Clustering Kinerja Admin Media Sosial Facebook pada Instansi Pemerintah di Kabupaten Asahan Menggunakan Algoritma K-Means: Penelitian

Dea Tiara; Bambang Irwansyah

doi:10.31004/jerkin.v4i4.6260

Authors

Dea Tiara Universitas Asahan
Bambang Irwansyah Universitas Asahan

DOI:

https://doi.org/10.31004/jerkin.v4i4.6260

Keywords:

Data Mining, K-Means, Clustering, Media Sosial, Kinerja Admin

Abstract

Penelitian ini bertujuan untuk mengelompokkan kinerja admin media sosial facebook pada instansi pemerintah di Kabupaten Asahan yang masih menunjukkan perbedaan signifikan dalam aktivitas dan interaksi, seperti jumlah postingan, like, dan komentar. Perbedaan tersebut terjadi karena belum adanya sistem evaluasi yang terstruktur dan berbasis data. Metode yang digunakan dalam penelitian ini adalah data mining dengan algoritma K-Means, yang mampu mengelompokkan data berdasarkan tingkat kemiripan karakteristik. Data penelitian diperoleh dari aktivitas media sosial facebook instansi pemerintah di Kabupaten Asahan pada tahun 2025, dengan tiga variabel utama, yaitu jumlah postingan, jumlah like, dan jumlah komentar. Proses analisis dilakukan dengan menentukan jumlah cluster sebanyak tiga kategori, yaitu rendah, sedang, dan tinggi, kemudian dilanjutkan dengan perhitungan jarak antar data terhadap centroid untuk menghasilkan pengelompokan yang optimal. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan kinerja admin secara efektif ke dalam tiga cluster, yaitu sebesar 80,95% termasuk dalam kategori rendah, 14,29% kategori sedang, dan 4,76% kategori tinggi. Hasil tersebut menunjukkan bahwa sebagian besar instansi berada pada kategori rendah, sehingga mencerminkan bahwa tingkat aktivitas dan interaksi media sosial masih belum optimal dan perlu ditingkatkan. Pengelompokan ini memberikan gambaran yang lebih objektif mengenai tingkat kinerja admin media sosial pada masing-masing instansi, sehingga dapat digunakan sebagai dasar evaluasi dan pengambilan keputusan oleh pemerintah daerah.Selain itu, penelitian ini juga menghasilkan sebuah aplikasi berbasis web yang dirancang menggunakan PHP dan MySQL untuk mempermudah proses pengolahan data dan visualisasi hasil clustering. Dengan adanya sistem ini, diharapkan pengelolaan media sosial pemerintah dapat menjadi lebih terukur, transparan, dan optimal sebagai sarana komunikasi publik.

References

Afidah, N. N., & Masrukan. (2023). Penerapan Metode Clustering dengan Algoritma K-Means untuk Pengelompokkan Data Migrasi Penduduk Tiap Kecamatan di Kabupaten Rembang. Journal Unnes. 6, 729–738.

Afrilia, M. N., Rahaningsih, N., Dana, R. D., & Nuris, N. D. (2024). Optimasi Analisis Clustering Untuk Aktivitas Dan Respon. Jurnal Mahasiswa Teknik Informatika. 8, 148–155.

Dewi, S. P., Nurwati, & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology, and Science. 3, 639–648.

Maoulana, R., Irawan, B., & Bahtiar, A. (2024). Data Mining Dalam Konteks Transaksi Penjualan Hijab Dengan Menggunakan Algoritma Clustering K-Means ( Studi Kasus : Hijaber Trendy ). Jurnal Mahasiswa Teknik Informatika. 8, 515–521.

Norshahlan, M., Jaya, H., & Kustini, R. (2023). Penerapan Metode Clustering Dengan Algoritma K-means Pada Pengelompokan Data Calon Siswa Baru. Jurnal Sistem Informasi TGD. 2, 1042–1053.

Simanullang, R. Y., & Iqbal, M. (2026). Pengelompokan Pola Interaksi Pengguna Media Sosial Menggunakan Algoritma K-Means untuk Pemetaan Aktivitas Online. 6, 37–43.