Penerapan Data Mining Pengelompokan Data Penjualan Motor di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-Means Clustering
Abstract
Untuk menentukan tipe motor apa yang banyak diminati dan kurang diminati oleh masyarakat. Dengan mengetahui kelompok motor apa saja yang diminati maka pihak PT. NSS Soppeng dapat menentukan strategi untuk mengelola stok motornya. Oleh karena itu, dibutuhkan teknologi data mining untuk memaksimalkan kinerja perusahaan dalam mempekirakan jumlah barang yang akan laku sesuai dengan tipe motor yang akan datang sehingga perusahaan dapat menyediakan barang sesuai dengan perkiraan yang tepat. Data Mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan menggunakan perangkat lunak dengan bantuan perhitungan statistika, matematika, ataupun teknologi Artificial Intelligence (AI). Dalam proses perhitungan untuk menentukan pola baru, data mining membutuhkan penerapan algoritma didalamnya. Untuk pengelompokan data penjualan motor dipilih metode clustering dengan algoritme K-Means. Algoritme K-Means merupakan algoritme untuk clustering yang paling sederhana dan paling terkenal. Algoritme ini merupakan salah satu algoritme yang bersifat unsupervised clustering. K-Means Clustering bertujuan untuk meminimalisasi fungsi objektif yang sudah di atur. Tujuan tersebut diterapkan dengan cara meminimalkan perbedaan di dalam cluster dan memaksimalkan perbedaan data antar cluster lainnya. Hasil implementasi Data Mining Untuk Pengelompokan Data Penjualan Sepeda Motor Honda Di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-means Clustering berjalan dengan baik dan menghasilkan tiga bentuk klasifikasi berdasarkan prediksi yaitu Tinggi (3), Sedang (2) dan kurang (1). Hasil implementasi mendapatkan 3 Tinggi, 12 Sedang dan 15 kurang dari total data siswa sebanyak 30 Data Penjualan
Downloads
References
Ismail, I., & Tahir, M. A. (2023). Perbandingan Metode K-Means dan K-Medoids Untuk Pengelompokan Sebaran Covid-19 di Sulawesi Selatan. … JUSITI: Jurnal Sistem Informasi Dan …, 12(1), 28–39. https://ejurnal.dipanegara.ac.id/index.php/jusiti/article/view/1277%0Ahttps://ejurnal.dipanegara.ac.id/index.php/jusiti/article/download/1277/966
Ismail Ismail, Rezky Erwin Syah, M. A. T. (2024). Klasifikasi Data Mining Pada Tingkat Kepuasan Pengunjung. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 7(2), 270–281.
Juni Arta, I. K., Indrawan, G., & Dantes, G. R. (2017). Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution. JST (Jurnal Sains Dan Teknologi), 5(2), 11–21. https://doi.org/10.23887/jstundiksha.v5i2.8549
Nasri, E., & AW, A. S. (2020). Aplikasi Seleksi Penentuan Nasabah Untuk Penjualan Barang Secara Kredit Dengan Algoritma K-Nearest Neighbor. Jurnal Ilmiah Sains Dan Teknologi Universitas Baten Jaya, 4(1), 1–11.
Poerwandono, E., & Perwitosari, J. (2023). Penerapan Data Mining Untuk Penilaian Kinerja Karyawan Di PT. Riksa Dinar DJaya Menggunakan Metode Naïve Bayes Classification (Edhy Poerwandono 1 , Faizal Joko Perwitosari 2 ) Penerapan Data Mining Untuk Penilaian Kinerja Karya Di PT Riksa Dinar Djaya Men. Jurnal Sains Dan Teknologi, 5(1), |pp. https://doi.org/10.55338/saintek.v5i1.1416
Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(1), 8–17. https://doi.org/10.25077/teknosi.v7i1.2021.8-17
Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi Dan Komunikasi (TIKomSiN), 8(2). https://doi.org/10.30646/tikomsin.v8i2.500
Setiyani, L., Wahidin, M., Awaludin, D., & Purwani, S. (2020). Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review. Faktor Exacta, 13(1), 35. https://doi.org/10.30998/faktorexacta.v13i1.5548
Utomo, D. P., & Mesran, M. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 4(2), 437. https://doi.org/10.30865/mib.v4i2.2080
Wati, M., Rahmah, W. H., Novirasari, N., Haviluddin, Budiman, E., & Islamiyah. (2021). Analysis K-Means Clustering to Predicting Student Graduation. Journal of Physics: Conference Series, 1844(1). https://doi.org/10.1088/1742-6596/1844/1/012028
Wijayanti, R. R., & Abdurrasyid, A. (2021). Perhitungan Estimasi Waktu Pada Produksi Barang Dengan Menerapkan Algoritma Naive Bayes Klasifkasi (Studi Kasus Pt. Hasil Raya Industries). JIKA (Jurnal Informatika), 5(1), 109. https://doi.org/10.31000/jika.v5i1.4126
JISTI
