Analisis dan Pengelompokan Toko Buah di Kabupaten Lumajang Berdasarkan Data Google Maps untuk Identifikasi Potensi Mitra Supplier Menggunakan Metode K-Means
Tahun 2026 · Penulis: Riska Maulida
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10659
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Buah termasuk komoditas yang mudah rusak (perishable), sehingga jaringan distribusinya perlu berjalan cepat dan tepat sasaran. Selama ini, supplier atau distributor buah masih mengandalkan survei lapangan untuk menemukan toko buah yang layak dijadikan mitra, cara yang menghabiskan waktu dan biaya, terutama di wilayah seluas Kabupaten Lumajang. Penelitian ini menganalisis pola persebaran spasial toko buah di Kabupaten Lumajang dan mengelompokkannya ke dalam kategori potensi tinggi, sedang, dan rendah sebagai mitra supplier menggunakan algoritma KMeans. Data dihimpun lewat web scraping Google Maps memakai aplikasi scraper berbasis Node.js dan Playwright yang dibangun khusus untuk penelitian ini, mencakup variabel rating, jumlah ulasan, latitude, dan longitude. Seluruh data diolah lewat aplikasi web berbasis Laravel yang dilengkapi modul analisis K-Means, mulai dari preprocessing, normalisasi Min-Max, perhitungan jarak Euclidean, sampai evaluasi model memakai Elbow Method dan Silhouette Score untuk memeriksa kelayakan jumlah cluster k = 3. Dari 135 tempat usaha yang berhasil di-scrape, 22 di antaranya memiliki data cukup lengkap untuk diproses clustering. Hasilnya, toko buah tersebut terbagi ke dalam tiga cluster, yaitu Tinggi (6 tempat), Sedang (9 tempat), dan Rendah (7 tempat), dengan Silhouette Score 0,4341 dan titik siku Elbow Method yang berada di k = 3. Cluster Tinggi ditandai jumlah ulasan yang jauh lebih besar dari dua cluster lainnya. Hasil pengelompokan ini divisualisasikan pada peta interaktif berbasis Leaflet.js, sehingga supplier memperoleh gambaran yang lebih objektif dalam menentukan prioritas wilayah distribusi.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,800
Tahun 2026 · Penulis: Adellia Putri
Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Buah naga merah adalah salah satu komoditas hortikultura dengan nilai ekonomi tinggi di Indonesia. Salah satu tantangan utama penanaman buah naga adalah infeksi penyakit batang, yang dapat mengurangi pertumbuhan tanaman dan produktivitas tanaman. Identifikasi
- Cosine 0,793
Tahun 2026 · Penulis: Millatul Azizah
Analisis Segmentasi Pelanggan Menggunakan Model Length, Recency, Frequency, Monetary dan K-Means Clustering Pada Toko Agro Suci
Agro Suci merupakan toko yang bergerak di bidang penjualan sarana produksi pertanian secara online. Seiring dengan meningkatnya persaingan antar bisnis, Agro Suci menghadapi tantangan dalam menyusun strategi pemasaran yang efektif karena data transaksi pelangg
- Cosine 0,790
Tahun 2026 · Penulis: Krisna Bayu Marta
Perancangan Sistem Informasi Manajemen Peramalan Penjualan Berbasis Website (Studi Kasus UMKM Kampung Edamame)
Fluktuasi permintaan produk di Kampung Edamame membuat sulit untuk menentukan volume produksi yang sesuai, berpotensi menyebabkan kekurangan stok. Perencanaan produksi, yang masih dilakukan secara manual berdasarkan pengalaman, juga meningkatkan risiko pengamb