Search for collections on Repository Universitas Satya Negara Indonesia

CLUSTERING MESIN GERGAJI DENGAN MENGGUNAKAN METODE ALGORITMA K-MEANS ( Studi Kasus : PT. Indokita Makmur )

Bromantyo, Geary Guntur (2019) CLUSTERING MESIN GERGAJI DENGAN MENGGUNAKAN METODE ALGORITMA K-MEANS ( Studi Kasus : PT. Indokita Makmur ). Undergraduate thesis, Universitas Satya Negara Indonesia.

[img] Text
abstrak.pdf

Download (3MB)
[img] Text
bab 1.pdf

Download (1MB)

Abstract

Pada transaksi penjualan PT. indokita makmur akan menghasilkan sebuah data yang berlimpah berupa profil barang yang terjual, hal ini menjadi kesulitan untuk melakukan identifikasi terhadap barang yang dipromosikan calon pembeli. Penelitian ini membahas tentang penerapan Data Mining, menggunakan algoritma K-Means Clustering untuk menghasilkan profil yang memiliki kemiripan atribut yang sama, Informasi yang didapatkan dapat membantu pihak perusahaan sebagai bahan pertimbangan dalam menentukan strategi promosi barang yang meraka jual. Penelitian ini bertujuan untuk mengelompokan profil penjualan selama beberapa bulan belakangan kedalam sebuah cluster dengan menggunakan metode data mining K-means Clustering, data barang yang terjual oleh pembeli dikelompokan berdasarkan kemiripan data yang ada dalam atribut yang sama, atribut yang digunakan adalah Harga dan juga Unit (Jumlah). Cluster yang terbagi setelah proses Clustering menjadi tiga cluster, cluster pertama berjumlah 12 pelanggan dengan 3 tipe mesin, cluster dua berjumlah 22 pelanggan dengan 3 tipe mesin, dan cluster tiga berjumlah 6 pelanggan dengan 2 tipe mesin, Cluster dengan rata rata harga dan unit adalah cluster kedua, Hasil penelitian ini dapat digunakan sebagai dasar pengambilan keputusan strategi promosi di PT. Indokita Makmur.

Item Type: Thesis (Undergraduate)
Subjects: Technology > Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika (S1)
Depositing User: Tn Andrian Prayudho
Date Deposited: 28 Sep 2022 08:46
Last Modified: 28 Sep 2022 08:46
URI: http://repo.usni.ac.id/id/eprint/1083

Actions (login required)

View Item View Item