Penerapan Data Mining Pada Nilai Harga Kompensasi Tanah Di Pln Menggunakan Algoritma K-Means
Keywords:
Data mining, K-Means, Metode Elbow, RapidMinerAbstract
Proses pengadaan tanah untuk proyek infrastruktur, terutama dalam pengembangan jaringan transmisi listrik oleh Perusahaan Listrik Negara (PLN). Untuk menghindari konflik dan menjamin keadilan bagi pemilik tanah, sangat penting untuk menentukan nilai penyelesaian tanah yang tepat. Meskipun demikian, teknik manual yang saat ini digunakan rentan terhadap kesalahan dan bias. Penelitian ini menggunakan algoritma K-Means untuk mengelompokkan nilai kompensasi tanah ke dalam beberapa kluster berdasarkan besaran dana kompensasi yang diperlukan untuk meningkatkan akurasi dan efisiensi. Hasil penelitian menunjukkan bahwa, jika metode Elbow dan algoritma K-Means digunakan, tanah dapat enkripsi secara optimal menjadi tiga kluster: kluster dengan dana besar, kluster dengan dana sedang, dan kluster dengan dana kecil. Pengorganisasian ini tidak hanya membantu PLN dalam mempercepat pengambilan keputusan, tetapi juga memastikan distribusi kompensasi yang lebih terstruktur dan konsisten, sehingga mendukung kelancaran operasional proyek-proyek PLN di masa depan.
References
[2] S. Butsianto and N. T. Mayangwulan, “Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 3, no. 3, 2020.
[3] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” 2024, doi: 10.58602/jima-ilkom.v3i1.26.
[4] A. D. Kuswanto, A. Putri Amanda, Y. Priscilla, M. Magdalena, A. P. Safira, and I. Maulida, “Penerapan Algoritma Linear Regression Dalam Memprediksi Harga Saham Bank BRI,” vol. 2, no. 3, pp. 88–102, 2024, doi: 10.62951/switch.v2i3.119.
[5] L. Grosir, D. Eceran, M. Algoritma, K.-M. Kasini, and N. Hidayati, “Penerapan Data Mining Untuk Clustering Pada Toko Laura Grosir Dan Eceran Menggunakan Algoritma,” 2023.
[6] N. Dwitri et al., “PENERAPAN ALGORITMA K-MEANS DALAM MENENTUKAN TINGKAT PENYEBARAN PANDEMI COVID-19 DI INDONESIA,” Jurnal Teknologi Informasi, vol. 4, no. 1, 2020.
[7] H. W. Herwanto, T. Widiyaningtyas, and P. Indriana, “Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi,” 2019.
[8] R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” 2020. [Online]. Available: https://journal-computing.org/index.php/journal-sea/index
[9] V. Annisa Ekasetya and A. Jananto, “KLUSTERISASI OPTIMAL DENGAN ELBOW METHOD UNTUK PENGELOMPOKAN DATA KECELAKAAN LALU LINTAS DI KOTA SEMARANG,” Dinamika Informatika, vol. 12, no. 1, pp. 20–28, Mar. 2020.
[10] N. Nurdiana, A. Nilogiri, and M. Rahman, “Penerapan Algoritma Fuzzy C-Means dan Metode Elbow untuk Mengelompokkan Provinsi di Indonesia Berdasarkan Indeks Demokrasi Indonesia Application of The Fuzzy C-Means Algorithm and Elbow Method to Grouch Provinces in Indonesia Based on The Indonesian Democracy Index,” 2022. [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST
[11] N. Syahfitri, E. Budianita, A. Nazir, and I. Afrianty, “Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid,” Media Online, vol. 4, no. 3, pp. 1668–1675, 2023, doi: 10.30865/klik.v4i3.1525.
