PENERAPAN METODE K-MEANS DALAM KLASTERISASI KECEPATAN PROSES PENGERJAAN SERTIFIKAT LAIK OPERASI PADA PT. JASA KELISTRIKAN INDONESIA

Feirdy, Muhammad Luthfi Arsyad and Asri, Yessy and Azizah, Rosalia Nur (2022) PENERAPAN METODE K-MEANS DALAM KLASTERISASI KECEPATAN PROSES PENGERJAAN SERTIFIKAT LAIK OPERASI PADA PT. JASA KELISTRIKAN INDONESIA. Diploma thesis, IT PLN.

[thumbnail of 201831180_M Luthfi Arsyad Feirdy_SKRIPSI FINAL (1).pdf] Text
201831180_M Luthfi Arsyad Feirdy_SKRIPSI FINAL (1).pdf
Restricted to Registered users only

Download (5MB)

Abstract

The purpose of this research is to produce a visualization of the speed at which the Sertifikat Laik Operasi (SLO) at PT. Jasa Kelistrikan Indonesia based on power by using K-Means Clustering as the grouping method and using the Elbow method to determine the optimum number of clusters that can be generated from the data obtained, which totals 51535 data. The results of the application of the K-Means clustering method are formed three optimum clusters based on the elbow method used on data with iterations carried out two to three times which can represent each type of work, namely data with high power fast processing, data with low power fast processing and data with low power slow processing

Tujuan dari penelitian ini adalah untuk menghasilkan visualisasi kecepatan pengerjaan Sertifikat Laik Operasi (SLO) pada PT. Jasa Kelistrikan Indonesia berdasarkan pada daya dengan menggunakan K-Means Clustering sebagai metode
pengelompokannya dan menggunakan Elbow method untuk penentuan jumlah cluster optimum yang dapat dihasilkan dari data yang didapatkan yang berjumlah total yaitu 51535 data. Adapun hasil dari penerapan metode K-Means clustering adalah terbentuk tiga buah cluster optimum berdasarkan elbow method yang digunakan pada data dengan literasi yang dilakukan sebanyak dua sampai tiga kali yang dapat mewakili setiap tipe dari pengerjaan, yaitu data dengan daya tinggi pengerjaan cepat, data dengan daya rendah pengerjaan cepat dan data dengan daya rendah pengerjaan lamba

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Clustering, CRISP-DM, Data Mining, Elbow Method, K-Means
Subjects: Skripsi
Bidang Keilmuan > Teknik Informatika
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: Sutrisno
Date Deposited: 16 Oct 2025 06:24
Last Modified: 16 Oct 2025 06:24
URI: https://repository.itpln.ac.id/id/eprint/2425

Actions (login required)

View Item
View Item