Pengelompokan UMKM Batik Menggunakan Metode K-Means dan Analytical Hierarchy Process (AHP) Studi Kasus : Batik Tuban

Batik merupakan salah satu industri yang mendorong pertumbuhan Usaha Mikro, Kecil, dan Menengah (UMKM). Saat ini UMKM menjadi topik yang menarik perhatian dikalangan pemerintah. Penelitian ini bertujuan untuk mengelompokkan UMKM batik berdasarkan ciri atau kemiripan dan menentukan peringkat UMKM batik yang paling unggul. Metode yang digunakan dalam penelitian ini adalah K-Means, yang sering digunakan dalam algoritma pengelompokan. Dalam metode K-Means, jarak dihitung dengan menggunakan Euclidean Distance, dan diterapkan pada 5 kriteria, yaitu jumlah tenaga kerja, kapasitas produksi, nilai produksi, nilai investasi, dan surat izin. Normalisasi Min-Max digunakan untuk memastikan keseragaman nilai data, dan Label Encoding digunakan untuk mengubah data kategorikal menjadi data numerik. Metode Analytical Hierarchy Process (AHP) digunakan untuk peringkat UMKM batik terbaik di Kabupaten Tuban. Untuk menentukan jumlah cluster yang optimal, digunakan teknik evaluasi SSE (Sum Of Square Error). Hasil uji coba dengan 554 data menunjukkan bahwa jumlah cluster paling optimal adalah di cluster 15, dengan SSE sebesar 26.047. Berdasarkan tingkat kebutuhan di Dinas Tenaga Kerja dan Perindustrian Kabupaten Tuban merekomendasikan penggunaan 3 cluster untuk mempermudah analisis dengan nilai SSE sebesar 106.279. Dalam penelitiam ini, analisis dari 3 cluster menunjukkan bahwa pengelompokan yang di dapatkan yaitu cluster 1 103 data kategori pengelompokan sedang, cluster 2 392 data kategori pengelompokan tinggi, dan cluster 3 59 data kategori pengelompokan rendah.cluster 1 memiliki kategori pengelompokan sedang, cluster 2 memiliki kategori pengelompokan tinggi, dan cluster 3 memiliki kategori pengelompokan rendah. Dari ketiga cluster ini, dilakukan pembobotan dengan menggunakan metode AHP, dan ditemukan bahwa kriteria jumlah pekerja, kapasitas produksi, dan nilai produksi memiliki pengaruh paling signifikan.