Pengembangan Sistem Reservasi Lapangan Berbasis Django dengan Analisis Pola Penyewaan Menggunakan Metode K-Means

Ahmad Nugroho; Muhamad Maksum Hidayat; Muhammad Ichwandar Akrianto

doi:10.33506/insect.v12i01.5478

Authors

Ahmad Nugroho Program Studi Teknologi Informasi, Universitas Tidar
Muhamad Maksum Hidayat Program Studi Teknologi Informasi, Universitas Tidar
Muhammad Ichwandar Akrianto Program Studi Teknologi Informasi, Universitas Tidar

DOI:

https://doi.org/10.33506/insect.v12i01.5478

Keywords:

Sistem Reservasi, Django, K-Means Clustering, Data Mining

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem reservasi lapangan berbasis web menggunakan framework Django serta menganalisis pola penyewaan menggunakan metode K-Means. Permasalahan yang umum terjadi pada pengelolaan penyewaan lapangan meliputi konflik jadwal, pencatatan transaksi yang tidak terstruktur, serta tidak adanya analisis data historis untuk mendukung pengambilan keputusan. Sistem yang dikembangkan mengintegrasikan modul reservasi, validasi konflik jadwal otomatis, pengelolaan transaksi, serta dashboard analitik. Data historis sebanyak 150 transaksi digunakan sebagai dataset untuk proses clustering dengan variabel jam mulai, durasi, total pembayaran, hari penyewaan, dan frekuensi transaksi pelanggan. Proses clustering dilakukan melalui tahapan preprocessing, normalisasi data, penentuan jumlah cluster menggunakan Elbow Method, serta evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga kelompok dengan nilai Silhouette Score sebesar 0,62 yang mengindikasikan kualitas pemisahan cluster yang cukup baik. Interpretasi cluster mengidentifikasi tiga pola utama penyewaan, yaitu penyewa siang singkat, penyewa malam intensif, dan penyewa sore moderat. Integrasi sistem reservasi dan analisis clustering terbukti mampu memberikan insight strategis untuk optimalisasi harga, program loyalitas, dan pengelolaan jadwal operasional.

References

[1] Nugroho A, Narulita S, Abdillah MZ. UI/UX Design of a Decision Support System to Determine Lecturer Research Linearity using the Design Thinking Method. Brilliance: Research of Artificial Intelligence 2024;4:814–20. https://doi.org/10.47709/BRILLIANCE.V4I2.5137.

[2] Narulita S, Nugroho A, Abdillah MZ. Determining Lecturers’ Research Linearity Using Simple Additive Weighting and Technique for Order Preference by Similarity to Ideal Solution. Scientific Journal of Informatics 2024;11:1099–108. https://doi.org/10.15294/SJI.V11I4.14024.

[3] Django documentation | Django documentation | Django n.d. https://docs.djangoproject.com/en/6.0/ (accessed February 26, 2026).

[4] Modern Django Web Development With Channels, DRF, GraphQL, and React-Malhar Lathkar 2025. https://doi.org/10.1007/979-8-8688-1472-3.

[5] Miraftabzadeh SM, Colombo CG, Longo M, Foiadelli F. K-Means and Alternative Clustering Methods in Modern Power Systems. IEEE Access 2023;11:119596–633. https://doi.org/10.1109/ACCESS.2023.3327640.

[6] Zhang Z, Chen X, Wang C, Wang R, Song W, Nie F. Structured multi-view k-means clustering. Pattern Recognit 2025;160:111113. https://doi.org/10.1016/j.patcog.2024.111113.

[7] Farnham B, Tokyo S, Boston B, Sebastopol F, Beijing T. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems SECOND EDITION 2022.

[8] Lai H, Huang T, Lu BL, Zhang S, Xiaog R. Silhouette coefficient-based weighting k-means algorithm. Neural Computing and Applications 2024 37:5 2024;37:3061–75. https://doi.org/10.1007/s00521-024-10706-0.

[9] Pressman RSM. Software Engineering: A Practitioner’s Approach 2020.

[10] Laudon KC., Laudon JP. Management information systems : managing the digital firm 2020:593.

[11] Khalish F, Piranti NM, Martadireja O. Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means. JIIP - Jurnal Ilmiah Ilmu Pendidikan 2025;8:5392–7. https://doi.org/10.54371/JIIP.V8I5.7874.

[12] Gu Q, Niu Y, Hui Z, Wang Q, Xiong N. A hierarchical clustering algorithm for addressing multi-modal multi-objective optimization problems. Expert Syst Appl 2025;264:125710. https://doi.org/10.1016/j.eswa.2024.125710.

[13] Deng D. DBSCAN Clustering Algorithm Based on Density. Proceedings - 2020 7th International Forum on Electrical Engineering and Automation, IFEEA 2020 2020:949–53. https://doi.org/10.1109/IFEEA51475.2020.00199.

[14] Hashemi SE, Gholian-Jouybari F, Hajiaghaei-Keshteli M. A fuzzy C-means algorithm for optimizing data clustering. Expert Syst Appl 2023;227:120377. https://doi.org/10.1016/j.eswa.2023.120377.

[15] Narulita S, Nugroho A, Zakki Abdillah M, Studi Sistem Informasi P, Nasional Karangturi Semarang U. Implementasi Metode RAD pada Sistem Informasi Manajemen Penelitian, Pengabdian Masyarakat dan Luaran. Infotek: Jurnal Informatika Dan Teknologi 2025;8:75–85. https://doi.org/10.29408/JIT.V8I1.28232.

[16] Susanto A. Sistem Informasi Perpustakaan Berbasis Web Pada Perpustakaan Universitas Dharmawangsa. Djtechno : Journal of Information Technology Research 2017;2:124–34.

[17] Management Information Systems - Ramesh Behl, James A. O’Brien, George M. Marakas - Google Books 2019. https://books.google.co.id/books?id=wiSgDwAAQBAJ (accessed February 26, 2026).

[18] Rohman N, Wibowo A. Perbandingan Metode K-Medoids dan Metode K-Means Dalam Analisis Segmentasi Pelanggan Mall. SINTECH (Science and Information Technology) Journal 2024;7:49–58. https://doi.org/10.31598/sintechjournal.v7i1.1507.

[19] Dinata RK, Safwandi S, Hasdyna N, Azizah N. Analisis K-Means Clustering pada Data Sepeda Motor. INFORMAL: Informatics Journal 2020;5:10–7. https://doi.org/10.19184/isj.v5i1.17071.

[20] Marcelina D, Kurnia A, Terttiaavini T. Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering. MALCOM: Indonesian Journal of Machine Learning and Computer Science 2023;3:293–301. https://doi.org/10.57152/malcom.v3i2.952.