KLASTERISASI PRODUK UNTUK OPTIMALISASI BUSINESS MANAGEMENT PADA KERIPIK BALADO SALSABILA MENGGUNAKAN ALGORITMA K-MEDOIDS

Apela, Figo (2023) KLASTERISASI PRODUK UNTUK OPTIMALISASI BUSINESS MANAGEMENT PADA KERIPIK BALADO SALSABILA MENGGUNAKAN ALGORITMA K-MEDOIDS. Sarjana thesis, Universitas Putra Indonesia YPTK.

	Text SKRIPSI_FIGO APELA_18101152630242_ABSTRAK.pdf Download (74kB)
	Text SKRIPSI_FIGO APELA_18101152630242_BAB I.pdf Download (220kB)
	Text SKRIPSI_FIGO APELA_18101152630242_DAFTAR PUSTAKA.pdf Download (203kB)
	Text SKRIPSI_FIGO APELA_18101152630242_FULL TEXT.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pada penelitian ini akan menggunakan algoritma K-Medoids untuk pengelompokan data penjualan, sehingga akan ditemukan informasi yang dapat digunakan untuk penentuan strategi pemasaran produk yang tepat. Algoritma K�medoids atau Partitioning Around Medoids (PAM) adalah algoritma clustering yang mirip dengan K-Means. Perbedaan dari kedua algoritma ini yaitu algoritma k�medoids atau PAM menggunakan objek sebagai perwakilan (Medoid) sebagai pusat cluster untuk setiap cluster, sedangkan K-Means mengunakan nilai rata-rata (mean) sebagai pusat cluster. Algoritma K-medoids memiliki kelebihan untuk mengatasi kelemahan pada algoritma K-Means yang sensitive terhadap noise dan outlier, dimana objek dengan nilai yang besar yang memungkinkan menyimpang pada dari distribusi data. Kelebihan lainnya yaitu hasil proses clustering tidak bergantung pada urutan masuk dataset.

Actions (login required)

View Item