IMPLEMENTASI ALGORITMA K-MEANS CLASSIFIER UNTUK PEMETAAN WILAYAH PADA DEMAND PRODUK PADA STUDI KASUS TOKO HIJE DI SHOPEE MENGGUNAKAN ORANGE

ARTHANEV, FIASTARA SEIKHA (2024) IMPLEMENTASI ALGORITMA K-MEANS CLASSIFIER UNTUK PEMETAAN WILAYAH PADA DEMAND PRODUK PADA STUDI KASUS TOKO HIJE DI SHOPEE MENGGUNAKAN ORANGE. S1 thesis, Universitas Mercu Buana Jakarta.

	Text (HAL COVER) 01 COVER.pdf Download (514kB)
	Text (ABSTRAK) 02 ABSTRAK.pdf Download (56kB)
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (99kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (94kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (69kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (152kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (29kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (32kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (227kB)

Abstract

This study aims to map hijab store customers by region in Indonesia using the K-Means approach and determine the hijab product purchase clusters formed. The method used is an unsupervised learning approach with the K-Means algorithm. The results showed that there are significant differences in the level of hijab sales in each region between certain types of products in Indonesia. Based on the results of clustering using the K-Means algorithm, four clusters were formed, namely cluster 1, cluster 2, klister 3, and cluster 4. In addition, this study also discusses the advantages and disadvantages of the K-Means algorithm in the data mining literature. Hije store case studies were used to identify hijab products that were selling well per region using the K-Means clustering method on sales data from March to May. The stages of research include problem identification, data collection, data preprocessing, and K-Means modeling. This research can help Hije stores optimize hijab sales strategies in various regions. Keywords: K-Means, Orange, cluster, hijab products, Hije store. Penelitian ini bertujuan untuk memetakan pelanggan toko hijab menurut wilayah di Indonesia menggunakan pendekatan K-Means dan menentukan klaster pembelian produk hijab yang terbentuk. Metode yang digunakan adalah pendekatan unsupervised learning dengan algoritma K-Means. Hasil penelitian menunjukkan bahwa terdapat perbedaan tingkat penjualan hijab di tiap wilayah yang signifikan antar berbagai jenis produk tertentu di Indonesia. Berdasarkan hasil klustering menggunakan algoritma K-Means, terdapat empat klaster yang dibentuk, yaitu klaster 1, klaster 2, klaster 3, dan klaster 4. Selain itu, penelitian ini juga membahas kelebihan dan kekurangan algoritma K-Means dalam literatur data mining. Studi kasus toko Hije digunakan untuk mengidentifikasi produk hijab yang laris per wilayah dengan menggunakan metode K- Means clustering pada data penjualan dari Maret hingga Mei. Tahapan penelitian meliputi identifikasi masalah, pengumpulan data, preprocessing data, dan K-Means modeling. Penelitian ini dapat membantu toko Hije dalam mengoptimalkan strategi penjualan hijab di berbagai wilayah. Kata kunci: K-Means, Orange, klaster, produk hijab, toko Hije.

Actions (login required)

View Item