Penerapan Data Mining Dalam Pengelompokan Data Penjualan Pada Toserba Dengan Menggunakan Algoritma K-Means

Harisa, Harisa (2022) Penerapan Data Mining Dalam Pengelompokan Data Penjualan Pada Toserba Dengan Menggunakan Algoritma K-Means. Diploma thesis, Universitas Lancang Kuning.

	Text 1755201021_BAB-I_VI_DAFTAR-PUSTAKA.pdf Download (1MB)
	Text 1755201021_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Menyediakan stok barang adalah hal yang wajib dilakukan setiap toko, jika seketika toko tersebut merupakan barang yang dijual belikan. Produk di Toserba itu terdapat antara Barang masuk terbanyak, barang masuk sedang dan barang masuk sedikit. Dengan adanya masalah ini, perlu untuk mengelompokkan barang masuk terbanyak, sedang dan sedikit. Sehingga dilaksanakan pada bulan April hingga selesai penelitian. Algoritma K-Means tidak terpengaruh terhadap urutan objek yang digunakan, hal ini dibuktikan ketika penulis mencoba menentukan secara acak titik awal pusat cluster dari salah satu objek pada permulaan perhitungan. Jumlah keanggotaan cluster yang dihasilkan berjumlah sama ketika menggunakan objek yang lain sebagai titik awal pusat cluster tersebut. Namun, hal ini hanya berpengaruh pada jumlah iterasi yang dilakukan. Tujuan untuk membuat aplikasi dan menganalisis penjualan barang diToserba Rumbai Maju. Dengan adanya sistem ini dapat memberikan manfaat kemudahan untuk menganalisis pengelompokkan penjualan barang masuk terbanyak, sedang dan sedikit dan mengklasifikasikan penjualan barang masuk terbanyak, sedang dan sedikit. Algoritma K-Means Clustering pada dasarnya dapat diterapkan pada permasalahan dalam memahami perilaku konsumen, mengidentifikasi peluang produk baru dipasaran dan algoritma K-Means ini juga dapat digunakan untuk meringkas objek dari jumlah besar sehingga lebih memudahkan untuk mendiskripsikan sifat- sifat atau karakteristik dari masing-masing kelompok. Metodenya menggunakan pengumpulan data yaitu observasi, wawancara dan metode. Dengan pengelompokkan ini dapat dilihat hasil barang masuk terbanyak, sedang dan juga barang masuk sedikit. Apabila terdapat barang masuk sedikit maka Toserba bisa memastikan lagi waktu masuk barang. Sehingga bisa menyelesaikan masalah yang ada.

Actions (login required)

View Item