This Author published in this journals
All Journal Teknika
Yeni Kustiyahningsih
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Madura, Jawa Timur

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengelompokan UMKM Batik Madura Menggunakan Metode K-Means dan Sillhoutte Coefficient Yeni Kustiyahningsih; Achmad Khozaimi; Jaka Purnama
Teknika Vol 13 No 2 (2024): Juli 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i2.779

Abstract

UMKM merupakan salah satu sektor pendukung perekonomian di Indonesia. UMKM Batik Madura memberikan kontribusi yang cukup tinggi terhadap penyerapan tanaga kerja dan peningkatan ekonomi masyarakat daerah. Hal ini terbukti pada penyerapan tenaga kerja UMKM di Kabupaten Bangkalan Madura sebesar 210.003 dan Sampang sebesar 264.569. Permasalahan penelitian ini berkaitan dengan banyaknya UMKM Madura, sehingga menyulitkan Dinas Koperasi dalam menjalankan kebijakan pemerintah dalam memberikan pelatihan, bantuan pengembangan UMKM dan pendampingan. Tujuan penelitian adalah mengelompokan UMKM Batik Madura menjadi beberapa kluster menggunakan metode K-Means dan Sillhoutte Coefficient. Metode K-Means dapat melakukan pengelompokan berdasarkan data yang sama atau mempunyai similarity yang tinggi. Data UMKM akan dilakukan preprosesing terlebih dahulu untuk mengatasi data yang kosong dan normalisasi. Metode Sillhoutte Coefficient (SC) digunakan untuk menentukan jumlah kluster yang paling optimal. Pengelompokan UMKM Batik ini berdasarkan perpektif balance scorecard yaitu bisnis internal, keuangan, learning and growth dan pelanggan. Hasil cluster yang paling optimal adalah K=3. Nilai SC adalah sebesar 0,275, dengan 9 fitur dan SC = 0,403 dengan 5 fitur, artinya dengan metode seleksi fitur information gain terjadi peningkatan snilai SC sebesar 0,128. Prosentase hasil pengelompokan adalah cluster 1 sebesar 15 %, cluster 2: 25 % dan cluster 3 : 60 %. Kategori pemetaan cluster 1 adalah sangat baik, cluster 2 baik dan cluster 3 sedang.