IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN NILAI PAGU RUP PADA DATA PERENCANAAN E-PROCUREMENT DI KOMINFO KABUPATEN GUNUNGKIDUL MENGGUNAKAN PYTHON

SITUMORANG, RISKA NOVITA (2025) IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN NILAI PAGU RUP PADA DATA PERENCANAAN E-PROCUREMENT DI KOMINFO KABUPATEN GUNUNGKIDUL MENGGUNAKAN PYTHON. Skripsi thesis, Universitas Teknologi Digital Indonesia.

	Text (HALAAN DEPAN) 1_215610066_HALAMAN_DEPAN.pdf - Published Version Download (3MB)
	Text (BAB I) 2_215610066_BAB_I.pdf - Published Version Download (133kB)
	Text (BAB II) 3_215610066_BAB_II.pdf - Published Version Download (424kB)
	Text (BAB III) 4_215610066_BAB_III.pdf - Published Version Restricted to Repository staff only Download (695kB)
	Text (BAB IV) 5_215610066_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB V) 6_215610066_BAB_V.pdf - Published Version Download (120kB)
	Text (DAFTAR PUSTAKA) 7_215610066_DAFTAR_PUSTAKA.pdf - Published Version Download (193kB)
	Text (LAMPIRAN) 8_215610066_LAMPIRAN.pdf - Published Version Download (1MB)

Abstract

Penelitian ini menerapkan algoritma K-Means Clustering untuk menganalisis pengelompokan nilai pagu Rencana Umum Pengadaan (RUP) berdasarkan data perencanaan e-procurement di Dinas Komunikasi dan Informatika Kabupaten Gunungkidul. E-procurement adalah sistem pengadaan barang atau jasa yang dilakukan secara elektronik melalui platform berbasis internet yang dikelola oleh Layanan Pengadaan Secara Elektronik (LPSE) Proses penelitian dimulai dengan persiapan data sebanyak 380 baris, melibatkan tahapan pra-pemrosesan data, seperti pembersihan data, penghapusan duplikasi, konversi atribut kategorikal menjadi numerik, dan normalisasi menggunakan MinMaxScaler. Setelah data diproses, algoritma K-Means Clustering diterapkan dengan penentuan jumlah cluster optimal menggunakan Elbow Method, dan pembentukan cluster menggunakan centroid dan mengelompokkan objek berdasarkan jarak minimum ke centroid tersebut. Hasil evaluasi menunjukkan bahwa algoritma K-Means Clustering dengan konfigurasi 2 cluster menghasilkan pengelompokan optimal. Cluster 1 terdiri dari 246 titik data dengan rata-rata nilai pagu sebesar Rp101 juta, sementara Cluster 2 terdiri dari 134 titik data dengan rata-rata nilai pagu sebesar Rp39 juta. Evaluasi menggunakan Davies-Bouldin Index menghasilkan nilai 0.1358, mendekati nol, dan Silhouette Score menghasilkan nilai 0.9807, mendekati 1. Hasil ini menunjukkan bahwa klastering memiliki kualitas yang sangat baik, dan konfigurasi k = 2 adalah yang paling optimal. Kata kunci: Akurasi, K-Means Clustering, Nilai Pagu RUP, Python

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing: Y. Yohakim Marwanta, S.Kom., M.Cs.
Uncontrolled Keywords:	Akurasi, K-Means Clustering, Nilai Pagu RUP, Python
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman > Python
Divisions:	Jenjang S1 > Sistem Informasi (S1)
Depositing User:	Titis Pratiwi
Date Deposited:	12 Mar 2025 06:05
Last Modified:	12 Mar 2025 06:05
URI:	http://eprints.utdi.ac.id/id/eprint/10726

Actions (login required)

View Item