IMPLEMENTASI DATA MINING MENGGUNAKAN METODE CLUSTERING K-MEANS TERHADAP PENGKLASIFIKASIAN PERSEDIAAN ALAT TULIS KANTOR BERBASIS WEB PADA TOKO MAHARDHIKA SAMARINDA

Afiah, Ginatul (2023) IMPLEMENTASI DATA MINING MENGGUNAKAN METODE CLUSTERING K-MEANS TERHADAP PENGKLASIFIKASIAN PERSEDIAAN ALAT TULIS KANTOR BERBASIS WEB PADA TOKO MAHARDHIKA SAMARINDA. S1 Sistem Informasi thesis, Stimik Widya Cipta Dharma.

	Text 2241909-S1-Jurnal.pdf Restricted to Repository staff only Download (512kB) | Request a copy
	Text 2241909-S1-Sistem Informasi.pdf Restricted to Repository staff only Download (20MB) | Request a copy

Abstract

Ginatul Afiah, 2023, Implementasi Data Mining Menggunakan Metode Clustering K-Means Terhadap Pengklasifikasian Persediaan Alat Tulis Kantor Berbasis Web Pada Toko Mahardhika Samarinda. Skripsi jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika Dan Komputer Widya Cipta Dharma, Pembimbing (I) Dr. Heny Pratiwi, S.Kom,. M.Pd., M.TI, Pembimbing (II) Ahmad Fajri, S.Kom., M.Kom. Kata kunci : Data Mining, Clustering K-Means, Persediaan Data Mining menggunakan metode clustering K-Means merupakan proses penggalian data untuk mengkategorikan atau mengelompokan sekelompok objek sesuai dengan atribut yang sama atau karakteristik ke dalam sejumlah grup. Dalam penelitian ini, metode pengembangan sistem yang digunakan yaitu KDD (Knowledge Discovery in Database) yang melibatkan hasil proses data mining yang kemudian mengubah hasilnya secara akurat menjadi informasi yang dipahami dan dibutuhkan sehingga dapat mencapai tujuan penelitian. Tujuan penelitian ini adalah untuk membantu dalam proses pencatatan persediaan ATK (Alat Tulis Kantor) sehingga dapat menanggulangi kesulitan-kesulitan yang sering dihadapi oleh user dalam menganalisis persediaan barang. Adapun hasil dari penelitian ini dengan mengimplementasi data mining menggunakan metode clustering K-Means berbasis web pada sistem melalui perulangan 1 sampai 4 diperoleh barang ATK yang dikategorikan paling laku dengan penjualan yang tinggi sebesar 44.067%. Barang ATK yang laku dengan tingkat penjualan sedang sebesar 42,372%, sedangkan barang ATK yang kurang laku karena tingkat penjualan yang rendah sebesar 13,559%. =========================================================== Ginatul Afiah, 2023, Implementation of Data Mining Using the K-Means Clustering Method for Classifying Web-Based Office Stationery Supplies at Mahardhika Samarinda Shop. Sekolah Tinggi Manajemen Informatika Dan Komputer Widya Cipta Dharma, Advisor (I) Dr. Heny Pratiwi, S.Kom,. M.Pd., M.TI, Advisor (II) Ahmad Fajri, S.Kom., M.Kom. Keywords : Data Mining, K-Means Clustering, Inventory Data Mining using the K-Means clustering method is a process of tricking data into categorizing or grouping of objects according to the same attributes or characteristics into several groups. In this study, the system development method used is KDD (Knowledge Discovery in Database) which involves the results of the data mining process which then converts the results accurately into information that is understood and needed so as to achieve the research purposes. The purpose of this research is to assist in the process inventory recording of Office Stationery so that it can overcome the difficulties that are often faced by users in analyzing inventory. The results of this study by implementing data mining using the web-based K-Means clustering method on the system through repetitions 1 to 4 obtained ATK (Office statinery) items that were categorized as the most salable with high sales of 44.067%. ATK goods that sold moderately were 42.372%, while ATK items that were not selling well due to low sales were 13.559%.

Item Type:	Thesis (S1 Sistem Informasi)
Additional Information:	Pembimbing 1: Dr. Heny Pratiwi. S.Kom.,M.Pd.,M.TI Pembimbing 2: Ahmad Fajri, S.Kom.,S.Kom
Uncontrolled Keywords:	Data Mining, Clustering K-Means, Persediaan
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Sistem Informasi
Depositing User:	Ms Ginatul Afiah
Date Deposited:	25 Aug 2023 05:16
Last Modified:	25 Aug 2023 05:16
URI:	http://repository.wicida.ac.id/id/eprint/5071

Actions (login required)

View Item