PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN SEPEDA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

ANGGRIAWAN, IVAN (2022) PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN SEPEDA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
01 COVER.pdf
Download (2MB) | Preview
[img]
Preview
 Text (ABSTRAK)
02 Abstrak.pdf
Download (59kB) | Preview
[img] Text (BAB I)
03 Bab 1.pdf
Restricted to Registered users only
Download (164kB)
[img] Text (BAB II)
04 Bab 2.pdf
Restricted to Registered users only
Download (274kB)
[img] Text (BAB III)
05 Bab 3.pdf
Restricted to Registered users only
Download (172kB)
[img] Text (BAB IV)
06 Bab 4.pdf
Restricted to Registered users only
Download (477kB)
[img] Text (BAB V)
07 Bab 5.pdf
Restricted to Registered users only
Download (209kB)
[img] Text (BAB VI)
08 Bab 6.pdf
Restricted to Registered users only
Download (277kB)
[img] Text (DAFTAR PUSTAKA)
09 Daftar Pustaka.pdf
Restricted to Registered users only
Download (153kB)
[img] Text (LAMPIRAN)
10 Lampiran.pdf
Restricted to Registered users only
Download (446kB)

Abstract

Pada masa pandemi beberapa waktu lalu, untuk mengurangi jumlah peyebaran covid-19 pemerintah memberlakukan social distancing dan work from home (WFH) untuk mengurangi kegiatan masyarakat diluar rumah, selama masa pandemi masyarakat cenderung memiliki pola atau gaya hidup yang tidak teratur dikarenakan kurangnya aktivitas fisik yang dilakukan. Hal itu tentunya dapat menurunkan kekebalan imun dalam tubuh sehingga dapat meningkatkan resiko terinfeksi virus. Oleh karena itu selama masa pandemi aktivitas olahraga menjadi salah satu kegiatan yang rutin dilakukan masyarakat untuk meningkatkan kekebalan tubuh. Salah satu kegiatan olahraga yang dapat dilakukan untuk menjaga imun agar tetap bugar adalah dengan kegiatan bersepeda. Bersepeda sendiri merupakan aktifitas yang ringan yang dapat dilakukan oleh semua kalangan umur. Momen seperti ini tentunya menjadi target pemasaran yang bagus untuk perusahan penjual sepeda, namun pihak perusahaan terkadang mengalami kendala mengenai stock sepeda yang tidak sesuai dengan target pasar konsumen. Tujuan dari penelitian ini adalah untuk mengetahui jenis sepeda apa saja yang banyak di mininati oleh konsumen dengan cara melakukan prediksi penjualan sepeda dengan melihat minat yang diinginkan masyarakat dengan menggunakan algroritma K-Means Clustering. Hasil dari penelitian K-Means Clustering terbagi menjadi tiga cluster yaitu Cluster 1 jumlah anggota 209 dengan minat sepeda paling banyak yaitu sepeda gunung, Cluster 2 jumlah anggota 787 dengan minat sepeda paling banyak yaitu sepeda lipat, dan Cluster 3 jumlah angota 540 dengan minat sepeda yang paling banyak yaitu sepeda kota, dari proses clustering diatas dapat diperoleh validasi dunn indeks (Dunn Index) dengan nilai 0.1324532. Kata kunci: Prediksi penjualan sepeda, data mining, k-means, clustering, RStudio

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 22 069
NIM/NIDN Creators: 41516320024
Uncontrolled Keywords: Prediksi penjualan sepeda, data mining, k-means, clustering, RStudio
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.7 Data in Computer Systems/Data dalam Sistem-sistem Komputer
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.7 Data in Computer Systems/Data dalam Sistem-sistem Komputer > 005.71 Data Communications/Komunikasi Data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: ELMO ALHAFIIDH PUTRATAMA
Date Deposited: 23 Sep 2022 03:30
Last Modified: 23 Sep 2022 03:30
URI: http://repository.mercubuana.ac.id/id/eprint/69436

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.