Analisis UMKM Bidang Kerajinan dan Fashion di Kota Yogyakarta Menggunakan Metode K-Medoids

Lisna Zahrotun, Andikha Arif Eka Putra, Utaminingsih Linarti, Dwi Normawati, Ika Arfiani

Abstract


Dinas Koperasi dan Usaha Kecil Menengah merupakan badan milik pemerintah yang berperan menangani Usaha Mikro, Kecil, dan Menengah (UMKM). Jumlah UMKM yang terus meningkat namun perkembangannya tidak seimbang menjadikan satu masalah tersendiri, dan diperlukan pengelompokan UMKM sebagai rekomendasi kepada Dinas Koperasi dan Usaha Kecil Menengah untuk memberikan bantuan dan program yang sesuai terhadap masing-masing UMKM. Tahapan penelitian dimulai dengan pemuatan dataset sejumlah 145 data kerajinan dan 196 data fashion, kemudian dilakukan pembersihan data atau cleaning, data selection, transformasi data, dan yang terakhir masuk ke algoritma k-medoids untuk menghasilkan cluster. Selanjutnya, silhouette coefficient digunakan untuk menguji kualitas cluster pada penelitian ini menghasilkan dua klaster pada masing-masing bidang dengan skor 0.614 (kerajinan) dan 0.502 (fashion), yang menunjukkan struktur pola sedang. Rekomendasi difokuskan pada peningkatan layanan untuk UMKM beromzet kurang dari 10 juta per tahun, tanpa modal bantuan, dan tanpa pinjaman.


Keywords


K-Medoids; Silhouette Coefficient; UMKM; Kerajinan; Fashion

Full Text:

PDF

References


Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. Morgan Kaufmann.

Hidayat, R., Kusumawardhani, D., & Nugroho, B. (2021). Segmentasi UMKM menggunakan metode k-means clustering. Jurnal Informatika, 10(2), 123-134.

Kaufman, L., & Rousseeuw, P. J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley.

Kementerian Koperasi dan UKM. (2023). Laporan Tahunan UMKM Nasional. Jakarta: KemenkopUKM.

Yulianto, A., Prasetyo, T., & Wijayanti, R. (2022). Penerapan hierarchical clustering untuk pengelompokan UMKM di Indonesia. Jurnal Ekonomi Kreatif, 7(3), 45-58.

H. Kurnia, L. Zahrotun, and U. Linarti, “Pengelompokan Mahasiswa Berdasarkan Data Akademik Sebelum Kuliah dan Masa Studi Menggunakan K-Medoids,” vol. 5, no. 2, 2021, doi: 10.30743/infotekjar.v5i2.3243.

D. Ayu, I. C. Dewi, and K. Pramita, “Analisis Perbandingan Metode Elbow dan Sillhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,” 2019.

A. Jaini, A. Weni Syaputri, T. Qurahman, S. Thaufik Rizaldi, P. H. Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl Soebrantas Km, and P. Pekanbaru Riau, “Perbandingan Algoritma Fuzzy C-Means dan K-Medoids untuk Pengelompokan Data Penjualan pada 212 Mart,” 2020

S. Sindi et al., “ANALISIS ALGORITMA K-MEDOIDS CLUSTERING DALAM PENGELOMPOKAN PENYEBARAN COVID-19 DI INDONESIA,” Jurnal Teknologi Informasi, vol. 4, no. 1, 2020.

A. Ayu, D. Sulistyawati, and M. Sadikin, “SISTEMASI: Jurnal Sistem Informasi Penerapan Algoritma K-Medoids untuk Menentukan Segmentasi Pelanggan.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id

D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 64, 2018.

G. S. Nugraha, Hairani;, and R. F. P. Ardi, “Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means,” J. MATRIK, vol. 17, no. 2, pp. 13–23, 2018. D. Astuti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 60–72, 2019, doi: 10.20895/inista.v1i2.71

R. N. Ibrahim and M. N. Hayati, “Penerapan Algoritma K-Medoids pada Pengelompokan Wilayah Desa atau Kelurahan di Kabupaten Kutai Kartanegara,” J. EKSPONENSIAL, vol. 11, pp. 153–158, 2020.

R. U. B. Barus, I. Gunawan, B. E. Damanik, I. Parlina, and W. Saputra, “Pengelompokan Data Penjualan Mie Berdasarkan Bulan Dengan Menggunakan Algoritma K-Medoids,” J. Ilmu Komput. dan Inform., vol. 1, no. 2, pp. 141–156, 2021, doi: 10.54082/jiki.15.

W. Bagus, A. E. Budianto, and A. S. Wiguna, “Implementasi Metode K-Medoids Clustering untuk Mengetahui Pola Pemilihan Program Studi,” J. Terap. Sains Teknol., vol. 1, no. 3, pp. 54–69, 2019.

T. Tahir, M. Ihsan Said Ahmad, S. Rijal, and M. Hasan, “Perilaku Berwirausaha UMKM Sektor Kuliner dalam Perspektif Literasi Digital,” Proceeding Semin. Nas. Teknol. Pendidik., vol. 1 no 8, pp. 144–154, 2021

Hermawati, F. A. (2013). Data Mining. Retrieved from https://www.merriamwebster.com/dictionary/data mining.

Santoso, H., Hariyadi, I. P., & Prayitno. (2016). Data Mining Analisa Pola Pembelian Produk. Teknik Informatika, (1), 19–24. Retrieved from http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/download/1267/1200

Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making. Business Intelligence: Data Mining and Optimization for Decision Making, 16. https://doi.org/10.1002/9780470753866.




DOI: https://doi.org/10.24114/cess.v10i1.67270

Article Metrics

Abstract view : 3 times
PDF - 5 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot