<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="17719">
<titleInfo>
<title>IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN NILAI PAGU RUP PADA DATA PERENCANAAN E-PROCUREMENT DI KOMINFO KABUPATEN GUNUNGKIDUL MENGGUNAKAN PYTHON</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Y. Yohakim Marwanta, S.Kom., M.Cs.</namePart>
<role><roleTerm type="text">Additional Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>SITUMORANG, RISKA NOVITA - 215610066</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2025</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Penelitian ini menerapkan algoritma K-Means Clustering untuk menganalisis pengelompokan nilai pagu Rencana Umum Pengadaan (RUP) berdasarkan data perencanaan e-procurement di Dinas Komunikasi dan Informatika Kabupaten Gunungkidul. E-procurement adalah sistem pengadaan barang atau jasa yang dilakukan secara elektronik melalui platform berbasis internet yang dikelola oleh Layanan Pengadaan Secara Elektronik (LPSE)
Proses penelitian dimulai dengan persiapan data sebanyak 380 baris, melibatkan tahapan pra-pemrosesan data, seperti pembersihan data, penghapusan duplikasi, konversi atribut kategorikal menjadi numerik, dan normalisasi menggunakan MinMaxScaler. Setelah data diproses, algoritma K-Means Clustering diterapkan dengan penentuan jumlah cluster optimal menggunakan Elbow Method, dan pembentukan cluster menggunakan centroid dan mengelompokkan objek berdasarkan jarak minimum ke centroid tersebut.
Hasil evaluasi menunjukkan bahwa algoritma K-Means Clustering dengan konfigurasi 2 cluster menghasilkan pengelompokan optimal. Cluster 1 terdiri dari 246 titik data dengan rata-rata nilai pagu sebesar Rp101 juta, sementara Cluster 2 terdiri dari 134 titik data dengan rata-rata nilai pagu sebesar Rp39 juta. Evaluasi menggunakan Davies-Bouldin Index menghasilkan nilai 0.1358, mendekati nol, dan Silhouette Score menghasilkan nilai 0.9807, mendekati 1. Hasil ini menunjukkan bahwa klastering memiliki kualitas yang sangat baik, dan konfigurasi k = 2 adalah yang paling optimal.
Kata kunci: Akurasi, K-Means Clustering, Nilai Pagu RUP, Python</note>
<subject authority=""><topic>ALGORITMA K-MEANS</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>018 SIT I R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">SIT0018SI0125</numerationAndChronology>
<sublocation>RAK REFERENSI SKRIPSI SI</sublocation>
<shelfLocator>018 SIT I R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>17719</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2025-03-12 13:08:34</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2025-03-12 13:09:29</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>