Implementasi Algoritma K-Means++ Untuk Clustering Penjualan Bahan Bangunan (“Studi Kasus UD Sumber Bangunan”)

Ferdiansyah, Mohammad (2023) Implementasi Algoritma K-Means++ Untuk Clustering Penjualan Bahan Bangunan (“Studi Kasus UD Sumber Bangunan”). undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text 2024_TA_INF_LEMBAR PERNYATAAN KEASLIAN SKRIPSI.pdf Download (204kB)
	Text 2024_TA_INF_LEMBAR PENGESAHAN.pdf Download (281kB)
	Text 2024_TA_INF_LEMBAR PERSETUJUAN.pdf Download (237kB)
	Text halaman peryataan persetujuan publikasi tugas akhir.pdf Download (248kB)
	Text 2024_TA_INF_190602054_HALAMAN JUDUL.pdf Download (570kB)
	Text 2024_TA_INF_190602054_BAB 1.pdf Download (316kB)
	Text 2024_TA_INF_190602054_BAB 2.pdf Download (573kB)
	Text 2024_TA_INF_190602054_BAB 3.pdf Download (1MB)
	Text 2024_TA_INF_190602054_BAB 4.pdf Restricted to Repository staff only Download (1MB)
	Text 2024_TA_INF_190602054_BAB 5.pdf Download (197kB)
	Text 2024_TA_INF_190602054_DAFTAR PUSTAKA.pdf Download (478kB)
	Text 2024_TA_INF_190602054_LAMPIRAN.pdf Download (248kB)

Abstract

Pemanfaatan Algoritme K-Means++ Clustering dalam sistem clustering penjualan bahan bangunan pada UD Sumber Bangunan. Saat ini, toko tersebut belum menggunakan komputer untuk menjalankan sistemnya, sehingga data-data transaksi hanya berfungsi sebagai arsip tanpa dimanfaatkan secara optimal untuk strategi pemasaran dan pengambilan keputusan bisnis. Penelitian ini bertujuan untuk menguji apakah penggunaan algoritme K-Means++ Clustering dapat memberikan keuntungan dalam pembentukan cluster yang lebih baik dan efisien untuk data penjualan bahan bangunan. Evaluasi dilakukan dengan membandingkan K-Means++ dengan K-Means menggunakan metrik evaluasi DBI (Davies-Bouldin Index) dan Silhouette Coefficient. Hasil evaluasi menunjukkan bahwa K-Means++ memberikan hasil yang lebih baik dibandingkan hanya menggunakan K-Means. Nilai DBI lebih rendah untuk K-Means++ dan Silhouette Coefficient lebih tinggi untuk K-Means++, yang menandakan bahwa K-Means++ menghasilkan clustering yang lebih baik dan lebih terdefinisi. Penggunaan Algoritme K-Means++ Clustering memberikan manfaat dalam pengambilan keputusan bisnis di UD Sumber Bangunan, sehingga membantu mengurangi penumpukan stok dan meningkatkan kepuasan konsumen. Sistem clustering yang dibangun dengan metode Waterfall juga memberikan kontribusi positif dalam mencapai tujuan yang telah ditetapkan.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Algoritme K-Means++; Davies-Bouldin Index (DBI); Silhouette Coefficient; Clustering; Data Mining; UD Sumber Bangunan
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Mohammad Ferdiansyah
Date Deposited:	15 Feb 2024 02:57
Last Modified:	15 Feb 2024 02:57
URI:	http://eprints.umg.ac.id/id/eprint/9472

Actions (login required)

View Item