<![CDATA[Pengguna yang berada di wilayah baru atau kawasan padat tempat makan sering kesulitan menemukan pilihan yang efisien karena tidak adanya pengelompokan spasial yang jelas dan rute yang optimal. Penelitian ini membangun sebuah website pencarian lokasi tempat makan terdekat yang mengintegrasikan algoritma K-Means Clustering dan Dijkstra. K-Means digunakan untuk mengelompokkan 114 data restoran di Kota Palangka Raya berdasarkan kedekatan geografis dan rating, sedangkan Dijkstra menghitung rute terpendek berbasis graf jaringan jalan dari posisi pengguna menuju restoran. Evaluasi kualitas cluster menggunakan Silhouette Coefficient dan Metode Elbow menentukan K=8 sebagai jumlah cluster optimal dengan nilai Silhouette 0,812. Akurasi rute diukur melalui Mean Absolute Percentage Error (MAPE) dengan membandingkan jarak Dijkstra terhadap Google Maps pada 20 titik uji. Hasil menunjukkan MAPE sebesar 9,61% dengan korelasi Pearson 0,95, mengindikasikan akurasi yang baik. Pengujian blackbox terhadap seluruh fitur sistem menunjukkan hasil 100% berhasil. Sistem ini membuktikan bahwa integrasi clustering spasial dan perutean terpendek mampu menghadirkan rekomendasi tempat makan yang relevan, efisien, dan berbasis lokasi nyata.]]>
Copyrights © 2026
