Implementasi Algorima K-Means Dalam Pengelompokan Armada Bus Layak Jalan Di Terminal Klaten

Abstract

Kecelakaan moda transportasi darat terutama bus tak jarang berakhir memakan korban jiwa. Permasalahan teknis seperti kondisi kelayakan armada yang kurang memadai hendaknya dapat dicegah dengan melakukan pengujian rutin melalui satuan pelayanan terminal. Namun, apabila pengelolaan data hasil pengujian yang dilakukan oleh pihak satuan pelayanan terminal kurang makasimal, maka dapat berpengaruh pada hasil yang kurang optimal pula, sehingga dibutuhkan suatu metode untuk mengatasi hal tersebut.  K-Means clustering merupakan salah satu metode analisis cluster unsupervised learning yang mengelompokkan objek menjadi satu atau lebih cluster berdasarkan karakteristiknya. Metode ini dipilih untuk mempermudah pengelolaan informasi sehingga diperoleh data perusahaan otobus mana saja memiliki tingkat kepatuhan terhadap kelayakan operasional yang baik dan tidak baik berdasarkan presentase dari hasil pengujian kelayakan armada. Penelitian ini menggunakan data Rampcheck di Terminal Klaten pada periode 1 Januari 2023 – 31 Mei 2024 yang kemudian dianalisis menggunakan perangkat lunak Rapidminer. Hasil pengujian menunjukkan bahwa perusahaan otobus yang telah melakukan uji kelayakan operasional dapat dibagi menjadi 3 cluster, yaitu perusahaan otobus yang memiliki Tingkat kepatuhan terhadap kelayakan operasional tinggi, perusahaan otobus yang memiliki Tingkat kepatuhan terhadap kelayakan operasional sedang dan perusahaan otobus yang memiliki tingkat kepatuhan terhadap kelayakan operasional rendah. Dengan demikian, dapat membantu pihak terminal klaten dalam menyusun strategi baru dan mengambil tindakan hukum yang lebih efisien terhadap perusahaan otobus yang melakukan pelanggaran guna meningkatkan pelayanan dan manjamin keamanan transportasi darat bagi masyarakat.