Penerapan K-Means Clustering untuk Mengelompokkan Pelanggan Berdasarkan Data Penjualan Ayam,” Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 2, pp. 88–93, 2018, doi: 10.36805/technoxplore.v3i2.820.