Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering

Abstract

Perkembangan industri telekomunikasi saat ini sangat pesat karena telekomunikasi sudah menjadi kebutuhan utama bagi masyarakat sehingga banyak perusahaan yang bergerak di industry telekomunikasi. Banyaknya industry Telekomunikasi menuntut para pengembang untuk menemukan strategi atau suatu pola yang dapat meningkatkan penjualan dan pemasaran produk, salah satu strateginya adalah dengan memanfaatkan data transaksi. Paket data merupakan produk dibidang telekomunikasi. Proses Clustering saat ini masih di lakukan secara manual sehingga membutuhkan waktu, proses perhitungan dan ketelitian yang tinggi. Pada penelitian ini dibuat aplikasi berbasis website dengan tujuan untuk mempermudah Clustering data sehingga dapat digunakan sebagai referensi dalam perencanaan promosi produk telkomsel ke berbagai daerah. Metode yang digunakan untuk mengatasi permasalahan tersebut yaitu metode Clustering dengan menggunakan Algoritma K-Means. Algoritma K-Means merupakan algoritma pengelompokkan sejumlah data menjadi menjadi kelompok-kelompok data tertentu. Pada penelitian ini data penjualan dikelompokkan menjadi 3 yaitu data penjualan rendah, data penjualan sedang dan data penjualan tinggi. Pengujian clustering dengan algoritma K-Means pada aplikasi terhadap data transaksi penjualan paket telkomsel diperoleh persentase kesesuaian yaitu 100% dibandingkan dengan clustering manual.

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

“…Metode ini untuk mencari partisi optimal dengan prosedur iterasi yang yang optimal dengan meminimalkan kriteria jumlah kesalahan. Metode ini memerlukan jumlah cluster, memilih pusat cluster awal (centroid) dan menghitung jarak antara titik centroid dan setiap objek data [6].…”

Clustering Kualitas Kinerja Karyawan Pada Perusahaan Bahan Kimia Menggunakan Algoritma K-Means

“…Hasil dari pengelompokan bervariasi dikarenakan jumlah perubahan yang terdapat dalam parameter cluster maka tujuan utama analisis cluster adalah total cluster atau total dari parameter model yang jarang diketahui, hal ini harus ditentukan sebelum pengelompokan. Pada tahap clustering terdiri dari beberapa algoritma pengelompokan untuk mempermudah dalam mengelompokan data [11].…”

Analisa Cluster Data Transaksi Penjualan Minimarket Selama Pandemi Covid-19 dengan Algoritma K-means

“…Nilai akurasi ini masih lebih tinggi dari pada model klusterisasi yang dilakukan oleh penelitian [10] dan [13]. Nilai akurasi namun masih lebih rendah dibandingkan model klusterisasi yang dilakukan oleh penelitian [11] dan [12].…”

“…Penelitian [10] menghasilkan nilai akurasi model klusterisasi sebesar 81%. Penelitian yang dilakukan oleh Handoko [11] dimana data mining dengan metode k-means menghasilkan akurasi sebesar 99% pada model klusterisasi yang digunakan untuk melihat pola daerah penjualan produk yang tinggi, sedang dan rendah pada penjualan paket data Telkomsel. Penelitian yang dilakukan oleh Devin [12] memanfaatkan algoritma naïve bayes dan k-means untuk sentiment analysis pada opini penjualan paket internet.…”