DATA MINING KLASIFIKASI PERSEDIAAN BAHAN BANGUNAN PADA TOKO TELAGA ZAMZAM MENGGUNAKAN KOMBINASI ALGORITMA K-MEANS DAN K-NEAREST NEIGHBORS

PUTRI, MELATI AMELIA (2023) DATA MINING KLASIFIKASI PERSEDIAAN BAHAN BANGUNAN PADA TOKO TELAGA ZAMZAM MENGGUNAKAN KOMBINASI ALGORITMA K-MEANS DAN K-NEAREST NEIGHBORS. Sarjana thesis, Universitas Putra Indonesia YPTK.

	Text SKRIPSI_MELATI AMELIA PUTRI_18101152630164_ABSTRAK.pdf Download (149kB)
	Text SKRIPSI_MELATI AMELIA PUTRI_18101152630164_BAB I.pdf Download (158kB)
	Text SKRIPSI_MELATI AMELIA PUTRI_18101152630164_DAFTAR PUSTAKA.pdf Download (139kB)
	Text SKRIPSI_MELATI AMELIA PUTRI_18101152630164_FULL TEXT.pdf Restricted to Repository staff only Download (5MB)

Abstract

Persediaan merupakan hal yang penting dalam suatu perusahaan atau organisasi. Ketersediaan barang mendukung kelancaran penjualan karena barang selalu tersedia untuk pelanggan tanpa kekurangan stok. Salah satu masalah yang ada adalah sistem pada Toko Telaga Zamzam masih dilakukan secara manual, mulai dari pencatatan barang masuk dan keluar dan penyimpanan data-data lainnya. Sehingga banyak kesalahan pencatatan data barang yang dilakukan dengan cara manual ini. Hal ini dapat dikatakan kurang efektif karena masih banyak terdapat kelemahan dalam mengolah persediaan barang. Maka dari itu untuk menjawab masalah yang ada pada Toko Telaga Zamzam penelitian ini menggabungkan Algoritma K-Means dan K-Nearest Neighbors. Tahap pertama yang dilakukan adalah melakukan clustering yang kemudian dianalisa untuk diklasifikasikan. Dari hasil yang dilakukan pada penelitian ini didapatkan kesimpulan bahwa dari tiga cluster yang digunakan untuk mengelompokkan masing-masing data dari 152 barang, terdapat 66 barang kurang laris, 47 barang cukup laris dan 39 barang laris. Tahap berikutnya dilakukan klasifikasi menggunakan Algoritma K-Nearest Neighbors. Hasil data cluster barang laris digunakan sebagai data pelatihan untuk menentukan klasifikasi barang baru yang belum memiliki keputusan. Hasil dari pengujian klasifikasi barang didapat keputusan kurang peminat dengan ketepatan akurasi mencapai 92,50%.

Actions (login required)

View Item