Perbandingan Jarak Euclidean, Manhattan, Minkowski, dan Mahalanobis dalam Pengelompokan Penjualan Rumah Menggunakan K-medoids Clustering (Studi Kasus : Penjualan Rumah Agen Properti di Ray White Cabang Gedangan)

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan efektivitas empat jenis ukuran jarak Euclidean, Manhattan, Minkowski, dan Mahalanobis dalam metode K-Medoids clustering untuk mengelompokkan data penjualan rumah. Studi dilakukan pada penjualan rumah agen properti di Ray White cabang Gedangan, dengan variabel utama meliputi luas tanah, luas bangunan, harga rumah, dan komisi. Pemilihan judul ini didasari oleh kebutuhan untuk memberikan kontribusi baru dalam penerapan metode pengelompokan pada sektor properti, karena penelitian sebelumnya umumnya hanya membandingkan sedikit jenis jarak dan jarang menyoroti objek properti. Metode K-Medoids dipilih karena lebih tangguh dalam menghadapi data dengan nilai ekstrem yang umum dijumpai pada pasar properti, serta mampu menghasilkan pengelompokan yang lebih representatif dengan pusat cluster (medoid) yang diambil dari data nyata. Proses pengelompokan menggunakan algoritma K-Medoids dengan evaluasi hasil pengelompokan berdasarkan index validitas seperti Dunn Index, Silhouette Index, Elbow Index, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa masing-masing jenis jarak menghasilkan jumlah cluster dan karakteristik cluster yang berbeda. Di antara keempat jenis jarak yang diuji, jarak Euclidean memberikan hasil klasterisasi paling optimal, ditinjau dari kombinasi nilai validitas yang stabil dan interpretasi cluster yang jelas. Hasil penemuan ini dapat dijadikan acuan dalam pengambilan keputusan strategis, khususnya dalam menyusun segmentasi pasar dan strategi pemasaran yang tepat pada bisnis properti.