KLASTERISASI DATA JAMAAH UMROH PADA AULIYA TOUR & TRAVEL MENGGUNAKAN METODE K-MEANS CLUSTERING

Muhammad Iqbal

Abstract


Abstract: Religious tourism especeeially for Hajj and Umroh is increasingly in demand by the public. Auliya Tour & Travel, which is engaged in the travel agency, has diverse pilgrimage data so that the data collection is used to find new knowledge as a marketing strategy using Data Mining techniques. Data Mining is one of the KDD processes that has the function for grouping. K-Means Clustering is a data mining technique that aims to group data into a data subset. The grouping of data on Umroh pilgrims is conducted to find out the interest groups of pilgrims based on age. This study categorizes pilgrim data into three clusters, which are very popular, in high demand and less desirable. Attributes used in processing data include gender, age, and congregation package. Before the data calculation process is carried out, the data transformation process is carried out before data calculation process. Based on data calculations that have been done through the RapidMiner software, the members of the group were very interested, ranging in age from 56 to 83 years, interested groups ranging in age from 29 to 55 years and the group was less interested with an age range 2 to 22 years from 170 records.

 

Keywords: Clustering, Data Mining, K-Means, RapidMiner, Umroh.

           

 

 

Abstrak: Perjalanan wisata religi khususnya untuk ibadah haji dan umroh semakin diminati masyarakat. Auliya Tour & Travel yang bergerak pada bidang biro perjalanan memiliki data jamaah yang beragam sehingga kumpulan data tersebut dimanfaatkan untuk menemukan pengetahuan yang baru sebagai strategi pemasaran dengan menggunakan teknik Data Mining. Data Mining merupakan salah satu proses dari KDD yang fungsi salah satunya untuk pengelompokan. K-Means Clustering merupakan salah satu teknik Data Mining yang bertujuan untuk mengelompokkan data ke dalam subset data. Pengelompokan data jamaah umroh dilakukan bertujuan untuk mengetahui kelompok minat jamaah berdasarkan usia. Penelitian ini mengelompokkan data jamaah menjadi tiga cluster yaitu sangat diminati, diminati dan kurang diminati. Atribut yang digunakan dalam pengolahan data meliputi jenis kelamin, usia, dan paket jamaah. Sebelum proses perhitungan data dilakukan terlebih dahulu dilakukan proses transformasi data. Berdasarkan perhitungan data yang telah dilakukan melalui software RapidMiner diperoleh anggota kelompok sangat diminati dari rentang usia mulai 56 sampai 83 tahun, kelompok diminati dengan rentang usia mulai 29 sampai 55 tahun dan kelompok kurang diminati mulai usia 2 sampai 22 tahun dari 170 record.

 

Kata Kunci: Clustering, Data Mining, K-Means, RapidMiner, Umroh

Full Text:

PDF

References


Kurniawansyah, A. S. (2018) ‘Implementasi Metode Artificial Neural Network dalam Memprediksi Hasil Ujian Kompetensi Kebidanan (Studi Kasus: Akademi Kebidanan Dehasen Bengkulu’, Jurnal Pseudocode, 5(1), Februari 2018, pp. 37-44.

Musharyadi, F. (2017) ‘Tingkat Pemahaman Mahasiswa Terhadap Norma Norma Agama Islam Menggunakan Algoritma K-Means Clustering’, Menara Ilmu 11(78), November 2017, pp. 48-54.

Nuryaman, Y., Asistyasari, A. dan Yudha, A. (2018) ‘Komparasi Algoritma K-Mean dan AHC untuk klasifikasi curah hujan di Indonesia’, Ikraith-Informatika, 2(2), Juli 2018, pp. 70-75.

Aranda, J. dan Natasya, W. A. G (2016) ‘Penerapan Metode K-Means Cluster Analysis Pada Sistem Pendukung Keputusan Pemilihan Konsentrasi Untuk Mahasiswa International Class STMIK AMIKOM Yogyakarta’, Seminar Nasional Teknologi Informasi dan Multimedia 2016, (January 2018), pp. 6–7.

Mardalius, Mardalius. "Pemanfaatan Rapid Miner Studio 8.2 Untuk Pengelompokan Data Penjualan Aksesoris Menggunakan Algoritma K-Means. " JURTEKSI 4.2 (2018): 123-132.

Sibuea, Mustika Larasati, and Andy Safta. "Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring ." JURTEKSI 4.1 (2017): 85-92




DOI: https://doi.org/10.33330/jurteksi.v5i2.352

Article Metrics

Abstract view : 529 times
PDF - 461 times

Refbacks

  • There are currently no refbacks.