Purnama, Dwi Arya (2026) PENERAPAN K-MEANS CLUSTERING UNTUK SEGMENTASI KINERJA PRODUK PENYEWAAN PADA RUZGAR ADVANTAURE. S1 thesis, Universitas Mercu Buana Jakarta- Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (COVER)
41822010030 - DWI ARYA PURNAMA - 01 Cover - Dwi Arya.pdf Download (640kB) |
|
Text (BAB 1)
41822010030 - DWI ARYA PURNAMA - 02 Bab 1 - Dwi Arya.pdf Restricted to Registered users only Download (138kB) |
|
Text (BAB 2)
41822010030 - DWI ARYA PURNAMA - 03 Bab 2 - Dwi Arya.pdf Restricted to Registered users only Download (616kB) |
|
Text (BAB 3)
41822010030 - DWI ARYA PURNAMA - 04 Bab 3 - Dwi Arya.pdf Restricted to Registered users only Download (162kB) |
|
Text (BAB 4)
41822010030 - DWI ARYA PURNAMA - 05 Bab 4 - Dwi Arya.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB 5)
41822010030 - DWI ARYA PURNAMA - 06 Bab 5 - Dwi Arya.pdf Restricted to Registered users only Download (127kB) |
|
Text (DAFTAR PUSTAKA)
41822010030 - DWI ARYA PURNAMA - 08 Daftar Pustaka - Dwi Arya.pdf Restricted to Registered users only Download (250kB) |
|
Text (LAMPIRAN)
41822010030 - DWI ARYA PURNAMA - 09 Lampiran - Dwi Arya.pdf Restricted to Registered users only Download (460kB) |
Abstract
Banyaknya produk yang tersedia dengan tingkat penyewaan yang berbeda-beda menyebabkan pelaku usaha mengalami kesulitan dalam mengetahui produk dengan performa tinggi maupun rendah. Selain itu, proses pengelolaan produk yang masih dilakukan secara manual membuat pemilik usaha belum dapat memanfaatkan data transaksi secara optimal dalam mendukung pengambilan keputusan bisnis. Teknik pengumpulan data dilakukan melalui kunjungan langsung tempat studi kasus untuk memperoleh data operasional yang digunakan sebagai objek penelitian. Metode analisis data menggunakan pendekatan Knowledge Discovery in Database (KDD) yang meliputi tahapan selection, preprocessing, transformation, data mining, evaluation, dan knowledge, dengan algoritma K-Means Clustering sebagai metode pengelompokan data. Hasil penelitian menunjukkan bahwa data berhasil dikelompokkan menjadi tiga cluster, yaitu 40 produk pada cluster berkinerja rendah, 15 produk pada cluster berkinerja menengah, dan 8 produk pada cluster berkinerja tinggi. Kualitas hasil clustering dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI) dengan nilai masing-masing sebesar 0,5693 dan 0,7171, yang menunjukkan bahwa hasil clustering memiliki kualitas yang baik. Berdasarkan hasil tersebut, penelitian ini menghasilkan segmentasi kinerja produk yang mampu memberikan informasi mengenai karakteristik setiap kelompok produk serta menghasilkan rekomendasi pengelolaan produk berdasarkan hasil pengelompokan. Dengan demikian, penerapan algoritma K-Means Clustering mampu menghasilkan segmentasi kinerja produk yang representatif dan memberikan informasi yang dapat dijadikan sebagai bahan pertimbangan dalam pengelolaan produk penyewaan di tempat studi kasus. Kata Kunci: Penyewaan, K-means Clustering, KDD, Pengelolaan Produk, Data Mining.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41822010030 |
| Uncontrolled Keywords: | Penyewaan, K-means Clustering, KDD, Pengelolaan Produk, Data Mining. |
| 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 > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | RAIHAN GUSRI HIDAYAT |
| Date Deposited: | 12 Sep 2026 02:48 |
| Last Modified: | 12 Sep 2026 02:48 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103827 |
Actions (login required)
 |
View Item |
