Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Buffer Informatika

Implementasi Algoritma K-Means Dalam Analisis Distribusi Pangkalan LPG 3kg Di Kota Palembang Salsabila, Shofi; Fathoni; Mutia Sahira; Adella Salsabila; Aulia Najibah Putri; Ali Ibrahim
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada 1 Februari 2025, pemerintah Indonesia menetapkan kebijakan pembatasan distribusi LPG 3 kg yang hanya boleh disalurkan melalui pangkalan resmi. Kebijakan ini bertujuan agar subsidi tepat sasaran, tapi juga menimbulkan kekhawatiran soal akses, terutama di wilayah padat dan pinggiran kota seperti Palembang. Penelitian ini menganalisis dampak kebijakan tersebut terhadap aksesibilitas LPG 3 kg serta mengelompokkan kecamatan berdasarkan kecukupan jumlah pangkalan menggunakan algoritma K-Means. Data yang digunakan meliputi jumlah pangkalan LPG dari MyPertamina dan data penduduk dari BPS periode 2019–2021. Setelah data dibersihkan dan dinormalisasi, dilakukan eksplorasi dan implementasi K-Means untuk mengidentifikasi kecamatan dengan distribusi pangkalan yang kurang, cukup, atau berlebih. Hasil clustering menunjukkan bahwa beberapa kecamatan padat seperti Sukarami memiliki rasio pangkalan yang belum ideal dibandingkan jumlah penduduknya, sehingga perlu perhatian khusus dalam perencanaan distribusi. Penelitian ini menunjukkan bahwa penerapan algoritma machine learning seperti K-Means dapat membantu pengambilan keputusan berbasis data untuk mendukung distribusi subsidi LPG yang lebih merata dan efisien.
Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024 Salsabila, Shofi; Sahira, Mutia; Salsabila, Adella; Najibah Putri, Aulia; Ditha Tania, Ken; Kurnia Sari, Winda
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Performa pembalap Formula 1 tidak hanya ditentukan oleh hasil akhir balapan, tetapi juga oleh konsistensi catatan waktu dan lap tercepat. Penelitian ini menerapkan algoritma K-Means clustering untuk mengelompokkan pembalap berdasarkan performa mereka. Data yang digunakan mencakup hasil balapan resmi musim 2024 yang diterbitkan oleh FIA. Proses pengolahan data mencakup pengumpulan data, preprocessing, analisis eksploratori, penerapan algoritma clustering, serta evaluasi dan interpretasi hasil. Untuk menentukan jumlah cluster yang optimal, digunakan Metode Elbow dan skor Silhouette, yang menghasilkan empat kelompok pembalap dengan karakteristik performa yang berbeda. Hasil analisis menunjukkan bahwa metode ini berhasil mengidentifikasi pola performa yang relevan, memberikan wawasan bagi tim balap dalam menyusun strategi. Evaluasi menggunakan Silhouette Score menunjukkan bahwa segmentasi yang dihasilkan cukup baik dengan nilai sebesar 0.5735.