Suhendi, Muhamad (2025) Penerapan Algoritma K-Means Untuk Pemetaan Aset Perangkat Perusahaan Pengembang Aplikasi / Muhamad Suhendi / 14217014 / Pembimbing: Irmayansyah / Program Studi: Sistem Informasi. FINKOM-UNBIN, Bogor.
HALAMAN JUDUL.pdf - Published Version
Download (411kB)
BAB I PENDAHULUAN.pdf - Published Version
Download (356kB)
BAB II KERANGKA TEORITIS.pdf - Published Version
Download (659kB)
BAB III METODOLOGI PENELITIAN & PENGEMBANGAN.pdf - Published Version
Download (562kB)
BAB IV HASIL DAN PEMBAHASAN.pdf - Published Version
Restricted to Repository staff only
Download (1MB)
BAB V KESIMPULAN DAN SARAN.pdf - Published Version
Download (214kB)
DAFTAR PUSTAKA.pdf - Published Version
Download (180kB)
Abstract
Pemetaan aset perangkat perusahaan pengembang aplikasi merupakan proses pengelompokan perangkat berdasarkan variabel tertentu untuk membantu manajemen dalam menentukan tindakan perbaikan, peningkatan, atau penggantian aset secara tepat. Berdasarkan permasalahan yang ada, proses pemetaan masih dilakukan secara manual sehingga keputusan bersifat subjektif dan kurang efisien. Penelitian ini bertujuan memperoleh pemetaan aset perangkat yang akurat dan mengukur tingkat efektivitas penerapan algoritma K-Means Clustering dalam proses tersebut. Penelitian ini menerapkan algoritma K-Means Clustering sebagai metode untuk memetakan 141 aset perangkat perusahaan berdasarkan variabel usia, checkout, warranty expired, dan biaya pembelian awal. Metodologi yang digunakan adalah Research and Development dengan pendekatan prototyping, yang meliputi tahap analisis data aset, transformasi dan normalisasi, pengelompokan menggunakan K-Means, serta evaluasi menggunakan Silhouette Coefficient dan uji kelayakan sistem. Hasil penelitian menunjukkan terbentuknya tiga klaster utama, yaitu Klaster 0 (Diperbaiki) dengan 34 aset (24,11%), Klaster 1 (Ditingkatkan) dengan 93 aset (65,96%), dan Klaster 2 (Diganti) dengan 14 aset (9,93%). Evaluasi sistem memperoleh skor kelayakan sebesar 93,33% dari ahli dan 91,96% dari pengguna yang termasuk kategori “Sangat Layak”. Selain itu, nilai Silhouette Coefficient sebesar 0,6804 menandakan struktur klaster berada pada kategori “Medium Structure”. Dengan demikian, penerapan algoritma K-Means terbukti efektif dalam menghasilkan pemetaan aset yang lebih objektif, akurat, dan membantu perusahaan dalam pengambilan keputusan pengelolaan aset.
| Item Type: | Other |
|---|---|
| Uncontrolled Keywords: | Algoritma K-Means, Data Mining, Pemetaan Aset, Prototyping, Silhouette Coefficient. |
| Subjects: | W Computer Science > Data Mining W Computer Science > Information Systems |
| Depositing User: | R. Rizka Nurmala |
| Date Deposited: | 26 Nov 2025 03:38 |
| Last Modified: | 26 Nov 2025 03:38 |
| URI: | http://finkom.repository.unbin.ac.id/id/eprint/382 |

