IMPLEMENTASI METODE K-MEANS UNTUK PENGELOMPOKAN DATA JAMAAH PADA BIRO UMROH JABAL RAHMAH PACITAN

Abstract

Currently, religious tourism, especially for Hajj and Umrah, is in great demand by the public because it offers a variety of package facilities according to the economic conditions of the congregation. Diverse congregational data is the basis for this research to find new knowledge as a marketing strategy to find out which packages are most interested in pilgrims in the future.

The case study of this research is in the Bureau of Jabal Rahmah Pacitan. This study uses K-Means clustering which is one of the techniques in data mining for unsupervised modeling and method of grouping data by partition. Attributes used in data processing include age, gender, marital status, year of registration, and packages chosen by the congregation. Data processing is assisted using the WEKA application. The results of this study obtained data/cluster A with 83 people or 55% and cluster B with 45 people or 45% of 151 records. So by using the K-Means method, it can be concluded that package A is the most favorite package or the most desirable.

Keywords: Clustering, Data Mining, K-Means, WEKA, Umrah. 

Saat ini perjalanan wisata religi khususnya untuk ibadah haji dan umroh banyak diminati masyarakat karena menawarkan berbagai macam fasilitas paket sesuai kondisi ekonomi jamaah. Data jamaah yang beragam menjadi landasan pada penelitian ini untuk menemukan pengetahuan yang baru sebagai strategi pemasaran guna mengetahui paket yang paling diminati jamaah dimasa yang akan datang.

Studi kasus penelitian ini di Biro Jabal Rahmah Pacitan. Penelitian ini menggunakan K-Means clustering yang merupakan salah satu teknik pada data mining untuk pemodelan unsupervised dan metode pengelompokkan data secara partisi. Atribut yang digunakan dalam pengolahan data meliputi usia, jenis kelamin, status pernikahan, tahun daftar, dan paket yang dipilih jamaah. Pengolahan data dibantu menggunakann aplikasi WEKA. Hasil dari penelitian ini diperoleh data/cluster A dengan 83 orang atau 55% dan cluster B dengan 45 orang atau 45% dari 151 record. Sehingga dengan menggunakan metode K-Means dapat disimpulkan bahwa paket A merupakan paket terfavorit atau yang paling diminati. 

Kata kunci: Clustering, Data Mining, K-Means, WEKA, Umroh.