PENENTUAN PENGELOMPOKAN LOKASI PARKIR MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus pada Dinas Perhubungan, Komunikasi, dan Informatika Kabupaten Sleman, Daerah Istimewa Yogyakarta)

Sanusi, Irfan (2018) PENENTUAN PENGELOMPOKAN LOKASI PARKIR MENGGUNAKAN METODE K-MEANS CLUSTERING (Studi Kasus pada Dinas Perhubungan, Komunikasi, dan Informatika Kabupaten Sleman, Daerah Istimewa Yogyakarta). Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

Preview	Text Cover.pdf Download (136kB) | Preview
Preview	Text Lembar Pengesahan.pdf Download (212kB) | Preview
Preview	Text Daftar Isi.pdf Download (163kB) | Preview
Preview	Text Abstrak.pdf Download (16kB) | Preview

Abstract

Dinas Perhubungan Komunikasi dan Informatika Kabupaten Sleman merupakan badan pemerintah daerah yang menangani masalah retribusi perparkiran di wilayah Kabupaten Sleman. Besarnya penentuan retribusi parkir dari Dishub Kominfo kepada pengelola parkir masih menggunakan asas kekeluargaan, dimana kedua belah pihak masih berunding untuk mencapai kata sepakat. Permasalahan yang terjadi dalam pengelolaan parkir adalah sering terjadinya tunggakan pembayaran oleh pengelola parkir yang disebabkan tidak menentunya jumlah kendaraan yang parkir setiap bulannya. Penelitian ini mengelompokkan lokasi parkir berdasarkan kriteria jumlah kendaraan setiap bulan, luas lahan parkir, dan jumlah jam beroperasi parkir dalam satu hari. Penelitian diawali dengan pengamatan pada lokasi-lokasi parkir yang ada di Jl. Affandi, Gejayan. Hasil pengamatan kemudian dilakukan pengklasteran menggunakaan algoritma K-Means untuk mengetahui pengelompokan lokasi-lokasi parkir. Pengelompokan juga dilakukan menggunakan software SPSS untuk membandingkan hasilnya dengan algoritma K-Means. Berdasarkan hasil pengolahan data dan analisis hasil, pengelompokan dengan algoritma K-Means menghasilkan 1 lokasi termasuk cluster ke-1, 10 lokasi termasuk cluster ke-2, dan 19 lokasi termasuk cluster ke-3. Algoritma K-Means dapat melakukan pengelompokan dalam jumlah yang banyak, akan tetapi belum efisien dalam mengelompokkan suatu data secara tepat. Kata kunci: Parkir, retribusi parkir, K-Means clustering

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Chemistry
Depositing User:	Sarimin Sarimin
Date Deposited:	25 Sep 2018 02:21
Last Modified:	25 Sep 2018 02:21
URI:	http://eprints.upnyk.ac.id/id/eprint/16579

Actions (login required)

View Item