Grouping Data on Koi Breeder Auction Websites Based on Size Using the K-Means Clustering Method

Authors

  • Nanda Fatkhur Rohman Universitas Islam Balitar, Indonesia
  • Indyah Hartami Santi Universitas Islam Balitar, Indonesia
  • Wahyu Dwi Puspitasari Universitas Islam Balitar, Indonesia

DOI:

https://doi.org/10.57235/aurelia.v4i1.3703

Keywords:

Pengelompokan Data, Website Lelang, K-means Clustering

Abstract

Website lelang Breeder Koi adalah salah satu yang mengalami masalah tersebut. Website lelang Breeder Koi merupakan salah satu website lelang ikan koi yang mulai aktif pada 2019. Permasalahan pada website Breeder Koi adalah kesulitan admin yang akan melakukan pemeriksaan data lelang dari ukuran ikan koi tertentu. Hal ini dimaksudkan agar saat proses penampungan di akuarium karantina sementara sebelum dikirim ke pembeli sesuai dengan ukuran ikan koi. Pada proses penampungan ikan sementara Breeder Koi masih melakukan pemilahan secara manual. Masalah tersebut semakin bertambah karena pada bulan November 2023 data lelang mengalami kenaikan. Dengan metode k-means clustering, dapat mengelompokkan data lelang ikan koi pada website Breeder Koi berdasarkan ukuran ikan koi yang di lelang dengan membagi menjadi 4 cluster yang menyesuaikan dengan ukuran akuarium karantina di tempat penampungan Breeder Koi yaitu 4 ukuran untuk ikan koi berukuran kecil, sedang, besar, dan sangat besar. Untuk pengujian pada penelitian ini menggunakan Davies Bouldin Index (DBI) yaitu dengan menghitung jarak kedekatan antar data dalam setiap clusternya. Pada penelitian ini mengelompokkan 245 data lelang dengan centroid (titik pusat) akhir 18.06666667, 30.44262295, 34.87037037, dan 41.69411765 Dengan hasil, cluster 1 (kecil) sebanyak 45 data, cluster 2 (sedang) sebanyak 61 data, cluster 3 (besar) sebanyak 62 data, dan cluster 4 (sangat besar) 77 data. Pengujian Davies Bouldin Index pada penelitian ini mendekati angka 0 dengan nilai sebesar 0.5329667491112356 dimana angka ini sudah termasuk baik terhadap setiap cluster hasil dari proses clustering/pengelompokan data lelang ikan koi yang telah dilakukan. Berdasarkan hasil diatas, pengelompokan data lelang ikan koi menggunakan algoritma k-means clustering bisa dikatakan optimal.

Downloads

Download data is not yet available.

References

Fhadli, M., Tempola, F. (2020). Data Mining Dengan Python Untuk Pemula. (n.d.). (n.p.): SPASI MEDIA.

Gantara, N. P., & Ali, I. (2023). Penerapan Metode K-Means Clustering Pada Penjualan Barang Di Sports Station. E-Link: Jurnal Teknik Elektro dan Informatika, 18(1), 12. doi:10.30587/e-link.v18i1.5339

Hutagalung, D. D., & Aqshal, G. M. (2023). Klasfisikasi Jenis Ikan Koi Menggunakan Ekstraksi Warna HSV dan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS). Jurnal ICT: Information Communication & Technology, 23(2), 379-384

Nalendra, A. K., Fuad, M. N., Mujiono, M., Wahyudi, D., & Utomo, P. B. (2022). Pelatihan Pembuatan Website Profile untuk Peternak Ikan Koi Kota Blitar Berbasis Wordpress. Archive: Jurnal Pengabdian Kepada Masyarakat, 1(2), 8. doi:10.55506/arch.v1i2.38

Pratiwi, Y., & Suwarna, N. (2023). Penerapan Metode K-Means Clustering Pada Populasi Ayam Ras Petelur Berdasarkan Provinsi. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1). doi:10.36040/jati.v7i1.6457

Sianturi, F. A., Hasugian, P. M., Simangunsong, A., & Nadeak, B. (2019). DATA MINING: Teori dan Aplikasi Weka (Vol. 1). IOCS Publisher.

Yuhefizar. (2009). CMM Website Interaktif MCMS Joomla (CMS). (n.d.). (n.p.): Elex Media Komputindo.

Downloads

Published

2024-12-30

Issue

Vol. 4 No. 1 (2025): January 2025

Section

Articles

Citation Check

License

  1. Authors certify that the work reported here has not been published before and contains no materials the publication of which would violate any copyright or other personal or proprietary right of any person or entity.
  2. Authors dont transfer or license the copyright of publishing to AURELIA: Jurnal Penelitian dan Pengabdian Masyarakat Indonesia Research to publish the article in any media format, to share, to disseminate, to index, and to maximize the impact of the article in any databases.
  3. Authors hereby dont agree to transfer a copyright for publishing to AURELIA: Jurnal Penelitian dan Pengabdian Masyarakat Indonesia a Publisher of the manuscript. 
  4. Authors reserve the following: 
    1. all proprietary rights other than copyright such as patent rights; 
    2. the right to use all or part of this article in future works of our own such as in books and lectures;
    3. use for presentation in a meeting or conference and distributing copies to attendees; 
    4. use for internal training by author's company;
    5. distribution to colleagues for their research use;
    6. use in a subsequent compilation of the author's works;
    7. inclusion in a thesis or dissertation;
    8. reuse of portions or extracts from the article in other works (with full acknowledgement of final article);
    9. preparation of derivative works (other than commercial purposes) (with full acknowledgement of final article); and
    10. voluntary posting on open web sites operated by author or author’s institution for scholarly purposes, but it should follow the open access license of Creative Common CC BY-NC License.