PENGKLUSTERAN PENJUALAN BAHAN BANGUNAN  MENGGUNAKAN ALGORITMA K-MEANS

febri hadi; yusvi diana

doi:10.35145/joisie.v4i1.629

febri hadi Universitas Putra Indonesia YPTK Padang
yusvi diana Universitas Putra Indonesia YPTK Padang

DOI: https://doi.org/10.35145/joisie.v4i1.629

Abstract viewed = 496 times

PDF (Bahasa Indonesia) downloaded = 658 times

Abstract

Banyaknya item-item bahan bangunan pada Toko Bangunan Persada membuat toko tersebut mengalami kesulitan dalam pengolahan data penjualan, untuk itu dilakukan pengklusteran dengan menggunakan algoritma K-Means, untuk mengetahui bahan bangunan mana yang laris terjual dan bahan bangunan mana yang tidak laris terjual.Adapun tujuan penelitian ini adalah mendapatkan suatu pengetahuan dalam mengelompokkan penjualan bahan bangunan. Untuk pengelompokkan ini menggunakan algoritma K-Means sebagai metode yang digunakan. Algoritma K-Means akan melakukan pengclusteran penjualan bahan bangunan sehingga didapatkan pengetahuan yang digunakan untuk pengambilan keputusan dalam penjualan bahan bangunan. Data mining dapat menghasilkan berbagai pengetahuan yang salah satunya untuk menentukan bahan bangunan yang paling banyak terjadi proses transaksi penjualan. Sehingga bahan bangunan yang paling banyak terjadi proses transaksi penjualan dapat dilakukan analisa dalam pengadaan stock bahan bangunan.

Downloads

Download data is not yet available.

References

Albar, I. & F. (2010). Identifikasi Dengan Menggunakan Algoritma K Means Pada Plat Kendaraan Identification with K Means Algorithm on Plate Number of Vehicle. 6, 1–8.
Alfina, T., Santosa, B., & Barakbah, A. R. (2012). Analisa perbandingan metode hierarchical clustering, k-means dan gabungan keduanya dalam cluster data (studi kasus: Problem kerja praktek teknik industri its). Jurnal Teknik Its, 1(1), A521--A525.
Andayani, S. (2007). Pembentukan Cluster dalam Knowledge Discovery in database dengan Algoritma K-Means. SEMNAS Matematika Dan Pendidikan Matematika Dengan Tema“Trend Penelitian Matematika Dan Pendidikan Matematika Di Era Global.
Hadi, F. (2018). Penerapan Metode Algoritma C4. 5 dalam Menganalisa Pegajuan Kredit pada Koperasi Jasa Keuangan Syariah Kelurahan Limau Manis Selatan. Indonesian Journal of Computer Science, 7(1), 28–42.
Jollyta, D., Efendi, S., Zarlis, M., & Mawengkang, H. (2019). Optimasi Cluster Pada Data Stunting: Teknik Evaluasi Cluster Sum of Square Error dan Davies Bouldin Index. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 918. https://doi.org/10.30645/senaris.v1i0.100
Lindawati. (2008). Data Mining Dengan Teknik Clustering Dalam Pengklasifikasian Data Mahasiswa Studi Kasus Prediksi Lama Studi Mahasiswa Universitas Bina Nusantara. Universitas Stuttgart, 2008(semnasIF), 174–180.
Metisen, B. M., & Sari, H. L. (2015). Analisis Clustering Menggunakan Metode K-Means Dalam Pengelompokkan Penjualan Produk Pada Swalayan Fadhila. Media Infotama, 11(2), 110–118.
Narwati, N. (2010). Pengelompokan Mahasiswa Menggunakan Algoritma K-Means. Jurnal Dinamika Informatika, 2(2).
Tacbir Hendro Pudjiantoro, Renaldi, F., & Teogunadi, A. (2011). Penerapan Data Mining untuk Menganalisa Kemungkinan Pengunduran Diri Calon Mahasiswa Baru. Konferensi Nasional Sistem Informatika.
Wijaya, A. (2011). Analisi algortima k-means untuk sistem pendukung keputusan penjurusan siswa di man binong subang. Universitas Komputer Indonesia, 112.