PENERAPAN DATA MINING DALAM MENGELOMPOKKAN JUMLAH UMKM KOTA JAMBI MENGGUNAKAN K-MEANS CLUSTERING
Objek Penelitian
DOI:
https://doi.org/10.33998/jms.2025.5.2.2316Kata Kunci:
Data Mining, K-Means Clustering, Analisis Data, Pengelompokkan UMKM, Rapid MinerAbstrak
Abstrak−Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki kontribusi yang signifikan dalam mendukung perkembangan ekonomi di tingkat lokal, termasuk di Kota Jambi. Namun, banyak UMKM menghadapi kendala dalam pengelolaan data dan perumusan strategi bisnis yang efektif. Penelitian ini bertujuan untuk mengelompokkan UMKM di Kota Jambi dengan memanfaatkan metode K-Means Clustering sebagai bagian dari teknik data mining. Data penelitian mencakup 1.331 UMKM di bidang fashion, dengan variabel karakteristik seperti kepemilikan, modal awal, penghasilan per bulan dan per tahun, jumlah karyawan, serta aset. Hasil penelitian menunjukkan bahwa perhitungan manual menghasilkan tiga kelompok: 627 UMKM (Cluster 1) direkomendasikan menerima bantuan peralatan, 358 UMKM (Cluster 2) mendapatkan fasilitas kelembagaan, dan 346 UMKM (Cluster 3) diarahkan untuk pelatihan. Sementara itu, perhitungan dengan tools Rapid Miner menghasilkan pembagian berbeda akibat variasi pengambilan centroid. Cluster 0 berisi 840 UMKM, Cluster 1 berisi 9 UMKM, dan Cluster 2 berisi 482 UMKM. Penelitian ini membuktikan bahwa K-Means Clustering dapat memberikan wawasan berharga tentang distribusi dan kebutuhan UMKM, sehingga membantu pengambil kebijakan dalam merancang program yang lebih tepat sasaran. Dengan demikian, metode ini diharapkan dapat berkontribusi pada pengembangan UMKM secara lebih terarah dan berkelanjutan di Kota Jambi.
Unduhan
Referensi
A. Rahmawati, "Penerapan Data Mining dalam Pengembangan UMKM di Era Digital," Jurnal Ekonomi dan Bisnis Digital Indonesia, vol. 7, no. 2, pp. 112-125, 2019.
I. Z. Maimon and L. Rokach, "Data Mining and Knowledge Discovery Handbook," Springer, 2020.
H. Ramdlaningrum, N. Ismah, D. Mawesti, C. N. Aidha, F. Armintasari, and D. R. Ningrum, Pemberdayaan ekonomi untuk UMKM yang dipimpin perempuan di pedesaan Indonesia : Pembelajaran dari CSO Indonesia. 2022.
Firdausya, Lily Zahra, and Dicky Perwira Ompusunggu. 2023. “Usaha Mikro Kecil Dan Menengah (UMKM) Di Era Digital Abad 21.” Tali Jagad Journal 1(1): 16–20
D. Susanto, "Analisis Pengelompokan UMKM untuk Optimalisasi Pasar di Kota Jambi," Jurnal Ekonomi dan Manajemen Indonesia, vol. 6, no. 2, pp. 123-135, 2020.
S. Hadi, "Implementasi Metode K-Means Clustering untuk Pengelompokan Data UMKM," Jurnal Teknologi dan Sistem Informasi, vol. 9, no. 1, pp. 77-89, 2021.
A. S. Kumar and R. K. Singh, "A Survey on Clustering Techniques in Data Mining," International Journal of Computer Applications, vol. 178, no. 5, pp. 10-15, 2022.
B. S. S. Rahman and F. A. Hossain, "Data Mining Techniques: A Survey," Journal of Computer and Communications, vol. 9, no. 3, pp. 45-55, 2021.
Khormarudin, A. N. (2016). Teknik data mining: Algoritma K-Means clustering. J. Ilmu Komput, 1-12.
Azzam, A., Purnamasari, A. I., & Ali, I. (2024). IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS PERSEBARAN UMKM DI JAWA BARAT. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3062-3070.
Iin, I., Fadila, R., Rinaldi, A. R., & Fathurrohman, F. (2024). Penerapan Data Mining Dalam Mengelompokan Jumlah UMKM Berdasarkan Kabupaten Kota Menggunakan K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1446-1450.
Wahyudi, E. N., Utomo, A. P., & Mariana, N. (2019). Pengelompokan Jenis Usaha UMKM Kota Semarang Dalam Rangka Proses Pembinaan Dan Pendampingan Untuk Pengembangan Usaha Dengan Teknik Data Mining. Dinamik, 24(1), 13-20.
Habiballoh, H., Faqih, A., & Suprapti, T. (2024). Implementasi Algoritma K-Means Dalam Mengelompokan Kabupaten/Kota Di Jawa Barat Berdasarkan Jenis Dan Jumlah Potensi Objek Daya Tarik Wisata. Jurnal Informatika dan Teknik Elektro Terapan, 12(2).
Hendrik, H., & Mulyana, T. M. S. (2023). Pemetaan Daerah Berdasarkan Jenis Usaha Umkm Dengan Algoritma K-Means Di Jawa Barat. Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), 5(2), 164-172.
H. Hanafi, “Data Cleaning dalam Big Data,” no. December, 2023, pp. 1–5.
F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru,” J. Sist., vol. 7, no. 3, p. 238, 2018, doi: 10.32520/stmsi.v7i3.388.
M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.
