Data Mining Pengolahan Data Calon Pekerja Migran Indonesia (PMI) dengan Penerapan Metode Klustering K-Means dan Metode Klasifikasi K-Nearest Neighbor (KNN): Studi Kasus PT. SAM

Dedy Dedy; Anis Cherid

doi:10.22441/format.2020.v9.i2.008

Data Mining Pengolahan Data Calon Pekerja Migran Indonesia (PMI) dengan Penerapan Metode Klustering K-Means dan Metode Klasifikasi K-Nearest Neighbor (KNN): Studi Kasus PT. SAM

Authors

Dedy Dedy Universitas Mercu Buana
Anis Cherid Universitas Mercu Buana

DOI:

https://doi.org/10.22441/format.2020.v9.i2.008

Keywords:

Clustering, Classification, CPMI, K-Means, KNN

Abstract

Informasi adalah suatu hal yang sangat penting bagi perusahaan untuk melaksanakan proses bisnisnya secara efektif dan efisien. Informasi dapat diperoleh dari hasil pengolahan data, salah satunya adalah dengan proses Data Mining. Data Mining dapat menggali dan mengolah data menjadi suatu informasi yang sangat penting dan berguna yang mungkin belum diketahui sebelumnya. Clustering menganalisis objek data dimana label kelas tidak diketahui dan dapat digunakan untuk menentukan label kelas tidak diketahui dengan cara mengelompokkan data untuk membentuk kelas baru. Klasifikasi adalah proses menemukan model (fungsi) yang menjelaskan dan membedakan kelas-kelas atau konsep, dengan tujuan agar model yang diperoleh dapat digunakan untuk memprediksikan kelas atau objek yang memiliki label kelas tidak diketahui. Metode clustering diterapkan dalam penelitian ini untuk menghasilkan kelompok (kluster) data yang dapat menggambarkan pola kemiripan karakteristik data atribut penilaian kualitatif penentu dan data atribut lamanya waktu Calon Pekerja Migran Indonesia (CPMI) tersebut dari perekrutan sampai dengan berangkat ke luar negeri untuk bekerja (perhitungan waktu dari tanggal masuk Balai Latihan Kerja (BLK) dan tanggal keberangkatan). Sedangkan Metode klasifikasi KNN diterapkan untuk mengolah dataset hasil pengolahan K-Means sebelumnya dengan tujuan untuk menghasilkan pola klasifikasi data dalam memprediksi klasifikasi nilai atribut data pendukung CPMI baru.

Downloads

Download data is not yet available.

References

Winda Aprianti & Jaka Permadi (2018). K-Means Clustering Untuk Data Kecelakaan Lalu Lintas Jalan Raya Di Kecamatan Pelaihari. Jurnal: Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 5(5), 613-620.

Siti Monalisa (2018). Klasterisasi Customer Lifetime Value Dengan Model LRFM Menggunakan Algoritma K-Means. Jurnal: Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 5(2), 247-252.

Indivar Shaik, Swapna Suhasini Nittela, Trayabak Hiwarkar & Srinivas Nalla (2019). K-means Clustering Algorithm Based on E-Commerce Big Data. Jurnal: International Journal of Innovative Technology and Exploring Engineering (IJITEE), 8(11), September 2019.

Xianglong Luo, Danyang Li, Yu Yang, and Shengrui Zhang (2019). Spatiotemporal Traffic Flow Prediction with KNN and LSTM. Jurnal: Journal of Advanced Transportation, Volume 2019, Article ID 4145353, 10 pages.

Zhuo Chen, Lan Jiang Zhou, Xuan Da Li, Jia Nan Zhang, and Wen Jie Huo (2019). The Lao Text Classification Method Based on KNN. Jurnal: 3rd International Conference on Mechatronics and Intelligent Robotics (ICMIR-2019).

Ida Farida dan Spits Warnars Harco Leslie Hendric (2019). Prediksi Pola Kelulusan Mahasiswa Menggunakan Teknik Data Mining Classification Emerging Pattern. Jurnal: Jurnal Petir Vol. 12, No. 1, Maret 2019, P-ISSN 1978-9262, E-ISSN 2655-5018.

Pangestu, Daniel Harry (2019) Penerapan Data Mining Untuk Klasifikasi Penjurusan Sekolah Menengah Atas Pada Sman 5 Kota Jambi Dengan Menggunakan Algoritma Naãive Bayes Classifier. Skripsi Thesis, STIKOM Dinamika Bangsa Jambi.

Diky Firdaus (2017). Penggunaan Data Mining dalam Kegiatan Sistem Pembelajaran Berbantuan Komputer. Jurnal: Jurnal Format Volume 6 Nomor 2 Tahun 2017 :: ISSN : 2089 -5615.

Downloads

Published

2021-01-27

How to Cite

[1]

D. Dedy and A. Cherid, “Data Mining Pengolahan Data Calon Pekerja Migran Indonesia (PMI) dengan Penerapan Metode Klustering K-Means dan Metode Klasifikasi K-Nearest Neighbor (KNN): Studi Kasus PT. SAM”, FORMAT, vol. 9, no. 2, pp. 166–182, Jan. 2021.

Download Citation

Issue

Vol. 9 No. 2 (2020)

Section

Articles

License

The copyright to this article is transferred to Universitas Mercu Buana (UMB) if and when the article is accepted for publication. The undersigned hereby transfers any and all rights in and to the paper including without limitation all copyrights to UMB. The undersigned hereby represents and warrants that the paper is original and that he/she is the author of the paper, except for material that is clearly identified as to its original source, with permission notices from the copyright owners where required. The undersigned represents that he/she has the power and authority to make and execute this assignment.

We declare that this paper has not been published in the same form elsewhere.

Furthermore, I/We hereby transfer the unlimited rights of publication of the above-mentioned paper as a whole to UMB. The copyright transfer covers the right to reproduce and distribute the article, including reprints, translations, photographic reproductions, microform, electronic form (offline, online) or any other reproductions of similar nature.

The corresponding author signs for and accepts responsibility for releasing this material on behalf of any and all co-authors. This agreement is to be signed by at least one of the authors who have obtained the assent of the co-author(s) where applicable. After submission of this agreement signed by the corresponding author, changes of authorship or in the order of the authors listed will not be accepted.

Retained Rights/Terms and Conditions

Although authors are permitted to re-use all or portions of the Work in other works, this does not include granting third-party requests for reprinting, republishing, or other types of re-use.

Our Articles are licensed under CC BY-NC

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.