Klasterisasi Bibit Terbaik Menggunakan Algoritma K-Means dalam Meningkatkan Penjualan

Hartati, Yuli; Defit, Sarjon; Nurcahyo, Gunadi Widi

doi:10.37034/infeb.v3i1.56

Cited by 3 publications

(5 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The first step of the K-Means algorithm is to determine the number of clusters, in this study 3 clusters were determined [13]. Namely the ideal cluster (C0), the risky cluster (C1), and the good cluster (C2).…”

Section: Image 3 K-means Clustering Methodsmentioning

confidence: 99%

Implementation of Data Mining by Using K-Means to Classify Marriage Age

Handoko

Nasution

2023

JURTEKSI

View full text Add to dashboard Cite

Marriage is a husband and wife relationship between a man and a woman to form a family. There are several conditions in marriage that must be fulfilled both religiously and legally in force in Indonesia. To carry out the marriage, the prospective bride and groom must register at the nearest Religious Affairs Office (KUA), KUA is an institution established by the government to handle marriage matters. At marriages, various age groups are often found registering at the KUA. This research was conducted using the Data Mining technique through the K-Means Clustering Model to determine the age grouping of marriage which aims to make it easier for the Office of Religious Affairs in educating the prospective bride and groom from a future perspective and an economic perspective in terms of having a child. The research dataset is data on prospective wedding brides at KUA Rawang Lama, Panca Arga in 2022 with a total of 102 samples, by forming 3 clusters, namely: the Ideal cluster of 76 prospective wedding brides (age 19-30 based on husband's age and age 18-25 based on age wife), a good cluster of 20 prospective marriage brides (age 28-44 based on husband's age and age 24-37 based on wife's age), and a risky cluster of 6 prospective marriage brides (age 49-72 based on husband's age and age 39-58 based on wife's age), and produces a Silhouette Score of 0.57. Keywords: clustering; data mining; k-means; marriage Abstrak: Pernikahan merupakan hubungan sebagai suami dan istri antara seorang laki-laki dan perempuan untuk membentuk sebuah keluarga. Terdapat beberapa syarat dalam pernikahan yang wajib dipenuhi baik secara agama maupun secara hukum yang berlaku di Indonesia. Untuk melakukan pernikahan, calon kedua mempelai harus mendaftarkan diri pada Kantor Urusan Agama (KUA) terdekat, KUA merupakan lembaga yang dibentuk oleh pemerintah untuk menangani masalah pernikahan. Pada pernikahan sering ditemukan berbagai kalangan umur yang mendaftarkan diri di KUA. Penelitian ini dilakukan dengan menggunakan teknik Data Mining melalui Model K-Means Clustering untuk menentukan pengelompokkan umur pernikahan yang bertujuan untuk mempermudah pihak KUA dalam mengedukasi calon mempelai pernikahan dalam sudut pandang masa depan dan sudut pandang ekonomi dalam hal memiliki seorang anak. Dataset penelitian ini adalah data calon mempelai pernikahan pada KUA Rawang Lama, Panca Arga pada tahun 2022 sebanyak 102 sampel, dengan membentuk 3 klaster yaitu : cluster Ideal sebanyak 76 calon mempelai pernikahan (usia 19-30 berdasarkan umur suami dan usia 18-25 berdasarkan umur istri), cluster baik sebanyak 20 calon mempelai pernikahan (usia 28-44 berdasarkan umur suami dan usia 24-37 berdasarkan umur istri), dan cluster beresiko sebanyak 6 calon mempelai pernikahan (usia 49-72 berdasarkan umur suami dan usia 39-58 berdasarkan umur istri), dan menghasilkan Silhouette Score 0.57. Kata kunci: clustering; data mining; k-means; pernikahan

show abstract

Section: Image 3 K-means Clustering Methodsmentioning

confidence: 99%

Implementation of Data Mining by Using K-Means to Classify Marriage Age

Handoko

Nasution

2023

JURTEKSI

View full text Add to dashboard Cite

show abstract

“…Salah satu solusi untuk mengatasi masalah ini adalah dengan menggunakan aplikasi data mining untuk pengolahan data guna mengekstrak informasi berharga dari data yang tersedia. Data mining dikenal sebagai proses penggalian informasi dari kumpulan data atau dataset berskala besar [4]. Ada berbagai macam metode dalam data mining salah satunya adalah metode pengelompokan atau biasa dikenal dengan clustering.…”

Section: Pendahuluanunclassified

“…Beberapa algoritma yang dapat diterapkan pada teknik ini antara lain K-Nearest Neighbors (KNN), Fuzzy C-Means, dan K-Means [6]. Algoritma Clustering yang seringkali diaplikasikan secara luas dalam proses penggolongan data adalah K-Means, algoritma ini dikenal sebagai algoritma yang sangat sederhana dalam mengelompokan data [4]. Menurut [7] Algoritma K-Means tergolong dalam algoritma pembelajaran tanpa pengawasan (unlabeled).…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Penerapan Algoritma K-Means Clustering Untuk Perencanaan Persediaan Stok Sepatu Di Toko Diomclothing

Rizki Ani,

Kurniawan,

Suprapti

2024

jati

View full text Add to dashboard Cite

Toko DIOMclothing merupakan sebuah perusahaan dagang yang menawarkan berbagai produk sepatu dengan merek seperti converse, vans, asics, ventela hingga produk sepatu lainnya. Dalam mengelola usahanya, toko DIOMclothing menghadapi tantangan strategis terkait penentuan produk yang paling diminati oleh pelanggan untuk direncanakan persediaannya. Kesalahan dalam menentukan persediaan produk dapat mengakibatkan kerugian finansial karena persediaan yang berlebihan atau kehilangan peluang penjualan karena persediaan yang kurang. Penelitian ini bertujuan mengklaster data penjualan sepatu untuk mengetahui tren penjualan produk sepatu sesuai periode waktu tertentu menggunakan penerapan metode K-means Clustering. Metode ini memungkinkan pengelompokan data penjualan berdasarkan karakteristik kemiripan dari datanya. Penerapan metode ini menghasilkan 3 klaster terbaik dengan karakteristik Klaster 0 (Sangat diminati) terdapat 469 data dengan tren penjualan dari Oktober hingga Desember, Klaster 1 (Cukup diminati) terdiri dari 581 data dengan tren penjualan dari Juli hingga September, Klaster 2 (Kurang diminati) terdiri dari 263 data dengan tren penjualan dari Agustus hingga Desember. Evaluasi menggunakan Davies Bouldin Index (DBI) menunjukkan nilai sebesar 0,165, menandakan kinerja klaster yang baik karena nilai DBI yang dihasilkan mendekati nol dan tidak negatif. Hasil penelitian ini dapat dimanfaatkan oleh DIOMclothing untuk mengoptimalkan pengadaan stok pada periode waktu tertentu, meningkatkan efisiensi manajemen persediaan, dan merancang strategi pemasaran yang lebih tepat sasaran.

show abstract

“…Data mining dan metode k-meansdapat membantu dalam penelitian ini dipadukan dengan pemrograman PHP dan MySQL. Berdasarkan penerapan dan pengujian yang dilakukan selama membuat sistem klasifikasi produk merk bata di Toko Bata Tanjungbalai menggunakan algoritma KMeans ditarik beberapa kesimpulan: (1) Dapat menerapkan data mining untuk klasifikasi produk merk bata menggunakan algoritma K-Means di Toko Bata Tanjungbalai yang berbasis web dengan menggunakan bahasa pemrograman PHP dan database MySQL., (2) Algoritma K-Means mampu menghasilkan keputusan produk yang laris dan tidak laris [6].…”

Section: Penelitian Terdahuluunclassified

Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport

Nugraha¹,

Nurdiawan²,

Dwilestari³

2022

jati

View full text Add to dashboard Cite

Saat ini proses penjualan dan pemasaran yang di lakukan oleh Yana Sport masih sudah menggunakan aplikasi E-commerce, maka dari itu dengan pemanfaata teknologi informasi berupa E-commerce dapat memberikan peningkatan penjualan produk bagi Yanaspot. Akan tetapi persaingan dalam dunia bisnis pasti ada karena yang menjual barang masih ada toko lain yang membuka usaha yang sama. Kondisi tersebut menyebabkan pemilik toko ini dituntut untuk menemukan strategi yang dapat meningkatkan penjualan dan pemasaran toko olahraga. Data penelitian ini bersumber dari data transaksi penjualan toko yang sport yang beralamat di Jl. Fatahillah No.225, Watubelah, Kec. Weru, Kabupaten Cirebon, Jawa Barat 45154 Model algoritma k-means bahwa operator yang digunakan yaitu retrive dipergunakan untuk memanggil data set pada penelitian ini. Kemudian clustring kmeans untuk memodelkan data set yang telah ada, serta clusterdistance performance digunakan untuk menguji hasil pengelompokan, penelitian ini menetapkan 2 kelompok yaitu laris terjual dan tidak laris terjual. Hasil Data Performance menejelaskan bahwa Cluster 0 dengan nilai 110 dikategorikan sebagai Tidak Laris Terjual sedangkan 21389 dikategorikan sebagai laris terjual. Hasil rekomendasai penelitian ini mendapatkan informasi atau pola dari penerapan algoritma k-means dengan data penjualan terdapat sebanyak 99 item barang yang laris terjual dan terdapat 23 item barang yang tidak terjual sehingga pemilik dapat melakukan strategi penjualan dan pembelian ulang berdasarkan barang yang laris terjual.

show abstract

Klasterisasi Bibit Terbaik Menggunakan Algoritma K-Means dalam Meningkatkan Penjualan

Cited by 3 publications

References 8 publications

Implementation of Data Mining by Using K-Means to Classify Marriage Age

Implementation of Data Mining by Using K-Means to Classify Marriage Age

Penerapan Algoritma K-Means Clustering Untuk Perencanaan Persediaan Stok Sepatu Di Toko Diomclothing

Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport

Contact Info

Product

Resources

About