Implementasi Data Mining K-Means Clustering Dalam Penentuan Prioritas Perbaikan Jalan Berbasis Web

Pertumbuhan perekonomian di Kabupaten Barito Kuala sangat dipengaruhi oleh kelancaran pendistribusian barang dan jasa. Oleh sebab itu maka, sektor transportasi perhubungan antar daerah terutama infrastruktur jalan dan jembatan memiliki peranan penting sebagai prasarana kelancaran suatu distribusi barang dan jasa. Kondisi infrastruktur ruas jalan yang rusak tentunya dapat menghambat pendistribusian barang dan jasa sehingga perlu terus dilakukan pemeliharaan dan perbaikan terhadap jalan yang rusak tersebut agar pendistribusian barang maupun jasa tetap berjalan lancar. Namun, tidak semua infrastruktur jalan yang rusak dapat diperbaiki secara langsung untuk ditangani. Hal ini karena terkendala alokasi anggaran dana yang terbatas sehingga instansi terkait perlu menentukan daftar prioritas jalan yang akan diperbaiki. Oleh sebab itu maka, dibutuhkan perencanaan pengolahan data informasi yang terintegrasi sistem aplikasi berupa klasterisasi kondisi jalan. Penelitian ini bertujuan untuk mengimplementasikan penerapan metode K-Means Clustering berbasis Web untuk membantu dalam mengklaster daftar prioritas perbaikan jalan. Hasil penelitian ini menghasilkan jumlah klaster optimal berdasarkan evaluasi nilai davies bouldin index dan elbow method kedalam 4 klaster kondisi jalan yaitu klaster kondisi jalan baik, sedang, rusak ringan dan rusak berat sehingga diharapkan dapat memudahkan penentu kebijakan dalam memprioritaskan pemeliharaan maupun perbaikan ruas jalan sesuai klaster.Kata Kunci— Jalan, Elbow, K-Means, Klaster, We