ANALISIS INTERPRETASI KARAKTERISTIK PRODUK MENGGUNAKAN METODE CLUSTERING K-MEANS PADA PENJUALAN BARANG DI CSS AQUATIC

Muhammad, Renaldi (2023) ANALISIS INTERPRETASI KARAKTERISTIK PRODUK MENGGUNAKAN METODE CLUSTERING K-MEANS PADA PENJUALAN BARANG DI CSS AQUATIC. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (540kB)
	Text BAB 2.pdf Download (618kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (535kB)
	Text DAFTAR PUSTAKA.pdf Download (600kB)
	Text HASIL TURNITIN.pdf Download (635kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (671kB)

Abstract

CSS Aquatic merupakan sebuah toko yang bergerak dalam bidang penjualan material aquascape, namun dari berbagai jenis produk yang dijual tidak semuanya memiliki nilai penjualan yang tinggi, ada produk yang memiliki daya jual sedang dan rendah. Data penjualan pada CSS Aquatic tidak tersusun dengan baik, sehingga data tersebut hanya berfungsi sebagai arsip bagi toko dan tidak dapat dimanfaatkan untuk pengembangan strategi pemasaran. Oleh karena itu perlu diterapkan data mining menggunakan metode CRISP-DM (Cross-Industry Standard Process Model for Data Mining) dengan algoritma K-Means pada CSS Aquatic. Algoritma K-Means dapat diterapkan pada CSS Aquatic untuk menentukan penjualan produk mana yang memiliki nilai penjualan tinggi, sedang, dan rendah. Penerapan metode K-Means pada CSS Aquatic yaitu dengan cara mengelompokan data penjualan produk. Kemudian memilih 3 cluster secara acak sebagai centroid awal. Setelah data pada setiap cluster tidak berubah, maka dapat diinterpretasikan hasil akhirnya. Hasil pemodelan menghasilkan program aplikasi dengan sistem laporan yang menampilkan hasil clustering pada setiap jenis produk barang berdasarkan penjualan quantity barang untuk diinterpretasikan pada masalah tersebut.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Suzuki Syofian,S.Kom.,M.Kom
Uncontrolled Keywords:	Clustering, CRISP-DM, K-Means, Data Mining, Interpretasi Data
Subjects:	000 Generalities/Karya Umum > 006.312 Data Mining
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	22 Oct 2025 07:38
Last Modified:	22 Oct 2025 07:38
URI:	http://repository.unsada.ac.id/id/eprint/9079

Actions (login required)

View Item