METODE K-MEANS UNTUK CLUSTERING DATA PELANGGAN BERDASARKAN PEMAKAIAN AIR PADA PDAM TIRTA GIRI NATA KOTA CIREBON

Muhammad Abdul Jabbar; Ardhi Akmaludin Jadhira

doi:10.31949/infotech.v12i2.19034

Authors

Muhammad Abdul Jabbar Politeknik Mardira Indonesia, Indonesia
Ardhi Akmaludin Jadhira Politeknik Negeri Subang, Indonesia

DOI:

https://doi.org/10.31949/infotech.v12i2.19034

Abstract

Peningkatan jumlah pelanggan dan kebutuhan air bersih menyebabkan Perusahaan Umum Daerah (Perumda) Air Minum Tirta Giri Nata Kota Cirebon memerlukan pengelolaan data pelanggan yang lebih efektif untuk mendukung perencanaan distribusi air dan pengambilan keputusan. Proses identifikasi pola pemakaian air yang masih dilakukan secara konvensional menyulitkan perusahaan dalam mengetahui karakteristik konsumsi pelanggan. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan pelanggan berdasarkan tingkat pemakaian air sehingga diperoleh informasi mengenai kelompok pelanggan dengan konsumsi rendah, sedang, dan tinggi. Penelitian menggunakan pendekatan kuantitatif dengan tahapan pengumpulan data, data preprocessing, penentuan jumlah cluster (k = 3), perhitungan jarak menggunakan Euclidean Distance, pembaruan centroid secara iteratif hingga konvergen, serta evaluasi hasil menggunakan Davies–Bouldin Index (DBI). Data yang digunakan berjumlah 42 pelanggan berdasarkan volume pemakaian air (m³). Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil membentuk tiga cluster, yaitu Cluster 1 sebanyak 20 pelanggan dengan rata-rata pemakaian 8,5 m³ (kategori rendah), Cluster 2 sebanyak 15 pelanggan dengan rata-rata 18,3 m³ (kategori sedang), dan Cluster 3 sebanyak 7 pelanggan dengan rata-rata 36,4 m³ (kategori tinggi). Hasil validasi menghasilkan nilai DBI sebesar 0,231, yang menunjukkan kualitas cluster yang baik. Penelitian ini membuktikan bahwa algoritma K-Means efektif digunakan untuk melakukan segmentasi pelanggan berdasarkan pola konsumsi air sehingga dapat mendukung pengelolaan distribusi air, evaluasi penggunaan, dan pengambilan keputusan pada Perumda Air Minum Tirta Giri Nata Kota Cirebon.

Keywords:

Clustering data, Metode Kmeans, PDAM Tirta Giri Nata

Downloads

Download data is not yet available.

References

Akbar, S. C. D., Defit, S., & Hendrik, B. (2025). Segmentasi Tunggakan Pelanggan Menggunakan Algoritma K-Means Cluster pada Perusahaan Air Minum Daerah. Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence), 5(2), 349–355. https://doi.org/10.55382/jurnalpustakaai.v5i2.1215

Annisa, K., Serasi Ginting, B., & Syari, M. A. (2022). PENERAPAN DATA MINING PENGELOMPOKAN DATA PENGGUNA AIR BERSIH BERDASARKAN KELUHANNYA MENGGUNAKAN METODE CLUSTERING PADA PDAM LANGKAT. Jurnal Sistem Informasi Kaputama (JSIK), 6(2). www.kaputama.ac.id

Gunawan Zain, S., Amalia Tahir, R., Akram Nur Risal, A., & Korespondensi, P. (2025). CLUSTERING STOK MATERIAL DI PDAM KOTA MAKASSAR WILAYAH PELAYANAN VI MENGGUNAKAN ALGORITMA K-MEANS. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 12(4), 2355–7699.

Hairani, H., Wahyudi, R., Gede Yogi Pratama, & M.Khaerul Ihsan. (2026). Application of RFM Model and K-Means Algorithm in Customer Loyalty Segmentation of Indonesian Regional Water Utility Company (PDAM). International Journal of Engineering and Computer Science Applications (IJECSA), 5(1), 1–8. https://doi.org/10.30812/ijecsa.v5i1.6087

Herawati, V., Indah Sari, K., Kunci, K., & Bersih, A. (2023). ANALISIS KEBUTUHAN AIR BERSIH DI DESA LIMAU MANIS KECAMATAN TANJUNG MORAWA. JTSIP, 2(2), 2023. https://jurnal.uisu.ac.id/index.php/JTSIP

Lestari, P. D. (2023). DATAMINING PADA PENJUALAN AIR BERSIH DI SPAM AKIDAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING MENGGUNAKAN RAPIDMINER. Dalam Jurnal Mahasiswa Teknik Informatika (Vol. 7, Nomor 1).

Mikael Kia Mado, P. (2025). Implementasi Algoritma Clustering K-Means untuk Segmentasi Pelanggan di E-Commerce. Dalam Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK) (Vol. 6, Nomor 3). https://journal.stmiki.ac.id

Mutammimul Ula, Muthmainnah, Ridha Maulana, & Veri Ilhadi. (2023). Penerapan KNN Penentuan Pelanggan Baru PDAM dan Clustering K-Means Berdasarkan Wilayah. Jurnal Informatika dan Teknologi Komputer. https://ejurnalunsam.id/index.php/jicom/

Nurdin, Suarna, N., & Prihartono, W. (2025). ALGORITMA REGRESI LINIER SEDERHANA UNTUK PREDIKSI PENGGUNAAN VOLUME AIR BERDASARKAN JENIS PELANGGAN PDAM. Jurnal Kecerdasan Buatan dan Teknologi Informasi, 4(1), 43–52. https://doi.org/10.69916/jkbti.v4i1.187

Nurfiah, N., Satria, B., & Al Hafiz, M. (2025). SEGMENTASI PELANGGAN LAYANAN AIR BERSIH DI KAWASAN PEDESAAN MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN METRIK DURASI, KONSUMSI RATA-RATA, DAN TOTAL VOLUME (DCV). JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 10(4), 3896–3906. https://doi.org/10.29100/jipi.v10i4.9371

Open Data Kabupaten Cirebon. (2025). https://opendata.cirebonkab.go.id/dataset/jumlah-pelanggan-pdam-menurut-kecamatan-di-kabupaten-cirebon.

Rudi Cahyono, G., Negeri Banjarmasin, P., & Lambung Mangkurat, U. (t.t.). KLASIFIKASI KUALITAS AIR PDAM MENGGUNAKAN ALGORITMA KNN DAN K-MEANS.

Sinaga, L., Ahmad, A., Safii, M., Tunas, S., Pematangsiantar, B., Supratman, J. W. R., Siantar, K., & Siantar, P. (2019). PENERAPAN DATA MINING PADA JUMLAH PELANGGAN PERUSAHAAN AIR BERSIH MENURUT PROVINSI MENGGUNAKAN METODE K-MEANS CLUSTERING. Dalam 119 JURNAL RESISTOR (Vol. 2, Nomor 2). Online. http://jurnal.stiki-indonesia.ac.id/index.php/jurnalresistor

Sri Tria Siska. (2016). ANALISA DAN PENERAPAN DATA MINING UNTUK MENENTUKAN KUBIKASI AIR TERJUAL BERDASARKAN PENGELOMPOKAN PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING. JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN, 9.

Yusa, H., Sudarma, M., & Pramaita, N. (2018). HR Potensi Pelanggan Tunggakan PDAM Menggunakan Metode K-Medoids dengan Optimasi Ant Colony Optimization (ACO). Majalah Ilmiah Teknologi Elektro, 17(3), 353. https://doi.org/10.24843/mite.2018.v17i03.p08