ANALISIS TINGKAT KEBERMANFAATAN MYPERTAMINA MENGGUNAKAN K-MEANS CLUSTERING

Kharisma Kharisma; Ulfi Saidata Aesyi

doi:10.24076/joism.2023v4i2.967

Authors

Kharisma Kharisma Universitas Jenderal Achmad Yani Yogyakarta
Ulfi Saidata Aesyi

DOI:

https://doi.org/10.24076/joism.2023v4i2.967

Keywords:

mypertamina, datamining, klustering, K-Means

Abstract

Pertamina, menerapkan digitalisasi Stasiun Pengisian Bahan Bakar Umum (SPBU) melalui aplikasi mypertamina yang bekerja sama dengan linkaja. Meskipun aplikasi tersebut menawarkan beberapa program yang dapat mempermudah pelanggan, ternyata masyarakat banyak mengomentari aplikasi tersebut sehingga menyebabkan topik mypertamina di twitter menjadi trending topik pada bulan Juli. Akan tetapi komentar tersebut tidak seluruhnya positif. Komentar yang terlalu banyak tentang aplikasi mypertamina ini, menyebabkan sulitnya berbagai kalangan untuk menyimpulkan tingkat kebermanfaatan dari aplikasi tersebut, termasuk pertamina. Sehingga diperlukan penelitian untuk menganalisis tingkat kebermanfaatan aplikasi mypertamina dari banyaknya komentar masyarakat di twitter.Oleh karena itu, penelitian ini mengumpulkan data berupa tweet masyarakat dari twitter tentang aplikasi mypertamina. Data tersebut kemudian dibersihkan dan dihitung kedekatan aktanya menggunakan TF-IDF. Setelah itu data dikelompokkan dengan menggunakan K-Means. Dengan menggunakan coherence score, kluster terbaik ada di kluster 2. Kluster 0 berisi kata keluhan masyarakat terhadap aplikasi my pertamina. Kluster 1 berisi kata umum terkait aplikasi pertamina. Berdasarkan analisis hasil kluster yang diperoleh, maka aplikasi mypertamia mendapatkan banyak keluhan dari masyarakat yang cenderung berpendapat bahwa aplikasi mypertamina tidak bermanfaat untuk masyarakat.

Kata Kunci :

mypertamina, datamining, klustering, K-Means

Downloads

Download data is not yet available.

References

N. K. Hikmawati, “Analisis Kualitas Layanan My Pertamina Menggunakan Pendekatan e-GovQual pada Beberapa Kota Percobaan,” J. Manaj. Inform., vol. 12, no. 2, pp. 100–111, Oct. 2022, doi: 10.34010/JAMIKA.V12I2.7977.

A. A. Sinurat et al., “MyPertamina Application To Increase Consumer Engagement,” Int. J. Bus. Rev. (The Jobs Rev., vol. 5, no. 1, pp. 65–74, Aug. 2022, doi: 10.17509/TJR.V5I1.48470.

F. M. Oktaviana, D. Wijayanto, and T. Wahyudi, “PENGARUH SOCIAL MARKETING CAMPAIGN TERHADAP KEPUTUSAN KONSUMEN BERTRANSAKSI MENGGUNAKAN APP MYPERTAMINA DI PONTIANAK,” J. TIN Univ. Tanjungpura, vol. 5, no. 1, p. 23, Feb. 2021, Accessed: Nov. 15, 2022. [Online]. Available: https://jurnal.untan.ac.id/index.php/jtinUNTAN/article/view/44772.

G. Keramidas, N. Voros, and M. Hübner, “Components and services for IoT platforms: Paving the way for IoT standards,” Components Serv. IoT Platforms Paving W. IoT Stand., pp. 1–383, Jan. 2016, doi: 10.1007/978-3-319-42304-3.

I. Nilasari, “Fungsi Aplikasi MyPertamina Sesuai Fitur yang Ada, Penting Dipahami!,” 2022. https://www.harapanrakyat.com/2022/07/fungsi-aplikasi-mypertamina/ (accessed Nov. 16, 2022).

E. Syahputra, “Pertamina Buka Pendaftaran BBM Subsidi Per 1 Juli 2022,” Jun. 29, 2022. https://www.cnbcindonesia.com/news/20220629165209-4-351500/pertamina-buka-pendaftaran-bbm-subsidi-per-1-juli-2022 (accessed Nov. 16, 2022).

Noviyanto, “Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian,” Paradig. – J. Inform. dan Komput., vol. 22, no. 2, 2020.

M. Stmik and T. Dharma, “Analisis Data Mining Pada Strategi Penjualan Produk PT Aquasolve Sanaria Dengan Menggunakan Metode K-Means Clustering,” J. Teknol. Sist. Inf. dan Sist. Komput. TGD, vol. 2, no. 1, pp. 32–41, Jan. 2019, doi: 10.53513/JSK.V2I1.87.

F. M. Huda and R. Helilintar, “Implementasi Data Mining Pada Hasil Penjualan Barang Menggunakan Metode K-Means Clustering,” Pros. SEMNAS INOTEK (Seminar Nas. Inov. Teknol., vol. 4, no. 2, pp. 61–65, Sep. 2020, doi: 10.29407/INOTEK.V4I2.121.

J. Eka Sembodo, E. Budi Setiawan, and Z. Abdurahman Baizal, “Data Crawling Otomatis pada Twitter,” pp. 11–16, Sep. 2016, doi: 10.21108/INDOSC.2016.111.

M. A. Rofiqi, A. C. Fauzan, A. P. Agustin, A. A. Saputra, and H. D. Fahma, “Implementasi Term-Frequency Inverse Document Frequency (TF-IDF) Untuk Mencari Relevansi Dokumen Berdasarkan Query,” Ilk. J. Comput. Sci. Appl. Informatics, vol. 1, no. 2, pp. 58–64, Dec. 2019, doi: 10.28926/ILKOMNIKA.V1I2.18.

A. Supoyo and P. T. Prasetyaningrum, “Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Di DIY,” Bianglala Inform., vol. 10, no. 1, pp. 21–29, Mar. 2022, doi: 10.31294/BI.V10I1.11890.

H. Susanto and S. Sudiyatno, “Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu,” J. Pendidik. Vokasi, vol. 4, no. 2, Jun. 2014, doi: 10.21831/JPV.V4I2.2547.

A. T. J. Harjanta, “Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining,” J. Inform. Upgris, vol. 1, no. 1 Juni, 2015, doi: 10.26877/JIU.V1I1.

P. D. Negeri, B. Bohong, H. Di, M. Sosial, and A. Budiman, “Berita Bohong (Hoax) di Media Sosial dan Pembentukan Opini Publik,” Pusat Penelitian Badan Keahlian DPR RI, vol. IX, no. 01, pp. 2009–2012, 2017.

P. W. Cahyo and M. Habibi, “Clustering followers of influencers accounts based on likes and comments on Instagram Platform,” no. x, pp. 1–10, 2020, doi: 10.22146/ijccs.xxxx.

N. Komang et al., “Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 6, no. 2, pp. 119–126, Aug. 2018, doi: 10.24843/JIM.2018.V06.I02.P06.

I. Romli, R. Firana Puspita Dewi, and K. Kunci, “PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASIFIKASI PENYAKIT ISPA,” Indones. J. Bus. Intell., vol. 4, no. 1, pp. 10–15, Jun. 2021, doi: 10.21927/IJUBI.V4I1.1727.