Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering

Dona Marcelina, Annisa Kurnia, Terttiaavini Terttiaavini
{"title":"Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering","authors":"Dona Marcelina, Annisa Kurnia, Terttiaavini Terttiaavini","doi":"10.57152/malcom.v3i2.952","DOIUrl":null,"url":null,"abstract":"Fokus penelitian ini adalah untuk menyelesaikan masalah yang dihadapi oleh dinas koperasi dan UKM Provinsi Sumatera Selatan, yaitu kesulitan dalam menerapkan program pengembangan usaha bagi UKM. Selama ini dinas koperasi dan UKM Provinsi Sumatera selatan telah melakukan berbagai kegiatan yang berhubungan dengan peningkatan kualitas pengelolaan UKM. Namun karena pendataan UKM kurang lengkap, maka sulit untuk menentukan program terbaik bagi UKM yang dapat mempercepat pengembangan usaha di UKM. Tujuan dari penelitian ini adalah untuk melengkapi data UKM melalui penyebaran kuesioner dan melakukan mengelompokkan UKM berdasarkan kinerja UKM. Pengelompokan ini nantinya akan digunakan untuk menyusun strategi pengembangan UKM yang sesuai dan tepat sasaran. Penelitian ini, menggunakan metode K-Means Clustering dengan indikator, yaitu kinerja keuangan, penjualan produk, dan strategi pemasaran sebagai dasar pengelompokkan. Aplikasi KNIME digunakan sebagai alat untuk analisis data, pemrosesan data, pemodelan data, dan visualisasi model yang mudah dan akurat. Hasil analisis data menunjukkan UMKM terbagi menjadi tiga kelompok atau klaster, yaitu UKM mandiri, UKM berkembang, dan UKM binaan. Hasil pengelompokkan ini diharapkan dapat memberikan masukkan yang berguna bagi Dinas Koperasi dan UKM untuk menerapkan program pengembangan strategi yang lebih spesifik yang sesuai dengan karakteristik dari masing-masing klaster.","PeriodicalId":499353,"journal":{"name":"MALCOM Indonesian Journal of Machine Learning and Computer Science","volume":"52 6","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-11-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"MALCOM Indonesian Journal of Machine Learning and Computer Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.57152/malcom.v3i2.952","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Fokus penelitian ini adalah untuk menyelesaikan masalah yang dihadapi oleh dinas koperasi dan UKM Provinsi Sumatera Selatan, yaitu kesulitan dalam menerapkan program pengembangan usaha bagi UKM. Selama ini dinas koperasi dan UKM Provinsi Sumatera selatan telah melakukan berbagai kegiatan yang berhubungan dengan peningkatan kualitas pengelolaan UKM. Namun karena pendataan UKM kurang lengkap, maka sulit untuk menentukan program terbaik bagi UKM yang dapat mempercepat pengembangan usaha di UKM. Tujuan dari penelitian ini adalah untuk melengkapi data UKM melalui penyebaran kuesioner dan melakukan mengelompokkan UKM berdasarkan kinerja UKM. Pengelompokan ini nantinya akan digunakan untuk menyusun strategi pengembangan UKM yang sesuai dan tepat sasaran. Penelitian ini, menggunakan metode K-Means Clustering dengan indikator, yaitu kinerja keuangan, penjualan produk, dan strategi pemasaran sebagai dasar pengelompokkan. Aplikasi KNIME digunakan sebagai alat untuk analisis data, pemrosesan data, pemodelan data, dan visualisasi model yang mudah dan akurat. Hasil analisis data menunjukkan UMKM terbagi menjadi tiga kelompok atau klaster, yaitu UKM mandiri, UKM berkembang, dan UKM binaan. Hasil pengelompokkan ini diharapkan dapat memberikan masukkan yang berguna bagi Dinas Koperasi dan UKM untuk menerapkan program pengembangan strategi yang lebih spesifik yang sesuai dengan karakteristik dari masing-masing klaster.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用 K-Means 聚类算法对中小企业绩效进行聚类分析
这项研究的重点是解决合作社和南苏门答腊中小省中小企业所面临的困难。在此期间,南部苏门答腊的合作社和中岛中小企业一直在开展有关提高中小企业管理质量的活动。但是由于中小企业库存不足,因此很难为中小企业制定最好的计划,从而加快中小企业的发展。本研究的目的是通过问卷的部署来补充UKM数据,并根据UKM的表现对UKM进行分组。这些聚类将用于制定适当和精确的中小发展战略。本研究采用的是具有指标、财务表现、产品销售和营销策略等指标的k - memeth方法。KNIME应用被用作分析数据、数据处理、数据建模和可视化模型的工具。数据分析表明,UMKM分为三组或集群,即UKM mandiri、UKM发育和UKM binaan。本分组的结果应为合作服务和中小企业提供有用的输入,以实施符合每个集群特征的更具体的战略发展计划。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Analisis Kesuksesan Sistem Informasi Online (SION) Menggunakan Metode Delone and Mclean Penerapan Geographic Source Routing Pada V2I di Jalan Sudirman Kota Pekanbaru Penerapan Algoritma K-Nearest Neighbor untuk Analisis Sentimen Terhadap Isu Khilafah dan Radikalisme di Indonesia Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering Optimization of Energy Consumption in 5G Networks Using Learning Algorithms in Reinforcement Learning
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1