Optimasi Pengelompokan Progress Proyek Klien Menggunakan Algoritma K-Means pada Dashboard Monitoring Berbasis Web

Abstract

Manajemen progres proyek pada perusahaan penyedia jasa seringkali menghadapi kendala dalam memantau efisiensi pengerjaan layanan terhadap banyak klien secara simultan. Latar belakang sektor dan industri klien menyebabkan variasi pola pelaporan yang sulit diukur secara manual. Penelitian ini bertujuan untuk mengoptimalkan pengelompokan progres proyek klien menggunakan algoritma K-Means Clustering yang diintegrasikan ke dalam sebuah dashboard monitoring berbasis web. Dataset yang digunakan mencakup 8 perusahaan klien dari 3 sektor BUMN, Pemerintah, dan Private serta mencakup 8 kategori industri utama Transportasi Publik, Ride Hailing, Ritel, Food, Perbankan, ICT, Asuransi Sosial, dan E-Commerce. Atribut pengelompokan didasarkan pada intensitas data laporan harian, mingguan, bulanan, dan status laporan selesai. Metodologi yang digunakan adalah Knowledge Discovery in Database (KDD), yang meliputi tahap seleksi data, pra-pemrosesan, transformasi, penambangan data menggunakan algoritma K-Means, hingga evaluasi hasil yang merepresentasikan tingkat kemajuan proyek tinggi, sedang, dan rendah. Hasil klasterisasi menunjukkan bahwa optimasi ini mampu mengidentifikasi klien dengan progres paling aktif dan klien yang membutuhkan intervensi khusus. Informasi ini disajikan melalui antarmuka dashboard website penyedia jasa yang menampilkan tabel data laporan serta grafik performa interaktif untuk masing-masing klien. Evaluasi kualitas pengelompokan diukur menggunakan Davies-Bouldin Index (DBI) yang menghasilkan nilai optimal, menunjukkan pemisahan klaster yang jelas. Penelitian ini memberikan dasar bagi penyedia jasa untuk meningkatkan transparansi dan kualitas manajemen layanan secara objektif.