Abstract:Abstract: Feature selection is a crucial process that is very important to improve the performance of machine learning models, in accordance with data preprocessing. The feature selection process can be considered as a global…
lobal combinatorial optimization problem in machine learning, which reduces the number of features, eliminates irrelevant data, and produces acceptable classification accuracy. The purpose of this study is to predict or determine the results of the electrical installation operation feasibility test based on data and obtain attribute selection features, and obtain accuracy level results. The Particle Swarm Optimization (PSO) approach is used to select the right characteristics to determine the results of the electrical installation operation feasibility test because attribute selection is needed in data analysis, because the PSO method will increase accuracy than just SVM in determining attribute selection. If SVM is used with PSO, the accuracy value is 96% and AUC is 0.994%, while the SVM method produces an accuracy level of 94.89% and AUC of 0.994%. With this finding, the accuracy value increases by 2%, making it a very good categorization category. It has been proven that the use of Particle Swarm Optimization (PSO) based algorithms can improve and improve results.
Keywords: PSO; SVM; Certification
Abstrak: Pemilihan fitur merupakan proses krusial yang sangat penting untuk meningkatkan kinerja model machine learning, sesuai dengan praproses data. Proses pemilihan fitur dapat dianggap sebagai masalah optimasi kombinatorial global dalam pembelajaran mesin, yang mengurangi jumlah fitur, menghilangkan data yang tidak relevan, dan menghasilkan akurasi klasifikasi yang dapat diterima. Tujuan dari penelitian ini adalah untuk memprediksi atau menentukan hasil uji kelayakan operasi instalasi listrik berdasarkan data dan memperoleh fitur pemilihan atribut, serta memperoleh hasil tingkat akurasi. Pendekatan Particle Swarm Optimization (PSO) digunakan untuk memilih karakteristik yang tepat untuk menentukan hasil uji kelayakan operasi instalasi listrik karena pemilihan atribut diperlukan dalam analisis data, karena metode PSO akan meningkatkan akurasi dari pada hanya SVM dalam menentukan pemilihan atribut. Jika SVM digunakan dengan PSO, nilai akurasinya adalah 96% dan AUC sebesar 0,994%, sedangkan metode SVM menghasilkan tingkat akurasi sebesar 94,89% dan AUC sebesar 0,994%. Dengan temuan ini, nilai akurasi meningkat sebesar 2%, menjadikannya kategori kategorisasi yang sangat baik. Telah terbukti bahwa penggunaan algoritma berbasis Particle Swarm Optimization (PSO) dapat meningkatkan dan memperbaiki hasil.
Kata kunci: PSO; SVM; Sertifikasi
Abstract:Abstract: This research tries to describe student cluster analysis, as an effort to optimize campus promotion to various schools and regions. It is known that every year, Politeknik Pertanian Negeri Payakumbuh, abbreviated…
ed as PPNP, brings in students from various regions in Indonesia. Regarding the campus promotion strategy process, the PPNP promotion section has not been based or referred to the results of processing existing student data. So that the budget used by the campus promotion team has not been right on target with the results of students who can be brought to campus. In addition, the existing student database has not been processed or explored further, so that it has not produced knowledge that is very useful as material to support the decisions of the academic and student affairs department and the campus promotion team. The method used in this research is CRISP-DM which stands for Cross- Industry Standard Process for Data Mining. Based on the characteristics of each cluster, the PPNP Promotion Team in conducting the next socialization is advised to prioritize provinces such as West Sumatra and North Sumatra. Currently, managerial circles in this context, university leaders are expected to be able to make data-based decisions. Data-based decision making can foster a culture of sustainable innovation, produce customer-centric offerings and drive long-term business growth.
Keywords: cluster analysis; student data; k-means clustering; campus promotion
Abstrak: Penelitian ini mencoba untuk mendeskripsikan analisis cluster mahasiswa, sebagai upaya optimalisasi dalam melakukan promosi kampus ke berbagai sekolah dan daerah. Diketahui bahwa setiap tahunnya, Politeknik Pertanian Negeri Payakumbuh disingkat PPNP mendatangkan mahasiswa dari berbagai daerah di Indonesia. Terkait dengan proses strategi promosi kampus, bagian promosi PPNP belum didasarkan pada hasil pengolahan data mahasiswa yang ada. Sehingga anggaran yang digunakan tim promosi belum tepat sasaran dengan hasil mahasiswa yang dapat didatangkan ke kampus. Selain itu database mahasiswa yang ada selama ini belum diolah atau digali secara jauh, sehingga belum menghasilkan pengetahuan yang bermanfaat sebagai bahan untuk mendukung keputusan bagian akademik dan kemahasiswaan serta tim promosi kampus. Metode yang digunakan dalam penelitian ini yaitu CRISP-DM merupakan singkatan dari Cross-Industry Standart Process for Data Mining. Berdasarkan karakteristik setiap cluster, maka untuk Tim Promosi PPNP dalam melakukan sosialisasi berikutnya disarankan memprioritaskan pada provinsi seperti Sumatera Barat dan Sumatera Utara. Saat ini kalangan manajerial yaitu pimpinan perguruan tinggi diharapkan dapat melakukan pengambilan keputusan berbasis pada data. Pengambilan keputusan berbasis data dapat menumbuhkan budaya inovasi yang berkelanjutan, menghasilkan penawaran yang berpusat pada pelanggan dan mendorong pertumbuhan bisnis jangka panjang.
Kata kunci: analisis cluster; data mahasiswa; k-means clustering, promosi kampus
Abstract:Abstract: The development of AI assistants such as Gemini and ChatGPT can significantly assist in daily human tasks. In the field of Sentiment Analysis, AI assistants can be utilized as an automated labeling alternative…
to provide positive, negative, or neutral sentiments within a dataset. This research aims to enhance the performance of AI assistants in automated labeling processes by employing the Feature Selection algorithm, specifically Forward Selection. The methodology involves utilizing the Naïve Bayes and K-NN algorithms, and subsequently improving accuracy through the Feature Selection algorithm. The evaluation is conducted using K-Fold Cross Validation. Research findings indicate an improvement in the accuracy of the best model, which is ChatGPT, when using the Naïve Bayes algorithm and Shuffled Sampling technique. The initial accuracy of 79.09% increased to 87.18% after Feature Selection was applied. This demonstrates the effectiveness of Feature Selection, particularly Forward Selection, in enhancing the accuracy performance of the model.
Keywords: ai; assistant; chat gpt; feature selection; gemini.
Abstrak: Pekembangan Asisten AI seperti Gemini dan Chat GPT dapat membantu pekerjaan manusia sehari-hari. Dalam bidang Analisis Sentimen, Asisten AI dapat digunakan sebagai alternatif pelabelan otomatis untuk memberikan sentimen positif, negatif atau netral dalam suatu dataset. Penlitian ini bertujuan untuk meningkatkan performa yang dihasilkan oleh Asisten AI dalam proses pelabelan otomatis menggunakan Algortima Feature Selection yaitu Forward Selection. Metode yang digunakan adalah dengan menggunakan Algoritma Naïve Bayes dan K-NN kemudian hasil akurasi akan ditingkatkan menggunkan Algoritma Feature Selection. Evaluasi yang digunakan adalah K-Fold Cross Validation. Hasil penelitian menunjukkan peningkatan akurasi model terbaik berada pada Chat GPT dengan menggunakan Algoritma Naïve Bayes dan Teknik Shuffled Sampling, dari nilai akurasi awal sebesar 79.09%, setelah ditingkatkan menggunakan Feature Selection, maka nilai akurasinya meningkat menjadi 87.18%. Hal ini membuktikan peran Feature Selection, dimana yang digunakan adalah Forward Selection dalam meningkatkan akurasi ternyata memang efektif dalam meningkatkan performa akurasi model.
Kata kunci: ai; assisten; chat gpt; feature selection; gemini
Abstract:Abstract: This research aims to build a recommendation system that can help parents determine the best Pendidikan Anak Usia Dini (PAUD) using the ELECTRE (Elimination and Choice Translating Reality) method. The electre method…
ethod was chosen because of its ability to handle Multi-Criteria Decision Making (MCDM) problems, which allows evaluating alternatives based on various relevant criteria. This system is designed to identify and assess PAUD based on a number of important criteria, such as facilities, location, teacher-student ratio, curriculum, accreditation and reputation. Each criterion is given a weight according to its level of importance, which is determined based on parental preferences and applicable educational standards. Data is collected from various sources and processed using artificial intelligence techniques to ensure accuracy and relevance. The electre method is then used to evaluate and compare between PAUD. The research results show that the recommendation system developed is able to provide accurate and relevant PAUD recommendations, as well as increasing user satisfaction in the PAUD selection process. This research makes a significant contribution to the field of decision support systems and education, by showing the practical application of the electre method in determining the best PAUD. It is hoped that the results of this research can inspire the development of similar recommendation systems in other educational fields, as well as help in improving the quality of early childhood education through the use of advanced technology.
Keywords: artificial intelligence; electre method; multi-criteria decision making (mcdm); paud.
Abstrak: Penelitian ini bertujuan untuk membangun sistem rekomendasi yang dapat membantu orang tua dalam menentukan Pendidikan Anak Usia Dini (PAUD) terbaik dengan menggunakan metode ELECTRE (Elimination and Choice Translating Reality). Metode electre dipilih karena kemampuannya dalam menangani masalah Multi-Criteria Decision Making (MCDM), yang memungkinkan evaluasi alternatif berdasarkan berbagai kriteria yang relevan. Sistem ini dirancang untuk mengidentifikasi dan menilai PAUD berdasarkan sejumlah kriteria penting, seperti fasilitas, lokasi, rasio guru-murid, kurikulum, akreditasi dan reputasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya yang ditentukan berdasarkan preferensi orang tua dan standar pendidikan yang berlaku. Data dikumpulkan dari berbagai sumber dan diproses menggunakan teknik kecerdasan buatan untuk memastikan akurasi dan relevansi. Metode electre kemudian digunakan untuk melakukan evaluasi dan perbandingan antar PAUD. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi PAUD yang akurat dan relevan, serta meningkatkan kepuasan pengguna dalam proses pemilihan PAUD. Penelitian ini memberikan kontribusi signifikan pada bidang sistem pendukung keputusan dan pendidikan, dengan menunjukkan aplikasi praktis dari metode electre dalam penentuan PAUD terbaik. Diharapkan, hasil penelitian ini dapat menginspirasi pengembangan sistem rekomendasi serupa di bidang pendidikan lainnya, serta membantu dalam meningkatkan kualitas pendidikan anak usia dini melalui pemanfaatan teknologi canggih.
Kata kunci: kecerdasan buatan; metode electre; multi-criteria decision making (mcdm); paud.
Abstract:Abstract: In the current era of very fast technological development, customer churn is a serious challenge, especially in the competitive telecommunications industry. Churn refers to customers who stop using a service or…
move to another provider, and can be categorized into three types: Active Churn, Passive Churn, and Rotational Churn. Rotational Churn, which is difficult to predict be- cause the reasons for stopping are unclear, is the main focus of this research. This research aims to group Rotational Churn customers using a Data-Centric AI approach. This approach emphasizes improving data quality through Confident Learning and Synthetic Data before being applied to the K-Means clustering algorithm. The data used in this research is customer churn data from one telecommunications company during 2023. The research results show that customer grouping using the K-Means algorithm can provide deep insight into the characteristics of customer churn. The application of Data-Centric AI is proven to be able to increase the accuracy of clustering models, which ultimately helps compa- nies optimize programs and services to minimize churn and retain customers.
Keywords: data-centric AI; clustering; K-means
Abstrak: Dalam era perkembangan teknologi yang sangat pesat saat ini, churn pelanggan menjadi tantangan serius, terutama dalam industri telekomunikasi yang sangat kompetitif. Churn mengacu pada pelanggan yang berhenti menggunakan layanan atau beralih ke penyedia lain, dan dapat dikategorikan menjadi tiga jenis: Churn Aktif, Churn Pasif, dan Churn Rotasional. Churn Rotasional, yang sulit diprediksi karena alasan penghentian layanan tidak jelas, menjadi fokus utama penelitian ini. Penelitian ini bertujuan untuk mengelompokkan pelanggan Churn Rotasional menggunakan pendekatan Data-Centric AI. Pendekatan ini menekankan pada peningkatan kualitas data melalui Confident Learning dan Synthetic Data sebelum diterapkan ke algoritma K-Means clustering. Data yang digunakan dalam penelitian ini adalah data churn pelanggan dari satu perusahaan telekomunikasi selama tahun 2023. Hasil penelitian menunjukkan bahwa pengelompokan pelanggan menggunakan algoritma K-Means dapat memberikan wawasan mendalam tentang karakteristik churn pelanggan. Penerapan Data-Centric AI terbukti mampu meningkatkan akurasi model klastering, yang pada akhirnya membantu perusahaan mengoptimalkan program dan layanan untuk meminimalkan churn serta mempertahankan pelanggan.
Kata kunci: data-Centric AI; klasterisasi; K-means
Abstract:Abstract: By leveraging digital technology, Laporkitong enhances transparency and accountability, as well as facilitates public participation in the oversight and enforcement processes related to land use and natural resource…
ource management. The Laporkitong website functions as an online reporting application aimed at documenting instances of spatial planning violations in the West Papua Province. The lack of public knowledge about the Laporkitong application has led to numerous issues. Therefore, an analysis of the adoption of the Laporkitong application is necessary. This study aims to investigate the influence of Perceived Quality, Perceived Control, and Perceived Ease of Use factors as determinants of the residents' willingness to use the Laporkitong application, employing the Technology Acceptance Model (TAM) and DeLone and McLean IS Success (IS D&M) theories. As many as 160 valid respondents are gathered based purposive sampling technique and evaluated using Partial Least Square Structural Equation Modeling (PLS-SEM). The results inform that all seven hypotheses are accepted with the R-square of the intention to use is 0.273 indicationg 27.3% variance of the model can determine the outcome. Further discussion and conclusion regarding the implication of theoretical and practical contribution are also discussed.
Keywords: laporkitong; perceived control; perceived ease of use; perceived quality; technology acceptance model
Abstrak: Dengan memanfaatkan teknologi digital, Laporkitong meningkatkan transparansi dan akuntabilitas, serta memfasilitasi partisipasi publik dalam proses pengawasan dan penegakan terkait penggunaan lahan dan pengelolaan sumber daya alam. Website Laporkitong berfungsi sebagai aplikasi pelaporan online yang bertujuan untuk mendokumentasikan pelanggaran perencanaan tata ruang di Provinsi Papua Barat. Minimnya pengetahuan masyarakat terhadap aplikasi Laporkitong menyebabkan banyak permasalahan. Maka dari itu perlu dilakukan analisis mengenai adopsi pada aplikasi Laporkitong. Penelitian ini bertujuan untuk menyelidiki pengaruh faktor Kualitas yang Dirasakan, Kendali yang Dirasakan, dan Kemudahan Penggunaan yang Dirasakan sebagai penentu keinginan penduduk untuk menggunakan aplikasi Laporkitong, dengan menggunakan Model Penerimaan Teknologi (TAM) dan teori Kesuksesan Sistem Informasi (IS D&M) DeLone dan McLean. Sebanyak 160 responden valid dikumpulkan berdasarkan teknik purposive sampling dan dievaluasi menggunakan Partial Least Square Structural Equation Modeling (PLS-SEM). Hasilnya menunjukkan bahwa semua tujuh hipotesis diterima dengan R-square niat untuk menggunakan adalah 0,273, menunjukkan bahwa 27,3% variasi model dapat menentukan hasilnya. Diskusi lebih lanjut dan kesimpulan mengenai implikasi kontribusi teoritis dan praktis juga dibahas.
Kata kunci: laporkitong; pengendalian yang dirasakan; kemudahan penggunaan yang dirasakan; kualitas yang dirasakan; model penerimaan teknologi
Abstract:Abstract: The widespread use of information and communication technology (ICT) has enhanced effectiveness and quality in management, research, and education at educational institutions. In this digital age, secondary schools…
ools are required to improve operational efficiency and educational strategies through the use of information technology. Therefore, the implementation of an enterprise architecture (EA) framework is crucial to ensure a strategic alignment between educational goals and technology. However, before implementing the framework, schools must evaluate various factors that influence the suitability and effectiveness of EA, including current technology needs, staff competencies, existing infrastructure conditions, and other factors. This study gathers and analyzes data from related studies, and the results indicate the importance of understanding EA principles to optimize academic and administrative processes. By considering variables in the selection of the EA framework, evaluating school readiness, and identifying existing challenges, this research aims to assist secondary schools in effectively implementing EA. The expected outcome of this research provides theoretical support for the adoption of EA, thus facilitating more efficient strategic and operational planning in secondary schools.
Keywords: enterprise architecture; framework; information and communication technology; secondary school.
Abstrak: Penggunaan teknologi informasi dan komunikasi (TIK) secara luas telah meningkatkan efektivitas dan kualitas dalam manajemen, penelitian, dan pendidikan di institusi pendidikan. Di era digital ini, sekolah menengah dituntut untuk meningkatkan efisiensi operasional dan strategi pendidikan melalui pemanfaatan teknologi informasi. Oleh karena itu, penerapan framework arsitektur enterprise (EA) menjadi penting untuk memastikan aliansi strategis antara tujuan pendidikan dan teknologi. Namun, sebelum penerapan framework dilakukan, sekolah harus mengevaluasi berbagai faktor yang mempengaruhi kesesuaian dan efektivitas EA, termasuk kebutuhan teknologi terkini, kompetensi staf, kondisi infrastruktur yang ada, dan faktor lainnya. Penelitian ini mengumpulkan dan menganalisis data dari studi terkait, hasilnya menunjukkan bahwa pentingnya pemahaman tentang prinsip-prinsip EA untuk mengoptimalkan proses akademik dan administratif. Dengan mempertimbangkan variabel-variabel dalam pemilihan framework EA, evaluasi kesiapan sekolah, dan identifikasi tantangan yang ada, penelitian ini bertujuan untuk membantu sekolah menengah dalam mengimplementasikan EA secara efektif. Diharapkan hasil dari penelitian ini memberikan kontribusi teoretis yang mendukung pengadopsian EA, sehingga memfasilitasi perencanaan strategis dan operasional yang lebih efisien di sekolah menengah.
Kata kunci:arsitektur enterprise; framework; sekolah menengah; teknologi informasi dan komunikasi.
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: This research aims to design a system that can assist the final assignment development process by focusing on resolving frequently encountered obstacles, such as clarity of research title status, guidance process,…
ss, and research schedule. The development method used is the Scrum method approach with a small scale and team. During the development process, an analysis of each sprint is carried out from preparation to the development process. The results of development using the Scrum method show that each feature was completed within 8 hours per day, with each sprint completed in a week. The total time required to complete all sprints designed on the BITA Information System is 128 hours. The application of the Scrum method provides results that enable rapid identification of changes during the development process, as well as optimizing the process of submitting and validating titles, determining supervisors, evaluating guidance, and scheduling exams. Thus, this research provides an effective solution in increasing the efficiency and effectiveness of the final assignment coaching process for students in completing their studies.
Keywords: information system; optimal efficiency; scrum method; SI BITA; thesis guidance.
Abstrak: Penelitian ini bertujuan untuk merancang sistem yang dapat membantu proses pembinaan tugas akhir dengan fokus pada penyelesaian kendala yang sering dihadapi, seperti kejelasan status judul penelitian, proses bimbingan, dan jadwal penelitian. Metode pengembangan yang digunakan adalah pendekatan metode Scrum dengan skala dan tim kecil. Selama proses pengembangan, dilakukan analisis terhadap setiap sprint yang dihasilkan dari persiapan hingga proses pengembangan. Hasil pengembangan menggunakan metode Scrum menunjukkan bahwa setiap fitur diselesaikan dalam jangka waktu 8 jam per hari, dengan setiap sprint selesai dalam seminggu. Total waktu yang dibutuhkan untuk menyelesaikan semua sprint yang dirancang pada Sistem Informasi BITA adalah 128 jam. Penerapan metode Scrum memberikan hasil yang memungkinkan identifikasi cepat terhadap perubahan selama proses pengembangan, serta mengoptimalkan proses pengajuan dan validasi judul, penentuan pembimbing, evaluasi bimbingan, dan penjadwalan ujian. Dengan demikian, penelitian ini menyediakan solusi yang efektif dalam meningkatkan efisiensi dan efektivitas proses pembinaan tugas akhir bagi mahasiswa dalam menyelesaikan studi mereka.
Kata kunci: sistem informasi; efisiensi optimal; metode scrum; SI BITA; bimbingan skripsi
Abstract:Abstract: As a supermarket, we are committed to always improving everything, including selecting the greatest goods. To evaluate which items are more superior or popular and which are less popular, you will want a sizable…
e amount of information sources. To select products and identify those that belong in the superior product cluster, researchers employed the clustering method. The clustering strategy uses two forms of cluster analysis, k-means and k-medoids, which have related techniques. The research results show that the k-means algorithm's Davies Bouldin value is -0.430, whereas the k-medoids algorithm's Davies Bouldin value is -1.392. This suggests that the Davies Bouldin value of the k-medoids approach is the lowest, showing that the grouping findings of the k-means method are a better method to apply to the issue of choosing better products.
Keywords : k-means; k-medoids; clustering; algorithm; data mining
Abstract: Sebagai toko sembako, toko yuli berkomitmen untuk selalu meningkatkan segalanya, termasuk memilih barang terbaik. Untuk mengevaluasi item mana yang lebih unggul atau populer dan mana yang kurang populer, Anda memerlukan sumber informasi yang cukup banyak. Untuk memilih produk dan mengidentifikasi produk yang termasuk dalam cluster produk unggulan, peneliti menggunakan metode clustering. Strategi clustering menggunakan dua bentuk analisis cluster, k-means dan k-medoids, yang memiliki teknik terkait. Hasil penelitian menunjukkan nilai Davies Bouldin pada algoritma k-means sebesar -0,430, sedangkan nilai Davies Bouldin pada algoritma k-medoids sebesar -1,392. Hal ini menunjukkan bahwa nilai Davies Bouldin pada pendekatan k-medoids paling rendah, menunjukkan bahwa temuan pengelompokan metode k-means merupakan metode yang lebih baik untuk diterapkan pada permasalahan pemilihan produk yang lebih baik.
Keywords: k-means; k-medoids; clustering; algoritma; data mining