Skripsi/Tugas Akhir

Perancangan Aplikasi Penentuan Parfum Terlaris dengan Metode K-Means Berbasis Web

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Data mining merupakan salah satu sub disiplin ilmu Sistem Informasi yang mengalami perkembangan pesat seiring dengan bertambahnya jenis bidang komputasi didalam dunia komputer. Algoritma K-Means adalah salah satu dari sekian banyak jenis algoritma atau metode yang digunakan untuk proses pencarian data dengan cara mencari pengetahuan-pengetahuan yang belum terlihat / tersembunyi didalam kumpulan data tertentu (BIG DATA). Kami mengambil kasus untuk mengelompokkan orientasi penjualan parfum dengan cara mengelompokkan mereka ke dalam tiga jenis cluster, yaitu kurang larin, laris, dan sangat laris. Dengan melakukan clustering menggunakan orientasi kesamaan kriteria dari setiap jenis produk yang ada sebagai acuan pengelompokan data. Dari tiga percobaan yang dilakukan, memperlihatkan hasil 80 jenis parfum sangat lari, 70 jenis parfum Laris, dan 0 jenis parfum kurang laris dari total 150 data produk yang kami gunakan sebagai penelitian. Tentu hasil ini bisa menjadi pedoman bagi penjual toko parfum dalam hal ini Kiasan Parfum untuk menempatkan jenis-jenis produk mereka sesuai dengan orientasi yang didapatkan berdasarkan kriteria. Hal ini bertujuan untuk meningkatkan hasil penjualan parfum di waktu yang akan datang, serta persiapan stock jenis parfum tertentu sesuai dengan jumlah yang paling sering terjual.
Kata Kunci : K-Means Clustering, Data Mining, Parfum Terlaris, Kiasan Parfum

ABSTRACT
Data mining is one of the sub-disciplines of Information Systems which is experiencing rapid development along with the increasing types of computing fields in the computer world. K-Means algorithm is one of the many types of algorithms or methods used for the data search process by searching for knowledge that has not been seen / hidden in certain data sets (BIG DATA). We take the case to classify perfume sales orientations by grouping them into three types of clusters, namely less popular, in demand, and very in demand. By doing clustering using the orientation of the similarity of criteria from each type of product that exists as a reference for grouping data. From the three experiments conducted, the results showed that 80 types of perfume were selling well, 70 types of perfume were selling well, and 0 types of perfume were not selling well out of the total 150 product data that we used as research. Of course these results can be a guide for perfume shop sellers, in this case Kiasan Parfum, to place their types of products according to the orientation obtained based on the criteria. This aims to increase the sales of perfume in the future, as well as to prepare stock for certain types of perfume according to the number that is most frequently sold.
Keywords : K-Means Clustering, Data Mining, Best Selling Perfume, Kiasan Perfume

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 22-45 PUT p - 0115SI

Penerbit

Makassar : Universitas DIPA., 2022

Deskripsi Fisik

xv + 160 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 22-45

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Cetakan Maret 2022

Subjek

Skripsi/Tugas Akhir
K-Means Clustering

Lampiran File