ROMADONA, ESA (2017) PENERAPAN ALGORITMA CLUSTERING K-MEANS UNTUK MENENTUKAN PROFIL PELANGGAN (STUDI KASUS : PT. SUPRA PRIMATAMA NUSANTARA). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER.pdf Download (165kB) | Preview |
|
|
Text (ABSTRAK)
ABSTRAK.pdf Download (63kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB_1.pdf Restricted to Registered users only Download (126kB) |
|
|
Text (BAB II)
BAB_2.pdf Restricted to Registered users only Download (488kB) |
|
|
Text (BAB III)
BAB_3.pdf Restricted to Registered users only Download (185kB) |
|
|
Text (BAB IV)
BAB_4.pdf Restricted to Registered users only Download (937kB) |
|
|
Text (BAB V)
BAB_5.pdf Restricted to Registered users only Download (103kB) |
|
|
Text (DAFTAR PUSTAKA DAN LAMPIRAN)
DAFTAR_PUSTAKA_&_LAMPIRAN.pdf Restricted to Registered users only Download (169kB) |
Abstract
Manajemen bisnis merupakan upaya pengaturan secara menyeluruh guna menjalankan sebuah usaha bisnis yang menghasilkan tujuan yang diinginkan. Hal ini dibutuhkan dalam rangka tercapainya tujuan sebuah usaha bisnis baik dari aspek profit maupun tujuan-tujuan lain yang diinginkan pengelola usaha agar keputusan memutar modal dapat tepat sasaran dan tepat guna. Seiring dengan terus bertambah banyaknya jumlah subscriber, membuat pengelompokkan karakter pelanggan berdasarkan kemampuan finansial pada wilayah yang spesifik semakin sulit. Oleh karena itu, pengelompokkan profil pelanggan menggunakan salah satu data mining penganalisaan data sangat penting, guna bahan referensi dalam pengambilan keputusan. Lebih hematnya analisa tersebut dapat dikerjakan secara terstruktur oleh komputer, yaitu metode algoritma clustering k-means. K-Means merupakan teknik data mining yang sangat umum, yang mengelompokkan data sesuai dengan karakteristik yang serupa ke dalam satu atau lebih cluster. Metode ini mempartisi data ke dalam cluster-cluster dengan tujuan mengelompokkan karakteristik data yang sama ke dalam satu cluster yang sama dan memiliki karakteristik yang berbeda pada cluster yang lainnya. Output yang dihasilkan dari tugas akhir ini akan membentuk sebuah kumpulan data yang dikelompokkan ke dalam beberapa kategori berdasarkan ketepatan waktu pembayaran tagihan, sehingga manajemen mampu mengidentifikasi karakteristik profil pelanggan sebagai acuan menentukan target pembangunan infrastruktur area distribusi dengan kecenderungan pelanggan-pelanggan loyal.
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 17 231 |
| NIM/NIDN Creators: | 41514120146 |
| Uncontrolled Keywords: | profil pelanggan, data mining, clustering, k-means |
| 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 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | Alnisa Hardiyanti |
| Date Deposited: | 02 Dec 2017 09:16 |
| Last Modified: | 24 Jul 2024 08:22 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/39775 |
Actions (login required)
 |
View Item |
