Implementation of Data Mining for Sales Data Clustering Using K-Medoids Algorithm
DOI:
https://doi.org/10.71302/jbidai.v7i1.39Kata Kunci:
Clustering, Data Mining, K-Medoids, Davies Bouldin Index (DBI)Abstrak
Sebuah toko pernak pernik ingin mencapai target untuk penjualan tiap bulannya. Toko ini ingin mencapai target untuk penjualan tiap bulannya. Penelitian ini bertujuan untuk menerapkan teknik data mining klastering sehingga dapat membantu dalam menentukan strategi pemasaran menggunakan metode algoritma K-Medoids. Tahapan penelitian terbagi menjadi enam, tahap pertama adalah pengumpulan data, tahap kedua pembersihan data (Data Clean), tahap ketiga implementasi data mining, tahap keempat menghitung nilai DBI untuk setiap hasil klasterisasi, tahap kelima menentukan k-terbaik dan tahap terakhir menampilkan hasil klastering. Hasil klatstering menghasilkan cluster yang berbeda dikarenakan titik pusat (centroid) pada metode k-medoids ditentukan secara acak (random). Data yang digunakan dalam penelitian ini menggunakan tiga atribut dari enam atribut yang tersedia.
Referensi
[1] A. Siti, dkk. (2020). “Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang”. Jurnal Teknik Informatika dan Sistem Informasi, Vol. 6 No. 2.
[2] F. Erika, S. R. W, and Suhada, “Mengkluster jumlah kabupaten/kota yang melaksanakan kawasan tanpa rokok (ktr) di 50% sekolah menurut provinsi dengan k-medoids,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, pp. 637–644, 2019.
[3] Kusrini, Lutfi, Emha Taufiq. (2009). “Algoritma Data Mining”. Yogyakarta. ANDI Yogyakarta.
[4] P. N. Safitri, R. Aristawidya, and S. B. Faradilla, “KLASTERISASI FAKTOR-FAKTOR KEMISKINAN DI PROVINSI JAWA BARAT MENGGUNAKAN K-MEDOIDS CLUSTERING”, JaMES, vol. 4, no. 2, pp. 75–80, Oct. 2021.
[5] G. B. Kaligis and S. Yulianto, “ANALISA PERBANDINGAN ALGORITMA K-MEANS, K-MEDOIDS, DAN X-MEANS UNTUK PENGELOMPOKKAN KINERJA PEGAWAI”, itexplore, vol. 1, no. 3, pp. 179–193, Oct. 2022.
[6] S. Darma, “Klasterisasi Teknik Promosi dalam Meningkatkan Mutu Kampus Menggunakan Algoritma K-Medoids”, INFEB, vol. 3, no. 3, pp. 89-94, Mar. 2021.
[7] M. Nuranti, M. N. Aini, and U. Enri, “Komparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit Ispa”, Edumatic, vol. 5, no. 1, pp. 99–107, Jun. 2021.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
