Penerapan Algoritma K-means Clustering untuk Klasterisasi Penjualan Smartphone pada Carin Cell

Lega, Atiq (2024) Penerapan Algoritma K-means Clustering untuk Klasterisasi Penjualan Smartphone pada Carin Cell. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.

	Text 1943026-S1-JURNAL.pdf Download (1MB)
	Text 1943026-SI-TEKNIK INFORMATIKA.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Setiap perusahaan dalam bidang perdagangan memiliki keinginan untuk mengembangkan usahanya dengan maksimal. Banyak perusahaan yang melakukan berbagai cara agar bisnis mereka selalu berkembang dengan melakukan analisis terhadap penjualan produk mereka dan bertujuan untuk dapat memperoleh laba dengan memanfaatkan sumber daya yang sudah dimiliki perusahaan. Salah satu strategi yang dapat digunakan ialah memanfaatkan data penjualan dengan melakukan pengelompokkan untuk melihat produk yang terjual lebih banyak dan sedikit terjual, agar dapat dilakukan evaluasi terkait penjualan produk smartphone. Tujuan dari penelitian ini adalah untuk klasterisasi data penjualan smartphone pada Carin Cell dengan menggunakan algoritma K-Means Clustering. Dengan menggunakan tahapan pengembangan data. Data yang digunakan untuk klasterisasi terhitung dari Tahun 2022 sampai dengan Tahun 2023. Hasil penelitian ini berupa model algoritma K-Means Clustering untuk mengelompokkan data penjualan pada Carin Cell dan mengetahui karakteristik dari cluster yang terbentuk. Model menghasilkan akurasi silhouette coefficient 78% dimana akurasi model tersebut memiliki struktur yang dihasilkan kuat. Penelitian menghasilkan 3 cluster, dengan intepretasi sebagai berikut: Cluster 0 ialah cluster dengan peminatan yang tinggi di kalangan kelompok harga standar sampai dengan mahal dan memiliki berbagai kelompok terjual yang telah dibuat, dengan peminatan pada memori 128GB hingga 512GB. Cluster 1 dan 2 merupakan cluster dengan peminatan pada kelompok harga di kalangan standar ke bawah/murah dan memiliki kelompok terjual sangat laris di setiap produk, dengan peminatan pada memori cenderung 128GB ke bawah. Setiap cluster memiliki minat yang tinggi terhadap tipe warna yang sama pada setiap pembelian smartphone, yaitu hitam, biru, dan abu-abu. =========================================================== Every company in the field of trade has a desire to develop its business to the maximum. Many companies do various ways so that their business always grows by analyzing the sales of their products and aiming to be able to make a profit by utilizing the resources that the company already has. One strategy that can be used is to utilize sales data by clustering to see which products sell more and which sell less so that an evaluation can be made regarding the sale of smartphone products. This research is to cluster smartphone sales data at Carin Cell using the K- Means Clustering algorithm. By using Data Mining Steps. The data used for clustering is from 2022 to 2023. The results of this research are in the form of a K-Means Clustering algorithm model to group sales data at Carin Cell and determine the characteristics of the clusters formed. The model produces 78% silhouette coefficient accuracy where the accuracy of the model has a strong resulting structure. The study produced 3 clusters, with the following interpretation: Cluster 0 is a cluster with high interest among the standard to expensive price groups and has various sold groups that have been made, with a specialization in 128GB to 512GB memory. Clusters 1 and 2 are clusters with high interest in the lower standard/cheap price bracket and have very high-selling clusters in each product, with memory specialization tending to be 128GB and below. Each cluster has a high interest in the same type of color in every smartphone purchase, namely black, blue, and grey.

Item Type:	Thesis (S1 Teknik Informatika)
Additional Information:	Pembimbing 1 : Pitrasacha Adytia, S.T., M.T. Pembimbing 2 : Siti Lailiyah, S.Kom., M.Kom.
Uncontrolled Keywords:	Kata kunci : Clustering, Penjualan, Smartphone, Tahapan Penambangan Data, K-Means, Data Mining.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Teknik Informatika
Depositing User:	Atiq Lega Atiq
Date Deposited:	08 Aug 2024 07:25
Last Modified:	08 Aug 2024 07:25
URI:	http://repository.wicida.ac.id/id/eprint/5764

Actions (login required)

View Item