Komparasi Algoritma K-Means Kluster + Weighted Product Dengan Algoritma K-Means Kluster + Simple Additive Weighting pada Pengelompokan Potensi Wisata Di Indonesia

Muqorobin, Muqorobin
Indriastiningsih, Erna

Jurnal Teknologi Informasi dan Ilmu Komputer
Vol 13 No 2: April 2026

Penelitian ini bertujuan membandingkan efektivitas dua pendekatan hibrida, yaitu K-Means Clustering dengan metode Weighted Product (WP) dan Simple Additive Weighting (SAW), dalam pemetaan potensi wisata di Indonesia pada konteks pasca-pandemi. Data penelitian berasal dari 456 destinasi wisata, dengan 40 data terpilih yang digunakan dalam proses analisis berdasarkan kelengkapan dan konsistensi atribut. Tahapan penelitian meliputi pra-pemrosesan data, klasterisasi menggunakan algoritma K-Means, serta perankingan hasil klaster dengan metode WP dan SAW. Evaluasi kualitas klaster dilakukan menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa kombinasi K-Means + WP menghasilkan nilai Silhouette sebesar 0,62, lebih tinggi dibandingkan K-Means + SAW sebesar 0,59, yang mengindikasikan pemisahan klaster yang lebih baik. Temuan ini menunjukkan bahwa pendekatan multiplikatif pada WP lebih efektif dalam mempertegas perbedaan karakteristik antar klaster, sehingga dapat digunakan sebagai metode pendukung pengambilan keputusan dalam pemetaan potensi wisata pasca-pandemi.   Abstract This study aims to compare the effectiveness of two hybrid approaches, namely K-Means Clustering with the Weighted Product (WP) method and Simple Additive Weighting (SAW), in mapping tourism potential in Indonesia in the post-pandemic context. The research data comes from 456 tourist destinations, with 40 selected data used in the analysis process based on the completeness and consistency of attributes. The research stages include data pre-processing, clustering using the K-Means algorithm, and ranking the cluster results using the WP and SAW methods. Cluster quality evaluation was carried out using the Silhouette Coefficient. The results show that the combination of K-Means + WP produces a Silhouette value of 0.62, higher than K-Means + SAW at 0.59, indicating better cluster separation. These findings indicate that the multiplicative approach in WP is more effective in emphasizing the differences in characteristics between clusters, so it can be used as a decision-support method in mapping post-pandemic tourism potential.