Perancangan Model Sistem Intelijensia Bisnis Untuk Menganalisis Pemasaran Produk Roti Di Pabrik Roti Menggunakan Metode Data Mining Dan Cube

Abstract

Business intelligence systems participate to deliveran accurate and useful information to decision makers in marketing division of bakeries manufacture. The purpose of this study was to design business intelligence model to analyze the marketing product, design the data mining model, measure and analyze the marketing process of the product they sell. The methodology of this research wasto analyze system requirements, design unified modeling language, make process extract, transform, and load, designdata warehouse, and data mining that integrated with the on line analytical process cube webbased. The business intelligence model produced was a marketing data mining model and on line analytical process cube. The result from on line analytical process cube was the data warehouse of transaction in R Bakery. In designing the data mining, Kmeans clustering method was used. The results from data mining k-means clustering were there were 83% cluster 1 and 17% cluster 2. Cluster 1 wasthecategorize for low leftover breads and cluster 2 was the categorize for high leftover breads. The model cube recency, frequency, and monetary and customer lifetime value resulted ranked out of the most amount of sales in R Bakery.

Implementasi K-Means Dan K-Medoids Dalam Pengelompokan Wilayah Potensial Produksi Daging Ayam

“…Penggunaan algoritma clustering sudah pernah dilakukan pada penelitian-penelitian sebelumnya, yaitu penggunaan sistem clustering untuk memudahkan proses identifikasi bahan menu makanan halal (Sucipto et al, 2021) (Fitriana et al, 2017); Penerapan sistem intelijensia bisnis yang dipadukan dengan metode K-Means pada bagian pemasaran di pabrik roti (Fitriana et al, 2018); Segmentasi pelanggan dilakukan menggunakan algoritma clustering untuk menganalisis perilaku pelanggan dan mengelompokkannya (Aryuni et al, 2018;Maryani et al, 2018;Shihab et al, 2019;Syakur et al, 2017); Pemanfaatan clustering untuk mengelompokkan berbagai jenis pekerjaan yang diminati oleh pencari kerja menggunakan K-Means clustering (Shamrat et al, 2020); Perbandingan validasi algoritma K-Medoids dengan K-Means dengan menggunakan Silhoutte Coefficient Index dalam mengelompokkan wilayah cacat pada anak (Marlina et al, 2018); Perbandingan atara algoritma K-Medoids dan algoritma K-Means untuk pengelompokan menu masakan bahan-bahan dari ikan dengan pemilihan algoritma terbaik berdasarkan nilai Davies Bouldin Index (Suarna et al, 2021); Analisis komparatif K-Means dengan K-Medoids dari kedua algoritma dalam kelompok data yang berbeda untuk menjelaskan kekuatan dan kelemahan keduanya (Arbin et al, 2015); Evaluasi kinerja algoritma K-Means dasar dilakukan dengan menggunakan berbagai distance metrics (Thakare dan Bagal, 2015); Peningkatan hasil clustering berdasarkan Davies Bouldin Index dalam menentukan centroid awal pada algoritma K-Means (Sitompul et al, 2019).…”

Penerapan Sistem Intelijensia Bisnis Dan K-Means Clustering Untuk Memantau Produksi Tanaman Obat

“…Penelitian sistem intelijensia bisnis sebagai alat pendukung keputusan untuk meningkatkan kepuasan pelanggan atas layanan yang diberikan oleh perusahaan (Fitriana et al, 2016). Penelitian sistem intelijensia bisnis sebagai alat untuk mendapatkan informasi yang bermanfaat dan akurat dalam pengambilan keputusan pada bagian pemasaran di pabrik roti dengan menerapkan data mining dan OLAP Cube (Fitriana et al, 2018). Penelitian eksplorasi faktor-faktor yang terkait dengan penciptaan nilai bisnis pada intelijesia bisnis dan analitik di usaha manufaktur yang sedang menjalani transformasi Industri 4.0 (Bordeleau et al, 2020).…”