Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga Terhadap Harga Jual Sepeda Motor Honda

Mauliadi, Rafki

doi:10.37034/infeb.v4i4.156

Cited by 4 publications

(3 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian terakhir yang digunakan sebagai acuan penelitian yang dilakukan oleh Rafki Mauliadi pada tahun 2022 dengan judul penelitian Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga Terhadap Harga Jual Sepeda Motor Honda dan hasil dari penelitian hasil dari pengujian terhadap algoritma ini adalah 3 cluster dengan 42 data uji, pada cluster 1 terdapat 34 tipe kendaraan mendapat potongan harga, kemudian cluster 2 sebanyak 7 tipe kendaraan boleh dapat potongan harga dan cluster 3 sebanyak 1 tipe kendaraan tidak dapat potongan harga [23].…”

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

Senior High School is the last level that must be taken before continuing education at a higher level such as a Diploma or Bachelor's degree. Where in general high schools have class majors for students who will move up to class XI from class Improving the quality of education carried out in the class majoring process means that students will be more focused in accordance with the field of interest of the major that the student/I should take. The process that occurs in determining majors is only based on the wishes expressed by the students without taking into account the academic grades of the subjects that the students have passed or completed in class X. This problem is not a small problem that should be ignored, it This is an important problem that must be resolved immediately because if the problem is not resolved immediately it will have lasting impacts later. The process of determining the division of majors for students can be seen based on the patterns or values of previous students. Data mining is a process used to complete processing of large data. The data that is processed is a collection of data that becomes Big Data from past data that is stored in a storage container and can then be reused by processing it. Clustering is an appropriate way to solve problems. Where in clustering grouping is carried out based on the distance to each data object. The K-Means algorithm is part of Clustering Data Mining, where this algorithm can be used to carry out new groupings based on how clusters are formed. From the results obtained, there are 2 (two) new formation clusters. In cluster 1 there are 9 (nine) students and in cluster 2 there are 6 (six) students.

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

show abstract

“…Paper 3 "Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga terhadap Harga Jual Sepeda Motor Honda" [10]. Penelitian ini, membahas penggunaan teknik Data Mining dengan menggunakan Algoritma K-Means Clustering untuk menentukan tingkat potongan harga yang tepat dari setiap tipe sepeda motor Honda.…”

Section: Tinjauan Pustaka 21 Penelitian Terdahuluunclassified

Penerapan Data Mining Untuk Clustering Penyakit Diare Menggunakan Algoritma K-Means

Kholil,

Rahaningsih,

Danar Dana

2024

jati

View full text Add to dashboard Cite

Masih menjadi tantangan utama di Indonesia, termasuk di Kabupaten Cirebon, penyakit diare terus meningkatkan kekhawatiran kesehatan. Puskesmas Beber Cirebon mengalami lonjakan kasus diare yang mencolok dalam beberapa tahun terakhir. Selain jumlah penderita yang meningkat, penelitian ini juga menyoroti kurangnya pemahaman tentang pola, karakteristik, dan penyebaran diare di daerah Beber. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan data diare di wilayah kerja Puskesmas Beber menggunakan teknik data mining dengan algoritma K-Means. Data dari rekam medis pasien Puskesmas Beber yang menderita diare dianalisis dan dikelompokkan ke dalam 3 cluster menggunakan algoritma K-Means. Hasilnya menunjukkan nilai K optimal adalah 3, dengan cluster 0 memiliki jumlah kasus tertinggi (386 kasus), diikuti oleh cluster 1 (132 kasus) dan cluster 2 (61 kasus).Temuan ini memberikan wawasan penting tentang pola dan faktor risiko diare di wilayah tersebut, berpotensi untuk meningkatkan diagnosis, penanganan, dan pencegahan diare. Penerapan data mining pada rekam medis juga dapat meningkatkan manajemen informasi di Puskesmas, efisiensi layanan kesehatan, dan mendukung kebijakan penanggulangan penyakit yang lebih terarah. Secara keseluruhan, penelitian ini memberikan kontribusi metodologis dan praktis yang berharga dalam upaya mengatasi masalah diare di tingkat lokal atau Puskesmas

show abstract

“…Metode ini termasuk dalam kategori unsupervised, yang berarti tidak memerlukan arahan atau target spesifik untuk menghasilkan kelompok-kelompok tersebut (Jayanta et al, 2020). Dalam clustering, tidak ada label atau penamaan khusus yang diberikan pada kelompok data yang terbentuk (Mauliadi, 2022).…”

Section: B Clusteringunclassified

Penerapan Algoritma K-Means Untuk Clustering Harga Rumah Di Bandung

Aji,

Sondawa,

Gifari

et al. 2023

J. Ilm. Inform. Glob.

View full text Add to dashboard Cite

The need for shelter is one of the fundamental aspects of daily life for humans. A house serves not only as a place to seek protection and rest but also as a venue for socializing with family. One of the factors influencing the decision in choosing a house is its price. House prices vary in each region, depending on factors such as location and other attributes. In major cities like Bandung, house prices differ based on their categories. However, many people still find it challenging to determine the value and discern whether a house is classified as affordable or expensive. Hence, there is a need for a clustering process of house prices in Bandung to aid in comprehending and categorizing house prices based on attributes such as the house price, total building area, and total land area. To understand and analyze the patterns of house prices in Bandung, this study utilizes the K-Means method to cluster the house price data into several groups based on their similarity in attributes. Additionally, the research aims to determine the optimal number of clusters through the cluster validation process using the silhouette index. The findings show that when using n_cluster=2, a silhouette score of 0.8870 is obtained, and with n_cluster=3, the silhouette score is 0.8009. These results indicate that clustering with n_cluster=2 and n_cluster=3 both exhibit strong interpretative structures. Thus, the clustering of house prices in Bandung can be effectively grouped into 2 clusters, as evidenced by the higher silhouette score obtained with n_cluster=2, approaching 1 compared to n_cluster=3.

show abstract

Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga Terhadap Harga Jual Sepeda Motor Honda

Cited by 4 publications

References 11 publications

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Penerapan Data Mining Untuk Clustering Penyakit Diare Menggunakan Algoritma K-Means

Penerapan Algoritma K-Means Untuk Clustering Harga Rumah Di Bandung

Contact Info

Product

Resources

About