Analisis Algoritma K-Mens Untuk Clustering Kepuasan Pelayanan: Mall Pelayanan Publik Pekanbaru

  • Eben Haezer Wisanta Fakultas ilmu komputer, institut bisnis dan teknologi pelita indonesia
  • Yulvia Nora Marlim Institut Bisnis dan Teknologi Pelita Indonesia
Abstract viewed = 0 times
PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

Masa pandemi Covid-19 mengakibatkan terganggunya aktivitas layanan publik yang berdampak pada pemenuhan layanan administrasi masyarakat kota Pekanbaru. Muncul berbagai keluhan akibat layanan yang lambat dan tidak dapat dipenuhi dikarenakan antrian yang panjang dan dibatasi jumlah pengujung setiap hari. Belum tersedianya sumber daya manusia ataupun sumber daya teknologi informasi yang memadai. Penelitian ini betujuan untuk membentuk cluster layanan publik yang ada pada Mal Pelayanan Publik Pekanbaru agar dijadikan rujukan peningkatan layanan. Terdapat sebanyak  68 instansi pelayanan yang ada di Mal Pelayanan Publik Pekanbaru yang akan dikelompokan. Pengelompokkan dilakukan menggunakan Algoritma K-Means, yang di bagi menjadi 3 (tiga) klaster. Data kepuasan didapatkan dengan cara menyebarkan angket ke pengujung Mal Pelayanan public dan didapatkanlah 206 angket yang terkumpul. Kemudian diimplementasikan kedalam system yang dibangun menggunakan bahasa pemrograman PHP. Hasilnya menunjukan bahwa cluster C1 memiliki nilai terrendah yaitu C1 = 2.052381, dimana pada klaster C1 terdapat sebayanak 22 layanan public yang memerlukan perhatian dalam melayani msyarakat.diharapakan nantinya hasil dari penelitian dapat dijadikan rujukan oleh kepala Mal Pelayanan Publik Pekanbaru sebagai rujukan untuk mengetahui kepuasan masyarakat terhadap pelayanan, serta dapat meningkatkan pelayanan sesuai dengan kebutuhan masyarakat kota Pekanbaru.

References

[1] D. R. Beniac, A. Andonov, E. Grudeski, and T. F. Booth, “Architecture of the SARS coronavirus prefusion spike,” Biomedika dan Kesehat., vol. 13, no. 8, pp. 751–752, 2006, doi: 10.1038/nsmb1123.
[2] A. Susilo et al., “Coronavirus Disease 2019: Tinjauan Literatur Terkini,” J. Penyakit Dalam Indones., vol. 7, no. 1, p. 45, 2020, doi: 10.7454/jpdi.v7i1.415.
[3] A. Pratomo, “Analisa Pengaruh Partisipasi dan Kepuasan Pemakai terhadap Kinerja dalam Pengembangan Sistem Informasi Berbasis Web di P3m Poliban,” POSITIF J. Sist. dan Teknol. Inf., vol. 3, no. 2, pp. 63–73, 2017, doi: 10.31961/positif.v3i2.418.
[4] D. Sun, H. Fei, and Q. Li, “A Bisecting K-Medoids clustering Algorithm Based on Cloud Model,” IFAC-PapersOnLine, vol. 51, no. 11, pp. 308–315, 2018, doi: 10.1016/j.ifacol.2018.08.301.
[5] T. Widiyaningtyas, M. I. W. Prabowo, and M. A. M. Pratama, “Implementation of k-means clustering method to distribution of high school teachers,” Int. Conf. Electr. Eng. Comput. Sci. Informatics, vol. 2017-Decem, no. September, pp. 19–21, 2017, doi: 10.1109/EECSI.2017.8239083.
[6] I. Shaik, S. S. Nittela, T. Hiwarkar, and S. Nalla, “K-means Clustering Algorithm Based on E-Commerce Big Data,” Int. J. Innov. Technol. Explor. Eng., vol. 8, no. 11, pp. 1910–1914, 2019, doi: 10.35940/ijitee.
[7] A. V. D. Sano and H. Nindito, “Application of K-Means Algorithm for Cluster Analysis on Poverty of Provinces in Indonesia,” ComTech Comput. Math. Eng. Appl., vol. 7, no. 2, p. 141, 2016, doi: 10.21512/comtech.v7i2.2254.
[8] S. Zhang, X. Chen, Z. Liu, and C. Luo, “Parallel implementation of improved k-means based on a cloud platform,” Inf. Technol. Control, vol. 48, no. 4, pp. 673–681, 2019, doi: 10.5755/j01.itc.48.4.23881.
[9] M. N. V. Waworuntu and M. Faisal Amin, “Penerapan Metode K-Means Untuk Pemetaan Calon Penerima Jamkesda,” Klik - Kumpul. J. Ilmu Komput., vol. 5, no. 2, p. 190, 2018, doi: 10.20527/klik.v5i2.157.
[10] D. Yuliana and C. Supriyanto, “Klasifikasi Teks Pengaduan Masyarakat Dengan Menggunakan Algoritma Neural Network,” UPI YPTK J. KomTekInfo, vol. 5, no. 3, pp. 92–116, 2019.
[11] A. Bastian, H. Sujadi, and G. Febrianto, “Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka),” Sist. Inf., vol. 14, no. 1, pp. 26–32, 2018.
[12] Mahdi, “Kelebihan dan Kekurangan K-Means Clustering,” Garuda Cyber Indonesia, 2019. https://garudacyber.co.id/artikel/1514-kelebihan-dan-kekurangan-k-means-clustering.
[13] I. Parlina, W. Agus Perdana, W. Anjar, and L. M.Ridwan, “Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center Untuk Clastering Program SDP,” CESS (Journal Comput. Eng. Syst. Sci., vol. 3, no. 1, pp. 87–93, 2018.
[14] D. Jollyta, W. Ramdhan, and M. Zarlis, Konsep Data Mining dan Penerapan, Pertama. Yogyakarta: Deepublish, 2020.
Published
2021-06-21
How to Cite
WISANTA, Eben Haezer; MARLIM, Yulvia Nora. Analisis Algoritma K-Mens Untuk Clustering Kepuasan Pelayanan: Mall Pelayanan Publik Pekanbaru. Seminar Nasional Informatika (SENATIKA), [S.l.], p. 222-228, june 2021. Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/1160>. Date accessed: 18 feb. 2025.
Section
Articles