Penelitian bertujuan untuk mengetahui seberapa besar hasil dari pengelompokkan barang berpengaruh terhadap kebutuhan dari konsumen. Kelebihan persediaan barang akan sangat memenuhi gudang dan tidak efesien karena adanya tanggal expired pada produk makanan, minuman dan lain-lain. Saat ini Toko Raja masih mengelola barang secara manual sehingga tidak efesiennya waktu. Untuk menyelesaikan masalah tersebut maka dibutuhkan suatu teknik yaitu data mining. Teknik data mining yang akan digunakan pada penelitian ini adalah metode K-Means Clustering. K-Means merupakan salah satu algoritma yang paling popular karena mudah dan sederhana ketika diimplementasikan. Namun hasil clustering dari K-Means sangat bergantung terhadap pemilihan titik pusat cluster awalnya. Perhitungan akurasi dalam penelitian ini menggunakan Hasil pengujian metode clustering K-Means menggunakan Davies-Bouldin Index (DBI) adalah sebesar 1,856 dimana nilai DBI mendekati nol cluster sudah cukup baik. Dari akurasi yang dihasilkan dapat disimpulkan bahwa metode Clustering K-Means dapat mendukung sistem dengan baik.
Ajie Prasetya. 201910225132. Analisis cluster k-means dengan metode siku untuk menentukan pola penjualan produk traffic room summarecon mal bekasi. Bekasi: Fakultas Ilmu Komputer. Universitas Bhayangkara Jakarta Raya. 2023 Strategi penjualan yang efektif dalam bisnis ritel fashion sangatlah penting untuk menentukan keberhasilan perusahaan atau toko. Seperti toko Traffic Room yaitu toko ritel fashion vintage yang menjual berbagai macam produk. Walaupun banyaknya produk yang di jual, toko ini belum memanfaatkan data penjualan untuk menentukan pola penjualan produk sehingga menimbulkan dampak negatif seperti masih banyak produk yang kekurangan persediaan dan produk tidak terjual dengan target yang sudah ditentukan. Maka tujuan dari penelitian ini untuk mengetahui pola penjualan produk agar bisa memperbaiki persediaan produk. Untuk mengatasi permasalahan ini, analisis yang digunakan yaitu algoritma K-Means untuk mencari pola penjualan produk dibantu dengan metodesiku dalam menentukan cluster yang optimal. Serta yang menjadi alur dalam proses penelitian ini yaitu metode CRISP-DM dengan langkah-langkahnya yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi dan penyebaran . Hasil dari penelitian ini mendapatkan 4 cluster yaitu cluster 2 atau sangat laris ada 2 produk, cluster 3 atau laris ada 5 produk, cluster 1 atau cukup laris ada 5 produk dan cluster 4 atau kurang laris ada 3 produk. Hasil evaluasi mendapatkan nilai Sum of Square Error (SSE) optimal yaitu 594.366,733 atau 65,5%. Dari hasil evaluasi artinya kinerja algoritma K-Meansyang digunakan sudah baik. Kata Kunci : Pola Penjualan Produk, Algoritma K-Means , Metode Elbow , CRISP-DM, Sum of Square Error (SSE)
<p><em>Sistem Penerimaan Peserta Didik Baru Online (PPDB Online)</em><em> </em><em>dirancang dengan tujuan dapat memberikan kemudahan bagi masyarakat luas yang akan mendaftarkan diri ke sekolah, dengan memberikan proses yang transparasi, dan akuntabel. Namun sayangnya banyak masyarakat yang belum dapat memahami bagaimana proses tersebut dapat dilakukan sehingga masih jauh dari tujuan untuk memberikan kemudahan dan kepuasan pada masyarakat khususnya di Kota Bekasi</em><em>. </em><em>Penelitian ini bertujuan untuk melakukan analisa efektifitas peningkatan layanan pendidikan berbasis IT dari sistem informasi Penerimaan Peserta Didik </em><em>B</em><em>aru (PPDB) di kota Bekasi</em><em> </em><em>menggunakan </em><em>metode </em><em>Technology Acceptance Model</em><em>. Langkah analisa yang dilakukan menggunakan metode ini</em><em> dengan mengidentifikasi </em><em>pengaruh pengguna pada faktor persepsi kemudahan, persepsi manfaat, persepsi niat pengguna, dan persepsi sikap pengguna. Hasil dari penelitian ini menunjukkan faktor yang paling dominan mempengaruhi efektifitas pelayanan adalah kemudahan sistem PPDB online, dan faktor ini sangat berpengaruh terhadap sikap pengguna dalam menggunakan sistem PPDB di Kota Bekasi. Tetapi perlu dilakukan peningkatan pada faktor persepsi manfaat terhadap niat pengguna.</em><em></em></p>
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.