Penerapan Algoritma K-Means Clustering Dan MOORA Dalam Sistem Rekomendasi Pemilihan Kos Berbasis Web (Studi Kasus: Kos Wilayah Ketintang Surabaya)

Abstract

Mahasiswa perantau di UNESA Ketintang sering kesulitan dalam mencari kos yang sesuai karena informasi tidak terintegrasi dan proses pencarian masih manual. Penelitian ini mengembangkan sistem rekomendasi kos berbasis web untuk mengatasi masalah tersebut. Sistem dibangun menggunakan bahasa pemrograman Python dengan framework Streamlit, serta mengintegrasikan algoritma K-Means Clustering dan metode Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA). Algoritma K-Means digunakan untuk mengelompokkan data kos menjadi kategori ekonomis, standar, dan premium. Sementara itu, MOORA memberikan peringkat berdasarkan kriteria harga, jarak, fasilitas, ukuran, dan jenis kos. Hasil pengujian menunjukkan algoritma K-Means berkinerja baik dengan Silhouete Score sebesar 0,3019. Pengujian Black Box memastikan seluruh fungsionalitas sistem berjalan valid. User Acceptance Testing (UAT) terhadap 30 responden menghasilkan persentase kelayakan sebesar 87,28% (Sangat Layak). Kesimpulannya, sistem ini terbukti valid dan efektif membantu mahasiswa menemukan kos idaman secara objektif dan efisien.

Kata kunci: Sistem Rekomendasi, K-Means Clustering, MOORA, Kos, UNESA Ketintang.