Penerapan Metode K-Means Untuk Rekomendasi Jenis Produk Barang Perkakas Bagi Pelanggan (Studi Kasus PT.ZXY)

putri agustianingsih, Mohamad Yusuf

Abstract


Penelitian ini membahas penerapan metode K-Means dalam data mining untuk merekomendasikan produk Pekakas kepada pelanggan, dengan studi kasus pada PT.ZXY. Tujuan dari penelitian ini adalah untuk memahami dan memprediksi volume penjualan produk perkakas menggunakan metode K-Means, dengan manfaat membantu perusahaan dalam pengadaan persediaan, perencanaan produksi, dan menyediakan informasi produk yang paling banyak dibeli oleh konsumen. Metode K-Means dipilih karena potensinya dalam menganalisis strategi promosi Perkakas. Studi ini juga mencakup konsep Penemuan Basis Data Pengetahuan (KDD), Indeks Davies Bouldin (DBI), dan RapidMiner. Hasil dari praproses, pemodelan, evaluasi dan penelitian dilakukan untuk memberikan pemahaman yang komprehensif tentang pola penjualan dan potensi perbaikan strategi penjualan alat produk pada PT. PT.ZXY. Oleh karena itu, dapat disimpulkan bahwa K optimal untuk pembentukan klaster terdapat pada percobaan keenam, yaitu nilai K = 3. Nilai ini dipilih karena K =3 menghasilkan nilai DBI terkecil yaitu 0 0.328. Dimana anggota klaster 0 berjumlah 1.389 data, klaster 1 berisi 1 data dan klaster 2 berisi 39 data sehingga totalnya berjumlah 1.429 data.

Keywords


Clustering; Data Mining; K-Means; Rekomendasi Produk

References


M. S. Rahayu, “Implementasi Data Mining Untuk Memprediksi Penjualan Menggunakan Metode Naïve Bayes.,” SENASHTEK, pp. 74–82, 2022.

P. D. Sri, Nurwati, and R. Elly, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor.,” Build. Informatics, Technol. Sci., pp. 639–648, 2022.

S. N. Normah and A. S., “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” J. Tek. Komput. AMIK BSI., 2021.

N. Agung, N. Odi, and N. Nurdiawan, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport.,” JATI, 2022.

K. W. Anindya, “Implementasi Algoritma K-Means Untuk Pengelompokkan Penyakit Pasien Pada Puskesmas Kajen Pekalongan.,” J. Transform., 2016.

N. M. Fauziah, R. D. Arif, and Fathurrohman., “Implementasi Algoritma K-Means Clustering Dalam Pengelompokkan Data Jumlah Kerusakan Rumah Berdasarkan Kondisi Di Jawa Barat,” J. Student Res., pp. 101–114, 2023.

E. Sutoyo and A. Almaarif, “Twitter sentiment analysis of the relocation of Indonesia’s capital city,” Bull. Electr. Eng. Informatics, vol. 9, no. 4, pp. 1620–1630, 2020.

V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi Rapidminer Untuk Prediksi Nilai Tukar Rupiah terhadap US Dollar Dengan Metode Regresi Linier,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 1, pp. 8–17, 2021.

H. Latius and B. I. Maria, “Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval.,” TRANSFORMATIKA, pp. 188–199, 2020.

M. Elly, M. Ina, and R. H. Vembria, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” J. Sains dan Manajemen., 2021.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Ilmu Teknik dan Komputer

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Jurnal Ilmu Teknik dan Komputer
Alamat Redaksi:
Pusat Penelitian Universitas Mercu Buana Jakarta,
Gedung D Lantai 1, Jalan Meruya Selatan No. 01, Kembangan, Jakarta Barat 11650.
Telepon 021-5840816 Pesawat 3451 Fax. 021-5840813.
Homepage : http://www.mercubuana.ac.idEmail : [email protected]
P-ISSN 2548-740X
E-ISSN 2621-1491

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Web Analytics Made Easy - StatCounter
View My Stats