PENERAPAN METODE K-MEANS UNTUK MENGELOMPOKKAN DATA PENGIRIMAN BARANG BERDASARKAN JENIS LAYANAN PADA JNE EXPRESS STUDI KASUS : AGEN JNE BINJAI TIMUR
Keywords:
K-Means, Clustering, Data Pengiriman Barang, Jenis Layanan, JNE Express.Abstract
Perkembangan teknologi informasi mendorong perusahaan jasa pengiriman untuk memanfaatkan data sebagai sumber informasi dalam mendukung peningkatan kualitas pelayanan dan pengambilan keputusan. Banyaknya data pengiriman barang yang tersedia diperlukan suatu metode yang dapat mengelompokkan data berdasarkan karakteristik tertentu. Penelitian ini bertujuan untuk menerapkan metode K-Means dalam melakukan clustering data pengiriman barang berdasarkan jenis layanan pada JNE Express Studi Kasus: Agen JNE Binjai Timur. Data yang digunakan merupakan data pengiriman tahun 2025 sebanyak 923 data, dengan variabel jenis layanan, provinsi tujuan, dan lama pengiriman. Proses clustering dilakukan menggunakan aplikasi pemrograman MATLAB R2014b dengan pengujian jumlah cluster sebanyak 3, 4, dan 5 cluster. Hasil penelitian menunjukkan bahwa pada pengujian 5 cluster diperoleh Cluster 1 sebanyak 413 data, Cluster 2 sebanyak 222 data, Cluster 3 sebanyak 129 data, Cluster 4 sebanyak 113 data, dan Cluster 5 sebanyak 46 data. Berdasarkan karakteristik centroid, Cluster 1 didominasi jenis layanan REG dengan tujuan Sumatera Utara dan lama pengiriman 3–4 hari, Cluster 2 didominasi layanan YES dengan tujuan DKI Jakarta dan lama pengiriman 3–4 hari, Cluster 3 didominasi layanan REG dengan tujuan Bali dan lama pengiriman 3–4 hari, Cluster 4 didominasi layanan REG dengan tujuan Jawa Barat dan lama pengiriman 5–6 hari, sedangkan Cluster 5 didominasi layanan REG dengan tujuan Kepulauan Riau dan lama pengiriman 3–4 hari. Hasil clustering ini memberikan gambaran mengenai pola dan karakteristik pengiriman barang berdasarkan kemiripan data, sehingga dapat menjadi informasi pendukung bagi Agen JNE Binjai Timur dalam memahami pola pengiriman dan melakukan evaluasi pelayanan. Kata Kunci: K-Means, Clustering, Data Pengiriman Barang, Jenis Layanan, JNE Express.
Downloads
References
Bustommy Maulana, M., & Juwita, O. (2017). Rancang Bangun Aplikasi Customer Relationship Management (CRM) Untuk Identifikasi Tingkat Kepuasan Pelanggan Pada Perusahaan PT. TIKI Jalur Nugraha Ekakurir (JNE) Agen Mastrip Jember Menggunakan Metode K-Means Clustering. Informatics Journal, 2(2), 92–100.
Fanani, Z., Puspitasari, N. B., Susanty, A., Andini, A. R., & Rumita, R. (2020). Analisis Logistic Service Quality Untuk Meningkatkan Kualitas Layanan Jasa Pengiriman Jne Express. In Jurnal Teknik Industri (Vol. 15, Number 2).
Febrian, A., Nana Suarna, & Gifthera Dwilestari. (2022). Penerapan Algoritma K-Means Untuk Mengelompokkan Data Pengiriman Paket Di Kantor Pos Cirebon. JURNAL TEKNOLOGI TECHNOSCIENTIA, 23–27.https://doi.org/10.34151/technoscientia.v15i1.3858
Mauludin, M. R., Nurdiawan, O., & Basysyar, F. M. (2025). Penerapan Algoritma K-Means Clustering Untuk Analisis Kinerja Pengiriman Paket Shopee Express Di Hub Transit Kedawung. Jurnal Informatika Dan Teknik Elektro Terapan, 13(1), 1188–1192. https://doi.org/10.23960/jitet.v13i1.5870
Pasya, A. M., Husein, I., & Siregar, R. M. R. (2024). Penerapan Partial Least Square-Modified Fuzzy Clustering Untuk Segmentasi Dalam Pemodelan Data Pengiriman Paket Jne Medan. MES: Journal of Mathematics Education and Science, 10(1), 256–261.https://doi.org/10.30743/mes.v10i1.10202
R. Maisaroh Rezyekiyah, Aulia Mumtazah Pasya, Mey Rani Hasibuan, & Siti Maymuna Tarigan. (2023). Penerapan Analisis Cluster Dalam Pengelompokan Paket Berdasarkan Kecamatan Di Pt. Tiki Jalur Nugraha Ekakurir Cabang Medan. Jurnal Price : Ekonomi Dan Akuntasi, 2(2), 86–97. https://doi.org/10.58471/jecoa.v2i2.3943
Siahaan Samuel Andrean, Saragih Rusmin, & Simanjuntak Magdalena. (2024). Penerapan Metode K-Means Clustering untuk Pengelompokan Minat Konsumen terhadap Pengguna Jasa Layanan pada Kantor Pos Binjai. Polygon : Jurnal Ilmu Komputer Dan Ilmu Pengetahuan Alam, 2(5), 92–102.https://doi.org/10.62383/polygon.v2i5.236
Abdullah, D., Susilo, S., Ahmar, A. S., Rusli, R., & Hidayat, R. (2022). The application of K-means clustering for province clustering in Indonesia of the risk of the COVID-19 pandemic based on COVID-19 data. Quality & Quantity, 56(3), 1283–1291. https://doi.org/10.1007/s11135-021-01176-w
Abdullah, D., & Erliana, C. I. (2021). Model of ICT goods inventory clustering application using K-means method. Ilkogretim Online—Elementary Education Online, 20(1), 1128–1132.
Alam, A., Muqeem, M., & Ahmad, S. (2021). Comprehensive review on clustering techniques and its application on high dimensional data. International Journal of Computer Science and Network Security, 21(6). https://doi.org/10.22937/IJCSNS.2021.21.6.31
Ashraf, F. B., Matin, A., Shafi, M. S. R., & Islam, M. U. (2021). An improved K-means clustering algorithm for multi-dimensional multi-cluster data using meta-heuristics. Dalam Proceedings of the 24th International Conference on Computer and Information Technology (ICCIT) (hlm. 1–6). IEEE.
Suharni, S. (2021). Data mining analisis cluster K-means pada indeks pembangunan teknologi, informasi dan telekomunikasi. Journal of Technopreneurship and Information System, 3(3). https://doi.org/10.36085/jtis.v3i3.1228
Octafian, T., Sufandi, U. U., & Ernawati, I. (2021). Data mining dan aplikasinya. Widina.
Abdulnassar, A. A., & Nair, L. R. (2023). Performance analysis of K-means with modified initial centroid selection algorithms and developed K-means9+.
Bahri, S., Midyanti, D. M., & Korespondensi, P. (2023). Penerapan metode K-means clustering untuk pengelompokan data berdasarkan karakteristik tertentu.
Journal Center. (2025). Implementasi algoritma clustering dan classification dalam data mining: Systematic literature review periode 2021–2025.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Ade Natasya Br Damanik, Magdalena Simanjuntak, Ameliana Sihotang
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
