IMPLEMENTASI DATA MINING PENGELOMPOKAN DATA PENJUALAN BERDASARKAN PEMBELIAN MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS DI UD. MARTUA)

Lubis, Siti Sahara (2024) IMPLEMENTASI DATA MINING PENGELOMPOKAN DATA PENJUALAN BERDASARKAN PEMBELIAN MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS DI UD. MARTUA). Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_222321036_SITI SAHARA LUBIS_Abstrak.pdf Download (128kB)
	Text Tesis_222321036_SITI SAHARA LUBIS_BAB I.pdf Download (365kB)
	Text Tesis_222321036_SITI SAHARA LUBIS_Daftar Pustaka.pdf Download (351kB)
	Text Tesis_222321036_SITI SAHARA LUBIS_Full Text.pdf Restricted to Repository staff only Download (5MB)

Abstract

Teknologi informasi mampu membantu menyelesaikan permasalahan yang dihadapi manusia dengan memudahkan kinerja. Saat ini perkembangan teknologi informasi sangatlah pesat dan cepat termasuk di Indonesia sendiri. Dengan adanya teknologi pada dasarnya untuk mempermudah manusia dalam menjalankan sesuatu hal. Teknologi informasi ini sudah banyak digunakan untuk memproses, mengelolah data, menganalisis data untuk menghasilkan data atau informasi yang relevan, cepat, jelas dan akurat. Perkembangan teknologi informasi telah membuka babak baru dilingkungan masyarakat, termasuk didunia bisnis. Di dunia bisnis saat ini hampir semua transaksi menggunakan teknologi. Bisnis sangat erat hubungannya dengan penjualan, Penjualan adalah kegiatan pelengkap dari pembelian untuk terjadinya proses transaksi. Dalam konteks bisnis dan analisis data, KDD (Knowledge Discovery in Databases) adalah proses yang digunakan untuk menemukan informasi atau pengetahuan yang berguna dari data yang besar dan kompleks. Data Mining merupakan suatu langkah dalam (KDD) yang memiliki teknik menganalisa data untuk digali informasi tersembunyi dalam jumlah besar dan kompleks. K-Means merupakan sebuah algoritma clustering pada Data Mining untuk dapat menghasilkan kelompok dari data yang jumlahnya banyak dengan metode partisi yang berbasis titik dengan waktu komputasi yang cepat dan efisien. Penelitian ini bertujuan untuk memberikan solusi nyata kepada UD. Martua agar dapat mengetahui mana barang yang laris dan mana barang yang tidak laris agar objek dapat mengetahui barang yang perlu ditambah stoknya dan barang yang harus dikurangi stoknya. Metode yang digunakan pada penelitian ini adalah metode K-Means dengan tahapan yaitu pemilihan data, prapemrosesan, transformasi data, ekstraksi informasi dan evaluasi hasil. Data terdiri dari 30 data barang terdapat 22 sebagai aggota C1 dan merupakan barang tidak laris dan 8 sebagai anggota C2 dan merupakan barang laris. Kesimpulan yang dapat diperoleh dari penelitian ini metode K-Means dapat mengelompokkan barang pada UD. Martua. Penelitian ini menunjukkan bahwa implementasi metode K-Means dengan dukungan aplikasi RapidMiner efektif dalam mengelompokkan data barang pada UD.Martua. Kata kunci: Teknologi Informasi, Data Mining, K-Means, Clustering, Barang

Actions (login required)

View Item