Kualitas Pengelompokkan Titik Kumpul Penjemputan Siswa Menuju Sekolah Menggunakan Algoritma K-Means Clustering

  • Lili Kartikawati SMK Negeri 2 Yogyakarta, Yogyakarta, Daerah Istimewa Yogyakarta,  Indonesia
DOI: https://doi.org/10.51169/ideguru.v8i3.611

Abstrak

Kebutuhan angkutan cerdas sekolah sangat mendesak untuk dapat dipikirkan bersama. Pelanggaran aturan berlalu lintas di SMK Negeri 4 Yogyakarta diantaranya pelanggaran aturan berlalu lintas yang dilakukan siswa tingkat X, usia belum memenuhi syarat untuk dapat menggunakan kendaraan bermotor sesuai UU no 22 tahun 2009 pasal 81. Data DAPODIK menunjukkan lebih dari 50% siswa menggunakan sepeda motor ke sekolah dari 1944 jumlah siswa di sekolah. Solusi untuk menghidupkan kembali sarana transportasi umum sangat dibutuhkan dengan metode yang dapat menghadirkan layanan bernilai efektif dan efisien. Bus sekolah sebagai salah satu alternatif solusi transportasi umum yang membutuhkan strategi optimasi titik kumpul siswa (halte cerdas). Penelitian sebelumnya yang terkait angkutan cerdas dan penyelesaian masalah rute bus sekolah diantaranya berjudul Optimasi Travelling Salesman Problem Pada Angkutan Sekolah Menggunakan Algoritme Genetika (Assayyis et al., 2020) dan penelitian berjudul Shareability Network Based Decomposition Approach for Solving Large-scale Multi-modal School Bus Routing Problems (Guo & Samaranayake, 2020) telah memanfaatkan beberapa algoritma PROBLEM SOLVING OPTIMATION (PSO), penelitian ini akan mengkombinasikan clustering dan optimasi untuk mendapatkan jumlah titik kumpul. Bahasa python dengan platform anaconda sebagai aplikasi clustering dan pengukuran kualitas algoritma K-Means. Pengukuran kualitas clustering menggunakan metode DAVIES BOULDIN INDEX (DBI) dan metode elbow untuk mendapatkan jumlah titik kumpul. Titik kumpul siswa berdasarkan motode clustering ini menggambarkan halte cerdas sebagai pemberhentian bus sekolah yang memberikan dampak transportasi umum bernilai efektif dan efisien.

Kata Kunci: Clustering K-Means, Davies Bouldin Index, Angkutan Cerdas Sekolah

Data Unduhan PDF

Data unduhan belum tersedia.
Diterbitkan
2023-06-05
Bagaimana cara mengutip:
Kartikawati, L. (2023). Kualitas Pengelompokkan Titik Kumpul Penjemputan Siswa Menuju Sekolah Menggunakan Algoritma K-Means Clustering. Ideguru: Jurnal Karya Ilmiah Guru, 8(3), 501-508. https://doi.org/10.51169/ideguru.v8i3.611
Terbitan
Vol 8 No 3 (2023): Edisi September 2023
Bagian
Artikel Penelitian

Copyright (c) 2023 Lili Kartikawati

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Abstrak viewed: 225 times
PDF downloaded: 230 times

Referensi

Afandi, A. M. (2020). The strategies to improve the sale of bicycles using k-means methods. International Conference on Social, Sciences and Information Technology, 1(1), 77–84. https://doi.org/10.33330/icossit.v1i1.764

Afni Syahpitri Damanik, N., Prodi Sistem Informasi, M., Royal, S., Sistem Informasi, P., & Manajemen Informasi, P. (2021). Penerapan metode clustering dengan algoritma k-means tindak kejahatan pencurian di kabupaten asahan. Journal of Computer)Online), 1(1), 7–14. https://jurnal.stmikroyal.ac.id/index.php/j-com/article/view/1065

Assayyis, M. I., Cholissodin, I., & Tibyani. (2020). Optimasi Travelling Salesman Problem Pada Angkutan Sekolah Menggunakan Algoritme Genetika ( Studi Kasus : Sekolah MI Salafiyah Kasim Blitar ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 3(1), 454–461.

Calvete, H. I., Galé, C., Iranzo, J. A., & Toth, P. (2020). A partial allocation local search matheuristic for solving the school bus routing problem with bus stop selection. Mathematics, 8(8). https://doi.org/10.3390/MATH8081214

Deny Jollyta, M. S. , H. M. S. E. (2021). Teknik evaluasi cluster solusi menggunakan python dan rapidminer. In Google Books, CV Budi Utama: Vol. Februari. https://books.google.co.id/books?hl=id&lr=&id=3rcgEAAAQBAJ&oi=fnd&pg=PP1&dq=davies+bouldin+index+clustering+rapidminer&ots=lieSzhkf8H&sig=XwV9GFQ6H4HLgsZR2NVFcq024cY&redir_esc=y#v=onepage&q=davies bouldin index clustering rapidminer&f=false

Guo, X., & Samaranayake, S. (2020). Shareability Network Based Decomposition Approach for Solving Large-scale Multi-modal School Bus Routing Problems. http://arxiv.org/abs/2009.13468

Jumadi, B., Sitompul, D., Sitompul, O. S., & Sihombing, P. (2019). Enhancement clustering evaluation result of davies-bouldin index with determining initial centroid of k-means algorithm. 12015. https://doi.org/10.1088/1742-6596/1235/1/012015

Kartikawati, L., Kusrini, K., & Luthfi, E. T. (2022). Algoritma K-Means pada Pengelompokan Pembelajaran Tatap Muka Terbatas Sesudah Vaksinasi COVID-19. Jurnal Eksplora Informatika, 11(1), 20–28. https://doi.org/10.30864/eksplora.v11i1.560

Mardalius, M. (2018). Pemanfaatan rapid miner studio 8.2 untuk pengelompokkan data penjualan asesoris menggunakan algoritma k-means. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 4(2), 123–132. https://jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/36

Parvasi, S. P., Mahmoodjanloo, M., & Setak, M. (2017). A bi-level school bus routing problem with bus stops selection and possibility of demand outsourcing. Applied Soft Computing Journal, 61, 222–238. https://doi.org/10.1016/j.asoc.2017.08.018

Sani, A. (2018). Penerapan metode k-means clustering pada perusahaan. Jurnal Ilmiah Program Pascasarjana Magister Ilmu Komputer STMIK Nusa Mandiri, 1–7.

Shafahi, A., Wang, Z., & Haghani, A. (2017). Solving the school bus routing problem by maximizing trip compatibility. Transportation Research Record, 2667(1), 17–27. https://doi.org/10.3141/2667-03