Clustering Kos Dengan Algoritma K-Means Untuk Rekomendasi Tempat Berdasarkan Harga dan Fasilitas

Abstract

Meningkatnya jumlah penduduk permukiman besar yang menjadi pusat pendidikan, seperti Yogyakarta, Bandung, dan Surabaya, berdampak pada tingginya permintaan akan hunian sementara seperti rumah kos[1]. Variasi dalam hal harga, fasilitas, dan lokasi kerap menyulitkan calon penyewa dalam menentukan pilihan yang sesuai. Untuk menjawab permasalahan ini, penelitian ini mengembangkan sistem rekomendasi tempat kos menggunakan pendekatan clustering dengan algoritma K-Means[2]. Algoritma ini dipilih karena efisiensinya dalam mengelompokkan data berskala besar berdasarkan kemiripan atribut. Data kos yang dianalisis mencakup harga dan fasilitas, yang kemudian dikelompokkan ke dalam beberapa segmen, mulai dari kos dengan harga terjangkau dan fasilitas dasar hingga kos eksklusif dengan layanan lengkap. Hasil dari proses pengelompokan ini digunakan untuk memberikan rekomendasi kos yang sesuai dengan preferensi pengguna. Sistem ini tidak hanya mempermudah pencarian kos bagi calon penyewa, tetapi juga membantu pemilik kos dalam memahami karakteristik pasar mereka. Berdasarkan hasil evaluasi, sistem yang dibangun mampu mengelompokkan data secara akurat dan memberikan rekomendasi yang relevan.