SISTEM PENGELOMPOKAN PELANGGAN PADA SEBUAH TOKO ONLINE DENGAN MENGGUNAKAN METODE CLUSTERING DAN ALGORITMA K-MEANS

WERDIANSYAH, FARSI LOSA (2014) SISTEM PENGELOMPOKAN PELANGGAN PADA SEBUAH TOKO ONLINE DENGAN MENGGUNAKAN METODE CLUSTERING DAN ALGORITMA K-MEANS. S1 thesis, Universitas Mercu Buana.

Preview	Text (HAL COVER) COVER.pdf Download (333kB) | Preview
Preview	Text (ABSTRAK) ABSTRAK.pdf Download (101kB) | Preview
	Text (BAB I) BAB I.pdf Restricted to Registered users only Download (154kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (489kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (400kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (315kB)
	Text (BAB V) BAB V.pdf Restricted to Registered users only Download (99kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (582kB)

Abstract

Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tapi minim informasi. Data mining merupakan penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan data pelanggan dan data transaksi diharapkan dapat menghasilkan informasi yang berguna dan bermanfaat melalui teknik data mining. Pengelompokan pelanggan berdasarkan jumlah transaksi yang pernah mereka lakukan. Untuk mengelompokan data menggunakan algoritma K-means, informasi yang dihasilkan berupa kelompok data. Kata kunci : data mining, clustering, algoritma k-means , toko online dan pelanggan The rapid growth of data accumulation has created the conditions for data-rich but information poor. Data mining is the mining or the discovery of new information by looking for certain patterns or rules of a number of large amounts of data are expected to treat the condition. By leveraging customer data and transaction data is expected to produce useful and beneficial information through data mining techniques. Grouping customers based on the number of transactions they have ever done. To classify the data using the K-means algorithm, the information generated in the form of a data group. Keywords: data mining, clustering, k-means algorithm, an online store and customers

Item Type:	Thesis (S1)
Call Number CD:	FIK/SI. 14 197
NIM/NIDN Creators:	41812120085
Uncontrolled Keywords:	data mining, clustering, algoritma k-means , toko online dan pelanggan
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 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 > 000.01-000.09 Standard Subdivisions of Computer Science, Information and General Works/Subdivisi Standar Dari Ilmu Komputer, Informasi, dan Karya Umum 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 > 003 Systems/Sistem-sistem 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 > 003 Systems/Sistem-sistem > 003.2 Forecasting and Forecast, Futurology/Peramal dan Ramalan, Futurologi
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Admin Perpus UMB
Date Deposited:	25 Jan 2015 15:21
Last Modified:	23 Sep 2026 06:48
URI:	http://repository.mercubuana.ac.id/id/eprint/13408

Actions (login required)

View Item