WIRADIKA, RADHIE (2022) CLUSTERING PADA DATA TRANSAKSI PENJUALAN MINIMARKET MENGGUNAKAN ALGORITMA K-MEANS. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (863kB) | Preview |
|
|
Text (ASBTRAK)
02 ABSTRAK.pdf Download (36kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
03 BAB 1.pdf Restricted to Registered users only Download (35kB) |
|
|
Text (BAB II)
04 BAB 2.pdf Restricted to Registered users only Download (69kB) |
|
|
Text (BAB III)
05 BAB 3.pdf Restricted to Registered users only Download (151kB) |
|
|
Text (BAB IV)
06 BAB 4.pdf Restricted to Registered users only Download (117kB) |
|
|
Text (BAB V)
07 BAB 5.pdf Restricted to Registered users only Download (331kB) |
|
|
Text (BAB VI)
08 BAB 6.pdf Restricted to Registered users only Download (212kB) |
|
|
Text (DAFTAR PUSTAKA)
09 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (68kB) |
|
|
Text (LAMPIRAN)
10 LAMPIRAN.pdf Restricted to Registered users only Download (310kB) |
Abstract
Marketing strategy is carried out to achieve the targets in which are listed decisions regarding the target market, product placement, marketing mix, and the level of marketing costs required are listed. Therefore, it is necessary to carry out a data mining process on sales transaction data to obtain useful information for businessmen. This study aims to determine the selling, medium and unsold clusters and prove elbow performance to produce optimal clusters on sales transaction data using the K-Means algorithm as a data clustering method. Cluster optimization is obtained from elbow methods executed with Kaggle using the Python programming language. It can be concluded that the result of cluster k=3 with the caption that cluster 1 is the number of clusters that sell best total 2 items. Then cluster 0 with the caption cluster 0 is an unsold cluster with a total of 1196 items. Finally, cluster 2 with a description of the number of medium-sized clusters is 40 items, and shows that the Elbow method works very well in producing optimal clusters, which is found at k = 3 with the SSE difference value is 7.37E + 13 with k test = 9. And the results of the goods that sell well are purchased by consumers, namely: GG FILTER 12 and S MILD 16 BARU. Keywords Clustering, K-Means, Sales Transactions, Elbow. Strategi pemasaran dilakukan untuk mencapai sasaran yang di dalamnya tercantum keputusan-keputusan mengenai target pasar, penempatan produk, bauran pemasaran, serta tingkat biaya pemasaran yang diperlukan. Maka dari itu, perlu dilakukan proses data mining pada data transaksi penjualan untuk mendapatkan informasi yang bermanfaat bagi para pembisnis. Penelitian ini bertujuan untuk menentukan cluster laku, laku sedang dan tidak lakunya serta membuktikan kinerja Elbow untuk menghasilkan cluster yang optimal pada data transaksi penjualan menggunakan algoritma K-Means sebagai metode pengelompokan data. Optimasi cluster diperoleh dari metode Elbow yang dieksekusi dengan Kaggle yang menggunakan bahasa pemrograman Python. Dapat disimpulkan bahwa hasil cluster k=3 dengan keterangan bahwa cluster 1 adalah jumlah cluster yang paling laku berjumlah 2 item. Kemudian cluster 0 dengan keterangan cluster 0 adalah cluster yang tidak laku dengan jumlah 1196 item. Terakhir cluster 2 dengan keterangan jumlah cluster laku sedang yaitu 40 item, serta memperlihatkan bahwa metode Elbow bekerja dengan sangat baik dalam menghasilkan cluster yang optimal yaitu terdapat pada k=3 dengan nilai selisih SSE adalah 7.37E+13 dengan k uji=9. Dan hasil barang yang laku dibeli konsumen yaitu : GG FILTER 12 dan S MILD 16 BARU. Kata kunci: Transaksi Penjualan, Data Mining, K-Means Clustering, Metode Elbow
Actions (login required)
 |
View Item |
