Pengaruh Outlier pada Algoritma K-Medoid untuk Mengelompokan Rekanan Vendor dalam Pengadaan Barang

Abstract

Dalam dunia bisnis, vendor memainkan peran penting dalam kinerja perusahaan. Pemilihan vendor yang tepat sangat penting untuk memastikan kelancaran pelaksanaan proyek dalam pengadaan barang. Jika vendor dipilih secara sembarangan, maka perusahaan dapat mengalami kerugian dalam berbagai aspek seperti kualitas, biaya, dan waktu. Oleh karena itu, diperlukan metode yang tepat untuk mengelompokkan vendor agar dapat mengatasi masalah tersebut. Salah satu teknik yang dapat digunakan adalah clustering untuk mengelompokkan data vendor menjadi tiga kelompok, yaitu tinggi, sedang, dan rendah. Metode clustering yang digunakan dalam penelitian ini adalah algoritma k-medoids. Hasil penelitian menunjukkan bahwa kualitas pengelompokan vendor menggunakan teknik penghapusan outliers lebih baik daripada menggunakan data dengan outliers. Kontribusi utama dari penelitian ini adalah untuk memverifikasi apakah kualitas cluster tanpa outlier lebih tinggi dibandingkan dengan outlier dalam data dengan membandingkan dan menganalisis algoritma k-medoids dengan dan tanpa deteksi outliers tergantung pada algoritma pengelompokan yang diterapkan dan data yang digunakan. Selanjutnya, hasil penelitian menunjukkan bahwa algoritma k-medoids menghasilkan nilai Silhouette Coefficient sebesar 0,6454.