PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MEMPREDIKSI DATA PENJUALAN PADA TOKO FUAD

Adriana, Azaria (2023) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MEMPREDIKSI DATA PENJUALAN PADA TOKO FUAD. Sarjana thesis, Universitas Putra Indonesia YPTK Padang.

[img] Text
Skripsi_19101152610374_Azaria Adriana_Abstrak.pdf

Download (32kB)
[img] Text
Skripsi_19101152610374_Azaria Adriana_BAB I.pdf

Download (481kB)
[img] Text
Skripsi_19101152610374_Azaria Adriana_Daftar Pustaka'.pdf

Download (174kB)
[img] Text
Skripsi_19101152610374_Azaria Adriana_Full Text.pdf
Restricted to Repository staff only

Download (7MB)

Abstract

Penelitian ini bertujuan untuk menerapkan Data Mining dengan menggunakan algoritma K-Means Clustering dalam memprediksi data penjualan di Toko Fuad. K-Means Clustering adalah metode yang digunakan untuk mengelompokkan data menjadi kelompok yang sederhana berdasarkan tingkat kemiripan. Toko Fuad merupakan Usaha Mikro, Kecil, dan Menengah (UMKM) yang bergerak di bidang perdagangan alat-alat bangunan dan besi. Penelitian ini menggunakan data penjualan pada bulan sebelumnya. Hasil penelitian menunjukkan bahwa sistem yang dibangun dapat membantu Toko Fuad dalam mengelompokkan barang dalam tiga kelompok, yakni sangat laku, sedang, dan kurang laku. Implementasi algoritma K-Means Clustering membantu pemilik toko dalam memahami pola penjualan produknya. Dengan penerapan sistem ini, Toko Fuad dapat lebih efektif dalam mengelola stok barang, meningkatkan penjualan, serta merancang strategi pemasaran yang lebih tepat sasaran. Informasi mengenai produk yang laku dan kurang laku sangat berguna dalam pengambilan keputusan di Toko Fuad, sebagai sebuah UMKM. Kata Kunci: Data Mining, Klasterisasi K-Means, Penjualan, Toko Fuad.

Item Type: Thesis (Sarjana)
Subjects: 0 Research > Ilmu Komputer
0 Research > Ilmu Komputer > Sistem Informasi
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer > Sistem Informasi (S1)
Depositing User: Ryan Ariadi A.Md
Date Deposited: 25 Sep 2024 02:30
Last Modified: 25 Sep 2024 02:30
URI: http://repository.upiyptk.ac.id/id/eprint/11875

Actions (login required)

View Item View Item