IMPLEMENTASI ALGORITMA PARTITIONING AROUND MEDOIDS DALAM PENGELOMPOKAN RESTORAN

Abstract

Banyaknya data yang hanya sebatas memberikan grafik atau statistik mengenai data restoran dapat dimanfaatkan untuk penggalian data menggunakan teknik data mining. Informasi yang dapat digali dari data restoran adalah pengelompokan kategori restoran berdasarkan jumlah menu yang terdapat pada restoran tersebut. Penelitian ini menerapkan teknik data mining menggunakan metode clustering partitioning around medoids (k-medoids) untuk menghasilkan informasi mengenai pengelompokkan kategori restoran. Algoritma clustering Partitioning Around Medoids(PAM) atau disebut juga K-Medoids adalah algoritma untuk menemukan k cluster dalam n objek dengan pertama kali secara arbitrarily menemukan wakil dari objek (medoid) untuk tiap-tiap cluster. Pengelompokan dalam penelitian ini  adalah appetizer, soup, main course, dessert, minuman dan snack. Kemudian hasil tersebut dapat dijadikan bahan atau dasar dari konsumen untuk memilih restoran berdasarkan kategori apa yang ingin konsumen makan. Berdasarkan data yang diperoleh, dihasilkan cluster yang merepresentasikan appetizer (cluster_2) 17 item, soup (cluster_1) 7 item, main course (cluster_4) 51 item, dessert (cluster_3) 11 item, minuman (cluster_5) 6 item dan snack (cluster_0) 13 item. Kata kunci: Data Mining, K- Medoids, Clustering