KLASIFIKASI TINGKAT PENJUALAN MOBIL LISTRIK DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS

KLASIFIKASI TINGKAT PENJUALAN MOBIL LISTRIK DI INDONESIA MENGGUNAKAN ALGORITMA K-MEANS

• By Jiddan, Farhan;
• S1- Sistem Infomasi
• 7
• 1-67

Mobil listrik adalah salah satu perkembangan terkini yang menonjol. Mobil ini menggunakan motor listrik sebagai penggerak utama dan menggunakan baterai sebagai sumber energi. Permintaan akan barang berkualitas tinggi mendorong perusahaan untuk meningkatkan kualitas produk dan mempertahankan reputasi merek mereka. Dengan begitu Perusahaan dapat mengidentifikasi minat pelanggan dalam membeli mobil listrik dengan melihat statistik penjualannya. K-Means adalah untuk membagi data saat ini ke dalam satu atau lebih kelompok atau cluster. Adapun metode pengumpulan data yang digunakan pada penelitian ini adalah dengan mengambil data sekunder data web Gaikindo, Metode Clustering ini dapat digunakan untuk membantu pihak perusahaan-perusahaan otomotif khususnya penjualan mobil listrik dalam melihat tingkat penjualan mobil mereka dengan perusahaan-perusahaan lain. Berdasarkan hasil pengujian dari cara manual dan dengan software menggunakan rapidminer v10.3.001 mendapatkan hasil yang sama dan tepat Yaitu Cluster 0 jumlah data brand sebanyak 12 dengan presentase 80% (Cukup Laris), cluster 1 dengan jumlah 1 data dan presentase 6,7% (Sangat Laris), cluster 2 jumlah 1 data dengan presentase 6,7% (Kurang Laris) dan cluster 3 jumlah data 1 dengan presentase 6,7% (Laris). Untuk hasil perhitungan menggunakan algoritma K-means niali DBI (Davies Bouldin Index) pada penelitian ini menghasilkan nilai sebesar 0,099 Hasil Davies-Bouldin Index (DBI) dalam mengukur kualitas clustering menghasilkan nilai sebesar 0,099. Yang artinya menunjukkan bahwa hasil clustering yang dilakukan sangat baik dan juga bisa memanfaatan data eksternal seperti tren ekonomi, harga bahan bakar, kebijakan pemerintah terkait kendaraan listrik dan preferensi konsumen untuk memperkaya analisis dan memberikan insight yang lebih mendalam.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Putra, A. S., Anubhakti, D., & Hin, L. L. (2023). Penerapan Algoritma K-Nearest Neighbor Untuk Analisis Sentimen Pengguna Twitter Terhadap Kebijakan Subsidi Kendaraan Listrik. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 736–744. http://senafti.budiluhur.ac.id/index.php/senafti/article/view/871%0Ahttps://senafti.budiluhur.ac.id/index.php/senafti/article/download/871/549

Anggraiwan, Y., & Siregar, B. (2022). Klasifikasi Harga Mobil Menggunakan Metode Decision Tree Algoritma C4.5. Computatio : Journal of Computer Science and Information Systems, 6(2), 70–79. https://doi.org/10.24912/computatio.v6i2.19994

Aryanti, P. G., & Santoso, I. (2023). Analisis Sentimen Pada Twitter Terhadap Mobil Listrik Menggunakan Algoritma Naive Bayes. IKRA-ITH Informatika : Jurnal Komputer Dan Informatika, 7(2), 133–137. https://journals.upi-yai.ac.id/index.php/ikraith-informatika/article/view/2821

Martinus, A., & Pradiani, T. (2023). Pengaruh Brand Image dan Harga Terhadap Minat Beli Mobil Listrik Melalui Gaya Hidup Sebagai Variabel Intervening Di Area Kota Malang Jawa Timur PENDAHULUAN Menurut Simbolon et al ., ( 2022 ) fenomena kendaraan listrik yang semakin berkembang membuat pemer. 7(2).

Zahra, N., & Akbar, A. (2024). Analisis Sales Forecasting Kendaraan Mobil Listrik Model Battery Electric Vehicle Di Indonesia (Metode Least Square). Jurnal Education and Development, 12(1), 197–205. https://journal.ipts.ac.id/index.php/ED/article/view/5727

Caswadi, C., Dienwati, N., Dwilestari, G., Fathurrohman, F., & Tohidi, E. (2024). Penerapan Algoritma Naïve Bayes Dan K-Nearest Neighbor Untuk Analisis Sentimen Youtube Mengenai Intensif Mobil Listrik. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3851–3857. https://doi.org/10.36040/jati.v7i6.8252

Karimah, A., Dwilestari, G., & Mulyawan, M. (2024). Analisis Sentimen Komentar Video Mobil Listrik Di Platform Youtube Dengan Metode Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 767–737. https://doi.org/10.36040/jati.v8i1.8373

Ernawati, N. W., Satya Kumara, I. N., & Setiawan, W. (2023). Perbandingan Metode Klasifikasi Support Vector Machine Dan Naïve Bayes Pada Analisis Sentimen Kendaraan Listrik. Jurnal SPEKTRUM, 10(3), 106. https://doi.org/10.24843/spektrum.2023.v10.i03.p12

Muhammad Zaynurroyhan, Asriyanik, & Agung Pambudi. (2023). Perbandingan TF-IDF dengan Count Vectorization Dalam Content-Based Filtering Rekomendasi Mobil Listrik. Explore IT: Jurnal Keilmuan Dan Aplikasi Teknik Informatika, 15(1), 8–15. https://doi.org/10.35891/explorit.v15i1.3829

Butsianto, S., & Mayangwulan, N. T. (2020). Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 3(3), 187–201. https://doi.org/10.32672/jnkti.v3i3.2428

Rohmah, A., Sembiring, F., & Erfina, A. (2021). Implementasi Algoritma K-Means Clustering Analysis untuk Menentukan Hambatan Pembelajaran Daring (Studi Kasus: SMK Yaspim Gegerbitung). Seminar Nasional Sistem Informasi Dan Manajemen Informatika, 290–298. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/32

Sari, M. A. P., & Chotijah, U. (2022). Pengelompokan Anggota Divisi Himpunan Mahasiswa Jurusan Pada Universitas “Xyz” Dengan Metode K-Means Clustering. Antivirus : Jurnal Ilmiah Teknik Informatika, 16(1), 52–62. https://doi.org/10.35457/antivirus.v16i1.2139

Reynaldo, J., Adikara, P. P., & Wihandika, R. C. (2020). Analisis Sentimen Mengenai Produk Toyota Avanza Menggunakan Metode Learning Vector Quantization Versi 3 (LVQ 3) dengan Seleksi Fitur Chi Square, Lexicon …. … Teknologi Informasi Dan …, 4(3), 830–839.

Tiara Alifa, T., Astuti, R., & Muhamad Basysyar, F. (2024). Implementasi Data Mining Menggunakan Algoritma K- Means Clustering Dalam Analisis Penjualan Produk. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 602–607. https://doi.org/10.36040/jati.v8i1.8340

Widodo, S., Ladyani, F., Asrianto, L. O., Rusdi, Khairunnisa, Lestari, S. M. P., Wijayanti, D. R., Devriany, A., Hidayat, A., Dalfian, Nurcahyati, S., Sjahriani, T., Armi, Widya, N., & Rogayah. (2023). Buku Ajar Metode Penelitian.

Nuryaman, Y., Sudarsono, B., Faddillah, U., & Asistyasari, A. (2022). Klasifikasi Data Penjualan Mengunakan Algoritma K-Means Dan Analytic Hierarchy Process. Jurnal Larik: Ladang Artikel Ilmu Komputer, 2(1), 23–28. https://doi.org/10.31294/larik.v2i1.1371

Waruwu, M. (2023). Pendekatan Penelitian Pendidikan: Metode Penelitian Kualitatif, Metode Penelitian Kuantitatif dan Metode Penelitian Kombinasi (Mixed Method). Jurnal Pendidikan Tambusai , 7(1), 2896–2910.

Amin, N. F., Garancang, S., & Abunawas, K. (2023). KONSEP UMUM POPULASI DAN SAMPEL DALAM PENELITIAN. Jurnal Pilar, 14(1), 15–31.

Anshor, A. H., & Rahardjo, S. B. (2023). Analisis Resiko Transformasi Mobil Berbahan Minyak ke Mobil Listrik Dengan Decision Tree. Bulletin of Information Technology (BIT), 4(4), 414–418. https://doi.org/10.47065/bit.v4i4.924

Adha, R. (2020). Analisis Pembelian Mobil Listrik Menggunakan Metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Jist.Publikasiindonesia.Id, 1(2), 476–485. https://doi.org/10.30865/klik.v4i1.1201

Hasyim, A., Fatchan, M., & Hadikristanto, W. (2022). Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(02), 207–215. https://doi.org/10.46772/intech.v4i02.872

10. Makbul. (2021). Metode Pengumpulan Data dan Instrumen Penelitian. https://doi.org/https://doi.org/10.31219/osf.io/svu73

Syamfithriani, T. S., Mirantika, N., & Trisudarmo, R. (2023). Perbandingan Algoritma K-Means dan K-Medoids Untuk Pemetaan Daerah Penanganan Diare Pada Balita di Kabupaten Kuningan. Jurnal Sistem Informasi Bisnis, 12(2), 132–139. https://doi.org/10.21456/vol12iss2pp132-139

Benediktus, Y. K. (2024). Ikhtiar Dorong Populasi Mobil Listrik. Kompas. https://www.kompas.id/baca/ekonomi/2024/01/04/ikhtiar-dorong-populasi-mobil-listrik

Dimas, A., & Kartika, D. H. (2024). Penjualan Mobil Listrik Nasional Capai 17.000 Unit di Tahun 2023. Kontan. https://industri.kontan.co.id/news/penjualan-mobil-listrik-nasional-capai-17000-unit-di-tahun-2023

Prawiro, D. S., Anggela, F. P., & Karawang, K. (2022). 371-Article Text-759-1-10-20220615. 2(1).