Penerapan Algoritma K-Means Clustering untuk Klasterisasi Data Analisis Tren dan Efisiensi Logistik pada PT. Eka Satya Puspita

Mirza Muhammad, Radinald (2025) Penerapan Algoritma K-Means Clustering untuk Klasterisasi Data Analisis Tren dan Efisiensi Logistik pada PT. Eka Satya Puspita. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (570kB)
	PDF BAB_I.pdf Download (431kB)
	PDF BAB_II.pdf Download (362kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (285kB)
	PDF DAFTAR_PUSTAKA.pdf Download (235kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Pertumbuhan industri logistik yang semakin pesat seiring dengan meningkatnya transaksi e-commerce di Indonesia menuntut efisiensi pengelolaan data dan pengambilan keputusan berbasis informasi yang akurat. PT Eka Satya Puspita dipilih sebagai objek penelitian karena tingginya volume pengiriman yang dikelola setiap harinya. Meskipun telah menggunakan Microsoft Excel, pemanfaatannya belum optimal akibat kompleksitas fitur dan rumus, sehingga visualisasi data masih terbatas. Permasalahan ini menjadi tantangan di bidang sistem informasi, terutama dalam mengolah data operasional dalam jumlah besar untuk kebutuhan analisis performa logistik. Penelitian ini bertujuan untuk mengelompokkan data pengiriman berdasarkan tingkat risiko keterlambatan menggunakan algoritma K-Means Clustering, yang efektif untuk menemukan pola dalam data berukuran besar. Proses dilakukan melalui tahapan Cross Industry Standard Process for Data Mining, mulai dari pemahaman konteks bisnis, eksplorasi dan pembersihan data, pembuatan model, evaluasi, hingga pembuatan dashboard. Hasil klasterisasi menghasilkan tiga kelompok pengiriman, yaitu rendah, sedang, dan tinggi, yang memberikan gambaran bahwa terdapat sejumlah daerah dengan tingkat risiko keterlambatan yang lebih tinggi dan perlu perhatian khusus. Evaluasi menggunakan Silhouette Score sebesar 0,3539 menunjukkan bahwa segmentasi berada pada kategori cukup baik. Temuan ini digunakan sebagai insight tambahan dalam mendukung analisis performa, sementara dashboard interaktif dikembangkan secara terpisah untuk menampilkan informasi seperti pencapaian tingkat layanan, analisis keterlambatan, dan gambaran pendapatan logistik. Kendala utama yang dihadapi adalah format data yang tidak seragam dan kurangnya dokumentasi historis, yang diselesaikan melalui koordinasi lintas tim dan penerapan proses pembersihan data secara konsisten.

Item Type:	Thesis (MBKM)
Keywords:	dashboard interaktif, K-Means Clustering, logistik, sistem informasi, visualisasi data
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	18 Jul 2025 13:06
Last Modified:	18 Jul 2025 13:06
URI:	https://kc.umn.ac.id/id/eprint/38992

Actions (login required)

View Item