CLUSTERING DATA PENGIRIMAN UNTUK PENGELOMPOKAN MINAT KONSUMEN TERHADAP PENGGUNA JASA LAYANAN PADA JNE EXPRESS (STUDI KHASUS: AGEN JNE BINJAI TIMUR 2)
Keywords:
Data Mining, K-Means Clustering, Minat Konsumen, Strategi Pelayanan, JNE Express, Pengiriman BarangAbstract
Penelitian ini dilatarbelakangi oleh tingginya volume transaksi pengiriman di perusahaan ekspedisi yang menghasilkan penumpukan data, di mana pemanfaatan data transaksi pada Agen JNE Binjai Timur 2 belum optimal untuk mengetahui pola penggunaan jasa dan minat konsumen. Tujuan dari penelitian ini adalah menerapkan algoritma K-Means Clustering untuk mengolah dan mengelompokkan data transaksi pengiriman barang serta menganalisis pola minat konsumen. Manfaat dari penelitian ini adalah membantu pihak agen mengelola data transaksi menjadi informasi yang berguna sebagai bahan pertimbangan dalam menentukan strategi pelayanan dan pemasaran yang lebih terarah. Penelitian ini mengolah 1.126 data transaksi pengiriman tahun 2024 dengan variabel deskripsi barang, wilayah tujuan, dan jenis layanan. Hasil penelitian menunjukkan bahwa pengujian 5 cluster merupakan pengelompokan yang paling efektif dan spesifik, yang menghasilkan lima kelompok utama: Cluster 1 (384 data; barang Acc, tujuan Medan, layanan REG23), Cluster 2 (135 data; pakaian, tujuan Aceh, layanan REG23), Cluster 3 (221 data; obat, tujuan Tangerang, layanan REG23), Cluster 4 (32 data; pakaian, tujuan Langkat, layanan JTR<130), dan Cluster 5 (354 data; barang Acc, tujuan Jakarta, layanan REG23).
Downloads
References
Andani, T., Badruzzaman, F. H., & Harahap, E. (2020). Operasi Matriks Sebagai Media Pembelajaran Menggunakan MATLAB Matrix Operations as Learning Media Using MATLAB. 19(2), 33–45.
Andrean Samuel Siahaan, Rusmin Saragih, & Magdalena Simanjuntak. (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
Hidayati, A. T., Widyantoro, A. E., & Ramadhani, H. J. (2023). Perancangan Sistem Informasi Wirausaha Mahasiswa ( Siwirma ) Berbasis Web dengan Unified Modelling Languange ( UML ) Institut Teknologi dan Bisnis Semarang untuk memodelkan sistem [ 6 ]. Definisi lainnya , UML merupakan kumpulan diagram yang UML mempunyai kelebihan , diantaranya dapat memberikan bahasa pemodelan visual rekayasa , menyatukan informasi-informasi terbaik yang ada dalam pemodelan , memberikan. 2(4).
Khomarudin, A. N. (2016). Teknik Data Mining : Algoritma K-Means Clustering. 1–12.
Kurniady, P., Ramadhan, P. S., & Yetri, M. (2021). Penerapan Data Mining untuk Pengelompokan Paket Barang yang akan di Kirim Pada J & T IDI ACEH Dengan Menggunakan K- Means Clustering. (x).
Pratama, F. R. (2024). Implementasi K-Means Clustering Berbasis WEB untuk Analisis Data Penjualan Ekspedisi di Lion Parcel WEB-Based Implementation of K-Means Clustering For Expeditions Sales Data Analysis at Lion Parcel Ciledug. 3(September), 547–557.
Price, J., Rezyekiyah, R. M., Pasya, A. M., & Hasibuan, M. R. (2023). Penerapan Analisis Cluster Dalam Pengelompokan Paket Berdasarkan Kecamatan Di Pt . Tiki Jalur. 02(02), 86–92.
Rosaly, R. (n.d.). Pengertian Flowchart Beserta Fungsi dan Simbol-simbol Flowchart yang Paling Umum Digunakan.
Sulistiyawati, A., & Supriyanto, E. (2020). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. 15(2), 25–36.
Syahril, M., Erwansyah, K., & Yetri, M. (2020). Penerapan Data Mining Untuk Menentukan Pola Penjualan Peralatan Sekolah Pada Brand Wigglo Dengan Menggunakan Algoritma Apriori. 3(1), 118–136.
Tampubolon, K., Saragih, H., Reza, B., Epicentrum, K., Asosiasi, A., & Apriori, A. (2013). Implementasi Data Mining Algoritma Apriori pada Sisitem Persediaan Alat-Alat Kesehatan. 93–106.
Zega, H. J., Halawa, P. E., & Zebua, T. (2024). Pengelompokan Minat Konsumen Pengguna Jasa Pengiriman pada CV . Lima Benua Nusa Indonesia Berdasarkan Algoritma K-Means. 01(06), 42–50.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Salsabila, Rusmin Saragih, Suci Ramadani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
