Metode Algoritma K-Means Untuk Clustering Data Produk Paling Laku Pada Toko Tono Grosir Plumbon Cirebon

  • Aldo Hermaya Aditiya Nur Karsa Universitas Catur Insan Cendekia Cirebon
  • Agus Rohmat Hidayat UNICIMI Universitas Cendikia Indonesia
Keywords: algoritma k-means, clustering, data penjualan

Abstract

Pesatnya perkembangan teknologi informasi yang menjadikan semua informasi dapat disimpan dalam jaringan computer, yang membuat munculnya sistem basis data. Data mining salah satunya, merupakan teknologi yang sangat berguna untuk membantu toko menemukan informasi yang sangat penting dari gudang data (Data Warehouse). Clustering algoritma k-means merupakan salah satu metode data mining yang bersifat tanpa arahan (unsupersived). Tujuan penelitian ini membantu dalam mengelompokan data, informasi yang ditampilkan berupa nilai centroid dari tiap-tiap cluster untuk mengelompokan data barang berdasarkan tingkat kelarisan pada toko Tono Grosir Plumbon Cirebon.

Downloads

Download data is not yet available.

References

Windarto, A. P. (2017). Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method. International Journal of Artificial Intelligence Research, 1(2), 26. https://doi.org/10.29099/ijair.v1i2.17
Astah. (2017). Astah.
Prahasti, P. (2018). Data Mining Dalam Pengelompokan Jenis Dan Jumlah Pembagian Zakat Dengan Menggunakan Metode Clustering K-Means (Studi Kasus: Badan Amil Zakat Kota Bengkulu). Jurnal Teknologi Informasi, 1(2), 211. https://doi.org/10.36294/jurti.v1i2.298
Maulida, L. (2018). Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167. https://doi.org/10.14421/jiska.2018.23-06
Friends, A. (2017). XAMPP Apache+ MariaDB+ PHP+ Perl. Apache Friends.
Dwiputra Mudzakkir, B. (2018). Pengelompokan Data Penjualan Produk Pada Pt Advanta Seeds Indonesia Menggunakan Metode K-Means. Jurnal Mahasiswa Teknik Informatika, 2(2), 34–40.
Purba, W., Tamba, S., & Saragih, J. (2018). The effect of mining data k-means clustering toward students profile model drop out potential. Journal of Physics: Conference Series, 1007(1). https://doi.org/10.1088/1742-6596/1007/1/012049
Laravel. (2019). Laravel - The PHP Framework For Web Artisans.
Nasution, Y. R., Eka, M., Islam, U., Sumatera, N., Medan, U., Nahdlatul, U., Sumatera, U., & Clustering, A. K. (2018). Penerapan Algoritma K-Means Clustering Pada Aplikasi Menentukan Berat Badan Ideal. Jurnal Ilmu Komputer Dan Informatika, 02(April), 77–81.
Bahiy. (2017). Metode Waterfall (Kelebihan dan Kelemahan). 15 September 2017.
Purnomo, D. (2017). Model Prototyping Pada Pengembangan Sistem Informasi. Jurnal Informatika Merdeka Pasuruan, 2(2), 54–61.
Visual Studio Code. (2015). Documentation for Visual Studio Code. Visual Studio Code Documentation.
Nasution, Y. R., Eka, M., Islam, U., Sumatera, N., Medan, U., Nahdlatul, U., Sumatera, U., & Clustering, A. K. (2018). Penerapan Algoritma K-Means Clustering Pada Aplikasi Menentukan Berat Badan Ideal. Jurnal Ilmu Komputer Dan Informatika, 02(April), 77–81.
Hadi, F., & Diana, Y. (2020). Pengklusteran Penjualan Bahan Bangunan Menggunakan Algoritma K-Means. JOISIE (Journal Of Information Systems And Informatics Engineering), 4(1), 22. https://doi.org/10.35145/joisie.v4i1.629



Jeffri Ternando Jabat, M. (2017). Penerapan Data Mining Pada Penjualan Produk. Jurnal Teknologi Informasi Dan Komputer, 3(2), 164–174.

Baihaqi, W. M., Indartono, K., & Banat, S. (2019). Penerapan Teknik Clustering Sebagai Strategi Pemasaran pada Penjualan Buku Di Tokopedia dan Shopee. Paradigma - Jurnal Komputer Dan Informatika, 21(2), 243–248. https://doi.org/10.31294/p.v21i2.6149
Priati, F. A. (2018). Data Mining Dengan Teknik Clustering Menggunakan Algoritma K-Means Pada Data Transaksi Superstore. Seminar Nasional Informatika Dan Aplikasinya, September 2017, 15–19.
Published
2024-01-29