Analisis Klaster terhadap Aktivitas Bongkar Muat Kendaraan di Pelabuhan Patimban Menggunakan K-Means dan K-Medoids

Abstract. Patimban Port is a national strategic port that plays a vital role in supporting vehicle import-export activities in Indonesia. However, variations in the intensity of loading and unloading activities between vessels affect the effectiveness of port resource allocation. This study aims to cluster vehicle loading and unloading activities at Patimban Port using clustering methods: K-Means and K-Medoids. A quantitative approach was applied, with the research object being the 2023 ship arrival report data (LK3), obtained from the Class II Patimban Port Authority Office. The data were collected from secondary sources, normalized using the Box-Cox transformation, and analyzed using both K-Means and K-Medoids methods. The clustering results were evaluated using the Davies-Bouldin Index, Dunn Index, and Calinski-Harabasz Index. The findings show that the K-Medoids method produces more optimal clustering results than K-Means, as indicated by better compactness and separation metrics. This study contributes to strategic decision-making by providing insights to improve the operational efficiency of the port through the clustering of vessel activity. Abstrak. Pelabuhan Patimban merupakan pelabuhan strategis nasional yang berperan penting dalam mendukung kegiatan ekspor-impor kendaraan di Indonesia. Namun, terdapat variasi intensitas aktivitas bongkar muat kendaraan antar kapal, yang berdampak pada efektivitas pengalokasian sumber daya pelabuhan. Penelitian ini bertujuan untuk mengelompokkan aktivitas bongkar muat kendaraan di Pelabuhan Patimban dengan menggunakan metode clustering K-Means dan K-Medoids. Penelitian ini menggunakan pendekatan kuantitatif dengan objek penelitian berupa data laporan kedatangan kapal (LK3) tahun 2023 yang diperoleh dari Kantor Kesyahbandaran dan Otoritas Pelabuhan Kelas II Patimban. Data dikumpulkan melalui sumber sekunder dan diolah menggunakan transformasi Box-Cox, kemudian dianalisis dengan metode K-Means dan K-Medoids. Evaluasi hasil pengelompokan dilakukan menggunakan Davies-Bouldin Index, Dunn Index, dan Calinski-Harabasz Index. Hasil menunjukkan bahwa metode K-Medoids menghasilkan pengelompokan yang lebih optimal dibandingkan K-Means, dengan nilai evaluasi yang menunjukkan tingkat kekompakan dan pemisahan klaster yang lebih baik. Penelitian ini memberikan kontribusi dalam pengambilan keputusan strategis terkait efisiensi operasional pelabuhan melalui pengelompokan aktivitas kapal.