Pengelompokan Perusahaan IT di Vietnam Menggunakan Algoritma K-Means dan K-Medoids

Khalif Davianno Ramadhan

doi:10.53624/jsitik.v5i1.950

Authors

Khalif Davianno Ramadhan Universitas Brawijaya

DOI:

https://doi.org/10.53624/jsitik.v5i1.950

Keywords:

Data Mining, Vietnam, K-Means, Clustering, Silhouette Score

Abstract

Latar Belakang: Pesatnya perkembangan industri teknologi informasi yang didorong oleh investasi global dan kebijakan pemerintah menyebabkan meningkatnya jumlah perusahaan IT dengan karakteristik yang beragam di Negara Vietnam. Hal ini akhirnya menyebabkan pemerintah, pelaku industri dan investor kesulitan dalam memahami segmentasi industri IT secara menyeluruh. Tujuan: Penelitian ini bertujuan untuk mengelompokkan perusahaan IT di Vietnam menggunakan algoritma K-Means dan K-Medoids berdasarkan karakteristik perusahaan. Metode: Dataset yang digunakan berjumlah 2042 data meliputi jumlah karyawan, lokasi operasional dan jenis layanan. Proses penelitian meliputi tahap preprocessing data, pemodelan Clustering serta evaluasi menggunakan silhouette score. Hasil: Hasil penelitian menunjukkan bahwa algoritma K-Means menghasilkan performa terbaik dengan nilai silhouette score tertinggi sebesar 0,5162 pada lima Cluster lebih unggul dibandingkan K-Medoids yang memperoleh nilai 0,4879. Kesimpulan: Hasil pengelompokan menunjukkan dominasi perusahaan berbasis produk serta Ho Chi Minh City sebagai pusat utama industri IT di Vietnam.

Downloads

Download data is not yet available.

References

Afifah, A. N., Nurcahyawati, V., & Hananto, V. R. (2023). Analisis Clustering dan Pemetaan Sebaran Pelanggan Perusahaan Properti di Sidoarjo. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 9(3), 502. https://doi.org/10.26418/jp.v9i3.67935 DOI: https://doi.org/10.26418/jp.v9i3.67935

Al-Fahmi, B. M., Rahmawati, E., & Sagirani, T. (2023). Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 141–149. https://doi.org/10.25077/TEKNOSI.v9i2.2023.141-149 DOI: https://doi.org/10.25077/TEKNOSI.v9i2.2023.141-149

Alijoyo, F. A. (2024). Optimasi Pemilihan Metode Pengajaran Dosen Menggunakan Data Mining, dan Algoritma K-Means dalam Proses Bisnis Pendidikan. Informatics and Digital Expert (INDEX), 6(2), 105–109. https://doi.org/10.36423/index.v6i2.1883 DOI: https://doi.org/10.36423/index.v6i2.1883

Cholanda, Y. (2024). Masa Depan Bisnis Teknologi Asia Tenggara di Genggaman Vietnam. Tirto.Id. https://tirto.id/masa-depan-bisnis-teknologi-asia-tenggara-di-genggaman-vietnam-g6Ca

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 DOI: https://doi.org/10.34010/jati.v12i1.6674

Effendi, H., Syahrial, A., Prayoga, S., & Hidayat, W. D. (2021). Penerapan Metode K-Means Clustering untuk Pengelompokan Lahan Sawit Produktif pada PT Kasih Agro Mandiri APPLICATION OF K-MEANS CLUSTERING METHOD FOR GROUPING PRODUCTIVE PALM OIL LAND AT PT KASIH AGRO MANDIRI. Teknomatika, 11(02), 1–5. https://doi.org/10.57152/ijirse.v3i1.488 DOI: https://doi.org/10.57152/ijirse.v3i1.488

Fitri, E. M., Suryono, R. R., & Wantoro, A. (2023). Klasterisasi Data Penjualan Berdasarkan Wilayah Menggunakan Metode K-Means Pada Pt Xyz. Jurnal Komputasi, 11(2), 157–168. https://doi.org/10.23960/komputasi.v11i2.12582 DOI: https://doi.org/10.23960/komputasi.v11i2.12582

Guntur, J. M., Kurniawan, R., & Hayati, U. (2025). Algoritma K-Means untuk Meningkatkan Silhouette Score pada Pengelompokan Data Stok Bahan Manufaktur di PT . XYZ. 11–21. DOI: https://doi.org/10.32722/multinetics.v11i1.7259

Hermadi, A. O., & Alexander, A. D. (2023). Implementasi Algoritma K-Medoids Clustering Untuk Mencari Keuntungan Sementara Dalam Laporan Keuangan. Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), 6(1), 6–11. DOI: https://doi.org/10.34012/jutikomp.v6i1.3505

Jannah, M., Indraputri, A. J., & Puspita, V. E. (2024). Pentingnya Analisis Swot dalam Suatu Perencanaan dan Pengembangan Bisnis. 2(1), 9–17.

Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094 DOI: https://doi.org/10.36040/jati.v7i1.6094

Rasta, J., Pohan, T. D., & Nurbaiti. (2024). Analisis Swot Dalam Strategi Pemasaran Pada Mcdonald ’ s Juwairiazizah Rasta Tia Deja Pohan. Jurnal Rimba : Riset Ilmu Manajemen Bisnis Dan Akuntansi, 2(1). DOI: https://doi.org/10.61132/rimba.v2i1.524

Simanjuntak, E. F., & Nadya, Y. (2026). Perencanaan Strategi Pemasaran Menggunakan Analisis Strengths Weaknesses Opportunities Threat) Dan Quantitative Strategic Planning Matrix. JENIUS: Jurnal Terapan Teknik Industri, 7(1), 176–189. https://doi.org/10.37373/jenius.v7i1.1227 DOI: https://doi.org/10.37373/jenius.v7i1.1227

Sugiono, S., Wahanani, N. A., & Hendriani, L. J. (2022). Pengelompokan Perusahaan Berdasarkan Statistik Penelitian dan Pengembangan Melalui Metode K-Medoids. JOINS (Journal of Information System), 7(1), 41–52. https://doi.org/10.33633/joins.v7i1.5935 DOI: https://doi.org/10.33633/joins.v7i1.5935

Wisna, N., Nanda, A., & Fahrudin, T. (2023). Klasterisasi Perusahaan Sub Kontraktor Berdasarkan Rasio Likuiditas Menggunakan K-Means Clustering. Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA), 7(2), 139–150. https://doi.org/10.31955/mea.v7i2.2994 DOI: https://doi.org/10.31955/mea.v7i2.2994