Evaluasi Kinerja Clustering K-Means Menggunakan Elbow Method dan Silhouette Coefficient pada Data Penimbangan Sampah
DOI:
https://doi.org/10.31599/c2b7cb58Keywords:
Clustering, CRISP-DM, K-Means, Silhouette Coefficient, Waste BankAbstract
Bank Sampah Perumahan Sapta Pesona RW 08 Bekasi City has waste weighing data that is still limited to administrative records and has not been optimally used to identify waste characteristic patterns. This study aims to Cluster waste data based on quantity/tonnage and unit price using the K-Means algorithm. The research method used Cross Industry Standard Process for Data Mining (CRISP-DM). The dataset consisted of 810 waste weighing records from January 2024 to December 2025 with item type, quantity/tonnage, and unit price attributes. The number of Clusters was determined using the Elbow Method based on the Sum of Squared Error (SSE), while the Clustering results were evaluated using the Silhouette Coefficient. The results show that the data were grouped into three Clusters with a Silhouette Coefficient value of 0.7844, indicating a strong Cluster structure. Cluster 0 represents waste with low to moderate tonnage and unit price, Cluster 1 represents waste with low tonnage and high unit price, while Cluster 2 represents waste with high tonnage and low to moderate unit price. These results help managers understand waste data characteristics more systematically
Downloads
References
Amri, M. A., Fajrin Bakri, M., Akram, A., Risal, N., & Surianto, D. F. (2025). Mini-Batch K-Means Clustering Untuk Pengelompokan Kemandirian Daerah Di Sulawesi Selatan. JIP (Jurnal Informatika Polinema), 11, 235.
Dhewayani, F. N., Amelia, D., Alifah, D. N., Sari, B. N., & Jajuli, M. (2022). Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM. Jurnal Teknologi Dan Informasi, 12(1), 64–77. https://doi.org/10.34010/jati.v12i1.6674
Farida, J. I., & Lubis, A. H. (2025). Grouping Of Tourism Locations In Indonesia Using Distance Variations In The K-Means Algorithm. Jite, 8(3), 42–50. https://doi.org/DOI : 10.31289/jite.v8i3Spc.14528
Handayani, F. (2022). Aplikasi Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokan Mahasiswa Berdasarkan Gaya Belajar. Jurnal Teknologi Dan Informasi, 12(1), 46–63. https://doi.org/10.34010/jati.v12i1.6733
Safitri, N., Myrna, R., & Ismanto, S. U. (2022). Partisipasi masyarakat dalam pengelolaan bank sampah di Kecamatan Jatiasih Kota Bekasi. JANE (Jurnal Administrasi Negara), 14(1), 304–314.
Kurniawan, A., & Fuaddah, A. (2024). Memberdayakan Rumah Tangga untuk Pengelolaan Sampah Berkelanjutan: Studi Kesadaran Masyarakat di Kota Semarang. Journal of Urban Sociology, 1(2), 112. https://doi.org/10.30742/jus.v1i2.3494
Nabila, M. S., Herlawati, H., & Hidayat, A. (2025). Pendeteksian dan Klasifikasi Sampah pada Bank Sampah Berbasis Web Menggunakan YOLOv11. Journal of Students‘ Research in Computer Science, 6(1), 99–112. https://doi.org/10.31599/r5me0z35
Nugraha, R., Suarna, N., Ali, I., & Rohman, D. (2025). Optimasi Pengelolaan Sampah Melalui Model Pengelompokan Dengan Algoritma K-Means. Jurnal Teknik Informatika dan Teknik Elektro Terapan, 13(1), 646–652. https://doi.org/http://dx.doi.org/10.23960/jitet.v13i1.5694 OPTIMASI
Retno, D. P., Putri, H. E., Putri, V. N., Rabbani, A., Angelica, A. M., & Nafi'ah, B. A. (2025). Partisipasi Mahasiswa dalam Sinergi Pemerintah dan Masyarakat untuk Pengelolaan Sampah melalui Bank Sampah di Kelurahan Kenjeran. Pema, 5(3), 36–45. https://doi.org/10.56832/pema.v5i3.1552
Rusvinasari, D., & Annisa, L. H. (2025). Klasterisasi Pola Penjualan Menu Makanan pada Rumah Makan menggunakan Metode K-Means Clustering. Jurnal Informatika: Jurnal Pengembangan IT, 10(2), 398–409. https://doi.org/10.30591/jpit.v10i2.8511
Salsabila, F., Ridwan, T., Karawang, U. S., & Timur, T. (2024). Analisa Volume Penyebaran Sampah Di Karawang Menggunakan Algoritma K-Means. Jurnal Teknik Informatika dan Teknik Elektro Terapan, 12(2). https://doi.org/http://dx.doi.org/10.23960/jitet.v12i2.4226
Shodikin, M., & Taniasari, N. (2025). MALCOM: Indonesian Journal of Machine Learning and Computer Science Comparative Analysis of DBSCAN and K-Means Algorithms in Inpatient Patient Segmentation Using the RFMT Model Approach Analisis Komparasi Algoritma DBSCAN dan K-Means dalam Pemetaan Segmen. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5, 1231–1241.
Toto, T. A. (2025). Perbandingan Algoritma K-Means Dan Agglomerative Hierarchical Clustering Untuk Pengelompokan Daerah Penghasil Padi Di Indonesia. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3). https://doi.org/10.23960/jitet.v13i3.7251
Yolandari, N. A., Butarbutar, L. E., Rajagukguk, G. C. H., Zulfi, M. F., & Arnita, F. R. (2025). Analisis Perbandingan K-Means Dan Dbscan Dalam Pengelompokan Data Travel Review Ratings Menggunakan Evaluasi Silhouette Index Dan Davies-Bouldin Index. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3). https://doi.org/10.23960/jitet.v13i3.6884
Yudhistira, A., & Andika, R. (2023). Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering. Jurnal Aplikasi Informatika dan Teknologi Informasi, 1(1), 20–28. https://doi.org/https://doi.org/10.58602/jaiti.v1i1.22
_-_Copy1.jpg)
