YOLANDA, MAHARANI (2025) ANALISA DATA MINING PADA JUMLAH PELANGGAN PERUMDA AIR MINUM TIRTA KEPRI KOTA TANJUNGPINANG MENURUT JENIS PELANGGAN MENGGUNAKAN METODE K-MEANS CLUSTERING. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (487kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (216kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (293kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (70kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (380kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (110kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (122kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (486kB) |
Abstract
Water is an important and inseparable part of the life of all living creatures, consisting of 60-70% water. Water is also a variety of other needs in daily life, namely processing food, washing dishes and dirty clothes, and cleaning oneself. In Tanjungpinang, water resources management is carried out by PERUMDA Air Minum Tirta Kepri. Data mining is the most important process for extracting various potential patterns to obtain useful data. The K-means algorithm is an algorithm that requires k input parameters and divides a set of objects into k clusters. Data mining has been proven to be a reliable technique for analyzing data and providing productive results. In this research, the data was analyzed using the K-Means Clustering algorithm with RapidMiner Studio. The data used in this research was a total of 1,300,222 with customer types divided into 8 types, namely general social, special social, household, government agency, small business. , large commerce, industry and special groups. The results obtained are that the first cluster includes customers with even variations in water use and involves various types of customers. The second cluster focuses on high water usage with a large number of household customers. The third cluster shows stable and consistent water use, especially by small commercial customers. Key words: Customer, K-Means, cluster, Water Air adalah bagian penting dan tak terpisahkan dari kehidupan semua makhluk hidup, yang terdiri dari 60-70% air. Air juga menjadi ragam kebutuhan lain dalam kehidupan sehari-hari, yaitu mengolah makanan, mencuci piring dan pakaian kotor, serta membersihkan diri. Di Tanjungpinang, pengelolaan sumber daya air dilakukan oleh PERUMDA Air Minum Tirta Kepri. Data mining merupakan proses yang paling penting untuk mengekstrak berbagai pola-pola potensial untuk mendapatkan data yang berguna. Algoritma K-means merupakan algoritma yang membutuhkan parameter input sebanyak k dan membagi sekumpulan objek kedalam k cluster. Data mining telah terbukti sebagai teknik yang dapat dipercaya untuk menganalisa data dan memberikan hasil yang produktif. Pada Penelotian ini data tersebut dianalisis dengan algoritma K-Means Clustering dengan RapidMiner Studio.Data yang digunakan pada penelitian ini dengan jumlah total 1.300.222 dengan jenis pelanggan yang terbagi 8 jenis yaitu social umum, social khusus, rumah tangga, instansi pemerintah, niaga kecil, niaga besar, industry, dan golongan khusus. Hasil yang didapat adalah Klaster pertama mencakup pelanggan dengan variasi pemakaian air yang merata dan melibatkan jenis pelanggan beragam. Klaster kedua terfokus pada pemakaian air yang tinggi dengan jumlah pelanggan rumah tangga banyak juga. Klaster ketiga menunjukkan pemakaian air yang stabil dan konsisten terutama oleh pelanggan niaga kecil. Kata kunci: Pelanggan, K-Means, Klaster, Air
Actions (login required)
 |
View Item |
