Clustering Produksi Barang Pada Lalu Lintas Angkutan Udara Menggunakan Algoritma K-means

Abstract

Abstrak Setiap hari bandara yang berada di Indonesia melakukan rute penerbangan baik dalam negeri dan luar negeri dimana setiap bandara memiliki lalu lintas angkutan seperti lalu lintas penumpang, barang, dan bagasi dengan jumlah yang sangat besar dan berubah-ubah setiap tahunnya.Maka diperlukan pemanfaatan data dengan cara membuat sistem Data Mining dari data tersebut yang akan digunakan untuk kepentingan tertentu, salah satunya adalah melakukan clustering atau pengelompokkan dengan menggunakan metode clustering yang merupakan metode penganalisaan data yang tujuannya adalah untuk mengelompokkan data dengan karakteristik yang sama ke suatu wilayah yang sama dan dengan karakteristik yang berbeda ke wilayah yang lain. Sedangkan untuk algoritma yang digunakan adalah algoritma KMeans yang merupakan salah satu algoritma terbaik dan paling popular dalam metode Clustering dimana K-Means mencari partisi yang optimal dari data dengan meminimalkan kriteria jumlah kesalahan kuadrat dengan prosedur iterasi yang optimal menggunakan beberapa variabel yaitu kedatangan barang (bongkar) dan keberangkatan barang (muat) di suatu penerbangan dalam negeri dan luar negeri di Indonesia. Kata kunci : clustering, algoritma K-Means, klasifikasi, lalu lintas angkutan udara. Abstract Every day the airports in Indonesia do flight routes both domestically and abroad where each airport has transportation traffic such as passenger, goods, and baggage traffic with a very large amount and changes every year. So it is necessary to use data by means of make a Data Mining system from the data that will be used for certain purposes, one of which is to do clustering or grouping using clustering method which is a method of analyzing data whose purpose is to group data with the same characteristics into the same area and with different characteristics to another area. Whereas the algorithm used is the K-Means algorithm which is one of the best and most popular algorithms in the Clustering method where K-Means searches for the optimal partition of data by minimizing the criteria for the number of squared errors with an optimal iteration procedure using several variables, namely the arrival of goods ( unloading and departure of goods (loading) on a domestic and foreign flight in Indonesia. Keywords: clustering, K-Means algorithm, classification, air freight traffic.